Kinh nghiệm quốc tế về quản lý tuân thủ thuế và bài học kinh nghiệm cho Việt Nam

Trong một vài năm trở lại đây, Tổng cục Thuế (TCT) đã triển khai và chú trọng đến công tác quản lý rủi ro tuân thủ, bắt đầu với việc ban hành khung pháp lý cho việc áp dụng quản lý rủi ro (QLRR) trong quản lý thuế (Thông tư số 204/2014/TT-BTC). Đến năm 2019, Luật Quản lý thuế số 38/2019/QH được ban hành, việc áp dụng cơ chế QLRR trong quản lý thuế đã được quy định riêng tại Điều 9 càng cho thấy tầm quan trọng của công tác áp dụng QLRR trong quản lý thuế và việc đẩy mạnh công tác áp dụng QLRR trong các nghiệp vụ quản lý thuế tại CQT các cấp. Từ những công việc triển khai ban đầu trên, TCT đã hướng tới việc áp dụng quản lý rủi ro tuân thủ (QLRRTT) theo quy mô rộng hơn và mang tính hệ thống hơn trong toàn ngành bằng việc ban hành Thông tư 31/2021/TT-BTC ngày 17/5/2021 của Bộ Tài chính quy định về việc áp dụng QLRR trong quản lý thuế (thay thế cho Thông tư số 204 nêu trên).

Để đẩy mạnh công tác quản lý rủi ro trong quản lý thuế, về mặt tổ chức bộ máy, vào năm 2015, TCT đã thành lập Ban QLRR có chức năng tham mưu giúp Tổng cục trưởng TCT xây dựng hệ thống cơ sở pháp lý, tiêu chí, quy trình, quy định về quản lý rủi ro trong quản lý thuế. Từ đó đến nay, Ban QLRR đã chủ trì nghiên cứu và xây dựng các bộ tiêu chí, quy trình nghiệp vụ áp dụng QLRR trong quản lý thuế; xây dựng Thông tư hướng dẫn về QLRR; phối hợp với các Vụ, đơn vị trong TCT để xây dựng, nâng cấp ứng dụng QLRR (TPR) với các phân hệ khác nhau như lập kế hoạch TTKT, quản lý và sử dụng hóa đơn, hoàn thuế; nghiên cứu, thử nghiệm việc áp dụng AI vào phân tích rủi ro trong đó có phân tích rủi ro tuân thủ nghĩa vụ thuế của NNT để nâng cao hiệu quả QLRR. Tuy nhiên, tại các CQT địa phương không có đơn vị chuyên trách thực hiện công tác QLRR trong quản lý thuế vì vậy các công việc về QLRR chưa được thực hiện thống nhất.

Nhìn từ góc độ kinh nghiệm quốc tế, cũng còn nhiều điểm cần tiếp tục được nghiên cứu và hoàn thiện để phù hợp với thực tế phát triển của Việt Nam cũng như thông lệ tốt trên thế giới về QLRRTT.

1. Kinh nghiệm quốc tế các nước về tổ chức bộ máy quản lý rủi ro

Trên thế giới, theo khuyến nghị của Liên minh Châu Âu (Ủy ban Thuế và Hải quan EU), Tổ chức hợp tác và phát triển kinh tế (OECD), Ngân hàng Thế giới (WB) và Quỹ tiền tệ thế giới (IMF) đề xuất, nhiều cơ quan thuế các nước đã và đang đưa quản lý rủi ro tuân thủ trở thành một đơn vị thường trực trong cơ cấu tổ chức để thực hiện các biện pháp phát hiện rủi ro và sử dụng QLRRTT như một công cụ tích hợp cho tất cả các quy trình lập kế hoạch và đưa ra quyết định của ngành thuế.

