账单系统-架构设计思路(对外版)

简介: 阿里商旅背景阿里商旅作为飞猪旅行旗下面向企业客户的数字化差旅解决方案产品,依托飞猪旅行机票、酒店供应链,为企业客户提供一站式的机票、酒店、火车票、用车等预订管控及结算票据服务。阿里商旅不仅是集团欢行的供应商,而且近几年在商业化差旅市场上崭露头角,服务了2万+中大型客户,43万+小微企业。FY22财年商旅技术团队重点规划在酒店供应链、预订管控服务、B+C客户服务、渠道及商旅基础建设等核心方向进行建设

阿里商旅背景

阿里商旅作为飞猪旅行旗下面向企业客户的数字化差旅解决方案产品,依托飞猪旅行机票、酒店供应链,为企业客户提供一站式的机票、酒店、火车票、用车等预订管控及结算票据服务。阿里商旅不仅是集团欢行的供应商,而且近几年在商业化差旅市场上崭露头角,服务了2万+中大型客户,43万+小微企业。FY22财年商旅技术团队重点规划在酒店供应链、预订管控服务、B+C客户服务、渠道及商旅基础建设等核心方向进行建设,同时进行了年度总结。

一、背景

接手账单不到1年的时间,就谈谈我从一个门外汉到对账单系统搭建过程中对于账单系统架构设计的理解。

账单是基于上游供应链交易数据,需要上游数据准确可信,建立资金、交易、订单及账单核对体系必不可少;其次需要建立账单数据、票据维度数据,保证对客数据准确,这里的复杂性在于不同的企业需要提供不同维度的聚合数据、账单汇总数据、账单差异明细(商旅火车票票状态、出差事由等),账期日要求全部企业系统自动完成对账出账,系统需要支持的复杂性、扩展性较大,系统的高度复杂性也给对账出账的准确、及时造成了极大的困难,很难保证一次出账率100%和账单准确率100%。

二、无处不在的账单

对账、账单在我们生活中到处可见的,可能自己没有察觉已经完成了一次对账过程,生活中对账场景比比皆是,我们来看看:

2.1 生活中的对账场景

举个例子:早上上班途中,小周看到路边有个杂粮煎饼。于是过去买个煎饼,老板指着玻璃上的二维码说「12 块」。

小周扫码支付 12 元后,和老板说「12 块 ,转过去啦」。紧接着老板煎饼递给小周,听到自己手机提醒说「支付宝收款:12元。」

老板心里知道这笔钱到账了。小周知道「已付12元」,老板收款确认「已收12元」,这就是生活中的对账。

2.2 对账的基本形式

对账定义:为了确保同一个事务的数据描述不同场景,记录是否一致而进行的一致性比对

举个例子:对于面馆老板,顾客吃了一碗面,点菜小票就是原始凭【证】,付了10元钱是【账】,老板电脑点菜记录小票10元是【账】,老板账户中余额增加10元是【实物】。

  • 账实对账 :是指我们记录的账与实物资产的实际数量进行对账。
  • 账证对账 :是指将自己的账本与记账凭证进行核对。一般记账凭证由与业务合作的第三方公司提供,在面馆的例子里,记账凭证由支付宝提供(交易记录)。
  • 账账对账 :是指在上下游相互关联的账本之间进行对账。在整个交易过程中,一般会涉及上下游多套账,上游比如外部采购、对外销售,下游比如快递发货账、第三方服务费等。这些账和总账之间有非常多的关联性,所以一般账账核对,通常用于确认及修正内部账之前的数据不一致。

三、账单系统设计

账单清结算做为核心账单系统,上游对接了机票、酒店、用车、火车、赔付等多个外部系统,下游又承担了对接支付、财务、发票系统的职责,不仅“承上启下”,而且涉及业务复杂。而系统内部又历经收单、计费、记账、汇总账单、付款等多个环节,如图:

为了账单系统更加专业化的实现对账、做好对账出账,我对支付、清结算等资金领域进行了体系化的调研和学习,并结合商旅业务自身的特点,总结了一些账单系统构建的思路方法,并基于该思路进行了较完整的系统化实现,主要从体系化建设出发一起来看看账单系统架构设计。

