{"templateName":"blog-page","cssClassNames":"blog-page page basicpage summit-page","allowedRenditionsWidth":["320","480","640","768","960","1200","1440","1920"],"language":"it","description":"Scopri come Whatnot ha sfruttato observability, analisi dei dati basata su AI e monitoraggio in tempo reale in Snowflake per sostenere l’iper-crescita e accelerare le decisioni.","title":"Observability su larga scala: Whatnot allo Snowflake Summit","analyticsPageType":"homepage","analyticsCategory":"general","analyticsSubCategory":"","excludeFromAnalytics":false,":mappedPath":"/it/blog/observability-at-scale-whatnot-snowflake-summit/",":type":"snowflake-site/components/structure/page",":items":{"root":{"columnCount":12,"columnClassNames":{"experiencefragment-banner":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-sub-header":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-pre-footer":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-header":"aem-GridColumn aem-GridColumn--default--12","markup_editor-table":"aem-GridColumn aem-GridColumn--default--12","responsivegrid":"aem-GridColumn aem-GridColumn--default--12","experiencefragment-footer":"aem-GridColumn aem-GridColumn--default--12","markup_editor":"aem-GridColumn aem-GridColumn--default--12","container_47873732":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"experiencefragment-banner":{"id":"experiencefragment-c8fa1ed380","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/en/site/pushdown-banner/pushdown-banner-blank.xfmodel.json"},"experiencefragment-header":{"id":"experiencefragment-940dc564af","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/mega-nav-header/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/mega-nav-header/master.xfmodel.json","languageNavPath":"/content/snowflake-site/global/it/blog/observability-at-scale-whatnot-snowflake-summit.languagenav.json","appliedCssClassNames":"snowflake-sticky-nav-host"},"experiencefragment-sub-header":{"id":"experiencefragment-4a62985b93","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/sub-navigation/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/sub-navigation/master.xfmodel.json"},"responsivegrid":{"columnCount":12,"columnClassNames":{"container_breadcrumb":"aem-GridColumn aem-GridColumn--default--12","container_main_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12",":items":{"container_breadcrumb":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"breadcrumb":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"blog-page-breadcrumb-indentation",":type":"snowflake-site/components/container",":items":{"breadcrumb":{"id":"breadcrumb-abc2a23104","breadcrumbItems":[{"title":"Blog","path":"/it/blog/","active":false},{"title":"Retail e beni di consumo","active":false},{"title":"Snowflake Summit 2026: come Whatnot ha trasformato la crescita esplosiva in insight aziendali concreti","path":"/it/blog/observability-at-scale-whatnot-snowflake-summit/","active":false}],":type":"snowflake-site/components/blog/breadcrumb"}},":itemsOrder":["breadcrumb"],"appliedCssClassNames":"snowflake-container"},"container_main_content":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_container":"aem-GridColumn aem-GridColumn--default--12","related_content":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"main-content",":type":"snowflake-site/components/container",":items":{"flexible_column_container":{"id":"flexible-column-container-5d56262b72","propertiesId":"snowflake-blog-template-main-container","type":"2-column-60-40","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"none","bottomPadding":"none","spaceBetween":"none","reverseOnMobile":true,"carouselOnMobile":false,"backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-0bc27892f8",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"container_hero":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"blog_hero":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-df4a9e6cfd",":type":"snowflake-site/components/container",":items":{"blog_hero":{"id":"blog-hero-3bea77219d","linkedInShareUrl":"https://www.linkedin.com/shareArticle?mini=true&url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fit%2Fblog%2Fobservability-at-scale-whatnot-snowflake-summit&title=Snowflake+Summit+2026%3A+come+Whatnot+ha+trasformato+la+crescita+esplosiva+in+insight+aziendali+concreti","twitterShareUrl":"https://x.com/intent/post?url=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fit%2Fblog%2Fobservability-at-scale-whatnot-snowflake-summit&text=Snowflake+Summit+2026%3A+come+Whatnot+ha+trasformato+la+crescita+esplosiva+in+insight+aziendali+concreti","facebookShareUrl":"https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fwww.snowflake.com%2Fcontent%2Fsnowflake-site%2Fglobal%2Fit%2Fblog%2Fobservability-at-scale-whatnot-snowflake-summit","showClaude":true,"showChatGpt":true,"authors":[{"authorImage":{"id":"image-bc9a4e6e61","height":"300","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--58fcdd92-5817-4e66-aee3-74b67cee92fb/alice-leach-1778183132503001necb.jpg?preferwebp=true&quality=85","alt":"Alice