比起規模宏大的平臺架構，筆者希望專注於項目本身，並記錄這個項目的全生命週期，希望大家花7分鐘，就能瞭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，經常會有很多關於內控方面的需求。最近筆者就接到了來自財務部門關於SOX compliance audit 的需求。
首先什麼是SOX compliance audit – SOX原稱Sarbanes Oxley Act，來源於美國聯邦頒佈的一套非常複雜法案，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於與廣告聯盟的合作，基於不同的佣金模型，比如基於導流或者導流所產生的成交支付佣金。這條業務與超過13萬個獨立導購網站正在進行著合作並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佣金費用。
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，費率模型過於複雜，並行操作過多，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），大部分合作夥伴基本處於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，並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後，發現理論支付的佣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，它用來管理於公司合作的所有導購網站並核算佣金模型以及佣金支付。業務團隊會直接在第三方的管理界面上調整對佣金模型進行配置，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，並通過佣金模型計算出我公司需要支付的佣金費用。
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。那麼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，目前由於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並對可疑交易進行預警。
所以這個項目需要的是構建一套並行的內部費用計算系統，實現高度監管的佣金審計自動化工作，幫助業務和財務部門高效監控費用支付並保證支付準確，並主動對有可疑的交易進行預警。
這個需求有兩個難點：
（1）佣金模型結構化過於複雜，存在大量的定製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後數據會有極大的膨脹。
下面舉一個例子：導購網站A在手機品類上的佣金是1%，在首飾品類上成交總量10000美金以下佣金2%,超過部分5%，其餘的所有的佣金為2%。
對於這個一個佣金模率，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佣金模型複雜的多，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並進行準確的費用計算。
（2）對於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，佣金金額不平，獎勵條件觸及不合理等。那麼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，定製化監控和預警，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
基於以上分析分析，我們提出了整體解決方案：
- 和三方平臺對接，落地佣金模型ODS層。
- 開發語意引擎，自動消費佣金模型元數據並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。
- 應用佣金模型，使用核心交易數據模擬實際支付費用，並與佣金結算數據進行對比，實現費用監控。
- 預留多層級自動監控和定製化警報推送。
- 開放結構化的佣金模型數據，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佣金模型。
在結構化引擎這一層， 我們將佣金模型進行扁平化展開後，對語義進行封裝，保證了對以後對更多的佣金模型的橫向可擴展性。最終將加工過的數據結構化落地， 並在我們的數據平臺上進行開放，供SQL based 分析。
之後將數據進行BI層的搭建， 基於業務需求，對多個數據源進行聚合，通過OLAP（Kylin）進行數據聚合後，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製化服務，允許包括工程師，分析師以及業務同學，定製基於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；
- 交付週期：3周。
價值定位
- 這個項目實現了公司內部的佣金模型元數據的管理，避免人為原因導致缺失或錯誤佣金模型的情況。
- 內部的審計和風控做到了有據可依
- 主動的報警會避免一些錯誤支付的風險。
- 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： [email protected]
本文由 @Stanley原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自 unsplash，基於 CC0 協議
閱讀更多 人人都是產品經理 的文章
