# Savings Plan Compute Overview O Workspace Savings Plan Compute – Overview tem como objetivo estruturar uma análise técnica e financeira que permita: * Dimensionar compromisso horário ideal de Compute Savings Plan * Reduzir risco de subutilização (undercommitment e overcommitment) * Avaliar estabilidade histórica do consumo elegível * Entender concentração organizacional do gasto * Projetar impacto financeiro baseado em dados reais
O foco não é apenas economia percentual, mas previsibilidade financeira e governança de compromisso. #### Fonte de Dados * Data Connector: AWS Billing (Cost and Usage Report – CUR) * Dataset: Dataset dedicado do workspace * Granularidade base: Linha de billing (line item) * Moeda: Conforme configuração do Context *** ### *View - Daily Cost*
### Visão Geral Esta análise tem como objetivo avaliar a volatilidade, a tendência e o padrão de consumo diário dos recursos elegíveis ao Compute Savings Plan. Ela permite identificar a estabilidade do baseline operacional, auxiliando na definição de compromissos de compra que sejam resilientes às variações do dia a dia. ### O Que a Análise Considera Para refletir o comportamento operacional genuíno do ambiente, a análise baseia-se em: * Consumo Qualificado: Apenas consumo recorrente efetivamente elegível ao plano. * Pureza de Dados: Exclusão de efeitos financeiros não recorrentes (créditos, reembolsos ou ajustes). * Carga Real: Foco na carga computacional ativa e efetivamente executada no período selecionado. * Consistência Temporal: Análise baseada no período completo definido nos filtros de busca. *** ### Estrutura de Dados e Agrupamento #### Dimensões (Coluna) * Data de Início do Uso (`lineitem/usagestartdate`): Representa o início do período de consumo registrado no CUR (Cost and Usage Report). * Granularidade: Configurada com agrupamento diário, permitindo uma análise temporal precisa da estabilidade ou sazonalidade do custo elegível. #### Métricas (Dados) * Custo Não Amortizado (`lineitem/unblendedcost`): Indica o custo bruto do consumo antes de qualquer aplicação de descontos contratuais ou amortizações de reservas. * Agregação (SUM): Soma consolidada do custo elegível por dia, com o total habilitado para conferência do volume financeiro global. *** ### Filtros de Seleção e Elegibilidade A precisão desta análise depende de filtros rigorosos que isolam o consumo "comprometível": 1. Tipo de Linha: `lineitem/lineitemtype IS Usage` * Restringe a análise ao consumo efetivo. Exclui créditos, taxas de suporte e linhas de Savings Plans/RIs já aplicadas. 2. Serviços de Compute: `product/productname IS Amazon Elastic Compute Cloud`, `AWS Lambda`, `Amazon ECS` e `Amazon EKS`. 3. Refinamento por Tipo de Uso (`usagetype`): * Contain: `Lambda-GB-Second`, `Fargate` e `BoxUsage` (Instâncias EC2). * Exclusão: `NOT CONTAINS Spot`. *** ### Observação Técnica e Governança Diferente de análises superficiais, esta visualização refina a elegibilidade através do campo `usagetype` em vez de apenas `productname`. Esta abordagem é tecnicamente superior pois: * Filtro de Ruído: Remove tipos de uso que, embora pertençam ao serviço (como taxas de transferência de dados ou storage), não são elegíveis ao Compute Savings Plan. * Isolamento de Spot: Garante que instâncias Spot sejam removidas da base de cálculo. * Foco em Carga Compromitível: Garante que o valor final apresentado seja exatamente o montante sobre o qual a organização pode aplicar estratégias de cobertura. *** ### Insight Esperado A análise da evolução diária deve fornecer a resposta para o "ponto de segurança" do investimento: * Identificação do Piso de Consumo: Determinar o valor mínimo que o custo elegível atinge, mesmo em dias de baixa utilização (finais de semana ou feriados). Este "piso" é o valor ideal para um compromisso de 100% de aproveitamento. * Análise de Volatilidade: Se houver muita variação diária (picos e vales acentuados), o compromisso de Savings Plan deve ser mais conservador para evitar desperdício de cobertura (*waste*). * Tendência de Crescimento: Identificar se o baseline está subindo ou descendo ao longo do mês, permitindo prever se um novo compromisso será necessário em breve para manter a cobertura desejada. * Validação de Sazonalidade: Diferenciar o que é consumo estrutural do que é consumo esporádico, garantindo que o Savings Plan cubra apenas o que é permanente. *** ### *View - Service Cost by Period*
### Visão Geral Esta análise tem como objetivo decompor