数据质量管理

数据质量管理

数据质量管理系统应用----生活篇

最近在看关于综合分析数据质量管理规范的时候，结合实际生活当中的例子。在这里说出来，可以讨论一下。这里主要是指标值数据质量的管理：

1：数值检查可以和我们固定的阈值检查结合起来，即通过检查单个指标的数值和阈值的比较发现指标的异常和变动的情况。这个就是固定阈值的一种情况。比如当地铁离近站只有4分钟的时候，地铁旁边的灯会一直闪烁。地铁离开车只有一分钟要关门的时候，就会告警即将开车。以免突然开车造成人的伤害。

2：波动检查：一般就是同比波动的检查和环比波动的检查。先计算指标的同比或环比波动率，然后与预订的波动率上下限（阈值）进行比较。这个就是范围阈值。例如昨天公交车上有一条新闻就是重庆目前一小时之内公交车换成免费。那么这一个小时之内就是一个范围阈值，只要在一个小时之内不收钱，即什么也不做，但是当超过一个小时之后就要收钱。那么我们这里就需要告警。

3：还有一种日常当中常用的就是动态阈值比如我们乘坐地铁的时候根据路程的不同地铁价格不同。以及依照路程计价的公交车也一样，路程不同，价格不同。本质上都是乘坐地铁或者公交，但是由于距离

问题因此价格不同，比如收入指标阈值制定的时候，比如不同的地市，在同一时间维度阈值是不同。比如经济发达地区应该制定高一点，经济欠发达地区制定低一点。

4：指标之间的关联检查，比如我们常说的同增同减关联关系，还是以地铁为例，路程增加了，那价格相应就增加了。比如我们理论上我们的用户数增加了，那么收入应该有所增加。但是有时候反而用户量增加了，收入却下降了。增加的用户数比丢失的用户数多因此整体上用户量增加了。但是增加的用户量都是一些劣质用户，而丢失了一部分高端用户。从而导致用户数增加，收入下降的局面。

5：指标平衡检查：对若干个指标值的简单四则运算（加、减、乘、除），来检验各个指标间潜在的平衡或其他比较关系。比如有些指标日指标汇总应该与月指标的值平衡。（也许还可以研究更科学的复杂计算）

当发现数据出现异常的时候，首先先分析一下，是不是一些因素导致指标的变化，比如节假日，周末，市场营销策略，以及外部的一些政策对指标造成的变化，然后再查看是不是真的是数据质量的问题，以及源接口数据的问题。

数据质量管理系统----理论篇

一：从以下5个方面对数据的质量进行管控

1：及时性：数据获取是否及时，主要指数据提取、传送、转换、加

载、展现的及时性。在数据处理的各个环节，都会涉及到及时性。我们一般考虑两个方面第一就是接口数据是否能够及时的抽取过来。第二就是展现层能否及时的展现出来。（应该有数据的及时发现，或者把数据发现作为及时抽取的前提和内容）

2：完整性：是指数据是否完整，描述的数据要素，要素属性及要素关系存在或不存在，主要包括实体缺失、属性缺失、记录缺失以及主外键参照完整性的内容。

3：一致性：第一就是原始数据即文件接口和入库的数据记录条数是一致的。

第二就是同一指标在任何地方都应该保持一致。

4：有效性：描述数据取值是否在界定的值域范围内，主要包括数据格式、数据类型、值域和相关业务规则的有效性。

5：准确性：主要是指指标算法、数据处理过程的准确性。这个准确性主要是通过元数据管理中定义的指标的算法、数据处理顺序和人工检查相结合的方式来保证。

二：数据仓库中需要进行质量管理的数据分类

1：接口数据：接口数据是整个数据仓库的生命的起点，如果接口数据有问题的话会严重影响数据仓库后面的报表以及分析结果。

接口数据分为两种情况：文件接口和数据库接口（还有其他接口）文件接口方面：一方面是接口内容本身的数据质量问题：文件传送及时率。文件内容有效性。文件传递的完整性。

一方面是文件接口采集程序的监控：文件接口采集程序是否正常

启动，正常结束等。账期，接口名称，采集开始时间，采集结束时间，有效标志，接口及时率标志，接口完整性标志等。这些可以通过查看接口运行日志来获取相关信息情况。数据库接口方面：数据库接口参考文件接口部分。

