FinOps 툴킷을 활용한 사용자 정의 분석 및 보고서 작성

FinOps 툴킷은 비용 투명성 및 요율 최적화와 같은 FinOps 프레임워크 내의 주요 시나리오를 다루는 일련의 표준 Power BI 보고서를 제공합니다. 그러나 많은 조직에서는 미리 정의된 보고서 그 이상의 유연성을 요구합니다. 종종 사용자 정의 분석을 구축하고, 고급 보고 기능을 개발하며, FinOps 데이터를 내부 데이터 소스로 보강해야 할 필요가 있습니다.

이 게시글에서는 다음 방법을 안내합니다:

Kusto Query Language(KQL)를 사용하여 자체 비용 분석 구축.
Azure Data Explorer(ADX) 또는 Microsoft Fabric Real-Time Intelligence(RTI)에서 FinOps 데이터를 추가 소스와 연결하고 보강.

일반적인 사용 사례

조직은 일반적으로 FinOps 보고 및 분석 기능을 확장하여 다음과 같은 목표를 달성합니다:

클라우드 비용 할당 및 차지백 (Chargeback): 사용자 정의된 쇼백 (Showback) 및 차지백 모델을 설계하고, 사업부, 비용 센터 및 지역에 걸쳐 비용 할당을 개선하며, 내부 청구 및 협상 프로세스를 지원합니다.
비용 가시성 및 효율성 향상: 비용 절감 기회를 식별하고, 유휴 또는 과도하게 프로비저닝된 리소스를 탐지하며, 서버리스 도입 또는 예약 인스턴스 활용과 같은 아키텍처 변경의 재정적 영향을 분석합니다.
클라우드 비용과 비즈니스 지표 통합: 고객당 비용, 트랜잭션당 비용 또는 수익 마진과 같은 핵심 성과 지표(KPI)와 비용 데이터를 결합합니다.
고급 예측 및 예산 책정 지원: 추세 분석을 수행하고, 미래 비용을 예측하며, 과거 사용 패턴을 기반으로 예산을 추정합니다.
멀티 클라우드 거버넌스 지원: 통합된 보고 및 벤치마킹을 위해 여러 클라우드 공급자 간의 비용을 정규화하고 비교합니다.
사전 예방적 비용 관리 구현: 예상치 못한 지출 패턴을 모니터링하기 위한 사용자 정의 이상 징후 탐지 메커니즘을 설정합니다.
임원 수준 보고서 생성: 비즈니스 관련 인사이트에 초점을 맞춰 C-레벨 이해 관계자를 위한 맞춤형 KPI 및 대시보드를 구축합니다.

Azure Data Explorer 및 Microsoft Fabric을 사용한 고급 분석 활성화

FinOps 툴킷의 도구 중 하나인 FinOps 허브는 버전 0.7(2024년 11월 출시)부터 Azure Data Explorer(ADX)를 중앙 데이터 플랫폼으로 포함하고 있습니다. 버전 0.10(2025년 5월 4일 출시)에서는 FinOps 허브가 Microsoft Fabric에 완전히 통합된 ADX 버전인 Microsoft Fabric Real-Time Intelligence(RTI)에 대한 지원도 추가했습니다. ADX 및 RTI는 대규모 데이터 탐색에 최적화된 고성능의 완전 관리형 분석 서비스입니다. 강력한 Kusto Query Language(KQL)를 사용하여 클라우드 비용 및 사용량 데이터를 대규모로 쿼리, 조인 및 분석할 수 있습니다.

ADX 및 RTI를 활용하여 FinOps 허브는 표준 보고 요구 사항을 지원할 뿐만 아니라 사용자가 고급 사용자 정의 분석을 구축하고, 내부 또는 외부 소스로 데이터 세트를 보강하며, 다양한 시각화 및 분석 도구와 원활하게 통합할 수 있도록 지원합니다.

전제 조건

이 문서의 예제를 따라하려면 다음이 필요합니다:

Azure Data Explorer 또는 Microsoft Fabric을 사용하여 배포된 FinOps 허브 인스턴스. FinOps 허브를 참조하십시오.
허브 및 수집 데이터베이스 모두에 대한 읽기 권한이 있는 Entra ID 계정 (Viewer 역할). 자세한 내용은 보안 역할을 참조하십시오.

