Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
Playgendary divise par deux ses coûts BigQuery
BigQuery Lens de DoiT offre à ce studio de jeux mobiles une visibilité granulaire sur ses coûts et une optimisation au niveau de chaque requête sur Google Cloud.
The Challenge
Playgendary ne parvenait pas à obtenir facilement une vue granulaire de la répartition de ses coûts BigQuery. Pour une équipe de data engineers et d'analystes, analyser les données au niveau du job en SQL s'avérait bien trop chronophage. À cela s'ajoutaient des fluctuations de l'usage compute liées à des variables imprévisibles comme l'activité des joueurs ou la popularité des jeux, ce qui rendait l'achat de Committed Use Discounts particulièrement délicat.
The Solution
Playgendary a tiré parti de BigQuery Lens de DoiT pour comprendre la répartition de ses coûts et identifier les pistes d'optimisation. L'équipe s'est appuyée sur les recommandations personnalisées pour supprimer les tables inutilisées, et sur la fonctionnalité Explorer pour repérer les requêtes les plus coûteuses sans écrire une ligne de SQL. Elle a également collaboré avec les cloud architects de DoiT pour optimiser les coûts de stockage et mettre en place un commitment on-demand sur ses workloads compute, générant des économies sur Compute Engine.
Results
- Réduction de plus de 50 % des coûts BigQuery en un seul mois
- Visibilité accrue sur l'usage et les habitudes BigQuery de l'équipe
- 25 % d'économies sur Compute Engine sans renoncer à la flexibilité on-demand
BigQuery est un composant critique de notre infrastructure cloud, mais comprendre comment l'exploiter au mieux n'avait rien d'évident. Sans BigQuery Lens, je n'aurais jamais obtenu de tels résultats sur l'optimisation des coûts. Pouvoir explorer facilement dans le détail l'usage BigQuery de mon équipe, avec en prime des recommandations personnalisées, a vraiment simplifié notre démarche d'optimisation.
Mikhail Artyugin, Director of Business Intelligence, Playgendary
À propos de Playgendary
Avec plus de 3 milliards de téléchargements et 250 millions de joueurs mensuels, Playgendary connaît bien les enjeux de l'acquisition utilisateurs. Google BigQuery est un pilier de sa stratégie : le studio s'en sert pour mesurer l'efficacité de ses campagnes marketing.
Le défi
Playgendary multiplie les campagnes marketing pour générer des téléchargements et stimuler l'usage de ses jeux. Mikhail Artyugin dirige l'équipe BI, qui réalise des analyses de cohortes sur des critères variés (type d'appareil, date d'inscription, etc.), puis enrichit ces données avec les événements utilisateurs streamés dans BigQuery via Dataflow. BigQuery se montrait rapide et performant, mais Mikhail peinait à obtenir une vue fine de la répartition des coûts. Analyser les données au niveau du job en SQL était bien trop chronophage au quotidien.
Comprendre et optimiser les coûts BigQuery
Mikhail s'est appuyé sur BigQuery Lens pour comprendre la répartition des coûts et identifier les priorités d'optimisation. Les recommandations lui ont permis de repérer de grandes tables inutilisées, qu'il a supprimées. La fonctionnalité Explorer l'a aidé à identifier et optimiser les requêtes les plus coûteuses par table et par utilisateur, sans avoir à écrire lui-même la moindre requête. Une fois ces requêtes repérées, il a examiné leurs flux d'exécution dans la console BigQuery pour traquer les problèmes : JOINs mal construits, filtres prédicats manquants, etc.
Optimiser les économies sur Compute Engine
Pour optimiser sa dépense Compute Engine, Playgendary a collaboré avec DoiT sur un commitment on-demand pour ses workloads compute. Résultat : 25 % de dépense Compute Engine en moins, sans sacrifier la flexibilité tarifaire on-demand ni alourdir la charge opérationnelle. Mieux encore, ces économies sont au rendez-vous sans avoir à anticiper le succès futur des nouveaux jeux.
Stratégie d'optimisation du stockage
Mikhail a échangé avec Rajan Bhave, Senior Cloud Architect chez DoiT, pour évaluer les avantages et les limites du nouveau Physical Storage de BigQuery, avant de conclure que la bascule serait rentable. Cette collaboration a permis à l'équipe de prendre des décisions éclairées sur l'optimisation du stockage, en cohérence avec ses objectifs globaux de réduction des coûts.
Découvrez comment DoiT aide les équipes cloud à maîtriser leur dépense
Découvrez comment DoiT Cloud Intelligence aide les équipes à gagner en visibilité, en gouvernance et en unit economics sur l'ensemble de leurs environnements cloud.
More customer stories
Promptly économise 600 000 $ et livre son IA en quelques semaines
- $600K
- D'économies annuelles sur le cloud
- 3 months
- De temps d'ingénierie économisé
Extenda Retail réduit le gaspillage SSD et accélère l'IA
Monta franchit le cap des 250 000 points de recharge VE
- 250,000
- Points de recharge VE gérés dans le monde
Wicked Reports livre sa GenAI 3 mois plus tôt
- 3 months saved
- de temps de développement économisés grâce au Cloud Accelerator de DoiT
- 25% faster
- de délai prototype-production par rapport aux estimations internes
- $0 additional spend
- zéro dépense d'infrastructure additionnelle pendant la phase de prototype, grâce aux crédits AWS et à l'optimisation de DoiT
DaySmart
DaySmart livre une fonctionnalité IA en 90 jours
- 90 days
- Du POC au déploiement
- 90 days
- Du POC au déploiement sans aucun Engineer interne mobilisé
- 6x
- D'Engineers économisés en équivalent ressource
Vivaticket fait passer la création d'environnements AWS de 3 jours à 15 minutes
- 15min
- Création d'un environnement
- 15min
- Création d'un environnement (contre 3 jours auparavant)
- 20min
- Déploiement d'applications en mode immuable
Blumira passe SOC Auto-Focus à l'échelle sans dérive de coûts
Luxury Escapes économise plus de 10 000 $ par mois sur AWS
Promptly économise 600 000 $ et livre son IA en quelques semaines
- $600K
- D'économies annuelles sur le cloud
- 3 months
- De temps d'ingénierie économisé
Extenda Retail réduit le gaspillage SSD et accélère l'IA
Monta franchit le cap des 250 000 points de recharge VE
- 250,000
- Points de recharge VE gérés dans le monde
Wicked Reports livre sa GenAI 3 mois plus tôt
- 3 months saved
- de temps de développement économisés grâce au Cloud Accelerator de DoiT
- 25% faster
- de délai prototype-production par rapport aux estimations internes
- $0 additional spend
- zéro dépense d'infrastructure additionnelle pendant la phase de prototype, grâce aux crédits AWS et à l'optimisation de DoiT
DaySmart
DaySmart livre une fonctionnalité IA en 90 jours
- 90 days
- Du POC au déploiement
- 90 days
- Du POC au déploiement sans aucun Engineer interne mobilisé
- 6x
- D'Engineers économisés en équivalent ressource
Vivaticket fait passer la création d'environnements AWS de 3 jours à 15 minutes
- 15min
- Création d'un environnement
- 15min
- Création d'un environnement (contre 3 jours auparavant)
- 20min
- Déploiement d'applications en mode immuable
Blumira passe SOC Auto-Focus à l'échelle sans dérive de coûts
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.