税收数据分析之所以难以取得成果主要有以下几个方面的挑战：

一、数据质量问题

1. 数据的完整性：税收数据来源于各个部门，涉及的层面多、范围广，数据的来源可能不统一，信息的获取也可能存在漏洞，导致数据不完整。
2. 数据的准确性：税收数据会涉及到多个环节的录入和转移，每个环节都可能存在错误，数据的准确性无法得到保障，从而影响分析结果的准确性。
3. 数据的一致性：各个部门采集、存储、处理数据的方式可能不同，数据的格式和标准也可能存在差异，导致数据不一致，无法进行有效的整合和分析。

二、数据处理问题

1. 数据的清洗和整合：税收数据量大且复杂，需要进行清洗、整理和整合，但这个过程可能需要耗费大量时间和精力，操作难度较高。
2. 数据的分析方法选择：税收数据可能涵盖多个维度和指标，如个人所得税、企业税收等，不同的问题需要选择合适的数据分析方法，而寻找适用的分析方法本身也是一个挑战。
3. 数据的可视化和解释：分析结果最终需要呈现给决策者或相关人员，需要将复杂的数据分析结果以简明易懂的方式进行可视化和解释，但如何准确表达数据背后的含义，也是一个难点。

三、政策和法律问题

1. 数据的保密性要求：税收数据属于敏感信息，具有隐私性和商业机密性，需要严格保护，对数据访问和使用的限制可能会使得数据分析的过程受到限制。
2. 法律法规的限制：税收数据的使用和分析受政府的监管和法律法规的限制，需要遵守相关规定和标准，避免触犯法律。
3. 政策调整的影响：税收政策经常会受到宏观经济、社会环境等因素的影响而发生变化，这些变化可能会对税收数据的分析结果产生影响，增加分析的复杂性。

综上所述，税收数据分析的复杂性主要来自于数据质量、数据处理、政策和法律等多个方面的挑战，需要综合考虑多种因素才能取得有效的分析成果。

税收数据分析难以取得成果可能有以下几个原因：

1. 数据质量问题：税收数据通常是由不同部门和机构不同时间收集，存在着各种不完整、冗余、错误、甚至虚假的情况。这会导致数据不准确、不全面、不一致，难以进行准确的分析和有效的决策。

2. 数据整合难度：税收数据来自各个部门和机构，数据格式不统一、数据字段不一致，数据之间缺乏关联性，导致不同数据源的整合变得非常困难。缺乏有效的数据整合方法和工具，往往需要耗费大量的时间和精力。

3. 数据量大且复杂：税收数据通常是大数据，包含海量的数据记录和变量，且数据结构复杂，具有多维度、多层次的关系。在这种情况下，如何高效地处理和分析数据，发现数据之间的潜在关联性和规律性，成为一项巨大挑战。

4. 数据安全与隐私问题：税收数据属于敏感数据，涉及国家利益和公民隐私，数据泄露和滥用的风险极高。在数据分析的过程中，需要遵守相关法律法规，确保数据安全和隐私保护，这给数据分析带来了额外的复杂性和约束。

5. 技术和人才短缺：税收数据分析需要大量的专业知识和技能，包括统计学、计量经济学、机器学习等领域的知识，同时还需要熟练掌握各种分析工具和软件。然而，目前很多国家和机构的税收数据分析团队缺乏足够的技术和人才支持，导致难以进行深入的数据分析和挖掘潜在的数据价值。

为什么税收数据分析难以取得成果

税收数据分析是一项复杂而困难的工作，主要受以下因素影响：

数据质量问题

首先，税收数据本身存在着诸多质量问题，如数据缺失、数据错误、数据不一致等。这些问题会导致分析结果的不准确性和不可靠性，从而影响决策结果的准确性。

数据量大且复杂

税收数据通常涉及到大量的交易记录、纳税人信息等，数据量庞大且结构复杂。在处理这些数据时，需要运用复杂的算法和模型，耗费大量的时间和精力。

数据多维度

税收数据涵盖了很多方面的信息，如纳税人的收入、支出、资产等，需要综合考虑不同维度的数据进行分析。这需要对数据进行合理的分类和整理，以便进行有效的分析和挖掘。

数据安全和隐私考虑

税收数据涉及到个人和企业的隐私信息，需要遵守相关法律法规对数据进行保护。在数据分析过程中，需要确保数据的安全性和隐私性，这增加了数据分析的难度。

技术和人才要求

税收数据分析需要运用先进的数据分析技术和工具，如数据挖掘、机器学习等。需要具备专业的技能和知识，对数据分析工具和算法有深入的了解。缺乏相关的技术和人才支持，将会影响数据分析的质量和效果。

政策和监管限制

税收数据分析受到政策和监管的影响，可能存在一些限制和规定。在进行数据分析时，需要遵守相关法规和政策，这会对数据分析的过程和结果带来一定影响。

综上所述，税收数据分析之所以难以取得成果，主要是受到数据质量、数据量、数据多维度、数据安全和隐私、技术和人才要求以及政策监管限制等多方面因素的影响。只有克服这些难题，有针对性地进行数据清洗、数据处理、模型建立等工作，才能够取得较好的分析成果。