첫 번째 KQL 쿼리 작성

Kusto Query Language(KQL)는 Azure Data Explorer 및 Fabric Real-Time Intelligence의 기본 쿼리 언어입니다. KQL은 SQL 또는 T-SQL과 개념적으로 유사하지만 대규모 데이터 세트에 대한 빠르고 유연한 분석에 최적화되어 있습니다.

KQL 쿼리를 실행하는 가장 간단한 방법은 Azure Data Explorer 또는 Microsoft Fabric 웹 UI를 통하는 것입니다. 개요는 Azure Data Explorer 웹 UI 쿼리 개요 또는 Microsoft Fabric KQL 쿼리 세트에서 데이터 쿼리를 참조하십시오.

쿼리 실행 단계

데이터가 Azure Data Explorer에 있든 Microsoft Fabric에 있든 상관없이 두 도구를 사용하여 연결하고 쿼리를 실행할 수 있습니다.

Azure Data Explorer를 사용하려면:

Azure Data Explorer 웹 UI를 엽니다.
Azure Data Explorer 클러스터에 대한 연결을 추가합니다. 클러스터 연결 추가를 참조하십시오.
쿼리 편집기에서 허브 데이터베이스를 선택합니다.

Fabric Real-Time Intelligence를 사용하려면:

Microsoft Fabric에서 원하는 작업 영역을 엽니다.
작업 영역 리소스 목록에서 이벤트 하우스의 경우 Hub_queryset을 선택합니다.

허브 데이터베이스에 연결했으면 다음 쿼리를 실행합니다:

Costs 
| summarize Cost = sum(EffectiveCost) 
    by BillingPeriodStart 
| render columnchart

이 쿼리는 청구 기간별로 실질 비용을 요약하고 결과를 막대 그래프로 렌더링합니다.

막대 그래프

FOCUS 호환성

허브 데이터베이스의 Costs 뷰는 FinOps Open Cost and Usage Specification(FOCUS)와 호환되므로 표준화된 FinOps 사용 사례에 맞게 분석을 조정할 수 있습니다.

KQL이 기본 언어이지만 Azure Data Explorer는 기본적인 쿼리를 작성할 수 있도록 SQL에 익숙한 사용자를 위해 T-SQL 명령의 하위 집합도 지원합니다. 자세한 내용은 T-SQL – Azure Data Explorer를 참조하십시오.

다음 예는 특정 SKU에 대한 다양한 측정 비용을 보여줍니다. FOCUS 사용 사례 라이브러리에서 가져온 SQL 문은 Costs 뷰에 대해 실행할 수 있습니다:

SELECT 
    ProviderName, 
    ChargePeriodStart, 
    ChargePeriodEnd, 
    SkuId, 
    SkuPriceId, 
    PricingUnit, 
    ListUnitPrice, 
    SUM(PricingQuantity) AS TotalPricingQuantity, 
    SUM(ListCost) AS TotalListCost, 
    SUM(EffectiveCost) AS TotalEffectiveCost 
FROM Costs 
WHERE ChargePeriodStart >= DATEADD(day, -30, GETDATE()) 
    AND ChargePeriodEnd < GETDATE() 
GROUP BY 
    ProviderName, 
    ChargePeriodStart, 
    ChargePeriodEnd, 
    SkuId, 
    SkuPriceId, 
    PricingUnit, 
    ListUnitPrice 
ORDER BY ChargePeriodStart ASC

Azure Data Explorer는 기본적인 쿼리를 위한 T-SQL 명령의 하위 집합을 지원하지만 고급 분석에는 KQL이 권장되는 언어입니다. KQL은 더 넓은 기능을 제공하고, 대규모 데이터 탐색에 최적화되어 있으며, Microsoft Defender, Azure Resource Graph, Azure Monitor 및 Microsoft Fabric과 같은 Azure 서비스에서 널리 채택되고 있습니다. 즉, 많은 클라우드 및 보안 팀이 이미 KQL에 익숙합니다.

