REPORT
Il modern marketing data stack 5a edizione
Governare l’impresa agentica
La quinta edizione del report Snowflake ripercorre l’evoluzione del modern marketing data stack:
- gli agenti di intelligenza artificiale passano dalla sperimentazione alla produzione, con la governance come fattore chiave per la scalabilità
- le organizzazioni riorganizzano i propri stack privilegiando la data governance rispetto alle app
- componibilità, affidabilità e controllo diventano priorità architetturali.
Da strumenti che assistono ad agenti che agiscono
L’intelligenza artificiale ha superato la logica delle funzionalità per entrare nei workflow. Oggi i sistemi selezionano strumenti, coordinano azioni e orientano le decisioni con un intervento umano limitato. Questo cambiamento ha ridefinito il modello operativo di ogni organizzazione marketing.
Come proteggere i dati dei clienti per garantire privacy e conformità e al tempo stesso sfruttare i dati ovunque generino valore?
Chi governa le decisioni quando a decidere non è una persona?
Come sviluppare sistemi AI efficaci, affidabili e responsabili, e non soltanto veloci?
Il report analizza come i marketing stack si stanno evolvendo per rispondere a queste sfide e cosa distingue le organizzazioni che ottengono risultati concreti da quelle ancora in fase sperimentale.
Su scala enterprise, l’AI rende inevitabile un cambiamento: passare da stack frammentati, guidati dalle applicazioni, a sistemi progettati intorno ai risultati. Lo stack deve essere governato come un modello operativo, riorganizzando dati, processi e decisioni per reinventare continuamente il modo in cui opera l’azienda.”
Elise Cornille
Lo stack si riorganizza attorno ai dati
I sistemi che integrano gli strumenti sono ormai importanti quanto le singole applicazioni. Con workflow guidati dall’AI che abbracciano analisi dei dati, attivazione, misurazione e collaboration, la domanda decisiva non è più “Quali app scegliere per lo stack?” ma “Lo stack è in grado di supportare decisioni coordinate, accesso a dati governati e automazione controllata?”
Il risultato è un cambiamento strutturale:
le architetture componibili affiancano o sostituiscono le architetture monolitiche, ma la componibilità senza governance genera nuovi rischi
l’AI ha creato un nuovo control plane sopra gli strumenti esistenti: un livello che assembla il contesto, orienta le decisioni e guida l’azione su tutto lo stack
semantica condivisa, identity resolution e gestione del consenso diventano capacità sempre più fondamentali per chi implementa l’AI su larga scala.
Scopri i modelli architetturali adottati dalle implementazioni di maggior successo, i vendor che stanno ridefinendo il modern marketing data stack e le basi di governance indispensabili per scalare l'AI.
Gestire l’impresa agentica in una realtà disomogenea
Non tutte le organizzazioni sono pronte per gli agenti AI. La maturità varia in base al settore, alle dimensioni, all’esposizione normativa e alla maturità dei dati. Ma le organizzazioni che stanno facendo progressi destinati a durare nel tempo sono quelle che per prime hanno messo a punto governance, semantica e affidabilità.
In questo report scoprirai:
perché correre verso l’automazione senza avere il controllo sui dati introduce rischi, non efficienza
in quali casi gli stati ibridi (strumenti legacy accanto a componenti componibili) sono la norma, non l’eccezione
come l’AI sta trasformando la collaboration, integrando nei workflow le competenze interfunzionali fin dalle prime fasi.
Questo report identifica i pattern che funzionano e offre raccomandazioni mirate in base al livello di maturità della tua organizzazione.
Quello che non avevo previsto era quanto avrebbe accelerato la collaborazione. Un copywriter può abbozzare uno storyboard in pochi minuti e avere una conversazione più mirata con un art director.”
Scott Mager
Privacy, consenso e controllo nell’era degli agenti autonomi
Le preoccupazioni dei consumatori per la privacy dei dati non scompariranno. Le normative si moltiplicano. E oggi la governance manuale non riesce a tenere il passo con la velocità e la scala con cui gli agenti AI prendono decisioni sui dati dei clienti.
I segnali di opt-out universali trovano sempre più spazio nelle normative. I requisiti di cancellazione automatica si stanno ampliando. Le organizzazioni integrano i controlli di conformità direttamente nell’infrastruttura, anziché trattarli come processi a valle.
L’intelligenza artificiale introduce nuovi rischi potenziali: conservazione involontaria dei dati, utilizzo secondario non autorizzato, modelli addestrati su dati che non dovrebbero toccare.
