Ein Vortrag zum Thema Wirtschaftlichkeit von Cloud-Computing, sowohl aus der Sicht von Anbietern als auch Kunden anlässlich der ONE Konferenz vom 9. / 10. Mai 2012 in Zürich.
2. Was ich Ihnen heute mitgeben möchte
Es gibt die “Win – Win” Situation
Man kann mit Cloud-Angeboten Geld verdienen und gleichzeitig kann der
Kunde damit Geld sparen – Das ist kein Widerspruch
Man muss (und will) den grösseren Kontext anschauen
Die Cloud dreht sich nicht nur um den Preis pro Stunde und CPU, sondern
um die Vorbereitung der IT, so flexibel wie möglich zu sein – sowohl für den
Anbieter, als auch den Benutzer
Die grundlegende Mechanik ist einfach verständlich
Man braucht keinen Abschluss in Betriebswirtschaft,
um die beiden obigen Punkte mitnehmen zu können
Netcetera | 2
3. BWL Grundlagen
Nur keine Angst…, aber drei Begriffe sind wichtig:
Grenzkosten und -wert
Beispiel: Erdnüsse für einen zusätzlichen
Flugpassagier versus den Preis für das Ticket.
Opportunitätskosten
Beispiel: Das gewonnene Vergnügen eines Kinobesuchs
(statt für eine Prüfung zu lernen) versus verpatztem Abschluss
Zeitwert des Geldes
100 Franken jetzt ist das selbe, wie 105 Franken in einem
Jahr (5% Rendite vorausgesetzt, aber was sind schon
5 Stutz in einem Jahr, wenn man jetzt hungrig ist.
Netcetera | 3
4. Cloud Computing in Kürze
Cloud Computing unterstützt die,
die “erst probieren, dann rechtfertigen”
möchten - James Staten, Forrester
Cloud Computing ist
Selbstbedienung (Self-service)
Verfügbar auf Abruf (On-demand)
Bezahlung der effektiven Nutzung (Pay-as-you-go)
Cloud Computing erlaubt die Konversion von Investitionskosten in
Betriebsaufwand - William Fellows, 451 Group
Netcetera | 4
5. 6 von 10 Cloudonomics Gesetzen (J. Weinmann)
Benutzer-Argumente für die Cloud:
Basis-Services kosten weniger, obwohl sie mehr kosten
Weil man nur bezahlt, wenn man nutzt sind die Totalkosten tiefer
Kapazität auf Abruf ist besser (einfacher) als korrekte Prognose des Bedarfs
Sobald die Prognose mal falsch ist, sieht man, dass dies stimmt
Anbieter-Argumente für die Cloud:
Die Spitze der Summe ist kleiner als die Summe der Spitzen
Bedarfsspitzen treten nicht für alle Benutzer zur selben Zeit auf
Aggregierter Bedarf ist geglättet (im Vergleich zum individuellen Bedarf)
Die Ausnützung von Kapazitäten für viele Benutzer ist besser als für einzelne
Stückkosten sinken, wenn Fixkosten über mehrere Einheiten verteilt werden
Eine zweite Person im Auto reduziert die Fahrtkosten des Fahrers um 50%
Gilt für beide:
Nicht alle Chips auf ein Pferd setzen
Redundanz steigert die Zuverlässigkeit Netcetera | 5
6. Cloud Computing Service-Modelle
Cloud Enabler, Platformübergreifend
Software
as a Service
(SaaS)
Platforms
as a Service
(PaaS)
Infrastructure
as a Service
(IaaS)
Netcetera | 6
7. Markt-Status
IaaS: Konvergenz ist bisher nur auf Basis-Diensten zu sehen (CPU, Speicher)
PaaS: Noch schlechte Abdeckung verschiedener Bereiche (limitiert auf Web
und Map/Reduce)
SaaS: Sehr vielfältig, einiges bereits etabliert,
aber das ist erst der Anfang!
Sehr stark in Bewegung:
Konsolidierung erwartet
Neue Player erwartet
Plattformen gewinnen an Bedeutung
Gesamtmarkt wird wachsen:
von ~ $40 Mia im Jahr 2011 auf
>$240 Mia in 2020 Geschätzte Amazon VMs in den US east
Forrester, “Sizing The Cloud”, April 2011
cost Daten-Zentren. Quelle: Cloudkick
Netcetera | 7
8. Cloud Computing Economics
Die grundlegende Prinzipien:
Skaleneffekte (Economies of scale)
Mandantenfähigkeit
Höherer Preis für eine kürzere Zeit
Auslastung / Volatilität Schlüssel-Faktoren
Charakteristiken:
Selbstbedienung
Verfügbar auf Abruf
Bezahlung der effektiven Nutzung
Elastische Kapazität
Investitionskosten Betriebsaufwand
Netcetera | 8
9. Skaleneffekt (Economies of scale)
Mehr als nur Mengenrabatt
(Übrigens: es gibt eine Obergrenze)
Backblaze Blog, “Petabytes on a budget” Rich Miller, “Who has the Most Web Servers” (2009)
Netcetera | 9
10. On-demand, Self-service, Pay-as-you-go
Benutzer (Kunde) Anbieter
On-demand Mandantenfähigkeit
Kurze Vertragszeiten Erlaubt self-service, on-demand
Jetzt, nicht später “Null” Grenzkosten für einen
Keine nicht genutzte Kapazität zusätzlichen Kunden
Nur genutzt, wenn gebraucht Bereitstellung für Spitzenlast
Self-service Braucht freie Ressourcen
Keine Wartezeit bis zur Nutzung Elastische Kapazität
Ein “Muss” für On-Demand Mehr als irgend ein individueller
Pay-as-you-go Kunde braucht
Keine Vorab-Investition
Bezahlung nur für
tatsächliche Nutzung
Netcetera | 10
11. Bereitstellung der Kapazität
Benutzer braucht Kapazität:
Zu wenig bereitgestellt (1)
Für Spitze bereitgestellt (2)
Cloud hat elastische Kapazität (3)
(d.h. viel mehr als der Benutzer
braucht)
Der Benutzer sollte genau die
Kapazität bekommen, die er
tatsächlich braucht (3a)
Weshalb funktioniert das für den Anbieter?
Unterschiedlicher Bedarf über (sehr) viele Kunden ist statistisch geglättet
Netcetera | 11
12. Das grundlegende Wertversprechen
Benutzer (Kunde)
Ein dediziertes RZ kostet 200’000€
Auslastung wäre maximal 50%
(z.B. kein Bedarf in der Nacht)
Anbieter
Der Anbieter kauft entsprechende Kapazität für
sein RZ für 150’000€ (Mengenrabatt)
Der Anbieter kann diese Kapazität für 100’000€ anbieten
(dank geglättetem Bedarf, da er die Auslastung auf über 50% bringen kann)
So läuft das Geschäft
Der Kunde zahlt einen Preisaufschlag um die Kapazität nach Bedarf zu nutzen:
150’000€ für die 50% Nutzung (am Tag), spart damit 50’000€, und der Anbieter
verdient 50’000€: ein Win-Win Szenario
Netcetera | 12
13. Beispiele für die Kostenberechnung Je kürzer die
Nutzung, umso
günstiger die Cloud
Ab 25%
Auslastung, günstiger
wenn reserviert
Nur 3% Auslastung
auch 100 CPUs
sind “billig”
Netcetera | 13
14. Cloud SLAs sind besser als ein durchschnittliches RZ
Typ Versprochene Verfügbarkeit Erreichte Verfügbarkeit
Rechenzentrum 99.5% (~50 Min/Woche)
n/a
(> 300 Stichproben)
Top 15% der virtuellen
n/a 99.999% (~5 Min/Jahr)
Systeme in RZs
Amazon EC2 99.95% (~5 Min/Woche) Unbekannt
Google Apps Premier
99.9% (~10 Min/Woche) 99.85% (~15 Min/Woche)
Edition
Microsoft Business
99.9% (~10 Min/Woche) Unbekannt
Productivity Online Suite