고급 KQL 쿼리 작성

기본 KQL 쿼리를 확장하여 복잡한 비즈니스 요구 사항을 해결할 수 있습니다. 예를 들어:

Costs 
| where BillingPeriodStart >= datetime(2024-01-01) 
    and BillingPeriodEnd < datetime(2024-04-01) 
| summarize 
    TotalEffectiveCost = sum(EffectiveCost) 
    by 
    ProviderName, 
    BillingCurrency, 
    BillingPeriodStart, 
    ServiceCategory 
| order by TotalEffectiveCost desc

Costs 뷰 외에도 FinOps 허브에는 Prices와 같은 다른 뷰도 포함되어 있으며, 개별적으로 쿼리하거나 join 연산자를 사용하여 다른 데이터 세트와 결합할 수 있습니다. 예제 쿼리는 FinOps 툴킷 모범 사례 라이브러리에서 확인할 수 있습니다.

KQL에 대해 자세히 알아보기

다음 Microsoft Learn 리소스를 사용하여 KQL 기술을 확장하십시오:

KQL을 사용하여 FinOps 데이터 시각화

강력한 쿼리를 작성하는 것은 첫 번째 단계일 뿐입니다. 조직 전체에서 조치를 취하려면 효과적인 방식으로 인사이트를 시각화하는 것이 중요합니다. Azure Data Explorer (ADX) 및 Microsoft Fabric Real-Time Intelligence는 포트폴리오 관리자부터 클라우드 엔지니어에 이르기까지 다양한 FinOps 요구 사항을 해결하기 위해 풍부한 시각화 옵션을 제공합니다.

Microsoft Excel 및 Power Query

Power Query로 향상된 Microsoft Excel은 기존 스프레드시트에 라이브 FinOps 데이터를 통합하려는 포트폴리오 관리자 및 조달 팀에게 이상적입니다. Excel 및 Power Query를 사용하면 FinOps 데이터를 원활하게 새로 고치고, 익숙한 Excel 환경 내에서 사용자 정의 보고를 수행하며, 예산 계획, 계약 갱신 및 예측 유효성 검사와 같은 프로세스를 지원할 수 있습니다.

Microsoft Excel을 Azure Data Explorer에 연결하는 방법에 대해 자세히 알아보십시오.

Power BI

FinOps 팀, 재무 관리자 및 임원 이해 관계자에게 Power BI는 특히 Power BI가 조직 전체에서 이미 사용되고 있는 경우 자연스러운 선택입니다. Power BI를 통해 사용자는 Azure Data Explorer 쿼리에서 직접 제공되는 FinOps KPI를 구축하고, 관리 보고서를 만들고, 클라우드 재무 정보를 기존 기업 대시보드에 쉽게 통합할 수 있습니다.

Power BI를 Azure Data Explorer에 연결하는 방법에 대해 자세히 알아보십시오.

Azure Data Explorer 대시보드 및 KQL 렌더링 시각화

FinOps 전문가 및 클라우드 분석가는 특정 클라우드 지출 패턴 또는 이상 징후를 모니터링하기 위해 가볍고 실시간 시각화가 필요한 경우가 많습니다. Azure Data Explorer 대시보드 및 렌더링 연산자를 통해 사용자는 Azure Data Explorer를 벗어나지 않고도 임시 대시보드를 빠르게 만들고, 예약 및 Savings Plan과 같은 약정 기반 할인을 모니터링하거나, Azure OpenAI, Sentinel 또는 Azure Monitor와 같은 특정 서비스의 비용을 추적할 수 있습니다.

Azure Data Explorer 대시보드에 대해 자세히 알아보십시오.

KQL render 연산자에 대해 자세히 알아보십시오

Azure 워크북

Azure 워크북은 Azure Portal 내에서 주로 작업하는 클라우드 엔지니어 및 운영 팀에게 이상적입니다. 워크북은 Azure Data Explorer의 비용 데이터를 운영 텔레메트리 및 모니터링 인사이트와 결합하여 새로운 FinOps 시각화를 만들 수 있는 유연한 방법을 제공합니다. 조직은 기존 FinOps 워크북을 보완하기 위해 자체 사용자 정의 워크북을 쉽게 추가할 수 있습니다.

