Między Q3 2025 a Q1 2026 faktura Nordhaven Retail Group za Snowflake wzrosła o 38%. CFO zapytał, czy to dobrze czy źle, i nikt na sali nie potrafił odpowiedzieć.
Nordhaven Retail Group nie istnieje. To wymyślona sieć handlowa z 240 sklepami w krajach nordyckich i regionie DACH oraz kanałem online, który stale rośnie.
Wiele firm zadaje sobie jednak to samo pytanie na co dzień, a o FinOps dużo łatwiej rozmawiać na przykładzie realistycznej firmy.
Pytanie CFO jest zasadne, a dziś trudniej niż kilka lat temu na nie odpowiedzieć. Platformy są rozliczane bardzo często na zasadzie płatności za użycie. Dashboard odświeżany co pięć minut, duży klaster obliczeniowy, którego nikt nie wstrzymał, czy analityk testujący Cortex na całej tabeli sprzedaży – wszystkie te elementy generują koszty. Wszystko to trafia na fakturę i nie wiemy, jak to w ogóle pomogło biznesowi.
Rozpowszechnienie rozwiązań AI jeszcze to utrudnia. Na początku tego roku, w ramach trendu tokenmaxxing, niektóre duże firmy technologiczne tworzyły rankingi programistów według liczby zużytych tokenów AI, jakby samo zużycie było miarą produktywności.
Przyjrzyjmy się więc z bliska case study na przykładzie Nordhaven Retail Group.
Krótki przegląd FinOps Framework
W lutym 2019 roku została powołana do życia fundacja FinOps, której celem było opracowanie praktyk wspierających dyscyplinę zarządzania finansami w chmurze. Przygotowali oni model operacyjny zarządzania finansami, który umożliwia zmianę kultury organizacyjnej, łącząc zespoły techniczne, finansowe i biznesowe, aby zapewnić odpowiedzialność finansową oraz maksymalizować wartość biznesową.
Framework FinOps Foundation opiera się na czterech domenach (Domains). To cztery rezultaty, które powinna dawać działająca praktyka FinOps. Nie są to kroki, więc nie trzeba kończyć jednego, żeby zacząć następny.
| Domena | Co daje |
| Zrozumienie użycia i kosztów (Understand Usage & Cost) | Wiarygodne dane o tym, kto czego używa i ile to kosztuje |
| Oblicz wartość biznesową (Quantify Business Value) | Wydatki powiązane z budżetami, prognozami, KPI i kosztami jednostkowymi |
| Optymalizuj wykorzystanie i koszty (Optimize Usage & Cost) | Mniej bezczynnych zasobów i lepsze stawki |
| Zarządzaj praktyką FinOps (Manage the FinOps Practice) | Właściciel, kilka zasad i praktyka, która przetrwa pierwszą rundę oszczędności |
Na to nakłada się cykl „Informuj, optymalizuj, działaj (Inform, Optimize, Operate)”, jako sposób pracy zespołów miesiąc po miesiącu. Zakresy (Scope) to wycinki wydatków technologicznych, którymi decydujemy się zarządzać: chmura publiczna, SaaS, AI albo jedna platforma danych; dzięki którym cele zarządu trafiają do praktyki. Decydują, które zdolności (capabilities) są ważne w danym obszarze i co w każdym z nich oznacza „wystarczająco dobrze”.
Nordhaven zaczyna od planu biznesowego
Zanim ktokolwiek zmienił ustawienia warehouse’u, Chief Data Officer (CDO) w Nordhaven usiadł do trzyletniego planu firmy. Plan zakłada wzrost marży operacyjnej o 1,5 punktu procentowego, zwiększenie udziału sprzedaży online z 22% do 35% oraz obsługę klienta wspieraną przez AI i spersonalizowane oferty w 2027 roku.
CIO i CDO przełożyli to już wcześniej na plan technologiczny. Snowflake staje się jedyną platformą danych, a stara hurtownia on-premises zostanie wyłączona do końca Q3 2027. Funkcje AI powstają w Cortexie, tuż obok danych objętych governance.
Jest też jeden warunek: program AI ma w dużej mierze sfinansować się z oszczędności na platformie.