Data Source: Andi Mann, Enterprise Management Associates Netcetera | 14
15. Kunden-Risiken und deren Konsequenzen
Risiko Beispiele Resultat
Individuelle “Verträge” mit der
Kritischer Service fällt aus, weil die Karte verfällt Service-Ausfall, Datenchaos
Kreditkarte
Einzelperson kann eine Einführung einer proprietären SaaS-Lösung, die Schlecht verwaltetes Service-Portfolio,
falsche Richtung einschlagen nur einen “Quickfix” bringt Nichterreichung der Strategie-Ziele
Kosten können schlecht Rechnungen schlecht vorhersehbar (variabler
Finanzielle Unsicherheit
getrackt werden Bedarf). Viele Transaktionen mit vielen Anbietern
Niemand räumt Speicher auf oder fährt unbenutze Wird mit der Zeit teurer, unklar, was
Kosten steigen langsam
Maschinen herunter noch benötigt wird
Annahmen, dass Kosten sinken und Performance Plötzlich schlechter / teurer als gedacht,
Optimismus-Bias
steigt, nur wegen der Cloud kein Plan B
Verstoss gegen Datenschutzbestimmungen,
Daten werden publik Finanzieller und Vertrauensverlust
Ausbreitung von Geschäftsgeheimnissen
Nutzung zu spezifisch auf einen Anbieter gemappt, Gefahr von Ausfällen, hohe
Abhängigkeit (Lock-in)
kein alternativer Service verfügbar Umstellungskosten
NASA’s Mondlandungs-Tapes, Hacker-
Datenverlust Image- und Markenverlust
Vandalismus, Anbieterbankrott
Netcetera | 15
16. Anbieter-Risiken und deren Konsequenzen
Risiko Beispiele Resultat
“Commoditization” aller
Zig Anbieter von “Compute Nodes” (IaaS) Preiskampf, Verdrängungsmarkt
Services
Visibler Kunde leidet unter April 2011: Reddit, Foursquare, Quorum fielen aus, Finanzielle Verbindlichkeiten, Image-
Ausfall weil AWS EBS ausfiel und Vertrauensverlust
Dez 2010: Microsoft BPS Cloud Service Daten-
Infrastruktur wird gehackt Image- und Vertrauensverlust
Leck
Nichterreichen der Feb 2012: Microsoft's Azure cloud down and out Verlust von Kunden, dadurch
Verfügbarkeit for 8 hours Kapazitätsüberschuss
Tiefe Grenzkosten nicht
Zuviel Intervention / Konfiguration pro Kunde Limitierter Nichenmarkt
möglich
Rechtssituation gefährdet das
Google in China Produkt ändern oder Markt verlassen
Business-Modell
Kundenbasis kann nicht Verlust an Moment, Visibilität und
Skaleneffekte können nicht erreicht werden
vergrössert werden Wettbewerbsfähigkeit
Netcetera | 16
17. Sechs Cloud-Szenarien (1/3)
Offline Berechnung, <80GB/Tag Daten in der Cloud >80GB/Tag
Beispiele: Wissensch. Berechnung, Data- Beispiele: High-volume Website, Disaster-
Mining, Audio-Aufnahmen, etc. Recovery Backup, etc.
Berechnungszeitpunkt flexibel Speicher / Netzwerk-Transfer dominiert
Kein Speicher, ausser lokaler Disk Block-Device vs. Service z.B. EBS vs. S3
10 Mbps @80% 80GB ~23 Stunden1 Reduzierte Redundanz günstiger?
Angebote wechseln oft (bis zu Spot-Pricing): RAIN (redund. array of inexp. nodes)?
kann oft gemessen bzw. geändert werden CDN Schneller, bessere Verteilung?
Disk verschicken für Import/Export?
Kosten: Kosten:
Cloud-Deployment: tief/mittel Cloud Deployment: tief/mittel
Disaster-Recovery: sehr tief Disaster-Recovery: mittel/hoch
Image/Sicherheits-Risiko: sehr tief Image/Sicherheits-Risiko: mittel (z.B.
