A cloud prometeu-nos velocidade, mas ninguém nos avisou sobre a fatura a pagar.
Ao longo da última década, a infraestrutura de Cloud ofereceu às equipas de dados um poder extraordinário: criar um pipeline em minutos, escalar capacidade de computação do dia para a noite e executar experiências de Machine Learning sem comprar um único servidor.
Esta flexibilidade impulsionou uma verdadeira inovação e diferenciação. Mas, por outro lado, também criou um problema que tende a permanecer invisível. Até surgir na fatura mensal.
Quando a infraestrutura escala instantaneamente, os custos também o fazem. Ao contrário dos ambientes tradicionais, onde a capacidade física impunha limites naturais à despesa, os ambientes de Cloud não têm estas ressalvas. Os recursos expandem‑se sem fricção, o que significa que o controlo de custos já não pode ser imposto por constrangimentos de infraestrutura. Tem de, por outro lado, ser governado de forma intencional através de visibilidade, responsabilidade e disciplina operacional.
É precisamente este o problema que o FinOps veio resolver.
O conceito de FinOps: mais do que um framework de custos
O FinOps é frequentemente descrito como sendo uma forma de “gestão financeira” da cloud, mas esta descrição fica bastante aquém do seu essencial. Na sua génese, o FinOps garante alinhamento: colocar engenharia, finanças e negócio à mesma mesa, a falar a mesma linguagem sobre como o consumo de cloud se traduz em valor para o negócio.
Aplicado a plataformas de dados, o FinOps ajuda as organizações a passar de uma gestão reativa de custos para uma governação financeira proativa onde o investimento em infraestrutura é planeado, acompanhado e otimizado de forma contínua.
Porque é que os ambientes de data são difíceis de gerir?
As plataformas modernas de dados são ecossistemas intrinsecamente complexos. Combinam pipelines de ingestão, motores de processamento, armazenamento distribuído, camadas de orquestração, ferramentas de analytics e, cada vez mais, workloads de IA e Machine Learning, muitas vezes distribuídos por vários serviços ou até vários fornecedores de cloud.
O que torna a gestão de custos particularmente complexa é o facto de a maioria destes recursos ser partilhada. Um único pipeline de dados pode servir múltiplos domínios de negócio. Um cluster de processamento pode executar workloads de diferentes equipas em simultâneo e, por sua vez, os ambientes de armazenamento contêm frequentemente dados consumidos por uma grande variedade de aplicações.
Neste contexto, perceber de onde vêm os custos e quem deve ser responsável pelos mesmos está longe de ser simples. Acreditem.
Normalmente, as organizações começam a sentir o impacto desta complexidade quando os custos se tornam difíceis de explicar ou prever. As equipas de engenharia têm dificuldade em identificar quais os workloads que estão a impulsionar o consumo, enquanto as equipas financeiras recebem faturas difíceis de interpretar ou de projetar. Ao mesmo tempo, a infraestrutura continua a crescer silenciosamente à medida que o volume de dados aumenta e novos workloads são colocados em produção.
Para tentar minimizar esta realidade, alguns dos principais motores de custo em ambientes de dados modernos incluem:
- Clusters de compute partilhados, onde workloads de várias equipas correm em simultâneo;
- Pipelines de dados com transformações redundantes ou ineficientes;
- Recursos sobre alocados para workloads de pequena dimensão;
- Crescimento do armazenamento devido a dados históricos mantidos em níveis de performance elevados;
- Infraestrutura inativa, como máquinas virtuais não utilizadas ou ambientes de desenvolvimento permanentemente ligados;
- Falta de visibilidade sobre como os custos devem ser distribuídos por equipas ou produtos.
Em muitos casos, o problema não é o uso excessivo, mas sim a ausência de uma governação financeira estruturada em torno desse uso.
Ambientes partilhados tendem a esconder ineficiências. Por exemplo, a alocação de custos em clusters de compute partilhados, como ambientes Kubernetes, ou em plataformas de analytics distribuídas, como Databricks ou Microsoft Fabric, exigem regras claras para distribuir capacidade partilhada, atribuir consumo aos workloads e contabilizar infraestrutura não utilizada.
Estes desafios são comuns em ambientes de dados à escala e ilustram porque é que a governação de custos deve ser considerada desde o início, e não adicionada mais tarde.
