Dashbord支付KPI

TL;DR

一个行车记录仪分为三层：漏斗健康（Attempt→Auth→Capture），财务效率（TtW/TtR，Cost/GGR，FX）和基础设施可靠性（Webhook/Latency/Settlement）。秘诀是正确的计算基础，强制性细分（国家×提供者×方法× BIN × ticket_size × risk），阈值SLO和到达走廊时的现成花花公子。

1）对于谁以及我们要解决的问题

首席执行官/通用汽车（每天3-5分钟）： "付款转换和收款速度正常？接受资金的成本得到控制？"

Payments/Treasury Head（每小时）： "提供商/国家/方法在哪里？即时付款是否有足够的流动性？"

Fraud/Risk（每天）： "AR考虑了防冻剂？Abandon на 3DS и Soft declines?»

支持/运营（在线）： "什么样的退货和退货ETA?Webhooks挂在哪里？"

Finance/Recon （D+1）： "按时结算？佣金和FX是否符合计划？"

2）主要指标和精确定义

2.1个支付漏斗

Attempt-启动付款。
Auth Approved-已批准的授权。
Captured-已成功注销。

• `AR_gross = Auth_Approved / Auth_Attempted`
• `AR_net = Captured_Tx / Auth_Attempted`
• `Capture_Success = Captured_Tx / Capture_Attempted_Tx`
• `Capture_Latency_p95 = p95(capture_ts - auth_ts)`

2.2调查结果和回报

Payout Success % = Success_Payouts / Attempted_Payouts

TtW p95 = p95(payout_credited_at - payout_initiated_at)

Refund Rate = Refunded_Tx / Captured_Tx

TtR p95 = p95(refund_credit_at - refund_initiated_at)

Refund Error % = Refund_Failed / Refund_Attempted

Refund_to_Source%-返回原始方法的百分比

2.3成本和FX

Cost/Tx = Fee_fixed + AmountFee_pct + FX_Spread

Cost/GGR = ΣCost / GGR

FX Slippage (bps) = (exec_px − mid_px)/mid_px × 10 000

2.4集成的可靠性

Webhook Delivery p95 (сек), Success %

API Latency p95/p99 (auth/capture/refund/payout)

Settlement Timeliness=在此期间进入声明的T+N/所有蹦床的蹦床

2.5 3 DS/摩擦（用于地图）

3DS Challenge Share = Challenge / 3DS_Total

Frictionless Share = Frictionless / 3DS_Total

Abandon on 3DS = 3DS_Started − 3DS_Completed

3）切口和过滤器（最小设置）

Фильтры в шапке: `date range (UTC)`, `country`, `provider`, `method_group`, `BIN`, `device/os`, `ticket_size bucket (≤€50 / €50–200 / >€200)`, `risk_segment`, `kyc_tier`, `new_vs_returning`, `affiliate`.

• country×provider, BIN×country, method×provider, device/os, ticket_size.

4）主屏幕标记（布局）

1.KPI的最高标记（昨天/今天，与p7中位数的比较）：

`AR_net`, `Capture_Success`, `Payout Success%`, `TtW p95`, `TtR p95`, `Cost/GGR`, `Webhook p95`, `Settlement Timeliness`.

2.Funnel（Attempt→Auth→Capture）具有段选择和故障原因显示（导轨上的ISO/顶部代码）。

3.Heatmap AR通过"乡村×提供者"和单独的BIN heatmap达到最高音量。

4.3 DS面板：Challenge/Frictionless/Abandon+与基准线的比较。

5.Payout & Refund Health: Success%, p95 (TtW/TtR), ошибки, Refund_to_Source %.

