乐学 电商产品后台系统概述（笔记）
电商行业由系列的供应商、服务商、分销商、消费者组成。服务商即大型综合购物网站（淘宝、京东）、垂直购物网站（唯品会、叮咚买菜），分销商即各类流量入口（微信、抖音），以及一些相关支撑服务包括支付、物流等共同构建了电商生态圈。
主流的电商模式包括：B2B、B2C、C2C、O2O、C2M。
B2B（business to business）：促成企业与企业之间的电子商务活动。以1688、找钢网为例，促成供应方与采购方通过平台达成商品或服务的交易；
B2C（business to consumer)：促成企业与消费者个人的电子商务活动。以苏宁易购、京东为例，企业通过入驻平台直接向消费者提供产品或服务，B2C是当前最普遍的一种电子商务模式；
C2C（consumer to consumer）：促成消费者个人与个人之间的电商交易。以淘宝、微商为例，C2C模式是对B2C模式的一种补充，让普通用户也可以参与平台，为用户提供商品或服务，大限度的扩充了平台商品品类；
O2O（online to offline）：线上到线下的一种电商交易模式。以美团、饿了么为例，通过线上获取用户消费线索，线下展开服务的一种模式；
C2M（customer to manufactory）：客户反推工厂个人化定制服务和商品的一种电商模式。以必要商城、淘宝心选为例。
实际上给一个平台做严格的商业模式定论是不准确的，通常在发展过程中会形成以某一商业模式为主，其他商业模式为辅的结构。产品经理需要在设置电商后台系统的前提下，先对平台的业务模型了解透彻，平台的目标用户是谁？靠什么盈利？
当前，电商行业已经呈现全渠道、线上线下融合发展的新形态，新冠疫情之后，生鲜电商的快速崛起，让中国电商行业看到了新可能。民众的消费场景已经不仅仅存在于APP、小程序、pc网页商城了，更多的需要和线下零售、及时配送相结合。
新可能要求人、货、场三者的协同融合，从供应链的角度来看，主要的变化是场，如何营造好这样的一个消费场景。
通常，我们进行网络购物的流程是注册-浏览-加购物车-下单-支付-配送-收货-评价。
这简单的一个 *** 作流程就需要电商生态的数个系统进行 *** 作流程才能完成，其中的参与角色包括：货物供应商、商家、平台、物流、支付、我们自己（消费者），后台涉及的系统包括：会员、商品、支付、订单、营销、仓库、物流、评价等，从用户注册到订单结束，每一个环节和流程都准确无误的记录，才能保证商品完整无缺的送到用户手中。
后台系统对于不同的用户而言，是不一样的。对于用户来说：商家和平台都属于后台系统，对于商家来说：店铺管理就属于后台系统，对于平台来说，内部管理工具和电商业务后台属于后台系统。
电商业务后台系统的作用
优秀的产品经理可以通过对业务的了解，选择合适的后台产品架构，从整体的角度去考虑后台功能的合理性，为业务的快速发展提高支撑。
一个好的产品架构可以支撑业务的横向发展，不至于重复造轮子，造成研发资源的浪费；
设定产品架构的初期，也要设定业务边界，定义每一个系统的业务范围，这样的好处是可以让子系统之间相互配合，形成大型的业务系统，即使单一系统发生问题时不会牵一发而动全身，同事产品人员和研发团队可以更加专注，权责分明。
商品中心：spu、sku、商品属性、类目（前后台）、价格
订单中心：管理订单类型、订单状态、获取订单的商品\用户\营销\支付\物流相关信息、进行库存更新、订单下发
支付中心：管理支付数据、调用支付接口、获取支付信息、支付对账
会员中心：等级、权益、积分、卡券
调度中心（多仓库时存在）：调度仓库、物流发货
库存中心（WMS系统）：出库、入库、盘点、与调度中心互动
促销中心：营销活动、优惠券、专场活动、促销专区
内容管理系统（CMS系统）：自定义配置页面
评价中心：管理商品评价和用户反馈
店铺管理：入驻店铺管理、店铺权限
采购中心：自动采购、供应商管理
财务管理：订单对账、采购对账、清账、统计
物流中心（TMS系统）：运费模板、物流对接、海关对接
风控中心：信用建设、反欺诈、恶意刷单、恶意评价
客服管理系统：管理退货退款、售前售后咨询、呼叫中心、在线客服
每个系统之间相互关联交叉，又相互影响。
以下单流程为例：
1用户进行下单时，需要去风控中心自动校验是否商户黑名单或ip地址异常
2在商品中心获取商品信息，在营销中心获取打折促销信息，在会员中心获取会员权益
3根据商品锁库存规则在调度中心或支付中心锁定库存
4在物流中心选择运费模板，生成待支付订单
5订单支付后，订单下推至调度中心，根据规则选择发货仓库
