FinOps的实战洞察思考-案例分析

简介: FinOps的实战洞察思考

从近期的爱彼迎成本优化引爆国内云治理(云优化)从业者的角度反思,何尝不是一种‘浅尝辄止‘的探索。

image.png

讲了快小半年FinOps的内功,也提了关于国内做治理的成熟度无论是CSP还是MSP,都只是懂点皮毛,在FinOps.org社区公开的文案里稍加需求的’班门弄斧、舞文弄墨’罢了,要是真的能这么能容易通过外网和语言的转换成为我们做咨询服务,做云管理服务的方案整合商价值,那也不乏是一件好事,因为最终客户会收益~这一点不变即可。

 

FinOps,国内牵头云成本优化的有信通院(OSCAR),也有各种产业联盟,再回到实际与我们交互的各类联盟背后的公众号,仔细分解内容也基本上可以得出‘新瓶装旧酒’的结论,只是换了个‘前提’,这个前提就是新文化,新口号,新风口。

 

无论是FinOps,还是LandingZone,这些或都是2022后面关于云咨询云方案系统整体性的顶层方案,但如何抽象为解决方案(加上一些定制),做高revenue~这是每个团队的管理者都需要面对的问题。轻则15天交付一个小治理,重则90天交付一个大治理,再看AWS的爱彼迎,以业务驱动,扩大GP的隐藏诉求。TOP-DOWN的给出了目标,改善成本支出结构,这就是做FinOps最核心的初衷,若无次前提,一切都是假大空。

 

从多数技巧文章中,找到一份可实现并且没有太多逻辑漏洞的方案思维非常重要,爱彼迎的云头条文章中就给出了这个考虑。https://mp.weixin.qq.com/s/B2o5n6A4O2d20tNnHPNDUQ(自行查阅)

 

存储是云上成本大头,第一件事抓着无风险可优化的产品进行第一轮成本优化,获得成功。所以这也是绝大多数国内乙方市场聊成本优化的初衷,这个是产品使用视角最容易做好也更容易让用户接受,因为这里存在一个服务的基础前提,就是他已经是CSP的客户了,这个基础存在,那服务就存在。

 

其二算力亦是成本大头,因为毕竟IAAS是云份额最大的统计基础,那算力的优化。原来是虚拟化,现在是容器,放一套容器的操作系统(K8S),排期一点一点帮着团队容器化。算力的使用就会升到另外一个高度,降本的效果更加明显这也是K8S带来的最大的收益。不用大谈技术,灵活,弹性,从成本维度看技术自然会发现更多商业思维。

 

FinOps第一阶段就是理解成本支出,分配成本责任。把成本在财务管理口径里可视化,这些并非是一种技术,更像是一种成本效益的团队文化。而这些由于技术人员在技能储备上无直接关联,无异于断送工程师做技术深度的发展规划,腾出手来学套“梯云纵”,飞起来但又实际没什么明显的内功进步。所以FinOps本身的第一个挑战就如同社区总结的39%的占比工作事项,是激发工程师采取行动。

 

来自案例文章中摘录

  • 【爱彼迎在2021年声称,几年前“注意到AWS的每月成本增长超过了收入增长”,于是立下了目标,保持“预订出去的每晚基础设施成本”稳定】
  • 【财务团队已设立了首席财务官颁发的全公司财务纪律奖,以表彰推动重要的成本节约计划的员工,基础架构团队已举办了节省成本的黑客马拉松】
  • 【“Amazon S3存储成本历来是我们支出最高的方面之一,而通过实施数据保留策略、利用更具成本效益的存储层以及清理闲置未用的仓库存储,我们大幅降低了每月的S3成本”】

 

说破大天来,这些都是咨询范的服务价值,传递给客户是一种现代化的云管理和部署的工作框架。客户中层喜欢挺,高层更喜欢听!因为是这技术界的时尚先进的代名词。

 

也有私聊单找我的朋友,咨询很多关于爱彼迎怎么看,我多是笑笑就结束了~显然对infrastructureFinOps以及LandingZone不太了解所以才不耻下问,耐心的call了几次后,其实我也能很有感触,这难在是一列思考模型加以运用的过程,但凡少了项目用例或者少了顶层框架思维,理解起来都是非常让人觉得很入门很基础的结论,简而言之就是门外汉的感觉。

 

补充,像过去迁移场景,哪里有云化需求哪里就有迁移项目。换到FinOpsLZ上,哪里有多云有大的云消耗哪里就有优化的项目,这些都是强通用性的管理服务,非常适合轻而美的公司发力。避开大公司的无理碾压~,所以用得好,发现的早。这两个FinOpsLZ都会帮助企业获得独特的竞争力,但对于工程师来讲,从价值维度分解,只有靠近客户,做企业级解决方案(云)这些会有明显的价值提升。


相关文章
|
监控 数据可视化 大数据
蚂蚁金服数据洞察分析平台DeepInsight:人人都是数据分析师
小蚂蚁说: 大数据时代,由数据驱动的用户行为分析、运营分析、业务分析无疑是最被关注的“热词”,尤其对于拥有海量数据的大中型企业来说,对数据的需求已远远超越了传统数据报表所能提供的范畴。如何运用自助式BI实现当代企业精细化运营,已成为企业运营管理的新课题。
6980 0
|
3月前
|
SQL 数据采集 算法
【电商数据分析利器】SQL实战项目大揭秘:手把手教你构建用户行为分析系统,从数据建模到精准营销的全方位指南!
【8月更文挑战第31天】随着电商行业的快速发展,用户行为分析的重要性日益凸显。本实战项目将指导你使用 SQL 构建电商平台用户行为分析系统,涵盖数据建模、采集、处理与分析等环节。文章详细介绍了数据库设计、测试数据插入及多种行为分析方法,如购买频次统计、商品销售排名、用户活跃时间段分析和留存率计算,帮助电商企业深入了解用户行为并优化业务策略。通过这些步骤,你将掌握利用 SQL 进行大数据分析的关键技术。
163 0
|
4月前
|
数据挖掘 测试技术
产品运营方法论问题之运营过程中持续的数据分析如何解决
产品运营方法论问题之运营过程中持续的数据分析如何解决
|
6月前
|
安全 数据挖掘
|
6月前
|
数据采集 数据可视化 数据挖掘
知识分享-商业数据分析业务全流程
知识分享-商业数据分析业务全流程
102 1
|
存储 自然语言处理 监控
增强分析白皮书——洞察展现篇
增强分析白皮书——洞察展现篇
683 1
|
DataWorks 数据建模
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(7)
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(7)
|
数据建模
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(13)
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(13)
|
数据建模
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(17)
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(17)
|
SQL 分布式计算 DataWorks
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(22)
《全链路数据治理-智能数据建模 》——产品实操:零售电商数据建模操作实践(22)
117 0