税务系统数据质量管理的研究与实践

第一篇：税务系统数据质量管理的研究与实践

税务系统数据质量管理的研究与实践

内容提要：数据质量管理是加强税收征管、实现信息管税的重要手段。本文介绍了数据质量的概念和属性，研究了异常数据的类型和产生的原因。通过分析税务系统数据质量管理工作中存在的主要问题，结合我局实际，提出了加强数据质量管理的方法和策略。最后介绍了山东省国税局加强数据质量管理的工作实践和具体做法，对税务系统加强数据质量管理实现信息管税具有很强的借鉴意义。

关键词：数据质量数据应用异常数据数据管理

数据是税务信息化管理和辅助决策分析的基础，是推进税务系统信息化建设不断发展的重要保障。经过多年的发展，税务信息化目前已基本形成数据省级大集中、网络覆盖各级税务机关、应用系统涵盖主要税收管理业务的格局。随着应用系统数据量的急剧增加、新应用系统的不断出现、应用之间的整合以及数据仓库、联机分析等数据应用新技术的引入，数据质量问题变得日益突出。税收业务数据一方面是事务处理过程的反映，另一方面更是领导决策的基础和依据，数据质量的好坏将直接影响税务信息系统运行的质量和效率，并成为影响决策支持的重要因素。

一、数据质量的概念和属性

在不同时期，数据质量有不同的概念和标准。20世纪80年代以前，数据质量的标准基本上是以提高数据准确性为出发点。随着数据质量含义的不断延伸，准确性不再是衡量数据质量的唯一标准。目前业界对数据质量有多种定义，一种观点认为数据质量是数据适合使用或满足特定用户期望的程度，而另一种观点认为数据质量主要是指一个信息系统在多大程度上实现了正确性（Correctness）、一致性（Consistency）、完整性（Completeness）和最小性（Minimality）。

数据作为信息化应用的主体，它具有多重属性，其基本质量特性包括准确性、完整性、及时性、有效性等四个方面。对数据质量进行较好地控制，必须认识数据的基本质量特性，多方面采取措施，杜绝数据质量问题出现，使数据监控工作能够真正达到控制数据质量的目的。

（一）数据准确性

准确性是指数据的测量值与真实值的一致程度。在数据监控和质量控制的过程中，准确性越好的数据，误差越小。影响数据准确性的因素很多，数据误差在数据采集、审核、录入、传输和处理等各个环节都可能产生。我们需要从各个方面分析影响数据准确性的因素，同时有效控制不同类型数据的合理变化范围，将数据误差控制在尽可能理想的范围内，以保证数据准确性。

（二）数据完整性

数据完整性是指数据库中的数据正确无误并且相关数据具有一致性。数据是否完整关系到数据能否真实的反映现实世界。数据完整性分为域完整性、实体完整性、引用完整性和用户定义完整性。域完整性是指关系表中任一列数据必须具有正确的数据类型、格式以及有效的数据范围，如性别列的值只能是男或女；实体完整性要求在表中不能存在完全相同的记录，而且每条记录都要具有一个非空且不重复的键值；引用完整性是指作用于有关联的两个或两个以上的表，通过使用主键和外键或主键和唯一键之间的关系，使表中的键值在所有表中保持一致；用户定义完整性是应用领域需要遵守的约束条件，允许用户定义不属于其他任何完整性分类的特定业务规则。

（三）数据及时性

在税务部门日常数据的管理中，往往要求更快、更准地收集到所需的数据，把这些要求应用到数据上，那就是要求数据具有及时性。一个好的应用系统在使用数据时不仅要求数据的准确性还必须考虑数据的及时性，税收管理信息化的一个主要目的是提高工作效率，把大量复杂、繁重的计算、统计、分类工作交由计算机处理并迅速得出准确结果。如果数据不及时，那么应用系统的处理结果可能就违背了程序设计和使用者的初衷。因此根据数据应用需求及时采集数据是保证数据及时性的重要环节。

（四）数据有效性

对于一条及时采集获得，准确、完整的数据，还需要考虑数据的有效性问题。一堆无效的数据无异于废

品或垃圾，是不产生价值的，因此在使用数据时，要考虑它是否有效。例如，假如我们采集了某户小规模纳税人去年全年的申报税额和代开发票预缴税额数据，最后发现预缴税额大于申报税额，那么这户企业的申报税额数据还是否有效呢？这是显而易见的。

二、数据质量问题的分类

信息系统中可能存在的数据质量问题有很多种，其表现形式主要有以下几种类型：

（一）重复数据

重复数据是指在一个数据源中有指向同一个实体的重复信息，或在多个数据源中有同一个实体的重复信息。

（二）不完整数据

由于录入错误等原因，字段值或记录未被录入数据库，造成信息系统数据源中应有的字段或记录缺失。

（三）不正确数据

由于录入错误、未及时更新或不正确的计算等，导致数据源中数据过时，或者一些数据与现实实体中字段的值不相符。

（四）无法理解的数据

无法理解的数据值指由于某些原因，导致数据源中的一些数据难以解释或无法解释，如伪值、多用途域、古怪的格式、密码数据等。

（五）不一致数据

数据不一致包括多种问题，如由不同数据源形成的数据很容易发生不一致；同一数据源的数据也会因位置、单位以及时间不同产生不一致。

三、数据质量管理的研究方法与提高策略

（一）研究现状与方法

90年代中期美国麻省理工学院开展了全面数据质量管理（TDQM-Total Data Quality Management）研究，通过借鉴物理产品质量管理体系的成功经验，提出了基于信息生产系统的数据质量管理体系。该体系的主要方法包括质量定义、度量、分析和改进四个步骤。

1、质量定义：定义质量要求，反映数据提供者、生产者和管理者对数据产品不同角度的质量要求。

2、度量：根据数据产品及其质量定义，确定数据质量指标体系，跟踪数据的量度，监控数据质量。

3、分析：分析数据质量问题产生的原因。

4、改进：根据分析结果，采取措施消除产生数据质量问题的根源。如采用数据清理、转换等技术方法改进重码、数据不一致等问题，或者制定策略改进数据的生产过程和管理方法。

目前数据质量的研究主要围绕两个方面展开：一是数据质量的评估和监控；二是从技术的角度如何保证和提高数据质量。

数据清洗是检测并消除数据中错误和不一致的主要技术手段，它包括以下几个方面：（1）重复对象检测；

（2）缺失数据处理；（3）异常数据检测；（4）逻辑错误检测；（5）不一致数据处理。

（二）提高策略

提高数据质量的策略有多种，从数据的生命周期来看，数据质量的提高策略可以从两个角度来分析：一是从事前预防和事中控制角度，即在数据生命周期的任何一个阶段，都有严格的数据规划和约束来防止异常数据的产生；二是从事后诊断的角度，即由于数据的演化或集成，会有异常数据不断出现，需要用特定的算法检测出现的异常数据。从数据质量管理所需要的知识来看，数据质量的提高策略可分成两类：一类提高策略不依赖特定业务规则，是应用独立的，如数据拼写错误、数据分布异常、某些缺失值处理等，这类问题的解决不依赖于特定的业务规则，可以从数据本身中寻找特征来解决；另一类解决方法与特定业务规则相关，是应用依赖的，相关领域的业务知识是消除数据逻辑错误的必要条件。由于数据质量问题涉及方面较多，成功的数据质量提高方案必然是综合应用上述各种策略。

