Files
dc-docs/output/feishu-docs/YZ5YwmNz5iDs1NkfdAGcYVs1nsb.md
T
2026-06-23 14:43:31 +08:00

6.9 KiB
Raw Blame History

YZ5YwmNz5iDs1NkfdAGcYVs1nsb

Source: https://fcnlycv6dd0w.feishu.cn/wiki/YZ5YwmNz5iDs1NkfdAGcYVs1nsb

今日内容、

①财务对接会-会议内容 ②整理财务模块-交接笔记 ③论文推进模块

**一、财务对接会-**会议内容

◾ 会议主要完成了财务自动生成表工具的阶段性演示和后续需求确认

(一)当前已实现的能力

本次会议演示了"配置表驱动取数"的核心功能,财务部已初步了解工具能力边界:

  • 通过财务配置表 + Python脚本,一键读取5个子表数据源,自动生成利润表取数源及分产品、分地区、按月三张子表
  • **操作简单:**选择数据源文件夹 → 选择输出目录 → 点击运行,两步完成

(二)后续财务侧提出的需求

① 保留跨表公式链接

  • 财务希望输出表中保留公式,子表数据变更后可追溯来源,方便核验和溯源。目前输出为静态数值,需回去研究是否可在输出表中嵌入公式。 ② 同比环比功能
  • 已有25年历史数据,格式与当前一致,可直接新增作为数据源,由脚本自动计算同比环比指标,需求已确认可实现。 ③ 预算达成对比
  • 需新增两张预算数据源(保底版/挑战版),字段维度与现有取数规则基本一致,映射关系相对简单,优先级待财务月初忙完后再推进。 ④ 纵向/横向对比分析表
  • 包括单个游戏环比、游戏间横向对比等,数据来源主要取自分产品表内部计算,表内运算为主,后续可逐步扩展。

(三)配置表维护方式

  • 小范围改动(如取数列从AA改为AB):
    • 直接手动改配置表,或发给Codex/AI用自然语言描述让其自动修改
  • 规则新增或复杂变更:
    • 建议直接发需求给AI,由AI读取配置表后自动更新,避免人工改错导致依赖关系混乱 原则:配置表是规则载体,改动要通过AI辅助完成,不建议纯人工逐行填写

(四)更长期的问题与挑战

财务部也反映了更深层的结构性问题:

  • 当前自动化只解决了后半段
    • 子表到总表的汇总环节,占整个出报表工作量的1/3
    • 前端的系统取数、数据清洗、多来源对账仍全部依赖人工
  • 各系统数据没有打通
    • 业务端(龙泉、中控后台、BI)与财务端(金蝶)各自独立,没有端到端的数据闭环,人工在各节点之间手动连接
  • 历史数据口径不统一
    • 22/23年与24年之后的数据口径存在差异,如需历史累计分析(如工作室累计盈亏),需要额外做口径对齐和数据重整
  • 数据准确性影响范围广
    • 不只是财务,发行、运营、产品部门都在使用业务数据做决策,口径不一致已经出现过数据错误影响决策的情况
    • 系统层面的全链路打通需要集团层面推动,不单是财务部门单独能解决的

二、整理财务模块-交接笔记

(一)整理背景

将财务模块当前推进内容整理成 HTML 交接笔记形式 目的是让新同事能直观了解项目背景、业务逻辑、工具运行流程和后续复现路径,降低交接和理解成本。

(二)覆盖内容

① 现有痛点梳理 - 财务数据来源分散,需分别进入不同系统手动导出 - 人工取数 + Excel 汇总链路较长,字段口径和归集规则不统一 - 跨表公式链接不稳定,规则停留在人工经验中,难以交接复用 ② 解决思路 - 将取数规则、字段映射、筛选条件、费用归类和汇总逻辑结构化,沉淀为财务配置表 - 再由 Python 脚本按配置执行,细小规则变更只需修改配置表,无需改代码。 ③ 当前工具架构 - 财务配置表: 存储取数规则、字段映射、公式关系、汇总逻辑 - Python 本地化执行: 读取配置表,从本地数据源取数运算,不上传云端 - 可视化运行工具: 封装成简单界面,两步操作(选数据源 + 选输出目录)即可一键生成结果 ④ 当前输出结果 - 自动读取数据源,生成利润表取数源、分产品、分地区、按月汇总四张表。 图片 图片

三、本周论文推进模块

🔎 核心目标 - 本周重点围绕"开题答辩反馈整改 + 竞赛活动数据对接"推进 - 目标是把论文从理论讨论推进到可验证的数据准备阶段。 推进模块划分: ①项目组数据对接 ②综合投入实证推进 (二)本月核心目标

  • **理论层:**综合投入定义优化情况、七机制框架收束情况
  • **数据层:**数据获取情况、数据质量情况、字段可用性情况
  • **实证层:**是否完成一期试跑、是否构建综合投入、是否初步识别核心机制 ①项目组数据对接 1. 取数目的
  • 计划向项目组申请一期《钲鼓连烽》竞赛活动埋点数据,先用于验证论文数据口径和变量构建可行性,不直接进入全量多期分析。 2. 基础信息确认
  • 需要先确认活动基础信息,包括活动名称、期数、时间范围、参与区服、参与玩家与联盟/同盟数量,以及该期埋点和结算数据是否完整。 3. 数据粒度确认
  • 数据粒度以“玩家 × 活动期”为主,要求能够关联玩家ID、联盟/同盟ID、赛区ID和区服ID。后续再根据分析需要,补充联盟维度和赛区维度数据。 需要申请的字段范围包括:
  • **基础身份字段:**玩家ID、联盟/同盟ID、赛区ID、区服ID、玩家等级、战力、VIP等级等;
  • **活动结果字段:**个人贡献值、活动积分、个人排名、联盟/同盟排名、个人奖励、联盟/同盟奖励等;
  • **规则配置字段:**赛区匹配规则、排名奖励配置、个人奖励规则、联盟/同盟奖励规则等。 ②综合投入实证推进 明确 K、L、X 的定义与字段来源,确认现有埋点能否支持综合投入变量构建。
  • K(金钱投入): 活动相关消费金额与次数、礼包购买、鼓舞/复召/加速类消耗。需确认能否区分"活动相关消费"与"活动期间全游戏消费"
  • L(有效行为投入): 活动参与天数、参战次数、派遣次数、捐献次数、鼓舞次数、竞猜次数、领奖兑换次数。需确认哪些行为属于活动核心行为,哪些只是登录浏览不计入有效投入
  • X(综合投入): 后续通过不同权重方案检验综合投入指标是否稳定,金钱与行为之间的内生关系只作为变量构建边界和稳健性说明