Dela via

Prognostisering

  • Artikel

Den här artikeln hjälper dig att förstå prognosfunktionen i FinOps Framework och hur du implementerar den i Microsoft Cloud.


Definition

Prognostisering omfattar analys av historiska trender och framtida planer för att förutsäga kostnader, förstå effekten på nuvarande budgetar och påverka framtida budgetar.

Analysera historiska användnings- och kostnadstrender för att identifiera eventuella mönster som du förväntar dig att ändra. Utöka det med framtida planer för att generera en informerad prognos.

Granska regelbundet prognoserna mot de aktuella budgetarna för att identifiera risker och initiera reparationsinsatser. Upprätta en plan för att balansera budgetar mellan team och avdelningar och ta med lärdomarna i framtida budgetar.

Med en korrekt, detaljerad prognos är organisationer bättre förberedda på att anpassa sig till framtida förändringar.


Innan du börjar

Innan du effektivt kan förutse framtida användning och kostnader måste du bekanta dig med hur du debiteras för de tjänster du använder.

Information om hur ändringar i dina användningsmönster påverkar framtida kostnader informeras om:

  • Förstå de faktorer som bidrar till kostnader (till exempel beräkning, lagring, nätverk och dataöverföring)
  • Hur din användning av en tjänst överensstämmer med de olika prismodellerna (till exempel betala per användning, reservationer och Azure Hybrid-förmån)

Komma igång

När du först börjar hantera kostnader i molnet använder du den interna kostnadsanalysupplevelsen i portalen.

Det enklaste alternativet är att använda kostnadsanalys för att projicera framtida kostnader med hjälp av vyn Dagliga kostnader eller Ackumulerade kostnader. Om du har konsekvent användning med små eller inga avvikelser eller stora variationer kan det vara allt du behöver.

Om du ser avvikelser eller stora (möjligen förväntade) variationer i kostnaderna kanske du vill anpassa vyn för att skapa en mer exakt prognos. För att göra det måste du analysera data och filtrera bort allt som kan förvränga resultatet.

  • Använd kostnadsanalys för att analysera historiska trender och identifiera avvikelser.
    • Innan du börjar ska du avgöra om du är intresserad av dina kostnader när de faktureras eller om du vill prognostisera de effektiva kostnaderna efter att ha redovisat åtaganderabatter. Om du vill ha den effektiva kostnaden ändrar du vyn så att den använder amorterad kostnad.
    • Börja med vyn Dagliga kostnader och ändra sedan datumintervallet så att det ser tillbaka så långt du är intresserad av att se framåt. Om du till exempel vill förutsäga de kommande 12 månaderna anger du datumintervallet till de senaste 12 månaderna.
    • Filtrera bort alla köp (Charge type = Purchase). Anteckna dem eftersom du behöver prognostisera dem separat.
    • Gruppera kostnader för att identifiera nya och gamla (borttagna) prenumerationer, resursgrupper och resurser.
      • Om du ser några borttagna objekt filtrerar du bort dem.
      • Om du ser några som är nya bör du anteckna dem och sedan filtrera bort dem. Du prognostiserade dem separat. Överväg att spara vyn under ett nytt namn som ett sätt att "komma ihåg" dem för senare.
      • Om du har framtida datum som ingår i din vy kanske du märker att prognosen börjar plana ut. Det händer eftersom avvikelserna inte längre räknas in i algoritmen.
    • Om du ser några stora toppar eller dalar grupperar du data efter ett av grupperingsalternativen för att identifiera vad orsaken var.
      • Prova olika alternativ tills du upptäcker orsaken med samma metod som när du hittar oväntade kostnadsändringar.
      • Om du vill hitta den exakta ändring som orsakade kostnadstopparna (eller nedgången) använder du verktyg som Azure Monitor eller Resource Graph i ett separat fönster eller en separat webbläsarflik.
      • Om ändringen var en separat avgift och inte bör räknas in i prognosen filtrerar du bort den. Var noga med att inte filtrera bort andra kostnader eftersom det kommer att skeva prognosen. Om det behövs börjar du med att prognostisera ett mindre omfång för att minimera risken för att filtrera mer och upprepa processen per omfång.
      • Om ändringen finns i ett omfång som inte ska filtreras bort bör du anteckna omfånget och sedan filtrera bort det. Du prognostiserade dem separat.
    • Överväg att filtrera bort prenumerationer, resursgrupper eller resurser som har konfigurerats om under perioden och kanske inte återspeglar en korrekt bild av framtida kostnader. Anteckna dem så att du kan prognostisera dem separat.
    • Nu bör du ha en ganska ren bild av konsekventa kostnader.
  • Ändra datumintervallet för att titta på den framtida perioden. Till exempel de kommande 12 månaderna.
    • Om du är intresserad av de totala ackumulerade kostnaderna för perioden ändrar du kornigheten till Accumulated.
  • Anteckna prognosen och upprepa sedan den här processen för var och en av de datauppsättningar som filtrerades bort.
    • Du kan behöva förkorta det framtida datumintervallet för att säkerställa att den historiska avvikelsen eller resursändringen inte påverkar prognosen. Om prognosen påverkas projicerar du framtida kostnader manuellt baserat på den dagliga eller månatliga körningstakten.
  • Nästa faktor i eventuella ändringar som du planerar att göra i din miljö.
    • Den här delen kan vara lite knepig och måste hanteras separat per arbetsbelastning.
    • Börja med att filtrera ned till endast den arbetsbelastning som ändras. Om den planerade ändringen bara påverkar en enskild mätare, till exempel antalet drifttidstimmar som en virtuell dator (VM) kan ha eller totalt lagrade data i ett lagringskonto, filtrerar du ned till den mätaren.
    • Använd priskalkylatorn för att avgöra skillnaden mellan vad du har idag och vad du tänker ha. Ta sedan skillnaden och tillämpa den manuellt på dina kostnadsprognoser för den avsedda perioden.
    • Upprepa processen för var och en av de förväntade ändringarna.