Leach","lazyEnabled":true,"width":"300",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-ff75bcf5c9","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/alice-leach/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Alice Leach"}},{"authorImage":{"id":"image-06cdb813fa","height":"1349","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--1d9773f9-daec-411d-8755-2ef702327fd5/amarrujofornacasq.png?preferwebp=true&quality=85","alt":"Untitled design - 1","lazyEnabled":true,"width":"1080",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-f3d131a7ff","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/angela-marrujo-fornaca/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Angela Marrujo Fornaca"}},{"authorImage":{"id":"image-2a072e5cab","height":"558","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--0ae9fbe7-cad5-4e51-8684-71c9e2629fd4/evan-hou.png?preferwebp=true&quality=85","alt":"Evan Hou","lazyEnabled":true,"width":"558",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-fce8d8c881","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/evan-hou/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Evan Hou"}},{"authorImage":{"id":"image-226149f693","height":"288","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--5fc24974-03b5-41b8-a8c3-162312c1fa04/stephen-bailey.jpg?preferwebp=true&quality=85","alt":"Stephen Bailey","lazyEnabled":true,"width":"288",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-088ada148c","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/stephen-bailey/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Stephen Bailey"}},{"authorImage":{"id":"image-b9e718a1ed","height":"4000","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--bcb05a13-c33c-435b-8d04-a0581f44e1c8/vaishnavi-venkatesan.jpg?preferwebp=true&quality=85","alt":"Vaishnavi Venkatesan","lazyEnabled":true,"width":"6016",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-6ac689e388","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/vaishnavi-venkatesan/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Vaishnavi Venkatesan"}}],"image":{"id":"image-16927e8d36","height":"720","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--cb7b2eeb-e8ae-42cc-afdd-2cbb10f182d3/blog-snowflake-whatnot-1680x720.png?preferwebp=true&quality=85","alt":"Snowflake x Whatnot","lazyEnabled":true,"width":"1680",":type":"snowflake-site/components/image"},"timeToRead":"8","publicationDate":"JUL 27, 2026","tag":{"tagText":"Retail e beni di consumo","tagColor":"#29B5E8"},"title":{"lines":["Snowflake Summit 2026: come Whatnot ha trasformato la crescita esplosiva in insight aziendali concreti"],"type":"heading2",":type":"snowflake-site/components/title-v2"},":type":"snowflake-site/components/blog/blog-hero"}},":itemsOrder":["blog_hero"]},"responsivegrid_content":{"columnCount":12,"columnClassNames":{"blog_text":"aem-GridColumn aem-GridColumn--default--12","premium_content_bann":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","appliedCssClassNames":"snowflake-layout-container-inner-padding-small",":items":{"blog_text":{"id":"blog-text-aabc01b660","text":"\u003Cp\u003ETi chiedi mai cosa succede\u003Ci\u003E realmente\u003C/i\u003E all’interno di una gigantesca piattaforma dati in un determinato istante?\u003C/p\u003E\r\n\u003Cp\u003EPer molte aziende, l’infrastruttura dati funziona come una scatola nera. Milioni di data point entrano, query complesse vengono eseguite e ne escono report. Ma quando le prestazioni rallentano, i costi si impennano o una dashboard critica si svuota, individuare la causa principale può sembrare un brancolare nel buio.\u003C/p\u003E\r\n\u003Cp\u003EPer fare luce su questa sfida, la piattaforma di live shopping \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.whatnot.com/?srsltid=AfmBOopUWw3FqUqWP6zSjpnGqcIzDQ94_MH9Ek4XaMkxM_i89-_icEol\"\u003EWhatnot\u003C/a\u003E è salita sul palco con Snowflake allo \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://reg.snowflake.com/flow/snowflake/summit26/sessions/page/catalog/session/1768514412651001NaiB\"\u003ESnowflake Summit 2026\u003C/a\u003E. Insieme hanno delineato un nuovo modello per l’azienda moderna: uno che unisce una leggendaria storia di iper-crescita ad analisti AI automatizzati e a un monitoraggio della piattaforma di assoluta chiarezza. Questa partnership dimostra come gli strumenti dati moderni mantengano le esperienze dei clienti fluide, affidabili e completamente visibili, anche a fronte di una domanda massiccia e in tempo reale.