4.1 技术投入的收益模型
一句话
技术投入的收益不是 “系统变好了”，而是某个业务指标动了多少 × 这个指标值多少钱；算不出这个乘法的投入，本质是消费，不是投资。
收益只有四种形态，别混着加
| 形态 | 收益怎么产生 | 度量指标 | 变现周期 | 典型投入 |
|---|---|---|---|---|
| 增收 | 更多人买、买更多、买得更频繁 | 转化率、GMV、复购率、留存 | 1–2 个季度 | 搜索、推荐、结算链路优化 |
| 降本 | 同样的活，花更少的钱 | 元/千次请求、元/订单、资源利用率 | 1–3 个月 | 缓存、批处理、规格收敛、弹性 |
| 避险 | 少出事、出事少赔 | 年事故概率 × 单次损失 | 6–18 个月 | 多活、限流熔断、备份与演练 |
| 提效 | 同样的钱，干更多的活 | 交付周期、变更失败率、人日/需求 | 1–2 个季度 | CI/CD、平台化、脚手架 |
🔑 **四类收益不能直接相加。**增收是 “分子变大”，降本是 “分母变小”，避险是 “把尾部裁掉”，提效要先经过 “人日 → 元” 的换算。混着加，一定重复计算。
收益必须落到一个能乘的公式
年收益 = 指标变化量 × 单位价值 × 覆盖面 × 兑现率 × 持续期
算一遍 (支付成功率优化)：
| 乘数 | 取值 | 说明 |
|---|---|---|
| 指标变化量 | 98.2% → 99.1%，+0.9 个百分点 | 来自灰度对照，不是猜 |
| 单位价值 | 客单价 200 元 | 每多成功一单就多一笔交易 |
| 覆盖面 | 日订单 1 万单 → 每天多 90 单 | 只在受影响渠道生效，不能全量算 |
| 兑现率 | 60% | 失败订单里有一部分用户已放弃、不会重试 |
| 持续期 | 全年 250 个业务日 | 大促日要单独加权 |
年收益 = 90 单/日 × 200 元 × 0.6 × 250 ≈ 270 万元
⚠️ **三个乘数最容易被高估：覆盖面 (当成 100%)、兑现率 (当成 100%)、持续期 (当成永远)。**把这三个各打八折，270 万就变成 138 万——一半的差距，决策结论可能直接翻转。
折现：三年收益不等于三年相加
| 年份 | 折现系数（10%） | 年收益 100 万的现值 |
|---|---|---|
| 第 1 年 | 0.909 | 90.9 万 |
| 第 2 年 | 0.826 | 82.6 万 |
| 第 3 年 | 0.751 | 75.1 万 |
| 合计 | 2.486 | 248.6 万（不是 300 万） |
记住 2.49 这个数：折现率 10% 时，三年累计收益 ≈ 年收益的 2.5 倍。拿 “三年 3 倍” 去说服人的方案，天然多算了 17%。
避险收益：唯一能正着算期望的一类
年期望损失 EL = 年发生概率 P × 单次损失 L
| 场景 | P | L | EL | 投入 | 净收益 |
|---|---|---|---|---|---|
| 主库故障导致全天不可用 | 30% | 200 万 | 60 万 | 多活改造 40 万（+15 万/年） | 60 − 15 = 45 万/年，首年扣投入仍正 |
| 数据误删无备份 | 20% | 500 万 | 100 万 | 备份+演练 20 万（+5 万/年） | 75 万/年 |
| 被拖库 | 5% | 2000 万 | 100 万 | 加密与审计 30 万（+8 万/年） | 62 万/年 |
💡 避险收益的算法有个隐藏前提：P 和 L 都是估的。所以它只能用来 “排序” (哪个风险更该先治)，不能用来 “证明” (这个项目一定赚)。P 从 30% 改成 10%，收益直接缩到三分之一。
收益的可信度分级
| 级别 | 证据来源 | 能不能进 ROI | 折扣 |
|---|---|---|---|
| A | A/B 实验、灰度对照组 | 可以，直接进 | ×1.0 |
| B | 同一系统的改造前后基线 | 可以 | ×0.7 |
| C | 同行公开数据、类比系统 | 只能当上限 | ×0.5 |
