Amazon Quick으로 FinOps 업무 자동화하기

1. 클라우드 비용 가시성의 출발점

Cloud Intelligence Dashboards(CID)는 AWS Cost and Usage Report(CUR) 데이터를 Amazon Quick 위에 시각화하는 오픈소스 대시보드 프레임워크입니다. 그 핵심인 CUDOS(Cost and Usage Dashboards Operations Solution) 대시보드는 서비스·계정·리전·태그 등 다양한 차원에서 리소스 레벨까지의 세부 비용과 사용량을 한눈에 보여줍니다.

CUDOS는 CUR 데이터를 Amazon S3에 저장하고 AWS Glue와 Amazon Athena로 변환한 뒤 Quick Sight의 SPICE 엔진으로 시각화하는 서버리스 아키텍처로 구성되어, 별도의 서드파티 도구 없이 조직 내부에서 안전하게 운영할 수 있습니다. 월별 비용 추이(MoM Trends), 컴퓨팅·스토리지 사용 패턴, RI/SP 커버리지와 만료 추적, ML 기반 이상 비용 탐지, AWS Marketplace 지출 분석까지 폭넓은 시각화를 제공합니다. 오늘날 많은 조직이 CUDOS를 통해 AWS 비용을 시각화하고 최적화 기회를 발견하며 FinOps 목표를 추적하고 있습니다.

1-1. 그런데, 실무에서는 이런 어려움이 있습니다

대시보드를 실제로 운영하다 보면 반복적인 한계에 부딪힙니다.

방대한 데이터 속에서 길을 잃습니다. 수십 개의 탭과 수백 개의 시각화 중 원하는 인사이트가 어디 있는지 모든 사용자가 숙지하긴 어렵습니다. 특히 처음 접하는 FinOps 담당자나 비기술 직군에게는 진입 장벽이 됩니다.
복합 분석이 부담스럽습니다. “EC2 비용이 늘어난 계정의 RI 커버리지는 어떤지, 그 인스턴스 사용률은 적정한지”처럼 여러 데이터를 교차 분석하려면 서로 다른 탭과 필터를 직접 오가야 합니다.
커스텀 시각화의 허들이 높습니다. 새로운 뷰를 만들려면 계산 필드, 데이터셋 조인 등 BI 도구 숙련도가 필요해 작업이 소수의 관리자에게 집중됩니다.
협업·공유가 제한적입니다. 인사이트를 발견해도 Slack·Teams로 바로 공유하기 어렵고, 스크린샷이나 CSV 내보내기 같은 수동 과정이 필요합니다.
반복 업무의 피로가 쌓입니다. 매월 사업부별 비용 요약, 매주 이상 비용 점검, RI/SP 만료 추적이 늘 같은 절차로 반복됩니다. 대시보드는 데이터를 “보여주는” 일은 훌륭히 하지만, 그 데이터를 기반으로 한 리포팅·모니터링 “업무 자체”를 자동화해주지는 못했습니다.

2. Amazon Quick의 등장

2025년 10월, Amazon QuickSight가 Amazon Quick Suite로 진화했으며, 최근에는 Amazon Quick으로 명칭이 다시 간소화되었습니다. 기존 QuickSight의 BI 기능(현재 Quick Sight)은 그대로 유지하면서, 생성형 AI 기반의 새로운 기능들이 추가되었습니다.

Quick Sight. 기존 QuickSight의 BI/대시보드 기능으로, 자연어 분석을 포함합니다.
Quick Research. 엔터프라이즈·외부 데이터를 결합해 출처가 인용된 심층 리서치를 수행합니다.
Quick Flows. 자연어만으로 반복 업무를 자동화하는 워크플로우입니다.
Quick Automate. 부서 간 복잡한 프로세스를 자동화합니다.
Quick Index. 조직의 문서·데이터를 통합하는 지식 기반(Knowledge Base)입니다.

이 모든 기능은 자연어 인터페이스인 Quick Chat으로 접근하며, Slack·Microsoft Teams와 직접 연동됩니다. 덕분에 이제 CUDOS 대시보드를 SQL이나 복잡한 필터 조작 없이 자연어로 탐색하고, 여러 데이터를 교차 분석한 인사이트를 손쉽게 도출하며, 반복적인 리포팅·모니터링을 자동화할 수 있습니다.

