AWS運用コスト大幅削減した全手法【大手企業DX責任者の実例】

大手企業でDX推進責任者として、AWS運用コストを大幅削減した全手法を公開します。

この記事で得られること

✅ AWS月額コストを大幅削減する具体的な手法
✅ すぐに実践できる10の施策（難易度・効果付き）
✅ 社内稟議を通すための説得資料の作り方
✅ コスト可視化ツールの選定と設定方法
✅ 削減後の運用体制とモニタリング方法

対象読者: インフラエンジニア、SRE、CTO、コスト削減を任されたマネージャー

---

導入：月間300万円のAWSコストに悩んでいた

削減前の状況

2年前、私が着任した時のAWS環境は正直「カオス」でした。

課題1: コストの全体像が不明

• 各部門が独自にリソースを作成
• タグ付けルールがバラバラ
• どこで何にお金がかかっているか誰も把握していない

課題2: 無駄なリソースの放置

• 開発環境が24時間稼働
• 検証用インスタンスが削除されずに残っている
• 古いスナップショットが大量に保存されている

課題3: 最適化されていない構成

• オンデマンドインスタンスのみ使用
• RDSのインスタンスサイズが過剰
• S3のストレージクラスが最適化されていない

月間コスト: 約300万円（年間3,600万円）
経営層からの指令: 「20%削減できないか？」

最終的に 大幅削減（月額180-210万円） を達成しました。

---

AWS運用コスト削減TOP10施策

#	施策	削減効果	難易度	所要時間
1	RDSのRightSizing	15-20%	中	2-3週間
2	Reserved Instance導入	10-15%	低	1週間
3	ECSへのコンテナ化	8-低い割合	高	2-数ヶ月
4	S3ライフサイクル設定	5-8%	低	1-2日
5	開発環境の自動停止	3-5%	低	1週間
6	EBSボリュームの最適化	2-4%	中	2週間
7	CloudFront導入	3-5%	中	1週間
8	Lambda化（サーバーレス）	2-3%	中	1-2ヶ月
9	Spot Instance活用	2-4%	中	2週間
10	不要リソースの削除	5-10%	低	継続

合計削減効果: 55-86%（重複を考慮すると大幅）

---

施策1: RDSのRightSizing（削減効果15-20%）

実施前の状況

• RDS: db.m5.2xlarge（8 vCPU、32GB RAM）
• 月額コスト: 約50万円（Multi-AZ、本番環境5台）
• CPU使用率: 平均10-15%（過剰スペック）

実施内容

ステップ1: パフォーマンスメトリクスの収集（2週間）

CloudWatch メトリクス:
- CPUUtilization: 平均低い割合、最大30%
- DatabaseConnections: 平均50、最大120
- ReadLatency: 平均5ms
- WriteLatency: 平均8ms

結論: スペックが2-3倍過剰

ステップ2: ダウンサイジングプランの作成

変更前: db.m5.2xlarge（8 vCPU、32GB）
変更後: db.m5.xlarge（4 vCPU、16GB）
削減率: 50%

ステップ3: 段階的な移行

1. Week 1: ステージング環境で検証
2. Week 2: 本番環境1台で検証（深夜メンテナンス時間）
3. Week 3-4: 残り4台を順次移行

結果

• 削減額: 月25万円削減（年間300万円）
• パフォーマンス: 影響なし（CPU使用率20-30%で安定）
• 削減率: 50%

注意点

⚠️ 必ずパフォーマンステストを実施

• 負荷試験ツール（JMeter、Gatling）で事前検証
• ピーク時のメトリクスを2週間以上収集
• バッファは2倍を確保（使用率50%以下を目安）

⚠️ Blue/Green デプロイメントを活用

# RDS Blue/Green Deploymentを使えばダウンタイムゼロで移行可能
aws rds create-blue-green-deployment \
  --blue-green-deployment-name "rds-rightsizing" \
  --source-arn arn:aws:rds:region:account:db:source-db \
  --target-db-instance-class db.m5.xlarge