Przy takich założeniach dwa zakresy były oczywistym wyborem. Każdy ma własne priorytety, własną definicję sukcesu i jedną osobę, która o nim decyduje i nim zarządza.
| Zakres | Dlaczego istnieje | Co jest priorytetem | Jak wygląda sukces | Kto decyduje |
| Platforma danych Snowflake | Daje kupcom, kierownikom sklepów i zespołowi sklepu internetowego codzienne dane o sprzedaży, zapasach i zamówieniach, dzięki czemu lepiej ustalają ceny i uzupełniają towar. Wyłączenie starej hurtowni likwiduje też koszty jej licencji i sprzętu | Przypisanie kosztów: Każdy kredyt jest przypisany tagiem do zespołu i produktu danych, więc każdy właściciel widzi swoją część rachunku. Optymalizacja zużycia: Dobrze dobrane rozmiary warehouse’ów i brak płacenia za bezczynność. Unit Ekonomia: Koszt śledzony na produkt danych i na zamówienie online, więc wzrost i wydatki można porównać bezpośrednio | 95% kredytów ma właściciela; koszt na zamówienie online spada co kwartał | Head of Data Platform |
| Snowflake AI | Obsługuje czat asystenta obsługi klienta oraz spersonalizowane oferty w aplikacji i sklepie internetowym, oba zaplanowane na 2027 rok. Asystent odpowiada na rutynowe pytania, np. o status zamówienia czy zwroty, więc konsultanci obsługują mniej kontaktów, a sprzedaż online może rosnąć bez zatrudniania w tym samym tempie. Oferty mają podnieść średnią wartość koszyka online | Planowanie i estymowanie: Każda funkcja AI dostaje szacunek kosztów przed zbudowaniem, np. koszt Cortex na rozmowę razy oczekiwana liczba czatów. Prognozowanie wydatków: Wydatki na AI są prognozowane miesiąc po miesiącu w miarę przechodzenia pilotów na produkcję, więc finanse nie mają niespodzianek. Zarządzanie (Governance), polityki i ryzyka: Budżety i limity na użytkownika sprawiają, że pojedynczy test czy wymykające się spod kontroli zadanie nie przepali miesięcznego budżetu AI | Żaden pilot nie startuje bez szacunku kosztów i kryterium go/no-go | Chief Data Officer |
Ważne
W tabeli nie ma celu oszczędnościowego i jest to celowe. Wpisanie celu jako: „Obetnij 15%” traktowałoby oba Zakresy tak samo, a mają one zmierzać w przeciwnych kierunkach. Wydatki na AI powinny rosnąć. Platforma powinna tanieć w przeliczeniu na każde obsłużone zamówienie.
Strategia spływa w dół do zakresów, priorytetów i kontroli na platformie, a liczby są raportowane w górę i wpływają na kolejne decyzje.
Najpierw: Gdzie idą kredyty
To domena Zrozumienie użycia i kosztów (Understand Usage & Cost) i jej pierwsza analiza w Nordhaven nie były przyjemne. Nikt nie był właścicielem 31% kredytów obliczeniowych. Większość z nich pochodziła z jednego współdzielonego wirtualnego warehouse’u BI, z którego korzystały wszystkie działy, ale żaden za niego nie odpowiadał.
Rozwiązanie było oczywiste i proste, co zwykle jest dobrym znakiem. Nordhaven uzgodnił krótki schemat nadawania tagów (centrum kosztów, produkt danych, środowisko i Zakres) i zaczął egzekwować go już przy tworzeniu obiektów, bo porządkowanie tagów po fakcie nigdy się nie kończy. Zapytania z dbt i narzędzi BI mają własne etykiety, więc nawet współdzielony wirtualny warehouse da się rozdzielić według tego, kto co uruchomił. Czas bezczynności tego warehouse’u, którego nie da się uczciwie przypisać nikomu, pojawia się jako osobna pozycja przypisana jego właścicielowi.
W ciągu kwartału każdy właściciel budżetu miał codzienny raport, a udział kosztów bez właściciela stał się takim samym KPI jak każdy inny.
Warto wcześnie sprawdzić jedną rzecz: moc obliczeniowa wirtualnych warehouse’ów to tylko część rachunku. Funkcje serverless, usługi AI i storage też muszą być uwzględnione, inaczej kwartalny raport pokaże wszystkich w zbyt dobrym świetle.
Czy było warto?
