Cloud Intelligence™Cloud Intelligence™

Diese Seite ist auch in English, Español, Français, Italiano, 日本語 und Português verfügbar.

Playgendary halbiert seine BigQuery-Kosten

Mit BigQuery Lens von DoiT erhält das Mobile-Game-Studio granulare Kostentransparenz und Query-Optimierung auf Google Cloud.

Cloud Intelligence™
Playgendary

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

Finlex

Finlex halbiert Cloud-Kosten und bringt KI mit DoiT in Produktion

Over 65%
Weniger Cloud-Infrastrukturkosten von 2024 bis heute
40%
Kosteneinsparungen durch bessere Transparenz und eine effiziente KI-Architektur
Hippo

Cloud-Kosten werden bei Hippo zum Hebel für die Teams

Minutes
Integrationsdauer von Attribute™ in AWS
Business unit
Erreichter Grad an Kostenverantwortung
Island

Island sieht die echten Kosten pro Kunde – ganz ohne Tagging

$5B
Unternehmensbewertung
Days
Zeit bis zu den ersten Insights
0
Benötigte Tags
Claroty

Claroty ordnet Kosten dank Attribute™ präzise einzelnen Kunden zu

1,000+
Geschützte Kunden weltweit
Days
Zeit bis zu den ersten granularen Kosten-Reports
Zero
Beeinträchtigung des Betriebs beim Deployment
SaaS Leader

Wertbasiertes AI-Pricing dank Kostenattribution auf Kundenebene

$1.3M
Umsatz mit negativer Marge aufgedeckt
~360
unprofitable Accounts identifiziert
$1.3M
aggregierte Verluste aufgedeckt
Salt Security

Salt Security standardisiert die COGS-Messung für bessere Margen und Preisgestaltung

1
Single Source of Truth für COGS
1
Standardisierte Single Source of Truth für COGS bei CFO und DevOps
0
Code- oder Tagging-Änderungen für die Integration von Attribute™
PropertyGuru

PropertyGuru macht aus dem Cloud-Kostenchaos echte Engineering-Verantwortung

Minutes
um Shared-Service-Rechnungen zu entschlüsseln (zuvor Stunden)
32M+
Monatlich betreute Immobiliensuchende
2 weeks
Vom Rollout bis zu umsetzbaren Erkenntnissen
Accrete AI

Vom Blindflug bei Cloud-Kosten zur klaren Sicht auf Produktmargen

$46K
Eingesparte monatliche Cloud-Kosten
$46K
Monatlich eingesparte Kosten
$63K → $17K
Monatliche Kostensenkung eines Service

What they say

Finlex

DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.

Milad Rezazadeh, CTO

Hippo

Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.

Eli Zilbershtein, Head of DevOps, Hippo

Island

You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.

Omri Cohen, Director of Engineering, Platform

Claroty

Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.

Jonathan Langer, COO, Claroty

Salt Security

Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.

Kfir Lippmann, CFO, Salt Security

PropertyGuru

Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.

Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru

Accrete AI

This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.

Jason Moore, Principal DevOps Engineer, Accrete AI

Akamai

Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.

Ziv Sivan, VP of Engineering

OneFootball

PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.

Andrea Benfatto, Platform/Cloud Runtime Engineering Manager

Raptive

Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.

Jon Fairbanks, Site Reliability Engineering Manager

Luma Health

PerfectScale cut 40% off our total EKS spend, and the automations handle what used to take our team 20 hours a month. Now we spend that time on reliability and performance instead of chasing cost metrics.

Caio Cristo, Director of Infrastructure/SRE

Luxury Escapes

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

Personio

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

Your cloud bill shouldn't be a mystery

Let us show you what ships this week.