이 글에서는 Amazon Quick의 주요 기능으로 CUDOS 대시보드에서 더 많은 가치를 끌어내는 방법을, 실제 시나리오와 함께 소개합니다.
(본 글의 비용 수치·스크린샷은 모두 데모 환경의 예시 데이터이며, 실제 고객 계정 정보가 아닙니다.)

3. 시나리오로 보는 Amazon Quick + CUDOS

(사전 조건) 본 시나리오는 CUDOS 대시보드가 Amazon Quick의 데이터 소스로 연결되어 있고, 사용자가 해당 비용 데이터에 대한 접근 권한을 가진 상태를 전제로 합니다. 비용 데이터는 민감 정보이므로 조직의 권한·거버넌스 정책에 따라 접근을 통제하세요.

3-1. 자연어로 비용 트렌드 분석하기

먼저 Quick Chat에서 데이터 소스로 CUDOS Dashboard를 선택합니다. 이제 채팅으로 요청하면 선택된 데이터 소스를 분석해 답변합니다. 간단히 “최근 3개월간 RDS 비용 트렌드를 분석해줘” 라고 요청해 보겠습니다.

Amazon Quick은 CUDOS 데이터를 분석해 최근 비용 증감, 일별 비용, RI/SP 커버리지, 주요 인스턴스 패밀리, 스토리지 등 핵심 인사이트를 제공합니다. 나아가 비용 최적화 권장 사항까지 제시하므로, FinOps 담당자가 취해야 할 액션에 대한 인사이트를 쉽게 얻을 수 있습니다.[그림 1] RDS 비용 트렌드 분석 결과

또한 최초 답변 이후 다음 분석 단계(next step) 를 제안하므로, 분석 흐름을 자연스럽게 이어갈 수 있습니다.

3-2. 리소스 레벨로 드릴다운하기

전체 트렌드를 확인했으니 리소스 레벨로 내려가 보겠습니다. “특정 월에 비용이 급증한 계정과 Instance Type을 Resource View 기준으로 자세히 분석해줘” 라고 입력합니다.

CUDOS는 무거운 CUR 데이터를 효율적으로 다루기 위해 resource_view, hourly_view, summary_view 등으로 데이터셋을 구분해 두었습니다. 리소스 레벨의 상세 분석에는 이 데이터 구조를 이해하는 것이 중요합니다.

Amazon Quick은 비용 급증 계정 Top 5, 계정별 리소스 레벨 증감 내역, 계정 간 비용 비교, 그리고 증감 원인 분석까지 제공해 비용 변화를 쉽게 이해하도록 돕습니다.

[그림 2] 리소스 레벨 드릴다운 결과

3-3. 분석 결과 시각화하고 공유하기

FinOps에서 시각화는 비용 데이터를 의사결정으로 전환하는 핵심입니다. 숫자와 표만으로는 누구도 행동하지 않습니다. “지금까지 분석한 전체 항목을 시각화 해 줘” 라는 한 번의 요청으로, 월별 총 비용 트렌드, Top 10 계정별 비용 비교, 비용 급증 계정, 인스턴스 타입별 비용 분포 등을 한꺼번에 시각화할 수 있습니다.

[그림 3] 통합 시각화 결과

이렇게 만든 시각화는 PDF 등으로 저장해 Slack·Teams로 손쉽게 공유할 수 있습니다. FinOps 담당자뿐 아니라 개발자·엔지니어·재무·임원까지 같은 데이터를 이해하게 되어, 조직 전체의 의사결정 속도가 빨라집니다.

3-4. 반복 업무를 Quick Flows로 자동화하기

FinOps 담당자에게는 일간·월간·연간으로 반복되는 업무가 있습니다. Quick Flows를 사용하면 이를 코딩 없이 자동화할 수 있습니다. Quick Flows는 자연어·챗 대화·시각적 편집기로 반복 업무를 자동화하는 기능으로, 각 플로우는 AI 응답, 사용자 입력, 데이터 인사이트, 애플리케이션 동작, 제어 단계로 구성됩니다.

앞서 살펴본 “3개월 비용 트렌드 분석” 과정을 플로우로 만들어 보겠습니다. 좌측 Flows 메뉴에서 자연어로 플로우 생성을 요청하면, Amazon Quick이 자연어를 분석해 아래와 같이 단계별 Task를 자동 생성합니다.

