Cloud Billing 비용 보고서에서 예측 기능을 사용하여 비용 추세 및 예상 지출 비용을 향후 최대 12개월까지 확인할 수 있습니다.
미래 날짜에 끝나는 기간을 사용하여 Cloud Billing 보고서를 볼 경우 Cloud Billing 보고서 차트에 실제 비용과 예상 비용이 모두 표시됩니다.
- 차트 위 보고서 헤더는 시작 날짜로부터 계산된 지금까지의 실제 비용과 전체 날짜 범위 동안의 총 예상 비용이 포함된 분할된 비용 뷰를 제공합니다.
- 예상 비용은 누적 막대 또는 선 차트에서 밝은 회색을 사용하여 차트에 표시됩니다.
비용 예측을 확인하는 방법
콘솔의 결제 섹션에서 분석하려는 Cloud Billing 계정의 비용 보고서에 액세스합니다. Google Cloud
보고서에서 다음 조건에 대해 예측 데이터를 확인할 수 있습니다.
- 모든 필터 조합(인보이스 대상 월 기간 제외)
미래 날짜에 끝나는 모든 사용일 기간 (인보이스 대상 월 기간에는 예측을 사용할 수 없음)
- 현재 월 기간의 보고서를 보는 경우 기본 종료 날짜는 이번 달의 마지막 날입니다.
커스텀 기간을 지정할 경우 사용일을 선택하고 종료: 날짜가 미래 날짜인 기간으로 구성합니다.
향후 12개월까지의 예상 지출 비용을 확인할 수 있습니다.
AI 기반의 비용 예측
비용 예측 모델은 복잡한 비용 패턴을 이해하고, 현실 세계의 데이터 결함을 처리할 수 있도록 설계된 고급 머신러닝 기법을 적용합니다. 이 모델은 더 신뢰할 수 있고 실행 가능한 비용 예측 결과를 제공합니다. 비용 추세는 다음에 따라 결정됩니다.
- 과거 데이터 수집: 선택한 보고서 필터를 기반으로, 예측 모델이 모든 과거 Google Cloud 지출 내역을 수집합니다.
- 스마트 데이터 준비: 예측 모델은 다양한 데이터 전처리 기법을 사용해 고품질 데이터를 준비합니다. 이 과정에서는 예상치 못한 비용 급증과 같은 이상치를 지능적으로 처리하고, 사용량 데이터의 누락된 부분을 보다 정확하게 보완하며, 신규 프로젝트 시작이나 주요 아키텍처 변경으로 인한 지출 패턴의 변화를 감지하여, 예측 결과에 이를 반영합니다.
- 계절성 및 추세 반영: 머신러닝 엔진은 사용자의 비용 데이터에 포함된 여러 계층의 계절성과 기저 추세를 인식하고 이에 적응하도록 설계되어 있습니다. 예를 들어 클라우드에서 일간, 주간, 월간 단위로 반복되는 다양한 지출 패턴을 감지하고 이를 예측 모델에 반영합니다.
- 포괄적인 데이터 정규화: 예측 모델은 비용 데이터를 시간 흐름에 따라 일관되게 구조화하여, 머신러닝 모델이 신뢰할 수 있는 시계열 분석을 수행할 수 있도록 지원합니다. 이를 통해 예측 모델은 복잡한 추세와 다층적인 계절성을 정밀하게 포착하고, 데이터 이상치도 효과적으로 처리합니다.
총 예측 비용에는 다음 비용이 포함됩니다.
- 선택된 기간에서 현재까지의 총 실제 비용
- 선택한 기간에서 각 이후 날짜의 예상 비용