王杏妮 曹阳 纪熠 石振 苏晨

王杏妮 ¹ 曹 阳 ² 纪 熠 ³ 石 振 ⁴ 苏 晨 ⁵

摘 要 本文探讨了大数据技术如何驱动海关企业管理和稽查工作的范式变革。研究从理论逻辑出发，指出大数据推动监管从因果关系转向相关关系分析、从经验决策转向循证决策、从科层指令转向平台化网络治理。在此基础上，探索提出大数据通过赋能监管主体协同、赋权企业参与、开拓人机交互手段、革新为事前预测等机制，实现精准高效监管。最后，结合海关监管实际，构建“智慧企管稽查”体系框架，涵盖风险分类、信用画像、电子稽查、区块链存证等六大应用场景，为进一步提升海关监管的智能化、精准化与协同化水平提供参考。

关键词 大数据；智慧海关；企业管理和稽查

Theoretical Logic and Practical Pathways of Big Data-Driven Paradigm Transformation in Customs Enterprise Management and Audit-Based Control

WANG Xing-Ni ¹ CAO Yang ² JI Yi ³ SHI Zhen ⁴ SU Chen ⁵

Abstract This paper explores how big data technology drives paradigm shifts in customs enterprise management and audit-based control practices. Based on the theoretical logic, the article indicates that big data facilitates a transition in customs control from causality-based analysis to correlation-based analysis, from experience-driven decision-making to evidence-based decision-making, and from hierarchical directives to platform-based network governance. Afterwards, it proposes that big data enables precise and efficient control through mechanisms such as empowering regulatory bodies to collaborate, authorizing enterprises to participate, developing human-computer interaction methods, and advancing towards pre-emptive prediction. Finally, grounded in the practical context of customs control, a framework for a “smart enterprise management and audit-based control” system is constructed. This framework encompasses six major application scenarios, including risk classification, credit profiling, electronic audit-based control, and blockchain-based evidence storage, aiming to enhance the intelligence, precision, and coordination of customs control.

Keywords big data; Smart Customs; enterprise management and audit-based control

作者简介：王杏妮（1993—），女，汉族，陕西宝鸡人，硕士，主要从事海关企业管理和稽查研究，E-mail: wxnyuki@163.com

1. 海关总署企业管理和稽查司 北京 100005

2. 广州海关 广州 510623

3. 海关总署研究中心 北京 100005

4. 拱北海关 珠海 519020

5. 厦门海关 厦门 361001

1. Department of Enterprise Management and Audit-based Control, General Administration of Customs, Beijing 100005

2. Guangzhou Customs, Guangzhou 510623

3. Research Center of General Administration of Customs, Beijing 100005

4. Gongbei Customs, Zhuhai 519020

5. Xiamen Customs, Xiamen 361001

当前，新一轮科技革命催生的产业变革正持续深化[1]。在此进程中，人工智能、大数据及区块链等关键技术，不仅是科技创新的技术支撑，更是破解经济转型、社会治理等领域深层难题的重要工具[2]。近年来，我国积极运用大数据提升国家治理现代化水平，为引入大数据推动中国海关企业管理和稽查工作范式变革提供了机遇。

1 大数据驱动监管范式转变的理论逻辑

政府通过运用大数据提升监管和服务能力正成为共识，国内外在社会保障、人力资源、城市治理、政府监督、生态保护等各个领域均有诸多应用案例[3]。大数据通过推动政府监管的分析、决策、执行范式变革[4]，从而助推执法精准化、透明化、高效化[5]。