2：数据仓库层面的数据：关键包括两个方面的内容数据处理过程执行情况和关键指标检查

第一：数据处理过程监控：监控所有的数据处理过程十分按时调度，是否成功。这些可以通过查看数据处理过程日志表来获取相关信息

第二：关键指标的检查：指标检查主要包括两个方面：

首先是基础指标的检查：数值检查：主要是通过检查单个指标的数值来发现指标的异常和突变等情况。这里需要设置相应的阀值来进行。

这里需要考虑周末、节假日以及一些外部因素对指标的影响。因此指标异常并不一定是数据的问题。

波动检查：主要是同比或者环比的检查。先计算指标的同比或环比波动率，然后与预定的波动率上下限（阈值）

进行比较：需要考虑周末、节假日及一些外部因素对指标的影响。因此指标异常不一定是数据的问题。

关联检查：对两个存在关联关系的指标（如同增、同减正关联关系），分析变化和波动情况。比如用户量和话务量以及用户量和收入之间的关联分析。用户量增加了。应该收入有所增加。但是有时候

反而用户量增加了，收入却下降了。增加的用户数比丢失的用户数多因此整体上用户量增加了。但是增加的用户量都是一些劣质用户，而丢失了一部分高端用户。从而导致用户数增加收入下降的局面。

平衡检查：通过对若干个指标值的简单四则运算（加、减、乘、除），来检验各个指标间潜在的平衡或其他比较关系。比如收入-支出=利润。这三者之间的平衡。日指标汇总与月指标的平衡检查等。

加权波动检查：通过对单个指标的基础检查结果和影响因素的加权计算分析，综合检查指标的波动和变化情况。比如一个指标今天异常的超出了范围，我们首先应该加上一些外部的因素比如制定了相应的优惠政策以及节假日然后对其进行分析。分析得出该结果是正常的。因此当指标异常的时候我们不能首先就判断该指标数据质量有问题，应该先分析一些外部因素对其的影响。然后再考虑是否确实是数据质量的问题。

三：数据质量处理流程

问题生成-》问题分析-》问题处理-》问题总结

每个处理流程都针对于后台相应的表已经相应的处理过程

问题生成部分：我们应该监控接口的日志信息，数据仓库部分各个处理过程的日志信息以及指标的检查相关过程。

问题分析部分：将发生的问题进行归类，将同一类的问题进行集中分析。问题分析的时候会用到元数据管理部分的一些分析方法比如：血缘分析，影响分析、数据映射分析等。

问题处理部分：结合系统后台提前准备的问题处理流程，对相应的问题采用相应的处理流程来解决该问题。

问题总结：当问题处理结束之后，我们要对以前的问题进行汇总，并且对问题的解决方法也进行汇总，便于下次能够不出现这样的问题。或者出现问题之后能够很快的解决。

因为我们已经有相应的问题解决方案。该处理流程是一个循环的过程。

四：数据质量报告部分

数据质量要定期形成报告对外进行发布公示。并且提供很好的外部接口和其他系统比如元数据管理系统很好的互动。因为数据质量有些预警值或者范围波动预警值需要在元数据当中进行配置，数据质量核查的时候需要调用这些信息以及利用元数据分析方法更好的解决数据质量的问题。

大集中下加强数据质量管理的思考–以地税

信息管税作为我国税收领域内的热点话题，进入决策者视线并被明晰为税收征管和科技工作的思路。

，会不断在实践中把一些前所未有的重要问题摆在我们面前。今年

为契合这一变革性发展，各省陆续启动地税大集中系统。如何依

托“税务大集中”平台，推进信息管税，是需要进一步深思和探究的大课题。本文以信息管税的核心——信息采集和利用为切入，对加强大集中下数据质量管理作一些思考和剖析。

观点一：提高对数据质量重要性认识的基础是对数据质量基本属性的认识。

数据是有效开展税收信息化管理和辅助决策分析的依据，是实现税收信息化高速发展的重要保障，因此数据质量和时效性已经越来越受到高度关注。我们对数据建设和应用进行了重点投入，目的就是能够拥有丰富、准确、及时、有效的数据资源，占据现代税收信息化管理中的优势地位。数据就是资产的理念已被普遍认识，但要从基本上提高对数据质量重要性的认识，并潜化为工作方式和习惯，就必须立足于对数据及其质量本质的解析，从而推动实践，把握进程。