Wiedza o tym, gdzie idą kredyty, to pierwszy krok. Domena Oblicz wartość biznesową (Quantify Business Value) zadaje trudniejsze pytanie: Czy kupiły cokolwiek użytecznego?
Framework dzieli ją na pięć zdolności, a każda z nich przekłada się na coś, co faktycznie da się zrobić w Snowflake.
| Capability | Co oznacza w Snowflake | Co robi Nordhaven |
| Planowanie i estymowanie (Planning & Estimating) | Oszacuj koszt nowego obciążenia, zanim powstanie. Dla mocy obliczeniowej to prosta arytmetyka: standardowy wirtualny warehouse wielkości Medium zużywa 4 kredyty na godzinę, więc 30-minutowe nocne ładowanie kosztuje około 60 kredytów miesięcznie. Dla AI pomnóż oczekiwaną liczbę tokenów na zapytanie przez miesięczny wolumen i wyceń według stawek Cortex. Przybliżony szacunek wystarczy. Chodzi o to, żeby mieć punkt odniesienia dla faktycznych wydatków. | Żaden nowy produkt danych nie przechodzi przeglądu projektu bez miesięcznego szacunku kredytów |
| Prognozowanie (Forecasting) | Prognozuj kolejne miesiące na podstawie dziennej historii użycia w samym Snowflake. W handlu zwykła linia trendu wprowadzi w błąd, bo użycie spada w weekendy i skacze wokół Czarnego Piątku (Black Friday). Wbudowane prognozowanie Snowflake wychwytuje te wzorce bez wyprowadzania danych z platformy i może uwzględnić planowany wolumen zamówień. Porównaj narastającą sumę z tym, co zostało w kontrakcie, a wkrótce dowiesz się, czy wystarczy do końca okresu. | Miesięczna prognoza względem kontraktu na moc obliczeniową |
| Budżetowanie (Budgeting) | Snowflake Budget to miesięczny limit kredytów dla zestawu wirtualnych warehouse’ów i innych zasobów, wybranych tagiem, np. wszystkiego, co należy do raportu sprzedaży online. Właściciel dostaje alert mailem, na Slacku lub w Teams, zanim limit zostanie osiągnięty, a automatyczna akcja może zadziałać, np. wstrzymać warehouse. Przypisz każdy budżet do centrum kosztów, które finanse już raportują, inaczej nikt go nie uzgodni. | Jeden budżet na produkt danych i jeden na Scope AI |
| KPI i testy porównawcze (KPIs & Benchmarking) | Lista powinna być krótka i przeglądana co miesiąc. Zacząłbym od udziału kredytów bez właściciela, udziału bezczynności (kredyty naliczane, gdy nie było żadnego zapytania), trafności prognozy oraz kredytów za przeskanowany TB, które rosną, gdy zapytania stają się niechlujne. Zestaw zespoły obok siebie, a odstające wyniki będą widoczne bez wskazywania palcem. FinOps Lead i właściciele produktów danych omawiają je na comiesięcznym przeglądzie, żeby zdecydować, gdzie działać najpierw, a finanse na podstawie trafności prognozy oceniają, na ile można jej ufać przy planowaniu budżetu na kolejny rok. | Zespoły porównywane co miesiąc |
| Ekonomia jednostkowa (Unit Economics) | Stosuj dwa poziomy jednostek, po jednym dla każdej grupy odbiorców. Właściciele produktów danych i zespół platformy zarządzają jednostkami technicznymi, na które mają bezpośredni wpływ: kosztem na uruchomienie przepływu danych (pipeline), na zapytanie AI czy na wyświetlenie raportu Power BI. Dla CFO i zarządu każdy produkt danych powiąż z zdolnością biznesową, którą wspiera, i użyj jej własnej jednostki: kosztu na zamówienie online dla analityki e-commerce, kosztu na sklep miesięcznie dla operacji sklepowych, kosztu na rozwiązany kontakt dla obsługi klienta. Produkt danych, którego nie da się powiązać z żadną zdolnością, to osobny wniosek. | Koszt na zamówienie online i na rozwiązany kontakt z klientem |
Protip
Gdybym miał zostawić tylko jedno z nich, wybrałbym Ekonomię jednostkową (Unit Economics). „Wydatki wzrosły o 38%” brzmi źle na każdym spotkaniu. „Koszt na zamówienie online spadł z 0,042 € do 0,031 € przy rosnącym wolumenie” brzmi jak platforma, która robi więcej za mniej. Ponadto, nikt w zarządzie nie musi wiedzieć, czym jest kredyt, żeby to zrozumieć.
