ТЕХНИЧЕСКОЕ ЗАДАНИЕ: Рассчитать break-even point продукта

1. Цель задачи

Научиться оценивать экономическую эффективность AI‑продукта на основе unit‑экономики. Необходимо рассчитать точку безубыточности (break‑even point) — объём ежемесячных запросов, при котором выручка от использования покрывает все операционные и cost|фиксированные затраты. Результаты оформить в виде графика «Cost vs Revenue» с явно обозначенной точкой безубыточности.

Ключевой результат График зависимости общей выручки и полных затрат от количества запросов, а также таблица с расчётной BEP (в запросах/месяц).

2. Исходные данные

Если нет реальных цифр — симулируем:

1. Фиксированные расходы — возьми средний счёт из AWS/GCP за последний месяц для проекта Pet‑Project (например, ~$500/мес: $200 GPU‑инстанс + $100 хранилище + $200 прочее).
2. Переменные на запрос — для open‑source модели (например, Llama 3 8B) оцени cost per token по формуле (стоимость GPU‑часа) / (токенов/сек * 3600). Для OpenAI бери $0.003/1k tokens|input tokens и $0.015/1k output tokens (gpt‑4o‑mini).
3. Цена запроса для клиента — установи $0.01 (10$ за 1000 запросов) как типичную цену для AI‑ассистента.
4. Диапазон объёмов — от 0 до 500 000 запросов/месяц с шагом 10 000.

3. Технологический стек

4. Этапы выполнения

Этап 1: Сбор и структурирование данных о затратах (45 минут)

Действия

1. Определи все статьи расходов, относящиеся к продукту. Раздели их на фиксированные (не зависят от объёма) и переменные (пропорциональны числу запросов).

2. Составь таблицу (можно в Excel или Pandas DataFrame)

3. Рассчитай средние переменные издержки на один запрос (сумма всех variable‑статей).

4. Собери данные о цене продажи В качестве примера: price = 0.05 USD/запрос (если продаётся как API) или price = 0 USD (бесплатный продукт — тогда revenue = 0, но это тоже допустимо для осознанного обсуждения).

Ожидаемый результат этапа Таблица со всеми затратами, фиксированные и переменные издержки явно разделены. Значение variable_cost_per_query и fixed_cost_per_month.

Этап 2: Расчёт безубыточного объёма и моделирование (1 час)

Действия

1. Запиши формулу break‑even point (BEP):

   BEP (запросов/месяц) = fixed_costs_per_month / (price_per_query - variable_cost_per_query)
   

2. Проверь, что price_per_query > variable_cost_per_query. Если нет — продукт никогда не окупится (при текущих ценах). В этом случае опиши сценарий сокращения издержек или повышения цены.

3. Создай массив объёмов запросов от 0 до 1.5 × BEP (с шагом 1% от BEP).

4. Для каждого объёма рассчитай

   • Общие затраты: total_cost = fixed_costs + variable_cost_per_query * N
   • Общую выручку: total_revenue = price_per_query * N
   • Прибыль: profit = total_revenue - total_cost

5. Используй Python

   import numpy as np
   
   fixed = 2000        # $/month
   var_per_q = 0.008   # $/query
   price = 0.05        # $/query
   
   bep = fixed / (price - var_per_q)
   print(f"BEP: {bep:.0f} queries/month")
   
   queries = np.linspace(0, int(bep*1.5), 200)
   total_cost = fixed + var_per_q * queries
   total_revenue = price * queries
   profit = total_revenue - total_cost
   

Ожидаемый результат этапа Численное значение BEP (в запросах/месяц) и три массива: queries, total_cost, total_revenue.

Этап 3: Построение графика Cost vs Revenue (45 минут)

Действия

1. Создай график с двумя линиями

   • Total Cost (синий, сплошная)
   • Total Revenue (зелёный, штриховая)

2. Отметь точку безубыточности

   • Вертикальная пунктирная линия в BEP
   • Аннотация с подписью "Break-even: X queries"

3. Добавь подписи, легенду, сетку.

4. Пример кода (Matplotlib):

   import matplotlib.pyplot as plt
   
   plt.figure(figsize=(10,6))
   plt.plot(queries, total_cost, label='Total Cost', color='blue')
   plt.plot(queries, total_revenue, label='Total Revenue', color='green', linestyle='--')
   plt.axvline(x=bep, color='red', linestyle=':', label=f'BEP = {bep:.0f}')
   plt.annotate(f'BEP: {bep:.0f}', xy=(bep, total_cost[ np.argmin(np.abs(queries-bep)) ]),
               xytext=(bep*1.1, max(total_cost)*0.8), arrowprops=dict(arrowstyle='->'))
   plt.xlabel('Queries per month')
   plt.ylabel('USD')
   plt.title('Cost vs Revenue — Break‑Even Analysis')
   plt.legend()
   plt.grid(alpha=0.3)
   plt.show()
   

5. Экспортируй график в PNG/SVG для включения в отчёт.

Ожидаемый результат этапа Файл графика break_even.png, на котором наглядно видно пересечение кривых.

Этап 4: Анализ сценариев и чувствительности (30 минут)

Действия

1. Построй три дополнительных графика (или один с несколькими кривыми):

   • Оптимистичный (цена +20%, переменные издержки –10%)
   • Пессимистичный (цена –10%, переменные издержки +20%)
   • Базовый (текущие значения)

2. Оцени, как изменение ключевых параметров влияет на BEP.

   • Процентное изменение BEP при +10% переменной стоимости
   • Абсолютное изменение BEP при –15% фиксированных затрат

3. Запиши выводы в текстовом виде Например: «Снижение переменной стоимости на 10% уменьшает BEP на 12%».

Ожидаемый результат этапа Таблица чувствительности (параметр → новое BEP) и короткий текстовый анализ.

Этап 5: Оформление итогового отчёта (30 минут)

Действия

1. Подготовь PDF (или Markdown + PNG) со следующей структурой:

   • Исходные допущения (таблица затрат)
   • Формула и расчёт BEP
   • График Cost vs Revenue (базовый сценарий)
   • Анализ чувствительности (таблица + график)
   • Выводы (рекомендации по ценообразованию или оптимизации затрат)

2. Проверь арифметику bep = fixed / (price - variable).

3. Выложи код и результаты в Git (если требуется по курсу).

Ожидаемый результат этапа Markdown‑документ break_even_report.md с графиками и выводами.

5. Критерии приемки (Definition of Done)

• Составлена полная таблица затрат (фиксированные + переменные) с обоснованием цифр.
• BEP рассчитан математически верно по формуле fixed / (price - variable).
• Построен график Cost vs Revenue с подписанной точкой безубыточности.
• График экспортирован в PNG/SVG и включён в отчёт.
• Выполнен анализ чувствительности как минимум для трёх сценариев.
• Написан текстовый вывод, в котором отражена реалистичность BEP (достижим ли такой объём?).
• Код расчёта и визуализации оформлен в виде воспроизводимого скрипта (.py или Jupyter Notebook).
• Отчёт содержит все обязательные разделы: допущения, расчёт, график, анализ.

6. Ожидаемый результат

• Файл: break_even_report.md — подробный отчёт, включающий:
  • Таблицу затрат и допущений
  • Численное значение BEP
  • Анализ чувствительности
  • Выводы по экономике продукта
• Файл: break_even_plot.png — график Cost vs Revenue с точкой безубыточности.
• Дополнительно (опционально): Код на Python, оформленный как скрипт break_even.py, который генерирует все графики и таблицы.

7. Возможные сложности и их решение

8. Бюджет времени (оценка)

Примечание для первого раза Если вы не знакомы с unit‑экономикой AI‑систем, добавьте 1 час на изучение стоимости токенов у основных провайдеров.

9. Связанные вопросы из базы знаний

10. Чек-лист самопроверки

• Я разделил все затраты на фиксированные и переменные, используя логику аллокации.
• Я корректно рассчитал BEP по формуле и убедился, что знаменатель положительный.
• Я построил график с явной точкой безубыточности и подписями осей.
• Я проверил, что график отображается корректно (шрифты, сетка, легенда).
• Я проанализировал хотя бы два сценария (оптимистичный/пессимистичный) и задокументировал выводы.
• Я сохранил все артефакты (скрипт, график, отчёт) в одном репозитории/папке.