三個人對同一個問題給了三種不同的答案:策略管理應用程式每年的成本是多少?資訊長辦公室說是 3.1 萬美元,應用程式負責人說是 5.4 萬美元,財務部門根據總帳計算得出的是 2.2 萬美元。他們給出的數字都正確,但他們對應用程式的定義卻截然不同。成本模型所依據的清單是基於配置資料庫建構的,該資料庫只了解 Web 層和主資料庫,卻對兩個 COBOL 批次程式、一個共享的 DB2 模式以及其他十四個使用相同資料的程式一無所知。
IT 成本分配將帳簿中的支出分配給使用這些支出的應用程式、服務和業務部門。分配方法本身並不重要,重要的是它所依據的依據。每個分配模型都包含兩部分:資金,以從帳簿中提取的成本池的形式存在;以及消耗,以衡量誰使用什麼資源的驅動因素的形式存在。資金部分主要由財務系統和標準的 TBM 分類法解決。消耗部分則完全依賴應用程式組合資料:哪些應用程式存在、它們的擁有者、它們包含什麼、它們依賴於什麼以及它們使用了什麼。
在資料豐富的情況下,資源分配非常簡單。雲端環境帶有標籤,標籤會將支出對應到所有者。而在資料稀少的情況下,例如大型機批次、共享資料庫和舊服務,成本則按人員數量或固定百分比分攤,共享元件無人認領,應用程式本身也只能靠猜測。以下的架構將每個資源分配決策與指定的投資組合資料關聯起來,並評估這些資料對決策的支持程度。
為什麼應用層會發生分配中斷
成本分配方法已有大量文獻記載:固定百分比分配、基於驅動因素的分配、基於活動的成本核算,以及基於這些方法建構的成本分攤和成本分攤模型。模型失效的原因不在於其機制。共享服務費率只是成本池除以分配單位,任何財務團隊都能計算出來。模型失效的層面在於應用層,因為每次分配都會落入一個成本對象,而成本對象的準確性取決於背後的應用清單。如果清單中遺漏了某個程序,那麼該程序的成本就會落入附近的任何應用,或直接計入間接費用。如果共享組件沒有明確的所有者,那麼它們的成本就會按照慣例進行分攤。下表列出了常見的問題及其通常的根源。
| 症狀 | 投資組合數據中的常見原因 |
|---|---|
| 同一個應用程式有三種不同的費用 | 目前尚無關於哪些組成部分屬於它的統一定義。 |
| 大型未分配或架空線路 | 未對應到任何已註冊應用程式的程式、作業和資料集 |
| 共享平台成本平均分攤 | 沒有將應用程式與平台關聯起來的消費數據 |
| 每次展示報告後都會出現爭議 | 消費者無法驗證的司機 |
| 已停用應用程式的費用仍然有效 | 未追蹤生命週期狀態;死代碼仍被計入。 |
| 公司重整時成本激增 | 分配與成本中心掛鉤,而不是與應用程式身分掛鉤 |
分配堆疊:從帳本到應用程式
TBM 委員會的分類系統將技術成本分為四個層級:成本池、資源塔、解決方案和消費者。首先,支出依其性質分類到成本池中,例如人工、軟體、硬體、設施、外部服務和雲端服務。然後,支出被分組到資源塔中,例如大型主機、分散式運算、儲存、網路和應用程式。資源塔隨後被解決方案消耗,解決方案包括 IT 部門提供的應用程式和服務,而解決方案最終被業務部門、產品或客戶消耗。成本不會自動在不同層級之間轉移。每次轉移都需要分配方法,對於共享成本,還需要驅動因素。
General ledger
| classify by nature of spend
Cost pools labor | software | hardware | facilities | outside services | cloud
| allocation method required
Resource towers mainframe | distributed | storage | network | applications | security
| allocation method required
Solutions applications and services
| usage, cost driver, or attribution
Consumers business units | products | customers
