享受成本分析自由,体验账单数据订阅及查询分析功能

简介: 使用DataWorks进行账单数据订阅和查询分析,您可以有效地管理和可视化您的阿里云消费数据。本指南提供了详细步骤和示例,帮助您快速入门实现账单数据的高效分析。

DataWorks基于MaxCompute等大数据引擎,支持您在线进行SQL分析、业务洞察、编辑和分享数据,以及将查询结果保存为可视化图表卡片,快速搭建可视化数据报告。订阅账单数据后,用户中心会将相关账单数据同步至指定MaxCompute表,您可通过DataWorks的数据分析功能分析您的阿里云账单。

一、您为何需要账单数据查询及分析功能?

用户中心现有的「成本分析」功能可以支持多维度查看资源成本的趋势,查看全面的成本组成结构,进行未来成本的预测等,并可将一组筛选后的数据及对应条件保存为报告,便于快捷查看。

但是当云资源使用结构复杂,账单过大时,以上的功能就会受分析聚合维度较少、分析方式单一、无法分享给其他用户的限制,出现分析效果不理想甚至难以分析的情况。DataWorks与阿里云费用与成本、MaxCompute联合推出的成本分析工具-账单数据订阅与查询分析,提供大数据分析能力,可以解决以上问题。

二、什么是账单数据订阅及查询分析

1)订阅账单数据

通过在用户中心订阅所需的具体账单数据类型(例如,计费项明细账单、按天汇总的计费项账单等),可以按需开启数据投递。订阅成功后,系统将自动将这些账单数据定时写入指定的MaxCompute表中,从而实现账单数据的集中存储和有效管理。

2)查询账单数据

进入DataWorks大数据分析页面后,您可以使用SQL语句对已同步至MaxCompute表中的账单数据进行查询和分析。例如,可以通过SQL查询特定时间段内的计费明细、总费用等信息。DataWorks提供了强大的查询功能,支持复杂的SQL操作,让数据分析变得更加灵活和高效。

3)账单数据可视化分析

在完成账单数据的查询和分析后,DataWorks提供了直观的可视化工具,帮助您将分析结果转换为图表卡片及报告。您可以根据实际需求自定义图表类型和布局,生成反映数据趋势和异常的可视化报告。这些图表和报告不仅有助于内部决策,还可以方便地分享给团队成员或利益相关者,提升沟通效率。

三、账单数据订阅及查询分析功能的优势

1)集中管理账单数据

订阅不同类型的账单数据后,系统会自动将其同步至统一的MaxCompute表,实现数据的集中化存储和管理。

2)强大的数据分析

借助DataWorks的分析功能,用户可以使用SQL语句查询账单数据,并生成可视化图表或报告,帮助快速发现财务数据中的异常和趋势。

3)可视化报告和分享

分析结果可以直接在DataWorks中生成图表卡片和报告,并可以导出和分享给团队成员或决策者,提升团队协作效率。

四、具体操作步骤

步骤一:开通账单分析工具

订阅账单数据前,您需先在用户中心开通账单分析工具。

1)进入大数据分析。

  • 进入用户中心
  • 在左侧导航栏单击成本管理 > 成本分析
  • 成本分析 > 更多分析工具单击查看详情,进入大数据分析页面

2)开通分析工具。

img

根据界面指引,开通MaxCompute及DataWorks,并完成相关授权及分析环境的准备工作。具体如下:

  • 选择开通分析工具的地域

    所选地域需已开通DataWorks及MaxCompute产品。如未开通,请单击去开通,进入产品购买页开通,详情请参见开通DataWorks开通MaxCompute。用户中心的账单分析工具仅支持在任意一个地域下开通。例如,若华东2(上海)地域已开通,则其他地域将无法再进行账单数据订阅。

  • 授权关联角色

    您需授权用户中心拥有AliyunServiceRoleForBssOpenApi服务关联角色,允许用户中心可访问您的MaxCompute、DataWorks相关资源,查询MaxCompute的授信项目列表,以便进行后续的账单数据同步及分析操作。授权详情,请参见费用与成本服务关联角色

  • 准备分析环境

    在订阅账单数据前,您还需准备好存储及分析账单数据所用的环境。此处,需创建MaxCompute项目(用于账单数据的存储和计算),创建DataWorks工作空间和数据源(用于查询账单数据)。以上工作可通过单击“一键创建”,由平台统一完成,创建过程预计耗时2分钟。

执行该操作,需要当前登录账号具备如下任意条件:

  • 登录账号为阿里云主账号。
  • 登录账号为被授予AdministraorAccess权限的阿里云子账号。授权详情请参见创建RAM用户并授权

平台统一创建的MaxCompute项目、DataWorks工作空间、MaxCompute数据源为租户下全局唯一,格式为costmgt{UID},UID为当前登录的阿里云主账号的ID。

步骤二:订阅账单数据

大数据分析 > 数据订阅管理区域,根据需要订阅相应账单数据,订阅后,相关账单数据会同步至指定的MaxCompute表。

该操作需要当前登录账号为账单分析指定的DataWorks工作空间(即步骤一中,由平台统一创建的工作空间)的空间管理员。授权用户为空间管理员,详情请参见添加空间成员并管理成员角色权限

img

步骤三:分析账单数据

单击已订阅账单操作列的前往分析,进入DataWorks的数据分析,通过SQL语句查询并分析相应账单数据。同时,可将分析结果生成可视化图表卡片及报告,并分享给相关用户。分析操作,详情请参见SQL查询