\u003C/p\u003E\r\n\u003Ch2\u003ELa realtà dell’iper-crescita: miliardi di eventi, zero margine di errore\u003C/h2\u003E\r\n\u003Cp\u003EWhatnot ha conquistato uno slancio internazionale come uno dei marketplace in più rapida crescita di sempre, superando nei suoi primi anni le traiettorie storiche di giganti dell’ecommerce come eBay e Amazon. Oggi è la principale piattaforma di live shopping in Nord America, Regno Unito, Australia ed Europa.\u003C/p\u003E\r\n\u003Cp\u003EQuesti dati evidenziano la scala straordinaria delle sue attività e l’enorme volume gestito dalla sua infrastruttura dati:\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E8 miliardi di dollari generati\u003C/b\u003E in gross merchandise volume (GMV) globale live nel 2025\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003Eoltre 20 milioni di nuovi account\u003C/b\u003E aggiunti su tutti i mercati nel 2025\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003Eun aumento del 285% su base annua\u003C/b\u003E di acquirenti al primo acquisto nel 2025\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003Eoltre 550.000 ore di livestream\u003C/b\u003E ospitate ogni singola settimana, con spettatori attivi che trascorrono in media \u003Cb\u003Eoltre 95 minuti al giorno\u003C/b\u003E sull’app\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003Elo stream di live shopping più grande nella storia degli Stati Uniti\u003C/b\u003E, ospitato nel 2026, con \u003Cb\u003E583.000 spettatori simultanei\u003C/b\u003E e \u003Cb\u003E555.000 utenti\u003C/b\u003E che hanno partecipato allo stesso giveaway nello stesso momento\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ul\u003E\r\n\u003Cp\u003EDietro le quinte, offerte alle aste, messaggi in chat e transazioni generano ogni giorno miliardi di data point. Tutti questi dati convergono in Snowflake per alimentare l’esperienza utente immediata.\u003C/p\u003E\r\n\u003Cp\u003E“In Whatnot i dati non servono solo per i report storici: guidano l’esperienza live dell’app”, spiega Alice Leach, Engineering Manager di Whatnot. “Se un cliente acquista un articolo durante un livestream, i nostri algoritmi di machine learning devono consigliare prodotti correlati in pochi minuti, non giorni. Se subiamo un ritardo nei dati, l’impatto ricade direttamente su acquirenti e venditori.”\u003C/p\u003E\r\n\u003Cp\u003EIn origine, Whatnot gestiva tutte queste informazioni tramite un unico team dati centralizzato che utilizzava dbt. Ma con l’esplosione dell’azienda, questa configurazione è diventata un grosso collo di bottiglia. Per risolvere il problema, Whatnot è passata a un data stack modulare. Grazie all’infrastructure as code (IaC), le singole business unit (come la prevenzione delle frodi o l’analisi dei fornitori) hanno ottenuto l’indipendenza necessaria per attivare on demand i propri warehouse Snowflake dedicati e gestire le proprie pipeline.\u003C/p\u003E\r\n\u003Cp\u003ELa decentralizzazione ha eliminato i blocchi organizzativi, ma ha creato un nuovo rompicapo: come dare ai team completa libertà di gestire le proprie pipeline di dati mantenendo al contempo visibilità totale, controllo dei costi e qualità delle prestazioni sull’intera azienda?\u003C/p\u003E\r\n\u003Ch2\u003ELa soluzione AI: dalle richieste di dati all’analisi dei dati conversazionale\u003C/h2\u003E\r\n\u003Cp\u003ELa decentralizzazione dell’infrastruttura ha aiutato il lato ingegneristico, ma ha messo in luce un collo di bottiglia umano: i data scientist. Mentre i business leader si affrettavano a prendere decisioni rapide e quotidiane, i data scientist restavano intrappolati in un ciclo infinito di risposte a domande estemporanee sui dati via Slack.\u003C/p\u003E\r\n\u003Cp\u003EPer muoversi “a una velocità quasi scomoda”, Whatnot ha capito di dover abbassare le barriere d’accesso, così che chiunque potesse accedere ai dati alla velocità di digitazione.\u003C/p\u003E\r\n\u003Ch3\u003EL’evoluzione dell’analista virtuale\u003C/h3\u003E\r\n\u003Cp\u003EIl percorso di Whatnot verso l’analisi dei dati su larga scala si è sviluppato in tre fasi:\u003C/p\u003E\r\n\u003Col\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2024 (lo Slackbot rigido):\u003C/b\u003E Whatnot ha creato un bot Slack basato sull’AI (@databot) per generare automaticamente query SQL. Pur riuscendo a gestire richieste semplici, richiedeva molta manutenzione e una verifica umana continua.