Verschlüsselung)
1 http://www.wolframalpha.com/input/?i=80GB+at+(0.8+*+10)+Mbps Netcetera | 17
18. Sechs Cloud-Szenarien (2/3)
Viel Inhalt mit kritischer Latenz Freemium SaaS-Modell
Beispiel: (variable) Media-Verteilung Beispiele: Xing, Basecamp, ZoHo…
Tiefe Kosten nicht Primär-Ziel (kann eh Gratis vs. Premium-Version (limitierte
nicht selbst gemacht werden) Funktionalität, Zeit, Kapazität, Anzahl
Ein Fall für ein CDN (Globale Benutzer,…)
Abdeckung, gut für Media-Streaming) Falls der “lifetime value” eines Kunden -
Kosten werden fallen Kosten für dessen Akquise > Kosten, den
Service zu erbringen (inkl. Gratis-Benutzer)
Kosten: Kosten:
Cloud-Deployment: mittel Cloud-Deployment: mittel/hoch
Disaster-Recovery: tief Disaster-Recovery: mittel
Image/Sicherheits-Risiko: mittel Image/Sicherheits-Risiko: mittel/hoch
Netcetera | 18
19. Sechs Cloud-Szenarien (3/3)
Website mit wenig Berechnung und wenig SaaS Berechnungs-Beispiel
Daten Beispiel: Verteilte Organisation, welche
Beispiel: KMU-Website oder -Shop SaaS einführt
“[…] Reise-Kosten um mindestens 5% zu
IaaS sehr günstig (erster Blick) reduzieren, […] Aufwand für Reisen über
PaaS sehr einfach €40M/Jahr”
Shared Desktop und Video-Konferenz
Kosten: Annahme 1K€/Tag und 3 Reisende / Event
Automation (Plattform oder selber machen
auf IaaS) Kosten: ~ 500 Benutzer, die 1x pro Jahr
nicht reisen, sondern den Service nutzen
Skalierbarkeit (Plattform)
Cloud-Deployment: tief Kosten:
Disaster-Recovery: mittel/hoch Gewisse einmalige Kosten für Setup (OTC)
Image/Sicherheits-Risiko: mittel Monatlich wiederkehrende Kosten (MRC)
Netcetera | 19
20. Konsequenzen der Verlagerung in die Cloud
Auswirkungen für IT-Betrieb Kapazitäts-Planung (Alte Schule)
Entwickler sind verantwortlich für den Kapazität teuer
Betrieb Kapazität braucht Zeit
Master-Daten (und allenfalls Backups) (Kauf, Bereitstellung)
in der Cloud Kapazität steigt, nicht schrumpft
IT Betriebs-Abteilung ist beim Anbieter Kapazität Grosse Blöcke, viel €
Planungsfehler Grosse Probleme
Cloud-Kapazität >= Rechenzentrum
Systeme sind klare Assets
Keine eigenen Leute nötig für
Abschreibung über 3 Jahre
Plattform / Infrastruktur
Implikationen aufs Applikations-Design
Einige IT-Rollen verschwinden
Obwohl Verfügbarkeit aggregiert hoch
Keine (weniger) System-, Datenbank-, ist, muss für Ausfall designt werden
Speicher-, Netzwerk-Administratoren Cloud (Speicher-)Services haben sehr
unterschiedliche Latenz
http://www.slideshare.net/adrianco/netflix-in-the-cloud-2011 Netcetera | 20
21. Was ich Ihnen heute versucht hab mitzugeben
Es gibt die “Win – Win” Situation
Einen Preisaufschlag für weniger Zeit zu zahlen ist günstiger
und erlaubt dem Anbieter, Geld zu verdienen
Man muss (und will) den grösseren Kontext anschauen
Die Cloud hilft nicht nur günstigere, sondern auch bessere
(zuverlässigere) Services entstehen zu lassen. In diesem
Sinne würde man sogar in die Cloud wollen, wenn es
teurer wär, denn es ist (im Normallfall) auch besser.
Die grundlegende Mechanik ist einfach verständlich
Man braucht keinen Abschluss in Betriebswirtschaft,
um die beiden obigen Punkte mitnehmen zu können,
können
ausser ich hab meinen Job heute nicht gemacht
Netcetera | 21
22. Kontakt
Ronnie Brunner
ronnie.brunner@netcetera.com
+41 44 247 79 79
Jason Brazile
jason.brazile@netcetera.com
+41 44 247 79 25
Netcetera | 22
Hinweis der Redaktion
Rackspace hat zzetwa 80’000, andere Player mit je 100’000, OVH, SoftLayer je 100’000Amazon veröffentlichtkeineZahlen, eswerdenca 500’000 geschätzt.