支付对账

背景

对账的现实场景

日常生活中每天都在对账,比如去餐馆吃饭付款,会对老板说一声“老板,钱付过去了”,老板检查收款情况或者听到语音播报后回复一声“好嘞,下次再来”,这就是一次最简单的对账。
再比如在淘宝开了一个店铺,每个月几千单的交易、发货;次月末都拿着所有的订单明细和支付宝收款记录逐笔做一次核对,保证发过货的订单都收到款了,这是一次更复杂的核对。

为什么要对账

为什么要对账呢?首先在财务范畴,这是一个必要做的工作;其次,从业务视角看,如今的交易链条越来越长,数据在众多系统之间难免会出现丢失或者差错的情况,所以为了业务的正常运转并及时发现问题,需要确保系统间数据的一致性。
最后,从公司的角度看,需要确保“不少收一分钱,不多付一分钱”,保证资金的安全,不然卖了多少货,收了多少钱相互之间无法自洽,最后全是糊涂账。

对账的定义

对账就是“账证实”的核对,“账”是账目,“证”是凭证,“实”是实际资金或者商品。
从财务范畴来看,证就是会计凭证,比如发票、小票、出货单、收据、交易系统的支付记录等都是原始凭证;而账呢就是财务的账目,账务系统的账务记账,金蝶的科目余额等都是不同的账目;而一笔交易会记录在很多的环节,比如账务系统,金蝶等。
常见的核对模式有三种:账证核对、账账核对(不同主体之间的账目核对,比如商家和支付公司)、账实核对,确保账证实两两的一致性。如在饭馆吃了一碗面,其中点菜单就是原始凭“证”,付了10元钱是“账”,老板电脑记录10元是“账”,老板看到账户中余额增加了10元是“实”。

对账系统设计要求

我们要把对账做成产品,通过页面配置就可以支持新增的对账的需求。比如新增一个支付渠道,通过配置就可以接入。新增一个功能,也可以通过页面配置来解决。

  • 可以灵活配置核对规则,
    数据源:如基于接口,数据库,ETL
    对账规则:
  • 可以对差异进行追踪管理和处理;
  • 支持T+1和实时对账

业务概念

长款
短款
挂账凭证,为了让账务是平衡的,后续针对每笔资金差异进行排查核销,

难点和解决

流程

按类型划分

内部账务核对
支付渠道对账

对账模型

交易对账模型:交易数据之间通过唯一标识进行一对一、一对多、多对多核对业务; (单据维度对账)
资金对账模型:将交易数据按照款项类型进行汇总之后进行核对,比如收款,手续费; (款项类型 汇总核对)
余额调节核对:将系统记账余额和实际资金账户余额经过在途调整后进行一致性核对的业务。(虚实核对)

差错处理

交易差错处理

交易对账是交易数据的逐笔核对,会出现对平、单边(只有一边的数据,另外一边没有数据)、错账等三类结果。

  1. 进差错池。 类型:对平、单边(只有一边的数据,另外一边没有数据)、错账
  2. 人工处理:人工补单
    3 自动处理: 单边的异常类型,大部分第二天跑任务就可以对平。 或者根据异常的类型自动补单。
  3. 异常的单据重新对账 (不需要全量重跑,只针对有异常的对账的数据定时任务自动重跑)

例子:
10月2日凌晨,针对10月1日的支付单和银行流水对账,发现有支付单,没有银行流水。 (少账)异常进入差错池,类型为单边。
第二天系统自动拉新的银行流水。针对10月2日的对账项目失败的记录重新对账(基于单据ID去对应的表查数据),这次对上了,状态改为对平。如果再对不上,改成错账

针对错账,需要开发介入排查问题,或者经过分析可以通过自动补单来实现,财务人员可以操作自动补单

资金对账的差异是“长款、短款、应收未收、应付未付”。

资金对账

挂账

挂账核销(销账)

对账产品设计

对账视图

天,数据类型,对账项目的对账情况。 是对平,还是没对平

资金对账项目

名称:
时效 T+1,实时
开始对账时间
最后对账时间: 在最后对账时间之前,如果没有对平的账,会重复对(针对有问题的数据)

源头数据
数据类型: 枚举。支付数据、卡券数据、订单数据、三方清算数据、三方结算数据等
数据筛选
对比主键

目标数据
数据类型: 枚举。支付数据、卡券数据、订单数据、三方清算数据、三方结算数据等
数据筛选:筛选条件。比如某个单据状态,
对比主键

对比健

字段
特殊运算

目标
字段
特殊运算

报警接收人

例子:
源: 支付单 过滤条件:状态等于已成功的
目标:销售订单 过滤条件:状态等于已成功的
对比主键:orderid, payorder id
对比健:源 金额子单 = 目标 金额 的

参考资料

入门和概念
https://www.woshipm.com/pd/5938046.html

https://www.woshipm.com/share/6054710.html

posted @   向着朝阳  阅读(0)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
点击右上角即可分享
微信分享提示