o consumo elegível ao Compute Savings Plan por serviço AWS. Ela permite identificar quais workloads sustentam o baseline operacional e qual é o perfil arquitetural predominante do ambiente (EC2 vs. Serverless), fornecendo a base necessária para uma estratégia de compromisso precisa. ### O Que a Análise Considera Para garantir que o planejamento financeiro seja baseado em dados reais de utilização, a análise observa: * Consumo Qualificado: Apenas consumo recorrente tecnicamente elegível ao Compute Savings Plan. * Pureza de Dados: Exclusão rigorosa de créditos, ajustes e efeitos financeiros não recorrentes. * Carga Real: Considera exclusivamente os recursos que foram executados no período selecionado. * Distribuição Proporcional: Consolidação do custo por serviço para análise de concentração e peso relativo. *** ### Estrutura de Dados e Agrupamento #### Dimensões (Coluna) * Serviço AWS (`product/productname`): Identifica o serviço responsável pelo consumo registrado no CUR (Cost and Usage Report). * Granularidade: Agrupamento por serviço, permitindo visualizar a participação percentual e a concentração do baseline elegível em cada tecnologia. #### Métricas (Dados) * Custo Não Amortizado (`lineitem/unblendedcost`): Indica o custo bruto do consumo antes da aplicação de descontos ou amortizações. * Agregação (SUM): Soma consolidada do custo elegível por serviço no período analisado. *** ### Filtros de Seleção e Elegibilidade 1. Tipo de Linha: `lineitem/lineitemtype IS Usage` * Restringe a análise ao consumo efetivo de recursos. * Exclui créditos, reembolsos, taxas de suporte, ajustes financeiros e linhas relacionadas a Savings Plans ou Reserved Instances já aplicadas. * Garante que o custo por serviço represente apenas consumo elegível real. 2. Serviços de Compute: `product/productname IS (Amazon Elastic Compute Cloud, AWS Lambda, Amazon ECS ou Amazon EKS)`. 3. Refinamento por Tipo de Uso (`lineitem/usagetype`): Utiliza a lógica CONTAINS para as chaves abaixo AND NOT CONTAINS para Spot: * **Lambda-GB-Second**: Inclui a execução efetiva de funções Lambda. * **Fargate**: Inclui o consumo de containers serverless. * **BoxUsage**: Inclui o uso de instâncias EC2 On-Demand. * **NOT CONTAINS Spot**: Exclui explicitamente instâncias Spot, que possuem precificação dinâmica e não compõem o baseline de compromisso. *** ### Observação Técnica e Governança O uso combinado de `productname` e `usagetype` é uma prática de alta governança em FinOps. Essa abordagem: * Elimina Distorções: Evita que taxas acessórias (como transferência de dados ou storage de discos) inflem o valor do compromisso. * Garante a Elegibilidade: Isola apenas os componentes de custo que a AWS permite cobrir com Compute Savings Plans. * Foca no Custo Comprometível: Garante que o valor final seja o montante real passível de cobertura estável. *** ### Insight Esperado A análise da composição por serviço deve orientar a tomada de decisão estratégica: * Identificação do Serviço Estrutural: Determinar qual serviço sustenta o núcleo do compromisso financeiro. * Previsibilidade Arquitetural: instâncias EC2 tendem a gerar maior estabilidade de custo do que workloads serverless altamente elásticos. * Concentração de Risco: Avaliar se a alta dependência de um único serviço pode aumentar o risco de variação futura no aproveitamento do plano. * Calibragem do Compromisso: Permitir que o time de FinOps defina um valor de compra proporcional à estabilidade do workload predominante (mais agressivo em EC2, mais conservador em Lambda/Fargate). *** ### *View - Average Cost per Hour*
### Visão Geral Esta análise calcula a linha de base (baseline) horária do consumo elegível ao Compute Savings Plan. Ela representa o principal indicador para o dimensionamento do compromisso financeiro, traduzindo o consumo consolidado em uma métrica temporal média que orienta o valor da compra por hora ($/hora). ### O Que a Análise Considera Para capturar o comportamento médio estrutural e evitar distorções, a análise considera: * Fidelidade Temporal: Granularidade horária para capturar o comportamento intradiário. * Consumo Qualificado: Apenas recursos recorrentes elegíveis ao plano. * Isolamento de Ruído: Exclusão de créditos, ajustes, amortizações e consumo Spot. * Abrangência: Todo o período selecionado nos filtros do workspace para garantir uma média estatisticamente válida. *** ### Estrutura de Dados e Agrupamento #### Dimensão (Coluna) * Data de Início do Uso (`lineitem/usagestartdate`): Representa o início do período de consumo registrado no CUR. * Granularidade: Agrupado por HOUR (Hora). Este agrupamento é essencial para o cálculo da média temporal do consumo elegível. #### Métrica (Dados) * Custo Não Amortizado (`lineitem/unblendedcost`): Valor bruto do consumo. * Agregação (`DATE_AVG`): Esta função calcula a média temporal baseada na dimensão de data, resultando no custo médio por hora ao longo de todo o período analisado. *** ### Filtros Reais da View 1. Tipo de Linha: `lineitem/lineitemtype IS Usage`. * Restringe a análise ao consumo efetivo de recursos. * Restringe a análise ao consumo efetivo. Exclui créditos, taxas de suporte e linhas de Savings Plans/RIs já aplicadas. * Garante que a média horária seja calculada apenas sobre consumo real e comprometível. 2. Serviços: `product/productname IS (Amazon Elastic Compute Cloud, AWS Lambda, Amazon ECS ou Amazon EKS)`. 3. Refinamento por Tipo de Uso (`lineitem/usagetype`): Utiliza a lógica CONTAINS para as chaves abaixo AND NOT CONTAINS para Spot: * **Lambda-GB-Second**: Execução de funções Lambda. * **Fargate**: Consumo de containers serverless. * **BoxUsage**: Instâncias EC2 On-Demand. * **NOT CONTAINS Spot**: Exclusão explícita de instâncias Spot para não inflar o baseline de compromisso. *** ### Insight Esperado A média horária é o "termômetro" para a assinatura do contrato de Savings Plan: * Determinação do Baseline: Define o valor exato da faixa segura de compromisso financeiro horários. * Avaliação de Estabilidade: \* Se a média horária apresentar baixa dispersão (estabilidade): O compromisso pode ser agressivo e se aproximar da média calculada. * Se houver alta volatilidade (picos e vales acentuados): O compromisso deve ser conservador, focando no "piso" da utilização para evitar desperdício de cobertura. * Decisão de Compra: O resultado permite definir o valor em dólares por hora que a organização está disposta a empenhar com 100% de confiança de utilização. *** ### *View - Cost per Account*
### Visão Geral Esta análise avalia a distribuição do consumo elegível entre as diferentes contas AWS da organização. Ela é fundamental para medir a concentração de custos e o risco de governança do compromisso, permitindo entender quais contas sustentam o baseline financeiro do Savings Plan. ### O Que a Análise Considera Para garantir uma visão clara da topologia organizacional do custo, o sistema considera: * Consumo por Conta: Valor recorrente elegível segmentado por ID de conta. * Isolamento de Ruído: Exclusão de créditos, ajustes e efeitos financeiros não operacionais. * Pureza de Baseline: Exclusão explícita de consumo Spot, focando apenas em cargas comprometíveis. * Período Integral: Considera o intervalo de tempo completo selecionado no workspace para evitar distorções sazonais. *** ### Estrutura de Dados e Agrupamento #### Dimensão (Coluna) * ID da Conta (`lineitem/usageaccountid`): \* Alias: Account Name (Nome da Conta). * Identifica a conta AWS de origem do consumo registrado no CUR, permitindo mapear o custo até a unidade de negócio ou ambiente responsável. #### Métrica (Dados) * Custo Não Amortizado (`lineitem/unblendedcost`): Valor bruto do consumo. * Agregação (`SUM`): Soma consolidada do custo elegível por conta, com o total habilitado para conferência do volume global da organização. *** ### Filtros Reais da View 1. Tipo de Linha: `lineitem/lineitemtype IS Usage` (Foco em consumo real). * Restringe a análise exclusivamente ao consumo efetivo de recursos por conta. * Exclui créditos, ajustes financeiros, taxas administrativas e qualquer linha de Savings Plan ou RI já aplicada. * Assegura que a distribuição por conta represente apenas custo elegível real. 2. Serviços: `product/productname IS (Amazon Elastic Compute Cloud, AWS Lambda, Amazon ECS ou Amazon EKS)`. 3. Refinamento por Tipo de Uso (`lineitem/usagetype`): Utiliza a lógica CONTAINS para as chaves abaixo AND NOT CONTAINS para Spot: * **BoxUsage**: Instâncias EC2 On-Demand. * **Fargate**: Consumo de containers serverless. * **Lambda-GB-Second**: Execução de funções Lambda. * **NOT CONTAINS Spot**: Exclusão explícita de instâncias Spot. *** ### Insight Esperado 1. **Mapear a origem do consumo elegível**: * Sustenta a definição do compromisso global de Savings Plan. 2. **Avaliar a concentração do baseline recorrente**: * Mudanças arquiteturais relevantes em contas com alto volume podem impactar diretamente a taxa de utilização do compromisso. 