⑴ 高燈科技能夠引領財稅科技產業的發展趨勢嗎
2月23日，財稅科技明星公司高燈科技發布2020年全年業績報告。報告顯示，截至2020年12月31日，高燈科技累計交易鑒證規模近1000億元，公司全年業務總GMV超160億元，同比增長47%。在疫情影響經濟大環境的背景下，高燈科技依然實現高速增長。
對高燈科技這個名字，可能大家還有些許陌生，但你很可能使用過其開發的電子發票小程序應用。2017年5月，高燈科技由騰訊投資成立，初衷是解決發票在流轉過程的效率問題，讓發票電子化進而可以便捷地在各方流轉。當時，馬化騰在貴陽數博會上和高燈科技董事長兼CEO高峽一起發布了高燈科技首款小程序「發票兒」，高燈科技自此浮出水面。
騰訊董事會主席馬化騰與高燈科技董事長兼CEO高峽共同發布「發票兒」小程序
2017年到2020年的三年時間里，高燈科技一方面在電子發票場景深耕，在各地稅務單位指導下，與騰訊探索基於區塊鏈技術的新型開票方案，發布了區塊鏈電子發票領域若干個第一：第一張區塊鏈電子發票、第一張商超行業區塊鏈電子發票、第一張區塊鏈電子冠名發票。另一方面，從電子發票切入到財稅科技領域，以「交易鑒證」為核心落地財稅科技戰略，助力企業財務、稅務與業務融合發展，面向不同場景，推出「高燈自由薪」、「雲票兒」、「超能海豹」等平台。
2020年被業界視作是「財稅科技元年」。在產業互聯網浪潮下，科技正在「+」各行各業。財稅科技正通過數字科技手段賦能財稅協同，具體來說，就是基於數據互聯技術，解決傳統財稅管理手段效率低、業財稅割裂、信息價值弱與合規風險高等痛點，提高財務、稅務與業務的協同效率，倒逼企業管理升級與業務創新。
從2020年財報來看，作為財稅科技概念的提出者，高燈科技2020年戰略升級效果明顯，實現了跨越式發展，讓財稅科技規模化落地，讓財稅科技概念出圈，讓財稅科技生態更完善。
高燈科技2020年成績單有哪些亮點？
亮點1：2020年GMV超160億，同比增長47%。
高燈科技定位是以「交易鑒證」為技術核心的財稅科技公司，雖然其在零工經濟、因公消費等垂直場景深耕，但「交易鑒證」依然是其「大本營」業務。2020年，高燈科技平台交易鑒證次數高達5億次，交易鑒證規模近千億元，核心場景優勢地位得到進一步鞏固。
2020年高燈科技GMV超160億，同比增長47%。跟傳統財稅SaaS公司不同，高燈科技在財報中著重強調了「GMV」這一數據。GMV在電商行業較為常見，是平台交易能力的重要體現。高燈科技業務模式不是靠售賣軟體服務盈利，而是採取平台模式，在每一筆交易鑒證中獲取營收，正因為此，總體交易額即GMV成為最能夠說明其發展狀況的指標。
亮點2：客戶與用戶「比翼齊飛」，多邊效應凸顯。
2020年高燈科技新增企業用戶5萬，累計同比增長40%；新增個人用戶1300萬，累計個人用戶同比增長63%。強調個人用戶，是高燈科技跟傳統SaaS服務商的另一大不同，原因在於高燈科技採取的是B（企業側）、C（用戶側）、R(監管側)的多邊模式。
傳統SaaS服務商只負責服務B端客戶，與B端客戶的C端用戶沒有聯系，這是一種「單邊」模式，本質是財稅信息化服務商，無法解決不同財稅場景的數據孤島問題，難以實現財務、稅務與業務的深度協同，瓶頸明顯。
財稅科技的主旨則是一邊解決C端用戶的開票、發票管理、發票流轉等需求，一邊解決B端客戶的財稅數字化難題，同時服務監管側（R）的需求，最終解決交易環節合規這一核心問題，實現財稅場景連接、數據流轉與場景協同。這樣的區別，如同傳統金融SaaS服務商與騰訊智慧金融一樣，前者高度客戶定製，後者以C端支付/理財/借貸等場景撬動B端。
高燈科技採取的多邊發展策略，不只是服務企業，而是解決個人、企業與監管側之間高效連接的問題。在高燈科技聯合創始人兼總裁張民遐看來，這是高燈的業務核心，也是其發展的護城河。
高燈科技聯合創始人兼總裁張民遐在第二屆財稅科技產業峰會（TTIS）上發表講話
亮點3：細分應用高速增長，垂直場景落地紮根。
2020年，高燈旗下數字化人企商業協作服務平台高燈自由薪實現爆發式增長，其面向零工經濟場景提供交易鑒證，給用戶提供全鏈條的人企商業互聯服務，現已覆蓋50+城市，開放零工經濟崗位2000餘個，交易鑒證筆數超過450萬，是去年同期的57倍，KA核心客戶企業數量同比增加407%，其中不乏OPPO、美菜網、小電等知名企業。
面向因公消費場景的超能海豹則實現了「從0到1」的增長。在這一平台，企業員工可以獲得便捷預訂、合並開票、資金墊付、快速報銷等服務，2020年平台交易訂單量突破100萬筆，月復合增長率達49%，累計交易金額超過5億元。
可以看出高燈科技的發展思路：以交易鑒證這一高度細分能力為支點，撬動不同細分場景，如零工經濟、因公消費，在對應場景下提供更多服務，深耕細作，實現規模化落地。長期來看，有交易的場景就有鑒證需求，高燈科技未來推出更多細分應用是可預見的。
亮點4：夯實基礎設施，高燈雲生態日益成熟。
2020年是高燈科技向財稅科技進階的一年。依託「1雲+N平台」戰略，高燈科技夯實底層財稅科技能力，利用大數據技術形成財稅數字化服務平台——高燈雲，提供交易鑒證、風險識別、財稅組件與企服生態四個核心技術能力。2020年，高燈雲已助力全國115座城市19萬商家實現業財融合發展，平均每分鍾響應3231次開票需求，日均響應服務應答12萬次，有效識別風險因子837個，可信存證體量超10億張。基於底層財稅科技服務能力，高燈雲可以驅動不同鑒證場景下的垂直平台。
高燈科技2020年財報，既是2020年的成績單，也反映了其成立三年來的階段性成績。經過三年發展，高燈科技讓財稅科技從0到1，打牢了基礎，2020年戰略升級成果尤為顯著，多邊平台模式被驗證、核心場景優勢鞏固、垂直場景漸入佳境、雲平台建設初成。與此同時，作為財稅科技概念提出者，高燈科技推動財稅科技概念出圈，培養企業認知與用戶習慣，推動財稅科技高速發展。
2021年高燈科技或迎跨越式增長
2020年，疫情圍城，線上交易井噴，加速財稅科技應用的普及，成為「財稅科技元年」，2021年財稅科技或將迎來更大規模的爆發。
政策層面，財稅改革將步入優化區，財稅科技是大勢所趨。
2020年4月財政部、國家檔案局聯合制定發布《關於規范電子會計憑證報銷入帳歸檔的通知》，加速財稅行業數字化、信息化與智能化進程。這一年，中國電子發票開具數量預計將達到246億張，2021年將接近500億張。2021年是十四五開局，相關規劃建議顯示，十四五期間，財稅改革將步入優化區。將減稅降費政策與財稅改革結合起來，重視對新經濟、新業態的稅收優惠，完善有利於創新的稅費制度體系，是財稅改革的方向，財稅科技在其中將發揮助攻作用。
作為高燈科技最早一批投資者之一，鼎暉投資創新與成長基金高級合夥人王明宇認為，財稅行業本身就在科技化，我國C端數字化比較超前，如今的各行各業包括財稅行業都在做數字化的變遷：「稅局提供的電子發票、電子檔案的支持，以及整個稅局都在提供遠程服務和在線化發展。我們看到，財稅數字化在不斷提速。過去兩三年間，金稅三期基本完成，現在金稅四期已經在路上。」當C端數字化後，撬動B端數字化，擁抱財稅科技就成為必然結果。
趨勢層面，行業數字化是必然趨勢，疫情加速數字化進程。
在產業互聯網趨勢下，各行各業早已在加速數字化轉型與智能化升級，實現降本增效與業務創新的目標。2020年疫情突發，線下產業被逼加速數字化。後疫情時代，數字化與智能化會變得更加重要。作為每家企業都繞不過的商業場景，財稅數字化與智能化將成為大勢所趨。
不可否認，企業財稅場景已有一定程度的信息化，不過更多是「單邊模式」，即SaaS服務商給客戶定製相關解決方案，未能實現財務、稅務與業務的打通，C端用戶、B端企業與監管側（R）未能連接，零工經濟、因公消費等場景下的全鏈路數字化也無從談起。接下來，財稅科技將會基於多邊模式，連接商業交易場景的各方參與者，實現財務、稅務與業務的深度協同，通數據、通場景、通業務，進而提高各環節效率，激發不同交易場景下的數字化創新。
產業層面，產業互聯網大潮洶涌，財稅科技是典型的產業互聯網應用。
前些年互聯網巨頭紛紛布局B端業務，騰訊率先提出產業互聯網戰略。現在行業對產業互聯網概念已有共識，與「互聯網+」只是存量改善和物理疊加不同，產業互聯網更強調重構產業，跟零售、貿易、金融、製造、娛樂等等行業結合，通過化學反應創造增量市場，幫助產業轉型升級。傳統產業的有識之士均已意識到產業互聯網的價值，開始積極利用第三方產業互聯網平台提供的工具、能力、方案和服務實現轉型升級。
《2020年(上)中國產業互聯網市場數據監測報告》顯示，2020上半年中國產業互聯網市場規模達25.3萬億元，預計2020全年市場規模將達51.5萬億元。正在爆發的AI、大數據、5G、IoT、區塊鏈等新技術，進一步加速產業互聯網進程，不同產業都有了更多的「武器」來實現數字化轉型與智能化升級。作為產業互聯網重要組成部分的財稅科技，迎來爆發是擋不住的趨勢。
有數據顯示，自2016年至2020年，中國財稅科技行業發展規模從233億元上漲到1032億元，預期2021年行業規模將達1265億元。千億級財稅科技蛋糕，正在吸引更多玩家蜂擁而至，逐鹿中原。
下一個五年高燈科技如何迎風而立？
在很多行業都發生過「起個大早趕個晚集」的故事，即先行者因為種種原因被後來者超車。高燈科技是財稅科技先行者，前三年打基礎，接下來同樣會面臨這一挑戰。如何繼續保持在財稅科技領域的領先地位？高燈科技2020年財報給出了清晰的回答。
高燈科技下一個五年的發展，將以高燈雲為財稅基礎設施，服務前端交易鑒證平台，不斷向各領域擴展延伸，築牢「1雲+N平台」的發展模式，同時繼續夯實高燈雲的基礎科技能力，加大研發投入，推動更多場景化應用落地。
上線不到一年的高燈雲，是高燈科技三年財稅發展成就的核心能力沉澱，也是未來發展的重要基石，它保障了高燈科技前端交易場景下大規模、高並發交易鑒證需求，具有極強的擴展性、高度的安全性，可以適應高燈科技未來版圖中的垂直平台，乃至第三方財稅科技應用。
隨著高燈雲技術能力的不斷成熟，輔以「1雲+N平台」模式，高燈科技可以鞏固「交易鑒證」這一核心業務，形成長板優勢，在不同垂直場景深耕細作形成護城河。更大的想像空間在於，開放的高燈雲，可讓財稅行業快速接入財稅科技能力，實現數字化與智能化轉型，開發各種創新應用。
在產業互聯網大潮下，雲計算已成為跟水電煤一樣的社會基礎設施，也是國家加速建設的「新基建」的關鍵組件。作為唯一的具有多邊服務能力的財稅科技雲平台，高燈雲則有望成為財稅行業的數字化新基建，構建財稅科技生態、推動財稅科技發展、實現財稅科技規模應用，進而以財稅科技為支點撬動新商業文明。
⑵ 客觀評價一下南京擎天科技,到底值不值得去
千萬不要去，技術實力只能說一般般，大家來了都是再現有系統上改改來的，領導原話就是就算你們全離職了都沒關系，新人來了照樣可以干。
基本上你一個開發啥都要干，要去客戶現場和客戶PK需求，要給客戶培訓，要改前端樣式，要寫後台邏輯，要弄資料庫調試，要現場部署。
南京擎天科技有限公司是專業從事軟體產品研究開發、推廣、運營，IT咨詢及服務的軟體企業；是國家級軟體開發企業、高新技術企業、省重點民營企業、優秀民營企業、骨幹民營企業、建設新南京有功單位；是國內首家在英國倫敦上市的軟體企業。
