FinOps调查现状表明自动化还有空间

随着组织对 FinOps 的认识不断加深，他们看到了有效成本管理和优化的优势。

译自 State of FinOps Survey Points to Room for More Automation，作者 Lucas Paratore; Cathal Cleary。

FinOps 基金会 的最新调查结果表明自动化正在增加，但手动任务仍然存在，并且随着组织在采用 FinOps 方面日益成熟，优先级正在发生变化。

FinOps 现状 调查现已进入第三年，由 FinOps 基金会运营，旨在深入了解行业以及组织如何采用该实践。自 2021 年推出以来，受访者数量已从 800 多名参与者增长到今年的 1,245 名，代表着约 550 亿美元的云支出。该调查有 38 个问题，其中许多问题是从前几年延续下来的，以展示行业趋势。因此，让我们深入了解我们的收获以及它们对你的意义。

赋能工程师行动不再作为首要关注事项

首先是 FinOps 现状调查中引用最多的问题：“你组织的关键优先事项是什么？”结果令人惊讶。

“赋能工程师行动”在过去三年一直是首要挑战，但在最近一次发布中，它被列为第六位。查看挑战列表，这可能是由于以下几个原因。

例如，随着越来越多的组织采用自动化，他们对工程师采取行动的依赖性降低。自动化的费率优化功能可以消除管理预留实例的开销。乐观的观点是，工程师正在主动采取行动，实施 FinOps 团队的优化并接受愿景。

该行业正在积聚势头，随着组织越来越了解 FinOps，他们看到了有效成本管理和优化的优势。在 FinOpsX 2023 中，Adobe 讨论了其 FinOps 团队如何帮助提高整个组织的效率，为 Firefly 的一些开发和推出提供资金。他们展示这些优势的能力最终促成了组织层面的支持。

新的首要挑战：使用和费率优化

今年的两大挑战与 优化优先事项 相关。这对许多人来说并不意外。我们已经看到对使用和费率优化的大力关注。调查结果表明，大多数组织都有很大的机会优化计算之外的工作负载，尤其是通过自动化。我们将在下一节中了解这些结果。

将这两点结合起来看的一种方法是，它们代表了行业层面接受优化需要成为整个组织关注的问题。随着云支出在企业中达到历史最高水平，它引起了高管和董事会成员的关注。调查结果通过 49% 的受访者选择“高管支持”作为采用 FinOps 的首要挑战来验证这一点。

根据我们的经验，当成本优化从上到下融入组织文化时，多年的优化尝试和取得平庸的结果会在一夜之间变成成功。空闲实例和断开卷之类的典型优化任务现在可以通过自动化得到很好的服务。团队可以将注意力集中在价值链的更高位置，但需要更多的执行支持才能实现目标。

自动化是检测，不是补救

最有趣的调查问题之一是关于公司如何 构建自动化 到他们的系统和流程中。虽然大多数公司已经实施了某种程度的自动化，但大多数公司将其用于检测，而不是补救。

是什么阻碍了人们实现完全自动化？在战略层面上接受自动化通常发生在多个阶段，从警报开始。警报可能是一个被低估的步骤，但至关重要，因为改变始于意识。一旦意识到这一环节开始运转，我们必须建立信任。

建立信任绝对是实施大规模自动化中最困难的部分。你不应该期望组织会将所有系统一股脑地自动化。我们通常建议采用“带批准的警报”的临时状态。例如，用户收到一封电子邮件或警报，他们可以手动批准以触发某项操作。虽然这样赋予了工程师采取行动的权力，但会造成延迟，因为工作必须等待人类点击按钮。这个临时阶段对于建立信任至关重要——但前提是警报始终准确无误，并采取相应的行动。如果情况是这样的，工程师就可以对其平台的能力感到自信，并且理想情况下可以在不等待缓慢的人类的情况下将自动化扩展到系统的更多部分。

工具泛滥仍在持续

从2023年的3.7个工具增加到2024年的4.1个工具的平均数，这是一个令人担忧的趋势，从业者们觉得他们必须将多个工具组合在一起才能获得他们所需的功能组合。具有广泛功能基础和进一步投资能力的供应商将提供从业者们需要的简化运营环境。

可持续性是2024年的重点

最后，调查中令人振奋的结果之一是，虽然只有19%的受访者表示2023年可持续性是他们FinOps团队关注的问题，但这个数字在2024年增长了30%至40%，EMEA地区对可持续性最感兴趣。其中一个驱动因素是欧盟公司可持续性报告指令（CSRD）。我们预计更多的技术提供商会发布GreenOps仪表板和数据集，以帮助客户满足关于其公共云使用排放的报告要求。

最后思考

自动化是今年调查的主要信息。有效的自动化可以减少重复任务，使人类可以专注于更高价值的活动。但自动化需要信任。FinOps从业者们在启用更高级别的自动化用例方面感到困难，原因是缺乏信任。凯文·克拉克（Kevin Clark）在The New Stack的文章系列为新领导者提供了很好的见解，包括建立信任的建议。

与典型的炒作曲线一样，对人工智能（AI）和机器学习（ML）用例的推动在为企业提供创新功能方面是以较少关注成本为特点的，但随着采用的增长，这种情况将会改变。FinOps团队现在需要为关于成本的不可避免的高管对话做好准备，当现实开始浸入时。