The Challenge
Playgendary konnte nur schwer im Detail nachvollziehen, wie sich die BigQuery-Kosten zusammensetzen. Mit einem Team aus Data Engineers und Analysten war die Auswertung von Job-Level-Daten per SQL schlicht zu zeitaufwendig. Hinzu kam eine schwankende Compute-Nutzung durch schwer kalkulierbare Faktoren wie Nutzeraktivität und Spielbeliebtheit – was den Einkauf von Committed Use Discounts erschwerte.
The Solution
Playgendary setzte BigQuery Lens von DoiT ein, um Kostenstrukturen zu durchleuchten und Optimierungspotenziale zu erkennen. Über personalisierte Empfehlungen entfernte das Team ungenutzte Tabellen, und mit dem Explorer-Feature ließen sich teure Queries aufspüren – ganz ohne eigenes SQL. Gemeinsam mit den Cloud Architects von DoiT optimierte Playgendary außerdem die Storage-Kosten und setzte ein On-Demand-Commitment für Compute workloads um, das zu Einsparungen bei Compute Engine führte.
Results
- BigQuery-Kosten in nur einem Monat um über 50 % gesenkt
- Deutlich mehr Transparenz über BigQuery-Nutzung und Verhaltensmuster im Team
- 25 % Einsparung bei Compute Engine ohne Einbußen bei der On-Demand-Flexibilität
BigQuery ist ein zentraler Baustein unserer Cloud-Infrastruktur – aber zu verstehen, wie wir es optimaler einsetzen können, war eine echte Herausforderung. Ohne BigQuery Lens hätten wir bei der Kostenoptimierung keine nennenswerten Ergebnisse erzielt. Der einfache Drill-down in die BigQuery-Nutzung meines Teams und die personalisierten Empfehlungen haben es uns wirklich leicht gemacht, unseren Einsatz zu optimieren.
Mikhail Artyugin, Director of Business Intelligence, Playgendary
Das ist Playgendary
Als Mobile-Game-Entwickler mit über 3 Milliarden Installationen und 250 Millionen monatlich aktiven Spielern weiß Playgendary, wie User Acquisition funktioniert. Eine zentrale Rolle spielt dabei Google BigQuery, mit dem das Unternehmen die Wirksamkeit seiner Marketingkampagnen bewertet.
Die Herausforderung
Playgendary startet zahlreiche Marketingkampagnen, um Downloads und die Nutzung der Spiele zu steigern. Mikhail Artyugin leitet das BI-Team und führt Kohortenanalysen anhand verschiedener Faktoren wie Gerätetyp und Registrierungsdatum durch, angereichert um User-Event-Daten, die per Dataflow in BigQuery gestreamt werden. BigQuery lief schnell und performant, doch Mikhail konnte nur schwer nachvollziehen, wie sich die Kosten im Detail zusammensetzen. Die Auswertung von Job-Level-Daten per SQL war für den regelmäßigen Einsatz schlicht zu zeitaufwendig.
BigQuery-Kosten verstehen und optimieren
Mikhail nutzte BigQuery Lens, um die Kostenstruktur zu durchdringen und Optimierungsprioritäten zu setzen. Anhand der Empfehlungen spürte er große, ungenutzte Tabellen auf und entfernte sie. Mit dem Explorer-Feature identifizierte und optimierte er die teuersten Queries pro Tabelle und Nutzer, ohne selbst Abfragen schreiben zu müssen. Anschließend prüfte er die Ausführungspläne in der BigQuery-Konsole und deckte so Probleme wie ungünstige JOINs oder fehlende Prädikatfilter auf.
Einsparungen bei Compute Engine
Um die Compute-Engine-Ausgaben zu optimieren, erarbeitete Playgendary gemeinsam mit DoiT ein On-Demand-Commitment für Compute workloads. So senkte das Unternehmen die Gesamtkosten für Compute Engine um 25 % – ohne Einbußen bei der On-Demand-Preisflexibilität und ohne zusätzlichen operativen Aufwand. Das Beste daran: Diese Einsparungen lassen sich realisieren, ohne den künftigen Erfolg neuer Spiele vorhersagen zu müssen.
Strategie zur Storage-Optimierung
Mikhail arbeitete eng mit Rajan Bhave, Senior Cloud Architect bei DoiT, zusammen, um die Vor- und Nachteile des neuen Physical Storage von BigQuery abzuwägen, bevor sich das Team für den Wechsel entschied. Die enge Zusammenarbeit ermöglichte fundierte Entscheidungen zur Storage-Optimierung und trug maßgeblich zu den übergeordneten Sparzielen bei.
So hilft DoiT Cloud-Teams, ihre Ausgaben im Griff zu behalten
Erfahren Sie, wie DoiT Cloud Intelligence Teams dabei unterstützt, Transparenz, Governance und Unit Economics in Cloud-Umgebungen zu verbessern.