Tại Úc, các yêu cầu, nhiệm vụ về QLRRTT của Cơ quan thuế Australia (ATO) được quy định tại Mục 16 tại Đạo luật Quản trị, Hiệu suất và Trách nhiệm giải trình công - PGPA của Chính phủ Khối thịnh vượng chung. Đây là căn cứ pháp lý để ATO tổ chức bộ máy của mình theo hướng QLRRTT. Khối Quản lý Quan hệ Khách hàng (CEG) - Đơn vị thực hiện chức năng Rủi ro Tuân thủ có nhiệm vụ xây dựng, theo dõi và triển khai chương trình tuân thủ cho mỗi phân đoạn NNT và chương trình tuân thủ theo các nghiệp vụ quản lý thuế; đồng thời phối hợp với các đơn vị khác trong ATO. Trong CEG, có Mảng Dữ liệu Thông minh hơn (Smarter Data) hỗ trợ việc thực hiện phân tích dữ liệu làm nền tảng cho chương trình tuân thủ bằng các công cụ như trí tuệ nhân tạo, máy học, dữ liệu lớn... Khối Công nghệ và Giải pháp Tổng thể (EST) (tương tự như Cục CNTT tại TCT) phối hợp với Mảng Dữ liệu Thông minh hơn và các đơn vị khác để xây dựng và cung cấp các ứng dụng và năng lực công nghệ cần thiết, đảm bảo an toàn, an ninh mạng.

Tại Anh, Cơ quan Thuế và Hải quan Vương quốc Anh (HMRC) có Đơn vị Rủi ro và Thông tin Nghiệp vụ (RIS). Đơn vị này là trung tâm của hoạt động tuân thủ và thực thi tuân thủ tại HMRC. RIS phối hợp chặt chẽ với các bộ phận khác để thu thập, tìm kiếm thông tin nghiệp vụ chi tiết nhằm phân tích đối tượng NNT, đánh giá rủi ro. Bên cạnh đó RIS sử dụng các công nghệ mới, tiên tiến để phân tích dữ liệu thu thập nhằm thiết kế chiến lược tuân thủ và lựa chọn NNT để thực hiện các biện pháp quản lý nâng cao tuân thủ trong tất cả các phân đoạn NNT, từ đó ngăn chặn và giúp HMRC đưa ra quyết định xử sự đối với các hành vi không tuân thủ. RIS gồm 06 đội chính, cụ thể là (1) đội Thông tin nghiệp vụ - có nhiệm vụ thu thập, phát triển và tổ chức thông tin nghiệp vụ giúp HMRC xây dựng các biện pháp can thiệp chống lại việc trốn tránh thuế, gian lận thuế; (2) đội Phân tích dữ liệu - đây là đội thực hiện hoạt động phân tích dữ liệu và khoa học dữ liệu với nhân sự chất lượng hàng đầu thế giới, dựa vào thông tin nghiệp vụ thu thập được để khai thác và xây dựng bức tranh tổng quan theo yêu cầu nghiệp vụ; (3) đội Thông tin và Rủi ro nghiệp vụ tuân thủ - có trách nhiệm nghiên cứu và xây dựng các hồ sơ của NNT có rủi ro cao và những nhóm rủi ro (căn cứ vào các dữ liệu, bằng chứng sẵn có và nguy cơ số thu bị ảnh hưởng); (4) đội Nước ngoài - có trách nhiệm thu thập thông tin nghiệp vụ từ nước ngoài, từ đó nhận diện và xác định rủi ro; (5) đội Rủi ro phòng ngừa – có trách nhiệm xác định và ngăn chặn các gian lận về thuế có tổ chức đối với các sắc thuế khác nhau và (6) đội Rủi ro chiến lược – tập trung phát triển các chương trình chiến lược giúp HMRC hoạt động hiệu quả hơn trong việc xây dựng và triển khai các chương trình nâng cao tuân thủ như việc sử dụng dữ liệu và công nghệ để xử lý các hành vi không tuân thủ hiệu quả.