6wms系统根据根据发货单选择出库和物流，同时把订单号给到物流中心继续跟踪
7用户签收，即订单完成
8产生售后，回溯订单
用户下单信息在多个子系统间流转，每个子系统通过数据架构产生关联，共同为业务流程服务。
后台系统架构应该如何设立？
启动初期：主功能优先、简单架构
产品初期：现有架构上丰富功能
产品中期：模块分离，拆离子系统
产品后期：业务复杂，重构产品架构
一个好的产品经理要脚踏实地，仰望天空。
根据业务实际发展情况来进行产品迭代，具有预见性，支撑中长期的业务发展。风控决策引擎推荐布尔数据，
是一家智能风控模型提供商，为银行、信贷、电商平台等行业提供专业化智能风控解决方案。
布尔数据在智能风控领域不断探索和创新，拥有第三代AI风控引擎技术。基于实际风险场景，AI智能推荐管控策略，实现在线模型的智能进化，大幅提升了企业整体的风控能力。
其产品接入方式也比较灵活，分API接入和云平台查询两种，用户可以根据自身情况灵活选用。总的分为征信大数据挖掘和风控运营两部分：
征信大数据挖掘：
互联网海量大数据中与风控相关的数据
电商类网站大数据：阿里、京东、苏宁等；
*** 类网站大数据：我爱卡、银率卡等；
社交类网站大数据：新浪微博、腾讯微信等；
小贷类网站大数据：人人贷、信用宝等；
支付类网站大数据：易宝、财付通等；
生活服务类网站大数据：平安一账通等
在进行数据处理之前，对业务的理解、对数据的理解非常重要，这决定了要选取哪些数据原料进行数据挖掘，在进入“数据工厂”之前的工作量通常要占到整个过程的60%以上。
在数据原料方面，越来越多的互联网在线动态大数据被添加进来。例如一个虚假的借款申请人信息就可以通过分析网络行为痕迹被识别出来，一个真实的互联网用户总会在网络上留下蛛丝马迹。对征信有用的数据的时效性也非常关键，通常被征信行业公认的有效的动态数据通常是从现在开始倒推24个月的数据。
通过获得多渠道的大数据原料，利用数学运算和统计学的模型进行分析，从而评估出借款者的信用风险，国内典型的企业是神州融大数据风控平台。用大数据分析进行风险控制是益博睿的核心技术。他们的原始数据来源非常广泛。
他们的数据工厂的核心技术和机密是他们开发的多个个基于学习机器的分析模型，对每位信贷申请人的超过3000+维度原始信息数据进行分析，并得出可对其行为做出测量的指标，而这一过程在5秒钟内就能全部完成。
风控运营：
贷前营销：1、已有客户开发、新客户开发；2、预审批、申请评分 3、预审批，客户准入、预授信额度估算。
贷中审批：1、欺诈甄别、反欺诈监测； 2、申请再评分； 3、授信审批；4、贷款定价。
贷后管理：1、行为评分模型； 2、额度管理； 3、风险预警、预催收；4、催收评分、催收策略。
目前贷款审批线上速度实现了突破，贷款获批率也得到了显著提升，同一类用户，用抵押物、收入流水证明等粗放式的传统风控方式，贷款获批率在15%左右，而使用大数据模型结合人工后获批率可以达到30%以上。至于贷款的逾期率，以12个月违约风险举例，通过神州融线上信贷审批模型筛选的用户，逾期率比没有经过筛选的低一半。
神州融是第一家在大数据风控系统上发力的互联网金融企业，同时蚂蚁金服旗下的芝麻信用、一些P2P网贷平台都在陆续开始研发大数据信用评估模型。
花呗怎么借钱出来 电商平台作为互联网企业的中流砒柱，拥有客流、数据流、资金流、物流等多方资源，这也是其打造电子商务与消费金融相结合的新型生态圈的天然优势。其基本模式是电商企业利用自有交易平台积累的用户历史交易数据和相关个人信息对其信用状况作出基本评估，给予其相应的信用额度用以在该平台实现提前消费。
21消费金融场景化的渗透
消费金融场景化，是指在具体的消费场景下提供金融信贷服务，使信用消费在支付过程中便利自然地实现。消费者在选购商品之后，可选择电商平台提供的消费信贷方式进行付款，一般付款金额在消费者首次申请后取得预售额度内则不必再次申请。
场景化之所以能够成为电商平台的首选主要依赖以下三个条件:第一，高频低额的消费行为场景，电商平台消费金融已经涵盖了网购、便利店、校园、旅游、超市、3C等多个细分领域;第二，移动端消费的全面覆盖，特别是像蚂蚁金服这样拥有互金生态圈的大型平台，从单纯的线上赊购场景向手机第三方支付线下场景扩张，进一步抢占市场占有率;第三，简单捷的消费需求切换功能，消费者只需在最后付款阶段一键 *** 作，便可选择偏好的支付方式享受提前消费。电商场景拓展的路径往往根据消费价格与消费频率而构建，如图1所示。
22抓住广泛的长尾客户资源
