Cómo Kargo descubrió un ahorro de $500K al año y logró un ROI de 5X con SELECT

SELECT aportó visibilidad inmediata de costos mediante un etiquetado exhaustivo de queries hasta el nivel de tarea de Airflow, lo que permitió atribuir costos con precisión en toda su infraestructura de warehouses consolidada. La interfaz intuitiva de la plataforma eliminó la fricción del análisis de costos, mientras que los Usage Groups permitieron monitorear costos agregados para los reportes a la dirección.

Kargo utiliza Snowflake desde sus inicios, lo que la convierte en una de las primeras empresas en adoptar la plataforma. Su arquitectura se centra en procesar enormes volúmenes de logs JSON sin procesar provenientes de los microservicios que operan su plataforma supply-side. La plataforma procesa datos de subastas y de resultados en canales publicitarios de web y CTV. Con años de experiencia en Snowflake, Kargo inicialmente gestionaba los costos separando warehouses: los logs de cada microservicio se procesaban en warehouses dedicados para poder desglosar los costos. Sin embargo, este enfoque resultó ineficiente en el uso de recursos.

Cuando Diana se unió hace tres años, la dirección estaba preocupada por los costos de Snowflake y trabajó con los RSAs de Snowflake para optimizar su configuración. La recomendación fue consolidar los warehouses para mejorar el uso de recursos. Si bien la consolidación mejoró la eficiencia al maximizar el uso de warehouses que ya estaban en ejecución, eliminó la posibilidad de desglosar los costos. Los equipos pasaron de tener visibilidad a nivel de microservicio a una sola cifra global sin insights granulares. Los RSAs de Snowflake proporcionaron dashboards básicos, pero resultaban insuficientes para el nivel de análisis necesario para optimizar sus pipelines de procesamiento complejos y de alto volumen.

La función Automated Savings de SELECT aportó valor al instante: redujo 30% los costos de warehousing de Looker sin que el equipo tuviera que hacer nada, y le dio a Kargo un ROI inmediato de 5X sobre SELECT. Esta reducción inmediata de costos no solo cubrió el costo de SELECT, sino que demostró el valor de la plataforma para identificar oportunidades de optimización que no eran visibles con los enfoques de monitoreo tradicionales.

El equipo de Kargo implementó un etiquetado exhaustivo de queries en sus pipelines, llegando hasta las tareas individuales de Airflow, para poder atribuir costos con precisión en toda su infraestructura de warehouses consolidada. Este etiquetado granular reveló de inmediato su pipeline de procesamiento más costoso: los eventos de bid requests, que costaban $500,000 al año, mucho más de lo previsto. Este hallazgo permitió tomar una decisión estratégica de arquitectura: mover su workload más costoso de Snowflake a Spark, cambiando por completo la forma de abordar sus operaciones más caras.

La función de Usage Groups de SELECT resolvió un desafío crítico de reporting al permitir agregar costos de múltiples pipelines y warehouses para los reportes ejecutivos. Con los Usage Groups, el equipo pudo agrupar workloads relacionados y entregar a la dirección costos agregados precisos, incluso cuando esos workloads abarcaban múltiples warehouses y pipelines de procesamiento. La dirección ahora podía obtener respuestas al instante a preguntas como "¿cuánto nos está costando todo este tema del targeting?"

SELECT permitió democratizar los insights de costos en todo el equipo de data engineering, de modo que cada Engineer pudiera dar seguimiento por su cuenta al impacto de sus optimizaciones. Esta capacidad de autoservicio transformó la forma en que el equipo abordaba el trabajo de optimización: el impacto en costos se volvió visible y medible para cada colaborador, sin depender de un análisis centralizado. Cuando el equipo emprendió una refactorización sistemática de sus pipelines de datos, SELECT aportó una visibilidad clave del antes y el después que les permitió medir el éxito de las optimizaciones.