Tại Mỹ, các bộ phận nghiệp vụ của Cơ quan Thuế Nội địa Mỹ (IRS)  nhận được sự hỗ trợ về phân tích dữ liệu từ Đơn vị Nghiên cứu, Thống kê và Phân tích Ứng dụng (RAAS) trong việc xây dựng các công cụ lọc rủi ro, mô hình và các thuật toán lựa chọn trường hợp; đồng thời phân tích hành vi, dự báo thất thoát thuế, và điều phối các nghiên cứu về gánh nặng đối với NNT. Bên cạnh đó RAAS còn tiến hành nghiên cứu, phân tích và xây dựng các chiến lược tuân thủ không chỉ giới hạn tại 1 đơn vị nghiệp vụ mà là trên toàn bộ IRS. RAAS gồm có 06 phòng, trong đó có Phòng Thí nghiệm Mô hình tuân thủ (CML) thực hiện ước tính tính chất và mức độ không tuân thủ bao gồm cả khoảng cách về thuế và tỷ lệ nộp tờ khai tự nguyện. CML có nghĩa vụ phát triển các mô hình rủi ro tuân thủ nền tảng và thực hiện các nghiên cứu về tuân thủ để hỗ trợ cho các hoạt động của IRS. IRS đang tiến tới tổ chức lại bộ máy, trong đó sẽ thành lập một Đơn vị mới, quán xuyến toàn bộ trách nhiệm về Chiến lược Tuân thủ - Đơn vị mới này khi được thành lập sẽ điều phối và chỉ đạo cách tiếp cận quản lý rủi ro tuân thủ trong toàn bộ hệ thống IRS.

Tại Canada, Đơn vị Quản lý Tuân thủ của Cơ quan Thuế Canada (CRA) là một bộ phận đặt tại hội sở chính, chịu trách nhiệm xây dựng các chiến lược tuân thủ cho bốn lĩnh vực chương trình: doanh nghiệp lớn và quốc tế, thuế hàng hoá và dịch vụ (GST), doanh nghiệp nhỏ và vừa, và chương trình tuân thủ thuế quốc tế. Đơn vị này bao gồm các ban riêng cho bốn lĩnh vực chương trình. Mỗi ban chương trình có các phòng khác nhau và một đơn vị quản lý rủi ro. Đơn vị Tuân thủ cũng bao gồm một Ban Quản lý Tuân thủ đặc biệt có nhiệm vụ thiết lập các hướng dẫn về QLRRTT và hỗ trợ cho bốn ban chương trình áp dụng các hướng dẫn này. Các đơn vị quản lý rủi ro của Đơn vị Tuân thủ thực hiện phân tích về đánh giá, lượng hoá rủi ro, xác định các chỉ báo rủi  ro, xây dựng thuật toán rủi ro, và lựa chọn trường hợp kiểm tra, thanh tra dựa trên  thuật toán.

Tại Trung Quốc, năm 2019 cơ quan thuế Trung Quốc (STA) đã thành lập Vụ Quản lý rủi ro thuế và Dữ liệu lớn có trách nhiệm lập Chiến lược quản lý rủi ro tuân thủ cho toàn ngành thuế đồng thời tổ chức, sử dụng dữ liệu lớn và triển khai các hoạt động quản lý rủi ro trên cả nước.

Tại Hà Lan, Hội sở chính của Cơ quan Thuế Hà Lan (NTA) có hai đơn vị chịu trách nhiệm về chiến lược QLRRTT: (1) Tuân thủ, Đánh giá Tác động và Quốc tế (CD UHB), chịu trách nhiệm thiết kế khung tuân thủ tổng thể, bao gồm xác định rủi ro và lựa chọn trường hợp và (2) Chuyên môn Tuân thủ Thuế (CD VT), là đơn vị cung cấp hỗ trợ kỹ thuật trong việc triển khai khung tuân thủ, phân tích kết quả của các khảo sát ngẫu nhiên và đưa ra những phân tích sâu về hành vi NNT.  

Tại Malaysia, Cơ quan thuế (LHDN) tổ chức quản lý rủi ro tuân thủ tại Vụ Tuân thủ thuế, chịu trách nhiệm tổ chức công tác quản lý nâng cao tuân thủ pháp luật thuế của NNT tại tất cả các phân đoạn NNT, các sắc thuế cũng như các lĩnh vực có rủi ro tuân thủ thuế khác.

