107_滇西某省级风险稽查系统信息系统项目度量绩效域

ONEPSOFT | 软考学习知识库

---

滇西地区某省级税务部门的稽查业务量大、风险数据分散在征管、稽查、外部第三方等多套系统中，风险线索靠人工筛查，判定口径不一，多级组织审批链路长，权限模型设计复杂，算法识别在复杂光照与天气条件下准确率不稳定，业务连续性要求高，割接窗口极为有限。税务数据关系国家税收安全，识别错了、权限乱了都是重大问题，项目的管理压力从立项就存在。风险线索误判轻则浪费稽查力量，重则影响企业正常经营，准确率与误报率这对指标从一开始就牵动着各方神经。为把风险稽查数字化，该地区财政税务主管部门于 2023 年 11 月发起了省级风险稽查系统信息系统项目，经公开招标由我司承建，合同额 1260.32 万元，建设周期 9 个月，我担任项目经理，对项目全过程管理负责。

项目建设目标是整合征管与外部数据，实现风险线索自动识别、稽查任务在线流转、结果反馈闭环管理。建设内容包括风险线索识别、稽查任务管理、案件跟踪、知识库管理、统计分析与报表五个模块，并与征管系统及多家外部数据源对接。外部数据源的口径与格式各异，线索融合的规则需要逐项核对，这也成为度量接入质量时的重点对象。平台的表单与流程由低代码引擎配置生成，核心业务逻辑以微服务实现，各微服务经网关统一鉴权限流，业务数据存储于 OceanBase 分布式数据库，消息推送由 RocketMQ 承担，应用中间件采用东方通 TongWeb，整体部署在省政务云信创环境，按等级保护三级完成安全建设。项目团队共 17 人，采用矩阵型组织，包括我在内配置系统架构师 1 人、需求分析师 2 人、开发工程师 9 人、测试工程师 3 人、实施与运维工程师 1 人。团队规模不大，但算法、接入、割接三条线同时推进，度量看板成了团队对齐的公共语言，谁的指标异常谁负责解释。项目于 2024 年 8 月通过终验，上线后设备在线率由 83% 提升至 98.5%，运维人工巡检投入下降 60%，识别准确率达到 94.6%、误报率控制在 3% 以内。

度量绩效域是项目管理的仪表盘，这个项目周期紧、算法不确定性大、割接要求高，凭感觉是管不住的。9 个月的工期里，进度、质量、成本每一项都要靠指标盯住，指标一松，交付就悬。度量不是财务或质量的专属，而是贯穿全过程的通用语言，上到项目经理的决策，下到每个工作包的验收，都离不开数据支撑。下面我按规划度量、执行度量、监督与纠偏三个环节，结合项目实践说明度量绩效域是如何落地的。

一、规划度量

规划度量是确定量什么指标、怎么采集数据、以什么标准评判的过程，其作用在于为整个度量体系立好规矩，规矩立不好，后面采集的数据就是一堆各自为政的数字。我组织骨干团队召开度量规划专题会议，先用亲和图把项目需要关注的内容逐条归类，按进度、成本、质量、范围四类聚拢，再为每类选定一到两个核心指标：进度看里程碑达成率与关键路径偏差，成本看挣值与偏差率，质量看识别准确率、误报率与设备在线率，范围看需求变更率。指标选定后，我们用面向 X 设计矩阵对候选指标做了可行性评估，按面向可采集性、面向可衡量性、面向可行动性三个目标逐一打分，剔除难以采集或不能指导行动的指标，最终确定了一套轻量化的指标集，识别准确率与误报率作为质量核心项被单独标红管理。指标不是越多越好，多了采集负担重，少了看不出问题，四个维度、每维一到两个核心项，恰好够用。每个指标都写明采集方式、责任人与目标值，从预期目标的角度看，这套指标集正是为了支撑度量绩效域的四类预期目标：看清状况、支撑决策、及时行动、基于预测决策，四个目标环环相扣，缺一环度量都会跛脚。

二、执行度量

执行度量是按规划把指标落地、持续采集数据并监控指标波动的过程，其作用在于让指标变成看得见的看板与拿得出的行动。我们建立了周度采集与月度复盘机制，把各项指标汇总到可视化看板，进度、成本、质量的状态一屏可见，每次例会第一件事就是过一遍看板，指标背后的原因当场问清楚，问题不过夜。复盘会上，每项异常指标都要有责任人说明原因与对策，没有对策不算闭环，下次例会先看上次对策的落实情况。这样的机制坚持了 9 个月，指标从数字变成了团队的行动语言。针对设备在线率偏低的问题，我用直方图按设备型号统计在线率分布，图形显示两款老旧型号的在线率明显低于其他型号，属于最需要解决的。我组织团队对这两款设备单独排查，定位到固件版本过旧导致断连，统一升级固件后在线率回升，偏远网点的数据采集不再断档。针对算法识别准确率在复杂天气下波动的问题，我们把识别结果按晴天、阴天、雨天、夜间四类场景分场景记录，直方图显示雨天与夜间两个场景的准确率显著低于目标，属于最需要改进的环节，据此补充了低照度训练样本，两个场景的准确率回升到目标以上，稽查线索的质量也随之稳定下来。从产品角度看，度量数据在这一阶段持续反哺其他绩效域：把识别准确率与误报率纳入交付验收标准，通过指标异动提前识别割接风险，按人均处理量调整分工，向税务部门与外部数据源同步量化进度。

三、监督与纠偏

监督与纠偏是核查度量数据真实性、评估指标体系有效性并推动改进的过程，其作用在于让度量体系本身持续健康。我们每月对指标采集质量核查一次，发现个别周报数据存在滞后，随即把系统自动采集设为主渠道，人工填报只做补充，进度数据必须附完成证据，杜绝虚报，从此周报数据的可信度明显提升。针对识别误报率一度超过目标的问题，我用根本原因分析逐层追问：先问为什么误报变多，再问为什么算法对某些影像误判，追到根子是新增业务场景的训练样本不足，随即补充样本并重新评估阈值，误报率回落到 3% 以内，税务人员的复核负担明显减轻。针对割接准备这一高风险环节，我们按逐项检查的方式过了一遍切换步骤，从数据快照、回退方案到值守人员一一确认，宁可多查一遍，不留一丝侥幸，割接窗口内一次切换成功。收尾阶段，我们用统计抽样对验收数据做了复核，按业务类型与场景分层抽取样本核对，样本覆盖了征管、稽查与外部数据三类来源，核验通过率达到预期标准，确保验收结论建立在真实数据之上。项目最终按期通过终验，设备在线率提升到 98.5%，运维巡检投入下降 60%，识别准确率达到 94.6%、误报率控制在 3% 以内，风险线索从人工筛查变为机器初筛加人工复核，稽查效率得到明显提升。度量体系实现了从规划、执行到监督的完整闭环。

四、心得体会

回望这 9 个月，度量让我体会到管理不是凭感觉拍板，而是让每一个决策都有数字支撑。指标要精、数据要真、行动要快，这三句话说起来容易，做起来全靠日复一日的坚持，也靠团队成员对指标的一点点较真。亲和图让指标归类有了框架，面向 X 设计矩阵让指标选择有了依据，直方图让设备与算法问题分布一目了然，根本原因分析让误报根因不再模糊，统计抽样让度量结果经得起核查。度量不是为做而做，而是让项目的每一步都有据可依、有数可查，这正是本项目留给我最深的体会。这套以指标定标、以看板看态、以闭环抓改进的度量机制，后来也被复制到公司其他税务类项目，验证了它的可复制性。