---

施策2: Reserved Instance導入（削減効果10-15%）

実施前の状況

• EC2: すべてオンデマンド（約30台）
• 月額コスト: 約80万円
• 使用パターン: 24時間365日稼働

実施内容

ステップ1: 使用パターンの分析（AWS Cost Explorer使用）

稼働パターン分類:
- 常時稼働（本番環境）: 20台 → RI対象
- 平日のみ稼働（開発環境）: 10台 → オンデマンド継続

ステップ2: RI購入プランの作成

【1年間 All Upfront】
- 対象: t3.medium x 10台
- 削減率: 40%
- 初期費用: 約100万円
- 回収期間: 8ヶ月

【3年間 All Upfront】
- 対象: m5.large x 10台
- 削減率: 60%
- 初期費用: 約250万円
- 回収期間: 12ヶ月

ステップ3: 社内稟議を通す

説得ポイント:

1. ROI計算書を作成

   • 1年間の削減額: 120万円
   • 3年間の削減額: 数百万円
   • IRR（内部収益率）: 45%

2. リスク分析を提示

   • ビジネスが縮小した場合のリスク
   • → マーケットプレイスで売却可能（流動性あり）

3. 段階的導入を提案

   • まず1年RIで10台導入
   • 効果を検証してから3年RIを拡大

結果

• 削減額: 月12万円削減（年間144万円）
• 削減率: 15%
• ROI: 8ヶ月で投資回収

2025年版のおすすめ

Savings Plansの方が柔軟でおすすめ！

Reserved Instance（旧）:
- インスタンスタイプ固定
- リージョン固定
- 柔軟性が低い

Savings Plans（新）:
- インスタンスファミリー内で変更可能
- Compute Savings Plans: EC2、Fargate、Lambda全対応
- 柔軟性が高い

私の推奨:

• Compute Savings Plans（1年間）: 40%削減
• 対象サービス: EC2、Fargate、Lambda
• コミットメント: 月額使用量の70%

---

施策3: ECSへのコンテナ化（削減効果8-低い割合）

実施前の状況

• EC2: m5.xlarge x 15台（Webアプリケーション）
• 月額コスト: 約60万円
• CPU使用率: 平均20%（リソースの無駄）

実施内容

ステップ1: コンテナ化の準備（1ヶ月）

# 既存のアプリケーションをDockerコンテナ化
FROM node:18-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci --only=production
COPY . .
EXPOSE 3000
CMD ["node", "server.js"]

ステップ2: ECS Fargate構成の設計

# ECS Task Definition
CPU: 512 (.5 vCPU)
Memory: 1024 MB
Tasks: 30個（m5.xlarge 15台分の処理を30タスクで実行）

コスト比較:

EC2: m5.xlarge x 15台 = 60万円/月
Fargate: 512 CPU x 30タスク = 48万円/月
削減額: 12万円/月（20%削減）

ステップ3: ALB + Auto Scalingの設定

# ECS Service with Auto Scaling
aws ecs create-service \
  --cluster my-cluster \
  --service-name my-service \
  --task-definition my-task:1 \
  --desired-count 10 \
  --launch-type FARGATE \
  --load-balancers targetGroupArn=arn:aws:...

Auto Scaling設定:

最小タスク数: 10
最大タスク数: 30
スケールアウト条件: CPU使用率 > 70%
スケールイン条件: CPU使用率 < 30%

結果

• 削減額: 月12万円削減（年間144万円）
• 削減率: 20%
• 副次効果:
  • デプロイ時間: 10分 → 2分（80%短縮）
  • スケーラビリティ向上
  • 障害時の自動復旧

