在 Cloud Billing 費用報表中，您可以使用預測功能查看費用趨勢，以及未來最多 12 個月的預估支出。
如果查看 Cloud Billing 帳單報表時，日期範圍結束於未來日期，Cloud Billing 帳單報表圖表會同時顯示實際費用和預測費用：
- 圖表上方的報表標頭會提供費用的分割檢視畫面：從開始日期算起的實際費用，以及整個日期範圍的總預測費用。
- 預測費用會以淺灰色顯示在堆疊長條圖或折線圖中。
如何查看費用預測
在 Google Cloud 控制台的「Billing」(帳單) 專區，存取要分析的 Cloud Billing 帳戶費用報表。
報表可提供下列項目的預測資料：
篩選器的任何組合，但不包括下列項目：
- 使用「帳單週期」(舊稱「帳單月份」) 日期範圍時。
- 依「產品」、「來源產品」、「依支出計算的 CUD」或「來源服務」篩選時。
任何費用期間 (舊稱「使用日期」) 日期範圍，其結束日期為未來日期。(預測功能不適用於「帳單週期」(舊稱「帳單月份」) 日期範圍。)
- 如果查看的是「當月」日期範圍的報表，預設結束日期為「當月的最後一天」。
如果選擇指定自訂日期範圍，請選取「By charge period」(依費用週期)，然後設定日期範圍，並將「To:」(結束日期) 設為未來日期。
您最多可以查看未來 12 個月的預測支出。
費用預測由 AI 驅動
費用預測模型採用先進的機器學習技術，可瞭解複雜的費用模式，並處理實際資料不完善的問題，提供更可靠且可做為行動依據的費用預測。費用趨勢的決定因素如下：
- 收集歷來資料：預測模型會根據您選取的報表篩選條件，收集所有歷來 Google Cloud 支出。
- 智慧資料準備：使用全方位的資料預先處理步驟，準備高品質資料，以智慧方式處理離群值費用 (例如非預期的費用激增)、更準確地填補用量資料中的缺口，並偵測支出模式的重大變化，據此調整預測 (例如因推出新專案或重大架構變更)。
- 考量季節性和趨勢：機器學習引擎可辨識及適應費用資料中的多層季節性和潛在趨勢，偵測各種週期性模式並建立模型，例如雲端支出的每日、每週和每月週期。
- 全面正規化資料：預測模型會持續彙整費用資料，讓機器學習模型能進行可靠的時間序列分析。這項功能會產生預測，以智慧方式擷取複雜趨勢、多個季節性，並處理資料異常。
預測總費用包含下列費用：
- 所選時間範圍內，截至目前的實際總費用。
- 所選時間範圍內，未來每一天的預測費用。