이 접근 방식을 통해 팀은 핵심 FinOps 프레임워크와의 일관성을 유지하면서 비용 거버넌스 기능을 확장할 수 있습니다.

Azure 워크북을 Azure Data Explorer에 연결하는 방법에 대해 자세히 알아보십시오.

Microsoft Fabric

Microsoft Fabric은 통합 플랫폼 내에서 실시간 분석과 기존 보고를 결합하여 FinOps 시각화 환경을 확장합니다. FinOps 팀은 Fabric을 사용하여 고급 재무 인사이트를 위한 Power BI 보고서와 라이브 비용 모니터링을 위한 실시간 대시보드를 구축할 수 있습니다. 데이터가 Fabric 이벤트 하우스에 있든 별도의 Azure Data Explorer 클러스터에 있든 상관없습니다.

Fabric을 통해 조직은 보고서 및 대시보드와 같은 여러 FinOps 자산을 조직 앱으로 패키징할 수도 있습니다. 이를 통해 팀은 포트폴리오 관리자, 엔지니어 및 임원이 단일 통합 환경에서 올바른 인사이트에 액세스할 수 있도록 보장하여 비즈니스 전반에 걸쳐 포괄적인 역할별 FinOps 경험을 제공할 수 있습니다.

Microsoft Fabric Org 앱에 대해 자세히 알아보십시오.

Microsoft Fabric Real-Time 대시보드에 대해 자세히 알아보십시오.

KQL을 사용하여 FinOps 인사이트 자동화

시각화 외에도 조직은 KQL 쿼리를 프로그래밍 방식으로 실행하여 FinOps 워크플로 및 인사이트를 자동화할 수 있습니다. Azure Data Explorer 및 Fabric Real-Time Intelligence는 로우 코드 플랫폼, DevOps 파이프라인 및 데이터 오케스트레이션 서비스 전반에 걸쳐 자동화 도구와의 통합을 지원합니다.

로우 코드 자동화: Power Automate 및 Azure Logic Apps

Azure Data Explorer에 대한 기본 제공 커넥터를 사용하여 FinOps 팀은 다음과 같은 자동화된 워크플로를 만들 수 있습니다:

일정 또는 이벤트에 대한 응답으로 KQL 쿼리를 실행합니다.
비용 이상이 감지되면 알림 또는 경고를 보냅니다.
비용 최적화 작업으로 티켓팅 시스템을 채웁니다.
특이한 지출 패턴에 대한 승인 워크플로를 트리거합니다.

Azure Data Explorer 커넥터에 대해 자세히 알아보십시오.

DevOps 통합: Azure DevOps Pipelines

KQL 쿼리는 전용 작업을 사용하여 Azure DevOps Pipelines에 통합할 수도 있습니다. 이를 통해 다음을 수행할 수 있습니다:

CI/CD 파이프라인의 일부로 비용 유효성 검사를 실행합니다.
배포 중에 FinOps 보고서를 자동으로 생성합니다.
배송 프로세스의 일부로 비용 거버넌스를 적용합니다.

Azure Data Explorer와 Azure DevOps 통합에 대해 자세히 알아보십시오.

데이터 오케스트레이션: Azure Data Factory 및 Microsoft Fabric 파이프라인

보다 복잡한 데이터 처리 및 오케스트레이션 시나리오의 경우 Azure Data Factory 및 Microsoft Fabric 파이프라인을 사용하면 KQL 쿼리 및 명령을 기본적으로 실행할 수 있습니다.

일반적인 사용 사례는 다음과 같습니다:

외부 참조 데이터로 FinOps 데이터 세트를 주기적으로 보강합니다.
FinOps 허브에 추가 텔레메트리 또는 메타데이터 수집을 자동화합니다.
더 넓은 데이터 워크플로의 일부로 FinOps 분석을 트리거합니다.

Azure Data Factory에서 KQL 명령을 실행하는 방법에 대해 자세히 알아보십시오.

Microsoft Fabric에서 파이프라인에 대해 자세히 알아보십시오.