注意点

⚠️ Fargate vs EC2の使い分け

Fargateが向いている:
- トラフィックに波がある
- 運用工数を削減したい
- コンテナ数が少ない（100個以下）

EC2（ECS on EC2）が向いている:
- 常時高負荷
- コンテナ数が多い（100個以上）
- コスト最優先

---

施策4: S3ライフサイクル設定（削減効果5-8%）

実施前の状況

• S3ストレージ: 50TB（すべてStandard）
• 月額コスト: 約120万円
• アクセスパターン: 90%は30日以上アクセスなし

実施内容

S3ストレージクラスの理解

Standard: $0.023/GB → 頻繁にアクセス
Standard-IA: $0.0125/GB → 月1回以下のアクセス（削減率45%)
Glacier Instant Retrieval: $0.004/GB → 四半期1回（削減率83%）
Glacier Flexible Retrieval: $0.0036/GB → 年1回（削減率84%）
Glacier Deep Archive: $0.00099/GB → ほぼアクセスなし（削減率96%）

ライフサイクルポリシーの設定

{
  "Rules": [
    {
      "Id": "Archive-old-logs",
      "Status": "Enabled",
      "Filter": {
        "Prefix": "logs/"
      },
      "Transitions": [
        {
          "Days": 30,
          "StorageClass": "STANDARD_IA"
        },
        {
          "Days": 90,
          "StorageClass": "GLACIER_IR"
        },
        {
          "Days": 365,
          "StorageClass": "DEEP_ARCHIVE"
        }
      ],
      "Expiration": {
        "Days": 2555
      }
    }
  ]
}

適用対象:

• ログファイル（30TB） → IA → Glacier
• バックアップ（15TB） → Glacier Instant Retrieval
• アーカイブ（5TB） → Deep Archive

結果

• 削減額: 月10万円削減（年間120万円）
• 削減率: 8%
• 所要時間: 2日（ポリシー設定のみ）

S3 Intelligent-Tieringの活用

2024年のおすすめ:

S3 Intelligent-Tiering:
- 自動でアクセスパターンを分析
- 最適なストレージクラスに自動移行
- モニタリング料金: $0.0025/1000オブジェクト（格安）

設定方法:

aws s3api put-bucket-intelligent-tiering-configuration \
  --bucket my-bucket \
  --id intelligent-tiering-rule \
  --intelligent-tiering-configuration \
    "Status=Enabled,Tierings=[{Days=30,AccessTier=ARCHIVE_ACCESS},{Days=90,AccessTier=DEEP_ARCHIVE_ACCESS}]"

---

施策5: 開発環境の自動停止（削減効果3-5%）

実施前の状況

• 開発環境: EC2 x 20台、RDS x 5台（24時間稼働）
• 使用時間: 平日9:00-21:00のみ（週60時間 / 168時間）
• 稼働率: 35%
• 月額コスト: 約40万円

実施内容

Lambda関数で自動停止/起動

import boto3

ec2 = boto3.client('ec2')
rds = boto3.client('rds')

def lambda_handler(event, context):
    # 開発環境タグがついているインスタンスを取得
    instances = ec2.describe_instances(
        Filters=[
            {'Name': 'tag:Environment', 'Values': ['development']},
            {'Name': 'instance-state-name', 'Values': ['running']}
        ]
    )

    instance_ids = [
        i['InstanceId']
        for r in instances['Reservations']
        for i in r['Instances']
    ]

    if instance_ids:
        ec2.stop_instances(InstanceIds=instance_ids)
        print(f'Stopped instances: {instance_ids}')

    # RDSも同様に停止
    db_instances = rds.describe_db_instances()['DBInstances']
    for db in db_instances:
        if 'Environment' in db.get('TagList', []):
            if db['Tag']['Value'] == 'development':
                rds.stop_db_instance(DBInstanceIdentifier=db['DBInstanceIdentifier'])

    return {
        'statusCode': 200,
        'body': f'Stopped {len(instance_ids)} instances'
    }

EventBridge（CloudWatch Events）でスケジュール実行

# 平日21:00に停止
aws events put-rule \
  --name stop-dev-instances \
  --schedule-expression "cron(0 12 ? * MON-FRI *)" \
  --state ENABLED