思考：大集中环境下数据的属性有哪些？如何去监控这些要素达到提高数据质量的目的？

数据作为税收信息化应用的主体，它具有多重属性，其基本质量特性主要包括适用性、准确性、完整性、及时性、有效性等五个方面，要对数据质量进行较好地控制，就必须对数据的五个基本质量特性进行很好了解，从而在各个方面采取措施，杜绝数据质量问题的出现，使数据监控工作能够真正达到控制数据质量的目的。

1.数据的适用性。在税收业务开展过程中，会产生大量的各类税收数据，这些数据有税收动态信息等反应不断变化的数量型数据，也有相应税收静态信息等相对稳定的属性信息。这些数据有的是为税收

管理和决策服务的，有的则是满足各级管理和分析的需求，这就从客观上造成数据的多样化，同时也是为满足不同专业、不同岗位的操作人员服务的。不同的数据具有不同的使用范围，每个数据的正确性都要求它是进入正确的专业应用，换句话说：无论多么准确、及时的数据，如果不具有适用性，它就不能产生任何效益，甚至操作人员使用之后会造成损失。

2.数据的准确性。数据的准确性一般是说数据测量值与真实值相比的符合情况，但在税务登记的基础数据的采集和录入处理过程中，数据的准确性往往变成是指所采集入库的数据值与实际应采集记录的正确值之间的差异。在数据监控和质量控制的过程中，准确性越好的数据，其误差应该越小。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、传输和处理等的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，以保证数据的准确性。

3.数据的及时性。在税务部门日常数据的管理中，往往要求能够更快、更准地收集到所需的数据。在日常生活中，也有“时间就是金钱”的说法。把这些要求应用到数据上，那就是说数据也必须要有及时性。比如对于地税部门某个分局数据，如果有一条线的税款征收发生滞后，导致税收统计不实了，但在税收数据上如果不能及时有效获

得有效税款征收信息，那么拿在手里的征收数据就没有任何及时性，也是毫无意义的。一个好的应用系统在使用数据时不仅要求数据的适用性还必须考虑数据的及时性，应用系统引入税收管理的主要目的是提高工作效率，把大量复杂、繁重的重复计算、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就可能违背了程序设计和使用者的初衷，不仅无法提高工作效率，还可能由于数据滞后而影响税款征收的正常化。因此根据数据应用需求及时采集数据，按照操作人员要求及时发布数据，是保证数据及时性的重要一环。

4.数据的完整性。数据的完整性相对于准确性和及时性来说并不显得那么重要，但其实它引起的问题并不比前两者轻松。数据的完整性就是我们日常所说“数据齐、全、准”当中的“全”。在数据采集过程中，要把所需信息全部采集完整，比如税务登记，如果只记录一组数字“320623************”，谁也不知道这组数字是什么东西，也就是说这组数字采集得不全。如果记录成“张三身份证号为320623************”，那么这组数据就完整了，对税务登记的管理和分析才有意义。从这里可以看出，数据的完整性一点也不亚于准确性的重要程度，在数据表格、数据库充分应用的情况，对数字的规范化填写要求越来越完善，单独强调数据完整性的情况会越来越少。

5.数据的有效性。在解决好数据适用性、准确性、及时性、完整

性的情况，需要考虑数据的有效性。对于一个及时采集获得，准确、及时、完整的数据，还需要考虑这个数据使用的时间和对象。一堆过期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。举一个简单的例子，我们在3年前采集了某个企业的按月征收的税款统计数据，记录了当月各种税款的征收数，而该企业现在已经注销了，那么我们拿着这一些数据来分析、管理这户企业，还有效没有呢？这是显而易见的，这很好地说明了数据的有效性问题。

当然，数据除拥有以上的质量特性之外，还具有可取得性、可衔接性、可解释性、客观性、专业性、可比性等属性特性，这些属性特性对于数据的质量控制也有一定的影响，因此我们在重点监控五个基本质量特性外，也要关注这些属性特征，尤其是在加工和利用中通过技术手段来规范这类属性，达到提高数据质量的目标。

结论：数据是否可信、可用，这是税务部门关心数据的两个层面。是否可信是指数据在适用性、准确性、完整性、及时性和有效性方面，是否满足应用要求；是否可用是指数据的格式、内容等能否被操作人员读取和使用，能不能很方便地进行深入处理和分析。以上两个层面中，可信就是数据的基本质量问题，需要通过采取管理手段、技术手段等各方面的努力来解决；可用是技术层面的问题，主要通过技术手段使数据规范化、格式化。