시스템 간의 FinOps 데이터 통합

전체 규모 분석 및 시각화로 이동하기 전에 많은 조직에서 FinOps 데이터를 추가 운영, 텔레메트리 또는 보안 소스와 결합하여 FinOps 데이터를 보강하는 데 가치를 두고 있습니다. Azure Data Explorer 및 Fabric Real-Time Intelligence는 외부 데이터 세트를 원활하게 통합할 수 있는 강력한 기능을 제공하여 FinOps 팀이 더 심층적인 인사이트를 생성하고, 거버넌스 프로세스를 자동화하고, 비즈니스 전반에서 데이터 기반 의사 결정을 지원할 수 있도록 지원합니다.

이 섹션에서는 더 넓은 클라우드 및 엔터프라이즈 환경에서 FinOps 데이터 작업에 대한 주요 통합 옵션과 모범 사례를 간략하게 설명합니다.

외부 테이블

FinOps 분석가 및 데이터 엔지니어링 팀에게 외부 테이블은 수집할 필요 없이 추가 데이터 세트를 참조할 수 있는 유연한 방법을 제공합니다. 외부 테이블을 사용하면 Azure Data Explorer 또는 Fabric Real-Time Intelligence에서 직접 외부 데이터 소스를 쿼리할 수 있으므로 데이터 중복을 피하고 수집 비용을 최소화할 수 있습니다.

일반적인 사용 사례는 다음과 같습니다:

비즈니스 단위 매핑 또는 계정 계층 구조와 같은 조직 메타데이터와 FinOps 비용 데이터를 조인합니다.
FinOps 메타데이터, 예산 및 예측 데이터 또는 기타 외부 비즈니스 및 기술 데이터 세트를 실시간으로 참조합니다.
데이터 레이크 또는 SQL Server, MySQL, PostgreSQL 또는 CosmosDB와 같은 관계형 데이터베이스에 저장된 데이터 세트와 FinOps 데이터를 결합합니다.

실용적인 예는 스토리지 비용 데이터와 BLOB 인벤토리 보고서 데이터의 통합입니다. 특정 Azure Storage 계정에서 BLOB 인벤토리 보고서를 사용하도록 설정하면 저장된 BLOB에 대한 자세한 메타데이터가 CSV 또는 Parquet 파일로 스토리지 컨테이너에 자동으로 내보내집니다. 이러한 파일은 Azure Data Explorer에서 외부 테이블로 직접 참조할 수 있으므로 자세한 비용 분석 및 스토리지 최적화가 가능합니다. Azure Storage BLOB 인벤토리 보고서를 사용하도록 설정하는 방법을 알아보십시오.

Azure Data Explorer에서 외부 테이블에 대해 자세히 알아보십시오.

Azure Data Explorer 웹 UI 마법사를 사용하여 외부 테이블을 만듭니다

Azure Monitor 및 Log Analytics 통합

클라우드 엔지니어, SRE 팀 및 FinOps 전문가의 경우 Azure Monitor 및 Log Analytics를 통합하면 새로운 가능성이 열립니다.

CPU 사용률, 메모리 사용량, 요청 볼륨 또는 스토리지 IOPS와 같은 운영 텔레메트리와 비용 데이터를 상호 연관시킵니다.
실제 리소스 사용 패턴을 기반으로 공유 인프라 비용을 귀속시킵니다.
운영 효율성과 재정적 효율성을 나란히 모니터링합니다.

이 양방향 통합을 통해 Azure Data Explorer 내에서 Azure Monitor 데이터를 쿼리하고 그 반대로도 쿼리하여 통합된 비용 및 성능 분석이 가능합니다.

실용적인 예: 가상 머신 및 관리 디스크가 성능 메트릭(예: CPU 사용률, 메모리 사용량, 처리량, 대기 시간 및 IOPS)을 Log Analytics 작업 영역(특히 Perf 테이블)으로 보내도록 구성된 경우 이 텔레메트리를 Costs 뷰의 비용 데이터와 직접 조인할 수 있습니다. 이를 통해 규모 축소 기회를 식별할 뿐만 아니라 특정 최적화 작업과 관련된 잠재적 절감액을 계산할 수 있습니다.

