薪资数据审计系统

解决什么问题

工资数据审核每月重复却至关重要。面对飞书多维表格、SAP HCM 或 ADP 导出的工资表，人工核对字段完整性、公式正确性、合规性（如最低工资、社保缴纳）和跨月波动，不仅耗时，还容易因疏漏导致误报或漏报。数据量大、规则复杂时，审核质量难以稳定保证。

技能如何工作

payroll-data-audit 将确定性操作下沉到代码，模糊推理留给 LLM。核心流程对齐《工资审核标准流程 SOP》的 6 个步骤，覆盖 95% 的审核项（41/43 项）。

• 数据扫描：识别发薪月、公司主体、计薪项，检测工号重复，输出扫描结果供用户确认。
• 规则校验：执行公式校验（Decimal 精度，0.01 容差）、业务逻辑校验（出勤、绩效系数等）、红线（实发≤0、加班超 36h 等）、黄线（绩效异常、工资波动）和蓝线（跨月趋势）校验。
• 报告生成：输出 HTML/Markdown 报告，包含审核结果、数据依据、判定过程和处理建议。
• 看板与索引：生成动态交互看板，支持筛选、搜索和深色模式，通过 data_index.json 关联报告和看板。
• 抽样校验：随机抽样重算，偏差率≤5% 通过，否则触发根因分析。
• 端到端流水线：run_full_pipeline.py 一键执行扫描→审核→报告→看板→抽样→总报告。

关键设计包括红线阻断机制（触发即暂停，不生成报告）、分段审核（7 阶段独立执行，支持断点续传）和规则集中管理（references/rules.json）。

适用边界与注意点

• 不覆盖：实际算薪操作、薪酬市场调研、个税计算和社保核算。
• 数据依赖：跨月对比和按人分析需要上月数据，缺失时自动跳过并在报告中标注。
• 红线阻断：触发红线（如负实发、低于最低工资）时必须阻断流程，修正数据后重新审核。
• 环境要求：需要 Python 环境安装 pandas、numpy、openpyxl。
• 编排建议：作为 Workflow Orchestration 的单节点调用，避免拆成多节点重复执行。