Omkostnings- & kapacitetsoptimering
Saml ressourceforbrug, kapacitet og godkendte omkostningsdata i et foreslået planlægningsforløb med AI-understøttede prognoser og forslag til passende dimensionering.
Et scenarie fra udviklingsplanen baseret på det oprindelige CIRMS GL5-anvendelsesscenarie. Ikke en produktionsimplementering eller et garanteret resultat.
Planlæg ressourcer ud fra dokumentation, ikke gætteri.
Ressourceudnyttelse og udgifter skal forstås i sammenhæng. Det oprindelige anvendelsesscenarie foreslår et forløb, hvor scenarier sammenlignes, vækstmønstre undersøges, og muligheder for passende dimensionering vurderes, før en leder godkender en ændring.
Oplysninger inden for omfanget
- Servere
- Målinger af CPU, hukommelse og ressourceudnyttelse.
- Lagring
- Kapacitet, IOPS og forbrugsmønstre.
- Cloududgifter
- Godkendte eksporter af omkostnings- og forbrugsdata; omfanget af integrationer med udbydere skal fastlægges.
- Tendenser i arbejdsbelastninger
- Historisk forbrug, sæsonmønstre og vækstantagelser.
Sådan kunne scenariet fungere.
Følg den foreslåede vej fra godkendte oplysninger til AI-understøttet gennemgang og en beslutning, som mennesker har ansvaret for.
- 01
Indsaml forbrug og omkostninger
Fastlæg de godkendte infrastruktur- og omkostningskilder inden for planlægningens rammer.
- 02
Undersøg planlagte prognoser
Brug GL5-koncepter til at analysere udnyttelse, forudsige behov og foreslå ressourcemuligheder.
- 03
Sammenlign scenarier
Ledere vurderer afvejninger, ydelsesbehov og budgetantagelser.
- 04
Godkend en plan
Aftal ressourcebeslutningen, og gennemgå dens virkning efter implementeringen.
Indblik i omkostninger
Identificér udgifter, der bør undersøges nærmere.
Passende kapacitet
Sammenlign ressourcebehov med krav til service og ydeevne.
Budgetplanlægning
Gør antagelserne bag et kapacitetsforslag tydelige.
Det oprindelige koncept for anvendelsesscenariet.
Hvad der ligger bag anvendelsesscenariet.
Adskil platformens fundament fra den planlagte intelligens og kravene i målmiljøet.
GL3 / GL4 & arkitektur
GL3’s ressourceovervågning og dataindsamling leverer operationelle input; GL4 kan klargøre de aftalte datasæt til AI-brug. Eksporter af faktureringsdata kræver en udtrykkelig fastlæggelse af datakilder og afstemning.
AI & fremtidige udvidelser
Behovsprognoser, AI-forslag til passende dimensionering og anbefalinger til optimering er scenarier på GL5-roadmappet. Der loves hverken autonome ressourcekøb, automatisk skalering eller en bestemt besparelsesprocent.
Mennesker, data & rettigheder
Fastlæg prisdata, faktureringsomfang, forbrugsperioder, konteksten for arbejdsbelastninger og acceptable servicegrænser. Navnene AWS, Azure og Google Cloud i det oprindelige diagram beskriver mulige datakilder, ikke verificerede konnektorer.
En afgrænset evaluering
Vælg én arbejdsbelastning eller tjeneste. Sammenlign det faktiske forbrug med et dokumenteret kapacitetsgrundlag, før en udvidelse til AI-understøttet planlægning testes.
Mulige målepunkter: ubrugt kapacitet, ressourceudnyttelse, prognosefejl og serviceydelse efter en godkendt ændring. Resultaterne skal måles i målmiljøet.