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2025 (strumenti decentralizzati):\u003C/b\u003E L’azienda ha integrato le \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/en/blog/engineering/native-semantic-views-ai-bi/\"\u003Esemantic view di Snowflake\u003C/a\u003E in app multiuso come Sigma e Glean. Abbinando Snowflake a un LLM avanzato e leader di mercato, nei test interni di Whatnot l’accuratezza text-to-SQL ha superato il 90%, ma all’ecosistema mancava una “porta d’ingresso” coesa.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003E2026 (l’era dell’analisi dei dati agentica):\u003C/b\u003E Whatnot ha lanciato Hex Threads, un data companion personalizzato powered by \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/en/developers/guides/getting-started-with-cortex-agents/\"\u003ESnowflake Cortex Agents\u003C/a\u003E. Invece di obbligare gli utenti a sapere esattamente dove risiede una tabella del database o come eseguire il debug di un errore SQL, l’AI analizza in sicurezza la rete dei dati per agire come assistente conversazionale.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ol\u003E\r\n\u003Ch3\u003EL’impatto sul business\u003C/h3\u003E\r\n\u003Cp\u003EIl passaggio da estrazioni di dati macchinose e manuali all’AI agentica ha trasformato completamente la cultura interna dell’azienda:\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EAdozione diffusa:\u003C/b\u003E entro 90 giorni dal lancio, \u003Cb\u003Eoltre l'80% degli oltre 1.000 dipendenti di Whatnot\u003C/b\u003E utilizzava attivamente la soluzione agentica.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EAccesso universale:\u003C/b\u003E 17 diversi reparti aziendali hanno raggiunto il \u003Cb\u003E100% di utilizzo attivo\u003C/b\u003E. Team come performance marketing, talent acquisition e business operations sono diventati completamente autonomi.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EAnalisi strategica più approfondita:\u003C/b\u003E invece di limitarsi a estrarre elenchi statici, i team utilizzano l’AI conversazionale per lavori complessi, come il monitoraggio dei trend settimanali internazionali, l’abbinamento di campi dati disordinati e la creazione di modelli di previsione del churn dei venditori.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EIterazione rapida sull’analisi di business e di prodotto:\u003C/b\u003E ciò che in passato richiedeva richieste di dati estemporanee pianificate con settimane di anticipo è stato compresso in dati disponibili alla velocità di digitazione. Questo riduce drasticamente l’attrito tecnico, permettendo ai team di prodotto di eseguire controlli sull’esecuzione delle query SQL, testare la logica di generazione dei feed e iterare rapidamente sui modelli predittivi (come il churn dei venditori) senza attendere le code dell’engineering.\u003Cbr\u003E\r\n \u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ul\u003E\r\n\u003Ctable\u003E\r\n\u003Ctbody\u003E\u003Ctr\u003E\u003Ctd colspan=\"2\"\u003E\u003Cp\u003E\u003Cb\u003EI dati che i dipendenti di Whatnot chiedono agli agenti di recuperare\u003C/b\u003E\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EArgomento di business\u003C/b\u003E\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003Ctd\u003E\u003Cp\u003E\u003Cb\u003EQuota sul totale delle query\u003C/b\u003E\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003EDati sui venditori\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003Ctd\u003E\u003Cp\u003E16,0%\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003ELivestream\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003Ctd\u003E\u003Cp\u003E11,9%\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003EOrdini\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003Ctd\u003E\u003Cp\u003E11,4%\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003Ctr\u003E\u003Ctd\u003E\u003Cp\u003EData engineering\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003Ctd\u003E\u003Cp\u003E8,2%\u003C/p\u003E\r\n\u003C/td\u003E\r\n\u003C/tr\u003E\u003C/tbody\u003E\u003C/table\u003E\r\n\u003Cp\u003E\u003Cbr\u003E\r\nWhatnot sta ora portando questa stessa capacità al pubblico. Attraverso il Whatnot Seller Hub, i livestreamer operano come dirigenti aziendali indipendenti. Integrando i Cortex Agents con una rigorosa row-level security (progettata per garantire che i dati restino privati e protetti), i venditori possono scrivere naturalmente all’app per ottenere aggiornamenti istantanei, come: "\u003Ci\u003EMostrami i miei principali acquirenti degli ultimi 30 giorni\u003C/i\u003E.”