Wyniki
W ujęciu kwartalnym zdolność e-commerce w Nordhaven wygląda tak, przy założonej cenie kontraktowej 2,70 € za kredyt:
| Kwartał | Kredyty e-commerce | Koszt | Zamówienia online | Koszt na zamówienie |
| Q1 2026 | 6 200 | 16 740 € | 400 000 | 0,042 € |
| Q2 2026 | 7 000 | 18 900 € | 540 000 | 0,035 € |
| Q3 2026 | 8 100 | 21 870 € | 705 000 | 0,031 € |
Te liczby uwzględniają już falę optymalizacji z Q2, więc pozostały wzrost to realny popyt: Kredyty wzrosły o około 30%, a zamówienia o ponad 75%. Przedstawione jako suma to problem kosztowy. Pokazane na zamówienie to platforma, która dobrze się skaluje.
Zakres AI jest traktowany tak samo, z jedną zasadą: licz wszystko.
Pilot obsługi klienta w Nordhaven zużywa około 0,11 € Cortex na rozwiązany kontakt. Kusi, żeby podawać tę liczbę, ale pomija ona własną moc obliczeniową asystenta i koszt jego zbudowania.
Oto wrzesień z pełnym kosztem:
| Wrzesień 2026 | Koszt |
| Zużycie Cortex | 3 402 € |
| Własna moc obliczeniowa asystenta | 1 080 € |
| Koszt budowy 180 000 € rozłożony na 24 miesiące | 7 500 € |
| Razem | 11 982 € |
| Na rozwiązany kontakt (31 000) | 0,39 € |
Nordhaven przyjmuje, że kontakt obsłużony przez konsultanta kosztuje 4,20 € (to założenie przykładowe, nie dane rynkowe), ale nie każdy kontakt zamknięty przez asystenta trafiłby do konsultanta. Część osób po prostu znalazłaby odpowiedź na stronie. Nordhaven zakłada, że trafiłaby połowa.
To daje we wrześniu około 65 000 € unikniętego kosztu konsultantów wobec mniej więcej 12 000 € kosztu asystenta. To porównanie, a nie suma za Cortex, trafia do decyzji CDO o skalowaniu lub zatrzymaniu. Rozmowy, które po konsultacji z asystentem i tak są ostatecznie przekazywane konsultantowi, są rozliczane podwójnie, więc też pojawiają się w raporcie.
Prognozowanie to moment, w którym dział finansów zaczyna słuchać uważniej. Nordhaven ma trzyletni kontrakt na moc obliczeniową, a prognoza wskazała, że wyczerpie się on pod koniec sierpnia 2027, czyli cztery miesiące przed końcem okresu, w przedziale od początku lipca do połowy października. Finanse dostają ten przedział zamiast jednej daty. Ponieważ prognoza zawierała koszty jednostkowe, rozmowa o odnowieniu ze Snowflake dotyczyła wzrostu online, a nie przekroczonych wydatków, co jest znacznie przyjemniejszym spotkaniem.
Optymalizacja pózniej, ale z góry wiadomo, gdzie idą oszczędności
Różnica w Nordhaven polega na tym, że oszczędności miały swoje przeznaczenie, zanim ktokolwiek je znalazł: Strategia mówi, że finansują program AI.
Zespół platformy poświęcił pierwsze osiem tygodni na krótką listę zadań do wykonania:
- Auto-suspend w warehouse’ach BI skrócono z 10 minut do 60 sekund.
- Nocny warehouse ETL zmniejszono z Large do Medium. Działa teraz dłużej, ale nadal kończy dużo przed terminem dostarczenia danych o 6:00.
- Współdzielony warehouse BI podzielono na działy, z limitami multi-cluster zamiast jednego przewymiarowanego warehouse’u dla wszystkich.
- Dashboardy dla zarządu przestawiono z odświeżania co 5 minut na co 30 minut. Właściciele biznesowi zgodzili się, gdy zobaczyli, ile kosztowała wersja 5-minutowa.
