INFORME
Modern Marketing Data Stack 5.ª edición
Gobernanza de los agentes empresariales
La quinta edición sigue la evolución del modern marketing data stack:
- Los agentes de IA pasan de la experimentación a la ejecución, con la gobernanza como factor clave para el escalado.
- Las organizaciones reorganizan sus stacks en torno a los datos gobernados y los priorizan frente a las aplicaciones.
- La componibilidad, la confianza y el control son prioridades arquitectónicas.
De herramientas que ayudan a agentes que actúan
La IA ya no se limita a las funciones: ahora forma parte de los flujos de trabajo. Los sistemas seleccionan herramientas, coordinan acciones y orientan decisiones con una intervención humana limitada. Eso cambia el modelo operativo de todas las organizaciones de marketing.
¿Cómo puede proteger los datos de sus clientes para garantizar la privacidad y el cumplimiento, y a la vez utilizarlos allí donde aportan valor?
¿Quién gobierna las decisiones cuando quien las toma no es una persona?
¿Cómo puede crear sistemas de IA eficaces, responsables y fiables, no solo rápidos?
En este informe se analiza cómo se están rediseñando los stacks de marketing para responder a estas preguntas y qué distingue a las organizaciones que logran avances reales de las que aún están experimentando.
A nivel empresarial, la IA hace inevitable un cambio: pasar de stacks fragmentados y basados en aplicaciones a sistemas diseñados en torno a resultados. El stack debe gobernarse como un modelo operativo, reconfigurando datos, procesos y decisiones para reinventar de forma continua cómo funciona la empresa”.
Elise Cornille
El stack se reorganiza en torno a los datos
Los sistemas que conectan las herramientas están adquiriendo tanta importancia como las propias aplicaciones. A medida que los flujos de trabajo basados en IA abarcan las analíticas, la activación, la medición y la colaboración, la pregunta clave ha dejado de ser “¿qué aplicaciones forman parte del stack?” para convertirse en “¿puede el stack ofrecer una toma de decisiones coordinada, acceso gobernado a los datos y automatización controlada?”.
El resultado es un cambio estructural:
Las arquitecturas componibles están sustituyendo o complementando a los diseños monolíticos, pero la componibilidad sin gobernanza conlleva sus propios riesgos.
La IA ha creado un nuevo plano de control por encima de las herramientas existentes: una capa que reúne el contexto, guía las decisiones e impulsa acciones en todo el stack.
La semántica compartida, la resolución de identidades y la aplicación del consentimiento se están convirtiendo cada vez más en capacidades esenciales para las organizaciones que implementan IA a escala.
Descubra los patrones arquitectónicos que surgen en implementaciones exitosas, las categorías y los proveedores que conforman el stack moderno y los fundamentos de gobernanza necesarios para que todo funcione.
Operar con agentes empresariales en una realidad desigual
No todas las organizaciones están preparadas para los agentes de IA, y eso no supone un fracaso. El nivel de madurez varía según el sector, la escala, la exposición a las normativas y la preparación de los datos. Las organizaciones que logran avances duraderos tienen algo en común: primero sentaron unas bases sólidas de gobernanza, semántica y confianza.
En este informe descubrirá lo siguiente:
Por qué avanzar demasiado rápido hacia la automatización sin controlar los datos genera riesgos en lugar de eficiencia
Cuando los entornos híbridos (donde las herramientas heredadas conviven con componentes componibles) son la norma y no la excepción
Cómo la IA está transformando la colaboración al incorporar antes a las tareas los conocimientos interfuncionales
En este informe se identifican los patrones que funcionan en diferentes niveles de madurez y se ofrecen recomendaciones adaptadas a la situación actual de su organización.
No llegué a prever hasta qué punto aceleraría la colaboración. Un escritor puede esbozar un guion gráfico en minutos y mantener una conversación más productiva con un director artístico. Las ideas avanzan más rápido”.
Scott Mager
Privacidad, consentimiento y control en la era de los agentes de IA
La preocupación de los consumidores por la privacidad no va a desaparecer. Las normativas se multiplican. Ahora, los agentes de IA toman decisiones sobre los datos de los clientes a una velocidad y una escala inalcanzables para la gobernanza manual.
Las señales universales de exclusión voluntaria empiezan a incorporarse a la legislación. Se están ampliando los requisitos de eliminación automatizada. Las organizaciones integran los controles de cumplimiento directamente en la infraestructura en lugar de tratarlos como procesos posteriores.
