Sdílet prostřednictvím

Prognostika

  • Článek

Tento článek vám pomůže pochopit možnosti prognózování v rámci rozhraní FinOps a jak ho implementovat v Microsoft Cloudu.


Definice

Prognózování zahrnuje analýzu historických trendů a budoucích plánů k předpovídání nákladů, pochopení dopadu na aktuální rozpočty a vliv budoucích rozpočtů.

Analyzujte historické trendy využití a nákladů a identifikujte vzory, které očekáváte, že se změní. Rozšiřte ho o budoucí plány a vygenerujte informovanou prognózu.

Pravidelně kontrolujte prognózy oproti aktuálním rozpočtům, abyste identifikovali rizika a zahájili nápravu. Vytvořte plán vyvážení rozpočtů napříč týmy a odděleními a zajistěte, aby se poznatky do budoucích rozpočtů řídily.

S přesnou podrobnou prognózou jsou organizace lépe připravené na přizpůsobení se budoucí změně.


Než začnete

Než budete moct efektivně předpovídat budoucí využití a náklady, musíte se seznámit s tím, jak se vám budou účtovat služby, které používáte.

Vysvětlení toho, jak změny vzorů využití ovlivňují budoucí náklady, jsou informované:

  • Pochopení faktorů, které přispívají k nákladům (například výpočetní prostředky, úložiště, sítě a přenos dat)
  • Jak vaše využití služby odpovídá různým cenovým modelům (například průběžné platby, rezervace a Zvýhodněné hybridní využití Azure)

Začínáme

Když poprvé začnete spravovat náklady v cloudu, použijete nativní prostředí analýzy nákladů na portálu.

Nejjednodušší možností je použít analýzu nákladů k projektu budoucích nákladů pomocí zobrazení Denní náklady nebo Kumulované náklady. Pokud máte konzistentní využití s minimálními nebo žádnými anomáliemi nebo velkými variacemi, může to být vše, co potřebujete.

Pokud vidíte anomálie nebo velké (pravděpodobně očekávané) odchylky nákladů, můžete zobrazení přizpůsobit a vytvořit přesnější prognózu. K tomu je potřeba analyzovat data a odfiltrovat vše, co by mohlo zkosit výsledky.

  • Analýza nákladů slouží k analýze historických trendů a identifikaci abnormalit.
    • Než začnete, určete, jestli vás zajímají náklady, které se vám budou účtovat, nebo jestli chcete po účtování slev na závazky předpovídat efektivní náklady. Pokud chcete efektivní náklady, změňte zobrazení tak, aby používalo amortizované náklady.
    • Začněte zobrazením Denní náklady a pak změňte rozsah kalendářních dat, abyste se mohli podívat na další pohled. Pokud například chcete předpovědět následující 12 měsíců, nastavte rozsah dat na posledních 12 měsíců.
    • Vyfiltrujte všechny nákupy (Charge type = Purchase). Poznamenejte si je, protože je potřebujete předpovědět samostatně.
    • Seskupte náklady za účelem identifikace nových a starých (odstraněných) předplatných, skupin prostředků a prostředků.
      • Pokud se zobrazí nějaké odstraněné položky, vyfiltrujte je.
      • Pokud uvidíte, že jsou nějaké nové, poznamenejte si je a vyfiltrujte je. Předpovídáte je samostatně. Zvažte uložení zobrazení pod novým názvem jako jeden ze způsobů, jak si je "zapamatovat" pro pozdější použití.
      • Pokud máte v zobrazení zahrnutá budoucí data, můžete si všimnout, že prognóza začíná vyrovnát. Stává se to, protože abnormality se už do algoritmu nefaktorují.
    • Pokud se zobrazí nějaké velké špičky nebo poklesy, seskupte data podle jedné z možností seskupení a určete příčinu.
      • Zkuste různé možnosti, dokud nenajdete příčinu pomocí stejného přístupu, jako byste při hledání neočekávaných změn v nákladech našli.
      • Pokud chcete najít přesnou změnu, která způsobila špičku (nebo pokles nákladů), použijte nástroje, jako je Azure Monitor nebo Resource Graph , na samostatné kartě okna nebo prohlížeče.
      • Pokud by změna byla oddělená a neměla by být do prognózy zohledněna, vyfiltrujte ji. Dávejte pozor, abyste neodfiltrováli ostatní náklady, protože prognóza se zkosí. V případě potřeby začněte prognózou menšího rozsahu, abyste minimalizovali riziko dalšího filtrování a opakujte proces pro každý obor.
      • Pokud je změna v oboru, který by se neměl filtrovat, poznamenejte si tento obor a pak ho vyfiltrujte. Předpovídáte je samostatně.
    • Zvažte filtrování všech předplatných, skupin prostředků nebo prostředků, které byly v daném období překonfigurované, a nemusí odrážet přesný přehled budoucích nákladů. Poznamenejte si je, abyste je mohli předpovídat samostatně.
    • V tomto okamžiku byste měli mít poměrně čistý přehled o konzistentních nákladech.
  • Změňte rozsah dat tak, aby se podíval na budoucí období. Například následujících 12 měsíců.
    • Pokud se zajímá o celkové kumulované náklady za dané období, změňte členitost na Accumulated.
  • Poznamenejte si prognózu a opakujte tento proces pro každou datovou sadu, která byla odfiltrovaná.
    • Možná budete muset zkrátit budoucí rozsah kalendářních dat, abyste zajistili, že historická anomálie nebo změna prostředku neovlivní prognózu. Pokud je prognóza ovlivněná, ručně promítněte budoucí náklady na základě denní nebo měsíční míry spuštění.
  • Další faktor v jakýchkoli změnách, které plánujete provést ve vašem prostředí.
    • Tato část může být trochu složitá a musí být zpracována samostatně na každou úlohu.
    • Začněte filtrováním jenom na úlohu, která se mění. Pokud plánovaná změna ovlivní jenom jeden měřič, například počet hodin provozu virtuálního počítače, které může mít virtuální počítač nebo celková data uložená v účtu úložiště, vyfiltrujte ho podle tohoto měřiče.
    • Pomocí cenové kalkulačky můžete určit rozdíl mezi tím, co máte dnes a co máte v úmyslu. Pak vezměte rozdíl a ručně ho použijte u odhadů nákladů pro zamýšlené období.
    • Opakujte proces pro každou z očekávaných změn.

Podle toho, který přístup je pro vás nejvhodnější, porovnejte prognózu s aktuálním rozpočtem a zjistěte, kde jste dnes. Pokud jste data vyfiltrovali na menší rozsah nebo úlohu:

Zvažte kontrolu předpovědí měsíčně nebo čtvrtletně, abyste měli jistotu, že zůstanete v souladu s vašimi očekáváními.


Základní informace o základech

V tomto okamžiku máte ruční proces pro generování prognózy. Při procházení nad rámec základů zvažte následující body:

  • Rozšiřte pokrytí výpočtů prognózy tak, aby zahrnovaly všechny náklady.
  • Pokud ingestuje data nákladů do samostatného systému, použijte nebo zaveďte funkci prognózy, která zahrnuje všechna data nákladů. Zvažte použití automatizovaného strojového učení (AutoML) k minimalizaci vašeho úsilí.
  • Integrujte prognózy do interních rozpočtových nástrojů.
  • Automatizujte detekci a zmírnění odchylek nákladů.
    • Implementujte automatizované procesy pro identifikaci a řešení odchylek nákladů v reálném čase.
    • Vytvořte pracovní postupy nebo mechanismy pro rychlé prozkoumání a zmírnění odchylek a zajištění kontroly nákladů a sladění s prognózovanými rozpočty.
  • Vytvářejte vlastní prognózy a vytváření sestav rozpočtu s využitím skutečných nákladů, které jsou k dispozici pro všechny zúčastněné strany.
  • Pokud měříte jednotkové náklady, zvažte vytvoření prognózy nákladů na jednotku, abyste lépe pochopili, jestli se jedná o trend vyšších nebo nižších nákladů oproti výnosům.
  • Vytvořte a automatizujte klíčové ukazatele výkonu, například:
    • Náklady vs. prognóza pro měření přesnosti algoritmu prognózy
      • Dá se provést pouze v případě, že existují očekávané vzory využití a žádné anomálie.
      • Cílení <na 12% odchylku, pokud neexistují žádné anomálie.
    • Náklady vs. prognóza pro měření, jestli byly náklady podle cíle.
      • Vyhodnotí se, jestli existují anomálie nebo neměří výkon cloudového řešení.
      • Cílová odchylka 12–20 %, kde <12 % je optimalizovaný tým, projekt nebo úloha.
    • Počet neočekávaných anomálií během období, které způsobilo přechod nákladů mimo očekávaný rozsah
    • Doba reakce na výstrahy prognózy

Další informace o FinOps Foundation

Tato schopnost je součástí FinOps Frameworku od FinOps Foundation, neziskové organizace vyhrazené pro rozvoj správy a optimalizace nákladů na cloud. Další informace o FinOps, včetně užitečných playbooků, trénovacích a certifikačních programů a dalších, najdete v článku o možnostech prognózy v dokumentaci k rozhraní FinOps Framework.

Související videa najdete také v kanálu YouTube pro FinOps Foundation:


Související obsah

Související funkce FinOps:

Související produkty:

Související řešení:

Další zdroje informací: