盡管速度、敏捷性和可擴(kuò)展性是云遷移的主要目標(biāo)，但許多企業(yè)的首要目標(biāo)是降低成本。

不幸的是，當(dāng)許多組織從云提供商那里收到包含數(shù)千個(gè)項(xiàng)目的難以破譯的賬單時(shí)，他們會(huì)感到震驚。

此外，許多組織正在遷移到多個(gè)云平臺(tái)，每個(gè)平臺(tái)都提供不同的選項(xiàng)和功能（以及成本）組合——很難知道您是否獲得了最佳價(jià)格或價(jià)值。

“云服務(wù)提供商提供用于跟蹤費(fèi)用的專有工具，但組織仍然缺乏對(duì)成本來(lái)源以及哪些操作正在推動(dòng)增長(zhǎng)的精細(xì)可見(jiàn)性，”TDWI 商業(yè)智能研究高級(jí)主管 David Stodder 解釋道。“注入 AI/ML 的第三方工具可以提供這種精細(xì)的可見(jiàn)性。”

他指出，預(yù)測(cè)是云財(cái)務(wù)管理中的一項(xiàng)關(guān)鍵活動(dòng)，而 AI/ML 可以為預(yù)測(cè)帶來(lái)預(yù)測(cè)建模和洞察力，使用戶能夠檢查更大、更多樣化的數(shù)據(jù)。

“他們可以持續(xù)分析預(yù)測(cè)是否準(zhǔn)確并符合業(yè)務(wù)需求，”Stodder 說(shuō)。“AI/ML 內(nèi)部預(yù)測(cè)有助于制定管理云成本的總體計(jì)劃以及如何在工作負(fù)載需求增加時(shí)進(jìn)行調(diào)整。”

AI/ML 助力容量管理、成本優(yōu)化

同時(shí)，通過(guò)預(yù)測(cè)分析和 AI/ML 加強(qiáng)的自動(dòng)化預(yù)測(cè)使組織能夠轉(zhuǎn)向持續(xù)預(yù)測(cè)、資源優(yōu)化和容量管理。

Gartner 副總裁分析師 Adam Ronthal 解釋說(shuō)，云本質(zhì)上是一個(gè)巨大的成本優(yōu)化問(wèn)題。

“我們正試圖同時(shí)對(duì)數(shù)十到數(shù)百種服務(wù)產(chǎn)品進(jìn)行成本優(yōu)化，每一種服務(wù)產(chǎn)品都是相互關(guān)聯(lián)的，”他說(shuō)。“因此，對(duì)一個(gè)組件進(jìn)行更改將影響接觸該組件的任何事物，并且還會(huì)產(chǎn)生二階和三階效應(yīng)。”

在基礎(chǔ)設(shè)施方面，有數(shù)百種不同的機(jī)器實(shí)例類型可供選擇，因此在復(fù)雜的基礎(chǔ)設(shè)施上存在復(fù)雜的問(wèn)題——這非常適合 AI/ML 來(lái)解決。

“事實(shí)上，它非常復(fù)雜，如果沒(méi)有 AI/ML，幾乎不可能做到正確，”Ronthal 說(shuō)。“將 AI/ML 功能應(yīng)用于成本優(yōu)化和預(yù)算問(wèn)題被稱為增強(qiáng)型 FinOps。這是一項(xiàng)仍處于相對(duì)早期階段的新興技術(shù)。”

他說(shuō)，大多數(shù)特定的 AI/ML 工具都嚴(yán)格限定在解決問(wèn)題的特定部分。

例如，Oracle 自治數(shù)據(jù)庫(kù)使用 AI/ML 來(lái)優(yōu)化 Oracle 數(shù)據(jù)庫(kù)的性能和安全性，而 Sync Computing 等供應(yīng)商則優(yōu)化 Spark 和 Databricks 工作流程。

同時(shí)，OtterTune 和 Enteros 等供應(yīng)商優(yōu)化了數(shù)據(jù)庫(kù)管理系統(tǒng) (DBMS) 的性能。

“其他工具的范圍很廣，但相當(dāng)膚淺，”Ronthal 說(shuō)。“他們讓你了解金融熱點(diǎn)在哪里，但他們沒(méi)有就如何解決這些問(wèn)題提出詳細(xì)的規(guī)范性建議。”

從 PwC 數(shù)據(jù)與分析合伙人 Bret Greenstein 的角度來(lái)看，AI/ML 在管理云成本方面有兩個(gè)重要用途。

“第一個(gè)是自動(dòng)化，使用 AI/ML 來(lái)加速服務(wù)請(qǐng)求并自動(dòng)化進(jìn)入服務(wù)請(qǐng)求和云環(huán)境監(jiān)控的工作流程，”他解釋道。“第二個(gè)是預(yù)測(cè)和優(yōu)化。”