# 平日9:00に起動
aws events put-rule \
  --name start-dev-instances \
  --schedule-expression "cron(0 0 ? * MON-FRI *)" \
  --state ENABLED

結果

• 削減額: 月26万円削減（65%削減）
• 年間削減: 312万円
• 所要時間: 1週間（Lambda開発＋テスト）

応用: Instance Schedulerの活用

AWS公式ツール: Instance Scheduler

# CloudFormationでデプロイ
aws cloudformation create-stack \
  --stack-name instance-scheduler \
  --template-url https://s3.amazonaws.com/.../instance-scheduler.template \
  --parameters \
    ParameterKey=Schedule,ParameterValue="weekdays-9to21"

スケジュール例:

weekdays-9to21:
  起動: 月-金 9:00
  停止: 月-金 21:00

office-hours:
  起動: 月-金 8:00
  停止: 月-金 20:00
  タイムゾーン: Asia/Tokyo

---

コスト可視化ツールの選定と設定

ツール比較

ツール	コスト	特徴	おすすめ度
AWS Cost Explorer	無料	AWS公式、基本機能	⭐⭐⭐
AWS Cost and Usage Report	無料	詳細レポート、S3出力	⭐⭐⭐⭐
CloudHealth	$$$$	高機能、マルチクラウド	⭐⭐⭐⭐
Datadog Cloud Cost	$$$	インフラ監視と統合	⭐⭐⭐
Kubecost	$$	Kubernetes特化	⭐⭐⭐

私の推奨構成

1. AWS Cost and Usage Reportをベースに

# S3バケットにレポート出力
aws cur put-report-definition \
  --report-definition \
    ReportName=monthly-cost-report,\
    TimeUnit=HOURLY,\
    Format=Parquet,\
    Compression=Parquet,\
    S3Bucket=my-cost-reports,\
    S3Region=us-east-1,\
    S3Prefix=cur/

2. AthenaでSQLクエリ

-- 部門別コスト集計
SELECT
  line_item_usage_account_id,
  resource_tags_user_department AS department,
  SUM(line_item_blended_cost) AS cost
FROM cost_and_usage_report
WHERE year = '2024' AND month = '01'
GROUP BY 1, 2
ORDER BY cost DESC;

3. QuickSightでダッシュボード化

ダッシュボード構成:
- 月次コスト推移（折れ線グラフ）
- サービス別コスト（円グラフ）
- 部門別コスト（棒グラフ）
- 前月比増減（テーブル）

---

社内稟議を通すための説得資料

資料構成（10スライド）

スライド1: サマリー

タイトル: AWS運用コスト30%削減提案

現状: 月額300万円（年間3,600万円）
目標: 月額210万円（年間2,520万円）
削減額: 年間数百万円

投資: 数百万円（RI購入、移行費用）
回収期間: 5.5ヶ月

スライド2: 課題の可視化

【現状の3大課題】
1. コスト構造の不透明さ
   → どこで何にいくら使っているか不明

2. 無駄なリソースの放置
   → 使われていないインスタンス・スナップショットが大量

3. 最適化の欠如
   → オンデマンドのみ、スペック過剰

スライド3: 削減施策TOP5

1. RDS Rightsizing: 15-20%削減
2. Reserved Instance: 10-15%削減
3. ECS化: 8-低い割合削減
4. S3ライフサイクル: 5-8%削減
5. 開発環境停止: 3-5%削減

スライド4: ROI計算

初期投資: 数百万円
年間削減: 1,080万円
3年間削減: 3,240万円

ROI: 216%（3年間）
IRR: 52%
回収期間: 5.5ヶ月

スライド5: リスク分析

【リスク】
1. パフォーマンス劣化
   → 2週間の検証期間で事前確認

2. RI購入後の使用量減少
   → マーケットプレイスで売却可能

3. 移行時の障害
   → Blue/Greenデプロイで無停止移行

スライド6: 実施スケジュール

Month 1: S3ライフサイクル、開発環境停止（クイックwin）
Month 2: RDS Rightsizing（パフォーマンス検証）
Month 3: RI購入、ECS化開始
Month 4-6: ECS化完了、効果測定

