在 Cloud Billing 費用報表中，您可以使用預測功能查看費用趨勢，並預估未來 12 個月的支出。
查看 Cloud Billing 帳單報表時，如果日期範圍的結束日設在「未來的」日期，Cloud Billing 帳單報表的圖表就會一併顯示實際費用和預估費用：
- 圖表上方的報表標題會顯示費用的分割畫面，包括自開始日期起截至目前的實際費用，以及整個日期範圍內預估需繳交的總計費用。
- 在堆疊長條圖或折線圖中，淺灰色部分代表預估費用。
如何查看預估費用
在 Google Cloud 控制台的「帳單」部分，存取要分析的 Cloud Billing 帳戶費用報表。
報表中的預測資料適用於：
合併使用任何篩選條件，但下列條件除外：
- 使用「帳單週期」 (舊稱「帳單月份」) 時間範圍。
- 在「產品」、「來源產品」、「依支出計算的 CUD」或「來源服務」上篩選時。
「費用期間」(舊稱「使用日期」) 「時間範圍」的結束日期須為「未來的」日期。(預測功能不適用於「帳單週期」 (舊稱「帳單月份」) 時間範圍)。
- 如果您查看的是當月時間範圍的報表，預設的結束日期為當月最後一天。
如果您選擇指定自訂日期範圍，請選取「依帳單週期」，並設定日期範圍，確認「結束日期」已設為「未來的」日期。
您最多可以查看未來 12 個月的預估支出。
系統會運用 AI 技術預測費用
這項模型採用先進的機器學習技術，可瞭解複雜的費用模式，並處理實際資料中的不完美之處，進而提供更可靠且實用的費用預測。系統會透過下列方式判斷支出趨勢：
- 收集歷來資料：根據您選取的報表篩選條件，預測模型會收集所有歷來支出。 Google Cloud
- 智慧資料準備：透過全方位的資料前處理步驟，準備高品質資料，智慧處理異常費用 (例如費用突然暴增)、更準確地填補用量資料中的缺口，以及偵測支出模式的重大變化，據此調整預測 (例如因推出新專案或架構大幅變更)。
- 考量季節性和趨勢：機器學習引擎的設計宗旨是辨識並適應費用資料中的多層季節性和基本趨勢，偵測並模擬各種週期性模式，例如雲端支出的每日、每週和每月週期。
- 全面資料正規化：預測模型會持續建構一段時間的費用資料，讓機器學習模型能進行可靠的時間序列分析。這會產生預測結果，智慧擷取複雜趨勢、多個季節性趨勢，並處理資料異常狀況。
總預估費用包含下列費用：
- 所選時間範圍內截至目前的實際總費用。
- 所選時間範圍內未來每日的預估費用。