Een complianceplatform tariefboeken leren lezen
Een product voor handelscompliance: classificeer een product en zie daarna de invoerrechten, regelgeving en landed cost voor elke handelsroute, gebaseerd op officiële bronnen.
- Rol
- Product engineer
- Periode
- feb 2026 tot sep 2026
- Status
- In ontwikkeling
- Stack
- NestJS, AWS Lambda, Step Functions, DynamoDB, React
- Probleem
- Regels voor tarieven en gevaarlijke stoffen komen binnen als API's, spreadsheets en pdf's die per land verschillen.
- Wat ik deed
- Bouwde tariefadapters voor zes landen achter één API, en parseerde de VN-lijst met gevaarlijke stoffen naar gestructureerde records.
- Resultaat
- 2.835 records voor gevaarlijke stoffen en 139 verpakkingsinstructies die het product kan bevragen en citeren.
Het systeem
Elk land publiceert zijn tarief- en regelgevingsdata anders: sommige via API's, andere als spreadsheets, weer andere als pdf's met secties, gescande pdf's en overheidsportalen. Compliance-antwoorden zijn maar zo goed als die data, dus de ingestie moet exact zijn en herleidbaar tot de bron.
Product engineer in een team van twee in 2026. Ik bouwde tariefadapters per land en de parser voor gevaarlijke stoffen op een serverless ingestiepijplijn die mijn teamgenoot ontwierp, en de landed-cost-calculator en de materiaalintelligentie-workflow in de webapp.
- jurisdicties
- 10
- geparste records gevaarlijke stoffen
- 2,835
Van officiële bronnen tot antwoorden in de app. Hover of tik op een node.
Een pdf die een database werd
De VN-lijst met gevaarlijke stoffen wordt gepubliceerd als een pdf-tabel met elf kolommen, vol afkortingen, legenda's en verwijzingen naar bijzondere bepalingen en verpakkingsinstructies. Ik schreef de parser die er bevraagbare records van maakt: legenda's en catalogi worden uitgeschreven, bijzondere bepalingen en verpakkingsinstructies worden een bijbehorende tabel, en randgevallen zoals de verpakkingsnotities van klasse 7 en klasse 9 blijven intact.
Het resultaat is 2.835 gestructureerde records en 139 verpakkingsinstructies, opgeslagen als feiten in plaats van gekopieerde tekst, zodat de app vragen kan beantwoorden in plaats van een pdf te citeren.
Enige auteur van de module, met ongeveer 1.150 regels tests.
Tien landen, één vorm
Ik bouwde de tariefadapters voor India, Nieuw-Zeeland en Pakistan en de lookups voor exportcodes voor Australië, Canada en de VS. India combineert hoofdstukken uit het handelsbeleid met losse lookups voor invoerrechten; de tariefposten van Nieuw-Zeeland komen uit pdf's met secties; elk land had zijn eigen parsing nodig, maar ze bieden allemaal dezelfde seed-, preview- en export-endpoints.
Daarbovenop wordt een genormaliseerde HS-hiërarchie (afdelingen, hoofdstukken, posten en hun zusters) gedeeld tussen de data van Australië, China, Japan, Canada, de VS en Nieuw-Zeeland, zodat het product binnen een handelsroute appels met appels kan vergelijken.
Van data naar antwoorden
In de webapp bouwde ik de landed-cost-calculator en een materiaalintelligentie-workflow in drie stappen: upload een eisenspecificatie, haal de eisen eruit, benchmark ze en beoordeel daarna de compliance van een materiaal, met voortgang en resultaten bij elke stap.
Keuzes die ik kan verdedigen
Sla afgeleide feiten op, geen documenttekst
Gestructureerde records kun je bevragen, vergelijken en citeren; een geplakte alinea uit een pdf kun je alleen lezen.
Eén API-vorm voor elke bron
Seed, preview en export werken voor elk land hetzelfde, dus een jurisdictie toevoegen is een parser, geen nieuwe integratie.