6.Cost＆FX：方法Cost/GGR，站点FX slippage/fees。

7.集成可靠性：Webhook delivery p95/Success%、API latency p95/p99, Duplicate rate, Report delivery SLA。

8.事件面板：active alertes（参见第8节）,failover状态和国库注释（L0, prefund）。

5）SLO和Alertes（走廊）

• 'AR_gross'地图3DS2：82-92%（按细分市场）；'AR_net' ≥ 80%
• `Capture_Success` ≥ 98.5%（小时）
• `Webhook p95` ≤ 3 с, Success ≥ 99.9%
• `Payout TtW p95` instant ≤ 120 с;（T+1）-每天100% D+1
• 'Refund TtR p95'卡≤ T+1 b.d.；instant ≤ 60 с
• `Refund Error %` < 0.3%
• `Settlement Timeliness` ≥ 99%
• "成本/GGR"-通过方法定制的目标走廊

• 7天中点"AR_gross↓> 3个百分点"（国家/PSP/BIN）→ P1/P0
• `Capture_Success < 98%` (час) → P1
• 'Webhook p 95>5 c'或副本>0 → P1
• `Payout TtW p95 > SLO` или Success%<99% → P1
• `Refund Error% > 0.3%` или `Double Refund > 0` → P0
• `Settlement on-time < 99%` → P1
• "Cost/GGR"通过P2方法从走廊→出

每位alert都会打开runbook'a（行动/上报/传单）卡。

6）公式和计算基础（详细信息）

所有股票-具有明确的基础：在"denominator"图尔蒂普中指定。
时间-在UTC；p-quantili： PERCENTILE_CONT。

"AR_clean"（运营）="Auth_Approved/（ Auth_Attempted − Fraud_Preblocked − Abandon_3DS）"

`Net_Conversion` = `Captured_Tx / Auth_Attempted_Tx`

`Refund_to_Source %` = `Refund_to_Original_Method / Total_Refunds`

"Idle Cash%"（在国库迷你小部件中）="（Balance − Target_Balance ）/Balance"

7） UX模式

顶部是KPI，下面是funnel+heatmaps，底部是集成和财务。
带有公式/基数/例外的Tultips（例如"反型后"）。
比较线：p7中位数和"昨天"/"上周一"。
按点击进行演练：从heatmap到故障BIN→Issuer→kody表。
RCA的快照：后太平间的"固定"按钮。

8）花花公子（嵌入式动作卡）

Auth drop →切换智能路由,在BIN上提高3DS-challenge,并限制回程。
Webhook延迟→包括计费，冻结自动反射/危险汽车付款，提高等效性。
Payout降解→导轨操纵器，宝藏顶级，VIP优先级。
Settlement延迟→ StressRes，标记为"Suspense"，在PSP中升级。
Refund错误/双打→ refund-freeze，和解，坚韧不拔。

（该卡包含支票单和升级联系人。）

9）数据模型（最低限度）

events/payments_flat:
payment_id, user_id, country, provider, method_code, action(deposit/refund/payout),
attempt_ts, auth_status, auth_ts, three_ds(flow, challenge_flag, started_ts, completed_ts),
capture_status, capture_amount, capture_ts, partial_flag,
refund_status, refund_amount, refund_initiated_ts, refund_credit_ts,
payout_status, payout_amount, payout_initiated_ts, payout_credited_ts,
fees_fixed, fees_pct, fx_spread, currency, amount,
risk_segment, kyc_tier, bin, asn, device_os, ticket_bucket

events/webhooks:
provider, event_kind, event_ts, delivered_ts, retries, duplicate_flag, idempotency_key

settlements/reports:
provider, batch_id, settlement_date, amount_settled, currency, fee_amount, status

treasury/pockets (mini-widget):
pocket_id, counterparty, currency, balance, target_balance, low_watermark, updated_at

索引：通过"provider"，"method_code"，"country"，"bin"，"event_ts"。

10） SQL切片（示例）

10.1漏斗和AR

sql
WITH base AS (
SELECT
DATE_TRUNC('hour', attempt_ts) AS h,
country, provider, method_code,
COUNT() FILTER (WHERE auth_status='ATTEMPTED') AS auth_attempted,
COUNT() FILTER (WHERE auth_status='APPROVED') AS auth_approved,
COUNT() FILTER (WHERE capture_status='CAPTURED') AS captured_tx
FROM payments_flat
WHERE action='deposit'
GROUP BY 1,2,3,4
)
SELECT h, country, provider, method_code,
auth_approved::decimal / NULLIF(auth_attempted,0) AS ar_gross,
captured_tx::decimal / NULLIF(auth_attempted,0)  AS ar_net
FROM base;