\u003C/p\u003E\r\n\u003Ch2\u003EInfrastruttura tecnica: monitoraggio veloce, conveniente e democratico\u003C/h2\u003E\r\n\u003Cp\u003EDare a centinaia di dipendenti interni e migliaia di venditori esterni la libertà di interrogare i dati e attivare warehouse introduce una sfida operativa unica: gestire il rischio di costi fuori controllo ed errori imprevisti della piattaforma.\u003C/p\u003E\r\n\u003Cp\u003EPer bilanciare la rapidità dell’AI decentralizzata, l’obiettivo costante di Whatnot è stato coltivare un sistema di monitoraggio veloce, conveniente e facile da leggere.\u003C/p\u003E\r\n\u003Ch3\u003ESuperare il collo di bottiglia del logging\u003C/h3\u003E\r\n\u003Cp\u003EStoricamente, monitorare in tempo reale lo stato della piattaforma era un vero grattacapo. I log di utilizzo standard arrivavano con un ritardo di tre-quattro ore, decisamente troppo lento per intercettare un errore di pipeline live. L’alternativa consisteva nell’eseguire massicce scansioni diagnostiche ogni 15 minuti, che esaurivano il budget per le risorse di calcolo e richiedevano rigorose autorizzazioni di sicurezza da amministratore solo per visualizzare i log.\u003C/p\u003E\r\n\u003Cp\u003EPer risolvere il problema, Snowflake ha rinnovato il proprio motore di telemetria nativo utilizzando le \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://docs.snowflake.com/en/developer-guide/logging-tracing/event-table-setting-up\"\u003Eevent table\u003C/a\u003E di nuova generazione tramite \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://www.snowflake.com/en/product/features/snowflake-trail/\"\u003ESnowflake Trail\u003C/a\u003E. Questo aggiornamento ha reso l’ingestion degli eventi 10 volte più veloce, eliminando lo stress finanziario del logging completo.\u003C/p\u003E\r\n\u003Ch3\u003EDal codice complesso agli alert in linguaggio naturale\u003C/h3\u003E\r\n\u003Cp\u003EConfigurare alert di sistema di alta qualità richiedeva ai data engineer di scrivere oltre cento righe di codice SQL complesso. Questa barriera tecnica escludeva di fatto business analyst e operational manager dal processo.\u003C/p\u003E\r\n\u003Cp\u003EOra, grazie ai workflow di observability assistiti dall’AI di Snowflake, gli utenti possono attivare un monitoraggio automatico dell’infrastruttura semplicemente digitando una richiesta conversazionale in CoCo, nell’interfaccia di \u003Ca rel=\"nofollow noopener noreferrer\" target=\"_blank\" href=\"https://docs.snowflake.com/en/user-guide/ui-snowsight\"\u003ESnowsight\u003C/a\u003E, come:\u003C/p\u003E\r\n\u003Cp\u003E"\u003Ci\u003ECrea un alert che rilevi quando i nostri warehouse presentano anomalie di performance o improvvisi picchi di costo, e inviami un riepilogo via email ogni giorno\u003C/i\u003E.”\u003C/p\u003E\r\n\u003Cp\u003EDietro le quinte, l’AI integrata è progettata per valutare l’intento aziendale dell’utente, analizzare le view della piattaforma pertinenti, sviluppare la logica del codice sottostante e predisporre automaticamente il canale di notifica.\u003C/p\u003E\r\n\u003Ch2\u003EIl percorso futuro: igiene epistemica e data operation proattive\u003C/h2\u003E\r\n\u003Cp\u003EGuardando al futuro, l’obiettivo ultimo di Whatnot è passare dalla diagnosi dei problemi passati alla loro prevenzione attiva.\u003C/p\u003E\r\n\u003Cp\u003ETuttavia, scalare l’analisi dei dati basata sull’AI ha insegnato all’azienda una lezione importante: eliminare l’attrito tecnico espone inevitabilmente l’attrito organizzativo. Quando i dati si muovono alla velocità di digitazione, le lacune nella modellazione dei dati, nella ownership e nella definizione delle metriche diventano molto evidenti molto rapidamente. Inoltre, i sistemi AI decentralizzati possono soffrire di “agent sprawl” se lasciati completamente senza guida.\u003C/p\u003E\r\n\u003Cp\u003EPer mantenere i propri dati affidabili, Whatnot applica un rigoroso playbook di igiene epistemica e guida degli agenti su tutta la sua rete AI:\u003C/p\u003E\r\n\u003Cul\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003ELinguaggio probabilistico\u003C/b\u003E: gli agenti devono usare di default un linguaggio cauto e probabilistico ("\u003Ci\u003Equesto probabilmente riflette\u003C/i\u003E", "\u003Ci\u003Ei dati sono coerenti con\u003C/i\u003E") e hanno il divieto esplicito di usare frasi definitive come "\u003Ci\u003Equesto dimostra\u003C/i\u003E" o "\u003Ci\u003Equesto mostra chiaramente\u003C/i\u003E".\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003EOsservazione vs. interpretazione\u003C/b\u003E: L’AI deve separare in modo esplicito i dati grezzi dalle interpretazioni soggettive di business.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003Cli\u003E\u003Cp\u003E\u003Cb\u003ENessuna causalità presunta\u003C/b\u003E: gli agenti hanno il divieto assoluto di dedurre rapporti di causa-effetto da semplici dati osservazionali e devono ripiegare su formule come “\u003Ci\u003Eassociato a\u003C/i\u003E” o “\u003Ci\u003Ecorrelato con\u003C/i\u003E”.