FinOps em Data como mudança operacional e cultural
O ponto de partida desta transformação é a visibilidade. As organizações precisam de ter insights fiáveis sobre como os recursos de cloud são consumidos, que workloads geram custos e como a despesa evolui ao longo do tempo. Esta visibilidade depende, na maioria dos casos, de estratégias consistentes de tagging e rotulagem de recursos, que permitem mapear o uso da infraestrutura a equipas, aplicações ou funções de negócio.
Sem esta base, a alocação de custos significativa torna‑se extremamente difícil. Uma vez estabelecida a visibilidade, segue‑se a responsabilidade.
Na prática, na Xpand IT, capacidades eficazes de FinOps organizam‑se normalmente em torno de três pilares fundamentais, formando um ciclo contínuo de melhoria:
1. Problemas e desafios: obter visibilidade real
O ponto de partida é identificar os problemas e desafios que afetam o panorama de custos de cloud da organização. A maioria das organizações tem menos visibilidade sobre o seu consumo de cloud do que pensa. Esta fase foca‑se em compreender o que está a acontecer: de onde vêm os custos, como os recursos são partilhados, que workloads e equipas impulsionam a despesa e porque é que os custos são difíceis de prever ou explicar.
Estes insights revelam ineficiências, zonas cegas e problemas estruturais como a falta de tagging, infraestrutura partilhada ou padrões de utilização opacos que justificam a adoção de práticas de FinOps e estratégias de governação direcionadas.
2. Lente FinOps: o que é que o FinOps diz sobre isto?
Tendo os desafios compreendidos, estes são analisados através de uma “lente FinOps”. Esta etapa foca‑se em como responder aos problemas identificados, aplicando domínios e capacidades de FinOps, como modelos de alocação de custos, mecanismos de chargeback ou showback, otimização de workloads, rightsizing e forecasting.
O objetivo não é apenas reduzir desperdício, mas otimizar o uso da Cloud equilibrando custo, performance e valor para o negócio, tornando a eficiência financeira uma responsabilidade partilhada entre engenharia, finanças e negócio.
3. Resultados e próximos passos: medir sucesso e melhorar
O último pilar centra‑se em medir os resultados das práticas de FinOps aplicadas e em definir os próximos passos. Isto inclui acompanhar o impacto das medidas de otimização, avaliar melhorias na visibilidade e responsabilidade dos custos e identificar novas oportunidades à medida que os workloads e os padrões de utilização evoluem.
Estes resultados alimentam a próxima iteração do ciclo, reforçando a disciplina operacional e aumentando progressivamente a maturidade de FinOps na organização.
A maturidade em FinOps depende tanto da cultura como da tecnologia. A tecnologia é importante, mas a cultura também. Os engenheiros precisam de encarar a eficiência financeira como uma dimensão natural do desenho de sistemas, tão normal como a fiabilidade ou a performance. As equipas financeiras precisam de compreender o que realmente impulsiona o consumo de infraestrutura. E a liderança deve tratar as métricas de custos de cloud como indicadores de saúde operacional, e não apenas como uma linha a reduzir.
O objetivo não é gastar menos: é gastar melhor
É aqui que vejo muitas conversas sobre FinOps falharem. A redução de custos é uma tática, não uma estratégia. Cortar despesas de cloud de forma indiscriminada pode comprometer precisamente aquilo que levou as organizações para a cloud: agilidade, escala e capacidade de experimentar.
A verdadeira questão é se o investimento em cloud gera valor mensurável para o negócio. Por vezes, isso significa eliminar desperdício. Noutras, significa aumentar o investimento em capacidade de processamento, analytics avançada ou workloads de IA que desbloqueiam novas capacidades. Práticas maduras de FinOps suportam ambos os caminhos.
O forecasting torna‑se essencial: ao analisar padrões de workloads e motores de infraestrutura, as organizações conseguem antecipar a evolução do consumo e evitar picos inesperados de custo. E comunicar isto de forma clara aos stakeholders de negócio exige traduzir métricas técnicas para termos que façam sentido: custo por produto de dados, custo por execução de pipeline, custo por insight analítico.
O investimento em cloud continuará a crescer à medida que os volumes de dados aumentam e os casos de uso se multiplicam. As organizações que irão gerir melhor este crescimento não serão as que gastam menos. Serão as que gastam com intenção.