Azure Data Explorer 및 Azure Resource Graph의 데이터를 Log Analytics 작업 영역의 데이터와 상호 연관시킵니다. Azure Data Explorer를 사용하여 Azure Monitor에서 데이터를 쿼리합니다

Sentinel 및 보안 데이터 통합

보안 팀 및 클라우드 거버넌스 그룹의 경우 FinOps 데이터를 보안 텔레메트리와 통합하면 중요한 재정적 인사이트를 얻을 수 있습니다.

Microsoft Sentinel은 Log Analytics 작업 영역을 기반으로 구축되므로 Sentinel 비용 데이터를 Sentinel 데이터 수집 메트릭과 직접 상호 연관시킬 수 있습니다. 이를 통해 실제 사용 패턴 및 수집 볼륨을 기반으로 공유 보안 비용에 대한 쇼백 모델을 구축할 수 있습니다. 이를 통해 보안 관련 클라우드 지출의 투명성과 공정한 할당을 보장합니다.

FinOps 데이터 통합을 위한 모범 사례

올바른 통합 방법을 선택하는 것은 사용 사례, 데이터 역학 및 성능 요구 사항에 따라 다릅니다. 일반적인 권장 사항:

다음의 경우 외부 테이블을 사용하십시오.
- 데이터가 상대적으로 정적이거나 주기적으로 업데이트되는 경우 (예: 메타데이터 매핑, 예산 예측, 인벤토리 보고서).
- 실시간 쿼리 성능이 중요하지 않은 경우.
다음의 경우 Azure Data Explorer에 데이터를 수집하십시오.
- 자주 변경되는 데이터 세트에 대한 고성능 쿼리가 필요한 경우.
- 운영, 보안 또는 비즈니스 데이터로 대규모 보강이 필요한 경우.
- 실시간 비용 모니터링, 이상 징후 탐지 또는 성능 상관 관계가 필요한 경우.

실제로 많은 조직에서 하이브리드 접근 방식을 채택합니다. 정적 참조 데이터에는 외부 테이블을 사용하고 최적화된 쿼리 및 분석에는 동적 데이터 세트를 수집합니다.

또한 Azure Data Explorer를 사용하면 외부 테이블에서 기본 테이블로 데이터를 쉽게 복사할 수 있습니다. 이는 ADX 내에서 ETL(추출, 변환, 로드) 프로세스를 구현하기 위한 간단하면서도 강력한 패턴을 제공하여 성능 최적화를 위해 참조 데이터를 구체화하거나 외부 데이터 세트를 주기적으로 스냅샷할 수 있습니다.

Alescent에서 이를 실제로 적용하는 방법

Alescent에서는 조직이 Azure Data Explorer의 초기 채택부터 Microsoft Fabric의 완전히 통합된 솔루션에 이르기까지 FinOps 및 고급 클라우드 비용 최적화를 위해 KQL의 모든 잠재력을 발휘할 수 있도록 지원해 왔습니다. 비용 투명성 및 할당에서 예측, 이상 징후 탐지 및 임원 보고에 이르기까지 모든 것을 포함하는 엔드투엔드 FinOps 기능을 성공적으로 구현했습니다.

오늘 더 자세히 알아보고 싶다면 LinkedIn에서 저에게 직접 연락하여 대화를 나눌 수 있습니다.

결론

Azure Data Explorer 및 Microsoft Fabric을 활용하는 FinOps 허브를 통해 조직은 기본 비용 보고를 넘어 완전히 통합된 데이터 기반 FinOps 사례를 구축할 수 있습니다. 유연한 쿼리, 고급 시각화 및 원활한 데이터 통합을 결합하여 FinOps 팀은 더 심층적인 인사이트를 제공하고, 클라우드 투자를 최적화하고, 엔지니어에서 임원에 이르기까지 모든 이해 관계자가 더 스마트하고 재정적으로 정보에 입각한 결정을 내릴 수 있도록 지원할 수 있습니다.

다음 단계

FinOps 사례를 한 단계 더 발전시킬 준비가 되셨습니까?

FinOps 허브를 탐색하고 배포 옵션 및 기능에 대해 알아보십시오.
Kusto Query Language 설명서를 통해 KQL 기술을 심화하십시오.
자체 사용자 정의 비용 분석 및 대시보드를 구축하여 클라우드 환경에 대한 더 심층적인 인사이트를 얻으십시오.