四、税务系统数据质量存在的问题和原因分析

（一）存在的问题

税收基础数据质量不高，一方面表现为数据不全面，部分相关信息未能纳入系统管理，削弱了信息系统的作用；另一方面是数据不准确，纳税人提供的信息有误、税务人员操作错误或系统程序问题引起的数据错误、以及数据采集标准不统一都会导致异常数据的产生，进而影响到在此基础上的一系列应用的准确度。税务系统当前数据质量管理工作中主要存在以下问题：

1、数据准确性不高，异常数据多。

主要体现在：征收品目与行业税种不匹配，缴款方式鉴定错误，定额户无税种，登记信息不完整，预算科目错误，税种删除频繁，上解入库误填滞后，延期申报预缴税款不足，期末欠税余额增减异常，文书审批时间异常等。

2、异常数据监控不及时。

一些单位对数据质量不重视，平时不检测不监控，问题出现后当月不解决，等到通报考核时才开始清理，导致一些只能当月修改的数据前台无法修改，形成异常数据。如临时一般纳税人到期问题，未能及时进行转正处理，造成临时一般纳税人又变成小规模纳税人；定额户到期，变成查实户，还得重新定额；资格认定不及时，社会福利企业按年认定不及时；操作人员业务环节不熟练，文书审批不及时，造成数据重复录入等。

3、数据入口把关不严，数据完整性不够。

通过监控发现，每月都存在着大量的基础信息未录入或录入不全错误。例如税务登记中未录入街道乡镇、主管税务人员、电话号码等，一般纳税人申报未录入财务报表等，纳税人主营、兼营信息录入不全等。通常这些异常数据占全部异常数据的一半以上，都属于稍加注意即可避免的错误。

4、操作人员业务不熟练

由于操作人员对业务流程不熟悉，对政策把握不准确，特别是不能及时掌握税收新政策、新规定在业务软件中的处理流程，出现了一些文书类、核定类的错误。

（二）异常数据的类型

根据异常数据的来源，税务系统的异常数据可以分为以下四类：

1、业务操作类异常数据

业务操作类异常数据是由于软件操作错误、数据采集录入不完整造成的，它反映了信息系统的数据完整性水平，同时也反映了一个单位业务人员的整体操作水平。

2、历史数据类异常数据

历史数据类异常数据是由于系统切换、升级、历史数据迁移等原因造成，它反映了信息系统的历史数据可用性水平。

3、数据维护类异常数据

指在信息系统运维工作中对日常问题处理时，修改数据方法不正确、不规范等原因造成，反映了信息系统的运维能力水平，特别是对一个系统的数据结构、数据流程、业务能力掌握的水平。

4、外部接口类异常数据

由于外部程序调用接口异常、程序控制不严格、系统配置错误、源数据错误等原因造成，反映了外围软件的建设水平。

（三）异常数据产生原因

1、认识存在误区

有些人员认为一个软件系统会解决所有的问题，通过数据分析可以查找所有的管理漏洞，通过数据分析可以发现所有的薄弱环节。对系统的严密性和数据分析应用的期望值过高，导致出现问题后不能正确认识，甚至把一些人为操作的因素也归结为系统问题。

2、缺乏科学、规范、完整的数据质量标准

有些情况下对录入数据的格式或来源没有统一明确的要求，缺少统一、规范的审核程序和标准，在录入后就成为问题数据，或在数据加工、利用过程中形成异常数据。

3、数据采集手段相对单一，不能全面采集纳税人数据

当前税务部门主要依靠纳税人自行申报来实施管理，信息来源面窄，获取信息的手段落后，致使数据质量受到影响。数据采集不全的问题比较突出，多侧重于对纳税人静态信息的收集，而对动态数据的采集不够全面，不能真实掌握纳税人的实际经营状况。

4、数据信息共享程度差

一方面表现为系统内部各软件间数据定义没有统一标准，数据关联性差，信息资源无法得到充分利用；另一方面，由于受社会条件的制约，国税、地税、工商、银行等部门之间信息化建设程度各不相同，部门之间数据交换协调难度大，不能有效利用社会信息资源。

5、缺乏系统的数据质量管理机制

如前台操作人员查询不便、修改不便，导致数据纠错机制运转不畅；没有统一规范的数据质量标准，导致对数据审核、监督和考核机制缺失；当前的考核体系更多的强调了责任追究和事后问责，对承担工作量大、差错少的成绩优异者缺乏奖励措施，缺乏按“差错率”进行考核的措施，导致多做业务多出错的不良后果。

6、人员操作水平制约数据质量的提升

一方面，有些操作人员信息化基础薄弱，操作的熟练程度、准确程度有所欠缺；也有个别人员工作责任心不强，对待一些简单重复性的工作缺少工作耐心，致使错误数据经常出现。另一方面，纳税人对网上申报等系统的掌握程度不一，诚信纳税的意识不同，也很大程度上影响到了原始数据的真实性和准确性。

7、技能培训不足

任何一个软件系统无论其信息化程度多高，最终还是需要人来操作、运用。有些单位近年来只注重信息系统的硬件建设和软件开发应用，而对操作人员的技能培训关注不够，针对性的知识更新培训不足，造成基层人员的知识结构、操作技能与我们的信息化水平和工作要求脱节，不能适应工作要求。

五、山东国税系统在数据质量管理方面的实践与经验

数据质量问题可归纳为管理因素和技术因素。建立健全科学、规范的数据质量管理机制，从组织、制度、技术等层面保障对数据的有效监控，是破解数据质量难题的关键。针对目前我省数据质量管理工作中存在的问题，结合工作实际，提出以下解决思路。

（一）建立统一规范的数据质量运行机制。

我省各级国税机关把数据质量作为信息化建设的一项全局性、长期性的重要基础性工作来抓，不断完善管理制度，创新工作机制。省局制定下发了《山东省国家税务局数据质量管理办法》，明确了各级各部门在数据质量管理中的主要职责，各级信息中心牵头，具体数据质量指标落实分解到各业务主管部门负责，从数据采集、数据录入、数据审核、数据提报、数据修改等方面进行了全面规范，进一步明确了数据采集、录入、审核、提报、修改等数据质量管理的具体工作流程，保证了数据管理工作的持续稳定开展。

