Visão geral
Previsão de capacidade e demanda para o seu parque computacional, mais simulação de cenários reconciliada com os seus números reais. Pura e determinística: cada data é uma entrada, sem relógio por dentro. Previsões que você defende diante de um conselho ou de um auditor, porque o pacote declara o método, o histórico em que rodou e o seu erro.
Previsões que você defende diante do conselho.
- Sazonal por desenho: a próxima terça se parece com a última terça, sem parâmetros para sobreajustar três semanas de histórico
- Base de custo: primeiro o número do benchmark, depois o número medido no canário assim que existe
- Pura e determinística: cada data é uma entrada
O número chega com o seu erro.
- Cada semana passada é prevista a partir da semana anterior e pontuada contra o que aconteceu
- O pacote declara o método, o histórico e o erro; o revisor nunca aceita o número na confiança
- Um modelo que não conseguimos testar no histórico que temos é um modelo que não entregamos
| Semana | Previsto | Real | Erro |
|---|---|---|---|
| w-3 | 41.2 CPU-h | 39.8 | +3.5% |
| w-2 | 40.1 | 43.0 | −6.7% |
| w-1 | 42.9 | 42.1 | +1.9% |
| próxima | 43.4 | — | backtest ± 4,0% |
Cenários reconciliados com a sua fatura.
- Campanha, lançamento, novos clientes: as hipóteses da equipe ao lado da demanda medida
- Veja quais hipóteses os dados sustentam e quais ainda precisam de teste
- Não compre nada até gastar a ociosidade recuperada
Saudável, sinalizado ou revertido.
- A telemetria do kernel em serviço é julgada contra regras de SLO a cada ciclo
- Uma divergência em sombra sinaliza sem tocar no tenant: o original continua servindo e a referência fica guardada para a reconstrução
- Uma violação remove o pin, registra a reversão e notifica
| Alvo | Estágio | Fallback | p99 | Veredito |
|---|---|---|---|---|
| billing.proration | canário 10% | 0.0% | 238 ms | Saudável |
| etl.reproject | sombra | 0.4% | — | Sinalizado |
| media.transcode | principal | 2.1% | 1.4 s | Violação → revertido |
Custo por token. Custo por GPU.
- Custo de inferência atribuído por modelo e por endpoint: custo por token, por request, por tenant
- Capacidade e folga de GPU da frota inteira, para saber o que você consegue servir antes de comprar mais
- Roteie a inferência por desempenho por dólar e veja quanto cada decisão economiza
Um relatório, quatro mesas.
- Ações ranqueadas por tomador de decisão, com a janela de origem e o método declarados
- Números financeiros rotulados como cenários ou custos atribuídos, nunca somados num total falso
- PDF sob demanda, com as fontes
| Semana | Previsto | Real | Erro |
|---|---|---|---|
| w-3 | 41.2 CPU-h | 39.8 | +3.5% |
| w-2 | 40.1 | 43.0 | −6.7% |
| w-1 | 42.9 | 42.1 | +1.9% |
| próxima | 43.4 | — | backtest ± 4,0% |
| Alvo | Estágio | Fallback | p99 | Veredito |
|---|---|---|---|---|
| billing.proration | canário 10% | 0.0% | 238 ms | Saudável |
| etl.reproject | sombra | 0.4% | — | Sinalizado |
| media.transcode | principal | 2.1% | 1.4 s | Violação → revertido |
ANTES DE COMEÇAR
Antes de começar
Qual horizonte?
De semanas a doze meses, com todas as hipóteses declaradas e o backtest anexado.
Que dados alimentam a previsão?
Billing, telemetria de kernel, telemetria de serviço dos kernels implantados e as projeções que a sua equipe fornece.
Uma previsão é uma garantia?
Não. É um cenário com as hipóteses e o erro visíveis. Os resultados são medidos depois da mudança.
Próximo passo
Comece pela avaliação de 48 horas ou traga uma carga de trabalho. Combinamos o escopo na primeira conversa.