观点二：坚持数据质量可控的前提下，对目前大集中运行中存在

的数据质量问题要理性对待、科学解决、持续改进

随着大集中系统的成功运行，全省地税系统税收信息化建设实现了又一历史性跨越，税收业务流程的处理愈加便捷，涉税数据的管理更加规范，数据管理手段的现代化也对数据的准确性、操作的熟练性也提出更高的要求。自新系统运行以来，各层面尤其是基层总体感觉运行流畅、业务全面、满足需求，较原系统而言更合理化、人性化，但由于地区差异、管理模式差异，流程传递的差异，个别方面还存在个别矛盾有待化解。而数据质量作为影响整个流程的起始环节，其问题尤其使大家敏感和关注。

思考：目前大集中环境下，在数据质量方面的问题和难点主要有哪些？解决的路径如何去选择？

目前，影响数据质量的因素主要表现在以下几个方面：

1.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、利用过程中形成垃圾数据。

2.数据采集手段相对单一，不能全面采集纳税人数据。目前，地税部门大多依靠纳税人自行申报来实施管理行为，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。

3.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，不能有效利用社会信息资源。

4.缺乏系统的数据质量管理机制。如大集中系统操作人员无后台权限，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等等。

5.人员操作水平制约数据质量的提升。一方面，基层分局存在老龄化、信息化基础薄弱的现象。个别分局35岁以下的不到20％，40岁以下的不到30％，部分老同志很多是军转干部出身，尽管系统上线前期开展了多种多样的岗前培训，而且从主观上这部分同志也希望能够全面掌握，但是由于基础薄弱导致操作的熟练程度、准确程度有所欠缺。也有极个别现象同志工作责任心不强，对待一些简单重复性的工作缺少工作耐心，致使错误数据屡屡出现。另一方面，办税人员对网上申报等系统的掌握程度不一，以及诚信纳税的意识不同，也影响到了原始数据的真实性和及时性。

针对以上存在问题，结合目前工作实际，提出以下解决思路。

1.建立数据质量管理标准。有了统一的数据标准后，数据录入采集、加工处理等诸过程都将按照标准要求进行，数据混乱出错的情况将大为减少。需要整理发布的基础性数据标准包括业务元数据的标准和相关代码的标准。

业务元数据是关于业务数据的数据，即对业务数据或信息进行描述的数据。发布业务元数据的标准就是提供一个统一的业务数据项定义和描述方法，对数据元素名称、数据元素定义、数据来源、源数据载体、数据类型、逻辑一致性、采集主体、采集频率、更新等级、业务类别等方面作详细说明。例如定义业务元数据“纳税人名称”的标准：

元数据名称

纳税人名称

描述

纳税人（企业）税务登记证上的正式名称

数据来源（输入）

纳税人办理税务登记申请时，由税务机关根据税务登记申请审批表录入

数据用途（输出）

查询的输入参数，可以模糊查询；打印税务登记证正副本，各类查询的输出结果

数据格式

长度大于或等于4个字符的字符串

代码的标准就是提出相关代码规范化的取值范围。可分为三类处理。一类是已有国家级标准的，采用国家标准代码，如国标行业代码；另一类是暂时还没有国家标准的，但是国税总局或其他部委已制定标准的，依据总局标准或参考其他部委标准；第三类，是需要自己制定标准，在本市（本单位）范围内使用，将来会被更高级标准取代。比如收入归属代码、税金状态代码等。

2.完善数据质量管理机制。为了保证业务数据准确、及时、完整一致，必须要有专门的机构和岗位负责业务数据质量的监督管理。当前，各级要在建立健全税源管理中心的机制、职能的过程中，专门设置数据质量管理岗，或将数据管理的职能详细明确到相关岗位，牵头负责税收业务数据的质量管理，使得业务数据质量管理工作制度化、常规化。如征管部门负责统筹税收业务数据质量管理工作，制定有关制度和办法，业务数据加工处理过程中的质量控制，按照规定进行技术岗位数据变更，并对系统税收业务数据质量情况进行考核；信息部门负责系统数据资源的安全传输和存储；各业务部门根据各自业务管理权限，负责对应范围内的税收业务数据质量管理，参与相关制度办法、数据审计规则和问题数据处理方案的制定；各基层单位所负责本部门业务范围内税收业务数据质量管理；各岗位人员对自身采集录入的业务数据质量负责；对其他岗位采集录入的，且属于本岗位管辖范围的数据质量负责。在明确职责的基础上，应相应完善一系列管理制