我国传统金融机构出于监管要求和盈利目标的限制，业务模式较为僵化，“二八法则”引导下的传统金融主要依靠200的高净值用户创造80%的利润。因此，在信贷投放上无法满足学生群体、蓝领及部分白领等长尾用户的需求，而这些潜在群体消费需求恰恰是较为旺盛的。2015年，我国信贷人口渗透率(即通过传统金融机构完成过贷款，并在人民银行个人信用基础数据库中被收录的自然人占成年人口总数的比例)仅2760，而同期美国则高达82%。巨大的市场潜力给了以业务创新为导向的电商平台进入的机会，将潜在信贷人口直接发展成为互联网消费金融用户。蚂蚁花观现拥有一亿人次以上的用户，其中约60%多的用户尚未申请过 *** 。
花呗怎么借钱出来 另外，长尾用户消费理念和消费需求的改变也是电商平台补全市场缺口的一大动力。根据艾瑞咨询2016年的调查显示，30岁以下群体中753%的人每月可支配收入低于 6000元，而18-30岁的人群中约444%表示曾使用过分期消费产品。85后、90后乃至95后作为与互联网及移动互联网共同成长的年轻群体，其消费观念更注重品牌概念，更关注个性化服务，也更习喷线上消费和超前消费。
23大数据精准描绘用户画像
电商平台利用自身积累的多维度高质量的用户数据有效分析出每个用户的画像及关联图谱，精准定位营销策略。而依据某些算法模型还可提取风险控制因子，及时识别风险加以应对。综合比较现存模式，电商平台依据的数据信息大致可分为以下五大类:身份特质、履约能力、移动设备、行为偏好和网络轨迹等，每个类别下又分布着若干具体的衡量项目，如图2所示。
可以说，以上数据信息中的绝大部分是传统渠道难以获取到的“补充性数据”，正是这些补充性数据对于提升电商平台的风险评判能力有着显著的效果。在竞争日益激烈的互联网行业，其获客优势正在逐渐消失。电商平台发挥精准定位用户画像的比较优势，主要是为了实现两方面的诉求:一是激活有潜在需求的客户，二是屏蔽虚假需求的客户。针对以虚假资料或虚假身份申请的欺诈行为，电商平台借助“同盾”、“百融”等国内领先的反欺诈引擎进行侦测和识别，实现跨行业的防控。
24自创互联网征信系统
如果说电商平台提供的消费金融业务中“消费”的落脚点是场景，那么“金融”的核心点则是风控。互联网征信的起点可以认为是在2015年央行准予以腾讯微众银行和蚂蚁金服为代表的八家民营机构进入个人征信领域。随后，金融科技 (Fintech)概念出现，以输出技术为核心服务金融体系的方式正在逐步提升互联网金融的效率，也使得业务更加合法合规。首先，大数据提供的丰富征信数据来源在云计算的基础上对用户作出风险评级;其次，区块链通过建立公共分布式账本将征信数据融合，不仅保证了信息安全，也提高了征信结果的公信力。另外，依赖人工智能反复的试错与迭代，进一步避免了人工处理可能出现的疏忽与错误。接着，款项放出后，实时更新的数据库会在检测到异常行为后提前向用户发出催收程序，并将催收结果返回到数据库。最后，系统将在临近到期日时向消费者发出相应的还款提醒，而对已经违约的不良资产则转入不良资产处置平台。
花呗怎么借钱出来 电商征信系统的另一创新点还在于其“一次授信、循环使用”的进阶性。以“蚂蚁花观”为例，在蚂蚁金服对其自行构建的阿里生态圈内的用户所有交易数据进行首次评估后，便会授予用户初始信用额度。在额度范围内，消费者可实现在阿里旗下电商平台商品的分期购买，也可在大众点评网、饿了么等50多家合作电商及数以百万的线下便利店、商场等支持支付宝付款的场所使用。
评分质量好，准确率高。
布尔数据是一家人工智能风控系统提供商，提供专业的风控建模服务，为银行、保险、第三方支付、电商平台等行业提供专业化智能风控解决方案。
※ 聚焦垂直行业，通过联合建模、场景个性化服务，提供行业针对性解决方案。差异化打法，在单一行业做到极高准确度、覆盖度，模型评分质量高于同行业60%。
1模型服务：基于逻辑回归算法自研具有行业标杆的评分卡模型，深耕于信用租赁、汽车金融、消费分期等场景，深度挖掘、融合、改进现有机器学习和深度学习算法在各个场景中的应用。
2联合建模：通过双方平台和机器学习Xgboost等结合，从用户网络行为偏好、身份特质、社交网络、消费习惯、履约能力等维度，基于AI技术等独立打造的风控模型。
3云平台：集产品、模型服务、模型部署、客户端管理等众多功能，还有数据分析、数据可视化等模块构成。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”，也可能超过人的智能。
人工智能的定义可以分为两部分，即“ 人工”和“ 智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。
0条评论