2. Kinh nghiệm quốc tế về việc xây dựng Chương trình Quản lý rủi ro tuân thủ  

Theo Ủy ban Thuế và Hải quan EU, tuân thủ pháp luật thuế là việc người nộp thuế tự nguyện thực hiện nghĩa vụ thuế của mình về việc đăng ký, nộp hồ sơ, kê khai chính xác tờ khai thuế và nộp thuế đúng hạn. Quản lý rủi ro của NNT trong quản lý thuế thực chất là Quản lý rủi ro tuân thủ của NNT. Những rủi ro này là rủi ro không tuân thủ, bao gồm rủi ro gian lận thuế, rủi ro mất khả năng thanh toán của người nộp thuế, v.v. Với quản lý rủi ro tuân thủ, cơ quan quản lý thuế cần đưa ra các công cụ, biện pháp xử lý để khuyến khích NNT tuân thủ pháp luật thuế và ngăn chặn việc không tuân thủ một cách hiệu quả. Qua quá trình phát triển, xu thế trên thế giới đã thay đổi công tác quản trị theo hướng tổng thể, toàn diện hơn (Quản trị rủi ro tuân thủ tổng thể). Theo đó, Quản lý thuế không chỉ là phát hiện hành vi trốn thuế và áp dụng các biện pháp xử phạt mà cần quản lý theo cách tiếp cận chủ động và phòng ngừa hành vi không tuân thủ nhằm nâng cao tính tuân thủ tự nguyện của NNT.

Theo khuyến nghị từ Đoàn công tác Vụ các vấn đề tài khóa của IMF (FAD), cần thiết giao cho Đơn vị QLRR của Tổng cục Thuế thẩm quyền pháp lý và phạm vi trách nhiệm bao quát được về thiết kế hướng dẫn nghiệp vụ quản lý tuân thủ cũng như đủ thẩm quyền công tác để phối hợp được với các đơn vị khác. Trách nhiệm và thẩm quyền của Đơn vị QLRR cần thể hiện được tính chất thường trực, thường xuyên, liên tục, dài hạn trong công tác QLRRTT và ngang cấp với các đơn vị khác trong Tổng cục Thuế chứ không phải là một bộ phận được thành lập chỉ để hoàn thành xong một công việc có tính chất trong ngắn hạn.

Tại CQT Nội địa Chi-lê (SII), Vụ Tuân thủ Thuế Quốc gia là đơn vị chịu trách nhiệm thiết kế, chỉ đạo, giám sát kế hoạch nâng cao tuân thủ hàng năm trong toàn bộ SII. Kế hoạch nâng cao tuân thủ bao gồm các kế hoạch thành phần cho các sắc thuế khác nhau và phân đoạn NNT. Vụ Tuân thủ Thuế Quốc gia và hai Đơn vị phân tích rủi ro khác sẽ chịu trách nhiệm xác định các rủi ro tuân thủ cả ở mức độ cơ bản và mức độ phức tạp đối với các sắc thuế và phân đoạn NNT khác nhau;

Tại Hungary, Cơ quan Thuế và Hải quan Quốc gia Hungary (NTCA) có một Đơn vị QLRR chịu trách nhiệm thiết kế và chỉ đạo, giám sát thực hiện chiến lược quản lý rủi ro tuân thủ trên toàn quốc, vận hành các ứng dụng phân tích rủi ro ở cấp trung ương và và chỉ đạo, giám sát, hỗ trợ các hoạt động phân tích rủi ro của các CQT địa phương.

Tại Slovenia, Cơ quan Thuế (FURS) có một Đơn vị Quản lý rủi ro tuân thủ ở cấp trung ương tại hội sở chính, chịu trách nhiệm thiết kế hướng dẫn thực hiện các chiến lược QLRRTT, hỗ trợ và chỉ đạo các tổ tác nghiệp QLRRTT nhận diện những rủi ro tuân thủ chính, xây dựng kế hoạch nâng cao tuân thủ cho những rủi ro đó, và giám sát việc thực hiện kế hoạch của các tổ tác nghiệp.