公司總部設在南京，在南京高新技術開發區建有獨立的研發與測試中心，在美國、北京、上海、蘇州等地設有分支機構及技術服務中心；公司現有員工高、中級人才比例達到90%以上。
擎天科技始終堅持走自主研發與市場相結合的道路，將新產品、新技術的研究作為公司戰略主導目標，通過消化吸收國外最新技術成果，結合國內的實際應用，近年來自主研發了百餘項軟體產品，已有72項產品獲得國家版權局頒發的著作權證書，獲得數項國家發明專利。
擎天科技是國家重點高新技術企業、中國軟體業務收入百強企業、國家金稅三期工程專家組成員單位、國家電子政務標准化總體組成員單位、國家信息技術服務標准工作組成員單位、國家商務部重點支持的「軟體出口工程（COSEP）企業」。
江蘇省首批國際服務外包重點企業、江蘇省重點骨幹型服務；通過ISO9001：2000質量管理體系認證、國際軟體成熟度模型集成CMMI5級認證、ISO27001信息安全認證；經過多年努力，先後榮獲江蘇省百強民營科技企業、骨幹軟體企業、江蘇省百家重點培育民營科技企業。
江蘇省百家重點培育高成長型企業、江蘇省創新型試點企業、南京市百強高成長工業企業等榮譽稱號。
多個產品和項目被列為「國家重點火炬計劃」、「國家重點新產品」、「國家創新基金項目」、「國家信息安全項目」、「中國優秀軟體獎」、「江蘇省優秀軟體產品獎（金慧獎）」、「南京市優秀軟體產品獎」、「省科技進步三等獎」、「市科技進步二、三等獎」等。
⑶ 國內汽車金融的現狀和前景是怎樣的
金融行業創業接近尾聲
2018年的金融創新市場（尤指信貸），基本已經形成了固定的「場景-風控-資金」模式，新的模式幾乎被探究完畢。除非有重大的數據上的突破（如金稅三期數據源），否則我認為不存在模式創新後一輪輪融資走上資本化的道路。我自己聽到VC圈一線的炮火聲越來越小，看金融的投資經理已經供大於求。
然而，由於信貸本身的競爭力很大程度上在場景和資金的BD能力，這兩個能力未必能規模化贏家通吃，這就使得金融行業不具備投資的機會但具備創業的機會。
從創業而言，2018也未必是一個好的年景，監管太左，既然能將168元的水果卡定性為頂風違紀，就不會在乎為了風險而扼殺掉多如牛毛的創業公司。從具體政策上來看，主要是對資金端的壓制。
今天信貸無非兩種模式，要麼自有放貸主體，要麼給其他機構做助貸。
對於自有放貸主體的玩家而言，監管對杠桿率的限制*為致命。過去小貸公司雖然有杠桿率限制，但是通過ABS出表（可以簡單理解為債權轉讓出去），就可規避監管。中國國情潛規則多，監管政策不能看條文，BAT的應對是更關鍵的指標。2017年12月18日，螞蟻金服為重慶阿里小貸增資82億，給整個行業帶來致命的負面信號。原本重慶阿里小貸一直違規超杠桿做業務，2017年注冊資本是20億卻ABS出表了數千億的業務，早已違規。
阿里的解決方案是一邊增資補足杠桿率，一邊將自己放貸改為貸款超市，讓銀行在背後給消費者通過二類戶放貸。對於阿里這樣和監管走得很近的機構，尚有溝通的餘地，大部分小公司，一旦政策落實下來，可能會因為杠桿率被一幫子打死。
助貸模式也並非一帆風順，銀監發〔2018〕4號是*大的痛。第九條：
違規接受未取得融資擔保業務經營許可證的第三方機構提供擔保、增信服務以及兜底承諾等變相增信服務。
講的是，過去往往助貸公司負責獲客和風控，銀行負責資金。因為前端風控很大程度上是助貸公司做的，所以助貸公司要給銀行做擔保，銀行也更願意和強擔保能力的渠道開展合作，比如萬達小貸、360金融、京東金融、小米貸款……
這件事造成的問題就是，銀行把風險放在資產負債表外了，某銀行從08年做汽車金融至今，未出現一筆壞賬，但下屬助貸公司實際上承擔了大量風險，不爆則已，一旦爆發就是大問題。因此監管要求，如果一家公司要給銀行做助貸加增信，要麼是融資性擔保公司，要麼是保險公司。然而前者受到10倍杠桿率限制，後者牌照極難拿。
汽車金融是信貸行業僅剩的創業機會
今天信貸創業要選什麼方向，歸結了兩點：
信貸行業從未出現賽道都賠錢，只有某公司賺錢的情況，更多還是同賠同賺，因此要選擇人人賺錢的賽道。
不要燒錢或者負現金流，*後期望通過資本化變現，很難實現；應當做一家一開始就盈利或者正現金流的公司，即便靠分紅也能變現。
汽車金融行業完美的符合了這兩點：
其一，由於市場處於金融供不應求，滲透率快速提升的階段，市場利率水平還很高，所有萬家利潤都非常豐厚。以銀行擔保系的公司為例，經營得好的，現金流大賺，利潤表小賺；經營得不好的，現金流小賺，利潤表打平，自己的小金庫還貪污一筆錢，總體還是大賺。
其二，汽車金融行業如果通過助貸模式砍3年的頭息，會有非常好的現金流。3年期的二手車分期，基本上可以砍頭息11%，扣除運營成本和費用，剩下5%問題不大。即便通過融資租賃模式，也有辦法把大部分收益前置。
二手車消費貸是汽車金融的先鋒隊
上圖是我歸納的汽車金融的機會分布。簡單講，今天汽車金融行業要麼自己做交易場景，要麼給交易場景做資金批發。理論上自己做交易場景是*好的，但是：二手車因為收車定價需要老闆做，歷來小而散；新車4S店長期經營狀況並不好，新玩家如果沒有明顯競爭優勢，很難逆轉行業的整體頹勢。
資金批發中，車抵貸格局完成了，不是個大市場；車商貸本質上是給高杠桿的小微貿易企業放貸，大方向就是不賺錢的；消費貸中新車機會歸巨頭；二手車消費貸利潤高，而且創業公司有機會。
每一個參與汽車金融的玩家，無論從何種賽道切入，都應致力於舔到二手車消費貸這塊奶油。以下主要為對二手車消費貸的分析。
消費端利率下行，提出精細化運營要求
2018年市場*大的變化，我認為既不是某些銀行的資金政策（因為好資產總有人要），也不是某些浩浩湯湯的汽車新零售（因為想做好太難了），而是大資本進入帶來的消費者端利率大幅下降。
以某行卡分期公司在浙江做二手車分期展業為例，利率大約是擔保公司收取10%的服務費。之後用戶向銀行按「本金=貸款額*(1+10%)」償還，3年等額本息，銀行3年共收利息9%，摺合年化5.8%。銀行利息部分我們不管，金融公司收到手上的砍頭息就是11%，包含了運營成本、風險成本、公司利潤。
對於運營的不好的公司，運營成本6%，風險成本4%，實際上利潤已經是0了。之所以它們仍賺得盆滿缽滿，原因如下：
西北等偏遠地區服務費可達18%，全國平均可達14%，相比於浙江地區，多了4%的凈利。
4%壞賬為Vintage峰值，但時間上是滯後的，故沒有在現金流上體現。
但這兩個盈利手段都站不住腳。*個，偏遠地區的高息本質上是金融供給不足的結果，但是在如今汽車金融大紅大紫的背景下，這個窗口期也就1年時間。第二個，壞賬雖然滯後但還是要顯露出來的，對於一個正常的經營者，只賺現金流不賺利潤表似乎也沒什麼意義。
挑戰的背後是機遇，精耕細作的公司可以搶占粗放經營公司的市場空間。
所謂「大數據風控」
任何技術傳到中國都會被神話，每一家放貸公司都不得不假裝自己擁有大數據風控技術，來面對資金端的質疑。說者不明白，聽者也未必明白，但是似乎掛上了高科技，能解釋一些不能用常理解釋的壞賬率，於是皆大歡喜。
實際上，大數據風控更多的就是回歸分析，根據大量的歷史數據，系統統計出：這些特點的人不還款，這些特點的人還款。
至於其中需要使用到的伺服器技術和數學模型，我們這些技術白痴沒必要關心。
根據大數據風控本身的特點，很容易判斷，什麼類型的貸款可以使用大數據風控：
大量的案例，不僅包括用戶提交的變數，而且要有對應的還款情況。因此現金貸這樣大量案例的貸款易於做大數據風控，而房抵貸這種期限長金額高的，很難做大數據風控。
需要獲取到真實數據，如果獲取的數據可以被包裝，大數據風控就完全沒有用武之地。
讓我們把汽車金融的風險做一下拆分，看看哪裡有大數據風控的機會，大體風險分三類：
真實購車用戶違約，大約Vintage壞賬在1%，相比於3C和醫美分期，買車（豪車除外）的消費行為本身已經篩選出有一定資信的用戶。
車抵貸包裝成消費貸的套現單，即車的買方和賣方都是一起的人，通過消費貸的方式借到了相當於車抵貸的錢。由於後續會慢慢還款，套現單短期看不出壞賬，但後患無窮。車抵貸用戶本身資質差，借來的現金多半是生意周轉或還外債，市場上車抵貸的年化利率都在40%以上，消費貸給消費者的年化利率不到20%，中間的差額就是公司的損失。從另一個角度看，雖然做得好的車抵貸公司催回後壞賬率可達5%以下，但展期率（另一個角度就是逾期率）卻可能高達20%，消費貸公司往往不具備強催收能力，這個問題就會尤其顯著。
純粹詐騙，消費貸購車後將車二抵或者黑車賣掉，一般還款1期以後就再也不還。由於首付比例高，且賣黑車有折價，通過這個方式騙得的金額並不高，而手續卻極其繁瑣。可以認為，一般不會有人准備一套手續僅為了騙一輛車，多半是車商拉一堆白戶騙走金融公司大批量貸款，作案時期可能在數周到一個月。
*種風險是我們可以接受的，由於市場大環境好，不需要太擔心，反而是做了風控容易提高拒單率，得不償失。
第二種風險是*不能接受的，是容易被很多汽車金融公司總部忽視的隱形炸彈。而第二種風險的發生，一定是車商和業務員的一致配合，車商必然知道買家和賣家是一起的，多半情況業務員也會知道，因為需要包裝材料並做高評估價。在第二種風險中，大數據風控完全無效，因為傳到總部錄入系統的數根本就是假的。今天大部分汽車金融公司處理此事的做法是高壓線的管理政策，有的直接開除，更有甚者直接讓作惡員工吃牢飯。
第三種風險是整體性的風險，不出事則已，一出事可能就是總AUM的2-5%的壞賬。由於利益太大，可以騙一票後出國永不回來，對員工高壓線的做法也已經不管用了。今天大部分汽車金融公司處理此事就兩個方法，一個是總部電核，一個是巡查制度。
討論一下大數據風控的應用：*個風險可以用大數據風控，但沒啥效益。第二個風險都是假資料，根本沒法用大數據風控。第三個風險中，大數據風控可以發現一些假單子的聚類，從而給出警告，通知人工核查。但這也屬於屠龍之術，出事情之前沒人能覺察到效果，也沒人會重視。
總結一下，大數據風控*的作用是識別批量造假的單子，但沒什麼值得神話的。線下放貸的生意，一線的炮火聲只有業務員聽見，把人管好才是根本。
三種模式：直營、區域代理、商戶代理
理論上，和任何消費分期市場一樣，二手車分期應該也有三種模式：
直營：自己的業務員在二手車門店蹲著等單子。
區域代理：區域加盟商負責養業務員並且承擔風險。
商戶代理：二手車商作為代理，給自己的客戶附加金融產品，並直接給金融公司總部推單子。
到底哪種方法好，大家一直爭論不休。
直營是*原始也是*靠譜的模式，*的缺點就是擴張慢，一旦擴張快就管理事故。
區域代理解決了擴張速度的問題，但由於區域代理的收入取決於業務量，區域代理天然就有放寬風控甚至幫助包裝材料的傾向。為了解決這一問題，很多金融公司要求區域代理連帶擔保，但是代理商實際不具備相匹配的主體資信，*後的結局就是，一旦不小心出了風險，代理商只能不斷擴大業務量搏一把，*後不得不跑路。
商戶代理貌似比區域代理好一些，商戶本身了解業務場景，也具備主體資信可以提供擔保。