1.1 从因果关系转向相关关系的分析范式转变

传统政府监管基于因果分析和事后解释，工作人员以抽样的方式获取有限样本及其直接关联的结构化数据，运用聚类、汇总等统计方法，并借助基础的数据可视化图表，对其进行归因分析，从而判定监管对象的活动是否合法合规。随着监管环境的开放程度越来越大，监管对象的不确定性程度、复杂程度也随之攀升，这种线性相关分析方式无法满足当前的监管需要。大数据具有强大跨区域、跨行业、跨部门数据融合能力，大数据驱动下的政府监管正在转向基于相关分析和事前预测的集成式分析决策范式[4]。融合了不同领域的多源异构信息，通过识别事物之间的相关性实现有效预测，从被动响应走向主动而为。

1.2 从经验决策转向循证决策的范式转变

近年来，随着我国外贸市场主体数量快速增长，各种新业态层出不穷，监管进出口活动的复杂性越来越高。大数据时代，政府监管效能取决于其对海量数据的处理与分析水平。因此，未来的海关执法与企业管理，需构建高效的大数据平台，实时采集来源于多主体的客观证据，数据经由传输、接入、存储、预处理至智能分析的完整流程。在此过程中，海关依托于一个综合性的技术框架，该框架集成了云计算所提供的强大算力、用于实时数据采集与交换的技术、大规模并行处理（Massively Parallel Processing，MPP）技术以及数据融合集成技术。同时，辅以移动互联网与时空轨迹分析技术，并运用深度学习、机器学习等人工智能算法进行模型构建，最终通过可视化技术将分析结果予以呈现，形成客观评价指标，综合判定企业风险[6]。

1.3 从科层化指令传递转向平台化网络治理的执行范式转变

传统执法活动中，政府监管执法流程基于科层化指令传递，其中，信息的上传、下达要经过许多层级和环节，包括信息流转、决策应急等。大数据时代信息的传递突破了以往由基层自下而上的级级汇集和决策权力自上而下的层层控制，扁平化管理通过构建以工作流程为中心的网络结构，减少管理层级、提升管理效率，使得不同的信息和更多的决策要素可以直接传达到决策层、体现在决策方案里，也可以更快地传递到执法者处，指导具体执法活动[4]。

2 大数据驱动政府监管执法的作用机制

2.1 赋能监管主体协同

大数据驱动型政府监管的监管主体是由执法主体为主，各类提供数据方为辅构成的多元主体。随着国家治理体系和治理能力现代化的推进，“共商共建共享”理念不断深入，同时由于大数据自身具有的数据量大、数据类型多、数据处理速度快和真实性等特点，不同监管主体协同要求提升。大数据驱动型政府监管执法的主体充分运用大数据技术，获取来自多元主体丰富的信息资源，拓宽各主体间相互沟通的渠道，行业协会、第三方机构等通过数据化信息参与共治，形成良好的互动局面和协同治理格局。同时，大数据的应用让政府通过开放数据实现国家治理过程的公开、透明。

2.2 引导监管对象参与

大数据的核心属性已超越单纯的规模庞大，更体现在其多源异构与动态时效的特征上。这要求执法者不能局限于传统的内部数据，而必须构建全域数据视野，将微博、微信、网络论坛等社会媒体产生的海量信息纳入分析框架，实现数据的交叉融合与深度利用。换言之，监管对象在其他部门提交的信息数据、在网络平台搜索发表的内容等，都成为大数据的一部分。例如，企业通过将企业资源计划系统（Enterprise Resource Planning，ERP）对接进入审计部门大数据池，主动接受监督检查。大数据分析为获取跨地域、跨群体的多元反馈提供了可能。借此，可引导监管对象转化为政策制定的积极参与者，形成从数据到决策的闭环。这一过程不仅驱动了执法方式与策略的自我完善，也最终保障了“执法为民”理念的贯彻与落实[7]。

2.3 变革人机交互手段

大数据驱动的政府监管执法，通过数字化、智能化手段，能有效地实现执法精准化，降低执法成本；增加监管透明性，限制执法者的自由裁量权；提高执法效率，合理配置执法资源；提高决策的科学性和证据支持性。例如，浙江省税务部门的税务稽查应用大数据实现了监管手段的智能化[8]。