\u003C/p\u003E\r\n\u003C/li\u003E\r\n\u003C/ul\u003E\r\n\u003Cp\u003EUnendo questi rigorosi guardrail strutturali alle prossime funzionalità Snowflake – come gli Unified Observability Hub per il monitoraggio centralizzato dei costi e i suggerimenti intelligenti sugli alert basati sull’intelligenza artificiale – il confine tra software engineer, data scientist e business manager si assottiglia deliberatamente.\u003C/p\u003E\r\n\u003Cp\u003EAdottando data stack modulari, log degli eventi in tempo reale a costi contenuti e AI conversazionale, aziende come Whatnot trasformano la scatola nera dell’infrastruttura in un solido vantaggio competitivo, riducendo il tempo che i team dedicano alla scrittura di script di logging personalizzati e offrendo agli acquirenti live un’esperienza in tempo reale impeccabile.\u003C/p\u003E\r\n\u003Cp\u003E\u003Ci\u003ETutte le statistiche provengono dalle analisi dei dati interne di Whatnot, aggiornate al 27.07.2026.\u003C/i\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Ci\u003E\u003Cb\u003EAffermazioni riferite al futuro\u003C/b\u003E\u003C/i\u003E\u003C/p\u003E\r\n\u003Cp\u003E\u003Ci\u003EQuesta pagina contiene affermazioni che si riferiscono al futuro, tra cui offerte future di prodotti, che però non rappresentano un impegno a fornire alcuna offerta di prodotti. Le offerte e i risultati effettivi potrebbero essere diversi ed essere soggetti a incertezze e rischi noti e non noti. Consulta il nostro più recente modulo 10‑Q per ulteriori informazioni.\u003Cbr\u003E\r\n  \u003C/i\u003E\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/blog/blog-text"},"premium_content_bann":{"id":"premium-content-banner-0cba41a1e4","contentHeadline":"AI Data Cloud per il retail e i beni di consumo","contentDescription":"Scopri come far crescere il tuo business e offrire esperienze di valore ai consumatori riducendo i costi grazie a una supply chain agile e a operation efficienti.","showImage":false,"buttons_container":{"layout":"SIMPLE","id":"container-a63f9275d1",":type":"snowflake-site/components/button/buttons-container",":items":{"button":{"id":"button-865ae8add8","showOutboundIcon":true,"buttonLink":{"valid":true,"url":"https://www.snowflake.com/en/solutions/industries/retail-consumer-goods/"},"linkTargetContentType":"GENERIC",":type":"snowflake-site/components/button","appliedCssClassNames":"snowflake-button-primary snowflake-button-blue snowflake-button-regular","linkType":"SNOWFLAKE_EXTERNAL","text":"Scopri di più"}},":itemsOrder":["button"]},":type":"snowflake-site/components/premium-content-banner"}},":itemsOrder":["blog_text","premium_content_bann"],":type":"wcm/foundation/components/responsivegrid"},"responsivegrid_premium_content_banner":{"columnCount":12,"columnClassNames":{},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","appliedCssClassNames":"snowflake-responsive-component-top-padding-medium",":items":{},":itemsOrder":[],":type":"wcm/foundation/components/responsivegrid"},"container_author_chip":{"layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"author_chip":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-afdf182982",":type":"snowflake-site/components/container",":items":{"author_chip":{"id":"author-chip-22667cfee2","title":{"id":"title","type":"heading2","lines":["Learn more about the authors"],":type":"snowflake-site/components/title-v2"},"authors":[{"authorImage":{"id":"image-bc9a4e6e61","height":"300","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--58fcdd92-5817-4e66-aee3-74b67cee92fb/alice-leach-1778183132503001necb.jpg?preferwebp=true&quality=85","alt":"Alice Leach","lazyEnabled":true,"width":"300",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-ff75bcf5c9","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/alice-leach/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Alice Leach"},"authorTitle":"Data Engineer, Whatnot"},{"authorImage":{"id":"image-06cdb813fa","height":"1349","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--1d9773f9-daec-411d-8755-2ef702327fd5/amarrujofornacasq.png?preferwebp=true&quality=85","alt":"Untitled design - 1","lazyEnabled":true,"width":"1080",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-f3d131a7ff","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/angela-marrujo-fornaca/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Angela Marrujo Fornaca"},"authorTitle":"Senior Content Marketing Manager"},{"authorImage":{"id":"image-2a072e5cab","height":"558","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--0ae9fbe7-cad5-4e51-8684-71c9e2629fd4/evan-hou.png?preferwebp=true&quality=85","alt":"Evan