Payroll Data Audit

核心用法

Payroll Data Audit 是一款专为企业薪酬合规设计的自动化审核系统，采用"确定性操作下沉到代码，模糊推理留给LLM"的架构原则。系统全量对齐《工资审核标准流程SOP》6步流程，对飞书/SAP/ADP导出的工资表执行自动化合规校验，SOP覆盖率达95%（41/43项）。

典型使用流程：
1. 数据扫描确认（强制）：执行data_scan.py获取发薪月分布、公司主体、计薪项汇总、特殊人员识别等关键信息，用户确认无误后方可进入正式审核
2. 完整审核流水线：通过run_full_pipeline.py一键执行8阶段审核——数据扫描→规则引擎→报告生成→动态看板→抽样校验→问题清单→总审核报告→文件交付
3. 分段审核（大数据量场景）：使用run_audit.py实现7阶段独立执行+断点续传，避免上下文截断
4. 快速场景：支持红线校验（10秒快检）、字段检查、公式校验等独立场景

显著优点

1. 规则引擎高度可配置
所有规则集中在references/rules.json管理，支持红线（4条，触发即阻断）、黄线（6条，标记解释）、蓝线（4条，仅提示）、业务规则（5项）、政策豁免（多项）的灵活扩展，新增规则无需修改Python代码。

2. 数据支撑原则严格执行
每个审核结论必须附带检查数、通过数、阈值三要素。例如："公式校验通过：2000条记录全部在0.01元容差范围内，通过率100%"。异常结论需列出具体人员、工号、异常值、预期值、违反规则ID。

3. v6.x版本重大升级

• 表格化报告：替代v5卡片+SVG风格，信息密度大幅提升
• 动态交互看板：零依赖纯内嵌JS，支持筛选/排序/搜索/展开明细/导出CSV/深色模式
• 三者联动机制：报告↔看板↔数据索引通过rule_id双向锚定，确保数据一致性
• 连续在职人员环比分析：自动识别连续在职人员，排除实习生/当月入离职/近期调薪转正/请假>2天/多主体发薪人员，对比12项计薪科目环比变化，自动标记>10%异常波动并分类原因
• 总审核报告（Master Report）：聚合数据扫描、审核结果、判定过程、问题清单、抽样校验为一份完整HTML报告
• 文件交付自动化：11个必发文件清单+审核结论摘要自动生成

4. 精准排除逻辑
v7.1修复5个P0阻断bug，优化全角/半角括号统一、新员工排除+上月1号调薪豁免、实习生排除等关键逻辑，显著降低误报率。

潜在缺点与局限性

1. 适用范围受限
明确不覆盖：实际算薪操作、薪酬市场调研、个税计算、社保核算。纯算薪场景需切换至专用算薪工具。

2. 数据源依赖
优先依赖飞书/SAP/ADP导出格式，虽内置40+字段别名变体（COLUMN_ALIAS），但极端非标列名仍可能识别失败，需人工映射。

3. 红线阻断的刚性
一旦触发红线（实发≤0、加班超36h、低于最低工资、社保未缴），立即阻断后续所有步骤。虽符合合规要求，但紧急场景下可能缺乏"先出报告后整改"的弹性选项。

4. 跨月对比的基准依赖
无上月数据时，跨月对比/按人分析自动跳过，报告中标注"无基准数据"，部分趋势分析能力受限。

适合人群

• HR薪酬团队：月度发薪前的合规校验，确保零差错发放
• HRIS/系统管理员：飞书/SAP/ADP系统的数据质量监控
• 财务审核人员：薪酬总额的合理性复核与波动分析
• 审计合规团队：薪酬政策的执行合规性审计
• 大型企业多主体场景：支持分主体/分四级部门对比，适配复杂组织架构

常规风险

数据安全风险：工资数据为敏感个人信息，需确保执行环境的数据隔离与传输加密。建议在企业内网或私有云环境部署，避免使用公共LLM API直接处理原始工资数据。

误判风险：虽v7.1大幅优化排除逻辑，但特殊场景（如跨月调薪生效日期边缘情况）仍可能产生误报，需人工复核黄线/蓝线标记项。

断点续传的数据一致性风险：使用--resume分段审核时，需确保源数据文件未被修改，否则可能导致阶段间数据不一致。

精度容差边界风险：金额计算使用decimal.Decimal，公式校验容差0.01元。极端情况下（如大规模数据累加），分毫级误差可能影响通过率判定。

核心用法

payroll-data-audit 是一款专为企业 HR 和财务团队设计的工资数据自动化审核系统，采用"确定性操作下沉到代码，模糊推理留给 LLM"的架构原则。系统全量对齐《工资审核标准流程 SOP》六步流程，对飞书、SAP、ADP 等主流 HR 系统导出的工资表执行深度合规校验，SOP 覆盖率达 95%（41/43 项）。