  • 收单:监听供应链订单消息,创建账单清结算系统收单消息;
  • 计费:针对机票、酒店、火车票、用车类目收单消息,拆分最细粒度费用项(预定/退款、改签/退款、保险/退保、服务费、赔付等等)费用明细,便于后期账单数据加工;
  • 记账:按照当前业务规则合并账单明细,支持to b 差异化配置;
  • 入账:核对供应链数据、资金数据一致性,配置入账拦截;
  • 出账:账期日企业账单出账,允许企业自定义账单出账,满足企业差异化、个性化账单;
  • 对账&还款:企业根据对账单核对明细,根据账单进行还款;

3.1 收单

在账单收单时,我们可以针对不同的业务接入方提供两种不同的数据收单模式。 

拉模式:我们主动调用获取数据,并通过数据适配的方式,将数据进行存储。

  • 针对性强,能满足客户端的个性化、差异化需求;

推模式:根据业务需要,接入方将账单数据信息主动发送,数据格式按照账单标准模型进行适配。

  • 及时性好,及时地向账单推送数据动态信息,吞吐量大;

目前我们采用的是第二种方式,由业务方推送这种模式接入,按照账单标准模型构造,无需感知业务的数据格式和业务逻辑。

3.2 计费&记账

我们需要将各个类目的交易记录统一定义,按照账单记账的标准规则记录。

系统使用计费拆分项为起点,拆分最细粒度费用项(预定/退款、改签/退款、保险/退保、服务费、赔付等等)费用明细,便于后期账单数据加工;记账按照业务规则进行计费项合并。对于冗余和暂时用不到的字段可直接设置账单暂不进行展示。未来扩展时,账单允许企业自定义,按照企业诉求展示账单字段和数据展示。(自定义账单,后文会介绍到)

3.3 对账

企业对账作为企业差旅管理的一个重要环节和基础能力,账单准确性是基本的要求。

商旅账单是企业还款、开票核对的重要依据。账单准确性差,可能会导致商旅在结算、开票环节产生资损,以及影响企业对商旅的专业度的信任,因此要求账单信息完整、准确、真实。账单准确性至关重要,我们需要保证给企业的账单真实准确,所以系统对账的设计重要性无庸置疑。

以下我们通过对账的一些手段、方法来看看系统性的解决账单对账问题。

3.3.1 对账方式

对账方式主要分为三种,单向对账双向对账和多向对账

  • 单向对账:以一方数据为基准进行对账。比如交易订单跟资金记录,以资金结算数据为基准和交易订单核对,用来发现资金数据为支付成功,订单数据失败等异常情况。
  • 双向对账:以双方的数据互为基准对账。既要保证资金数据为成功的,交易记录也要成功,又要保证交易记录为成功的,资金数据也要成功。
  • 多向对账:让更多参与方两两对账,比如交易订单、资金记录、账单等两两对账,保证交易记录成功的,资金也要成功,账单数据也正常。

显而易见,多向对账更能够全面的发现问题。因此在条件允许的情况下,我们会优先选择多向对账。

3.3.2 对账粒度

对账粒度分为两种,分别是总数对账明细对账

  • 总数对账:选择一个维度,进行总数级别的对账。比如账期账单消费总数和账期资金记录总数对比,总数级别的对账好处是对账口径的设计比较简单,可以快速实现,不易出错。缺点就是无法定位问题数据,一旦对账发现问题。还需要进一步寻找问题数据。
  • 明细对账:对双方的每条数据按照业务规则依次进行比对。它的优点是可以准确定位问题数据。缺点是对账口径的设计比较复杂,效率比较低。因为我们需要同时针对漏、重、错三种错误类别设计出较为全面的对账口径,同时还要考虑到业务的边缘场景。稍有不慎,就会影响对账的准确性。

因此,推荐的做法应该是以总数对账为主,首先确认是否存在问题。以明细对账为辅,对具体问题进行定位。

3.3.3 对账模型

我们会提供常用的对账模型,供不同的对账场景选取。如果某些特殊场景对账模型不能覆盖,也可以采用自定义核对的方式进行对账。

经过总结我们发现,对账的方式主要就是业务通用规则、多方对比和账单规则。业务通用规则,比如交易对账、资金对账、采销对账等多个常用维度。多方比对又可以细分为一对一、多对一、多对多。账单规则就是常用的计费项核对、记账核对和允许自定义核对等方式。我们尽可能把这些通用的对账逻辑模型化,减少重复的开发工作。

