---
张老板上次跟周律师聊完税负率的事，心里踏实了几天。但踏实没维持多久——他发现一个更根本的问题没搞清楚：税负率低不直接触发稽查，这他明白了；可金税系统每天都在跑他的数据，到底在跑什么？哪些数据会让系统觉得有问题？万一系统标了个记号，他连知道都不知道，人就已经被推到稽查局的案源池里了。
他约周律师喝咖啡，开门见山：“周律师，税负率的事我懂了。但金税系统到底在看我什么数据？除了税负率，还有哪些东西会让系统觉得我有问题？”
周律师放下杯子：“这个问题问得对，但问法本身有个误区。”
金税系统看的不是某一项数据，而是一整套数据的交叉关系。单看税负率、单看进销项比、单看利润率，都不能说明任何问题。系统真正在做的，是把这些数据放在一起比对，看它们之间的逻辑是否自洽。利润表上的数字看着合理，但和发票流、资金流一交叉，可能就对不上了。
三类线索，一个池子
税务稽查相关规定将稽查部门收集的涉税违法线索分为三类来源。第一类是稽查局自己筛查的——稽查局运用风险分析指标和数据研判模型，在数据库里主动扫描。第二类是数据风险管理部门推送的——这是目前最大量的来源。第三类是举报、协查、交办、转办等其他渠道。
第二类是关键。数据风险管理部门属于税务局的征管体系，不是稽查局。它做的是风险分析和推送，稽查局做的是检查和处罚。两者之间有一道正式的制度接口——推送案源。
张老板：“等等——数据风险管理部门和稽查局不是一回事？”
周律师：“不是。你的数据在被稽查局看到之前，先经过了数据风险管理部门的一轮筛选。不是所有被标记的数据都会推送给稽查局——只有被认定为高风险的线索，才会经统筹后推送。中低风险的线索，推回给数据风险管理部门组织应对，不进入稽查局的视野。”
两条路，一个终点
上一问讲到，税负率低触发的是纳税评估，纳税评估发现企业涉嫌偷税、骗税等违法行为后，经数据风险管理部门统筹推送，形成稽查案源。这是一条“慢路”——中间隔着评估、约谈、调查核实，层层递进。
但还有一条“快路”。数据风险管理部门在常态化风险分析中，运用风险分析指标和数据研判模型，直接识别出高风险纳税人。这些纳税人没有经过纳税评估的约谈环节，没有被税源管理部门“先聊聊”的机会——高风险标记直接由数据风险管理部门统筹推送给了稽查局，形成推送案源。
两条路的入口不同，中间环节不同，但终点是同一个：稽查局的案源池。
张老板：“那什么样的情况走快路，什么样的走慢路？”
周律师：“制度上没有把两条路写成独立通道，它们是同一个风险分析体系的不同出口。税负率偏低这种相对柔和的异常，通常先走评估，给你解释的机会。但如果系统发现进销项发票严重不匹配、资金流和发票流方向矛盾、或者你的数据特征和某个已查实的违法模式高度相似——这些硬伤类的异常，可能直接被标记为高风险，不经评估就推送稽查。”
“快路”不是潜规则。税务稽查相关规定明确将推送案源定义为：数据风险管理部门在常态化、规范化税收风险分析和评估核查中发现的、经统筹推送的高风险涉税违法线索。这是一条正式制度通道。
风险池：线索不会消失
被推送的线索进入稽查局后，不是马上就变成案件。稽查局对所有收集到的线索实行全量登记，全部纳入税收风险管理系统的风险池。
所有线索——不管来自推送、举报还是协查——都先倒进这个池子里。稽查局对池子里的线索逐条研判：线索是否属于稽查职责范围，违法线索是否清晰，数据是否准确，证明资料是否完备。研判之后，线索可能被确认为案源，也可能被退回补正，还可能转办给其他部门。
进了池子但暂时没被确认为案源的线索，不会消失。它们留在风险池中。今年的一条推送线索，可能因为证据不足暂存待查；明年一条新的举报进来，两条线索一交叉，案子就活了。
张老板沉默了一会儿：“所以就算今年没事，以前被标记过的数据，一直在那儿等着？”
周律师：“税收风险管理系统是一个持续累积的数据库，不是扫描一次就清零。你的申报数据、发票数据、财务报表，每一期都在往里加。系统做的不是看一眼，是一直看。今年的数据和历史数据比对，你的数据和同行业数据比对，你的进项和上游企业的销项比对——比对的维度在持续增加。”
张老板：“那系统到底看哪些数据？能不能给个具体范围？”
周律师：“你申报表上的每一个数字，你开具和取得的每一张发票，你提交的每一份财务报表——这些是基础。但真正让系统标记异常的，不是单个数字的大小，而是数字之间的关系。进项税额和销项税额的比值是否在合理区间，利润率和同行业平均水平偏离多少，发票品名和经营范围是否匹配，资金往来和发票流是否一致——系统在做交叉比对，不是单点监控。”
系统看的不是你的某一项数据，而是你所有数据拼在一起的样子。单看每一笔都正常，拼在一起可能就不正常了。2021年中办、国办《关于进一步深化税收征管改革的意见》提出推动从“以票管税”向“以数治税”转变，核心就是这个——从看单一数据变为看数据关系。
金税系统到底在看你什么数据？答案不是某一个指标，而是你所有数据的交叉关系。你该关注的不是税负率高不高，而是你的数据能不能自圆其说。