Nei report sui costi di fatturazione Cloud, puoi utilizzare la funzionalità di previsione per vedere l'andamento dei costi e quanto si prevede che spenderai, fino a 12 mesi in futuro.
Se visualizzi il report fatturazione Cloud utilizzando un intervallo di date che termina in una data futura, il grafico del report fatturazione Cloud mostra sia i costi effettivi sia quelli previsti:
- L'intestazione del report sopra il grafico fornisce una visualizzazione suddivisa del costo: il costo effettivo fino alla data calcolato dalla data di inizio e il costo totale previsto per l'intero intervallo di date.
- Il costo previsto è indicato nel grafico in grigio chiaro nel grafico a barre o a linee in pila.
Come visualizzare le previsioni di costo
Nella sezione Fatturazione della console Google Cloud , accedi al report sui costi per l'account di fatturazione Cloud che vuoi analizzare.
Nei report, le previsioni sono disponibili per:
- Qualsiasi combinazione di filtri (ad eccezione di un Mese di fatturazione Intervallo di tempo).
Qualsiasi Data di utilizzo Intervallo di tempo che termina con una data futura. (Le previsioni non sono disponibili per un intervallo di tempo mese di fatturazione.)
- Se visualizzi il report per l'intervallo di tempo Mese corrente, la data di fine predefinita è l'ultimo giorno del mese corrente.
Se scegli di specificare un intervallo di tempo personalizzato, seleziona Data di utilizzo e configura un intervallo di date con la data A: impostata su una data futura.
Puoi visualizzare la spesa prevista fino a 12 mesi nel futuro.
La previsione dei costi è basata sull'AI
Il modello di previsione dei costi applica tecniche avanzate di machine learning progettate per comprendere modelli di costi complessi e gestire le imperfezioni dei dati reali per fornirti previsioni dei costi più affidabili e utili. La tendenza di costo è determinata da:
- Raccolta dei dati storici: in base ai filtri del report selezionati, il modello di previsione raccoglie tutte le tue spese storiche. Google Cloud
- Preparazione intelligente dei dati: utilizzando una suite completa di passaggi di pre-elaborazione dei dati, vengono preparati dati di alta qualità che gestiscono in modo intelligente i costi anomali (come picchi di costi imprevisti), colmano in modo più accurato le lacune nei dati di utilizzo e rilevano variazioni significative nei tuoi modelli di spesa per adattare la previsione di conseguenza (ad esempio, a causa di nuovi lanci di progetti o importanti modifiche all'architettura).
- Considerazione della stagionalità e delle tendenze: il motore di machine learning è progettato per riconoscere e adattarsi a più livelli di stagionalità e alle tendenze sottostanti nei dati di costo, rilevando e modellando vari pattern ricorrenti, come i cicli giornalieri, settimanali e mensili nella spesa cloud.
- Regolarizzazione completa dei dati: il modello di previsione struttura in modo coerente i dati sui costi nel tempo, consentendo un'analisi affidabile delle serie temporali da parte dei nostri modelli di machine learning. In questo modo viene generata una previsione che acquisisce in modo intelligente tendenze complesse, stagionalità multiple e gestisce le anomalie dei dati.
Il costo totale previsto combina i seguenti costi:
- Il costo effettivo totale fino alla data per il periodo di tempo selezionato.
- Il costo previsto per ogni giorno futuro nel periodo di tempo selezionato.