Wie Personio bei der Skalierung von Snowflake auf über 280 Nutzer Kostenbewusstsein verankerte

SELECT schaffte über Usage Groups und die dbt-Integration sofort Transparenz darüber, wie sich die Kosten auf Personios verschiedene Analytics-Bereiche verteilen. Die intuitive Oberfläche machte formale Schulungen überflüssig, sodass die Teams kostenbewusste Arbeitsweisen schnell verinnerlichten. Automatisierte Slack-Alerts und gespeicherte Views vereinfachten das laufende Kostenmonitoring, während das Insights-Feature regelmäßig Quick-Win-Einsparpotenziale aufzeigt.

Personio betreibt einen modernen Data Stack mit Snowflake als zentralem Warehouse, das sowohl interne Analytics als auch kundenseitige Features unterstützt. Über 280 direkte Snowflake-Nutzer aus Analytics Engineering, Data Science und Machine Learning arbeiten auf der Plattform – sie speist alles vom HR-Dashboard bis hin zu KI-gestützten Insights. Vor SELECT war das Kostenmanagement fragmentiert und manuell. Teams führten unterschiedliche Abfragen der Snowflake-Metadaten aus, werteten die Ergebnisse in Google Sheets aus und taten sich schwer, Zusammenhänge zwischen Workloads und Ausgaben herzustellen.

Mit dem steigenden Snowflake-Verbrauch erkannte Douglas, dass ein proaktives Kostenmanagement nötig war. Das Unternehmen bereitete sich auf weiteres Wachstum vor und brauchte Transparenz, bevor die Kosten zum geschäftlichen Thema würden. Die Einführung von SELECT verlief reibungslos und kam ohne formale Schulungen aus. Dank des intuitiven Designs konnten die Teams die Funktionen zur Kostentransparenz sofort produktiv nutzen.

SELECT hat verändert, wie Personio die Snowflake-Kosten steuert. Über Usage Groups ließen sich die Kosten präzise auf die Analytics-Bereiche der einzelnen Abteilungen verteilen – Engineering, Customer Experience und Sales. Die automatisierten Slack-Alerts haben eine Kultur des Kostenbewusstseins geprägt. Sobald Alerts teure Workloads sichtbar machten, sprachen die Teams proaktiv über Optimierungsmöglichkeiten. Seit der Einführung von SELECT sind Kosten ein zentrales Thema in Engineering-Diskussionen.

Ein besonderer Erfolg ergab sich aus der dbt-Integration und der DAG-Visualisierung von SELECT. Das Team identifizierte Engpässe in der morgendlichen Datenpipeline und passte das Warehouse-Sizing an – die Laufzeit sank um 60 %. Durch wöchentliche Reviews in SELECT kann das Analytics-Engineering-Team neue Datenmodelle zügig prüfen und den ROI seiner Datenprodukte fundiert bewerten.

Während Personio die eigene KI-Plattform weiter ausbaut und Snowflake Cortex evaluiert, bleibt SELECT zentraler Baustein der Kostenoptimierungsstrategie – für positiven ROI und ein proaktives Monitoring der KI-Investitionen. Bei engen Zeitfenstern für die morgendlichen Daten und wachsenden ML-Workloads sorgt SELECT für optimale Performance und Kosteneffizienz – auch wenn die Plattform weiter skaliert.