Accelerare il FinOps: trasformare il reporting in sistemi intelligenti con Cortex Code

Snowflake ha sempre gestito la propria pratica FinOps sulla piattaforma Snowflake. Riunire costi cloud, utilizzo e metriche di business in un unico ambiente governato ha garantito coerenza, scalabilità e fiducia a tutti gli stakeholder. Il punto di forza della nostra piattaforma dati e AI enterprise è la capacità di contestualizzare questi set di dati per generare risultati di business concreti.

Come abbiamo descritto in precedenti articoli del Snowflake Builders Blog [primo, secondo, terzo], questo modello self-service curato ci ha consentito di democratizzare l’intelligence e condividere analisi tra i nostri team. Questa base ci ha permesso di operare alla nostra enorme scala mantenendo al contempo una visibilità molto granulare sull’intero stack. 

Tuttavia il nostro business sta cambiando rapidamente e richiede iterazioni veloci. Le funzionalità Snowflake Cortex AI, le nuove SKU dei warehouse e le esigenze in rapida evoluzione dei clienti stanno trasformando il nostro modo di pensare alla misurazione dei fattori economici e dei margini del cloud. Il ritmo del cambiamento sta accelerando e dobbiamo iterare alla stessa velocità.

Premere sull’acceleratore: Cortex Code

Il lancio di febbraio di Snowflake Cortex Code ha cambiato il nostro modo di lavorare praticamente da un giorno all’altro. 

Con Cortex Code è come se avessimo aggiunto ai dati che già abbiamo in Snowflake una squadra di analisti e sviluppatori per ogni membro del team. Ora il nostro team può formulare richieste come: “Crea un’interfaccia Streamlit che mostri le spese mensili su Google Cloud per regione e segnali anomalie superiori al 10% di una metrica che definisci tu.”

Cortex Code traduce questa intenzione in codice applicativo distribuibile che viene eseguito in modo sicuro sui dati governati già presenti in Snowflake. La combinazione può non sembrare uno strumento FinOps tradizionale, ma offre ciò che conta: iterazioni rapide legate al contesto di business. Questa è la base di qualsiasi pratica FinOps di successo.

Caso d’uso 1: Previsioni cloud completamente automatizzate

Come per la maggior parte dei team, le nostre previsioni storicamente risiedevano in complessi modelli basati su fogli di calcolo. Il processo funziona ma risulta fragile con la crescita progressiva, non si collega direttamente agli strumenti downstream e richiede molto lavoro per essere aggiornato a ogni ciclo.

Ora utilizziamo Cortex Code per ricostruire le previsioni in più ambiti: tutto il consumo cloud nei nostri workload interni e rivolti ai clienti, il consumo Snowflake delle funzionalità Snowflake, il consumo SaaS di terze parti, e l’elenco continua. Ora non solo i nostri dati storici sui costi risiedono in tabelle strutturate collegate agli strumenti esistenti, ma anche i valori di previsione. I team Engineering e Product possono definire obiettivi e monitorare KPI sugli stessi numeri utilizzati dal team Finance. Niente esportazioni o lacune continue nelle metriche, e un’unica previsione.

Alcuni vantaggi di questo approccio aggiornato:

• Cicli finanziari più rapidi: Le previsioni vengono aggiornate più frequentemente (l’obiettivo è quotidiano!) e con uno sforzo manuale significativamente ridotto.

• Segnali anticipati di scostamento: Possiamo collegare direttamente il reporting delle anomalie alle nostre previsioni consolidate. Possiamo inoltre avvisare in anticipo il management quando si verifica uno scostamento, consentendoci di essere proattivi anziché reattivi nella chiusura di qualsiasi periodo aziendale.

• Maggiore visibilità: La logica delle previsioni è visibile agli stakeholder chiave che possono analizzarla. Questo ciclo di feedback è fondamentale per continuare a iterare. Dati condivisi significano responsabilità diretta.

Il nostro obiettivo è ridurre il tempo necessario per aggiornare le previsioni su miliardi di dollari di spesa da circa una settimana di lavoro a poche ore. Non è un sogno irrealizzabile: stiamo già ottenendo questo risultato.

Caso d’uso 2: Revisione settimanale delle metriche abilitata dall’AI e rilevamento granulare delle anomalie

Inizialmente abbiamo introdotto revisioni settimanali delle metriche per adattarci a piccoli cambiamenti nel nostro business settimana dopo settimana. Come gruppo esaminavamo variazioni di trend tra aree della piattaforma, clienti e workload e analizzavamo risultati che gli analisti avevano impiegato ore a investigare manualmente nei dati per spiegarli. Quando terminavamo queste riunioni l’analisi era completa, ma l’opportunità di agire era ormai ridotta.

Il nostro team ha visto una chiara opportunità di automatizzare questo processo e lo ha fatto tramite Streamlit. Tuttavia il vero cambio di ritmo nel nostro approccio è arrivato quando abbiamo iniziato a sviluppare competenze Cortex Code dedicate al FinOps.

Ora abbiamo analisi preliminari delle variazioni, anomalie e indicazioni sulle cause principali disponibili per la revisione del team con supervisione minima fino al momento della revisione. Grazie alla riduzione del tempo necessario per agire, siamo in grado di effettuare il triage molto più rapidamente su tutta la nostra infrastruttura. L’emersione dei driver e dei primi commenti riduce rapidamente anche il tempo necessario per fornire indicazioni finanziarie, un altro risultato chiave per il nostro piccolo team. Non si tratta di capacità analitiche statiche ma di competenze che maturano con l’utilizzo nel tempo.

Nonostante questa velocità e intelligenza, crediamo fermamente che questo non sostituisca il giudizio degli analisti; lo amplifica. I team arrivano alle discussioni pronti a prendere decisioni e generare risultati invece di raccogliere dati.

