3、成本分摊模型：比例分摊法、Shapley值法、核心法，哪种适合你的团队？
成本分摊这件事，说白了就是「谁该出多少钱」。
我在很多团队里都见过这样的场景：几个部门一起用了某个基础设施，月底账单来了，大家开始扯皮。运维说「我管机器，但你们用得最多」，业务说「我流量大，但底层是你们搭的」……嗯，这种时候，没有一个好的分摊模型，会议能开三天。
今天我就把三种主流模型掰开揉碎讲清楚。比例分摊法、Shapley值法、核心法，它们各有各的脾气，也各有各的适用场景。
3.1 比例分摊法：简单粗暴，但够用
比例分摊法，顾名思义，就是按某个单一指标来分。比如按调用次数、按存储用量、按CPU核数。
举个例子：
- A团队用了1000次API，B团队用了2000次，总成本3000元。
- 按比例：A出1000元，B出2000元。
是不是很简单？我刚开始做成本管理时，最喜欢用这个方法。因为它好算、好理解，大家一看就懂。
适用场景：
- 资源使用量可以清晰量化
- 各团队对分摊指标没有争议
- 成本结构单一，没有复杂的协同效应
注意：比例分摊法有个大坑——它忽略了「协同效应」。比如两个团队共用一台服务器，总成本可能比各自单独用便宜20%。但按比例分摊，这20%的节省怎么分？比例法说不清楚。
我曾经在一个项目中，就因为用了比例法，导致一个团队觉得「我明明贡献了更多节省，凭什么分得一样？」……后来不得不重新算账。
3.2 Shapley值法：公平，但算起来头疼
Shapley值法来自博弈论。它的核心思想是：每个团队对总成本的「边际贡献」有多大，就按这个比例分摊。
具体怎么算？我简单说一下：
- 列出所有可能的团队组合
- 计算每个组合的成本
- 对每个团队，计算它加入每个组合时带来的成本变化
- 取平均值，就是Shapley值
举个例子，三个团队A、B、C：
- 单独用：A=100，B=200，C=300
- 一起用：总成本=500
- Shapley值法会算出：A出约83，B出约167，C出约250
你想想看，这个结果比比例法更「公平」——因为它考虑了协同效应。A虽然用得少，但它加入时让整体成本降了很多，所以它应该少出一点。
我的经验：Shapley值法最适合「多团队共享基础设施，且协同效应明显」的场景。比如多个业务线共用一套大数据平台，或者共享一个Kubernetes集群。
但要注意，当团队数量超过5个时，计算量会爆炸。2^n种组合，n=10就是1024种，手动算？别想了。我建议用工具，比如Python的shapley库。
# 一个简单的Shapley值计算示例
from itertools import permutations
costs = {'A': 100, 'B': 200, 'C': 300}
total_cost = 500
def shapley_value(team):
total = 0
n = len(costs)
for perm in permutations(costs.keys()):
# 计算边际贡献
before = sum(costs[t] for t in perm[:perm.index(team)])
after = before + costs[team]
# 这里简化了，实际要考虑协同后的成本
total += (after - before)
return total / (n * (n-1))
print(shapley_value('A')) # 输出约83
3.3 核心法：最稳定，但可能无解
核心法（Core）也是博弈论里的概念。它的目标是：找到一个分摊方案，让任何子集（比如任意两个团队）都觉得「我们没吃亏」。
换句话说，核心法要求：
- 总成本被完全分摊
- 任何子集的分摊成本，不超过它们自己单独干的成本
听起来很完美对吧？但问题来了——核心可能为空。也就是说，有时候根本找不到一个让所有人都满意的方案。
什么时候用核心法？
- 团队之间信任度低，需要「防作弊」机制
- 成本结构复杂，协同效应很强
- 你愿意花时间做数学推导
我曾经踩过的坑：有一次，我们三个部门共享一个数据库集群。我试图用核心法来分摊，结果算了半天，发现核心是空的——因为任何两个部门联合起来，都比三个一起用便宜。最后只能退而求其次，用Shapley值法加一个协商机制。
所以，核心法虽然理论完美，但实际中经常「无解」。建议先用Shapley值法打底，再结合核心法做校验。
3.4 三种模型对比
| 模型 | 公平性 | 计算复杂度 | 适用场景 | 风险 |
|---|---|---|---|---|
| 比例分摊法 | 低（忽略协同） | 低（O(n)） | 资源可量化，无协同 | 容易引发争议 |
| Shapley值法 | 高（考虑边际贡献） | 中（O(2^n)） | 多团队共享基础设施 | 计算量大，需工具 |
| 核心法 | 最高（防作弊） | 高（需线性规划） | 信任度低，协同强 | 可能无解 |
3.5 怎么选？我的建议
说实话，没有「万能模型」。我个人的习惯是：
- 先试比例法：如果团队没意见，就用它。简单就是美。
- 有争议时上Shapley：用数据说话，算清楚每个团队的边际贡献。
- 核心法做兜底：当Shapley值法也摆不平，或者有人质疑「你们是不是合起伙来坑我」时，用核心法验证一下方案的稳定性。
一个小技巧：不管用哪种模型，一定要把计算过程公开。让每个团队都能看到「我的钱是怎么算出来的」。透明度，有时候比模型本身更重要。
3.6 知识体系图
下面这张图，帮你快速理解三种模型的关系和选择路径：
3.7 最后说两句
模型只是工具，不是目的。我见过太多团队，为了「公平」把简单问题搞复杂，最后算出来的结果没人信。
我的建议是：先跑起来，再优化。先用比例法跑一个季度，收集数据，看看争议点在哪。然后针对性地引入Shapley值法或核心法。别一开始就追求完美，那样反而容易卡住。