3.3.4 对账节点

数据核对的最后一步就是对账节点的选择。可以分为离线对账实时对账。离线对账主要是通过固定的周期进行对账。周期可以为T+n,也可以通过出账日对账。它的好处是适用性较强,基本可以覆盖所有的对账场景。系统目前都是针对一定时间之前的订单进行核对,保证交易、资金、账单数据准确一致;在出账日出账时也会针对企业维度核对当前账期所有交易记录数据和账单数据一致性。对账节点核对目前有每日核对、账期日前一天核对、出账日核对。

实时对账又分为实时对账准实时对账。实时对账和准实时对账的区别主要是实时对账针对结算链路中,可以第一时间发现问题数据,对结算流程进行实时监控,而准实时对账是具有一定的延后,因为交易链路存在较长的情况,上下游数据无法做到实时一致,有些场景只能做到最终一致性,这些场景目前只能基于准实时进行对账,也可以有效的针对业务问题和账单异常进行告警。

3.3.5 差错处理(平账)

差错处理主要是针对数据核对过程中发现的异常数据进行处理。我们会建立一个统一结构的差错记录,将数据核对发现的问题进行统一存储。针对自动化平常处理未通过的数据会进行二次核对,避免由于日切等原因造成的问题错报。

对于那些真实存在问题的数据我们会提供两种解决方式,如果是常见的问题,形成一套标准的解决方案,会把它系统化,采取系统修复&二次核对的方式;如果系统修复异常,那么会进行系统报警,并进行人工处理,基于此能够很大程度的降低人工修账的成本。

四、系统设计关键点

4.1 面临的挑战

  • 账单准确率问题 ,比如上游消息丢失、上游数据更新延迟、三费不齐问题等等。
  • 账单详情数据未同步 ,后续没有机制更新数据,但是存在部分账单字段会在账单落库后发生变化,比如酒店订单状态,导致离线账单字段错误,影响出账数据准确性。
  • 企业个性化诉求 ,不同的企业针对账单要求不一样,全量账单字段提供给企业展示较多,看起来过度冗余。
  • 企业不同的用途以及核对方式对账单调整、账单文件格式、账单表头、账单内容有不同的需求。
  • 企业不同的核对方式和核对详细程度,关注内容不同,对账单表头要求不同

4.2 全链路系统监控

4.2.1 背景

账单准确性存在如下情况:

  1. 存在接受供应链消息丢失的场景,导致订单未收单未出账。
  2. 账单系统存在重复计费、记账问题,导致订单无法出账,影响账单准确性。
  3. 新老系统切换,针对老系统已经存在预订单,其他赔付、退款等奇普无法系统化支持出账。

4.2.2 解决手段

从账单全链路监控,可以解决因为系统异步导致链路数据丢失,或者数据拆单/合单不一致的场景。

  • 增加MAC监控,核对机票未入账数据、入账失败监控及计费记账金额核对监控。
  • 增加pcb监控,实时监控订单、交易、人费数据。
  • T+1 比对供应链订单表、账单收单表的增量订单,按照交易类型分析,对消息丢失的订单监控告警,触发补偿任务,自动重试。
  • 业务上也会针对离线账单和出账数据核对、计费/记账异常数据核对,保证账单准确性100%。

我们分别从类目终态出账、账单全链路监控考虑,配合账票一致性校验来保障出账和开票链路,提供系统平账能力,针对无法自动平账的异常数据,提供人工修复工具,保证账单准确性100%。

4.3 清结算扩展-账单数据表达式引擎

提供核心链路的扩展能力,计费/记账提供扩展能力,可以定义费用项拆分、配置费用记账规则;针对账单数据可以配置表达式引擎,针对账单字段进行校验和动态更新。

4.3.1 背景

账单数据准确性无法保证,导致已出账单存在字段明显错误的情况,产生客户质疑和投诉。

  • 账单记账没有针对核心字段进行拦截校验,比如入账时间为空,结算金额为0等,无法保障出账数据准确
  • 账单的详情数据,在计费时持久化后,后续没有机制更新数据,但是存在部分账单字段会在计费后发生变化,比如酒店订单状态,导致离线账单字段错误,影响出账数据准确性。

4.3.2 解决手段

建设表达式引擎能力,对背景进行分析,可以提取出共同点:在固定流程中,执行配置化的表达式/脚本,基于执行结果进行业务处理;

举个栗子:针对记账拦截的场景,配置拦截表达式,执行结果为校验不通过的具体错误信息,空则通过校验;