有兩種成本流經此堆疊。直接成本顧名思義屬於單一應用程式:例如其專用許可證、指定的基礎設施以及專門負責該應用程式的團隊的勞動成本。這些成本需要歸屬,而非分配,而歸屬的可靠性取決於資源到應用程式的映射關係。共享成本服務於多個應用程式:例如大型主機平台、共享資料庫、通用工具、調度程序以及安全堆疊。這些成本需要一個驅動程式來反映每個應用程式如何使用共享資源。直接成本和共享成本之間的選擇,以及驅動程式的選擇,都與資產組合資料有關。
應用程式註冊表:模型的核心
每條分配規則都指向一個應用程序,因此應用程式註冊表是該模型的核心。僅包含名稱和所有者的註冊表幾乎無法支援任何功能。而包含組件成員關係、依賴關係和使用情況證明的註冊表則支援模型中的每條規則。下表列出了分配模型所需的欄位以及它們在現代系統和傳統系統中的來源。
| 場 | 為什麼分配需要它 | 典型來源 | 遺留程式碼的來源 |
|---|---|---|---|
| 申請編號 | 成本對象本身 | CMDB,投資組合工具 | 源自來源庫和作業分組 |
| 業主 | 對展示結果的問責 | 人力資源,配置管理資料庫 | 變更歷史,工作所有權 |
| 技術負責人 | 升級和數據修復 | CMDB | 改變歷史 |
| 組件成員資格 | 哪些程式、作業和資料集屬於該應用程式 | 標籤、部署清單 | 來源庫、JCL、依賴關係圖 |
| 消費者和依賴關係 | 拆分共享服務的基礎 | 服務地圖 | 依賴關係圖 |
| 使用證據 | 基於使用量的資金池驅動程序 | 遙測資料、登入日誌 | 作業執行記錄 |
| 數據分類 | 保留和合規成本 | 資料目錄 | 記錄佈局中的欄位定義 |
| 生命週期狀態 | 停止對已停用應用程式收取費用 | 投資組合工具 | 死代碼和零使用分析 |
「遺留系統」欄位是大多數程式都會留空的。在 COBOL 系統中,元件成員資格並非資源標籤,而是一個事實,它來自作業運行的程式、包含的副本以及讀取和寫入的資料集。
從投資組合數據中選擇驅動因素
分配驅動因素是用來分配共同成本的衡量指標,其指導原則是一致的:選擇反映實際消費而非政治便利的驅動因素。按用戶計費適用於用戶驅動型服務,但並非普遍適用的規則。下表將每個常用成本池與其對應的候選驅動因素以及計算該驅動因素所需的投資組合數據一一對應。如果缺少第三列的數據,第二列中的驅動因素則僅為預期值。
| 成本池 | 候選司機 | 需要投資組合數據 | 備註 |
|---|---|---|---|
| 大型主機 CPU 和軟體 | 依作業計算的 CPU 時間(以峰值視窗為權重)。 | 作業到程式到應用程式映射,CPU記錄 | 軟體費用通常與尖峰時段滾動四小時的CPU使用量掛鉤,因此尖峰時段CPU使用量比總CPU使用量更合理。 |
| 共享的 DB2 平台 | 加權表訪問 | 程式到表的讀寫存取映射到應用程式 | 上面的重量寫道: |
| 儲存 | 已分配資料集大小 | 資料集到應用程式的所有權 | 未標記所有者的資料集不會被傳播 |
| 批次調度器和操作 | 作業數量和作業運行時間 | 職位到申請的映射 | 一旦作業被映射,計算成本就會很低。 |
| 共享公用設施及影印本 | 依賴程式計數 | 依賴關係圖 | 扇形加權分配,詳見下文。 |
| 應用程式支援人員 | 罰單或事故數量 | 服務工單已按應用程式標記 | 需要統一的應用程式命名 |
| 發展勞動 | 音量調節 | 每次申請的升遷或承諾 | 體現的是努力程度,而非規模。 |
| SaaS許可證 | 指定使用者或席位 | 許可數據 | 通常是直接歸因 |
| 雲端服務 | 標籤消費 | 標籤 | 標籤覆蓋範圍決定質量 |
大型機行值得關注。以總消耗量分配 CPU 成本會懲罰白天穩定使用的用戶,卻獎勵那些恰好在高峰時段運行大量批處理作業的應用程序,而高峰時段正是導致賬單金額飆升的部分。如果基於高峰時段作業級 CPU 使用情況建立成本驅動因素,並透過作業到程式的關聯性將其對應到應用程序,就能使成本與其產生原因相符。
使用依賴關係圖分配共用組件