Tại Ba Lan, Đơn vị quản lý rủi ro tuân thủ được tổ chức tại CQT các cấp trong toàn ngành. CQT cấp dưới sẽ gửi các đề xuất sơ bộ về rủi ro lên cho đầu mối CQT cấp trên phê duyệt trước khi các biện pháp quản lý rủi ro tuân thủ được xem xét, so sánh, hợp nhất và tinh chỉnh để đưa vào Kế hoạch Thực hiện cấp quốc gia và cấp khu vực.

3. Kinh nghiệm quốc tế về phân tích dữ liệu phục vụ QLRR tuân thủ

3.1. Kinh nghiệm của OECD

Truy cập dữ liệu đầy đủ, chính xác và kịp thời là điều kiện tiên quyết để CQT quản lý thành công hệ thống thuế. Những dữ liệu này cung cấp thông tin để làm căn cứ xác định rủi ro, đánh giá rủi ro và phân loại rủi ro.

Theo OECD, CQT sẽ có nhiều dữ liệu từ nhiều nguồn thông tin khác nhau. Vì vậy việc đối chiếu và liên kết dữ liệu sẵn có là hết sức quan trọng. CQT sẽ sử dụng CSDL và kho dữ liệu liên kết giúp xác định và đánh giá rủi ro. Theo đó, phương pháp phân tích thống kê thường được áp dụng để phân tích dữ liệu NNT và phát hiện sai sót giữa dữ liệu và hành vi không tuân thủ. Phương pháp này liên quan đến việc sử dụng kết quả của các cuộc thanh tra kiểm tra trước đó, sau đó được phân tích kết hợp với dữ liệu NNT sẵn có.

OECD cũng đánh giá cao các công cụ khai phá dữ liệu (data mining). Khai phá dữ liệu là quá trình khai phá và phân tích dữ liệu bằng các công cụ tự động như AI. Dữ liệu được khai phá là dữ liệu có quy mô lớn, từ đó có thể phát hiện ra các mô hình và quy định có ý nghĩa của NNT. Các quy trình kỹ thuật cụ thể được triển khai thực hiện bao gồm: Hệ thống mạng trung gian (neural networks), cây hồi quy (regression trees) và các thuật toán khác. Về cơ bản, với một nhóm dữ liệu cho trước (kể cả kết quả thanh, kiểm tra trước đây), phần mềm khai thác dữ liệu của CQT được yêu cầu xác định các đặc điểm của NNT không tuân thủ (dựa trên kết quả thanh tra, kiểm tra trong quá khứ) với những NNT tuân thủ. Các thuật toán có thể phân tích hàng trăm các đặc tính tương đồng và tìm được các đặc điểm đặc trưng trong dữ liệu. Dữ liệu này có thể được sử dụng để đưa ra các tiêu chí mới và để xác định hành vi không tuân thủ.

3.2. Kinh nghiệm quốc tế của các nước

a. Về xây dựng cơ sở dữ liệu lớn (Big data) phục vụ cho việc phân tích, quản lý thuế theo nguyên tắc quản lý rủi ro.

Trên thế giới, việc ứng dụng dữ liệu lớn trong quản lý thuế tại các nước tiên tiến đã được nghiên cứu, triển khai và đạt được nhiều kết quả trong công tác quản lý thuế nói chung và quản lý rủi ro nói riêng.

- Tại Mỹ, Cơ quan Thuế vụ Mỹ (IRS) đã triển khai thành công hệ thống phân tích dữ liệu lớn (Data Analytics Platform) để hỗ trợ công tác quản lý thuế. Hệ thống này đã giúp IRS phát hiện và ngăn chặn kịp thời nhiều trường hợp trốn thuế, gian lận thuế.