（二）建立全面完善的异常数据检测机制。

通过信息化课题研究等方式，不断完善数据审计规则，进一步拓展数据监控范围，丰富检测指标体系，形成了103项异常数据检测指标，涵盖综合征管系统、车购税征管系统、防伪税控系统、出口退税审核系统等四个核心应用系统。同时将指标体系开发到在数据综合分析利用平台中，形成数据质量管理子系统，每天自动与各业务系统进行数据同步，定时完成各项检测指标数据的运算，前台操作人员每天可查询新产生的各项异常数据，及时进行整改，保证了数据的准确完整。结合总局综合征管系统健康检查数据质量检查工作，不断补充检测指标，形成更加完善的数据质量异常数据指标检测体系。如综合征管系统“资格认定文书时间交叉”指标，检测同一资格认定类文书有效期起止存在多条且日期交叉情况，2011年1-9月份全省该指标共发现异常数据179条，今年同期下降到26条，同比下降85.5%.（三）建立基于过程管理的数据监控机制。

在数据质量管理过程中做到预防为主，通过源头控管、事中控制等措施保证数据质量，减少了异常数据发生。在加强纳税人端网上办税录入环节数据审核和规则校验的同时，开发了税务端嵌入式数据检测工具，部署在综合征管系统等前台工作站，操作人员录入相关数据时实时进行校验和提醒，把好数据入库质量关；利用腾讯通RTX开发应用工作实时提醒系统，从数据综合分析利用平台异常数据质量模块提取发现异常数

据进行提醒，每天自动推送到主办人员电脑桌面，提醒其及时进行整改，把好数据事中控制关。数据质量管理工作已由简单的数据检测、维护、修改上升为常态化日常工作，全省总结形成了《数据质量监控指标说明手册》等多个规范性文档，有力地指导了数据质量工作的有序开展。

（四）建立严格完善的数据质量考核机制。

将基础数据正确率作为考核指标纳入了全省重点工作年度目标管理考核，并每年进行调整完善，各市、县局根据工作实际进一步细化考核内容，实现了数据差错率与部门负责人挂钩、错误数据与岗位操作人员挂钩的双项考核机制，全面落实考核标准。省局每季度下发一次《全省数据质量分析报告》，定期通报考核结果，已累计下发数据质量分析报告20期，督导基层累计修改异常数据36140笔，全省电子数据质量明显提高。截至2012年上半年，全省综合征管系统等四个核心应用系统103项异常数据检测指标仅发现异常数据499笔，较上年同期下降84%，全省考核指标基础数据平均正确率首次达到99.999%以上，部分市局基本接近零过错，高质量的数据为信息管税夯实了基础。

（五）建立全面的数据质量工作交流机制

一是转发部分单位的先进经验。省局通过正式公文先后多次转发市、县局数据质量管理工作经验和措施，加强了基层单位数据质量管理工作交流，使得部分市县局先进的数据管理经验在全省推广、借鉴，取长补短，以点带面，促进了全省数据质量的全面提升。二是加强省、市、县（区）三级数据质量管理部门的沟通。通过基层调研、开座谈会等方式，针对全省数据质量管理薄弱点进行深入探讨研究，查找原因，有针对性制定防范措施，促进全省数据质量的持续提高。三是加强对关键指标的监控督导，有效避免错误数据的产生。基层局定期组织各部门召开数据分析工作例会，及时研究遇到的数据质量与数据管理问题，做到数据质量问题早发现、早反馈、早处理。四是组织开展全省数据质量管理工作培训。针对总局关于数据质量管理工作要求，结合全省数据质量管理指标体系，组织了全省范围内的数据质量管理工作培训，重点讲解了数据质量管理办法、数据指标口径、异常数据检测机制、异常数据产生原因以及如何及时预防、消除异常数据的方法等知识，进一步提高了各级数据质量管理人员的业务和技术水平，促进了全省数据质量管理工作的持续开展。

六、结束语

2012年7月宋兰副局长在全国税务系统深化税收征管改革工作会议上的讲话中指出要建立“以风险管理为导向，以专业化管理为基础，以重点税源管理为着力点，以信息化为支撑的现代化税收征管体系”，就必须要“加强数据管理，充分利用各种信息，不断提高信息管税水平”、“狠抓数据质量，确保信息真实准确”。数据是信息管税的关键。从实际情况看，涉税信息的采集与利用一直是我国税收工作的“软肋“，信息数量少、质量低、利用差，最为重要的是税务部门与纳税人之间存在严重的信息不对称，对纳税人所知晓、掌握的情况严重缺乏，这是我们信息化运用多年而利用层次一直受限的主要屏障。在新的形势下，加强数据管理，提高征管数据质量，对进一步规范税务信息化建设，深入推进“信息管税”工作开展，以信息化带动税收工作的科学化、精细化、专业化具有重要意义。

第二篇：基层税务系统开展数据分析与应用初探

基层税务系统开展数据分析与应用初探

随着信息化建设的不断推进，综合征管软件CTAIS2.0系统的上线运行，税务系统面临的信息数据越来越多，这也迫切要求我们税务干部更新观念，采取更新、更便捷、更有效的方法，对大量的征管数据进行提取、分析、挖掘，剖析信息数据后隐藏的潜能。这一剖析过程就是当前税务系统所面临的数据分析与应用，其本旨在于帮助税务干部从海量数据中发现有价值的信息，降低征纳成本、提供差异化的纳税服务，识别纳税特征，找准管理的薄弱环节，辅助税务干部进一步堵塞税收管理漏洞，进行更加行之有效的管理和服务。本文笔者拟就基层税务机关在开展数据分析应用过程中存在的问题和改进的措施作一些肤浅的探讨，以期促进该项工作进一步深入开展。

一、对数据分析与应用的认识

数据的分析与应用是一项人机结合的综合性工作，从大量的数据中抽取出潜在的、不为人知的有用信息、模式和趋势，作更深层次的数据分析，这必须依靠计算机软件平台，这也就是我们日常工作中所讲的数据分析应用软件。它的作用在于实现对现有税务系统各软件中信息量进行数据集成，再利用统计学、人工智能等技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在的模式，并对未来情况进行分析、预测，以辅助管理者、决策者评估风险、做出正确的决策。

二、目前数据分析与应用中存在的主要问题

（一）数据综合运用平台尚不能完全满足业务需求.虽然税务系统自上而下已经开发和建立了包括数据分析、模型应用、执法监督等各项目分析软件平台，但这软件分析应用软件都存在同一个问题，就是主要依靠CTAIS数据源进行分析和评价，没能完全实现对分布在各个系统中的数据信息进行联邦，实现信息的集成。换句话说也就是数据中个别的关联联系只有在各个业务系统内由人工分析才能得到，因而形成了所谓的信息孤岛，比如稽核数据、电子申报数据、其他部门与税务系统交换的数据等就未能实现在信息处理平台综合提取分析。