共享組件是扁平化拆分造成最大損害的地方。一個共享的客戶主資料、一個通用的日期例程或一個實用程式可能由一個團隊維護,卻被許多應用程式的數十個程式使用。如果採用平均拆分,一個小型報表應用程式需要支付的費用,竟然是依賴該組件的計費系統費用的四十倍。而基於依賴關係的加權分割則以依賴關係圖為驅動:每個使用該元件的應用程式所承擔的費用與其依賴該元件的程式數量成正比。
Application share of shared pool
= pool amount x (application's dependent programs / total dependent programs)
下面的範例為五個使用應用程式分配了 360,000 美元的年度資金池,用於共享客戶主服務。
| 應用類型 | 依賴程式 | 均分 | 依存加權 | 差異 |
|---|---|---|---|---|
| 帳單地址 | 41 | $72,000 | $147,600 | + $ 75,600 |
| 索賠 | 28 | $72,000 | $100,800 | + $ 28,800 |
| 政策管理 | 19 | $72,000 | $68,400 | - $ 3,600 |
| 報告儀表板 | 8 | $72,000 | $28,800 | - $ 43,200 |
| 商品系列 | 4 | $72,000 | $14,400 | - $ 57,600 |
| 總額 | 100 | $360,000 | $360,000 | $0 |
兩種方法的結果都會影響資金池,這是任何分配的首要原則。加權方法將 57,600 美元從幾乎不使用該服務的收款模組轉移到對該服務依賴性最高的計費模組。此結果還包含一項內在激勵機制:減少對共享組件依賴的應用程序,其應佔份額也會減少,節省的資金將在下一份報告中體現。
蟒蛇
def allocate(pool_amount: float, drivers: dict) -> dict:
total = sum(drivers.values())
shares = {app: round(pool_amount * v / total, 2) for app, v in drivers.items()}
# correct rounding drift so the allocation always sums to the pool
drift = round(pool_amount - sum(shares.values()), 2)
largest = max(shares, key=shares.get)
shares[largest] = round(shares[largest] + drift, 2)
assert round(sum(shares.values()), 2) == round(pool_amount, 2)
return shares
allocate(360000, {"Billing": 41, "Claims": 28, "PolicyAdmin": 19,
"Reporting": 8, "Collections": 4})
孤兒、死碼與黑暗代價
有些成本根本沒有實際用途。例如,不屬於任何已註冊應用程式的程式、資料集和作業,以及仍佔用儲存空間、建置資源和掃描許可的死程式碼,這些都構成了所謂的「暗成本」。共享資源和孤立資源即使在管理完善的雲端模型中也容易被忽略,而在傳統系統中,它們可能佔據平台支出的很大一部分。
人們很容易將暗成本分攤到所有應用程式中,以使模型看起來協調一致。但這會掩蓋問題,並讓無辜的用戶承擔後果。更好的處理方法包含三個部分:首先,在每份報告中將暗成本明確地列為未分配項,使其始終可見;其次,為每個孤兒分配一個所有者或處置方案,以便直接用於應用程序合理化;最後,跟踪未分配份額隨時間的變化,以此作為衡量模型本身質量的指標,因為比例下降意味著應用程序註冊表正在改進。
退款或拒付:一項準備測試
成本展示報告顯示各業務部門消耗的技術成本。成本分攤則將此成本計入部門預算或損益表。成本展示有助於建立信任,而成本分攤則能改變行為,但如果基於不充分的數據進行成本分攤,則可能引發爭議,其成本甚至超過分攤的價值。下方的準備情況測試提供了初始閾值,應根據組織的具體情況進行調整。