Caso d’uso 3: Ricostruire i controlli contabili

Data la grande quantità di funzionalità che gestiamo, i servizi di terze parti che integriamo e i modelli interni necessari per riconoscere correttamente le spese, la collaborazione con i team di accounting e audit è fondamentale per la salute del business di Snowflake.

Sebbene i controlli di audit debbano per natura essere ripetibili, verificabili e chiaramente spiegabili, la scala Snowflake e la crescita continua hanno portato a processi che possono richiedere un notevole lavoro manuale. Naturalmente questi sono proprio i tipi di attività che si prestano alla razionalizzazione tramite sistemi automatizzati. Ora stiamo ricostruendo molti dei nostri processi e controlli di audit utilizzando Cortex Code direttamente su Snowflake.

Uno dei nostri controlli cloud mensili principali garantisce il corretto riconoscimento della spesa cloud per account. Data la nostra scala questo può risultare piuttosto complesso. Abbiamo replicato direttamente questo controllo in Streamlit, includendo workflow, istruzioni e finalità ospitati su GitHub. Le approvazioni risiedono nell’applicazione stessa, creando una traccia di audit integrata con timestamp. La manipolazione manuale dei dati e l’aggregazione delle query non sono più necessarie, eliminando gran parte del rischio di errore umano. 

Dopo l’aggiornamento di questo processo abbiamo osservato una riduzione del 70% dello sforzo operativo mensile. Questi controlli sono diventati più solidi, verificabili ed estendibili, e continuiamo a migrare altri processi per assicurarci che diventino estensioni dirette delle nostre strutture dati principali invece di workflow secondari fragili.

Gli esperti di dominio che prima dedicavano giorni alla manutenzione di questi controlli ora investono quel tempo per migliorarli: affinare la logica, ampliare la copertura e concentrarsi su attività a maggior valore. Cortex Code ha restituito tempo al team, e ora il team può decidere come reinvestirlo.

Governance e fiducia restano fondamentali: Nuovi ruoli per i professionisti dei dati

In qualità di partner del Finance, il dipartimento Analytics resta centrale nelle dinamiche FinOps aziendali. L’AI ha aumentato questa responsabilità, non l’ha ridotta. Un team Analytics continua a garantire la qualità, l’accuratezza e la solidità dei dati alla base degli insight radicati nel contesto di business.

Mentre attività BI tradizionali come la creazione di dashboard e l’analisi di routine sono sempre più automatizzate, anche il ruolo del team Analytics in Snowflake sta evolvendo rapidamente. Man mano che Cortex Code assume una parte maggiore dell’esecuzione tecnica, passiamo dalla manipolazione manuale all’orchestrazione e alla productization. Oggi operiamo come produttori esecutivi, dirigendo agenti, curando gli output e integrando il contesto aziendale nel nostro layer semantico.

Con la velocità offerta da Cortex Code è fondamentale per noi avere guardrail sui dati integrati direttamente nel sistema. I controlli di validazione vengono eseguiti prima e dopo la generazione degli insight, gli output sono registrati e tracciabili, e i risultati storici vengono conservati. Manteniamo cicli di feedback attivi tra i team, reinserendo il contesto qualitativo nelle nostre competenze e nei modelli semantici, affinando così le capacità dei modelli. Trattiamo questi strumenti come analisti aggiuntivi, mantenendo gli output a uno standard elevato.

Man mano che l’AI continua ad accelerare i workflow, il nostro modello operativo inter-team sta maturando. I team eseguono sempre più rapidamente progettazione, reporting e dashboarding, mentre il team analytics agisce come executive producer, fornisce feedback e aggiunge miglioramenti basati su AI. Ciò ci consente di concentrarci su problemi di livello superiore come contesto, qualità e workflow fruibili che Snowflake può condividere internamente ed esternamente.

Risultati contestualizzati accelerati con Cortex Code

Nel report FinOps Foundation State of FinOps 2026, la mission dell’organizzazione è stata aggiornata da “Advancing the People who manage the Value of Cloud” a “Advancing the People who manage the Value of Technology.” In Snowflake il nostro approccio alla finanza della piattaforma è perfettamente allineato con questa visione.

Gli strumenti FinOps hanno plasmato la gestione finanziaria della moderna piattaforma cloud, ma il reporting dei costi senza contesto aziendale non è più attuale. Con la crescita in profondità e in ampiezza dei modelli basati sui consumi, le organizzazioni devono collegare gli investimenti direttamente alle prestazioni e al valore aziendale, ancorati a metriche aziendali fondamentali. In Snowflake lo facciamo da anni e stiamo accelerando ulteriormente consentendo agli esperti di dominio di iterare rapidamente sulle soluzioni con il supporto dei partner chiave BI e dati.

Cortex Code su Snowflake consente sia agli utenti tecnici sia a quelli non tecnici di creare strumenti FinOps che riflettono il reale funzionamento del proprio business, con metriche, driver e workflow progettati sulle esigenze reali invece di essere forzati in modelli predefiniti. Quando costi, utilizzo e dati di business convivono su una piattaforma governata, Snowflake e Cortex Code possono ragionare tra domini diversi invece che all’interno di silos, moltiplicando il risparmio di tempo e accelerando gli insight in tutta l’azienda.

In sintesi

Per le organizzazioni che gestiscono costi cloud su larga scala, la piattaforma Snowflake ora consente di prototipare direttamente dove risiedono i dati enterprise. Discutere i costi del cloud con il contesto aziendale trasformerà i dati sui costi puri in veri insight aziendali.

Inizia a usare Cortex Code o prova Snowflake gratuitamente.