Come Snowflake Intelligence consente alle aziende retail e di beni di consumo di scalare l’AI a livello enterprise

Per un’azienda globale come Mark Anthony Group (MAG), la gestione dei dati non è solo un requisito tecnico: è un esercizio di enorme complessità. In quanto gruppo privato di aziende nel settore delle bevande con marchi di alto profilo come White Claw e una serie di cantine nella Columbia Britannica, MAG opera in mercati diversi, ciascuno con il proprio insieme unico di dipendenti, operazioni e processi. Ma un ampio portafoglio può comportare anche una serie di sfide operative.

“Tipicamente, un’azienda ha un solo reparto marketing, uno finanziario, uno operativo e uno HR”, spiega Sam Wong, Senior Director of Data, Analytics and AI presso Mark Anthony Group. “Nel nostro caso, abbiamo più reparti finanziari, marketing, organizzazioni di vendita e così via con cui collaborare, tutti potenzialmente basati su CRM, ERP e dati di mercato diversi.”

Per gestire con successo queste complessità rimanendo competitiva, MAG ha evoluto il proprio ecosistema dati oltre il tradizionale data warehousing. Con Snowflake Intelligence, MAG si sta allontanando dalla business intelligence passiva verso quella che Wong definisce un’“evoluzione della BI generativa”. Sta mettendo il potere dei dati conversazionali direttamente nelle mani degli utenti business in ogni azienda del gruppo, alimentando la trasformazione verso una agentic enterprise.

Dal data warehouse al partner per l’innovazione

Il percorso di MAG con Snowflake è iniziato con la costruzione delle basi di una solida strategia dati, ma si è rapidamente evoluto verso la promozione della standardizzazione della condivisione dei dati con Snowflake lungo tutte le relazioni di business. Per Wong, Snowflake non è solo un altro vendor, ma un punto di riferimento per l’innovazione — e una componente imprescindibile del processo di condivisione dei dati di MAG.

“Quando gestiamo RFP per diversi requisiti software, una delle domande che poniamo è ‘Siete in grado di supportare Snowflake Secure Data Sharing?’”, afferma Wong. “Questo dimostra quanto consideriamo Snowflake un partner. E le aziende che adottano Snowflake dimostrano un livello di innovazione, capacità e leadership tecnica con cui vogliamo collaborare.” La standardizzazione su Secure Data Sharing ha consentito a MAG di spingere fornitori di dati terzi e anche alcuni vendor globali ad abbandonare i trasferimenti flat-file obsoleti in favore di un’integrazione dati affidabile e in tempo reale. Secondo MAG, questa strategia riduce il costo totale di proprietà, aumenta l’affidabilità e consente di individuare e risolvere i problemi di qualità dei dati alla fonte. Niente più modifiche impreviste ai formati dei file o corruzioni, niente più processi di condivisione complessi — solo vantaggi per tutti.

MAG utilizza inoltre Secure Data Sharing anche con i propri partner per i quali gestisce vendite e distribuzione, migliorando significativamente l’accesso ai dati di vendita e distribuzione. “Molti nostri pari utilizzano ancora processi SFTP ed ETL molto tradizionali, ma noi operiamo diversamente”, afferma Wong. “Con Secure Data Sharing, per i nostri partner è semplice accedere ai dati che desiderano ed estrarli in qualsiasi momento. Sono entusiasti della facilità d’uso.”

Abilitare l’impresa con Snowflake Intelligence

Impegnata a trovare nuovi modi per crescere e innovare, MAG ha deciso di sperimentare il motore Snowflake Intelligence per adattarlo alle proprie esigenze enterprise. MAG ha recentemente implementato un’applicazione enterprise globale sviluppata su misura che funge da wrapper per il motore Snowflake Intelligence.

Questa applicazione, attualmente in fase pilota con rollout in produzione in corso, è progettata per democratizzare i dati per ogni team, ogni business unit e ogni azienda del gruppo. Utilizzando le capacità text-to-SQL di Snowflake Intelligence, MAG consente agli utenti di porre domande complesse sui propri dati in linguaggio naturale, o anche tramite comandi vocali, senza dover vedere il codice SQL sottostante.