账单数据分析过程会产生相关费用,详情请参见费用说明

您需完成账单数据订阅后再开始分析账单数据。分析账单数据,需要当前登录账号为DataWorks指定地域(即订阅账单数据时开通的DataWorks地域)任意工作空间的非访客角色,建议授权数据分析师角色。授权操作,详情请参见添加空间成员并管理成员角色权限

img

订阅账单数据

img

查询账单数据

img

账单数据可视化分析

img

生成分享链接

五、费用说明

订阅及查询分析账单数据会产生如下费用:

  • 存储费用(MaxCompute收取):账单数据会写入指定的MaxCompute表,产生存储费用。详情请参见计费项与计费方式概述
  • 计算费用(MaxCompute收取):在数据分析执行SQL语句,会产生计算费用。详情请参见计费项与计费方式概述
  • 卡片及报告费用(DataWorks收取):如账单数据查询结果需保存为卡片或报告,将产生相应费用。DataWorks为您提供了免费的使用额度,超出额度后将按照保有的卡片及报告数量进行收费。详情请参见增强分析计费说明

六、使用限制

账单分析工具目前处于灰度发布,如需使用,请提交工单联系技术支持人员申请。

用户中心的账单分析工具仅支持在任意一个地域下开通。例如,若华东2(上海)地域已开通,则其他地域将无法再进行账单数据订阅。


通过DataWorks平台的账单数据订阅和查询分析功能,用户可以轻松实现阿里云账单数据的集中管理、高效分析和可视化报告,有效提升财务管理效率。您可在用户中心订阅不同类型的账单数据,例如,计费项明细账单、计费项账单按天汇总等。订阅成功后,账单数据将会定时同步至MaxCompute,您可使用DataWorks的数据分析功能查询并分析账单数据,将分析结果生成可视化图表卡片及报告,同时,也可将您的阿里云消费分析报告分享给其他用户。

相关实践学习
基于Hologres轻量实时的高性能OLAP分析
本教程基于GitHub Archive公开数据集,通过DataWorks将GitHub中的项⽬、行为等20多种事件类型数据实时采集至Hologres进行分析,同时使用DataV内置模板,快速搭建实时可视化数据大屏,从开发者、项⽬、编程语⾔等多个维度了解GitHub实时数据变化情况。
相关文章
|
3月前
|
缓存 小程序 数据安全/隐私保护
短剧平台 item_get_video - 获取各平台短剧视频接口对接全攻略:从入门到精通
短剧行业迅猛发展,抖音、快手、红果等平台汇聚海量内容。item_get_video接口可精准获取单部短剧的播放地址、分集信息、作者数据等,支撑聚合平台搭建、分销推广与竞品监测。本文详解主流平台接口特性、权限申请、代码实现及问题排查,助力开发者高效对接,提升开发效率与用户体验。
|
SQL 分布式计算 资源调度
阿里云MaxCompute-Hive作业迁移语法兼容性踩坑记录
阿里云MaxCompute-Hive作业迁移语法兼容性踩坑记录
1945 0
|
算法 Unix Linux
开源项目推荐:我个人中意的Python/C++数学库(★精品收藏★)
开源项目推荐:我个人中意的Python/C++数学库(★精品收藏★)
1745 0
|
传感器 编解码 监控
微型打印机控制电路的设计(1)
微型打印机控制电路的设计(1)
827 0
微型打印机控制电路的设计(1)
|
网络协议 Windows
网络连接正常但百度网页打不开显示无法访问此网站解决方案
网络连接正常但百度网页打不开显示无法访问此网站解决方案
4079 0
网络连接正常但百度网页打不开显示无法访问此网站解决方案
|
人工智能 分布式计算 Cloud Native
云原生数据仓库AnalyticDB:深度智能化的数据分析洞察
云原生数据仓库AnalyticDB(ADB)是一款深度智能化的数据分析工具,支持大规模数据处理与实时分析。其架构演进包括存算分离、弹性伸缩及性能优化,提供zero-ETL和APS等数据融合功能。ADB通过多层隔离保障负载安全,托管Spark性能提升7倍,并引入AI预测能力。案例中,易点天下借助ADB优化广告营销业务,实现了30%的任务耗时降低和20%的成本节省,展示了云原生数据库对出海企业的数字化赋能。
623 3
|
PyTorch Shell API
Ascend Extension for PyTorch的源码解析
本文介绍了Ascend对PyTorch代码的适配过程,包括源码下载、编译步骤及常见问题,详细解析了torch-npu编译后的文件结构和三种实现昇腾NPU算子调用的方式:通过torch的register方式、定义算子方式和API重定向映射方式。这对于开发者理解和使用Ascend平台上的PyTorch具有重要指导意义。
|
JavaScript 前端开发 中间件
Express框架搭建项目 node.js
【6月更文挑战第3天】这篇文章是关于使用Express框架构建Node.js Web应用的教程。Express是一个轻量级、功能丰富的框架,特点包括简洁灵活的核心、强大的中间件支持、灵活的路由系统和模板引擎兼容性。文章介绍了如何安装Express,并通过一个简单的示例展示了如何创建一个基本的Web服务器。最后,鼓励读者继续学习和实践,以充分利用Express和Node.js的能力。
444 1
|
数据采集 SQL 监控
大数据清洗的艺术:有效处理缺失值、异常值与重复数据
【4月更文挑战第8天】本文探讨了大数据清洗的三个关键环节:缺失值处理、异常值识别与处理、重复数据消除。在处理缺失值时,涉及识别、理解原因、选择删除、填充或保留策略,并进行结果验证。异常值识别包括统计方法、业务规则和可视化检查,处理策略包括删除、修正和标记。重复数据的识别基于主键和关键属性,处理策略有删除、合并和哈希,处理后需持续监控。数据清洗是一门艺术,需要结合统计学、编程技能和业务理解。
4111 2

热门文章

最新文章