直營和區域代理相比，毫無疑問，直營更好。但今天二手車消費金融市場做全國展業的公司，沒有真正做直營的，直營因為擴張速度的原因頂多做到2-3個省份。大量號稱直營的，實則區域代理。這兩者本無優劣，無非數量與質量的權衡問題。我相信，小而美的區域性直營公司，大而全的全國區域代理公司，將在很長一段時間內並存。
商戶代理模式就有更多可探討的空間，參考*為成熟的3C分期市場的經驗，*大的兩家，捷信和買單俠是直營模式。閃銀是區域代理模式，是因為當時希望快速佔領市場的權益之計，選擇的代理商並不要求行業背景，而清一色是當地有水電站、大型超市等產業的老闆，主要考慮到代理商的擔保能力。在3C分期領域，商戶代理模式從來沒有成功過，基本以商戶騙貸告終。
3C分期中商戶代理不可行，對比二手車分期是否也不可行呢，有幾個情況差別：
3C市場，風險都集中在用戶的還款能力；而二手車市場，風險都是欺詐問題，如果商戶配合，可以有效降低二手車分期的風險。
3C市場，都是連鎖店面，每個單獨店面的員工不具備風控能力；而二手車市場，都是老闆常駐一家核心店面，具備風控執行能力。
3C市場，金融收入只佔總商戶總收入很小比例，商戶沒有動力管理金融業務；而二手車市場，金融收入佔比極高，每一個老闆都有興趣參與金融業務。
總結一下：
從業務擴張速度看，區域代理>商戶代理>直營。在2018年，業務擴張速度再怎麼強調都不為過。
從風控水平看，直營>區域代理=商戶代理。值得一提的是，第二種客戶騙貸的風險，商戶代理模式或許可以完全杜絕；但對於第三種整體跑路風險，因為商戶代理模式給了商戶更大的許可權，很容易在商戶代理模式下出現。
資金從哪裡來
今天二手車消費貸公司獲取資金主要是銀行擔保系（助貸）和融資租賃兩大模式，具體產業鏈結構可以見我下圖的總結。
一條路是助貸，即銀行擔保系准入。缺點是資金不穩定，優點是高杠桿率且砍頭息。CEO清一色60後和70後，沒有80後的。大公司和小公司拿資金的能力不會有特別大的差距，我認為擔保系的大公司不應該享受超額溢價。
另一條路是自己放款，理論上可以有融資租賃、保理、小貸、消金等牌照，但由於融資租賃可以佔有物權方便催收，且牌照便宜，所以融資租賃成為主流模式。融資租賃先放款，形成資產包後再轉讓給資金方。優點是魯棒性更強，不依託任一資金方，而是打包成現金流資產後，可以賣給任何機構。但資金方實際上還是無法看清資產包內的資產，缺點是依然要依靠資產端主體資信來決定融資能力。
曾和一個CEO聊起，什麼事情都能靠BD，只有找資金不能靠BD。看的案子越多，這句話我越認同，找資金這件事，不是新經濟，而是舊經濟，是傳統金融。如同某知名汽車金融公司，CEO原本主機廠金融高管出身，一開始做銀行助貸，再抱大腿聯合成立融資租賃，*通過幾輪股權融資，讓公司真正具備了主體資信。在做汽車金融早期投資的時候，我們應當致力於發現具備這樣潛質的CEO，並給予超額溢價。
車源問題
上面講的都是資金批發中風控、展業、資金的細節，除此以外，很多人在思考，是否有資金批發以外的方式和車商建立關系？大約探索了如下模式：
SaaS：屬於附加物，工具類產品的競爭壁壘是有限的。
保險：屬於另一攤生意，不同保險經代在不同時間能拿到不同價格提供給渠道方，有比價和出單平台的機會。車險本身已經是沒有利潤的生意，除非保險公司違規變相補貼，否則很難有玩家在這個領域具備規模化競爭優勢。
車史數據：可以幫助車商提供檢車的輔助，有一定價值，但是車商不會為單筆查詢付太多錢。
估價數據：用途比較有限，定價是車商的核心能力，估價數據更多的是用於參考，基本低於實際成交價。
銷售：小城市的二手車是如何成交的？首先，二手車市場是一個賣方市場，掌握了優質車源的車商是強勢方。其次，車商和「拼縫的」（拉客戶給車商的中介）一起，一方面找熟人關系殺熟，一方面在58趕集和當地論壇刷帖子，希望碰到肥羊。一般一個車商一個月也就成交2-3台車，都是強銷售和信息不透明的路數。為二手車商提供的銷售服務無法做到閉環，僅能起導流作用。然而，正如訪談的某車商所說「老子有一輛賓士在手，城裡想買二手賓士的，無論找到哪個車商都會帶到我這里。本來就是我的客戶，有沒有XX平台都會到我們市場里來。」
車源：非常重要的手段，車源是車商的核心生產資料，誰控制了車源，誰就控制了車商。大部分汽車金融行業的投資人和創業者都認為，車源是顛覆行業的關鍵。
現有二手車源是怎麼來的呢？90%以上都是4S店的置換車。一個車主需要將車子出手，多半是要換新車，於是去4S店買新車的時候，4S店就會找到當地二手車商過來定價收車，車商再返給4S店工作人員一定的好處費。
如何提高車源效率？一個方法是創新性地拿到車源，一個方法是提高車商串貨效率。
先講拿車源問題，需要考慮的兩個關鍵要素分別是「流量」和「定價」。
流量上，從消費者有賣車需求開始，到接觸4S店被收車，中間的時間很短，如何在這么短的時間內切入消費者。顯然互聯網營銷是不管用的，因為命中率太低。通過做4S店導流，順便抓取精準流量，是一個方法，難點在於4S店導流本身是個虧錢買賣，沒人做好。和4S店集團合作統一收車，也是一個有效的方法，但如果無法做大蛋糕，僅僅是將員工的灰色收入變為4S店集團的收入，還不如直接讓4S店做全員降薪，解決不了根本問題。
定價上，由於「一車一況」，任何數據化的定價方案都只能確定參考價，一旦涉及人來主觀定價，委託給任何人都存在權利尋租空間。現有*成熟的方案是優信拍，集中車源在一個場地，買家線下看車線上競拍，來解決定價問題。但很多時候，優信拍無法做到交易閉環，車商讓用戶在優信拍上定價後，提高一點兒價格在場外完成交易。