- Na schematach stagingowych skrócono retencję Time Travel i usunięto sporo nieużywanych tabel tymczasowych.
Efekt
Łącznie zmniejszyło to zużycie kredytów platformy o około 22% przy tym samym obciążeniu. Uwolniony budżet formalnie przeniesiono do Zakresu AI, więc każdy może teraz sprawdzić, czy stwierdzenie: „AI finansuje się samo” rzeczywiście się sprawdza.
Kontrola odbywa się co miesiąc i nie wymaga dodatkowych narzędzi. Wystarczy jeden budżet oparty na tagach dla każdego Zakresu oraz jedno zapytanie. Porównuje oszczędności platformy, liczone w euro, względem kosztu zamówienia online z Q1 oraz kosztu AI. Porównywanie surowych kredytów sprawiłoby, że intensywny miesiąc wyglądałby na porażkę, a spokojny na sukces. Jeśli oszczędności miesiąc po miesiącu pokrywają koszt AI, obietnica jest dotrzymana.
Wielkość zobowiązania ustalono na końcu, na podstawie prognozy, a nie zeszłorocznej faktury. To ta część, której CFO i dział zakupów powinni pilnować najbardziej. Kontrakty na moc obliczeniową w Snowflake to zobowiązanie w zamian za niższą cenę kredytu, więc wielkość i moment tego zobowiązania mogą mieć takie samo znaczenie jak dowolne ustawienie warehouse’u.
Zobowiązanie zbyt małe oznacza, że wzrost wyjdzie poza nie po mniej korzystnych stawkach; zbyt duże oznacza płacenie za kredyty, których nikt nie wykorzysta.
Prognoza Nordhaven dała działowi zakupów trzy argumenty do negocjacji:
- przewidywaną datę wyczerpania,
- scenariusz niski i wysoki na kolejny okres,
- spadający koszt na zamówienie, który uzasadnia wzrost.
Przed podpisaniem warto sprawdzić w każdym kontrakcie dwie klauzule:
- co się dzieje przy wcześniejszym wyczerpaniu,
- czy niewykorzystane kredyty można przenieść do odnowienia.
Jak utrzymać praktykę po łatwych oszczędnościach
Pierwsze trzy domeny opisują, co robi FinOps.
Zarządzaj praktyką FinOps (Manage the FinOps Practice) dotyczy tego, czy praktyka nadal działa rok później, gdy łatwe oszczędności się skończyły, a uwaga wszystkich przeniosła się gdzie indziej.
W Nordhaven FinOps Lead w biurze CDO organizuje pracę i pilnuje jej ciągłości, a każdy właściciel produktu danych odpowiada za własne wydatki.
W najbliższych latach będzie to ważniejsze, a nie mniej ważne. Zużycie rośnie samo: więcej produktów danych, więcej użytkowników self-service, a teraz funkcje AI rozliczane za token, które w ciągu kwartału mogą zmienić się z pilota w poważną pozycję kosztową.
Badanie State of FinOps 2026 przeprowadzone przez FinOps Foundation wykazało, że 98% zespołów FinOps zarządza już wydatkami na AI, wobec 31% dwa lata wcześniej, a wiele organizacji ma finansować AI z oszczędności. To dokładnie sytuacja Nordhaven. Dodajmy odnawianie kontraktów co kilka lat i zmiany ról, a praktyka zależna od jednej entuzjastycznej osoby po cichu się rozpadnie.
Zdolności poniżej sprawiają, że działa dalej, gdy ta osoba odejdzie.
