中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

比起規模宏大的平臺架構，筆者希望專注于項目本身，并記錄這個項目的全生命周期，希望大家花7分鐘，就能了解到一個項目的前世今生。

背景

我所在公司是本部在美國的跨國企業，經常會有很多關于內控方面的需求。最近筆者就接到了來自財務部門關于SOX compliance audit 的需求。

首先什么是SOX compliance audit – SOX原稱Sarbanes Oxley Act，來源于美國聯邦頒布的一套非常復雜法案，其中對企業影響最大的是每年要求出具一份內控報告來評估企業是否有足夠的內控，同時需要核算時對這份報告進行背書。

在這個背景下， 筆者身為市場部門數據中臺負責人，內控項目理所當然也就成為了我們團隊需要重點關照的對象。這其中有一條業務線是關于與廣告聯盟的合作，基于不同的傭金模型，比如基于導流或者導流所產生的成交支付傭金。這條業務與超過13萬個獨立導購網站正在進行著合作并每年為公司創造上億美金規模的利潤。同時公司也需要支付千萬美金的傭金費用。

痛點分析

今年財務團隊對這筆費用準確性提出了質疑。 筆者公司有20+人的業務團隊負責對接13萬個合作伙伴，因為業務變化過快，費率模型過于復雜，并行操作過多，單單依靠業務團隊維護一套正確的費率計算變成一個大難題。 實際上除了勉強能維護頭部的頂級流量外（其實也是亂七八糟），大部分合作伙伴基本處于完全失去管理的狀態。

當我們團隊接手時，發現業務同學把所有的費率數據全部維護在谷歌文檔，并且經常發生多人同時對這個文檔進行修改。

提一句，這個現象在傳統企業是一個非常普遍的現象，隨之而來的就是導致了流程管理極為混亂，數據質量參差不齊，有限的人手導致數據遺失非常嚴重。更糟糕的是，我們團隊在進一步分析后，發現理論支付的傭金數和實際支付差距高達40%。根據SOX法案，如此‘驚人’數據肯定無法順利通過內控審核。

需求分析

筆者梳理了一下現有的業務的流程：

介紹一下這個第三方管理平臺，它用來管理于公司合作的所有導購網站并核算傭金模型以及傭金支付。業務團隊會直接在第三方的管理界面上調整對傭金模型進行配置，而數據團隊定時將導購網站的交易數據分享至第三方平臺，并通過傭金模型計算出我公司需要支付的傭金費用。

可以發現，最核心的費用計算全部依靠這個三方平臺，而我們公司其實沒有辦法保證這個平臺的計算準確性。那么一旦面臨審查機構對我們的質訊時，這個問題就會凸現出來，目前由于大量人工的操作瓶頸， 所以沒有辦法對海量的模型進行把控，對每一比交易進行核對并對可疑交易進行預警。

所以這個項目需要的是構建一套并行的內部費用計算系統，實現高度監管的傭金審計自動化工作，幫助業務和財務部門高效監控費用支付并保證支付準確，并主動對有可疑的交易進行預警。

這個需求有兩個難點：

（1）傭金模型結構化過于復雜，存在大量的定制化需求以及獎勵觸發條件。 這種業務在不同層面的切割會導致結構化后數據會有極大的膨脹。

下面舉一個例子：導購網站A在手機品類上的傭金是1%，在首飾品類上成交總量10000美金以下傭金2%,超過部分5%，其余的所有的傭金為2%。

對于這個一個傭金模率，當在全品類（千種以上）上的時候費率展開多達上萬條。(如下)

實際情況遠遠比這個傭金模型復雜的多，我們有130萬個這樣的合作伙伴，意味著即將要面臨的是海量費率模型的全歷史維護并進行準確的費用計算。

（2）對于主動預警需求的多樣性

財務和業務團隊為了保證高質量的引流，在各個方面都可能會添加預警，如交易數量不平，傭金金額不平，獎勵條件觸及不合理等。那么面對這些在未來很有可能需要大量開發的工作，如何做到讓用戶可以以最小的成本，定制化監控和預警，在設計上給了我們一個很大的難題。接下來的產品設計就著重從這幾個角度出發，進行實現。

產品設計

基于以上分析分析，我們提出了整體解決方案：

1. 和三方平臺對接，落地傭金模型ODS層。
2. 開發語意引擎，自動消費傭金模型元數據并使用結構化引擎來讀取費率模型，生成最細粒度的結構化費率數據。
3. 應用傭金模型，使用核心交易數據模擬實際支付費用，并與傭金結算數據進行對比，實現費用監控。
4. 預留多層級自動監控和定制化警報推送。
5. 開放結構化的傭金模型數據，為分析師和業務人員提供自主分析和查詢。

上面的設計滿足了以上的幾個需求。 首先我們通過自動集成第三方的數據落地ODS層保證了數據的一致性，同時在本公司內部同步了一份可讀的傭金模型。

在結構化引擎這一層， 我們將傭金模型進行扁平化展開后，對語義進行封裝，保證了對以后對更多的傭金模型的橫向可擴展性。最終將加工過的數據結構化落地， 并在我們的數據平臺上進行開放，供SQL based 分析。

之后將數據進行BI層的搭建， 基于業務需求，對多個數據源進行聚合，通過OLAP（Kylin）進行數據聚合后，在我們內部的BI應用上進行展示。

過程中對異常數據，我們團隊進行了在各個層級的檢測，從ODS， 數倉， OLAP， 業務每一層都預留了數據檢測的定制化服務，允許包括工程師，分析師以及業務同學，定制基于需求的異常監控和主動預警。

交付和資源配置

這個項目涉及到了跨團隊合作，跨公司合作：

• 人員：跨部門合做，3名同學；
• 地點：美國&中國；
• 交付周期：3周。

價值定位

1. 這個項目實現了公司內部的傭金模型元數據的管理，避免人為原因導致缺失或錯誤傭金模型的情況。
2. 內部的審計和風控做到了有據可依
3. 主動的報警會避免一些錯誤支付的風險。
4. 產品也為業務團隊提供了BI的解決方案，可視化每個導購網站的綜合表現，以便更好的增加對頭部導購網站的投入，最大化利潤。

作者：Stanley；郵箱： pm_stanley@163.com

本文由 @Stanley原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自 unsplash，基于 CC0 協議