経営層を説得するコツ

1. 財務指標で語る

   • ROI、IRR、NPV（正味現在価値）を計算
   • 「削減額」ではなく「利益貢献」として表現

2. クイックwinを見せる

   • まず簡単な施策（S3、開発環境停止）で10%削減
   • 「できる」実績を作ってから大きな投資を提案

3. 競合比較

   • 同業他社のクラウドコスト効率を調査
   • 「業界平均より20%高い」などのデータを提示

---

削減後の運用体制とモニタリング

1. コスト管理の組織体制

【体制図】
CTO（最終責任者）
  ↓
DX推進責任者（私）
  ↓
├ インフラチーム（実行）
├ 開発チーム（協力）
└ 財務チーム（予算管理）

2. 月次レビュー会議

開催頻度: 毎月第1営業日
参加者: CTO、DX推進責任者、インフラリーダー、財務担当

アジェンダ:

1. 前月コスト実績（予算比）
2. サービス別・部門別の増減分析
3. 異常コストのアラート確認
4. 今月の削減施策進捗
5. 来月の予算見通し

3. アラート設定

AWS Budgetsで予算管理

aws budgets create-budget \
  --account-id 123456789012 \
  --budget \
    BudgetName=monthly-aws-budget,\
    BudgetLimit={Amount=2100000,Unit=JPY},\
    TimeUnit=MONTHLY,\
    BudgetType=COST

CloudWatchアラートで異常検知

# 日次コストが前日比+20%の場合にアラート
Metric: EstimatedCharges
Statistic: Maximum
Period: 86400 # 1日
Threshold: 前日比+20%
Actions: SNS通知 → Slack連携

4. タグ付けルールの徹底

必須タグ:

Environment: production / staging / development
Department: engineering / marketing / sales
CostCenter: CC-001 / CC-002 / CC-003
Owner: email@example.com
Project: project-name

タグ付けの強制:

# Service Control Policy（SCP）でタグなしリソースの作成を禁止
{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Deny",
      "Action": [
        "ec2:RunInstances",
        "rds:CreateDBInstance",
        "s3:CreateBucket"
      ],
      "Resource": "*",
      "Condition": {
        "Null": {
          "aws:RequestTag/Environment": "true"
        }
      }
    }
  ]
}

---

まとめ：AWS削減の3つのポイント

1. 可視化なくして削減なし

• まずコスト構造を徹底的に可視化
• Cost and Usage Report + Athena + QuickSightで自動化
• タグ付けルールの徹底

2. クイックwinで信頼を得る

• 難易度の低い施策から着手（S3、開発環境停止）
• 1ヶ月で10%削減を実現
• 信頼を得てから大きな投資（RI、ECS化）を提案

3. 継続的な改善サイクル

• 月次レビュー会議で進捗確認
• 新サービス・新機能のキャッチアップ
• FinOpsの文化を組織に根付かせる

---

すぐに実践できる3ステップ

ステップ1: 現状把握（今日から）

1. AWS Cost Explorerで月次コスト推移を確認
2. サービス別・リージョン別のコスト内訳を分析
3. 上位10リソースを特定

ステップ2: クイックwin（今週中）

1. S3ライフサイクルポリシーを設定
2. 開発環境の自動停止をLambdaで実装
3. 不要なスナップショット・AMIを削除

ステップ3: 中長期施策（来月から）

1. RDS Rightsizingの検証開始
2. Reserved Instance / Savings Plansの購入計画
3. コンテナ化（ECS/EKS）の検討

---

著者について

DX・AI推進コンサルタント
大手企業グループのDX推進責任者・顧問CTO | 長年のIT・DXキャリア | AWS・GA4・生成AI活用を専門に実践ノウハウを発信中

➡️ お問い合わせ・ご相談はこちら

#AWS #コスト削減 #インフラ #DX推進 #クラウド最適化

---

最終更新: 2025年11月9日