Al Noor Retail 是一家中型沙特零售商，每周处理数千笔来自 Mada、Visa 和 Mastercard 的交易。
其财务团队负责将内部 POS 和 ERP 系统中的总销售额，与扣除支付费用、VAT、退款、拒付以及结算时点延迟后的银行净入账进行对账。
这项工作责任重大，但过程却极其依赖人工。
每天，分析师都要下载银行报表、打开 Excel 模型、匹配交易记录、检查差异，并把未解决的项目带到月末结账中。
问题不在于投入，而在于那张表格。
对账模型其实悄悄算错了
Al Noor 的 Excel 流程存在两个隐藏的结构性错误。
Mada 交易被按 0.8% 的固定费率计算，却没有应用 40 SAR 封顶。对于高金额交易，这会导致每笔交易反复出现 40 SAR 的差异。
Visa 和 Mastercard 交易则被当作仅按百分比收取费用，遗漏了固定的 1 SAR 组成部分。这使得小额刷卡支付持续无法对平。
此外，四舍五入差异、T+2 结算时点、退款和拒付又带来了更多噪音。
结果就是：每天需要 2–3 小时进行排查，而月末未结项清单始终无法彻底清零。
Energent.ai 成为了对账引擎
借助 Energent.ai，团队将银行收单报表和内部销售导出文件直接上传到 agent 中。
随后，Energent 会：
- 按支付通道对每笔交易进行分类
- 应用正确的 Mada、Visa 和 Mastercard 费用逻辑
- 计算处理费用上的 VAT
- 将预期净入账与银行净入账进行匹配
- 应用 ±0.05 SAR 的四舍五入容差
- 在 ±3 天窗口内搜索 T+2 结算延迟
- 将退款和拒付分离到各自的复核表中
- 生成对账仪表板和可供审计的摘要报告
无需自定义代码。无需重建 BI 仪表板。无需脆弱的表格交接。
为什么它奏效了
不是更好看的报表，而是正确的逻辑
Energent 不只是把差异可视化，而是基于原始交易数据重新计算预期结算金额。
具备容差感知的匹配
微小的四舍五入差异不再污染异常清单。
内置结算时点处理
T+2 的银行延迟被自动处理，而不再被当作缺失交易。
输出可直接用于审计
最终的对账指南成为月度结账包的一部分，并帮助新分析师快速上手。
结果
在第一次会话中，Energent 就识别并修正了两个核心费用模型错误。
高金额 Mada 交易首次实现了顺畅对账。小额 Visa 和 Mastercard 交易不再持续制造系统性异常。结构性错误修复后，未结项积压实际上被重置为零。
日常对账从 2–3 小时的表格排查，转变为对真实异常的聚焦复核。
对 Al Noor Retail 而言，Energent.ai 将支付对账从一个反复出现的月末难题，变成了可重复、可审计的工作流程。
一旦 Energent 展示出费用拆分，问题就一目了然了。我们算出来是 80 SAR，但 Mada 封顶意味着应该是 40。正是这一个洞察，证明了整个项目的价值。