Sailing 之 火花

Sailing

业务助手(对话机器人)

用户: 由一笔额外的样纱款, 这笔钱要怎么进系统?
系统: 这笔费用最终由谁承担? 客人, 工厂, 还是自己承担?
用户: 客人
系统: 这笔费用最终最终给谁? 工厂, 自己?
用户: 工厂
系统: 这些样纱是自己采购还是由成衣厂采购?
用户: 自己采购, 但是毛纱厂无法开票, 通过成衣厂结算
系统: 这么任性

到功能覆盖到一定程度的时候, 需要有一个功能的导航.
使用者首先面对的不是系统, 而是业务场景中的具体问题, 当某件事发生时, 看似有很多种方式可以处理, 但往往有一种是最合适的, 其他途径的会导致其他的问题. 如何判断采用什么处理方式, 既需要对业务本质的了解, 有需要对系统原理的了解.

资金流向用桑吉图的方式分析展现

各种不同收汇性质--转入-->发票款|合同款|往来款--转入->费用|预付款|货款

直接从单据出资金账户

原先的资金模型设想中, 一套持久化的资金明细是必须的. 如果通过单据产生资金明细足够快, 那么每次查询都重新生成也未尝不可.
因此将原先的资金模型拆分成两段, 第一段是通过入账规则生成, 可以一个个单据生成, 也可以一批批单据生成, 这个生成过程要性能高度优化, 并行化. 第二段有两种选择, 可以把资金明细持久化到数据库, 也可以直接供前端查询.

资金明细帐也不限于一套. 比如对于代理来说, 保留资金流水和应付实付两套账就非常有必要

高级预警的层级过滤

1. A公司项下的所有预警点列表. 过滤[公司=A] 分组[预警点] 度量[COUNT]
2. 在1的基础上, 打开某个预警项一列表. 过滤[公司=A] 明细[预警项一]
3. 在2的基础上, 点击维度列口岸上海. 显示A公司项下前20个预警点重力图. 过滤[公司=A,口岸=上海] 分组[预警点] 度量[COUNT]
4. 在3的基础上, 点击重力图中的预警项二, 显示前20个预警. 过滤[公司=A,口岸=上海], 明细[预警点二]
5. 在4的基础上, 点击more, 显示预警点二的列表. 过滤[公司=A,口岸=上海], 明细[预警点二]
6. 在3的基础上, 点击more. 过滤[公司=A,口岸=上海],分组[预警点] 度量[COUNT]
7. 在6的基础上, 显示预警项的维度列价格条款FOB, 显示A公司项下, 口岸为上海, 价格条款为FOB的前20个预警点重力图. 过滤[公司=A, 口岸=上海, 价格条款=FOB] 分组[预警点] 度量[COUNT]

基于结果比较的智能凭证

1. 基于当前业务数据生成一份临时凭证
2. 从财务凭证中获取到所有历史凭证, 并根据相关的科目和核算项计算余额
3. 比较临时凭证和计算得到的余额, 根据选项生成调整凭证或红蓝字凭证

基于Json节点变更信息元数据管理

• 以产品的元数据作为基线, 项目中记录对元数据的变更. 当基线变更时, 变更记录是否还适用.
• schema固定的元数据, 可以挨个确定元数据在项目中能否调整, 调整的方式. 如果schema不固定, 比如有无限层级结构, 则无法控制. 这种情况下把调整schema, 尽量把无限层次结构的情况压缩, 比如UI分成UiDefinition和UiLayout.