- Cơ quan Thuế Vương quốc Anh (HMRC) áp dụng ADEPT (Analytics for Debtor Profiling and Targeting), là một hệ thống phân tích dữ liệu lớn được triển khai vào năm 2018 nhằm giúp HMRC nâng cao hiệu quả quản lý nợ thuế. Dựa trên phân tích dữ liệu, ADEPT giúp HMRC xác định các rủi ro nợ thuế tiềm ẩn và đưa ra các biện pháp quản lý nợ thuế hiệu quả. ADEPT đã được sử dụng để phát hiện một số vụ trốn thuế lớn, mang lại cho HMRC hàng triệu bảng Anh; ADEPT đã được sử dụng để xác định các doanh nghiệp có nguy cơ nợ thuế cao, giúp HMRC tập trung nguồn lực để thu hồi nợ thuế hiệu quả hơn. ADEPT đã được sử dụng để tự động hóa một số quy trình quản lý nợ thuế, giúp HMRC tiết kiệm chi phí và thời gian.

- Tại Úc, Văn phòng Thuế Úc (ATO) sử dụng ANGIE (Automated Network & Grouping Identification Engine), là một hệ thống phân tích dữ liệu lớn được triển khai vào năm 2020 nhằm giúp ATO phát hiện và ngăn chặn các hành vi gian lận, trốn thuế có tổ chức. ANGIE đã được sử dụng để phát hiện một nhóm các doanh nghiệp giả mạo hóa đơn VAT, phát hiện một nhóm các cá nhân khai báo sai thuế thu nhập, mang lại cho ATO hàng triệu đô la Úc.

- Tại Hàn Quốc, Cơ quan Thuế Hàn Quốc (NTS) đã triển khai hệ thống phân tích dữ liệu lớn (Big Data Analysis System) vào năm 2019 để hỗ trợ công tác thanh tra, kiểm tra thuế. Hệ thống này đã giúp NTS phát hiện và thu hồi được một số lượng lớn thuế thất thu. Dựa trên phân tích dữ liệu, hệ thống giúp NTS xác định các rủi ro gian lận, trốn thuế tiềm ẩn và đưa ra các biện pháp thanh tra, kiểm tra thuế hiệu quả. Hệ thống phân tích dữ liệu lớn của NTS đã đạt được nhiều kết quả tích cực, góp phần nâng cao hiệu quả quản lý thuế, giảm thiểu thất thu thuế và tạo môi trường kinh doanh công bằng, minh bạch.

- Tại Singapore: Cơ quan Thuế Singapore (IRAS) đã triển khai hệ thống quản lý thuế điện tử (e-Tax) kết hợp với dữ liệu lớn để tự động hóa các quy trình nghiệp vụ thuế, nâng cao hiệu quả quản lý thuế.

b. Về áp dụng AI để phân tích rủi ro tuân thủ

- Kinh nghiệm của Cơ quan thuế Úc (ATO): ATO đã thành công trong việc triển khai một nhóm công cụ phù hợp với kỹ thuật máy học để phân tích dữ liệu theo thời gian thực, phát hiện các điểm bất thường và xử lý kết quả bằng các công cụ tự động tương tác với NNT. Có thể hiểu rằng các kỹ thuật và khả năng mà ATO đã sử dụng máy học gồm các giai đoạn phân tích rủi ro; lựa chọn xử lý và trao đổi thông tin; giảm thiểu rủi ro hoặc vi phạm mà không cần trực tiếp làm việc với NNT, đồng thời, giảm số giờ làm việc mà cán bộ thuế ATO dành cho hoạt động quản lý thuế so với hệ thống truyền thống.