| 測試 | 回流閾值 | 退款閾值 |
|---|---|---|
| 透過直接歸因或已驗證的驅動因素分配的成本份額 | 80% | 95% |
| 應用程式註冊表涵蓋的支出份額 | 90% | 98% |
| 消費者可驗證的駕駛員 | 選配 | 必填 |
| 消費者可以影響他們的消費行為。 | 不需要 | 必填 |
| 爭議解決流程已明確並配備人員。 | 選配 | 必填 |
| 分配情況與帳簿相符 | 必填 | 必填 |
消費者無法控制的成本,例如安全強制措施和災難恢復,即使其他成本轉移到分攤,通常也保留在成本分攤中,因為向團隊收取他們無法控制的成本會造成摩擦,而不會改變他們的行為。
政策的書面化:規則與協調
僅存在於電子表格公式中的分配規則無法進行審查、版本控製或審計。將每條規則表示為策略文件,可以明確定義驅動因素、資料來源、刷新觸發器以及對未認領項的處理方式。
雅姆
allocation_policy:
pool: shared_customer_master_service
annual_cost: 360000
method: driver_based
driver:
name: dependent_program_count
source: dependency_graph
refresh: on_promotion
consumers: application_registry
unowned_treatment: show_as_unallocated # never spread silently
confidence:
minimum_driver_coverage: 0.95
review_triggers: [new_consumer, retirement, major_dependency_change]
reconciliation: allocation_total_equals_pool_total
覆蓋率查詢將模型的品質轉換為一個數字,該數字可以與分配情況一起追蹤和報告。
SQL
-- How much cost is allocated by evidence versus plug
SELECT
allocation_basis, -- DIRECT, DRIVER, PLUG, UNALLOCATED
SUM(allocated_amount) AS amount,
ROUND(100.0 * SUM(allocated_amount) /
SUM(SUM(allocated_amount)) OVER (), 1) AS pct_of_total
FROM allocation_result
GROUP BY allocation_basis;
保持資產配置與投資組合同步
投資組合改變時,分配模型也會隨之改變。新增的依賴關係會影響所有涉及它的共享分配。應用程式的停用應該釋放成本池,而不是將其閒置在已失效的應用程式上。重組應該在不改變應用程式成本的前提下,改變成本分攤報告的接收方。下表列出了必須觸發分配更新的投資組合事件。
| 作品集活動 | 對分配的影響 | 操作選項 |
|---|---|---|
| 新應用程式上線 | 新成本對象 | 註冊、確定直接成本、分配司機 |
| 新增或移除依賴項 | 共享分割線轉移 | 促銷時重新計算權重 |
| 應用程式已停用 | 成本應降至零 | 核實退休狀況,釋放資金池。 |
| 所有權變更 | 展示受益人變更 | 更新註冊表 |
| 合併兩個應用程式 | 成本對象合併 | 合併歷史記錄,重新設定基線 |
同樣的單次申請成本數據也用於其他投資組合方案。它們為合理化評分提供總擁有成本維度,為現代化商業案例提供基準,並為財務部門提供單位成本(例如每份保單或每次理賠的成本),以判斷一項變革是否值得。
常見問題
成本分配和成本歸屬有什麼差別?歸屬是指將成本直接分配給某個應用程序,例如專用許可證。分配則使用驅動程式將共享成本分攤到多個應用程式。大多數模型都需要這兩種方法,而它們之間的比例本身就是衡量模型品質的一個指標。