Le organizzazioni che sono già pronte ad affrontare questa nuova realtà considerano la privacy una capacità operativa, integrata nel modo in cui i dati vengono consultati, condivisi e utilizzati.
Scopri come privacy, consenso e governance convergono in un’unica sfida architetturale e come le organizzazioni leader affrontano questa sfida.
Senza dati affidabili e ben governati, ogni ambizione nel campo dell’AI diventa rumore: lenta, rischiosa e impossibile da scalare. I team che hanno successo oggi sono quelli che modernizzano la data foundation prima di ogni altra cosa.”
Kate Mackie
Il modern marketing data stack 5a edizione
Per scoprire le soluzioni leader nelle 13 categorie che compongono il nuovo marketing data stack e comprendere i trend del martech emergenti, leggi il report completo.
Scarica subito il report
Metodologia
Obiettivo e ambito dello studio
L’obiettivo di questa ricerca era identificare le tecnologie di marketing con una base clienti ampia e attiva all’interno di Snowflake.
Lo studio ha analizzato i dati di utilizzo e i relativi trend nell’arco di 12 mesi in linea con l’anno fiscale 2026 di Snowflake, dal 1° febbraio 2025 al 31 gennaio 2026. L’analisi ha incluso i dati di oltre 11.500 clienti Snowflake.
Popolazione di clienti inclusa nell’analisi
L’analisi ha valutato l’utilizzo da parte dei clienti Snowflake attivi durante il periodo dello studio.
Ai fini di questa ricerca, per clienti attivi si intendono i clienti titolari di un contratto Capacity o un contratto On demand/Self‑service con una data di scadenza valida e che hanno generato ricavi per Snowflake nell’anno precedente.
Tutti i riferimenti a numero di clienti, utilizzo, crescita e classifiche si basano esclusivamente sulla popolazione così definita.
Criteri di idoneità e inclusione delle tecnologie
Sono state prese in considerazione per la valutazione solo le tecnologie che soddisfano i seguenti requisiti di idoneità:
membri attivi dello Snowflake Partner Network (SPN), oppure
operanti in base a un accordo equivalente con Snowflake, oppure
provider del Marketplace Snowflake che hanno accettato i termini e le condizioni applicabili.
Nota sulla categoria LLM:
Le aziende citate nella categoria dei modelli linguistici (LLM) rappresentano i provider i cui LLM sono disponibili nell’AI Data Cloud Snowflake tramite Snowflake Cortex AI. Queste aziende non sono state valutate come parte del modern marketing data stack.
Classificazione delle tecnologie in base al tipo di utilizzo di Snowflake
I vendor si integrano con l’AI Data Cloud Snowflake in modi diversi a seconda dell’architettura del prodotto e dei casi d’uso. Per valutare l’adozione e la leadership di mercato, le tecnologie sono state classificate in base al modo in cui utilizzano Snowflake.
L’analisi ha valutato le tecnologie nelle seguenti categorie di utilizzo:
Tecnologie che utilizzano Snowflake per workload di integrazione, trasformazione e analisi dei dati
Tecnologie che utilizzano i workload di collaboration di Snowflake per integrare i propri prodotti, escluse le soluzioni di data collaboration
Tecnologie che utilizzano i workload di collaboration di Snowflake per offrire soluzioni di data collaboration, corrispondenti alla categoria collaboration di questo report.
Ogni categoria impiega metriche e ponderazioni distinte per riflettere la natura dell’utilizzo di Snowflake associato a quel modello di integrazione.
Metriche usate per misurare l’adozione e il successo
Il successo in termini di adozione è stato misurato con metriche specifiche per categoria in linea con il modo in cui le tecnologie partner sfruttano le funzionalità di Snowflake.
Metriche per i workload di integrazione, trasformazione e analisi dei dati
Per le tecnologie che utilizzano Snowflake principalmente per l’integrazione, la trasformazione e l’analisi dei dati, l’analisi ha misurato:
Numero totale di clienti attivi che utilizzano la tecnologia
Consumo totale di crediti Snowflake attribuibile alla tecnologia
Crescita percentuale sia del numero di clienti che del consumo di crediti.
Metriche per le integrazioni di prodotto (escluse le soluzioni di data collaboration)
Per le tecnologie che utilizzano i workload di collaboration di Snowflake per integrare i propri prodotti (escluse le soluzioni di data collaboration), l’analisi ha misurato:
Numero totale di connessioni stabili che includono la tecnologia
Consumo totale di crediti Snowflake generato dai data share utilizzati dalla tecnologia
Crescita sia delle connessioni stabili sia del consumo di crediti.