More customer stories
Promptly spart 600.000 $ und bringt KI in Wochen live
- $600K
- Jährliche Cloud-Kosteneinsparungen
- 3 months
- Eingesparte Engineering-Zeit
Extenda Retail senkt SSD-Waste und beschleunigt AI
Monta skaliert auf über 250.000 EV-Ladepunkte
- 250,000
- Weltweit verwaltete EV-Ladepunkte
Wicked Reports bringt GenAI 3 Monate früher live
- 3 months saved
- Entwicklungszeit gespart mit dem DoiT Cloud Accelerator
- 25% faster
- Zeit vom Prototyp zur Produktion gegenüber internen Schätzungen
- $0 additional spend
- keine zusätzlichen Infrastrukturkosten beim Prototypenbau – dank AWS-Credits und DoiT-Optimierung
DaySmart
DaySmart launcht KI-Funktion in 90 Tagen
- 90 days
- Vom POC zum Deployment
- 90 days
- Vom POC zum Deployment ohne interne Engineering-Zeit
- 6x
- Eingesparte Engineers-Ressourcen
Vivaticket verkürzt das Aufsetzen von AWS-Umgebungen von 3 Tagen auf 15 Minuten
- 15min
- Zeit für neue Umgebungen
- 15min
- Bereitstellungszeit neuer Umgebungen (statt zuvor 3 Tage)
- 20min
- Application-Deployment im Immutable-Modus
Blumira skaliert SOC Auto-Focus mit voller Kostenkontrolle
Luxury Escapes spart über 10.000 $ pro Monat auf AWS
Promptly spart 600.000 $ und bringt KI in Wochen live
- $600K
- Jährliche Cloud-Kosteneinsparungen
- 3 months
- Eingesparte Engineering-Zeit
Extenda Retail senkt SSD-Waste und beschleunigt AI
Monta skaliert auf über 250.000 EV-Ladepunkte
- 250,000
- Weltweit verwaltete EV-Ladepunkte
Wicked Reports bringt GenAI 3 Monate früher live
- 3 months saved
- Entwicklungszeit gespart mit dem DoiT Cloud Accelerator
- 25% faster
- Zeit vom Prototyp zur Produktion gegenüber internen Schätzungen
- $0 additional spend
- keine zusätzlichen Infrastrukturkosten beim Prototypenbau – dank AWS-Credits und DoiT-Optimierung
DaySmart
DaySmart launcht KI-Funktion in 90 Tagen
- 90 days
- Vom POC zum Deployment
- 90 days
- Vom POC zum Deployment ohne interne Engineering-Zeit
- 6x
- Eingesparte Engineers-Ressourcen
Vivaticket verkürzt das Aufsetzen von AWS-Umgebungen von 3 Tagen auf 15 Minuten
- 15min
- Zeit für neue Umgebungen
- 15min
- Bereitstellungszeit neuer Umgebungen (statt zuvor 3 Tage)
- 20min
- Application-Deployment im Immutable-Modus
Blumira skaliert SOC Auto-Focus mit voller Kostenkontrolle
What they say
What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.
Chiamaka Ibeme, Engineering Manager, Platform
SELECT has made important cost data readily accessible. I will often pull it up during engineering design reviews so we can quickly evaluate cost impact and projections and factor that into our design decisions.
Douglas Zickuhr, Senior Data Platform Engineer at Personio
I love clicking through SELECT to understand how our environment and workloads are evolving. I probably check it every day. It's coffee and SELECT for me every morning.
Ian Fahey, Senior Analytics Engineer at Loop
You guys have the best UI experience that I've had of any software. It's like you just read my mind where, like, oh, I wish I could click there. Oh, I can
Diana Koshy, Sr. Director of Data Engineering at Kargo
SELECT feels like exactly what Paul and I would have built if we had locked ourselves in a room for 18 months to create our ideal monitoring solution.
Devin McGee, Data Engineering Lead at Home Chef
SELECT dramatically lowers the cognitive load to understanding Snowflake costs. I'm able to sit there and easily understand what's driving the cost. Not to blow smoke up your ass, but it's just so easy to do in your platform
Blake Baggett, Head of Data Operations at Entain
One of the most helpful cost rituals we've setup from SELECT is the weekly spend digest sent to Slack. I can start high level and ensure things are in check. If not, I can very quickly drill down into specific workloads which may have driven the cost spike and remediate them before they become a bigger issue.
Michael Revelo, Manager of data and analytics engineering at ClickUp
Through SELECT's automated savings feature and deep cost visibility, we were able to instantly lower our Snowflake spend by over 40% and achieve a 20X ROI on our SELECT investment.
Skyler Chi, SVP, GTM Productivity & Excellence at Exiger
Our costs had jumped up 3X as we scaled, so we're talking about 60% savings in Snowflake spend after adopting SELECT.
Edward Mancey, GTM Lead at Synthesia
DoiT was a true partner, not a vendor. They helped us understand the problem, refine the vision, and build something production-ready far faster than we could have on our own. Their expertise, responsiveness, and commitment made all the difference.
Dr. Anish Kapur, Founder & CEO, Promptly
DoiT's Customer Success and Forward Deployed Engineering teams work very closely with us. The regular sessions with our CSM keep us focused on the right priorities, and the FDEs provide the deep technical guidance we need to validate decisions and optimize our environment. That combination has been genuinely valuable for us.
Alexander Lundberg Santos, Platform Engineer at Extenda Retail
Every customer has unique usage patterns. Manual resource optimization simply didn't scale—we needed automation to ensure every customer, regardless of size, had right-sized infrastructure without consuming our team's capacity.
Brad Quinn, Lead Platform Engineer, PlayHQ
PerfectScale allowed us to grow capacity without growing cost. We effectively absorbed 30% more usage for free.
Thomas Comtet, Senior Staff Engineer, SNCF
Your cloud bill shouldn't be a mystery
Let us show you what ships this week.