車商串貨問題，彼此相識的車商可以直接微信達成交易，互聯網改造這個場景的核心在建立車商信用體系。譬如某些城市車管所建立的當地二手車商聯盟（商會），先通過擔保制度和邀請制度做好車商准入，再建立一系列的信息發布規范，對於不遵守者進行懲罰，久而久之，建立起各車商的信用體系，大大降低了交易的摩擦成本。
綜上，汽車新零售是二手車車源端改革的機會，車商聯盟是解決車商串貨問題的有效手段。
結論
今天二手車消費貸公司獲取資金主要是銀行擔保系（助貸）和融資租賃兩大模式，具體產業鏈結構可以見我下圖的總結。
總結前述內容的觀點如下：
1.受限於監管和降杠桿周期，金融行業的創業接近尾聲
2.但汽車金融仍然處於金融滲透率提升的階段，至少還有2-3家上市公司的機會
3.二手車消費貸是汽車金融中*肥的肉
4.消費端利率下行，精耕細作的公司可以搶占粗放經營公司的市場
5.大數據風控效果有限，歷經時間打磨出來的管理半徑是風控核心
6.直營小而美，區域代理大而松，號稱全國直營的，大部分都還是區域代理
7.相比區域代理，商戶代理可以防止套現單，但是容易整體跑路，並非好模式
8.資金端能力要靠老闆背景，具備強資金能力老闆的早期公司是投資窪地
9.汽車新零售是二手車車源端改革的機會，車商聯盟是解決車商串貨問題的有效手段
⑷ AI與HR的未來
AI與HR的未來
AI與HR的未來，AI不是HR的敵人，而是工具。工具不會逼人死，只讓不會使用工具的人失業。那麼大家知道AI與HR的未來怎麼樣？接下來就和我一起來看看吧！
AI與HR的未來1
一、「不是人」的時代還有多遠？
幾個月前，片區的菜鳥驛站跟風了自助取貨和自助寄件，物流員工們只管把包裹碼上貨架，至於怎麼把別人寄來的二十斤書從最高層取下來，那是客戶的事情。這讓我心有餘悸，急急的找一線前端的朋友打聽，這無人概念是「沒有人」呢？還是「不是人」呢？前端朋友說，馬老師現在推廣的暫時是「沒有人」——WHAT！在我看來，「沒有人」是素質問題，「不是人」才是科技問題。素質問題很縹緲，科技問題倒是可以期待，那什麼時候能實現「不是人」的時代呢？
這不，馬上要AI了么？
AI是無限接近於人的「不是人」。小夥子問「不是人」的時代還需要研究人的HR做什麼？
存在於虛擬世界的人工智慧，想要在現實世界完全替代人，起碼需要製造業再一次飛躍。這種飛躍，不是三十年前的效率和量的飛躍，不是十年前的產業升級，而是對設計、生產、精密化整個流程的高度升級。看看現在製造業的哀鴻遍野，就知道「不是人」的時代還遠得很。HR在最近的五年，乃至十年，還要管人。即便將來「不是人」的時代到來，這個世界仍然擠滿了人，只是工作內容不同。就象《春風沉醉的夜晚》里的紡織女工，其實和坐在電腦前做圖的美工並無二致，如今「電腦在手，天下我有」的現代豪情，只是科技工具給人的幻覺。
二、AI與人類智慧的關系
柯潔和阿爾法狗磕上了。一台電腦是怎麼在人類發明的古老游戲里贏過人腦的？畢竟人類玩圍棋已經近千年。問題就在這里了，阿爾法狗存儲了人類千年來的棋譜，它巨大的腦子里有千年來無數棋手無數對陣的經驗，而柯潔的人腦里能存儲的棋譜必然有限。阿爾法狗還能通過無數棋局的對比，測算出對方下一步落子的概率，迅速得出對策，這也是柯潔無法做到的。可這並不是AI的勝利，恰是它的失敗。如果沒有千年來棋手們積累出的大數據，阿爾發狗拿什麼去測算？阿爾法狗在對陣中的勝利，是千百萬個柯潔的勝利。它的每一次加速，每一次落子，都閃耀著人類棋手的智慧。所以，沒有人類智慧的不斷積累灌輸，阿爾法狗只能和古人玩。AI不是洪水猛獸，只是人類為自己創造出的又一偉大工具。人類在不斷創造並使用工具，將AI 和人對立起來，是愚昧的。
有人說AI終有一天會自我學習、自我創造，獨立於人類智慧而迅速發展。——ROBERT將統治世界。現實世界的問題，必須以現實世界體驗中產生的智慧去解決。ROBERT和人組成的現實世界，ROBERT數據分析的速度可能勝過人類，可人類智慧從來不靠速度取勝，而是多元化。多元化不僅意味著人類智慧因文化差異而無可窮盡，還意味著隨機與變異，即不按常理出牌才是人類智慧的常態，這是AI所不能的。即便有一種無限接近人類而不是人類的智慧存在並發展，那也是與人類智慧此消彼長。人類與AI的關系，就象數的兩極，發於原點，交集於無窮遠處。看似南轅北轍，實則互為補益。
三、AI不是HR的危機而是機遇
社會化大生產被科技工具和人本需求從內到外肢解成更小的作業單元，甚至個人都能作為獨立的作業單位參與生產。外包作業單元參與流程的案例不甚枚舉，大到礦業投資，小到個人理財，事務所和獨立咨詢師只是殼的不同，業務內質並無差別。科技將時間和空間聯接起來，效率甚至高過了流水線作業。這種肢解不僅存在於單一的底層，而是縱穿整個社會生產過程，任何行業都不能倖免，包括HR。
HR本身有事務型和專家型的隱形分層，三支柱理論正是這種分層在企業內部的實現。在以上所述的市場情況下，三支柱理論可以進一步社會化。執行BP留在企業，SSC交給專業流程公司，COE由外部專家完成。事務型HR在現有的從業人員中佔有非常大的比例，很多HR知識還在教育人們解決底層事務性問題，一旦強大的AI能夠替代這些工作，這些人與知識都將被淘汰，讓人產生無上惶恐。實際上，知識在不斷的淘汰。如果不堅持學習，五年就會成為新時代文盲，這與AI是否產生沒有關系。ERP讓管理人員失業了嗎？財務軟體讓會計消亡了嗎？EHR讓HR瀕臨死地了嗎？AI不是HR的敵人，而是工具。工具不會逼人死，只讓不會使用工具的人失業。
展望未來,AI可以幫助BP完成基層事務或咨詢，強大的處理器在專業流程公司用於分析歸納大數據，設計性價比最高的路徑，同時處理多家公司同類事務。為COE外部專家提供數據和參謀服務。
相應的`，HR將產生更明顯的業務分支。