Una connessione stabile rappresenta una relazione continuativa tra un provider di dati e un data consumer. Una connessione stabile è definita come un data share che:
ha prodotto almeno 20 transazioni con consumo di risorse di compute e
ha generato ricavi da prodotti riconosciuti,
in due periodi consecutivi di tre settimane, con almeno 20 transazioni in ciascun periodo.
Metriche per i prodotti di data collaboration
Per le tecnologie che offrono soluzioni di data collaboration, l’analisi ha misurato:
Numero totale di connessioni stabili che includono la tecnologia
Consumo totale di crediti Snowflake generato dai data share utilizzati dalla tecnologia
Numero totale di consumer unici, definiti come consumer con almeno una connessione stabile instaurata con un provider di dati.
Metodologia di calcolo della crescita
Le percentuali di crescita riflettono le variazioni di utilizzo delle tecnologie di ogni categoria nel periodo di 12 mesi dal 1° febbraio 2025 al 31 gennaio 2026, rispetto ai 12 mesi immediatamente precedenti.
L’analisi della crescita ha incluso tutti i clienti Capacity e Self‑service attivi al 1° febbraio 2025 che hanno generato ricavi positivi per Snowflake nel corso dell’anno successivo.
Costruzione dell’indice di penetrazione Snowflake
Per valutare sia la copertura del mercato che l’intensità di utilizzo, Snowflake ha sviluppato un indice di penetrazione che misura l’ampiezza e la profondità dell’adozione delle tecnologie nell’ecosistema Snowflake.
I calcoli dell’indice applicano criteri ponderati calibrati su ciascuna categoria di consumo di Snowflake.
Ampiezza e profondità sono calcolate nel periodo di analisi di 12 mesi.
1. Indice di integrazione, trasformazione e analisi dei dati
Questo indice combina ampiezza, profondità e crescita applicando le seguenti ponderazioni:
Ampiezza (40%): numero di clienti attivi che utilizzano la tecnologia su Snowflake
Profondità (40%): Consumo totale di crediti Snowflake attribuibile alla tecnologia
Crescita (20%), composta da:
10%: crescita percentuale dei clienti attivi
10%: crescita percentuale del consumo di crediti Snowflake.
2. Indice di integrazione di prodotto (esclusa la data collaboration)
Questo indice applica le seguenti ponderazioni:
Ampiezza (40%): numero di connessioni stabili associate alla tecnologia
Profondità (40%): Consumo totale di crediti Snowflake attribuibile alla tecnologia
Crescita (20%), composta da:
10%: crescita percentuale delle connessioni stabili
10%: crescita percentuale del consumo di crediti Snowflake.
3. Indice delle soluzioni di data collaboration
Questo indice privilegia la copertura del mercato tenendo conto anche della profondità di utilizzo:
Ampiezza (70%), composta da:
40%: numero di connessioni stabili associate alla tecnologia
30%: numero di data consumer integrati tramite l’offerta di data collaboration del fornitore
Profondità (30%): Consumo totale di crediti Snowflake attribuibile alla tecnologia
Ranking e selezione delle tecnologie di marketing
Le tecnologie sono state classificate da 1 a N, dove un numero più basso indica performance migliori.
Snowflake ha combinato i ranking delle metriche applicabili e normalizzato i risultati su una scala da 0 a 100, dove un punteggio di 100 rappresenta una tecnologia classificata al primo posto in tutte le metriche applicabili.
Designazione Leader
Le tecnologie sono state identificate come Leader in base ai seguenti criteri:
Tutte le categorie tranne Collaboration:
classificate tra le prime tre della propria categoria, oppure
hanno ottenuto un punteggio dell’indice tecnologico entro l’87% del punteggio medio delle prime tre tecnologie della categoria.
Categoria Collaboration:
classificate tra le prime tre della categoria, oppure
hanno raggiunto un punteggio dell’indice tecnologico entro il 96% del punteggio medio dell’indice delle prime tre tecnologie della categoria.
Designazione Da tenere d'occhio
Le tecnologie “da tenere d’occhio” sono state selezionate in base alla loro solida posizione relativa nell’indice, unita a fattori qualitativi come:
forte slancio recente sul mercato
tecnologia o approccio di integrazione con Snowflake innovativi
capacità comprovate presso i clienti.
Questa metodologia mira a offrire una visione trasparente, coerente e difendibile delle tecnologie di marketing che stanno guadagnando adozione e dimostrando il proprio impatto all’interno dell’ecosistema di clienti Snowflake.