度，确保落实过程中的可操作性。

3.提供数据质量管理工具。数据质量管理工具针对数据流中的特点，主要体现三个特点：前堵、中控、后审。

前堵——阻拦错误数据于进系统之前。在数据录入环节、纳税人涉税数据导入环节、部门间信息交换环节，设置相应的逻辑规则，自动排查错误数据，提高原始数据的准确度。建立征收信息交流平台，通过征收人员的相互交流，及时交流、解决征收大厅录入、开票、操作等问题，将可能的错误录入解决在数据进入系统之前。启动纳税人“权益平台”建设，依托纳税人客户端平台，形成点对点、点对面信息交流渠道，实现资料报送电子化、信息传递双向化、征纳互动制度化。

中控——通过数据审计及时校验、修正数据。开发检测软件、预警软件进行数据采集后的自动审核，及时发现各类异常数据，分层面推送至相关人员进行纠正。数据审计是组织开展数据质量评估，保障业务数据完整性、及时性、准确性的重要手段。可以运用人工审计和软件审计两种方式。人工审计即运用随机抽样方法，从总体中选择一定容量的样本数据进行审计，重点审查数据的准确性和完整性。主要方式是通过实地检查，调阅资料，手工对各类录入信息系统的电子数据与纸质资料内容进行对比核实。软件审计即利用专门开发的计算机软件对数据进行审核校验，重点审查数据的时效性、一致性、完整性及相容性。

后审——检测错误数据于日常维护之后。实施日常检查和稽查的核查、抽查。检查核查的范围是综合股到户日常检查的纳税人，稽查抽查的范围是稽查局到户检查的纳税人和县局确定的专项抽查对象，核查、抽查的内容为登记类、税源类、管理类三类信息。建立质量通报制度。利用辅助查询软件的检测功能，定期发布数据质量通报，将检测的异常数据下发基层核实维护，提高数据的准确性。

要解决数据（仓）库中的数据质量问题，需要检查错误数据并对垃圾数据进行清洗，提高数据质量，为管理层提供准确的决策数据。数据质量管理系统应具有强大地数据分析、数据清洗、匹配、报告和监控功能，提供专业数据处理和数据整合服务。可以帮助企业提升数据集成和数据质量水平，改善业务决策能力，降低企业基础设施成本和复杂性，同时提高企业的工作效率和业务响应速度，最大限度地提高企业未来的灵活性并最大限度地降低长期风险，促进整个企业的协作能力。通过先进的数据质量评估机制，不仅可以帮助企业降低成本、加速获得成果，而且能够伸缩处理各种规模和复杂程度的数据集成项目，显著提高了数据管理方案实施的成功率。数据管理系统的先进性主要体现在：可访问性、可使用性、高质量、一致性、可预测性和安全性。

4.完善大集中系统自身功能。一是加强系统间对接，减少重复劳动。大集中系统本身具备一定的处理功能，但是却使用单独系统处理

个别业务或机外流转的现象依然存在，带来了一些重复劳动，最典型的是企业所得税的年度汇缴申报与货物运输业的管理。二是拓宽回流数据分析途径，实时反馈重点指标。在强调基础信息、数据的登记上报的同时，要关注上传数据的回流、统计、分析，以便更好地实施税源监控。如在查询分析上，需要更强大的组合查询功能，便于根据各种需要批量或单一实时分析，特别是按不同对象对收入进度进行的查询。三是完善系统内在设计不足。再好的系统与实际情况脱节的现象是必然的，百密难免一疏。后大集中时代，应对各种特殊情况已成为当务之急，对于诸如市内工程项目开票需更改账户划缴，项目开票退税需返回施工方管理员审核等问题应及时解决。四是结合系统整合流程文书，同步统一管理要求。根据大集中设定的相关流程、相关文书，对原有的所有管理办法、涉税文书都需要进行重新审视，对不符合新系统流转的管理办法需要进一步修改、制定。譬如对双定户的管理等，如此类推，不一而足。