2.3.1 构建大数据分析模型

基于历史税收违法案例及高风险申报行为数据，建立智能比对分析框架，该模型通过整合纳税人税务登记资料与资金流水信息，采用大数据挖掘技术对经营数据进行深度解析，将其与预设的基准模型进行智能匹配，从而高效识别潜在高风险对象及其违法嫌疑。特别针对增值税发票虚开这一典型违规行为，浙江省税务部门研究归纳出14项关键特征指标，并据此开发了自动化筛查算法，实现对可疑纳税人的精准识别[8]。

2.3.2 开展大数据电子查账

针对海量财税数据的处理需求，浙江省税务部门创新开发了智能电子稽核平台，该平台实现了从传统人工审计向自动化财务数据核查的转型，显著提升了稽核效率与准确性。在针对某颜料企业的税务稽查案例中，稽查人员借助该平台，仅用7个工作日便完成了近3万条账目及2000余笔交易记录的核查工作，精准识别出10余项潜在风险指标。

2.3.3 进行大数据智能匹配

虚开增值税发票作为税务稽查中的核心风险领域，对稽查人员的专业素养与工作投入度提出高要求。这类违法行为因涉及数据量庞大且隐蔽性突出，导致传统稽查方式需要耗费大量人力成本。为此，浙江省税务部门应用大数据分析与人工智能技术，通过跨平台发票数据整合，实现了纳税人进销项发票的智能关联比对，能够高效识别异常发票交易模式，并自动生成风险分析报告。

2.4 革新事前预测监管

传统执法主要采用被动响应机制，即依赖日常巡查或情报线索发现违法行为后再采取执法行动，或在违法行为发生后调动执法资源进行处置。而大数据技术通过整合历史案件与实时数据，能够进行智能分析，准确预判违法风险概率，实现从“事后处置”到“事前预防”的转变。警务实践表明，基于前瞻性执法理念的大数据分析工具，其应用成效显著优于传统技术手段[7]。

2.4.1 预测违法行为的时空分布

由加州大学洛杉矶分校与圣塔克拉拉大学跨学科团队研发的Pred Pol智能警务系统，创新性地整合了历史犯罪数据（包括类型、时空分布等核心要素），通过量化评估社会环境、物理空间特征及个体行为模式等多维因素的风险系数，结合不同犯罪行为的特征差异，采用风险叠加算法精准识别犯罪高发区域，从而实现对犯罪趋势的智能预测，为警务资源的科学配置提供决策支持[7]。

2.4.2 对个体行为的监控与危险评估

为预测个体（自然人、法人或其他社会组织）的犯罪概率，美国警方开展个体危险评估，应用数据分析软件 Beware ，依据与个人相关的交易数据、公共行为记录和社交媒体信息等数据，对每个人进行危险评估并划分为不同的等级，以便执法者以此为依据对相关的嫌疑人员展开进一步调查。另一用于对有犯罪记录人员再犯风险进行评估的工具 Hart ，则根据个人的犯罪记录、年龄和其他背景特征，将不同的人员划分为低、中、高风险三类，这一软件在英国达勒姆警察局的应用中表现出了较高的准确性[7]。

2.4.3 精准防范

在事前预测的基础上，精准投放相关预防信息、提醒消息，不仅可以将防范办法、应急处置流程等精准推送给目标人群，也可以将有关法律法规要求、惩处结果等精准推送到高风险企业、个体，以起到警示效果。譬如，我国国家反诈中心通过大数据分析，在对特定地区的主要违法或犯罪类型进行了解的基础上，结合不同个人情况推送与之相符合的防范诈骗举措，这样既预防违法行为的发生，也促进警民关系的融合[7]。