- Vào năm 2021, Singapore đã triển khai hai Chương trình AI quốc gia với vốn nghiên cứu 180 triệu đô la Sing cho việc phát triển AI trong ngành tài chính. CQT nội địa Singapore (IRAS) đang mở rộng việc sử dụng dữ liệu và AI trên tất cả các chức năng, bao gồm việc phát triển các giải pháp AI mới để quản lý tốt hơn hành vi không tuân thủ thuế và cải thiện việc cung cấp dịch vụ tới NNT. IRAS đã tận dụng công cụ AI, dữ liệu và tự động hóa NSD cuối để cung cấp các dịch vụ cá nhân hóa cho NNT. Việc hệ thống hóa và số hóa nhận dạng của NNT là trụ cột nền tảng của Sáng kiến Quốc gia thông minh tại Singapore. IRAS áp dụng công cụ kỹ thuật số để đưa ra các hướng dẫn được cá nhân hóa từng bước trên màn hình của Cổng thông tin.

Từ các nghiên cứu về kinh nghiệm quốc tế trong việc xây dựng kế hoạch QLRR tuân thủ tổng thể đến việc tổ chức bộ máy và phân tích dữ liệu phục vụ QLRR tuân thủ, có thể rút ra được một số bài học kinh nghiệm cho Việt Nam như sau:

Một là, kiện toàn bộ phận quản trị chiến lược và QLRR về thuế thuộc TCT nhằm nâng cao thẩm quyền, địa vị pháp lý và năng lực nguồn nhân lực để triển khai sâu, rộng, toàn diện, tập trung có hiệu quả công tác quản trị chiến lược và QLRR, đáp ứng kịp thời yêu cầu cải cách, phát triển, hiện đại hóa ngành Thuế và nâng cao tính tuân thủ tự nguyện của NNT. Hoạt động QLRR phải được thực hiện từ cấp trung ương xuống cấp địa phương, đảm bảo tính xuyên suốt, thống nhất, dài hạn và liên tục nhằm nâng cao hiệu lực, hiệu quả trong công tác quản lý thuế.

Hai là, cần củng cố bộ phận quản lý rủi ro ở cấp trung ương bằng việc hình thành một bộ máy có địa vị pháp lý đủ tầm, đảm bảo đủ nguồn lực, thẩm quyền, chức năng, nhiệm vụ và năng lực thực tế làm đầu mối chủ trì việc xây dựng, tổ chức thực hiện công tác thu thập, xử lý thông tin, áp dụng kỹ thuật để hỗ trợ cho các hoạt động nghiệp vụ quản lý thuế.

Ba là, xây dựng chương trình QLRR tuân thủ tổng thế trong đó thiết kế hướng dẫn nghiệp vụ quản lý tuân thủ và kế hoạch nâng cao tuân thủ cho các sắc thuế khác nhau và phân đoạn NNT.

Thứ tư là, công tác QLRRTT phụ thuộc nhiều vào dữ liệu và năng lực phân tích dữ liệu hiệu quả, vì vậy, việc xây dựng năng lực này bao gồm hạ tầng CSDL phục vụ phân tích rủi ro. Đây là một kho dữ liệu tập trung riêng biệt (single centralized database) được lọc lựa từ 03 nguồn gồm dữ liệu từ NNT của ngành thuế (primary database); dữ liệu đã tác nghiệp của ngành (secondary database) và dữ liệu từ các bên thứ 3 (như TCHQ, UBCKNN, BHXH, NHTM, CSDLTM, ...) để phục vụ công tác phân tích rủi ro. Kho CSDL này do đơn vị QLRR sở hữu nắm giữ, thiết kế, thu thập, chủ trì phối hợp với các đơn vị nghiệp vụ để phân tích, khai thác thường xuyên, liên tục nhằm đáp ứng yêu cầu quản lý. Trên cơ sở phân tích CSDL này, Đơn vị QLRR cũng cần có đủ năng lực để triển khai các ứng dụng CNTT để hỗ trợ thực hiện công tác QLRRTT.

Năm là, xây dựng ứng dụng CSDL và phân tích rủi ro có định hướng áp dụng các công nghệ mới phân tích dữ liệu lớn, trí tuệ nhân tạo, học máy vào phân tích rủi ro, đánh giá mức độ tuân thủ NNT và từ đó có biện pháp xử lý về thuế phù hộp với từng mức độ “hành vi tuân thủ” của NNT./.