使用流程严格遵循强制三步：首先执行 data_scan.py 进行数据扫描，输出发薪月分布、公司主体、计薪项汇总、特殊人员识别等关键信息；等待用户确认"确认无误"后方可进入正式审核；最终通过 run_full_pipeline.py 一键执行端到端流水线，生成表格化报告、动态交互看板、数据支撑索引、总审核报告等 11 个必发文件。系统支持 7 阶段分段审核（断点续传）、快速红线校验（10 秒完成）、抽样校验二次确认等多种使用模式。

显著优点

规则引擎专业严谨：内置 4 条红线（实发≤0、加班超 36h、低于最低工资、社保未缴）、6 条黄线（绩效异常、出勤超限、工资波动等）、4 条蓝线（跨月趋势提示），所有规则集中管理于 rules.json，支持零代码扩展。v7.1 修复 5 个 P0 阻断 bug，包括全角/半角括号统一、新员工排除、实习生排除等关键场景。

数据质量保障完善：采用 decimal.Decimal 进行金额计算，杜绝浮点误差；公式校验容差精确到 0.01 元；内置 40+ 字段别名映射，兼容各类工资表格式；连续在职人员环比分析自动排除实习生、当月入离职、调薪转正、请假>2 天等干扰因素，标记 12 项计薪科目 >10% 异常波动。

输出体系完整可用：v6 版本升级为表格化报告，信息密度高；动态交互看板支持筛选/排序/搜索/导出 CSV/深色模式，零依赖纯内嵌 JS；data_index.json 作为三者联动核心，确保报告、看板、原始数据双向锚定；总审核报告聚合全部输出，可直接用于审计留档。

潜在缺点与局限性

数据源依赖性强：必须提供 CSV/Excel 格式的工资数据，且跨月对比功能强制要求上月数据，无上月数据时部分分析能力降级。对飞书多维表格、SAP HCM、ADP 导出的格式兼容性较好，但自定义格式可能需要人工调整列名映射。

本地化部署门槛：需要 Python 3 环境及 pandas/numpy/openpyxl 依赖，非技术团队部署存在学习成本。虽支持 Docker 化，但官方未提供容器镜像，需自行打包维护。

规则适配成本：尽管规则集中管理，但企业个性化政策（如特定行业最低工资、地区社保政策差异）仍需手动编辑 rules.json，缺乏可视化规则配置界面。政策豁免逻辑（如道旅国际特殊处理）已硬编码，其他企业需二次开发。

性能瓶颈待验证：官方未公开大规模数据性能基准，3000+ 人员企业的全量审核耗时、内存占用未知。分段审核设计虽缓解上下文截断，但大数据量场景下 Phase 7 总报告生成可能存在延迟。

适合的目标群体

• 中大型企业 HR/薪酬团队：月度发薪前合规检查，替代人工逐行核对
• 财务共享中心：多主体、多账套工资的集中审核与风险管控
• 审计与内控部门：薪酬数据稽核、抽样校验、问题追踪与整改闭环
• HR SaaS 厂商：作为增值服务模块集成，提升产品专业度
• 劳务派遣与外包机构：批量审核多个客户企业的工资数据合规性

常规风险提示

性能风险：全量审核涉及 12 项计薪科目 × 多个月份 × 多主体的矩阵运算，极端数据量下可能触发内存溢出。建议采用 --step 参数分步执行，或启用 run_audit.py 分段模式。

依赖项风险：pandas 2.0+ 与 numpy 1.24+ 的版本兼容性需持续关注，升级依赖后建议执行完整回归测试。openpyxl 处理大体积 Excel 文件时速度较慢，CSV 格式为推荐输入。

数据质量风险：列名容错虽覆盖 40+ 变体，但非标工资表仍可能触发 Missing column 错误。建议建立企业级字段映射模板，或要求数据源方标准化导出格式。

误报与漏报风险：排除逻辑（如 YL-006 跨月调薪豁免）基于固定规则，复杂人事场景（月中多次调薪、跨主体借调）可能误判。建议结合人工复核，特别是对标记为"需核实"的个案。

输出文件管理风险：生成的 HTML/JSON/Markdown 报告包含员工敏感信息，需确保存储路径受控、访问权限最小化、按组织数据保留政策及时归档或删除。