（二）数据信息源有待进一步拓展与完善

数据资源的齐全、完整是进行数据处理分析应用的基础。当前CTAIS中纳税人基本信息，如纳税人生产经营、资金运用状况、税款缴纳、债权债务、违法违章等各类涉税数据，未能完全收集录入，特别是纳税人财务核算信息收集不完整，一定程度上制约了数据分析的广度与深度。在与外部门开展信息交换与共享中，部分信息交换收集不及时，比如工商违法违章处理信息、招商引资信息、技术监督部分信息等税务系统没能有效掌握，这也为开展数据分析应用带来不小的阻力。数据真实性是数据分析应用的生命，然而当前一此不规范的信息处理，其中不乏部分数据采集录入违背了这一基本理论，造成数据分析结果偏差，严格影响趋势判断和管理决策，特别是在为上级部门提供政策决策时，无法提供真实的数据依据，会导制各类政策决策方向判断失去标向。比如过分追求申报率，就是造成纳税人真实纳税遵从度与现实不符；人为干扰增值税纳税人正常零申报，为后期管理和稽查带来风险等。

（三）数据分析应用人才缺乏、分析基本方法简单制约数据分析应用质量

数据分析应用关键在于人。一份有价值的分析报告，必须有来自计算机平台的初步挖掘，还需要人工根据实际管理和掌握的情况进行加工和修正，综合辨析数据背后所隐藏的有价值的信息，从而为管理提供决策依据。数据分析的基本手段就是统计、描述和趋势判断，运用的主要方法包括时间序列分析、关联性分析、分类与聚类分析。就当前税务系统数据分析人员来看，基本技能缺乏，分析手段单一，大量信息掌握不足，难以实现多数据集成，难以在一定深度上分析数据，因而造成当前分析报告内容平平，可供参考和决策的作用不大。所以人才的缺失造成了分析报告结果总体质量不高，无法达到预期效果，更别说在应用中发

挥应有的作用。比如，当前基层税务系统在开展数据分析中主要采取时间序列和列表法，通过同比与环比，简单辨析纳税人可能存在的问题，这种分析手段单一，难以实现对纳税人未来发展趋势作出较为准确的判断。又比如，在对零负申报情况进行分析时，分析人员常这样运用，“某某企业本月进项多少，销项多少，留抵多少，造成留抵的原因是本月进项增加，而销售量减少。”这种分析就难以称为数据分析，只能为工作中一个基本判定。真正的分析，应该是根据企业基本情况，发现查找纳税人留抵中更为深层的原由，比如市场变化、价格变化、运输成本变化、产品原材料构成、成本变化等，从而判定纳税人纳税是否正常。

（四）重宏观分析、轻微观分析

基层税务系统在开展数据分析与应用过程中，除有必要宏观的分析，即面上的东西外，更应注重微观层面，即点上的东西。从当前实践中来看，基层税务系统大型的数据分析报告更为集中体现的是面上的东西，比如对每个月的征管指标所进行全面分析，而形成的数据分析报告，在笔者看来就是面上的东西，这些面上的东西实际上通过计算机软件平台完全可能发现偏差和问题，这种数据分析报告应用的价值并不是很高，部分分析可以说是作的无用功，比如某指标某月达到参照的正常标准，再就当月该指标进行的分析，笔者认为这就是无用功。基层开展数据分析，最根本的作用在于查找工作薄弱点，改进措施，促进工作。所以更应该注重微观点上的东西，比如对某行业一定时期税负变化情况分析，更具体点可以开展对某户企业一定期间进行数据评估分析，查找企业存在的问题；或者针对某项工作任务开展符合该项工作范围纳税人的分析，找准工作突破口和方法；再或者对一定区域税源情况进行趋势分析和判定，这些都是微观的，但实际工作中，这方面分析应用太少太少。

（五）重数据分析，轻实际应用

数据分析的落实点就是应用，就是通过查找问题，对症下药，解决实际问题。从当前应用总体情况看，分析的多，应用的少，特别体现在应用解决实际问题的效果小，往往同一个问题反复出现，没有达到预定的效果。比如现在上级部门要求下级上报的各类分析报告较多，往往就同一个问题报告三五次，每一次都把大把的原由分析的头头是道，但一定时期过后，就是没有看到实际成效，究其原由要不就是没有找到问题解决的措施，要不就是没有把拟定的措施落到实处，真正落脚到促进工作当中，当然这不仅仅是数据应用不到位的问题，还与一个单位一个部门的执行落实力较差，后期追踪督查不到位也存在着相当大的关联。

三、今后数据分析与应用的努力方向

存在了问题，就必须解决。如何在信息飞速发展的今天，解决当前税务系统数据分析与应用中存在的矛盾和问题呢？笔者拟从以下几方面谈谈自已的看法。

(一)整合优化数据分析平台，加强数据集成数据集成、智能分析是应用平台的显著特征。建立和完善现行数据分析平台，拓展整合数据分析源，是优化现行数据平台的关键。从业务角度来看，信息集成建设实际是从管理、分析的角度对业务流程及业务数据进行梳理，将原来的税务数据，和现有征管数据，包括稽核数据以及其他各个业务系统、共享软件信息紧密结合，综合聚类进行关联分析，形成一个新的数据链条或视图，集合成一个连续信息集合，解决当前“信息孤岛”的问题，从而以便更深层次发现征管薄弱环节；从技术角度来看，信息集成建设是利用数据联邦的技术，将各自独立的数据库系统以一种逻辑集中的方式联系在一起，形成一个逻辑集中的综合数据库，依照管理、分析的需求建立各种逻辑视图和物理视图，从而综合提取有用的价值信息，比如在纳税人信用等级评定中，能综合提取国地税两家同一纳税人各类涉税信息，从而综合评价纳税人等级。只有这样一种综合数据集成分析，才能确保数据的分析与应用达到预期效果。

