Como a Kargo identificou uma oportunidade de economia de US$ 500 mil/ano e entregou 5X de ROI com o SELECT

O SELECT trouxe visibilidade imediata de custos com query tagging abrangente até o nível de tarefa do Airflow, permitindo atribuição precisa de custos em toda a infraestrutura consolidada de warehouses. A interface intuitiva da plataforma tirou o atrito da análise de custos, enquanto os usage groups viabilizaram o monitoramento agregado para os relatórios da liderança.

A Kargo usa o Snowflake desde o início da plataforma e está entre seus primeiros adotantes. A arquitetura é centrada no processamento de grandes volumes de logs JSON brutos vindos dos microsserviços que sustentam as operações da supply-side platform. A plataforma processa dados de leilão e de resultado nos canais de publicidade web e CTV. Como usuária madura do Snowflake, a Kargo inicialmente controlava os custos separando warehouses — logs de cada microsserviço processados em warehouses dedicados para facilitar o detalhamento de custos. Só que essa abordagem se mostrou ineficiente do ponto de vista do uso de recursos.

Quando Diana entrou na empresa, há três anos, a liderança estava preocupada com os custos do Snowflake e trabalhou junto com os RSAs da Snowflake para otimizar o setup. A recomendação foi consolidar os warehouses para melhorar o uso dos recursos. A consolidação realmente aumentou a eficiência ao maximizar o uso dos warehouses já em execução, mas eliminou a possibilidade de ver o detalhamento de custos. Os times saíram da visibilidade por microsserviço e passaram a enxergar apenas um valor total único, sem nenhum insight granular. Os RSAs da Snowflake forneceram dashboards básicos, mas eles não davam conta do nível de análise necessário para otimizar pipelines de processamento complexos e de alto volume.

O recurso Automated Savings do SELECT gerou valor instantâneo, reduzindo em 30% os custos de warehousing do Looker da Kargo sem exigir nenhum esforço do time e entregando 5X de ROI imediato sobre o SELECT. Essa redução não só pagou o SELECT como mostrou na prática o valor da plataforma em revelar oportunidades de otimização que passavam despercebidas em abordagens tradicionais de monitoramento.

O time da Kargo implementou query tagging abrangente em todos os pipelines, descendo até as tarefas individuais do Airflow para permitir atribuição precisa de custos em toda a infraestrutura consolidada de warehouses. Esse tagging granular escancarou de imediato o pipeline mais caro: os eventos de bid request, que custavam US$ 500.000 por ano — muito mais do que se imaginava. Esse insight viabilizou uma decisão estratégica de arquitetura: tirar o workload mais caro do Snowflake e levá-lo para processamento em Spark, mudando de vez a forma de lidar com as operações de maior custo.

O recurso de usage groups do SELECT resolveu um desafio crítico de reporte ao permitir agregar custos entre múltiplos pipelines e warehouses para relatórios executivos. Os usage groups permitiram ao time agrupar workloads relacionados e entregar custos agregados precisos para a liderança, mesmo quando esses workloads passavam por vários warehouses e pipelines de processamento. A liderança passou a ter respostas instantâneas a perguntas como "quanto está custando essa história toda de targeting?"

O SELECT democratizou os insights de custo em todo o time de data engineering, permitindo que cada engenheiro acompanhasse o impacto das próprias iniciativas de otimização de forma independente. Esse modelo self-service transformou a forma como o time encarava o trabalho de otimização: o impacto de custo passou a ser visível e mensurável para cada pessoa, em vez de depender de uma análise centralizada. À medida que o time conduzia um refactoring sistemático dos pipelines de dados, o SELECT entregou a visibilidade essencial de antes e depois para medir o sucesso de cada otimização.