[그림 4] 자연어 기반 플로우 생성

생성된 Task는 자유롭게 수정할 수 있고, 필요한 단계를 추가할 수도 있습니다. 이렇게 완성된 플로우는 매월 첫 번째 월요일에 자동 실행되도록 Trigger를 설정할 수 있습니다. 설정 이후 플로우는 수동 개입 없이 매월 첫 번째 월요일마다 반복 수행되며, 그 결과는 Slack 메시지로 손쉽게 확인할 수 있습니다.

[그림 5] 스케줄 Trigger 설정 / Slack 결과 메시지

이처럼 Quick Flows로 반복 업무를 자동화하면, FinOps 담당자는 매월 비용 데이터를 수집하고 리포트를 작성하는 반복 작업에서 벗어나 비용 추이 분석과 최적화 기회 발굴 같은 더 가치 있는 일에 집중할 수 있습니다. 정해진 일정에 맞춰 리포트가 누락 없이 일관된 형식으로 자동 제공되므로, 보고의 정확성과 적시성까지 함께 확보됩니다.

3-5. Quick Research로 깊이 있게 파고들기

마지막은 Quick Research입니다. SQL을 작성하거나 복잡한 필터를 조합할 필요 없이, 동료에게 묻듯 자연어로 질문하면 Amazon Quick이 CUDOS 데이터를 분석해 출처가 인용된 심층 리포트를 제공합니다.

좌측 Research 메뉴에서 New Research를 시작합니다. 분석 범위를 좁히기 위해 Quick assets → Select data and apps에서 분석 대상을 직접 지정할 수 있습니다. (모든 소스를 대상으로 하는 All data and apps 도 있으나, 관련 없는 데이터가 포함되고 시간이 더 걸릴 수 있습니다.) 여기서는 CUDOS Dashboard를 선택해 추가합니다.

[그림 6] 데이터 소스 선택

전체 계정과 계정별(Linked Account) AWS 비용 트렌드를 분석하고 싶습니다.

계정별 총 비용 및 사용량 추이 (일별/월별)
서비스별 비용 분석 (EC2, S3, Lambda, RDS 등)
리소스 레벨 세부 비용 (개별 S3 버킷, Lambda 함수별 비용 등)
비용 스파이크 및 이상 사용량 원인 분석

Start researching를 클릭하면 좌측 상단에 진행률이, 하단에 진행 중인 세부 조사 내역이 표시됩니다. (데이터 양에 따라 수 분 이상 소요될 수 있습니다.)
조사가 완료되면 전체 및 계정별 비용 트렌드 리포트를 확인할 수 있습니다. 우측 상단의 말풍선 아이콘으로 AI Assistant를 열어 후속 질문을 이어갈 수 있습니다. 예를 들어 “전체 합계가 특정 월에 크게 증가한 원인을 분석해줘” 라고 물으면, EC2 등 서비스별 비용 증가, 상위 계정의 비용 변화, 서비스별 증감 원인을 분석해 알려줍니다.

[그림 7] 리서치 진행 상태 및 리서치 리포트

조사된 리포트는 목록 형태로 보관되어 언제든 다시 찾아볼 수 있습니다. 정리하면 Quick Research는 비용을 분석하고, 변화의 원인을 묻고, 서비스별 최적화 방안까지 파악할 수 있어 — AWS 비용을 처음 접하는 분부터 숙련자까지 모두 자연어로 편하게 사용할 수 있는 기능입니다.

4. 마치며

CUDOS 대시보드는 클라우드 비용 가시성을 위한 강력한 출발점이지만, 그 안의 데이터를 인사이트로, 또 실제 액션으로 옮기는 일은 여전히 사람의 반복 노동에 기대어 왔습니다. Amazon Quick은 바로 이 간극을 메웁니다.

Quick Chat / Quick Sight 로 자연어로 묻고 드릴다운하며,
한 번의 요청으로 시각화하고 Slack·Teams로 공유하고,
Quick Flows 로 반복 리포팅을 자동화하며,
Quick Research 로 출처가 인용된 심층 분석까지

“데이터를 보는 것”에서 “데이터로 실행하는 것”으로의 전환을 자연어만으로 완성할 수 있습니다. FinOps 담당자는 반복 업무에서 벗어나 비용 최적화라는 본연의 가치에 집중하고, 조직 전체는 같은 인사이트를 기반으로 더 빠르게 의사결정할 수 있습니다.

여러분의 CUDOS 대시보드 위에서 Amazon Quick을 시작해 보세요. 자세한 내용은 Amazon Quick과 Cloud Intelligence Dashboards에서 확인할 수 있습니다.

AWS 기술 블로그