（二）严把数据采取录入关口，确保数据真实、准确、完整

俗话说，“巧妇难为无米之炊”，数据分析也是如此。不掌握第一手资料，不掌握大量的数据，分析无从谈起，一篇分析报告的好坏在一定程度上依赖数据的翔实与否。为此，基

层税务系统应定期开展各业务系统数据清理清查，对基本信息缺失的，应及时结予补录，特别是对企业纳税人，就应该按期采集录入企业财务信息，以方便对企业的财务信息提取和分析。系统外要全面掌握纳税人生产经营规律，生产工艺流程以及各环节投入产出的物品，建立纳税人外延信息资料库，以拓展分析的信息面。同时要建立健全各项规章制度，制定数据运维制度，维护软件、硬件和网络安全，确保数据的运行质量。制定数据操作规范，明确征管业务的操作内容、方法、程序，指导税务人员正确利用信息技术处理税收业务。建立经验交流机制，将数据运行中的好经验、好方法，收集整理、归类发布，变个体经验为群体经验。另外是明确工作职责。法制征管部门要负责把好数据采集关，确保源头数据的完整、准确，要根据实际业务需求开展业务分析；计统部门和数据分析部门要负责数据的核算、分析、监控，要熟练的掌握各类分析方法和技巧，要有能力把业务分析转化为措施挖掘；信息中心等部门负责数据的发布、处理和管理，要根据要求实现对数据的技术处理支撑。再者，要严禁为了指标而擅自制造虚、假信息数据，确保整个数据真实、合法。

（三）培养高素质分析人才队伍

数据分析只有机器是不行的，机器仅能将信息进行集成，查找关联，而人才是综合分析和运用的根本。因此培养一大批优秀的数据分析人员尤其关键，这批队伍必须既懂税收、会计业务又通计算机运用，既要掌握现有资源信息，更要收集整理企业外延综合有用信息，既要懂得利用简单同环比列表对比分析，更要掌握数据的趋势判定、定性分析以及综合统计分析学各类必要技巧。只有这样的人才才能有能力深层次挖掘数据信息背后的价值。因此，我们要增强战略眼光，将大力培养数据分析型人才作为数据分析与应用的重要措施紧抓不放，要通过自学、送培、在岗培训、函授等形式多样的教育方式，造就一批具备适应现代信息分析技术的人员。根据需求不排除可采取建立专职数据分析人员，专门从事数据分析和挖掘工作，专职为领导决策和征收措施提供要求参考的数据支撑依据。

（四）科学构建数据分析体系和模型

一是科学建立数据分析指标体系。对日常征管中进行数据分析利用的指标进行整理、分类，逐步建立一个包括税负分析、税收管理质量分析、发票管理分析、税收执法责任考核、关联企业监控分析、数据质量监控分析等方面的数据分析指标体系，规范分析行为，统一指标分析口径，提高分析效率，解决目前数据分析中常见的“分析报告成果不共享”、“分析指标口径不统一”、“已解决问题死灰复燃”等问题，以达到全面提高数据处理分析工作水平的目的。

二是科学构建数据处理分析模型。充分利用先进的数据库技术、多功能的数据展现软件、数据挖掘工具创新分析方法。引入经济学、统计学的有关数学模型，参考国内外在数据分析方面的做法，提高对数据的挖掘和综合分析能力。对各个应用系统后台数据库中的相关数据进行抽取、过滤、关联、整理和比对，构建符合征管业务特点的标准化数据处理分析模型。这些模型必须根据需求综合运用关联分析法、趋势分析法、定量和定性分析法、归纳推断法等分析方法，为数据处理分析工作提供有效的抓手。

（五）科学选定分析主题

分析主题的选取是数据分析利用的首要工作，基层税务系统除一定期间开展必要的宏观分析外，日常工作更应注重对微观实际应用对象的分析，因此分析的主题范围应该紧紧围绕征管工作。选题主要方向包括：

一是征管交叉点。税收征管是一项涉及多部门、多领域、多个应用系统的复杂工程。目前，单个部门和应用系统内部的管理比较严密，而各部门和应用系统之间的资源整合、统筹协调则相对不足，各项征管业务的交叉点往往也是管理上的薄弱点，存在不少潜在的征管漏洞。在选题时，针对这些征管交叉点，利用各项征管业务之间的内在逻辑关系，通过数据处理分析，发现管理上的潜在问题，实现征管数据的综合利用，提高整体征管效能。

二是征管隐患点。在税收征管过程中，基础性管理、行业管理、区域管理等方面往往存在一些管理隐患，如果不能及时发现，就会造成较大的征管问题。这些隐患潜藏在海量的征管数据之中，靠人工调查、经验判断往往难以及时发现。因此，在选题时要特别注重针对这些隐患点，深入挖掘疑点信息，将问题解决在萌芽状态。

三是征管边界点。在税收征管过程中，税务部门主要的信息来源是自身掌握的征管数据，而纳税人的生产经营信息则广泛分布于工商、地税、统计、技术监督等外界部门中。要通过针对征管边界点选题，突破自身资源限制，充分利用外部信息，促进征管水平的提高。四是征管革新点。随着征管改革持续推进，征管手段不断优化，征管方式不断更新。一项新的征管方式的建立，往往需要有一个逐步完善的过程，在这当中会暴露出一些征管方面的新问题。要针对征管革新点进行选题，对新征管方式的运行状况、存在问题进行分析，积极为征管改革服务。

在选主题分析的问题，应对对象主客观全面剖析，在剖析主观上面，侧重分析税务系统自身管理问题，分析管理中税收政策执行、征管措施落实是否到位；而客观方面侧重分析纳税人税法遵从度，纳税人是否存在偷漏税嫌疑，同时结合分析税务系统税法宣传开展是否到位，纳税辅导是否按规定进行执行，这样的分析才能真正全面具体。

（六）强化监督考核

最后是建立工作责任考核制度。将分析结果的工作落实与目标责任制考核相结合。并从制度上进行规范，避免出现只有分析、没有落实的现象，进一步提高数据分析应用率，促进税收征管水平的提高。将分析结果落实情况纳入目标管理考核，提高重视程度，强化管理手段，对责任部门起到强有力的监督和约束作用，为数据处理分析充分发挥作用提供必要保障。

第三篇：2013质量管理数据分析

2013质量管理数据分析

为了QMS在我公司得以保持和实施,总经理责成办公室对质量管理的一些数据进行数据的统计,包括今年一月到七月不合格品的统计以及顾客投诉(抱怨)反馈数据的统计,根据所统计的数据进行分析,得出分析结论

1.从一至七月份不合格品数据分析柱状图8.4-1-2013-1可以

看出二月 不合格品较少是因为二月工作时间较少而3,4,5,6月份不合格数量较多是因为产品的数量多,总之不合格品率还是比较平稳的,一月重机分厂较多是因为上年结转一部分造成,7月重机分厂不合格品率明显下降

2.从一月至七月顾客投诉反馈信息数据分析柱状图

8.4-1-2013-2可以看出顾客不满意还是呈现出稳中下降的趋势

编制: 李志伟审核: 陈金生批准: 肇军日期:2013-9-9

第四篇：数据质量管理落实情况经验交流材料

强化数据分析应用，助力风险防控

数据分析应用是信息管税的基础，在数据处理分析应用方面，XXXXXX以数据质量管控和处理分析”为主线，以强化动态报告落实，助力风险防控为目标，形成数据管税长效机制，充分发挥科技引领作用，有力促进了征管质效的全面提升。