Hou","lazyEnabled":true,"width":"558",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-fce8d8c881","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/evan-hou/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Evan Hou"},"authorTitle":"Head of Analytics, Whatnot"},{"authorImage":{"id":"image-226149f693","height":"288","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--5fc24974-03b5-41b8-a8c3-162312c1fa04/stephen-bailey.jpg?preferwebp=true&quality=85","alt":"Stephen Bailey","lazyEnabled":true,"width":"288",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-088ada148c","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/stephen-bailey/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Stephen Bailey"},"authorTitle":"Engineering Manager, Data Platforms, Whatnot"},{"authorImage":{"id":"image-b9e718a1ed","height":"4000","src":"https://www.snowflake.com/adobe/dynamicmedia/deliver/dm-aid--bcb05a13-c33c-435b-8d04-a0581f44e1c8/vaishnavi-venkatesan.jpg?preferwebp=true&quality=85","alt":"Vaishnavi Venkatesan","lazyEnabled":true,"width":"6016",":type":"snowflake-site/components/image"},"authorCta":{"id":"button-6ac689e388","showOutboundIcon":false,"buttonLink":{"valid":true,"url":"/en/blog/authors/vaishnavi-venkatesan/"},"linkTargetContentType":"DOCUMENT_LEARN",":type":"snowflake-site/components/button","linkType":"SNOWFLAKE_INTERNAL","text":"Vaishnavi Venkatesan"},"authorTitle":"Staff Product Manager"}],":type":"snowflake-site/components/blog/author-chip"}},":itemsOrder":["author_chip"],"appliedCssClassNames":"snowflake-responsive-component-top-padding-medium"}},":itemsOrder":["container_hero","responsivegrid_content","responsivegrid_premium_content_banner","container_author_chip"]},"flexible_column_content_container_2":{"layout":"SIMPLE","id":"container-6bccd8d5a6",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"blog_table_of_content":{"id":"blog-table-of-content-c3cef4565a",":type":"snowflake-site/components/blog/blog-table-of-content","tableOfContents":[]}},":itemsOrder":["blog_table_of_content"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false},"related_content":{"id":"related-content-e15e193cfa","relatedContent":[],":type":"snowflake-site/components/blog/related-content","isBlogPage":true}},":itemsOrder":["flexible_column_container","related_content"],"appliedCssClassNames":"snowflake-container"}},":itemsOrder":["container_breadcrumb","container_main_content"],":type":"wcm/foundation/components/responsivegrid"},"container_47873732":{"additionalClasses":"section--blog-newsletter","layout":"RESPONSIVE_GRID","columnCount":12,"columnClassNames":{"flexible_column_cont":"aem-GridColumn aem-GridColumn--default--12"},"gridClassNames":"aem-Grid aem-Grid--12 aem-Grid--default--12","id":"container-06e140db44",":type":"snowflake-site/components/container",":items":{"flexible_column_cont":{"id":"flexible-column-container-0bd585e680","type":"1-column","alignColumns":"top","containerMaxWidth":"extra-large","topPadding":"small","bottomPadding":"none","spaceBetween":"small","reverseOnMobile":false,"carouselOnMobile":false,"propertiesCSSClasses":"section--blog-newsletter","backgroundImageOption":"none","flexible_column_content_container_1":{"layout":"SIMPLE","id":"container-dc46860708",":type":"snowflake-site/components/flexible-column-container/flexible-column-content-container",":items":{"marketo_v2":{"id":"marketo-v2-1d71c0f975","marketoForm":{"hidden":null,"formId":"3320","edit":false,"successUrl":null,"script":null,"values":null},"title":{"id":"title","type":"heading3","lines":["Subscribe to our blog newsletter","Get the best, coolest and latest delivered to your inbox each week"],":type":"snowflake-site/components/title-v2"},"marketoConfigured":true,"serverInstance":"252-RFO-227.mktoweb.com","munchkinId":"252-RFO-227","formConfigured":true,":type":"snowflake-site/components/form/marketo-v2"},"text":{"id":"text-ac09804daa","additionalClasses":"newsletter-disclaimer","text":"\u003Cp\u003EBy submitting this form, I understand Snowflake will process my personal information in accordance with their Privacy Notice.