Oavsett vilken metod som fungerade bäst för dig kan du jämföra din prognos med din aktuella budget för att se var du befinner dig i dag. Om du filtrerade ned data till ett mindre omfång eller en mindre arbetsbelastning:

Överväg att granska prognoser varje månad eller kvartal för att säkerställa att du håller dig på rätt spår med dina förväntningar.


Bygga vidare på grunderna

Nu har du en manuell process för att generera en prognos. Tänk på följande när du går vidare från grunderna:

  • Utöka täckningen för dina prognosberäkningar för att inkludera alla kostnader.
  • Om du matar in kostnadsdata i ett separat system använder eller introducerar du en prognosfunktion som omfattar alla dina kostnadsdata. Överväg att använda AutoML (Automated Machine Learning) för att minimera din insats.
  • Integrera prognosprognoser i interna budgeteringsverktyg.
  • Automatisera identifiering och minskning av kostnadsvarians.
    • Implementera automatiserade processer för att identifiera och åtgärda kostnadsavvikelser i realtid.
    • Upprätta arbetsflöden eller mekanismer för att undersöka och minska avvikelserna snabbt, vilket säkerställer kostnadskontroll och anpassning till prognostiserade budgetar.
  • Skapa anpassad prognos och budgetrapportering mot faktiska kostnader som är tillgängliga för alla intressenter.
  • Om du mäter enhetskostnaderna bör du överväga att upprätta en prognos för enhetskostnaderna för att bättre förstå om du går mot högre eller lägre kostnader jämfört med intäkter.
  • Upprätta och automatisera KPI:er, till exempel:
    • Kostnad jämfört med prognos för att mäta prognosalgoritmens noggrannhet.
      • Det kan bara utföras när det finns förväntade användningsmönster och inga avvikelser.
      • Rikta <12 % varians när det inte finns några avvikelser.
    • Kostnad jämfört med prognos för att mäta om kostnaderna var på målet.
      • Den utvärderas om det finns avvikelser eller inte för att mäta prestanda för molnlösningen.
      • Rikta 12–20 % varians där <12 % skulle vara ett optimerat team, projekt eller arbetsbelastning.
    • Antal oväntade avvikelser under perioden som gjorde att kostnaden hamnade utanför det förväntade intervallet.
    • Tid att reagera på prognosaviseringar.

Läs mer på FinOps Foundation

Den här funktionen är en del av FinOps Framework av FinOps Foundation, en ideell organisation som är dedikerad för att främja molnkostnadshantering och optimering. Mer information om FinOps, inklusive användbara spelböcker, utbildning och certifieringsprogram, med mera finns i artikeln Om prognostiseringsfunktioner i FinOps Framework-dokumentationen.

Du kan också hitta relaterade videor på FinOps Foundation YouTube-kanalen:


Relaterat innehåll

Relaterade FinOps-funktioner:

Relaterade produkter:

Relaterade lösningar:

Andra resurser: