1. 课程导入

在真实的研究与工程实践中，一个绕不开的问题是：做这件事到底要花多少钱、需要多少资源、能承载多大规模？无论是设计一项用户调研、搭建一套实验平台，还是规划一次大规模数据采集，成本与容量评估都决定了方案能否落地、能否持续、能否被决策者批准。本课程聚焦“量化研究”这一具体场景，帮助你建立一套可计算、可复现、可沟通的成本与容量评估方法。

一、什么是量化研究成本与容量评估

量化研究成本与容量评估，是指在研究设计阶段及执行过程中，对完成研究目标所需的资金成本、时间成本、人力成本、技术资源与系统容量进行系统化估算、建模与验证的过程。它回答三个核心问题：

• 需要多少资源？包括样本量、被试费用、设备、算力、存储、带宽、工具授权等。
• 资源如何随时间分布？成本不是一次性支出，而是随研究阶段波动的现金流与资源占用。
• 系统能承载多大压力？当样本量、并发量、数据量增长时，平台是否仍然稳定、经济、可扩展。

这里的“容量”不仅指服务器容量，还包括研究执行容量：团队能同时推进多少实验、能处理多少份问卷、能标注多少条数据、能分析多少组变量。成本与容量是一体两面：容量不足会推高单位成本，成本失控会压缩可用容量。

二、学习目标

完成本课程后，你应当能够独立完成以下任务：

1. 识别量化研究中的主要成本驱动因素与容量约束条件。
2. 使用参数化方法估算样本量、被试费用、数据采集与处理成本。
3. 建立简单的成本模型与容量模型，并进行敏感性分析。
4. 根据历史数据或试点结果校准估算，降低偏差。
5. 将评估结果转化为决策者能理解的预算表、容量清单与风险说明。
6. 在资源受限时，提出可执行的降本增效与扩容方案。

三、整体框架：从需求到决策的六步流程

本课程采用统一的六步框架，后续章节将逐步展开每个环节的工具与案例。

步骤	关键动作	典型输出
1. 需求澄清	明确研究问题、精度要求、时间窗口	研究目标说明书
2. 参数识别	列出样本量、单价、并发、数据量等参数	参数清单与假设表
3. 成本建模	建立固定成本、可变成本、人力成本公式	成本估算模型
4. 容量建模	估算存储、算力、并发、处理吞吐	容量需求清单
5. 验证校准	用试点、历史数据、压测结果修正	校准后的估算区间
6. 决策沟通	形成预算方案、风险说明与备选方案	决策简报

这个框架的价值在于：它把“拍脑袋报价”变成“可追溯的推导”。每一步都留下假设与证据，方便复盘和迭代。

四、案例场景：一次在线行为实验的成本与容量评估

假设你要开展一项在线行为实验，计划招募 2000 名被试，每人完成约 15 分钟任务，平台需记录点击流、问卷与反应时数据。初步估算如下：

样本量：2000 人
被试报酬：15 元/人
平台并发：峰值 200 人同时在线
单次会话数据：约 2 MB
总原始数据：2000 × 2 MB = 4 GB
处理后的分析数据：约 1.2 GB
实验周期：14 天
人力：1 名研究员 × 14 天 + 1 名工程师 × 5 天

基于这些参数，可以快速得到：被试报酬 3 万元；若服务器按峰值并发 200 配置，需评估带宽与数据库写入能力；若数据保留 12 个月，存储成本需纳入长期预算。这个案例说明，成本与容量评估必须同时看“钱”和“系统”，否则容易出现预算够但系统崩、或系统够但预算超的两难局面。

五、常见误区与复盘要点

• 只算显性成本：忽略工具授权、数据标注、伦理审查、重复实验带来的隐性支出。
• 容量按平均值设计：峰值并发往往是平均值的数倍，按均值配置会导致实验高峰期失败。
• 忽略时间成本：研究周期拉长会占用团队机会成本，也会增加被试流失与数据漂移风险。
• 估算后不校准：没有用试点数据修正，导致预算与实际严重脱节。
• 缺少备选方案：只给一个方案，决策者无法在成本、精度、周期之间做权衡。

六、实战价值：为什么这门课值得学

掌握成本与容量评估，能带来三类直接收益：第一，提高方案通过率，因为预算和资源需求有据可依；第二，降低执行风险，提前发现容量瓶颈与成本超支点；第三，提升研究可复现性，让同行能理解你的资源假设并重复你的研究。对于研究者、产品经理、数据工程师和项目负责人而言，这是一项跨角色的通用能力。

接下来的章节将围绕六步框架逐一展开：从参数识别、成本公式、容量模型，到校准方法与沟通技巧。你将通过多个真实场景的练习，逐步建立自己的评估模板与检查清单。