\u003C/p\u003E\r\n","richText":true,":type":"snowflake-site/components/text"}},":itemsOrder":["marketo_v2","text"]},":type":"snowflake-site/components/flexible-column-container","isBlogPage":true,"isActiveTOC":false}},":itemsOrder":["flexible_column_cont"],"appliedCssClassNames":"snowflake-container"},"experiencefragment-pre-footer":{"id":"experiencefragment-8585a78c30","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/get-started-pre-footer/get-started-pre-footer/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/get-started-pre-footer/get-started-pre-footer.xfmodel.json"},"markup_editor":{"id":"markup-editor-3e0a4dbc37","title":"Page CSS","cssContent":"@media screen and (min-width:768px){.snowflake-blog-author-chip-wrapper{justify-content:flex-start}.snowflake-blog-related-content-on-blog-page{max-width:1408px;margin-left:auto;margin-right:auto}.snowflake-text{font-family:Lato,sans-serif;font-weight:400;font-size:16px;line-height:24px}}.section--blog-newsletter{max-width:none;width:100%;padding-left:0;padding-right:0;margin-left:0;margin-right:0;margin-bottom:0}.section--blog-newsletter .mktoField{background-color:transparent !important}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}@media screen and (min-width:768px){.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}}.newsletter-disclaimer p{font-size:14px !important}.section--blog-newsletter .snowflake-marketo-form-container{margin-bottom:24px;background-color:#f6f9fa;gap:48px;box-shadow:none}.section--blog-newsletter .snowflake-title p.snowflake-title-line:first-child{font-family:Texta;font-size:24px;line-height:26px;font-weight:700;margin-bottom:4px}.section--blog-newsletter .snowflake-title p.snowflake-title-line{text-transform:none;font-family:\"Lato\",sans-serif;font-size:16px;line-height:24px;font-weight:normal}@media screen and (min-width:1024px){.section--blog-newsletter .snowflake-marketo-form-container{display:flex;justify-content:center}.section--blog-newsletter .snowflake-title .snowflake-title-line{text-align:left}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow:has(\u003E input[type=\"hidden\"]){flex-grow:0}.section--blog-newsletter .snowflake-marketo-form{display:flex;width:50% !important}.section--blog-newsletter .snowflake-marketo-form .mktoButtonRow{flex-grow:0;width:auto !important;margin-left:0;margin-right:0}.section--blog-newsletter .snowflake-marketo-form .mktoFormRow{flex-grow:1}.section--blog-newsletter\u003E.container{padding-left:0;padding-right:0}.section--blog-newsletter .snowflake-marketo-form-title{width:50%;margin-bottom:0 !important}.section--blog-newsletter .center .snowflake-title{align-items:flex-start}}.snowflake-sub-navigation a.snowflake-sub-navigation-primary-link{width:auto !important}.snowflake-blog-hero{align-items:stretch !important}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"markup_editor-table":{"id":"markup-editor-4b4b5175c4","title":"Table Styling CSS","cssContent":"#snowflake-blog-template-main-container table{width:100%;background-color:var(--ui-background-01);border-collapse:collapse;border:2px solid var(--ui-background-09);font-family:'Lato',sans-serif;color:var(--ui-background-09)}#snowflake-blog-template-main-container table thead{background-color:var(--ui-01)}#snowflake-blog-template-main-container table th,#snowflake-blog-template-main-container table td{border:2px solid var(--ui-background-09);padding:var(--spacing-01)}",":type":"snowflake-site/components/markup-editor","isGSAPEnabled":false},"experiencefragment-footer":{"id":"experiencefragment-fbc1864294","localizedFragmentVariationPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer/master/jcr:content","configured":true,":type":"snowflake-site/components/experiencefragment","xfModelPath":"/content/experience-fragments/snowflake-site/language-masters/it/site/footer/master.xfmodel.json"}},":itemsOrder":["experiencefragment-banner","experiencefragment-header","experiencefragment-sub-header","responsivegrid","container_47873732","experiencefragment-pre-footer","markup_editor","markup_editor-table","experiencefragment-footer"],":type":"wcm/foundation/components/responsivegrid"}},":itemsOrder":["root"],"isPasswordProtected":false,"analyticsContentTags":["snowflake-site:taxonomy/blog/product-and-technology/ai-ml","snowflake-site:taxonomy/blog/industry-solutions/retail-consumer-goods"],"analyticsEnabled":true,":hierarchyType":"page",":path":"/content/snowflake-site/global/it/blog/observability-at-scale-whatnot-snowflake-summit","coveoConfig":{"pipeline":"snowflake.com","searchHub":"snowflake.com","organizationId":"snowflakecomputingproduction8neljofn","apiKey":"xx335921a6-2a0a-40f2-a167-e390b4766c3d"},"analyticsDebugMode":false,"analyticsData":{"excludeFromAnalytics":false,"subCategory":"","pageType":"homepage","templateName":"blog-page","siteName":"snowflake","pageUrl":"/content/snowflake-site/global/it/blog/observability-at-scale-whatnot-snowflake-summit","language":"it","category":"general","pageName":"Snowflake Summit 2026: come Whatnot ha trasformato la crescita esplosiva in insight aziendali concreti","contentTags":["snowflake-site:taxonomy/blog/product-and-technology/ai-ml","snowflake-site:taxonomy/blog/industry-solutions/retail-consumer-goods"]},"locale":"it"}