3 大数据驱动海关企业管理和稽查执法创新的实现路径

3.1 强化智慧海关监管执法网络框架

事前准入的进一步简化，要求政府必须加强事中事后监管。本文作者认为，当前海关监管体系中，口岸监管的手段主要是查验，对象是商品，基础是风险管理。大数据应用可以驱动海关监管执法将以货物为单元的查验和以企业为单元的管理稽查相融合。企业管理和稽查不仅作为基于口岸延伸的后续监管，更是针对企业进出口行为的整体性监管，企业管理和稽查的手段主要是稽核查、贸易调查等，对象是企业，基础是信用管理。因此，建立以企业为单元、以信用为基础的智慧企管稽查工作体系，与口岸监管形成时空上的维度交错，形成由企及物、由物及企的贯通，将进一步织严织密海关监管执法网络，让优质头部企业享受便利，违法违规企业、行为无处遁形。

3.2 “智慧企管稽查”的基本架构

大数据驱动的“智慧企管稽查”，是基于大数据技术的智能监管体系，以数据资源为核心要素，运用算法计算作为技术支撑，通过信息化平台实现精准执法目标。该体系构建在信息对称基础上，具有开放性和动态适应性特征。该系统融合物联网感知、云计算处理、大数据分析及移动互联等前沿技术，对具备海量性（Volume）、多源性（Variety）、时效性（Velocity）和价值稀疏性（Value）特征的数据资源进行多源实时采集、智能解析与可视化呈现，实现对跨境贸易主体的全流程监管，精准识别涉法风险指标，智能筛选重点监管对象，高效查处违规违法行为。“智慧企管稽查”体系基本架构如图1所示。

“智慧企管稽查”体系的基本架构自下而上共有三层（图1）：（1）数据层，包括数据的采集、清洗和规范化处理，构建基础数据仓库；根据特定逻辑规则对数据仓库中案例库的数据（事实、概念）进行知识表示、构建本体，经映射形成案例知识库；数据的安全和保护等。（2）制度层，主要为体制机制设计，包括智慧企管稽查制度设计；跨部门共商共建共享机制；领导干部与工作人员的数字素养和思维。（3）应用层，包括重点应用场景，具体的大数据算法、模型，技术创新支持，对外交流学习等。

3.3 “智慧企管稽查”的重点应用场景

3.3.1 大数据资质备案

企业备案信息动态监控。降低准入门槛并不意味着放松监管，而是将事前审批转向事中事后监管，通过高效精准的后台监控实现正常状态下的无感运行和风险预警。在企业备案时将国际贸易“单一窗口”与大数据池对接，建立企业备案信息比对模型，尤其重点分析多次备案的同法人、同地址等企业，帮助快速自动锁定“换马甲”“双失联”等企业。同时，抽取数据池信息建立多维度分析研究模型，便于实时对企业备案情况开展动态分析。

3.3.2 大数据信用评价

为企业精准“画像”。首先，汇总分析多样的与进出口活动相关的数据，包括登记注册、经营、纳税等企业基本信息；进出口情况、企业违法违规情况等企业运行数据，同时加强数据共享，采集外部门数据，全面地反映企业经营状况。其次，对企业进行分类管理，结合不同行业类型企业特点，制定专业化评价指标体系，把真正的头部企业选入“经认证的经营者”（AEO）企业培育名单中。通过既有案例训练模型不断提高拟合度，从而实现准确评定企业合规信用状况。

3.3.3 大数据线索分析

构建企业风险分析模型。利用海关总署前期已建立的大数据池，通过汇总采集海关数据，如报关单数据、监管检查记录、处罚结果等，与公安、税务、外汇、市场监管等多部门数据以及互联网关联数据相关联，建立高风险企业参照比对模型。在此基础上，充分采集现有企业申报数据、进出口数据等，与参照对比模型进行比较，从而快速地筛选出高风险企业和其可能的违法行为风险点。

