跨境电商系统平台产品经理(跨境电商运营专员是干嘛的)
本文目录
跨境电商综合服务平台需要设哪些部门
1、行政人事部部门；2、财务核算部门；3、仓储部门；4、客服部门；5、供应链部门（采购、金融、销售）；6、技术部门（系统开发运维）；7、商务部门（招商维护）；8、关务部门；
部门设置看业务侧重，如果以仓储切入的，仓储部门人数占比会高。
如果是以供应链切入的，那供应链部门会比较强大（销售（平台对接）、采购（产品经理）、财务（核算、单证）、关务）
如果是以系统切入的，那技术部门相对体系会完善（产品、开发、运维等）
一个综合服务平台要运行起来，必须要有服务的对象、周边的服务生态要丰富，所以仓储、供应链主导会是一个不错的选择，有基础的量才能保障服务体系的运转。
从进口和出口两个方向简述跨境电商支付流程
一、跨境支付的基础概念
跨境电子商务（Cross-border Electronic Commerce）是指分属不同关境的交易主体，通过电子商务平台达成交易、进行支付结算，并通过跨境物流送达商品、完成交易的一种国际商业活动。
跨境电子商务分为进口和出口的贸易（本次分享以介绍进口业务为主）
1、贸易模式
我国跨境电子商务主要分为三种贸易模式：
企业对企业（即B2B）
企业对消费者（即B2C）
卖方+平台+消费者（即B2B2C）
2、跨境支付
从目前支付业务发展情况看，我国跨境电子支付结算的方式主要有跨境支付购汇方式，分别为：
第三方购汇支付
境外电商接受人民币支付
通过国内银行购汇汇出等
第三方支付公司的跨境支付资格：银联，快钱，易宝，首信易，网银在线，联动优势，财付通，支付宝等。在2015年批准外管局跨境外汇结算业务试点资格，全国共有27家第三方支付公司有跨境支付资质。随后的2016年，跨境业务试点企业数量维持不变。直至2017年春季，外管局才批准3家参与跨境试点。自此，拥有跨境支付资格的支付平台数量达到30家。
3、支付公司报关
参与跨境电子商务业务的企业：是指参与跨境电子商务业务的电子商务企业、电子商务交易平台企业、支付企业、物流企业等。（此处涉及的是跨境商品申报海关，三单合一的功能，从海外入境的商品需要报关：电商报交易订单，支付公司报支付订单，物流公司报物流单，三单合一后生成清单，海关对碰三单信息无误后放行，商品入境）
第三方支付公司即使没有跨境支付试点资格也可以向海关申请作为申报支付订单的企业。具体的接入流程如下图：
三单信息申报的流程如下图：
上述内容介绍了跨境支付的基础概念和支付公司报关的流程。下面介绍一下跨境进口业务的模式和跨境支付的流程
二、跨境进口业务的模式和跨境支付的流程
1、跨境进口业务模式
一般贸易：传统进出口贸易模式。通过大宗货柜进口或出口。采取一般方式报送海关。
集货模式：建立海外仓或通过海外直采，在海外打包分装，然后邮进中国。集中清关。
备货模式：采用一般贸易模式从贸易公司或代理商采购，通过保税仓备货。然后分拣发货报关销售。
2、跨境支付流程
整个跨境支付的流程：
国内用户在跨境电商平台内购买商品，使用国内支付方式（网银、快捷、扫码等），
支付公司去合作银行进行购汇（购汇成功后外币进入支付公司的外币备付金账户），
商户维护指定的境外收款人信息，支付公司向境外付汇（从支付公司外币备付金至境外收款人账户）
跨境支付的业务流程图如下：
3、跨境支付与境内支付
跨境支付与境内支付流程几乎一致，只是跨境支付有人民币备付金和外币备付金，需要把各币种资金清结算至相对应的备付金账户。
4、补充
跨境支付业务的业务范围：货物贸易，服务贸易（留学缴费，航旅机票，国际会展，酒店住宿等）
Q&A
Q1:问一下购汇是银行都支持吗？汇率怎么定.
A1:购汇是有指定合作银行，现在上线和第三方支付公司在线购汇业务的银行没几家，我知道的有中信银行，平安银行，其他的系统不了解.汇率都是银行提供的，有实时查询汇率的接口.
Q2:那你们之前是线下购汇还是线上购汇？
A2:我们接了银行的线上购汇,线下购汇很麻烦，如果是国外的银行没有系统，需要打电话问汇率，然后锁汇.
Q3:我以为是有外汇局提供统一的汇率接口，而不是由银行单独提供。
A3:不是的，外管局只是管收集数据，不做系统提供。都是跟银行对接的.