基于上述分析,我们需要建设配置化表达式引擎能力,整体能力如下图:

4.4 自定义账单

4.4.1 背景

对账单是阿里商旅提供给企业客户对账用的,用于企业与阿里商旅核对企业支付的账单,包含核对本账期内发生的企业支付明细、本账期可开票结账明细、本期及往期待开票结账明细。不同的企业针对对账单字段要求不一样,全量字段提供给企业将对较多,看起来过度冗余。

  • 企业不同的用途以及核对方式对账单调整、账单文件格式、账单表头、账单内容有不同的需求。
  • 企业不同的核对方式和核对详细程度,关注内容不同,对账单表头要求不同。

4.4.2 解决手段

提供自定义表头能力,基于企业自定义表头和顺序,可以实现企业账单按照配置展示对应的字段、顺序、样式。

  • 拆分处理器

根据拆分设置,分为excel拆分处理器、sheet页处理器、行处理器。

拆分处理器可以定义拆多少个excel/pdf和每个excel中需要有哪几个sheet页,每个sheet页种每一列的样式。每一种处理器都有默认的实现方式,且允许自定义扩展实现。针对常用的样式提供了账单模板,审批单模板等常用的模板,方便快捷接入。

五、建设下一代账单系统

商旅账单系统重构已有多半年时间(业务流程改造和架构升级),很多技术优化也是在业务发展过程中尝试扩展能力,如账单表达式引擎配置,解决账单数据准确性问题;如自动化平账工具,解决账单三费不齐,账单不平的异常情况。目前账单针对账单核心清结算主要是夯实底层能力,基于计费&记账进行扩展,允许企业自定义账单,接下来是针对账票核对能力建设,更多的针对账票易用性能力进行升级。

5.1 业务结果

随着账单稳定和底层夯实,目前已经实现了系统一次性出账率100%,账单准确率100%,账单工单问题大幅收敛。

账期

账单一次性出账率

账单t+12h出账率

账单准确率

账单工单数

2021/09/01

98.89%

-

97.43%

97

2021/10/01

99.34%

99.41%

98.70%

55

2021/11/01

99.49%

99.78%

99.59%

32

2021/12/01

99.8%

100%

99.84%

20

2022/01/01

99.96%

100%

99.91%

8

2022/02/01

100%

100%

99.97%

2

2022/03/01

100%

100%

100%

5(咨询类工单)

账单准确率&一次性出账率:逐步提升,已达到100%。

账单工单数:逐步收敛,降低了工单投入,提升了人效。

5.2 未来展望

账单一目了然,客户对账高效方便,让客户的商旅服务更加专业化。

  • 建设账票核对能力 行业独有的账票核对功能, 完善实物票据与账单核对、增值税发票与账单核对,保证提供给客户的实物票据真实准确。 目前没有一家在行业内实现此能力,并解决客户账票不一致的核对问题;
  • 提升账票易用性。 通过易用性在商旅行业内达到服务效率第一,并可将部分能力专利化甚至商业化。

