RELATÓRIO
Modern Marketing Data Stack 5ª edição
Governança das empresas com agentes de IA

A quinta edição acompanha a evolução do Modern Marketing Data Stack:
- Os agentes de IA passam da fase de testes para a produção, tendo a governança como fundamental para que eles ganhem escalabilidade.
- As organizações reorganizam seus stacks em torno de dados governados, e não mais de aplicações.
- Modularidade, confiança e controle se tornam prioridades na arquitetura.
De ferramentas que auxiliam para agentes que atuam
A IA ultrapassou a esfera dos recursos para ingressar nos fluxos de trabalho. Agora, os sistemas selecionam ferramentas, coordenam ações e definem decisões com intervenção humana limitada. Isso muda o modelo operacional de todas as organizações de marketing.
Como é possível proteger os dados dos clientes em termos de privacidade e conformidade e, ao mesmo tempo, usá-los em todos os lugares onde eles podem gerar valor?
Quem governa as decisões quando quem decide não é uma pessoa?
Como é possível criar sistemas de IA eficazes, responsáveis e confiáveis, e não apenas rápidos?
O relatório examina como os stacks de marketing estão sendo redesenhados para responder a essas perguntas e o que diferencia as organizações que avançam de verdade daquelas que ainda estão em fase de testes.
Em escala empresarial, a IA torna inevitável uma mudança: passar de stacks fragmentados e orientados por aplicações para sistemas projetados em torno de resultados. O stack deve ser governado como um modelo operacional, reestruturando dados, processos e decisões para reinventar continuamente a forma como a empresa opera."
Elise Cornille
O stack se reorganiza em torno dos dados
Os sistemas que conectam as ferramentas estão se tornando tão importantes quanto as próprias aplicações. Como os fluxos de trabalho orientados por IA abrangem análise de dados, ativação, mensuração e colaboração, a pergunta central deixou de ser "Que aplicações fazem parte do stack?" e passou a ser "O stack consegue oferecer suporte a decisões coordenadas, acesso a dados governados e automação controlada?"
O resultado é uma mudança estrutural:
As arquiteturas modulares estão substituindo os designs monolíticos ou se somando a eles, mas a modularidade sem governança cria riscos próprios.
A IA criou um novo plano de controle acima das ferramentas existentes: uma camada que reúne contexto, orienta decisões e gera ações em todo o stack.
Semântica compartilhada, resolução de identidade e aplicação do consentimento se tornam, cada vez mais, recursos fundamentais para as organizações que implementam IA em larga escala.
Conheça os padrões de arquitetura que surgem nas implementações bem-sucedidas, as categorias e os fornecedores que moldam o stack moderno e os fundamentos de governança necessários para que tudo funcione.
Funcionamento da empresa com agentes em uma realidade desigual
Nem toda organização está pronta para os agentes de IA, e isso não é o fim. A maturidade varia de acordo com o setor, o porte, a exposição regulatória e a disponibilidade dos dados. As organizações que conseguem fazer progressos de forma consistente têm algo em comum: primeiro, elas estabelecem as bases para a governança, a semântica e a credibilidade.
Neste relatório, você vai descobrir:
Por que avançar rápido demais rumo à automação sem controle dos dados gera riscos, e não eficiência.
Onde os estados híbridos (ferramentas herdadas ao lado de componentes modulares) são a regra, e não a exceção.
Como a IA está transformando a colaboração ao incorporar mais cedo ao trabalho a expertise de diferentes áreas.
O relatório mapeia os padrões que funcionam em diferentes níveis de maturidade, com recomendações para cada estágio dependendo do estado em que sua organização se encontra hoje.
O que eu não previa era o quanto isso aceleraria a colaboração. Em minutos, um redator pode esboçar um roteiro visual e ter uma conversa mais produtiva com um diretor de arte. As ideias avançam mais rapidamente."
Scott Mager
Privacidade, consentimento e controle na era dos agentes de IA
As preocupações dos consumidores em relação à privacidade não vão desaparecer. As regulamentações continuam a se multiplicar. E agora os agentes de IA tomam decisões sobre os dados dos clientes a uma velocidade e escala que a governança manual não consegue acompanhar.
Sinais universais de pedidos de exclusão estão se incorporando às leis. Os requisitos de exclusão automatizada estão se ampliando. As organizações estão incorporando controles de conformidade diretamente na infraestrutura, em vez de tratá-los como processos posteriores.
A IA traz novos riscos: retenção não intencional de dados, uso secundário não autorizado e modelos treinados com dados que não deveriam acessar.
Nesse ponto, as organizações que acertam tratam a privacidade como uma capacidade operacional, incorporada à forma como acessam, compartilham e usam os dados.
Descubra como privacidade, consentimento e governança convergem para um único desafio de arquitetura e o que as organizações líderes estão fazendo a respeito.
Sem dados confiáveis e bem governados, qualquer ambição em IA não passa de ruído: lenta, arriscada e sem escalabilidade. Hoje, as equipes que mais se destacam são aquelas que modernizam as bases de dados antes de qualquer outra coisa."
Kate Mackie

Modern Marketing Data Stack, 5ª edição
Para conhecer as principais soluções das 13 categorias que compõem o marketing data stack e entender as novas tendências de MarTech, faça download, hoje mesmo, do relatório completo.
Fazer download do relatório
Metodologia
Objetivo e escopo do estudo
O objetivo desta pesquisa foi identificar as tecnologias de marketing que estabeleceram uma base de clientes ativa e substancial na Snowflake.
O estudo analisou os dados de uso e as tendências relacionadas em um período de 12 meses alinhado ao ano fiscal da Snowflake de 2026, de 1º de fevereiro de 2025 a 31 de janeiro de 2026. A análise incluiu dados de mais de 11.500 clientes da Snowflake.