La IA abre nuevos frentes de riesgo: retención involuntaria de datos, usos secundarios no autorizados y modelos entrenados con datos que no deberían utilizar.
Las organizaciones que lo hacen bien consideran la privacidad una capacidad operativa integrada en la forma de acceder a los datos, compartirlos y actuar a partir de ellos.
Descubra cómo la privacidad, el consentimiento y la gobernanza confluyen en un único reto arquitectónico y qué están haciendo al respecto las organizaciones líderes.
Sin datos fiables y bien gobernados, cada promesa de la IA se convierte en ruido: es lenta, arriesgada e imposible de escalar. Los equipos que hoy van por delante son los que modernizan su fundamento de datos antes que nada”.
Kate Mackie
Modern marketing data stack: 5.ª edición
Para descubrir las principales soluciones en las 13 categorías que componen el marketing data stack y conocer las tendencias emergentes en tecnología de marketing, descargue el informe hoy mismo.
Descargar el informe
Metodología
Objetivo y alcance del estudio
El objetivo de este estudio era identificar las tecnologías de marketing que han establecido una base de clientes sustancial y activa en Snowflake.
El estudio analizó los datos de uso y las tendencias relacionadas en un periodo de 12 meses correspondiente al ejercicio fiscal 2026 de Snowflake, del 1 de febrero de 2025 al 31 de enero de 2026. El análisis incluyó datos de más de 11 500 clientes de Snowflake.
Población de clientes incluida en el análisis
El análisis evaluó el uso por parte de los clientes activos de Snowflake durante el periodo del estudio.
A los efectos del presente estudio, se consideran clientes activos aquellos que contaban con un contrato de capacidad o un contrato de autoservicio o bajo demanda, con fecha de vencimiento vigente, y que generaron ingresos para Snowflake en el año anterior.
Todas las referencias al número de clientes, el uso, el crecimiento y las clasificaciones se basan exclusivamente en esta población definida.
Criterios de elegibilidad e inclusión tecnológica
Solo se evaluaron las tecnologías que cumplían los siguientes requisitos de elegibilidad:
miembros activos de Snowflake Partner Network (SPN) o
empresas que operen en virtud de un acuerdo comparable con Snowflake o
proveedores de Snowflake Marketplace que hayan aceptado los términos y condiciones aplicables de Marketplace.
Consideración de categoría especial:
Las empresas a las que se hace referencia en la categoría de large language models (LLM) representan proveedores cuyos LLM están disponibles en Snowflake AI Data Cloud a través de Snowflake Cortex AI. Estas empresas no se evaluaron como parte del modern marketing data stack.
Clasificación de las tecnologías en función del tipo de uso de Snowflake
Los proveedores se integran con Snowflake AI Data Cloud de diferentes formas de acuerdo con la arquitectura de sus productos y sus casos de uso. Para evaluar la adopción y el liderazgo en el mercado, las tecnologías se clasificaron según el uso que hacen de Snowflake.
El análisis evaluó las tecnologías en las siguientes categorías de uso:
Tecnologías que usan workloads de Snowflake para la integración, el análisis y la transformación de los datos
Tecnologías que utilizan los workloads de colaboración de Snowflake para integrar sus ofertas de productos, sin incluir las soluciones de colaboración de datos
Tecnologías que utilizan los workloads de colaboración de Snowflake para ofrecer una solución de colaboración de datos asociada a la categoría de colaboración de este informe
Cada categoría utiliza métricas y ponderaciones específicas para reflejar la naturaleza del uso de Snowflake asociado a ese modelo de integración.
Métricas utilizadas para medir la adopción y el éxito
El éxito de la adopción se midió con métricas específicas para cada categoría, adaptadas a la forma en que las tecnologías de los partners aprovechan las capacidades de Snowflake.
Métricas de los workloads de integración, transformación y análisis de datos
Para las tecnologías que usan Snowflake principalmente para la integración, transformación y análisis de datos, el análisis midió:
Número total de clientes activos que usan la tecnología
Consumo total de créditos de Snowflake atribuible a la tecnología
Porcentaje de crecimiento tanto del número de clientes como del consumo de créditos
Métricas de las integraciones de productos (sin incluir soluciones de colaboración de datos)
Para las tecnologías que utilizan los workloads de colaboración de Snowflake para integrar ofertas de productos (sin incluir las soluciones de colaboración de datos), el análisis midió:
Número total de intersecciones estables que incluyen la tecnología
Consumo total de créditos de Snowflake basado en los data shares utilizados por la tecnología
Crecimiento de las intersecciones estables y el consumo de créditos
Una intersección estable representa una relación continua entre un proveedor de datos y un consumidor de datos. Una intersección estable se define como un data share que:
produjo al menos 20 transacciones en las que se consumieron recursos de cómputo, y
generó ingresos reconocidos por productos,
en 2 periodos sucesivos de 3 semanas, tuvo al menos 20 transacciones en cada periodo.