一、打造绿色健康、全面覆盖的数据网络体系 我们在抓好各税收业务系统数据质量“全程控管”的基础上，最大限度的拓展数据采集渠道，丰富数据资源，打造绿色健康、全面覆盖的数据网络。(一)注重第三方信息的获取与应用

一是加强国地税数据信息互通渠道。一方面在全市推行国地税联合办税，在实现纳税人“进一家门，办两家事”的同时通过定期召开的国地税联席会议，实现全市国地税信息定期互换共享。二是通过与外汇管理部门签署《作备忘录》，将双方数据信息共享予以制度化。三是依托市政府电子政务信息资源共享交换平台，充分利用工商、财政、统计、土地、房产及其它部门的涉税数据。以上方式获取的数据，通过信息中心依照业务需求，针对上述不同的数据来源，采用多种处理方法对相关数据进行提取、比对、分析和处理，加工制作成可供分析使用的数据信息。例如，2014年,我们通过市政府电子政务信息资源共享交换平台，获取XXXX市医药零售行业医保刷卡数据，通 1 过与金税三期系统的税务登记信息查询和申报明细查询两个模块中医药零售行业税务登记及申报明细数据进行比对分析，发现税收征管问题点，并分析提炼成税收风险点，下发风险防控任务、制定整改措施，切实堵塞医药行业税收征管漏洞，进一步提升了征管质效。

（二）丰富数据采集方式

除业务系统产生的数据和第三方信息外，我们通过建立《XXXX市国税系统数据采集、使用管理办法》，拓展其它方式的数据采集方式。一是对于税务机关风险管理过程中收集、反馈的资料，或者要求纳税人报送的生产、经营、管理等书面信息，也及时收集、分类处理；二是基层相关业务税务人员利用智能终端获取的日常检查监控、核实调查、稽查取证等现场影像资料，及时传送到专门的储存平台进行储存；三是根据系统权限，市县两级信息中心尝试提供涉税业务信息加工定制功能，并规范提供数据的范围、格式、流程及安全要求，今年以来市县两级信息中心为各业务部门和外部门处理分析相关数据XXXX余次XXXXX余万笔。为业务科室税务风险管理应用提供数据支撑，县级无法获取的数据，可以按照数据申请规程提请市局信息中心提取，实现数据全方位、多方式、无漏洞式采集。

二、建立全面准确、快速响应的数据分析应用机制

（一）组建数据分析应用组织体系。

成立市县两级数据分析小组，分管副局长任小组长，信息中心设立专职数据分析岗位，各科室、分局确定一名 2 数据分析联络员，根据业务分析需求，开展数据分析。定期选题，在分析选题上突出税收工作的热点和难点问题，把上级局部署专项工作作为选题的“热点”，把本局确定的当年中心工作作为选题的“重点”把工作中不好解决的问题作为选题的“难点”，为实现税收“难点”“重点”“热点”问题实时传送、快速响应做好制度保障。

（二）完善数据分析应用工作运作模式。

一是制定《XXXX市国税局数据分析应用管理办法》，加强对数据采集、提取、处理、分析、发布等环节的管理；二是创新分析方法。注重信息技术和数学模型相结合，引入经济学、统计学的有关数学模型，构建符合征管业务特点的标准化数据处理分析模型，为数据处理分析工作提供有效的抓手；三是初步建立数据分析成果反馈机制。通过公文下发、业务例会汇报、数据分析讲评、网络化等多种形式，及时将每期数据分析报告向机关科室和基层分局通报，为基层开展纳税评估，加强税源监控提供指导；四是创新数据分析应用评估考核机制。制定《数据分析应用成果反馈表》，通过具体税收数字的具体呈现衡量和评价数据分析应用成效。

（三）建立动态报告落实三级联动工作机制。

自省局开展动态报告工作以来，我们把数据动态报告的落实工作作为深化数据分析应用的重要途径，经过近一年来不断的摸索和实践，建立了以动态报告问题点查找为起点，市、县、分局三级联动协作机制，统一组织实施问 3 题剖析，区分风险高低，统一调配全市国税力量，形成市局数据分析、县局风险排查、分局整改落实，全市集中疑点风险应对的三级联动工作新机制。

1、专家组团，数据信息再加工。

一是关联数据再抽取。我们数据处理分析精干力量，对省局《电子数据动态报告》进行认真解读，重点针对《动态报告》中涉及我市的问题，筛选出相关数据，并结合查找出来的问题，通过“金税三期”前台、综合数据管理平台等系统，抽取我市其他关联数据，拓展数据分析的深度和广度。二是风险信息再分析。通过对抽取数据的加工整理，进行二次分析，查找出现问题的关键原因，重新发掘相关的数据联系，形成有问题、有原因、有分析、有整改、有措施的情况报告供市局领导和相关业务科室作研究参考。建立问题行业分析模型，按照“评估几户企业，解剖形成典型，规范一个行业”的思路，对重点企业开展典型解剖。比如我们对《全省一般纳税人农产品抵扣数据情况》涉及到我市的XXXX户企业的XXXX户次情况进行延伸分析，一方面细化分析指标，形成《全市农产品收购加工企业税收风险分析报告》，进行专题部署并开展专项评估检查；一方面拓展分析范围，选取皮革行业为突破口，集中对2户重大疑点企业进行解剖式分析，形成《皮革鞣制加工行业税收风险剖析模板》，为做好重点行业评估提供指南。自该项工作开展以来，共发布《全市增值税一般纳 4 税人申报数据情况分析》、《XXXX市未达起征点户税收风险分析》等电子数据动态报告6期。

2、数据讲评，税收风险大排查。

一是召开数据讲评会，分解风险指标。针对省局《动态报告》与市局再分析查找出来的问题，通过视频会议的形式召开风险讲评会，并将其作为《动态报告》落实整改的重要步骤。讲评会分县区、分类别进行讲评，结合行业特点和风险类别，对存在的问题进行解读划分,分解任务指标，明确落实责任，提出相应的风险防范指导意见。通过讲评，相关责任科室与税源管理一线单位既能直观清楚的了解全市的税收管理总体情况又能查找自身管理存在的问题；既能借鉴先进的管理经验又能对其他县区存在的问题引以为戒。截止目前，共组织风险讲评会6期。二是开展地毯式自查。要求各县区局对所辖疑点企业进行逐户核实，对疑点企业的风险核查项目逐项核实情况、采取的风险应对措施、纳税评估入库税款情况、停供发票情况、注销税务登记情况等填写《落实情况表》，一户一表，风险落实人员签字，分局、税源管理科负责人签字，并加盖单位公章，落实具体责任。对疑点明显、数额较大的行业或企业进行重点纳税评估，对符合立案标准的，及时移交稽查。三是巡回督导和阶段调度。市局成立督导组，对各县区局风险落实情况进行巡回督导，及时帮助基层解决落实工作中出现的问题。对各县区局工作进展情况实行定期调度，分阶段形成调度报告，定期通报，5