| Zdolności | Jak Nordhaven realizuje ją w Snowflake |
| Operacje praktyki FinOps (FinOps Practice Operations) | Comiesięczny przegląd dla każdego Zakresu i macierz RACI wskazująca właściciela każdego budżetu i każdej pozycji backlogu |
| Zarządzanie, polityki i ryzyko (Governance, Policy & Risk) | Tylko rola platformowa może tworzyć warehouse’y. Resource Monitors działają jako twarda blokada na każdym warehouse. Budżety z niestandardowymi akcjami odbierają dostęp do Cortex, gdy pilot AI przekroczy limit, a limity na użytkownika obejmują AI w trybie self-service |
| Ocena FinOps (FinOps Assessment) | Każda zdolność oceniana jako Crawl, Walk lub Run dla każdego Zakresu, dwa razy w roku |
| Automatyka, narzędzia i usługi (Automation, Tools & Services) | Wbudowane dane o użyciu w Snowflake i Cost Insights do liczb, Snowflake CoCo do pytań o koszty w zwykłym języku, Terraform do warehouse’ów, monitorów i budżetów |
| Edukacja i aktywizacja FinOps (FinOps Education & Enablement) | Dwugodzinne szkolenie z działania kredytów, część onboardingu każdego analityka i inżyniera |
| Fakturowanie i obciążenie zwrotne (Invoicing & Chargeback) | Informacja przez dwa kwartały, potem obciążenie zwrotne do jednostek biznesowych, gdy mniej niż 5% kredytów nie ma właściciela |
| Przecinające się dyscypliny (Intersecting Disciplines) | Schemat tagów jest wspólny z katalogiem danych; dział zakupów odpowiada za kontrakt na moc obliczeniową; finanse IT za strukturę budżetów |
| Dostosowanie strategii wykonawczej (Executive Strategy Alignment) | Kwartalny przegląd, który wiąże wydatki z trzema priorytetami biznesowymi |
Dostosowanie strategii wykonawczej
Ostatnia zdolność wymaga szerszego wytłumaczenia. Dostosowanie strategii wykonawczej (Executive Strategy Alignment) to najnowsza zdolność we frameworku i właściwa odpowiedź, gdy ktoś pyta, jak to wszystko łączy się ze strategią. FinOps Foundation opisuje ją jako wiązanie wydatków i wykorzystania technologii z priorytetami biznesowymi, aby liderzy mogli porównywać opcje i podejmować decyzje na podstawie rzeczywistych danych.
W Nordhaven to dwustronicowy brief raz na kwartał dla CFO, CIO i CDO. Pokazuje koszt za zamówienie online i za rozwiązany kontakt, prognozę względem zobowiązania kontraktowego oraz każdy pilot AI z rekomendacją: skalować, kontynuować albo zatrzymać.
Prawa decyzyjne są spisane. Head of Data Platform zatwierdza wszystko powyżej warehouse’u Medium, a CDO decyduje, które piloty AI trafiają na produkcję.
Tak wygląda skrócony brief Nordhaven za Q3 2026. Pierwsza strona odpowiada na pytanie: „Gdzie jesteśmy?”:
| Miara | Q2 2026 | Q3 2026 | Co to oznacza |
| Koszt platformy danych na zamówienie online | 0,035 € | 0,031 € | Zamówienia wzrosły o 31%, koszt platformy tylko o 16% |
| Pełny koszt AI na rozwiązany kontakt | Jeszcze nie działał | 0,39 € | Pilot działa od lipca |
| Kredyty bez właściciela | 9% | 4% | Poniżej 5%, więc chargeback może ruszyć w Q4 |
| Trafność prognozy, poprzedni kwartał | 91% | 94% | Finanse mogą na niej planować |
| Oszczędności platformy vs koszt AI w kwartale | Nie mierzono | 41 000 € vs 31 000 € | Program AI na razie finansuje się sam |
| Wyczerpanie kontraktu na moc obliczeniową | Brak prognozy | Koniec sierpnia 2027 (Lipiec–październik) | Cztery miesiące przed końcem okresu |
Druga strona zawiera decyzje, o które proszony jest zarząd:
| Temat | Rekomendacja | Kto decyduje |
| Asystent AI w obsłudze klienta | Skalować na wszystkie rynki w Q1 2027 | Chief Data Officer |
| Pilot spersonalizowanych ofert | Kontynuować przez kolejny kwartał; nie da się jeszcze zmierzyć wpływu na wartość koszyka | Chief Data Officer |
| Cogodzinne odświeżanie raportów KPI sklepów | Wyłączyć; kierownicy sklepów potwierdzili, że wystarczy raz dziennie | Head of Data Platform |
| Odnowienie kontraktu na moc obliczeniową | Rozpocząć rozmowy w Q1 2027, wykorzystując przedział prognozy | CFO z działem zakupów |
Nic tu nie wymaga wiedzy o FinOps. O to właśnie chodzi: jeśli CFO musi pytać, czym jest kredyt, to brief nie spełnił swojego zadania.