3.3.4 大数据稽查作业

应用大数据开展电子稽查、智能匹配。构建大数据电子稽查系统，将与企业相关的信息与系统对接，对于物流、资金流大的企业，可通过接入其 ERP 系统或仓储系统，依托大数据技术和人工智能分析手段，整合企业不同平台系统的相关数据，自动关联合同、发票、报关单等，进行自动核查。系统在识别出可疑数据后，自动将其与风险分析模型进行比对，智能化地生成初步报告，稽查工作人员可以通过该报告确定下一步检查方向。此外，利用大数据技术自动梳理交易链条，以及关联企业信息，稽查工作不再只针对单户企业，可以同时对关联企业进行延伸稽查。

3.3.5 大数据审核监督

证据材料上链、数字大屏实时预警。运用区块链技术去中心化、不可删改的优势，稽查人员实时将采集到的企业证据材料传入大数据稽查系统，及时固定证据材料，形成可靠、有效的证据采集机制。此外，通过建立全国互联互通的业务运行监控平台，实现基于高频大数据精准动态监测预警。实时反映某一基层具体区域的具体作业和风险，便于横向跨关区之间无时间差传递风险信息，做到“一处发现、全网预警”，真正实现全链条监管的“零延时、零误差、零修改”。

3.3.6 大数据舆论监测

民意收集、政策效果反馈。建立进出口企业社会情况监测系统，通过互联网信息采集技术，深度挖掘多维度数据价值，重点分析不同地域、行业群体对海关服务的差异化需求，以及针对执法工作的改进建议。实时追踪监管稽查领域新政策的舆论反馈，包括媒体报道与公众评价，通过数据建模分析形成决策支持，最终构建“数据采集—分析—应用”的管理闭环，切实提升人民海关的监管与服务效能。

4 结语

本文系统探讨了大数据驱动海关企业管理和稽查范式变革的理论逻辑与实践路径，以大数据的广泛应用为核心的技术革命，正深刻推动海关监管向智慧化转型。这一转型的核心逻辑体现在三大转变：分析范式从依赖因果的事后解释，转向关注相关关系的事前预测；决策范式从基于个人经验的直觉判断，转向依托全样本数据的循证决策；执行范式从科层化的指令传递，转向平台化的扁平网络治理。在实践中，大数据通过“赋能”“赋权”“开拓”与“革新”四大机制，可重塑海关监管生态。基于上述分析，本研究探索构建了以“风险+信用”为核心、以“智慧企管稽查”为目标的海关新监管体系框架，并详细阐述了大数据在企业资质备案、信用画像、风险分析、数智稽查、审核监督及舆论监测六大关键场景下的具体应用路径，为海关构建响应敏捷、风险可控、便利合规的海关企业管理和稽查机制提供参考。

参考文献

[1] 沈费伟, 诸靖文. 数字政府治理的运作机理与创新路径[J]. 政治学研究, 2021(2): 18-25.

[2] 孟庆国. “AI大模型+政务”的现状、趋势与思考[J]. 武汉社会科学, 2024(2): 60-63.

[3] 孟庆国, 鞠京芮. 人工智能支撑的平台型政府:技术框架与实践路径[J]. 电子政务, 2021(9): 37-46.

[4] 周阳, 汪勇. 大数据重塑公共决策的范式转型、运行机理与治理路径[J]. 电子政务, 2021(9): 81-92.

[5] 周芳检. 大数据赋能的城市公共危机决策创新[J]. 图书与情报, 2021(2): 25-32.

[6] 张红春, 杨涛. 技术赋能循证:人工智能驱动政府循证决策范式变革[J]. 天津行政学院学报, 2022, 24(4): 44-56.

[7] 谭俊. 大数据技术在警察执法中的应用及挑战[J]. 行政法学研究, 2018(7): 26-31.

[8] 俞安娜. 税收治理中大数据技术应用问题的研究[D]. 南京: 南京理工大学, 2021.

图1 “智慧企管稽查”体系基本架构

Fig.1 Basic architecture of the big-data-driven “smart enterprise management and audit-based control” system