Greenstein 指出，公司正在使用自然語(yǔ)言處理 (NLP) 來(lái)自動(dòng)管理服務(wù)請(qǐng)求（訪問(wèn)控制請(qǐng)求、供應(yīng)請(qǐng)求、中斷等），以便以更低的成本實(shí)時(shí)運(yùn)行。

在優(yōu)化方面，AI/ML 可用于預(yù)測(cè)峰值負(fù)載，并就最佳實(shí)例和運(yùn)行工作的位置做出決策，以平衡成本、性能和容量。

多個(gè)利益相關(guān)者必須合作

Ronthal 解釋說(shuō)，隨著數(shù)據(jù)和分析的重心越多地轉(zhuǎn)移到云端，組織中關(guān)心運(yùn)營(yíng)效率的部分就越多：CFO 和 COO。

“一般來(lái)說(shuō)，CFO 和 COO 角色不具備深厚的技術(shù)能力來(lái)理解所運(yùn)行的工作負(fù)載的價(jià)值，因此他們將與 CDAO、CIO 和業(yè)務(wù)線主管合作，”他說(shuō)。

成功的組織將在這些領(lǐng)導(dǎo)角色之間建立清晰的溝通渠道：CFO/COO、CDAO、CIO、LOB 主管。

“然而，鑒于云計(jì)算本質(zhì)上是關(guān)于成本優(yōu)化的，CFO 將成為主導(dǎo)角色，”他補(bǔ)充道。“這個(gè)問(wèn)題需要多個(gè)參與的利益相關(guān)者。”

Greenstein 表示，制定戰(zhàn)略的責(zé)任通常由 AI 和新興技術(shù)領(lǐng)導(dǎo)者以及 CIO 承擔(dān)，但在任何轉(zhuǎn)型工作中，他們可能會(huì)進(jìn)一步涉及需要管理整個(gè)企業(yè)數(shù)據(jù)的可訪問(wèn)性、成本和安全性的 CDO。

“此外，應(yīng)用程序負(fù)責(zé)人與業(yè)務(wù)利益相關(guān)者合作，以了解應(yīng)用程序工作負(fù)載的成本、性能和速度之間的權(quán)衡，”他補(bǔ)充道。

Stodder 同意對(duì)于云計(jì)算，所有需要為協(xié)作管理做出貢獻(xiàn)的人。

“云計(jì)算通常是業(yè)務(wù)驅(qū)動(dòng)的，需要業(yè)務(wù)方對(duì)領(lǐng)導(dǎo)做出貢獻(xiàn)，”他說(shuō)。“數(shù)據(jù)科學(xué)家需要參與指導(dǎo)人工智能和人工智能工具的使用。”

他增加了業(yè)務(wù)用戶（包括財(cái)務(wù)辦公室）、數(shù)據(jù)科學(xué)家、應(yīng)用程序開(kāi)發(fā)和 IT。一些組織將他們聚集在卓越委員會(huì)的中心。

“他們管理預(yù)算，以推進(jìn)基于 AI 的云財(cái)務(wù)管理的數(shù)據(jù)收集和工具，”他說(shuō)。

人工智能/機(jī)器學(xué)習(xí)工具的演變以輔助規(guī)劃

Greenstein 表示，AI/ML 工具的未來(lái)將使推動(dòng)自動(dòng)化和優(yōu)化決策變得更加容易。

“隨著云計(jì)算變得更加強(qiáng)大，應(yīng)用程序、分析和產(chǎn)品更多地使用它，將有更多的潛力來(lái)優(yōu)化工作負(fù)載大小、位置、優(yōu)先級(jí)以最大化 NPS 分?jǐn)?shù)、改善業(yè)務(wù)成果、能源消耗以及成本、性能和速度，”他說(shuō)。

例如，想象一下，由于社交媒體上發(fā)生的事件，一家零售企業(yè)的需求將出現(xiàn)激增。

使用 AI/ML，企業(yè)可以預(yù)測(cè)需求和供應(yīng)增加的容量。

根據(jù)這樣做的成本，它可以建議是否更好地發(fā)展環(huán)境以滿足增加的需求（以獲得更高的收入和 NPS），并且這樣做的能源影響將被考慮在內(nèi)。

“這反過(guò)來(lái)會(huì)推動(dòng) IT 采取其他行動(dòng)來(lái)抵消能源消耗，”Greenstein 解釋說(shuō)。“借助 AI/ML，這可以更快地發(fā)生，從而允許動(dòng)態(tài)決策并避免代價(jià)高昂的錯(cuò)誤。”