Strategia płynie w dół, liczby wracają do góry
Wróćmy do diagramu z początku. Czytany od góry do dołu pokazuje znaną część: strategia decyduje, jakie Zakresy istnieją, co jest ważne w każdym z nich i kto może co zatwierdzać. Część, o której się zapomina, to ścieżka informacji zwrotnej po prawej stronie. W Nordhaven prognoza zmieniła się co do odnowienia kontraktu, a koszt za rozwiązanie kontraktu zdecydował, które piloty AI zostały przeskalowane.
Bez tej ścieżki informacji zwrotnej eksperymenty z AI mają tendencję do działania bez końca, bo nikt nigdy nie ustalił, kiedy je zatrzymać. Co gorsza, po cichu zjadają kredyty przeznaczone na coś innego, na przykład na nocne ładowania danych czy warehouse’y BI, od których biznes zależy każdego ranka.
FinOps Framework mierzy postęp na trzech poziomach dojrzałości:
- Crawl oznacza, że podstawy istnieją, ale są głównie ręczne.
- Walk znaczy, że proces jest powtarzalny i częściowo zautomatyzowany.
- Run wskazuje, że proces jest zautomatyzowany i wbudowany w sposób pracy zespołów.
Nie trzeba od razu osiągać poziomu Run wszędzie. Framework ocenia każdą zdolność osobno dla każdego Zakresu, więc Nordhaven może być na poziomie Walk w alokacji kosztów platformy danych i jednocześnie na poziomie Crawl w prognozowaniu wydatków na AI.
To normalne: najpierw rozwija się to, czego strategia najbardziej potrzebuje.
| Etap | Jak wygląda w Nordhaven |
| Crawl | Wskazany sponsor w zarządzie; tagowanie rozpoczęte; miesięczny showback składany ręcznie |
| Walk | Oba Scopes powiązane z planem biznesowym; budżety i koszty jednostkowe na produkt danych; FinOps przegląda nowe projekty przed budową |
| Run | Opinia FinOps wymagana przy każdej większej inwestycji w dane i AI; chargeback wdrożony; koszty jednostkowe kierują odnowieniami i decyzjami o roadmapie |
Data & Analytics
Dzięki naszym usługom analizy i przetwarzania danych będziesz podejmować trafne decyzje, zbudujesz skuteczne strategie i znajdziesz nowe źródła przychodów.
Oferta Data&AnalyticsOd czego zacząć
Nordhaven jest wymyślone, ale nic w tej historii nie jest specyficzne ani dla handlu, ani nawet dla Snowflake. Na Databricks czy innej platformie rozliczanej za użycie domeny pozostają te same; zmieniają się tylko natywne mechanizmy kontroli.
Gdybym miał wybrać jeden pierwszy krok, byłby to krótki audyt.
Przyjrzyj się wydatkom i pokryciu tagami, zmapuj plany biznesowe i technologiczne na kilka Zakresów i uczciwie oceń każdą zdolność w skali Crawl, Walk, Run.
Nasz zespół Snowflake w Sii prowadzi takie audyty jako projekty o ustalonym zakresie, a na koniec sporządza backlog uporządkowany według priorytetów, nad którym możesz zacząć pracę w następnym tygodniu.
A jeśli rachunek za Snowflake wzrósł w zeszłym kwartale i nikt nie potrafił powiedzieć, czy to dobra wiadomość, to całkiem dobry powód, żeby zacząć.
Uwagi
- Nordhaven i wszystkie liczby w tym artykule są fikcyjne, w tym założona cena kontraktowa 2,70 € za kredyt.
- Liczby dotyczące AI zakładają koszt budowy 180 000 € rozłożony na 24 miesiące oraz to, że połowa kontaktów rozwiązanych przez asystenta trafiłaby inaczej do konsultanta. Twoje założenia będą inne; ważne, żeby je jasno podać.
Źródła
- FinOps Foundation: FinOps Domains and Capabilities
- FinOps Foundation: FinOps Framework 2025 and Scopes
- FinOps Foundation: Executive Strategy Alignment capability
- Snowflake: AI Meets FinOps, o budżetach, akcjach niestandardowych i limitach na użytkownika
- Linux Foundation: wyniki badania State of FinOps 2026
- InfoWorld: Tokenmaxxing, the strangest developer productivity metric
Zostaw komentarz