哪一種分配方法最佳?沒有標準答案。百分比分配適用於規模較小、風險較低的資金池。基於驅動因素的分配適用於可以衡量消耗量的共享服務。基於活動的成本會計適用於勞力密集服務。分配方法應與現有資料相匹配,而資料恰恰是大多數模型的薄弱環節。
如何將大型主機成本分配到應用程式?首先將作業對應到程序,再將程序對應到應用程序,然後使用作業級 CPU 使用率(在軟體費用高峰期加權)作為平台成本的驅動因素。共享資料庫按加權表訪問量分配成本,共享組件按依賴程序數量分配成本。
沒有配置資料庫,資源分配還能正常運作嗎?可以,但應用程式註冊表必須來自某個地方。對於遺留程式碼,可以從原始程式碼和作業排程中取得元件成員關係和依賴關係,並將其與現有記錄進行核對。
SMART TS XLASK AI 和 MCP 連接器提供消費性數據
SMART TS XL 它提供了該模型所需的一半消費數據的結構,其 ASK AI 和 MCP 連接器功能決定了這些數據可以在財務、架構和營運中得到多廣泛的應用。
跨語言企業搜尋建立了應用程式註冊表的元件端:它索引 COBOL、JCL、Java、Python 以及它們之間的關係,從而可以將程式、作業和資料集分組到應用程式中,並將未映射的剩餘部分識別為隱性成本。 JCL擴充和作業對應決定每個作業步驟執行哪些程式以及存取哪些資料集,這建立了作業級 CPU 記錄與大型主機 CPU 驅動程式所需的應用程式之間的連結。應用程式依賴關係映射產生依賴程式計數和程式到表的存取關係,這些關係驅動共用元件和共用資料庫的拆分,並隨著系統環境的變化而更新。遺留系統現代化分析識別已失效和無法存取的程式碼,從而避免將成本分配給不再運行的程式。結構影響分析顯示擬議的依賴關係變更將在哪些應用程式之間轉移成本,以便在做出現代化決策之前進行成本估算。
在經過驗證的上下文中詢問 AI 財務、架構和維運部門可以用簡單易懂的語言,針對限定範圍且經過驗證的結果集提出映射問題。例如,哪些作業和程式會存取某個表,這類問題就成為驅動因素定義。保存的參數化提示可以作為分配刷新的一部分,每季重新運行。結果會與其來源的來源行保持關聯,因此,對某個驅動因素有異議的使用者可以看到背後的程式。 SMART TS XL MCP 連接器 它將相同的答案整合到 ChatGPT、Claude、Copilot、Gemini 和 Grok 等已批准的助手程式中,以便財務營運分析師無需離開他們正在使用的工具即可查看哪些應用程式正在讀取資料集。存取權限為唯讀、身份驗證和基於角色的。
| 分配需求 | 投資組合數據 | 提供這種能力 |
|---|---|---|
| 應用程式註冊表組件 | 按應用程式分組的程式、工作和資料集 | 企業搜索 |
| 大型主機 CPU 驅動程式 | 工作到程序到應用程式映射 | JCL擴充和作業映射 |
| 共享組件拆分 | 從屬程序計數,表訪問 | 應用程式依賴關係映射 |
| 死代碼排除 | 無法存取的程式 | 傳統現代化分析 |
| 價格變動 | 受依賴關係變更影響的應用程式 | 結構影響分析 |
| 司機問題和糾紛 | 用簡單易懂的語言提供與來源相關的答案 | ASK AI 和 MCP 連接器 |
兩個邊界保證了瞄準鏡的精確度。 SMART TS XL 它不儲存帳簿資料、合約或發票,也不計量 CPU 使用率或收集使用情況遙測資料。這些數據來自財務系統、許可證記錄和平台監控。它提供資源與應用程式之間的映射關係以及應用程式之間的依賴關係,這是帳簿和標籤無法提供的模型的一部分。
成本模型的準確性取決於其應用範圍。
本文開頭給出的三個答案並非算術題,而是定義題。定義題需要用到關於應用程式包含哪些內容以及依賴哪些元件的資料才能解決。如果用更完善的公式來處理同樣的不完整列表,則會得到另外三個不同的答案。
將每個成本池與一個指定的驅動因素關聯起來,將每個驅動因素與投資組合數據關聯起來,評估覆蓋率,顯示隱性成本,並讓分配隨著投資組合的變化而變化。這樣做,資訊長、應用程式負責人和財務主管對同一應用程式的報價就會開始趨於一致,因為他們最終計算的是同一件事。


