成本构成分析：基础设施成本（计算/存储/网络）、人力成本、运维成本、第三方服务成本
做数据产品，说白了就是跟钱打交道。不是赚多少钱，而是花多少钱。
我见过太多团队，一上来就猛堆资源，结果月底一看账单，傻眼了。成本控制不是抠门，是让你知道每一分钱花在哪，值不值。
这一章，咱们把成本拆开揉碎了看。我习惯把数据产品的成本分成四大块：基础设施、人力、运维、第三方服务。每一块都有它的脾气，也有它的省钱门道。
核心观点：成本分析不是财务的活，是架构师的基本功。看不懂账单，就做不好优化。
2.1 基础设施成本：看得见的真金白银
基础设施是硬支出。你买服务器、租云服务，账单上写得清清楚楚。这块成本最直观，也最容易失控。
2.1.1 计算成本
计算资源，就是你的CPU和内存。跑数据、训练模型、提供服务，都得靠它。
- 按需实例 vs 预留实例：按需实例灵活，但贵。预留实例便宜，但得提前承诺用量。我建议，核心业务用预留，弹性业务用按需。
- Serverless 计算：像 AWS Lambda 这种，用多少付多少。适合低频、短任务。但高频任务用这个，单价反而高。
- 竞价实例：便宜，但可能被回收。适合跑批处理、模型训练这种能断点续跑的任务。
我的经验：有一次，我发现一个离线任务用了 64 核的实例，但 CPU 利用率只有 15%。换成 16 核后，跑完时间只多了 10%，成本却降了 75%。别盲目上大规格，够用就好。
2.1.2 存储成本
数据产品，数据是命根子。但存数据，真的很烧钱。
| 存储类型 | 适用场景 | 成本特点 |
|---|---|---|
| 对象存储（如 S3） | 冷数据、备份、日志 | 存储单价低，但访问次数多了也贵 |
| 块存储（如 EBS） | 数据库、实时计算 | 性能好，但单价高，且必须预分配 |
| 文件存储（如 EFS） | 共享文件、多节点读写 | 按使用量计费，适合共享场景 |
你想想看，很多团队把一年前的日志还放在高性能存储上，这不是浪费是什么？数据分层存储是基本功。热数据放 SSD，温数据放 HDD，冷数据放归档存储。归档存储的单价，可能只有热存储的十分之一。
注意：存储成本不只是容量费。还有 API 请求费、数据取回费。有些归档存储，取回数据比存数据还贵。设计存储策略时，一定要把读写模式算进去。
2.1.3 网络成本
网络成本，经常被忽略。但它的坑，比计算和存储都深。
- 跨区域传输：数据从一个 Region 传到另一个 Region，按 GB 收费。我见过一个团队，每天跨区域同步全量数据，一个月网络费比计算费还高。
- 公网流量：用户访问你的 API，数据从服务器到用户，这叫出站流量。出站流量通常很贵，入站流量反而便宜。
- 内网流量：同一 Region 内，不同服务之间的通信。大部分云厂商内网免费，或者很便宜。
所以，架构设计上，尽量让数据在同一个 Region 内流转。如果必须跨区域，只同步增量，别同步全量。
2.2 人力成本：最贵的是人
基础设施再贵，也比不上人贵。一个资深工程师的年薪，够买好几台服务器了。
人力成本，不是简单的工资。它包括：
- 直接人力：开发、测试、产品、运维的工资和福利。
- 间接人力：招聘成本、培训成本、管理成本。
- 机会成本：这个人做 A 项目，就不能做 B 项目。选错了方向，损失更大。
怎么优化人力成本？不是降薪，是提效。
- 自动化：能自动化的，别让人干。数据接入、数据质量检查、部署发布，这些重复劳动，写脚本搞定。
- 工具化：提供好用的工具，让一个人能干三个人的活。比如，一个配置化的数据同步平台，比让工程师手写 ETL 脚本快得多。
- 标准化：统一技术栈，统一开发规范。减少沟通成本，减少踩坑成本。
我的观点：一个 10 人的团队，如果每人每天浪费 1 小时在重复劳动上，一年就是 2500 小时。这相当于一个半人的工作量。省人力，不是砍人，是砍无效劳动。
2.3 运维成本：看不见的流水
运维成本，不像基础设施那样有明确的账单。它像流水，不知不觉就流走了。
运维成本包括：
- 监控告警：搭建监控系统、维护告警规则、处理告警事件。
- 故障处理：系统挂了，排查问题、恢复服务、写事故报告。
- 容量规划：预估未来用量，提前扩容。预估多了浪费，预估少了宕机。
- 安全合规：做安全扫描、打补丁、过审计。
我曾经在一个项目里，运维团队每天花 3 小时处理告警。结果发现，80% 的告警是误报。后来优化了告警规则，每天只花 30 分钟。运维成本，很多时候是管理不善造成的。
避坑指南：我曾经接手过一个系统，运维文档全是过时的。每次出问题，都得靠老人回忆。后来我强制要求：所有运维操作必须有文档，所有文档必须半年更新一次。这看起来增加了成本，实际上省了无数救火的时间。
2.4 第三方服务成本：外包的代价
什么都自己造，不现实。用第三方服务，省时间，但费钱。
常见的第三方服务成本：
- SaaS 工具：数据分析工具（如 Tableau）、项目管理工具（如 Jira）、监控工具（如 Datadog）。
- API 服务：地图 API、短信 API、支付 API。按调用次数收费。
- 数据源：购买第三方数据，比如行业报告、用户画像数据。
- 云市场服务：云厂商提供的中间件、数据库托管服务。
用第三方服务，要算清楚总拥有成本。比如，用托管数据库，省了运维人力，但月费可能比自己搭贵 2-3 倍。如果团队有运维能力，自己搭可能更划算。
| 决策维度 | 自建 | 第三方 |
|---|---|---|
| 初期成本 | 高（人力、硬件） | 低（按需付费） |
| 长期成本 | 低（边际成本递减） | 高（持续付费） |
| 灵活性 | 高（完全可控） | 低（受限于供应商） |
| 运维负担 | 重 | 轻 |
我的建议是：核心能力自建，非核心能力外包。比如，推荐算法是产品的核心，别用第三方。但发送通知短信，用第三方就行。
2.5 成本构成全景图
说了这么多，咱们用一张图把四大成本串起来。这张图，我建议你贴在工位上。
这张图，把成本拆成了四个象限。每个象限里，又有更细的分支。做成本优化，就是在这张图上找杠杆点——投入一小块，撬动一大块。
总结一下：成本分析，不是算账，是找规律。基础设施看利用率，人力看效率，运维看管理，第三方看性价比。把这四块摸透了，优化就有的放矢了。