10.2 Webhook SLA

sql
SELECT
DATE_TRUNC('hour', event_ts) AS h, provider,
PERCENTILE_CONT(0. 95) WITHIN GROUP (ORDER BY EXTRACT(EPOCH FROM (delivered_ts - event_ts))) AS wb_p95_sec,
AVG(CASE WHEN retries=0 AND NOT duplicate_flag THEN 1 ELSE 0 END) AS wb_success
FROM webhooks
GROUP BY 1,2;

10.3 Refund & Payout Health

sql
SELECT
DATE_TRUNC('day', COALESCE(refund_initiated_ts, payout_initiated_ts)) d,
method_code, provider,
COUNT() FILTER (WHERE refund_status='ATTEMPTED') AS refund_attempted,
COUNT() FILTER (WHERE refund_status='SUCCESS')  AS refund_success,
PERCENTILE_CONT(0. 95) WITHIN GROUP (ORDER BY EXTRACT(EPOCH FROM (refund_credit_ts - refund_initiated_ts))) AS ttr_p95_sec,
COUNT() FILTER (WHERE payout_status='ATTEMPTED') AS payout_attempted,
COUNT() FILTER (WHERE payout_status='SUCCESS')  AS payout_success,
PERCENTILE_CONT(0. 95) WITHIN GROUP (ORDER BY EXTRACT(EPOCH FROM (payout_credited_ts - payout_initiated_ts))) AS ttw_p95_sec
FROM payments_flat
GROUP BY 1,2,3;

10.4 Cost/GGR

sql
SELECT
DATE_TRUNC('day', capture_ts) d,
method_code, provider,
SUM(fees_fixed + amountfees_pct + fx_spread) AS total_cost,
SUM(capture_amount) AS total_captured,
(SUM(fees_fixed + amountfees_pct + fx_spread) / NULLIF(SUM(total_captured),0)) AS cost_to_captured
FROM payments_flat
WHERE capture_status='CAPTURED'
GROUP BY 1,2,3;

11）附加屏幕

BIN Drilldown： AR/decline-codes, 3 DS摩擦,latency by发行人。
Provider Scorecard： SLA 度量、事件、积分、成本/GGR。
Treasury Snapshot：L0/L1残留物，预基金，StressRes，TtF补给。

Recon View： 定居时间,Aging非缝制蹦床,Fee accuracy.

12）数据质量i治理

具有转换的KPI字典（公式/基数/例外）。
单个TZ=UTC，p分量仅为CONT。
事件和Webhook的偶然性。
Tolerans 的时间/金额/FX政策（用于对账/潜伏期）。
CI中的数据测试：非空除数基数，时间戳单调性，空分数。

13）实施： 支票单

• 定义了KPI/公式/基数并记录在字典中。
• 对事件/注册表进行配置和规范化。
• 建造了"payments_flat"，"webhooks"，"settlements"，"treasury"店面。
• 实施了heatmaps，funnel，latency，payout/refund panels。
• 设置了SLO和Alerta急流；与花花公子有关。
• 访问角色：C级（只读摘要）,Ops/Fraud （drill-down）。
• 每周提供商QBR基于Provider Scorecard。
• UAT测试集：演示dataset，p-quantiles验证，基数正确性，alerts。

14）常见错误

基地的混合（"attempt"与"capture"）→错误的结论。
没有"ticket_size"分段→扭曲的AR图像。
3 DS上的abandon忽略→提供商的"夸大"问题。
缺少webhook duplicates控制→双重动作。
不完整的settlement/Fees展示→ 无法评估成本/GGR。
没有SLO和花花公子，行车记录仪就变成了"无动于衷的展示柜"。

总结

Dashboard支付KPI是一种操作工具，而不仅仅是图形。它连接漏斗，金钱和基础设施，依靠清晰的公式和细分，产生自动信号，并立即提出行动。结果：上AR_net，走廊中的TtW/TtR，受控制的Cost/GGR，事件迅速本地化，并且与提供商的对话基于数字。