格式各异，口径分散。
Excel、纸质单据、邮件附件和平台报表各自为政，供应商、物料、订单状态还存在大量别名。
AI 原生 · 标准财务数据中枢
机器先整理，人来把关。
把发票、Excel、银行流水、回单、平台导出表持续送进来：AI 负责看懂、归一、查重、比对，生成可复核的记账草稿；拿不准的自动转人工确认。不替换 ERP，不改变前端工作习惯。
私有部署客户环境内运行
数据不出域总部不接触业务数据
先可信后入账拿不准自动转人工
系统对接同步金蝶 / 用友等既有系统
01 / 前端业务数据
02 / Skill 转换层 · AI 可信化
看懂 · 归一 · 查重 · 校验
能证明大概率对的才自动往前走，拿不准的自动转人工确认；确认结果回流学习，沉淀为企业自己的规则资产。
03 / 标准财务数据库
总账、应收、应付、成本、薪酬、费用、税务
数据模型可追溯、可校验、可复用，支撑财务复核与审计要求。
04 / Connector 对接层
同步至金蝶 / 用友 / SAP / OA
按 API、中间库或文件引入方式写入现有财务系统，并回读入账状态。
财务系统没有错，错在数据进不去。DataPals 补上业务现场和财务系统之间的数据标准化层。
审计
问题
系统上线了，数据仍然靠人搬。
阻塞通常不在 ERP 本身，而在业务现场与财务入账要求之间：字段、口径、凭证规则和审计留痕没有被持续标准化。
统一字段，审计留痕。
财务系统需要主数据编码、会计口径、凭证规则与异常处理记录，靠月底集中补录很难稳定。
点对点对接难复用。
每家企业字段不同、系统接口不同，临时脚本和一次性项目会让后续行业扩展成本越来越高。
工作原理
先可信，后入账。
它不是"导入即入账"的黑箱。原则只有一条：能证明自己大概率对，才自动往前走；不能证明，就停下来让人看。
看懂原始材料
不管原件多乱——发票、Excel、银行流水、回单、聊天截图——先抽取主体、金额、税率、日期与对应单据，统一成结构化数据，而不是让后面的人继续猜格式。
先可信化，再谈入账
查重、关联、校验、分流四道动作在入账之前完成：有把握的进入确认链路，没把握的自动转人工复核。这是它与"导入即入账"软件最根本的区别。
整理成业务草稿
只有经过确认的记录，才生成应付账单草稿、应收单据草稿、收款匹配建议与核销候选——财务始终握着最后一道闸，但不再需要从零逐张录入。
先可信后入账
不是导入就算数，先经过查重、比对、校验、确认。
拿不准就转人工
金额不稳、税率异常、主体不明、上下文冲突，都停下来给人看。
产出草稿与候选
先给会计看，再决定是否进入正式业务动作。
全程可追溯
每条结果都能追到原始来源、处理过程和修正记录。
越用越懂
学习你的纠正经验以减少重复劳动，但不跳过治理边界。
架构
一次映射到标准库，多端同步到现有系统。
财务和 IT 可以共同评估：DataPals 不替换系统，而是在前端数据源、标准财务数据库和既有系统之间建立稳定转换链路。
前端业务数据
Excel、PDF、纸质扫描件、OA、邮件、平台报表、API 数据，保留业务部门原有工作习惯。
Skill 转换层
字段抽取、清洗映射、主数据别名、金额容差、异常标记、审计留痕，按企业规则配置。
标准财务数据库
总账、应收、应付、固定资产、成本核算、薪酬、费用、税务等标准模型持续沉淀。
Connector 对接层
对接金蝶云星空、用友、SAP、泛微 OA、银行或其他业务系统，按客户 IT 条件选择方式。
场景
先挑最耗人、最容易出错的一类材料开始。
费用、销售、收款是来源最杂、人工最重的三类高频场景；制造业与跨境电商则在此之上叠加行业化的主数据与对接条件。
费用报销智能审核与归集
发票、报销单自动识别、查重、校验税率与主体，费用归类到受控费用类别，生成应付账单草稿。
应付账单与银行流水打包对账
付款回单、银行流水与应付单据自动牵线，金额与主体差异挂出待确认，替代人眼来回找。
收款到账自动匹配应收
识别付款方、匹配应收单据，形成收款匹配建议与核销候选，未匹配款项进入候选队列。
送货单 × 发票 × 合同自动匹配
OCR 字段抽取、供应商/物料别名映射、单价/数量/金额容差核对，降低采购应付人工核对与错付风险。
多车间薪酬数据自动汇聚与试算
解析考勤、计件、加班与扣款记录，按员工、车间、工单映射到标准薪酬与成本模型。