| D | 专家判断、直觉、"我觉得" | 不进 ROI，写进"待验证假设" | ×0 |
这条分级是防扯皮的核心工具：评审时不再争 “你这个数对不对”，而是先问 “你这个数属于哪一级”。
提效收益：必须过一次 “折算率”
算一遍 (CI 从 25 分钟降到 8 分钟)：
| 项 | 计算 | 结果 |
|---|---|---|
| 单次节省 | 25 − 8 | 17 分钟 |
| 日频次 | 20 人 × 2 次 | 40 次/日 |
| 日节省 | 17 × 40 | 680 分钟 ≈ 11.3 小时 |
| 折算率 | 30%（等构建时人在写代码/开会，不是全浪费） | — |
| 年有效节省 | 11.3 × 0.3 × 250 日 ÷ 8 小时 | ≈ 106 人日/年 |
| 折成钱 | 106 × 2000 元/人日 | ≈ 21 万元/年 |
🔑 提效收益不打折算率，等于假设 “等待时间 100% 是净损失”——这个假设在评审会上撑不过第一个问题。
反模式
| 反模式 | 后果 |
|---|---|
| "提升研发效率 30%" 就当收益 | 无人日、无折算率，无法验证，也无法与成本相减 |
| 收益按最好情况算，成本按最坏情况算 | 结论必然否定一切投入，或必然通过一切投入——取决于谁在写 |
| 同一笔收益在三个项目里各算一次 | ROI 总和超过公司营收，决策层失去信任 |
| 把"技术债减少""架构更优雅"当收益 | 不是业务指标，无法乘出金额 |
| 只算首年收益，忽略持续成本 | 首年漂亮，第二年转负，项目变成维护负担 |
| 用"竞争对手也做了"当收益论证 | 这是必要性论证，不是收益论证，两者不能互换 |
三条铁律
🔑 **写不出 “指标变化量 × 单位价值”，就不要写 ROI。**宁可写 “这是一笔避险投入，无法量化收益”，也不要编一个乘不出来的数。
🔑 **收益看下限，成本看上限。**悲观假设下仍然成立，才是真结论；只在中性假设下成立，那是赌。
🔑 **避险投入的对手不是 “不投”，而是 “投在别的风险上”。**同样的 40 万，治哪个风险，要用 EL 排序，不是用恐惧排序。
自检
Q1 团队说 “上了缓存，QPS 提升 5 倍”，这算收益吗？还缺什么？
▸ 答案：不算。QPS 是能力上限，不是收益。缺三样：① 这个能力有没有被用掉 (实际峰值是否触达)；② 用掉之后省了什么 (少买了几台数据库？少了几次超时？)；③ 省下的东西折多少钱。如果当前峰值只用到原容量的 40%，QPS 提升 5 倍在财务上是 0。
Q2 支付成功率从 98.2% 提到 99.1%，你算出年收益 270 万。老板问 “凭什么”，你拿什么挡？
▸ 答案：拿覆盖面与兑现率挡。要说明：这个提升只在某渠道生效 (覆盖面不是 100%)；失败订单只有 60% 会重试成功 (兑现率)；大促日权重不同 (持续期)。同时给出悲观情形：三个乘数各打八折后是 138 万。能主动给出下限的人，数字才可信。
Q3 一个 “防止数据泄露” 的项目，收益怎么写？
▸ 答案：写成期望损失下降：EL = P × L。给出当前 P 与 L 的依据 (历史事故频率、单次泄露的监管罚款+赔付+流失量级)，再给出改造后的 P。若 P、L 都无从估计，就老实写 “合规必需项，收益不可量化”，并单独列出不做的后果——不要为了凑 ROI 编一个发生概率。
Q4 两年期项目，年收益 100 万，有人报 “总收益 300 万”。这个数错在哪？
▸ 答案：错在没折现，还多算了一年。折现率 10% 时三年现值是 248.6 万 (系数和 2.486)，两年是 173.5 万。另外年收益 100 万本身属于哪一级证据也要说清——若只是 C 级类比数据，再打五折。
Q5 为什么 “提效收益” 必须打折算率，而 “降本收益” 不用？
▸ 答案：降本是已经花出去的钱真的不花了 (退掉 3 台机器，账单直接少 36 万)，是硬节省。提效节省的是人的时间，这些时间要能被重新投入到产出里才变成钱；如果省下来的时间只是被更多会议填满，财务上收益是 0。折算率就是对 “这些时间能否被重新利用” 的估计。