Alcune funzionalità chiave dell’implementazione Snowflake Intelligence di MAG includono:

• Explainability e osservabilità: Lo strumento include una capacità crowdsourced che descrive i dataset e fornisce contesto, offrendo agli utenti il significato dietro i numeri (non solo il “cosa”, ma il “perché”).

• Integrazione mobile e vocale: Progettato per essere web-enabled e mobile friendly, lo strumento consente ai dirigenti di interrogare dati di vendita o metriche operative anche in mobilità.

• Collaborazione tramite Teams: Anziché costruire un’app isolata, MAG integra questa intelligence direttamente in Microsoft Teams ed esplora altre modalità di integrazione per offrire più punti di accesso.

Risolvere la sfida semantica

Uno dei principali ostacoli di qualsiasi implementazione AI è garantire che il modello comprenda il linguaggio specifico del business. Per MAG, ciò significa definire termini comuni utilizzati internamente e in mercati diversi.

Per risolvere questo problema, MAG integra Snowflake con partner come Ataccama per costruire un layer semantico agnostico rispetto agli strumenti. Unendo glossario aziendale e data catalog in Snowflake, l’azienda sta di fatto “tarando” i dati affinché l’AI comprenda esattamente cosa intende un utente quando utilizza uno specifico acronimo o termine.

Guidare risultati di business concreti

Per MAG, l’AI non è un’iniziativa tecnologica — è un abilitatore di business con l’obiettivo di ottenere risultati concreti: aumento dei ricavi, riduzione dei costi e miglioramento dell’esperienza cliente.

Sebbene l’implementazione sia ancora nelle fasi iniziali, l’impatto previsto è significativo. Combinando i dati in Snowflake, MAG ha già sviluppato motori AI/ML per generare raccomandazioni sulle performance di vendita e arricchire i dati esistenti con nuovi attributi. Il passaggio a Snowflake Intelligence dovrebbe ridurre sia i tempi decisionali sia quelli di esecuzione delle decisioni in tutta l’azienda. “Ora ho un accesso più rapido a tutti i miei dati, il che mi aiuterà in moltissime iniziative”, afferma Wong. “Quali sono nuove opportunità di ricavo? Quali inefficienze operative possiamo affrontare? Come posso migliorare la qualità del prodotto ora che ho maggiori insight?”

“Questo attiverà un nuovo utilizzo dei dati che non avevamo prima”, afferma Wong. “E cambierà profondamente i nostri processi e workflow, dando vita alla visione di un’agentic enterprise.”

Estendere il tutto ai dati non strutturati

Come parte dell’evoluzione dei dati di MAG, l’azienda sta spingendo oltre i confini applicando Snowflake Intelligence anche ai dati non strutturati oltre che a quelli strutturati. Il team sta lavorando a prototipi che consentono agli utenti di interrogare centinaia di documenti SOP e ricevere istruzioni citate e referenziabili in pochi secondi. Sfruttando tecnologie come Document AI, MAG sta lavorando per rendere ogni informazione — sia in un database che in un PDF — un asset azionabile.

Consigli per il percorso con l’AI: il caso d’uso come “stella polare”

Mentre le organizzazioni retail e CPG cercano di seguire l’esempio di MAG nell’avviare il proprio percorso AI con Snowflake, Wong offre un consiglio cruciale: non perdere mai di vista il problema che si vuole risolvere.

“Questo dovrebbe essere sempre il punto di partenza, la stella polare”, afferma Wong. “Altrimenti diventerà solo un’iniziativa tecnologica, qualcosa di forzato anziché una soluzione che ti consente di ottenere risultati di business straordinari. Snowflake Intelligence ha il potenziale per trasformare le tue operazioni e la tua strategia dati, ma per ottenere la trasformazione più significativa, l’applicazione della tecnologia deve sempre essere al servizio di quella stella polare.”

Se vuoi ascoltare altri retailer e aziende di beni di consumo che stanno costruendo una strategia dati e AI con Snowflake per un futuro agentic, registrati al nostro evento digitale Accelerate Retail & Consumer Goods 2026!