本文档来自“支付产品架构交流群”的聊天记录整理，由志愿者整理并发布到本网站。如需要及时收到来自“支付产品架构交流群”的最新消息，请扫码关注“凤凰牌老熊”的微信公众号。目前支付产品架构群还有不少空位。本群面向支付行业的有经验（2年以上）的产品经理、软件工程师、架构师等，提供交流平台。
小白入门 AI 产品经理之路
概述：21届毕业一直从事产品经理相关职位，先后从事的行业有云端视频编辑、跨境电商等行业，目前正在转型做云计算行业，别的不说跨度真的还挺大，而且其实中间真的没有什么很大的关系；但是兴趣使然，最终还是得选择一个自己最感兴趣的行业去进行深挖与提升自己，深入业务场景去进行需求的了解，与用户共情，是我目前的目标与方向，接下来会零零碎碎分享一些，自己对AI产品进阶的一些知识或者干货分享，欢迎各位大佬们批评指正，也欢迎跟我一样处于初期的小姐妹们跟我一起共同成长，互相交流~共勉之
第一篇：初识
quyc 2022/4/27
AI平台知识概述
一、概念了解(what)
在说AI平台之前，首先可以对AI进行了一个大致的解释，AI即人工智能，是研究并模拟、延伸和扩展人脑复杂行为的一种技术科学，范围包括机器学习、计算机视觉等等；那么 AI平台就是支持这种复杂科学研究的一种辅助工具，该工具可以进行智能化、体系化、自动化完成这一系列研究；
1）AI平台主要面向的是模型开发者，围绕 AI模型/算法的生命周期（数据收集、数据标注、模型构建、模型训练、模型优化、模型部署）提供的工具。
2）AI平台是面向应用者的，围绕集成好的AI服务进行部署应用，主要是进行应用的管理等相关操作的平台。
二、产品功能(How)
接下来将对 AI平台的两种分类进行逐一的功能阐述
2.1 AI开发平台
1）数据标注平台
面向进行模型训练的前置工作，包括数据导入、数据预处理、数据标注、数据增强等。这部分的数据工作与大数据的关联性比较强，有些标注平台甚至是大数据系统的组件。
对于AI标注来说，更多是进行数据智能/自动化进行处理，故此有些厂商推出数据采样、数据拆分、数据缺失值处理（数据预处理）、自动标注（数据标注）、对图片类型数据去雾、增雾、对比度增强等智能算法（数据增强），正是这些功能支撑起了数据标注平台。
2）模型训练平台
给模型训练的内容配置算力、环境，这个是AI平台中比较常见的产品，由于模型训练对硬件资源的高消耗，通常会租用云计算资源来完成模型训练，所以很多模型训练平台是与云平台捆绑的，完成包括负载均衡、并行训练等工作。
4）模型部署平台
提供把模型从训练环境部署到推理环境（云端、边缘端等）的工具。这个功能相对简单，较少单独作为一个产品，一般是也是作为开发平台的一个功能模块。
一个例外是边缘/嵌入式环境部署平台（如百度EasyEdge），由于硬件适配比较繁琐，所以目前看到百度是做成一个相对独立的产品的。
5）模型推理平台
提供各式各样的模型接口，供用户直接调用，一般还提供包括模型调用管理、接口管理等功能，这种推理平台主要是以模型作为核心竞争力的。另一种推理平台则以算力作为竞争力，类似云平台，用户将模型部署在平台上可获得弹性扩缩容等能力。
2.2 AI应用平台
AI支撑平台比起AI开发平台，更类似业务平台，比如内容审核、智能对话等。围绕的是一个核心算法，通过配置提升这个算法/能力的通用性。
通过下面一个例子进行详细解释：
横向是发布图片的业务流程，纵向是审核平台的功能，审核平台的核心问题就是图片分类，将符合审核政策规定的图片通过、违法的进行限制。
三、核心优势(Why)
AI平台带来的优势可以从用户、平台角度进行思考：
用户：尽低层成本获取 AI能力，提高工作效率，满足业务快速扩充的需要；
AI平台：标准化的工作工具/流程，无需定制去解决，提高模型生产效率、降低工作成本，从而形成盈利；
但是就目前来说，平台的需求是大于用户的需求，这跟 AI的发展历史有关，目前还暂处于初期阶段，AI技术还不是很成熟，更多是对模型训练的一些需求，一种行业化解决方案标准化的过程；用户 AI还持有观望态度（对提高ROI不确定等），所以引申出目前需要不断的加强对AI能力的训练，更好的契合市场用户的需求是目前的必经之路，同时也需要不断的引导用户发现AI能力的价值，进而提高AI平台的价值。
四、市场状况(where)
一些AI开发平台产品的AI模型生命周期覆盖情况，可以看到大部分产品其实都是提供全生命周期的功能的，提供一站式解决方案。
竞品分析：
百度的功能架构是最舒服、逻辑性最好的。百度的AI开发平台包括BML和EasyDL两个，BML是全流程的开发平台，覆盖了AI模型全生命周期；EasyDL定位是零门槛开发，所以只支持到数据训练级别的开发。BML中相对独立的数据相关功能和边缘部署相关功能又都拆成组件/小平台，可以供用户单独调用，从而提高灵活性。
腾讯TI系列平台中，TI-ONE定位是一站式机器学习服务平台”，但暂时没有看到关于数据标注方面的功能，数据处理只提供相对简单的数据接入和数据预处理功能。预置模型相对来说也比较少，大部分是机器学习方面的模型，深度学习模型较少。
TI系列的其他两个平台TI-Matrix和Ti-EMS分别是“AI应用服务平台”和“无服务推理平台”，个人感觉都更偏向云服务一些，主要是服务调度、扩缩容等能力。
华为ModelArts也提供从数据标注到模型推理全流程的开发工具，其中“自动学习”的功能模块基本对标百度EasyDL，提供重训练级别的模型生成，但暂时没有按照需求层级进行产品拆分。
总结：目前AI平台根据用户不同的需求点各有所侧重，但是基本都进行了一站式平台训练能力的部署，主要在对数据、模型、部署三个方面发力；
1）数据差异化：进一步与大数据平台吻合，提供数据采集、清洗、标注（自动、人工）等功能，解决用户数据方面的痛点。
2）模型差异化：提供更多的强大预置算法进行模型训练，针对不同的业务场景去进行模型训练，针对不同的业务场景进行优化，其次需要充沛的算例资源，与云平台进行很好的衔接、协同处理。
3）部署差异化：方便快捷、快速搭建、灵活运用成为部署的需要攻克的一大难点，也是非常重要的竞争优势，节省时间、人力成本，也方便进行运维；
热门问答