1、在企業內部從事基礎事務的HR主要致力於三點：流程、法務、工具的熟練掌握、現場應變能力、溝通協調能力。
如果AI進入量產，依照國情必然預裝通用的規則和流程。金融、法務、財務、審計等法規相對完善，關乎國民利益的行業首當其沖，我們在金稅三期的設計思路中可知一二。熱衷於新概念的HR行業自然不甘落後。企業HR基礎事務管理將由粗放型轉向標准化、精細化，對理論知識、高效工具及標准流程的熟練程度決定了HR是否能夠通過新階段的考核。
AI與人不同的地方在於AI運用大數據趨勢進行決策，而人能根據現場情況應變。當然，AI會將每一次人類的應變場景收入資料庫，作為下一次決策的參考，這就是所謂的AI的學習能力。HR對所處的微觀環境有著和機器不同的現實體驗，因此，只有對人的特性有著理性和感性敏感的HR才能在將來的環境里發揮作用。這需要HR加強心理學的學習和實踐。
企業內部HR是一個燃燒情商的崗位，既有服務職能兼有管理職能，面對上下左右的利益沖突、個人情緒，每說一句話都要斟酌再三。察言觀色是職業本能，思前想後為形勢所逼。這正是AI所不能為之處。AI有著強大的知識存儲，與強大的搭檔配合需要有強大的知識和能力的儲備。
2、專業模塊的HR有兩條路可走，一是去專業 的SSC企業，從事流程設計和事務代理工作。二是進一步提升成為HR專家，去外部COE咨詢公司。
過去，內部SSC中心就象管家部，填報表，跑流程，收發資料，在人事管理時代，占據了人事部最大的工作量。現在，仍然有很多企業以完成流程事務作為HR部門的最大考核指標。企業的流程效益決定了管理成本的效能。SSC工作的外包，可以大大提升企業流程效率和規避風險。
眼下，人力外包業務最多的是招聘外包，而我認為招聘外包是一種偽外包。如今信息傳播扁平化和渠道單一化，看似矛盾，其實統一。正如企業生存之道在於某一領域的專業深耕，作為企業重要生產資料的人力必然存在於某一領域，企業自身在領域中的深度決定了招聘有效性，外包公司在行業中的深耕並不能對招聘有效性有多大的提升——找得到人不代表人會來。招聘效率與企業自身質量、在市場上競爭能力成正比，而不是與外包公司的挖掘能力成正比。
將復雜的事做簡單，簡單的事做優秀，是SSC類企業的重要目標。SSC與AI的結合，大大提升了流程事務處理效率。HR在專業SSC公司要做的，是根據大數據和自身經驗，設計、修正流程，為提升AI的效率和精準服務提供指導和支持。這就要求從事SSC工作的HR對基層事務有著從具象到抽象的經驗，對流程效率和成本高度敏感，並能提出專業的解決方案，這需要一群專業會做事的人。
3、COE是HR的管理大腦。需要HR具有基層工作經驗、強大的數據分析能力和創新研發的能力。挑選 COE的關鍵，在於數據抽象分析、對宏觀勞動市場的敏感度、又能對現實企業問題作出實效方案的能力。
很多HR都想一步到達這個層面，而一個COE專家至少需要十年以上的專業工作經驗，具備在某個或多個模塊中深耕的能力。有了AI的參與，是不是這個時間可以縮短呢？不一定。AI會促使全行業門檻提高、人員精簡，對COE提出更高的要求，很多人可能永遠留在了BP或SSC。與過去的企業內部COE有很大不同，專業COE咨詢師對數據研究跨度更大，縱向更深、眼光更遠，著眼於行業，著手於企業。
我們會不會面對機器人HR？我想不會太快。但是AI與HR的結合，這一天，會有多遠，很難講。各行業都在嘗試數據共享和整合，某一天HR數據也上傳入雲，六大模塊將會發生顛覆。基層做賬會計被AI替代已在眼前，HR業務的分層也會在最近的三年發生。
實際上，很多一線城市和個人咨詢師已給企業做外部HR部門的試點。很多企業家對金錢換效率算得很清楚，與其自己摸索多年，不如外包給專業公司或事務所搭好框架，再做內部填充。對於無力招聘高端HR專家的創新型企業來說，去外包公司眾籌一個高效的SSC和永不下線的COE專家組，是更為劃算的辦法。
羅馬城不是一日建成，AI也不會一舉殲滅所有崗位。人在，HR就在。不想讓科技工具成為我們的敵人，就要充分理解科技工具於HR的意義，找到自己的定位，掌握它，配合它，融合它。
AI與HR的未來2
牛津大學預測，在2025年，47%的工作會被機器人取代，也就是說在這個會議室里的500位HR，將有一半的人的工作會被機器人取代。
在美國加州，谷歌給出一組數據：當人類駕駛時，事故率達到每百萬有4.2個，而機器人只有3.2個。很明顯，機器人開車比人要安全。
無人駕駛，我們人力資源做什麼？
在美國西部，IBM的休斯頓神學醫院，沃森機器人看X光時比醫生 快30倍 ， 准確率達到99% ，而醫生的 出錯率是 20%，特別是乳 腺癌，白白地將病人送上手術台。
無人醫生，那我們人力資源做什麼？
在美國東部的紐約，有一家剛剛創辦了只有兩年的公司，專注於智能投顧，只有機器人管理，提供24*7的服務，不眨眼不休息，每時每刻為社會服務。這家公司15年成立，第一年只有1.1億美金，第二年5億美金，現在500億，到了20xx年，會達到2500億的資產管理，而且都是由機器人管理。
機器人比人更賺錢，那我們人力資源做什麼？
未來50%的工作會被機器人取代
我們人力資源到底該做什麼？
以上是雲谷慧商學院及中國HR最強大腦創始人邰宏偉在人博會現場，針對「正在被顛覆的人力資源」做的深入分析與思考，讓貝貝印象深刻。
他從趨勢、路徑、戰略和組織四個角度，對人工智慧新時代的HR提出了成長路徑和AI三角組織變革方案。
人工智慧時代的是三個路徑： 自動化、數據化、增智化。在未來70%的決策是機器人做的，人需要去做審批的工作。HR需要跳出人力資源，利用組織創新，把整個社會的資源歸為己用。