3、联动分析，常态化发布求实效。

为了最大程度地利用每一期电子数据动态报告的分析成果，充分发挥信息管税作用，我们将往期报告中挖掘出的频繁出现的风险点单独列表展示，定期抽取数据定期发布风险数据情况，建立“常态化提取、动态化发布”新模式。由相关业务部门按照高危行业和热点政策的执行或重点征管要素指标，分析行业纳税人和税种政策执行中存在的风险点，我们按照分析识别业务需求实施数据的提取，分县区、行业、纳税人、征管要素进行统计分析，三、构建以数据分析促风险管控长效机制

（一）以数据分析得出的问题点作为税收风险管理的切入点。

以应用数据分析报告成果，及时准确地确定税收问题点，作为风险防控切入点，通过部门间的联动、整合，逐步形成具有针对性、系统性和时效性，覆盖不同税收业务管理要求的分析指标和分析模型，充分发挥以数据分析促风险防控，以风险防控促征管质效的作用。

（二）以数据分析方式方法作为税收风险分析的基本方法。

在税收风险分析工作中以数据处理分析的多种分析方法为基本分析方法，注重信息技术和数学模型相结合，充分利用先进的数据库技术、多功能的数据展现软件、数据挖掘工具创新分析方法。引入经济学、统计学的有关数学模型，对相关数据进行抽取、过滤、关联、整理和比对，构 6 建符合征管业务特点的标准化数据处理分析模型。比如在风险等级排序，分级分类应对中，综合运用关联分析法、趋势分析法、定量和定性分析法、归纳推断法等分析方法。数据处理分析方法的不断发展带动了税收风险分析水平的不断提高。

（三）以数据分析专业人员作为税收风险防控的骨干力量。

经过近几年数据处理分析工作的不断发展，逐步形成了一批既掌握先进的信息技术、精通灵活多样的数据分析方法、熟悉税收规程和政策法规的数据分析专业人员，这些人员通过自身的优势，逐渐成为税收风险防控的骨干力量。他们通过及时、准确、完整掌握信息，处理分析相关数据，在数据分析、纳税评估、税源监控、税务稽查工作中，既各司其职，又密切协作，为税收风险防控工作提供了可靠的人员保障。

（四）形成“分析+风控”长效管理机制。

数据分析把海量数据变为税源信息，把数据优势转化为分析优势，我们利用数据分析优势，固化“数据—问题点—风控点—落实整改--防控措施”管理流程，形成“分析+风控”长效管理机制，实现“数据—信息—管理”的转换，不断推进风控管理提档升级。2015年1季度，“分析+风控”管理机制稳步运行，通过对重点行业、重点区域的“分析+风控”，全市完成增补入库税款2872.6万元，同比增长204.8%，增加税收合计3189.5万元，同比增长 7 35.8%。在下一步的工作中，我们将致力于打造组织绩优化、流程规范化、机制长效化、响应快速化的新型数据处理分析模式，为税收发展新常态和推进税收现代化的做好强有力的科技引领和支撑。