研发费用按审计口径持续归集
把领料、工时、立项文件和项目台账沉淀为可复核的研发费用证据链。
订单、结算、回款自动对齐
匹配订单号、交易号、手续费、退款、拒付和汇率信息，形成收入、应收、收款和汇兑差异数据。
单票物流成本自动匹配
识别物流服务商账单字段，将费用匹配到订单、SKU、渠道或国家维度。
广告账单进入标准费用模型
按账户、渠道、品牌、站点和期间映射费用项目与成本中心，服务利润分析与月结。
实施
先诊断，再配置；先灰度并行，再正式上线。
DataPals 不要求业务部门换系统。数据治理工程师进场后，将现场规则配置为可运行、可复核、可移交的 Skill 与 Connector。
进场准备
NDA、样本数据、系统接口、部署环境、关键人确认。
业务诊断
访谈财务、业务和 IT，梳理数据流、主数据、规则与风险。
配置交付
配置 Skill、标准模型、Connector、异常规则与测试样本。
灰度并行
人工结果与系统结果并行核对，建立财务信任。
持续运行
远程值守、健康检查、Skill 优化与新增场景扩展。
准备阶段：客户提供样本、接口和对接窗口；DataPals 明确部署边界、数据源、关键人和 Pilot 验收口径。
定价
按场景开通，按年保障持续正确。
一类业务流程就是一条数据管道。我们的扩张方式是帮你开通下一个场景，而不是对老管道涨价。
01 / 管道开通费 · 按场景一次性
把你的流程变成资产。
驻场工程师把一类业务流程（如费用报销、应付对账）变成一条能自动跑的数据管道。
- 业务诊断与样本核对
- Skill 配置与规则沉淀
- 灰度并行与财务验收
- 正式上线与资料移交
02 / 管道运行费 · 按年 · 含处理量额度
让管道持续正确地跑下去。
平台会改导出格式、银行会换流水模板、政策与模型都在变化。运行费买的是一个每天都在被重新验证的承诺：今天丢进去的票据，还是能被正确整理。
- 算力与模型调用
- 格式变化适配与回归验证
- 模型升级与规则迭代
- 季度质量报告
服务有真实成本。
每处理一张票据都在消耗模型算力，这和"复制一份软件不要钱"完全不同。软件没有"用量"，服务才有。
按实际业务量定。
先用试点期跑出数据，再在合同里写清年度单据、流水处理额度；超出按量补，同一条管道运行费不涨价。
年底一份价值账单。
季度质量报告汇总成年度数字：自动处理了多少张、拦下多少风险、省了多少小时。续费谈的是这些数字值不值。
归你所有
数据与规则是你的账本。
业务数据、纠正记录、客户别名库、沉淀下来的业务规则，全部归企业所有；私有部署时都在你自己的服务器上，随时可导出。
向我们租用
引擎让账本每天自动更新。
管道执行、验证窄门、模型接入、格式适配的持续更新。就像房子是你的，电梯维护和保安值守是年年要做的。
能不能买断？
可以私有部署，数据和运行环境全部在你侧。但引擎更新、格式适配、模型升级是持续服务，买断一个会过时的快照对你并不划算。更重数据主权，选私有部署加年度运行费；更重省心，选托管开通。
明年会不会涨价？
同一条管道运行费不涨价，超出额度按量补。我们希望多收费的方式是帮你解决下一个场景，不是在老场景上加价。
第一年用得少怎么办？
额度按实际业务量定：试点期（比如首月一类票据）跑出数据后再定正式额度，不拍脑袋。
你们停止服务了怎么办？
你的数据、规则、纠正记录都在你的节点里，随时可导出；私有部署形态下系统本身也在你手里。我们没有绑架能力，只有服务能力。
安全
每家企业独立部署，业务数据留在企业环境内。
安全与部署区直接回答 IT 的核心关切：数据是否出域、是否影响 ERP、异常如何处理、总部是否接触企业业务数据。
客户企业环境
客户现有系统
DataPals 总部
数据不出域
标准财务数据库在企业环境内运行，总部不接触、不存储企业业务数据。
不影响现有 ERP
Connector 按系统 API、中间库或文件引入方式同步，不替代、不改造客户现有系统。
权限与审计
转换日志、异常处理记录、系统回执可追溯，支撑财务复核与审计要求。
异常队列兜底
Skill 无法自动处理时进入异常队列，由数据治理工程师或指定人员处理后回流优化。
试点评估
从一个高频场景开始诊断。
对 CFO、财务总监和 IT 负责人来说，最稳妥的起点是提交样本、确认系统基础、评估一个高频场景的试点可行性。