Este es el primero de muchos (así lo espero) artículos en los que dejaré de lado el enfoque más técnico y conceptual, y hablaré un poco más directamente sobre FinOps. Muchas veces miramos el contenido de FinOps que se produce, y parece que todo es siempre muy conceptual, lleno de palabras clave para SEO, y en algunos casos, incluso para no arriesgarse a producir algo que vaya más allá del concepto ya establecido.
Sin duda, mi mayor desafío al ejecutar FinOps fue, y sigue siendo, la automatización de tareas. Mejor dicho… ¡la falta de ella! Con el objetivo de elevar el nivel de madurez de FinOps, así como considerando la complejidad del entorno de nube con el que trabajo, la automatización de tareas ha sido un gran desafío con un gran retorno.
Esto se debe a que en los últimos meses tuve la oportunidad de actuar directamente en la mejora de diversos dominios y capacidades en la empresa en la que trabajo, principalmente en los temas relacionados con entender el uso y costo de la nube. El escenario inicial fue enfrentar un entorno de cloud Azure con baja asignación de costos, metadatos ineficientes y sin estandarización, y sin ningún análisis de métricas de consumo y uso. En pocas palabras, la empresa estaba en sus primeras etapas en la mayoría de los dominios y capacidades, pero principalmente en comprender el uso y costo de la nube.
Comprendí la urgencia y prioridad de tener datos precisos a través de los cuales la empresa pudiera entender su uso de la nube, y establecí una rutina, inicialmente mensual, de recolección de datos del Cost Management + Billing, consumo de Azure Reservations, levantamiento de Tags y métricas de consumo de recursos de computación. Las primeras sprints fueron eficientes, y la empresa pasó a tener aproximadamente un 90% de visibilidad de los costos asignados. Actualmente, las Tags están siendo redefinidas, y se están tomando acciones de rightsizing basadas en las métricas de consumo recolectadas. Decisiones importantes, como el presupuesto de cloud para los próximos períodos contables, se están basando en datos recolectados y precisos.
La automatización de tareas se ha convertido en mi mayor desafío en la perfección de este entorno de monitoreo y creación de informes. Esto se debe a que actualmente el objetivo es reducir la duración de las sprints para que las fases de Informar, Optimizar y Operar se completen en ciclos cada vez más cortos. Esto se convierte en una necesidad efectiva y real en entornos donde es necesario analizar métricas de cientos de recursos de computación, por ejemplo, y el proceso manual de verificar el uso de memoria y CPU para, con base en ese levantamiento, realizar una recomendación de rightsizing puede llevar alrededor de 40 horas para completarse.
Para abordar este problema, creé una automatización utilizando el Python SDK de Azure y la biblioteca Pandas para extraer las métricas a través de la API, evaluar los datos de consumo y, con base en ellos, generar recomendaciones de rightsizing. Como resultado, una tarea estimada en 40 horas pasó a completarse en un máximo de 8 horas. Esto se debe a que el Analista FinOps sigue siendo una pieza importante en el análisis de los datos, evaluando si las recomendaciones generadas por la automatización son coherentes y efectivas. La recolección en sí no toma más de 20 minutos.
Satisfecho con el resultado, he estado invirtiendo tiempo en nuevas automatizaciones, y actualmente estoy trabajando en una estructura completa de ETL, utilizando la biblioteca Pandas de Python para levantar información necesaria para KPIs y para la toma de decisiones en tiempo real basada en datos, utilizando el CSV de costos generado por Azure. Entre mis principales Dataframes se encuentran: Recursos creados en el período, recursos eliminados en el período, TOP 10 mayores costos, utilización de reservas de instancia y comparativo entre períodos.
Mi objetivo es automatizar desde la Ingesta de Datos hasta el Reporting & Analytics, integrando diversas fuentes de datos, tratándolos y utilizándolos para alimentar una estructura de Business Intelligence a través de la herramienta PowerBI.
En la práctica, automatizar tareas me ha permitido ganar tiempo para elaborar estrategias más precisas, mejorar profesionalmente y dedicar más tiempo a atender las demandas de los clientes. Si tienes automatizaciones confiables, puedes de hecho tener la libertad para estudiar más, dedicarte a la elaboración de nuevos proyectos. Cuando automatizé parte de mis tareas, comencé a dedicarme más a mejorar los propios procesos de entrega de FinOps para mis clientes, generando y estandarizando metodologías, compartiendo conocimiento con colegas.
Actualmente estoy dedicándome a la capacitación de otros profesionales, utilizando parte del tiempo que antes estaría atrapado en verificaciones manuales. ¡Mi objetivo es automatizar más! ¡Mi objetivo es poder hacer más! A medida que una empresa madura en FinOps, las automatizaciones se convierten en una medida de éxito.
Confía, desconfiando
El único consejo que te dejo es que seas coherente y preciso en tus análisis. Ya has ahorrado tiempo consolidando la información, así que no necesitas ahorrar tiempo analizando el resultado de la misma. La automatización de tareas no es ganar tiempo para la ociosidad, una salida gastronómica en la empresa o cualquier otra cosa.
La automatización de tareas es ganar tiempo para analizar datos con precisión, en menos tiempo de entrega. Ten en cuenta… ¡Menos tiempo de entrega! La evaluación DEBE SER PRECISA. Lo dije en otro post, y lo repito en este: no se cometen errores con el dinero de otros. ¡Verifica los datos una, dos, tres veces! Aprovecha que al automatizar tareas has ganado más tiempo para hacer esto.
Artículo original en Portugués aquí