第五篇：银行数据质量管理暂行办法

**银行数据质量管理暂行办法

第一章

总

则

第一条 为规范数据管理工作，提高我行数据质量，确保数据准确性、完整性、及时性，特制定本暂行办法。

第二条 相关概念

应用系统，是按照信息一体化的要求，用于处理我行经营管理的应用软件系统，主要包括客户交易类系统、业务管理类系统、管理信息类系统、技术保障类系统等。

数据是指**银行实施信息化管理过程中产生的所有电子数据。数据质量是指数据的及时性、完整性以及准确性。第三条 数据质量管理应遵循以下原则：

（一）统一规范原则。各类应用系统采集和处理的数据，应符合各自应用系统所要求的数据标准。

（二）全程监控原则。建立数据从采集、审核、处理到维护的全过程监控体系，重点把好数据的采集录入关，确保各类应用系统数据真实、准确、完整。

（三）层级考核原则。总、分行对各自直接下属单位的数据质量管理工作进行严格的目标管理考核，奖优罚劣。

第二章

部门分工及职责

第四条 总行合规部是全行数据质量管理的牵头部门，主要负责：

（一）、制定全行的数据质量管理的相关规章制度

（二）、对各应用系统管理部门的履职情况进行考核、监督

（三）、根据需要，参与对全行各应用系统数据质量管理的检查监督

（四）、对违反数据质量管理规定，造成数据错误、失真、延误、漏填等违规行为进行问责

（五）、向高管层报告我行数据质量管理执行情况

第五条 总行各部门是应用系统的管理部门，负责管理各自的应用系统，是本应用系统数据质量的主责任人，主要负责：

（一）、贯彻落实总行制定的数据质量管理的相关规章制度；

（二）、制定本应用系统录入、维护、审核的基本标准和规范性要求，并适时开展检查监督，保障数据管理符合规范性要求；

（三）、制定本单位的数据质量监控指标体系，定期对本级数据质量评估分析，及时解决数据质量管理中出现的问题；

（四）、指导、监督系统使用部门或相关岗位的数据质量管理工作，督查对错误数据进行更正和清理的情况；

（五）、制定本应用系统数据质量的考核标准和评分体系，按时对应用系统使用部门的数据质量进行考核；

（六）、提交本应用系统数据质量管理报告；

（七）、负责本职责范围内的数据采集、录入和审核工作。

第六条 应用系统使用部门主要指数据的采集和录入单位，是应用系统数据采集、录入质量的责任人，主要负责：

（一）、加强对采集、录入人员的业务培训和管理，提高数据录入的准确率；

（二）、严格执行数据管理规章制度，确保数据采集、录入真实、准确和及时；

（三）、按照规定，对数据采集录入工作进行质量考核；

（四）、对采集录入人员的工作情况进行监督检查；

（五）、向应用系统管理部门报告数据质量管理执行情况；

（六）、负责本职责范围内的数据采集、录入和审核工作。

第七条 应用系统采集录入人员是应用系统数据质量的直接责任人，主要负责

（一）、按照原始记录，准确将数据录入系统；

（二）、按照信息系统的要求，将涉及的相关内容全部录入系统，不得缺省；

（三）、在规定期限内，根据各自的权限，及时将数据录入系统；

（四）、按照上级机关的规范要求录入各类数据。

第八条 科技信息部负责应用系统的安全、维护责任，参与对各应用系统数据考核工作。

第二章

数据采集、录入与审核

第九条 数据采集是通过应用软件进行数据录入、使用各种工具软件进行数据导入的数据收集、整理、传输的行为

第十条 数据采集应遵循真实、完整、规范、及时的原则。

（一）真实：应严格依据经营管理原始资料所记载的内容准确录入相关数据，如实反映，不得随意修改、增减。

（二）完整：要按照各类应用系统的有关要求进行数据采集，保证数据齐全，避免数据的缺失。

（三）规范：数据采集应按照应用软件系统的相关标准进行。

（四）及时：数据要在规定的时间内采集，确保应用系统数据及时反映经营管理实际。

第十一条 数据采集程序

（一）接收：操作人员根据各应用系统的要求，及时对相关原始资料进行审核整理。

（二）录入：原始资料审核无误后，应在规定的时间内录入或导入应用系统；对审核有误的，必须修正后再录入或导入。

第十二条 数据采集的责任部门

（一）通过业务软件进行数据录入的数据采集行为，其责任部门是业务软件各子系统的使用部门。

（二）对于使用工具软件进行数据导入的数据采集行为，其责任部门是工具软件的使用部门。

第十三条 数据采集必须严格按相应的业务规范以及软件使用要求进行，不得违反业务规范以及软件使用要求对数据进行采集。

第十四条 数据采集必须依据不同业务办理的要求在规定时间内完成，不得无故拖延或推迟数据采集时间，确保数据采集的及时性。

数据采集必须按有关业务规范要求以及软件使用要求规定的格式进行录入，不得缺省，确保数据的完整性。

采集的数据必须与原始材料一致，确保数据的准确性。

第十五条 在各类应用软件系统中，要严格按照规定进行岗位设臵和授权，严格按照岗位和权限操作。严禁在未按规定授权的情况下委托他人以本人的账户和口令进行有关的数据录入和修改。各系统用户应当定期更改自己的口令，确保系统数据的安全。

第三章

数据维护

第十六条 数据维护是按照应用系统的有关规定对错误的数据进行数据修改的行为。

第十七条 数据维护由各应用系统管理部门按照各自应用系统的有要求，明确数据维护的权限和职责，制定数据维护的程序。凡是采集进入应用系统的数据，不得擅自修改、删除。

第十八条 数据维护前应做好相应数据和系统的备份工作。能够通过系统模块解决的，经过审批后按照各类应用系统的操作规范进行维护；需要通过技术手段解决的，由 责任人提出书面申请，由相关业务部门和技术部门审核确认，经主管行领导审批同意后，方可进行数据维护。

第十九条 数据维护工作应严格备案，科技信息部对各应用系统管理部门报送的每项数据维护的时间、内容、维护原因、责任人等记录进行备案，涉及的书面材料必须登记存档。

第二十条 数据维护人员在进行数据维护时，必须认真负责，避免在数据维护过程中产生新的错误数据。

第四章、数据检查

第二十一条 数据检查是按照有关应用系统数据管理规定对数据及时性、完整性以及准确性进行的数据质量检查的行为。

第二十二条 数据检查采取应用系统使用部门自查和应用系统管理部门检查的方式。数据检查的方法有：

（一）通过统计、查询等系统进行检查；

（二）在业务软件使用过程中对数据库中已有数据进行检查；

（三）用数据质量检查工具进行检查；

（四）抽取原始档案材料与数据库中数据进行对比；

（五）其它数据检查的方法。第二十三条 检查的内容：

1、纸质资料与信息系统内资料进行检查核对，数据采集录入是否全面、及时、规范。

2、数据的处理是否及时、正确、全面。

3、数据的传输是否规范、及时。

第二十四条 应用系统使用部门在业务软件使用过程中发现错误数据，必须及时告知相应的数据采集的责任人或部门进行维护。

第二十五条 应用系统管理部门应定期通过使用统计、查询等系统进行数据检查，仔细分析检查结果，识别其中不符合规律和常理的数据，查找存在的数据问题。

第五章

数据质量考核

第二十六条 各应用系统管理部门应建立本系统的数据质量的考核体系。第二十七条 考核指标至少包括比率指标和数量指标。比率指标按未达标的百分点扣分，数量指标按错误数据的数量和问题的严重程度扣分。

第二十八条 考核的比率指标是：

1、信息采集率。已经采集进入应用系统的信息与应该采集进入应用系统信息的比率。

2、信息采集准确率。录入应用系统的正确信息与录入的所有信息的比率。

3、信息传输及时率。规定时期内传输的信息与检查期限内所有传输信息的比率。

4、信息处理率。考核期内处理的符合规定的信息与考核期内处理的所有信息的比率。

第二十九条 数量指标是指分级列出问题数据的数量，根据问题的严重程度，确定扣分标准，进行扣分。根据数据的重要程度具体分为四级：

1、只影响数据本身的完整性而不影响其他数据。

2、只影响本工作环节质量。

3、不仅影响本工作环节质量，而且影响后面工作环节数据处理质量。

4、数据质量错误造后面工作无法处理或无法工作。

第三十条 各应用系统主管部门应根据本办法制定各应用系统的数据质量考核细则，并报总行合规部备案。

第六章、责任追究

第三十一条 凡违反本办法相关规定，造成数据录入不及时、不完整、不准确等数据质量问题的，对数据质量责任部门和相关责任人实行数据质量责任追究。

第三十二条 数据质量追究的原则

（一）“以谁的用户名录入，谁负责”；

（二）实事求是、有错必纠、责罚相当、教育与处罚相结合。第三十三条 数据质量责任追究范围

（一）因数据质量问题导致统计数据不能生成或生成错误的；

（二）因数据质量问题导致其他部门工作不能正常开展的；

（三）因数据质量问题影响经营决策行为的及时性、正确性的；

（四）因数据质量问题损害客户合法权益的；

（五）因数据质量问题造成财产、声誉损失的；

（六）其他应当追究的数据质量责任。第三十四条 数据质量责任划分

（一）数据采集的责任部门即为数据质量的责任部门；

（二）从数据库后台记录中确认的数据录入人员是数据质量的直接责任人；

（三）将自己的用户名、密码提供给他人使用，或因保管不善导致他人盗用、冒用用户名、密码的，用户名所有者是数据质量责任人。

第三十五条 数据质量责任按照《**银行员工违规行为处理办法》的规定进行追究。第三十六条 对主动发现错误并及时纠正，尚未造成不良影响的，可以从轻或者免于追究责任。

第三十七条 有下列情形之一的，应当从重追究责任：

（一）因玩忽职守、徇私枉法、受贿、索贿等原因造成过错的；

（二）二次以上发生同一或类似过错的；

（三）其他应从重追究责任的情形。

第六章

附则

第三十八条 本办法由**银行总行负责解释。第三十九条 本办法自印发之日起执行。

附件：**银行应用系统目录