相关文章
|
24天前
|
人工智能 前端开发 编译器
【AI系统】LLVM 架构设计和原理
本文介绍了LLVM的诞生背景及其与GCC的区别,重点阐述了LLVM的架构特点,包括其组件独立性、中间表示(IR)的优势及整体架构。通过Clang+LLVM的实际编译案例,展示了从C代码到可执行文件的全过程,突显了LLVM在编译器领域的创新与优势。
46 3
|
14天前
|
监控 安全 API
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
本文详细介绍了PaliGemma2模型的微调流程及其在目标检测任务中的应用。PaliGemma2通过整合SigLIP-So400m视觉编码器与Gemma 2系列语言模型,实现了多模态数据的高效处理。文章涵盖了开发环境构建、数据集预处理、模型初始化与配置、数据加载系统实现、模型微调、推理与评估系统以及性能分析与优化策略等内容。特别强调了计算资源优化、训练过程监控和自动化优化流程的重要性,为机器学习工程师和研究人员提供了系统化的技术方案。
133 77
使用PaliGemma2构建多模态目标检测系统:从架构设计到性能优化的技术实践指南
|
7天前
|
机器学习/深度学习 算法 数据可视化
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
本文探讨了在量化交易中结合时序特征和静态特征的混合建模方法。通过整合堆叠稀疏降噪自编码器(SSDA)和基于LSTM的自编码器(LSTM-AE),构建了一个能够全面捕捉市场动态特性的交易系统。SSDA通过降噪技术提取股票数据的鲁棒表示,LSTM-AE则专注于捕捉市场的时序依赖关系。系统采用A2C算法进行强化学习,通过多维度的奖励计算机制,实现了在可接受的风险水平下最大化收益的目标。实验结果显示,该系统在不同波动特征的股票上表现出差异化的适应能力,特别是在存在明确市场趋势的情况下,决策准确性较高。
31 5
基于深度混合架构的智能量化交易系统研究: 融合SSDA与LSTM自编码器的特征提取与决策优化方法
|
18天前
|
机器学习/深度学习 人工智能 并行计算
【AI系统】Kernel 层架构
推理引擎的Kernel层负责执行底层数学运算,如矩阵乘法、卷积等,直接影响推理速度与效率。它与Runtime层紧密配合,通过算法优化、内存布局调整、汇编优化及调度优化等手段,实现高性能计算。Kernel层针对不同硬件(如CPU、GPU)进行特定优化,支持NEON、AVX、CUDA等技术,确保在多种平台上高效运行。
70 32
|
18天前
|
存储 机器学习/深度学习 人工智能
【AI系统】计算图优化架构
本文介绍了推理引擎转换中的图优化模块,涵盖算子融合、布局转换、算子替换及内存优化等技术,旨在提升模型推理效率。计算图优化技术通过减少计算冗余、提高计算效率和减少内存占用,显著改善模型在资源受限设备上的运行表现。文中详细探讨了离线优化模块面临的挑战及解决方案,包括结构冗余、精度冗余、算法冗余和读写冗余的处理方法。此外,文章还介绍了ONNX Runtime的图优化机制及其在实际应用中的实现,展示了如何通过图优化提高模型推理性能的具体示例。
48 4
【AI系统】计算图优化架构
|
3天前
|
机器学习/深度学习 存储 人工智能
基于AI的实时监控系统:技术架构与挑战分析
AI视频监控系统利用计算机视觉和深度学习技术,实现实时分析与智能识别,显著提升高风险场所如监狱的安全性。系统架构包括数据采集、预处理、行为分析、实时决策及数据存储层,涵盖高分辨率视频传输、图像增强、目标检测、异常行为识别等关键技术。面对算法优化、实时性和系统集成等挑战,通过数据增强、边缘计算和模块化设计等方法解决。未来,AI技术的进步将进一步提高监控系统的智能化水平和应对复杂安全挑战的能力。
|
8天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
37 3
|
6天前
|
前端开发 搜索推荐 安全
陪玩系统架构设计陪玩系统前后端开发,陪玩前端设计是如何让人眼前一亮的?
陪玩系统的架构设计、前后端开发及前端设计是构建吸引用户、功能完善的平台关键。架构需考虑用户需求、技术选型、安全性等,确保稳定性和扩展性。前端可选用React、Vue或Uniapp,后端用Spring Boot或Django,数据库结合MySQL和MongoDB。功能涵盖用户管理、陪玩者管理、订单处理、智能匹配与通讯。安全性方面采用SSL加密和定期漏洞扫描。前端设计注重美观、易用及个性化推荐,提升用户体验和平台粘性。
32 0
|
21天前
|
存储 人工智能 监控
【AI系统】推理系统架构
本文深入探讨了AI推理系统架构,特别是以NVIDIA Triton Inference Server为核心,涵盖推理、部署、服务化三大环节。Triton通过高性能、可扩展、多框架支持等特点,提供了一站式的模型服务解决方案。文章还介绍了模型预编排、推理引擎、返回与监控等功能,以及自定义Backend开发和模型生命周期管理的最佳实践,如金丝雀发布和回滚策略,旨在帮助构建高效、可靠的AI应用。
84 15
|
24天前
|
人工智能 并行计算 程序员
【AI系统】SIMD & SIMT 与芯片架构
本文深入解析了SIMD(单指令多数据)与SIMT(单指令多线程)的计算本质及其在AI芯片中的应用,特别是NVIDIA CUDA如何实现这两种计算模式。SIMD通过单指令对多个数据进行操作,提高数据并行处理能力;而SIMT则在GPU上实现了多线程并行,每个线程独立执行相同指令,增强了灵活性和性能。文章详细探讨了两者的硬件结构、编程模型及硬件执行模型的区别与联系,为理解现代AI计算架构提供了理论基础。
64 12