5.提升操作人员数据应用水平。在培训模式上，建议根据岗位需要，分批分岗位培训，集中整理特殊环节、特殊业务处理的注意事项，尽快下发系统操作的帮助文档。实际应用中其实并不需要太多懂得全流程的通才，更需要熟悉自己岗位所涉及模块的专才，只要每个岗位都能熟练操作，那整个系统才能发挥应有作用。

结论：数据质量问题不外乎两方面原因，管理上（人）的因素和技术上的因素，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，是破解如何保证数据质量难题的关键。

观点三：提高数据管理水平的过程中质量和效率的冲突、税务机关和纳税人的冲突是必然的，但也是可以化解的

信息化在人的意识中往往意味着速度、效率，当信息化在税收征管中全面应用、快速推进后，手工作业已基本被电子化所取代，由此带来的工作提速是毋庸置疑的。这理应会带来工作量的减轻与征纳的便捷，而易于被征纳双方所接纳。但事实往往会与理论产生偏差，在推进信息管税的过程中，特别是初期，数据质量的提高必然要付出效率的牺牲，也必然会有来自纳税人的阻力，但提高数据质量或者说推进信息管税的根本目的决定了这种冲突是可以化解的。

思考：如何辩证地分析这些冲突的产生？

首先，数据质量的提升在短期内是以工作量的增加为代价的。数据是信息管税的关键。从实际情况看，涉税数据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，最为重要的是与纳税人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，这也是我们信息化运用多年而利用层次一直受限的主要屏障。现实背景下，信息是税收征管的核心，但数据采集、整理、利用是一个长期的过程，长期必须以短期为基础，大量涉税信息的采集，不可避免的将集中在某一时期，在这种情况下，短期内增加征纳

税双方负担具有很强的现实性。

其次，数据质量的提升一定程序上也取决于纳税人对税收征管的认识。从长远看，数据管理水平的提高将为纳税人提供公平、公开、公正的税收征管环境。但按照理性经济人假设的原则，作为具体的纳税人而言，依法纳税与维护个体利益本身是个两难取舍，征管实践中，解决信息不对称问题，就是要解决纳税不实问题，促使纳税人依照法律规定及时足额的缴纳税款。从纳税人角度衡量，信息管税的制度安排本身就是对其利益的一种更深度“侵害”和“侵犯”，在这种情况下，纳税人对提供真实的数据信息往往会产生一种不自觉的抵触，必然会影响原始数据质量。

结论：提高数据信息的质量，加强数据管理，不仅需要在税收工作中充分利用现代信息技术，强化税收业务与信息技术的融合，还要依靠纳税人的配合参与，税务部门设定的理想化程序未必是最符合当前纳税人的诉求，必须循序渐进，稳步推进。但一切工作的成败终究取决于人，提高征纳双方的思想认识，更新理念观念，不失为提高数据质量的治本之道。

社会效益分析：主要就项目实施后，对提高交通行业（单位）管理水平、改善服务状况，促进交通和谐发展等方面进行分析，并尽可能开展量化测评。

经济效益分析：主要对项目实施后，提高工作效率、减少费用消耗、节约时间成本等方面所产生的经济效益进行必要的定量、定性分析。

经济指标，包括指所有关于经济的指标。当然也包括经济效益指标，因此，这是一个更大的范畴，对经济效益指标，是一个包容和涵盖的关系。经济指标，一般是指反映经济活动和经济行为状态的指标，和经济活动在一定时期内所要达到目标的指标；其中包括相对指标和绝对指标，比如增长百分之几？能耗降低百分之几？等，是相对指标。而比如增长多少亿，万元产值电耗减少多少度，是绝对指标。同时，经济指标，也作为考核和评价单位个人工作成绩的指标。最后，也是分析问题判断问题的指标。

效益指标，一般是指反映一定时期内社会新增、新创造价值的指标。其中有微观指标和宏观指标。宏观经济效益指标，我们现在在现实中，一般围绕GDP这一总的社会效益指标，大约分为：税收（财政收入）、折旧、利润、工资等内容，围绕这些内容再细分相关内容。微观经济效益指标，基本上也是围绕宏观指标分解，有些有不同的表现形式。比如企业利润，可能要分税前利润和税后利润等，还有的一些如福利基金等，是与宏观指标有区别的。

“共享交换平台”建设的效益

通过统一的“共享交换平台”建设可以起到以下几点方面的作用：