3. **Entender a previsibilidade de absorção do Savings Plan**: * Quanto mais concentrado o consumo elegível, maior a previsibilidade de cobertura. * Quanto mais distribuído, maior a dependência de múltiplas contas para manter alta utilização. 4. **Suportar a estratégia de Chargeback financeiro**: * Como a AWS aplica automaticamente o benefício onde houver maior desconto elegível, a distribuição real do savings não é definida pelo cliente. * Esta visão orienta a definição de regras internas de rateio e redistribuição do benefício entre áreas. 5. **Análise de Dispersão**: * **Alta concentração**: Menor complexidade operacional e maior estabilidade de cobertura. * **Alta dispersão**: Exige governança ativa para monitorar utilização global e definir política clara de compartilhamento de benefício. 6. **Auxiliar na tomada de decisão sobre o nível de compromisso**: * Ambientes com baseline pulverizado, porém estável, tendem a suportar compromissos mais robustos quando analisados de forma consolidada. *** ### *View -* Estimated Savings – No Upfront – Compute Savings Plan
### Visão Geral Esta análise realiza a simulação do impacto financeiro ao adotar o Compute Savings Plan nos cenários de 1 e 3 anos (modelo *No Upfront*). Ela apresenta a economia potencial segmentada por workload, funcionando como a visão mais granular e detalhada disponível para justificar investimentos e compromissos financeiros. ### O Que a Análise Considera Para garantir que a projeção financeira seja realista e conservadora, o sistema aplica: * Consumo Qualificado: Consolidação do consumo recorrente elegível. * Segmentação Multidimensional: Análise por conta, serviço, região, sistema operacional e tipo de instância. * Exclusão de Volatilidade: Remoção explícita de consumo Spot do cálculo. * Fatores de Desconto Reais: Aplicação de taxas médias estimadas de mercado (27% para 1 ano e 48% para 3 anos). * Consistência de Dados: Abrangência total do período selecionado no workspace. *** ### Estrutura da Tabela (Colunas Dimensionais) Esta visualização utiliza uma estrutura de tabela para permitir correlação cruzada entre as seguintes dimensões: | **Coluna** | **Atributo CUR** | **Descrição** | | ----------------- | ----------------- | ----------------------------------------------------------------------- | | Conta AWS | `usageaccountid` | Identifica a unidade organizacional (Account Name). | | Serviço | `productname` | Indica o workload específico (EC2, Lambda, ECS, EKS). | | Região | `region` | Localidade AWS (importante para capturar variações regionais de preço). | | S.O. | `operatingsystem` | Segmentação por Sistema Operacional (ex: Linux vs Windows). | | Tipo de Instância | `instancetype` | Identifica o hardware específico (ex: m5.large, t3.medium). | *** ### Métricas e Fórmulas de Simulação As métricas calculam o benefício financeiro comparando o cenário atual com as projeções de economia: 1. Custo Atual (`unblendedcost`): Representa o montante gasto hoje em modelo On-Demand elegível. 2. Savings Plan – 1 Ano: Calculado via fórmula customizada: $$Custo \ Atual \times 0.27$$ *Simula uma economia média estimada de 27%.* 3. Savings Plan – 3 Anos: Calculado via fórmula customizada: $$Custo \ Atual \times 0.48$$ *Simula uma economia média estimada de 48%.* *** ### Filtros Reais da View 1. Tipo de Linha: `lineitem/lineitemtype IS Usage` * Limita a simulação financeira ao consumo efetivo On-Demand. * Exclui créditos, descontos já aplicados, amortizações e ajustes financeiros. * Evita dupla contagem de benefícios e garante que a projeção de economia seja calculada sobre a base correta. 2. Serviços: `product/productname IS (EC2, Lambda, ECS, EKS)`. 3. Refinamento por Tipo de Uso: * **Lógica**: `CONTAINS (Lambda-GB-Second, Fargate, BoxUsage) AND NOT CONTAINS (Spot)`. * **Objetivo**: Garante que apenas o consumo On-Demand estrutural seja considerado na simulação. *** ### Insight Esperado Esta visão é a peça fundamental para o "Business Case" de Savings Plan: * Quantificação de ROI: Traduz o baseline técnico em valores monetários de economia potencial. * Análise de Sensibilidade: Compara o ganho financeiro entre o compromisso de curto prazo (1 ano) e longo prazo (3 anos). * Ponto de Alavancagem: Identifica quais combinações de Instância/Região/S.O. oferecem o maior potencial de retorno. * Suporte à Decisão Executiva: Fornece um argumento financeiro estruturado e granular para aprovação de orçamentos e compromissos de gastos.