Métricas de las soluciones de colaboración de datos
Para las tecnologías que ofrecen soluciones de colaboración de datos, el análisis midió:
Número total de intersecciones estables que incluyen la tecnología
Consumo total de créditos de Snowflake basado en los data shares utilizados por la tecnología
Número total de consumidores únicos, definidos como aquellos con al menos una intersección estable con un proveedor de datos
Metodología de cálculo del crecimiento
Los porcentajes de crecimiento reflejan los cambios en el uso de las tecnologías de cada categoría durante el último periodo de 12 meses, del 1 de febrero de 2025 al 31 de enero de 2026, en comparación con el periodo de 12 meses inmediatamente anterior.
Se incluyeron todos los clientes activos de capacidad y de autoservicio (a fecha de 1 de febrero de 2025) que generaron ingresos positivos para Snowflake durante el año siguiente.
Creación del índice de penetración de Snowflake
Para evaluar tanto el alcance de mercado como la intensidad de uso, Snowflake desarrolló un índice de penetración que refleja la profundidad y la amplitud de la interacción de las tecnologías con Snowflake.
Los cálculos del índice utilizan criterios ponderados adaptados a cada categoría de consumo de Snowflake.
La amplitud y la profundidad se calculan durante el periodo de análisis de 12 meses.
1. Índice de integración, transformación y análisis de datos
Este índice combina amplitud, profundidad y crecimiento mediante las siguientes ponderaciones:
Amplitud (40 %): Número de clientes activos que usan la tecnología en Snowflake
Profundidad (40 %): Consumo total de créditos de Snowflake atribuible a la tecnología
Crecimiento (20 %), compuesto por:
10 %: Porcentaje de crecimiento de clientes activos
10 %: Porcentaje de crecimiento del consumo de créditos de Snowflake
2. Índice de integración de productos (sin colaboración de datos)
Este índice aplica las siguientes ponderaciones:
Amplitud (40 %): Número de intersecciones estables asociadas a la tecnología
Profundidad (40 %): Consumo total de créditos de Snowflake atribuible a la tecnología
Crecimiento (20 %), compuesto por:
10 %: Porcentaje de crecimiento de las intersecciones estables
10 %: Porcentaje de crecimiento del consumo de créditos de Snowflake
3. Índice de soluciones de colaboración de datos
Este índice enfatiza el alcance de mercado y explica la profundidad del uso:
Amplitud (70 %), compuesta por:
40 %: Número de intersecciones estables asociadas a la tecnología
30 %: Número de consumidores integrados a través de la solución de colaboración de datos del proveedor
Profundidad (30 %): Consumo total de créditos de Snowflake atribuible a la tecnología
Clasificación y selección de tecnologías de marketing
Las tecnologías se clasificaron de 1 a N, donde una posición inferior indica un rendimiento más robusto.
Snowflake combinó las clasificaciones en las métricas aplicables y normalizó los resultados en una escala del 0 al 100, donde una puntuación de 100 representa una tecnología que ocupó el primer lugar en todas las métricas aplicables.
Designación de líder
Las tecnologías se identificaron como líderes en función de los siguientes criterios:
Todas las categorías excepto la de colaboración:
se han clasificado entre las tres primeras en su categoría, o
obtuvieron una puntuación en el índice tecnológico equivalente, como mínimo, al 87 % de la puntuación media de las tres principales tecnologías de esa categoría.
Si en la categoría de colaboración:
se han clasificado entre las tres primeras en la categoría, o
obtuvieron una puntuación en el índice tecnológico equivalente, como mínimo, al 96 % de la puntuación media de las tres principales tecnologías de la categoría.
Designación de empresa prometedora
Las empresas prometedoras se seleccionaron en función de su robusta posición relativa en el índice, en combinación con factores cualitativos como:
Fuerte impulso reciente en el mercado
Tecnología innovadora o enfoque de integración con Snowflake
Capacidades demostradas para los clientes
Esta metodología pretende ofrecer una visión transparente, coherente y defendible de las tecnologías de marketing que se están adoptando y que demuestran su impacto en el ecosistema de clientes de Snowflake.