那麼，什麼行業將會被取代？
人力資源是否會被替代？
案例分享
我在海爾呆了三年，幫助海爾做戰略轉型。後來收到了一個非常智能的洗衣機，每走一步路，機器人都會提醒我一句話，比如：
「您太太的紅色襯衫不能和您的白色衣服放在一起洗。」
「您太太非常喜歡這件衣服。」
原來，在手機的屏幕上顯示，這件衣服我太太兩周洗了14次，天天穿天天洗。
「今年新款出來，打7折，要不要？」
我一次買了3件，我太太回來可使勁地誇我。
機器人，比我更懂我太太。
也因為人工智慧，銷售被機器人代替。歷來的京東、淘寶都會被這類的機器人代替掉。
總結下，海爾轉型是一年兩年的探索得來的，工作流程從模塊化到無人生產，黑燈工廠，最後是互聯工廠。
互聯工廠是干什麼？
用戶交互、眾包定製、訂單定製、生產可視、交付可視、試用體驗……等等
也就是說，只有洗衣機被買回去，它的價值才開始；對於公司來說，真正的贏利模式才開始。
這個才是未來，我叫之為M2C。
人工智慧這么重要，這意味著什麼？
1、 自動化：無人工廠、黑燈生產
2、 數據化：洗衣機收集數據
3、 增智化：洗衣機幫助購物
這是人類歷史上對機器人重新定義： 減少我們的腦力勞動，更加有意義的工作。
實現「智能時代」創新與轉型的挑戰
海爾當時的問題是，一年內都沒有研發出一個顛覆式產品，領導讓我去設計組織構架。通過調研，我發現花再多的時間在組織架構，也不能解決這個問題，反而，我幫助海爾搭建Hope這樣一個平台-海爾開發合作生態系統。
任何人都可以到這個平台上去，提交你的創意方案，與海爾互動。一旦方案確定，海爾立馬注資75%，讓你成為老闆，合作轉化，盈利之後分成。每年這個平台可以孵化200多個產品。
這也是每一位人力資源需要做的事情，跳出人力資源，解決公司最根本的問題。這個平台，組織創新，將把全世界變成了海爾的人力資源部，將把全世界變成了研發部。
AI三角
總結我在海爾5年的工作經驗，結合人工智慧時代的到來，我得出了一個「AI三角」理論。未來的HR都要了解學習「AI三角」。
AI三角是什麼？
首先你需要考慮產品與平台的關系。
紅領不僅做了一個智能化的生產線，它現在進入了智能家居、智能燈具，未來還有可能進入私人定製領域等等。它這樣就把一個產品公司轉向了平台公司，這是未來的管理者和HR都需要考慮的。
第二個就是人思與器思。在未來，70%的決策是機器人做的，不是人做的。機器人做決策更快，看的更多。人只做審批的工作，解放人，人做決策，機器人聽話。這時，你就需要思考一個問題，在你組織是人做決策還是機器慢慢代替人或者幫助人做決策。
最後一個，最最最最需要解決的是核心與大眾。人力資源招聘了這么多人，還有大量的精力與時間花在培訓上面，培養了一群核心力量，可惜這些核心力量基本上都帶有偏見。偏見就是過去的成功阻礙了這個公司的發展。那麼，真正的多視角的人在哪裡？
在社會上！所以，在這個情況下，海爾就解決了核心和大眾的問題。
那麼未來企業的發展，就在於這三方面，而這三面幾乎都是HR需要做的事情。
首先，是要考慮你司到底是做產品的組織結構還是打造平台的組織結構？這兩者是完全不一樣的，未來，所有做產品的公司慢慢地都會隸屬於某一個平台公司。是創建一個平台還是加入其它平台？
再者，人思與器思。決策機制到底是什麼？這是HR需要梳理的一個流程。
但最最最需要解決的是，核心力量和社會力量如何平衡，這是人力資源需要跳出人力工作，要解決的最大問題。
因此，我和楊老師（《組織能力的楊三角》一書作者）討論了下：組織能力的楊三角應該轉變成AI三角。
⑸ 金稅四期得死多少企業
網路知道
有問題搜一搜
金稅四期得死多少企業
北漂的前端
TA獲得超過 911 個贊
私信
金稅三期，實現了對國稅、地稅數據的合並及統一，而金稅四期，不僅僅是稅務方面，還會納入「非稅」業務，實現對業務更全面的監控。更是會充分運用大數據、人工智慧等新一代信息技術，實現智慧稅務和智慧監管！
拓展資料：隨著數據越多，畫像越准，涉稅風險也越來越明顯，比如說稽查，有了數據後，先歸集疑點數據，發現風險點，稽查局再「按圖索驥」去稽查，實際上就是將稽查過程變成了「查證系統篩查的風險點」的過程！
也就是說一些存在虛假開戶、少交個稅社保、虛開發票等等情況的企業，將無所遁形！企業的收入、成本費用、利潤、庫存、稅額、銀行賬戶、社保等都將是重點監察對象。而這一切，無一不與我們會計人員息息相關！更重要的是，很多較為「常見」的「小問題」，也可能會出大事！例如——私車公用/公車私用涉稅問題企業的往來賬戶掛賬過大同一單位員工同時存在工資薪金所得與勞務報酬所得增值稅專用發票用量變動異常企業大量取得未填寫納稅人識別號或統一社會信用代碼的增值稅普通發票。還有諸如買發票、對開發票、用發票抵稅等等各種避稅手段都會嚴查必罰！
3.
1、金稅四期
在金稅三期的基礎，納入「非稅」業務，實現對業務更全面地的監控，再加上各部委、人民銀行以及銀行等參與機構之間信息共享和核查的通道，實現企業相關人員手機號碼、企業納稅狀態、企業登記注冊信息核查三大功能。
這也說明，金稅四期的推進將會使得現在的現代化稅收征管系統更加強大，實現「稅費」全數據、全業務、全流程的「雲化」打通，為智能辦稅、智慧監管提供條件和基礎。為更嚴、更精準，更全方位全智能化稅務稽查打下了基礎，國家織的「監管天網」越來越嚴密，企業違法成本越來越高。
金四期=金三期的一平台兩級處理四類系統+非稅業務（涉稅業務全面監控）+信自己共享（打通國家各部委、人行、各銀行等所有通道信息共享）+信息核查（企業相關人員手機號、登記注信息、納稅狀態）+高端雲化打通（稅費進入全數據、全業務、全流程、全智能監控）