População de clientes incluída na análise
A análise avaliou o uso por parte dos clientes ativos da plataforma Snowflake durante o período do estudo.
Para os fins desta pesquisa, consideramos clientes ativos aqueles que tinham um contrato de capacidade ou um contrato sob demanda/autoatendimento com data de término válida e que geraram receita para a Snowflake no ano anterior.
Todas as referências às contagens de clientes, ao uso, ao crescimento e às classificações baseiam-se exclusivamente nessa população definida.
Critérios de elegibilidade e inclusão de tecnologias
Para a avaliação foram consideradas apenas as tecnologias que atendessem aos seguintes requisitos de elegibilidade:
Membros ativos da Snowflake Partner Network (SPN), ou
Empresas que operam sob um acordo equivalente com a Snowflake, ou
Provedores do Snowflake Marketplace que aceitaram os termos e as condições aplicáveis do Marketplace.
Consideração de categoria especial:
As empresas citadas na categoria grandes modelos de linguagem (large language models, LLMs) são provedores cujos LLMs estão disponíveis no Snowflake AI Data Cloud por meio do Cortex AI. A análise não avaliou essas empresas como parte do Modern Marketing Data Stack.
Categorizando as tecnologias por tipo de consumo na plataforma Snowflake
Os fornecedores se integram ao Snowflake AI Data Cloud de diferentes maneiras, dependendo da arquitetura de seus produtos e dos casos de uso. Para avaliar a adoção e a liderança no mercado, as tecnologias foram categorizadas com base em como usam a plataforma Snowflake.
A análise avaliou tecnologias nas seguintes categorias de consumo:
Tecnologias que usam as cargas de trabalho Snowflake para integração, transformação e análise de dados.
Tecnologias que utilizam as cargas de trabalho de colaboração do Snowflake para integrar suas ofertas de produtos, excluindo soluções de colaboração de dados.
Tecnologias que utilizam as cargas de trabalho de colaboração do Snowflake para fornecer uma oferta de colaboração de dados, que corresponde à categoria de colaboração deste relatório.
Cada categoria usa métricas e pesos distintos para refletir a natureza do uso do Snowflake associado a esse modelo de integração.
Métricas usadas para medir a adoção e o êxito
O êxito da adoção foi medido por meio de métricas específicas de cada categoria, alinhadas à forma como as tecnologias dos parceiros utilizam os recursos da Snowflake.
Métricas para cargas de trabalho de integração, transformação e análise de dados
Para tecnologias que usam a plataforma Snowflake principalmente para integração, transformação e análise de dados, a análise mediu:
O número total de clientes ativos que usam a tecnologia.
o consumo total de créditos Snowflake atribuível à tecnologia.
O crescimento percentual tanto na contagem de clientes quanto no consumo de créditos.
Métricas para integrações de produtos (excluindo soluções de colaboração de dados)
Para tecnologias que usam as cargas de trabalho de colaboração da Snowflake para integrar ofertas de produtos (excluindo soluções de colaboração de dados), a análise mediu:
O número total de bordas estáveis que incluem a tecnologia.
O consumo total de créditos Snowflake gerado pelos compartilhamentos de dados utilizados pela tecnologia.
O crescimento tanto no número de bordas estáveis quanto no consumo de créditos.
Uma borda estável representa um relacionamento contínuo entre um provedor de dados e um consumidor de dados. Uma borda estável é definida como um compartilhamento de dados que:
Produziu pelo menos 20 transações em que recursos computacionais foram consumidos.
Gerou receita reconhecida de produtos.
Em dois períodos consecutivos de três semanas, com pelo menos 20 transações em cada período.
Métricas para ofertas de colaboração de dados
Para tecnologias que oferecem soluções de colaboração de dados, a análise mediu:
O número total de bordas estáveis que incluem a tecnologia.
O consumo total de créditos Snowflake gerado pelos compartilhamentos de dados utilizados pela tecnologia.
O número total de consumidores únicos, definido como consumidores com pelo menos uma borda estável estabelecida com um provedor de dados.
Metodologia de cálculo do crescimento
Os percentuais de crescimento refletem as mudanças no uso das tecnologias de cada categoria ao longo do período de 12 meses, de 1º de fevereiro de 2025 a 31 de janeiro de 2026, em comparação com o período de 12 meses imediatamente anterior.
A análise de crescimento incluiu todos os clientes com um contrato ativo de serviço e de atendimento self-service em 1º de fevereiro de 2025, que geraram receita positiva para a Snowflake no ano seguinte.
Construção do índice de adoção da Snowflake
Para avaliar tanto o alcance de mercado quanto a intensidade de uso, a Snowflake desenvolveu um índice de adoção que reflete o grau de profundidade e abrangência da interação das tecnologias com a Snowflake.
Os cálculos do índice aplicam critérios ponderados adaptados a cada categoria de consumo da Snowflake.
A amplitude e a profundidade são calculadas durante o período de análise de 12 meses.
1. Índice de integração, transformação e análise de dados
Este índice combina amplitude, profundidade e crescimento utilizando os seguintes pesos:
Amplitude (40%): o número de clientes ativos que usam a tecnologia no Snowflake.
Profundidade (40%): o consumo total de créditos Snowflake atribuível à tecnologia.
Crescimento (20%), composto por:
10%: o crescimento percentual no número de clientes ativos.
10%: o crescimento percentual no consumo de créditos Snowflake.
2. Índice de integração de produtos (sem colaboração de dados)
Este índice aplica os seguintes pesos:
Amplitude (40%): o número de bordas estáveis associadas à tecnologia.
Profundidade (40%): o consumo total de créditos Snowflake atribuível à tecnologia.
Crescimento (20%), composto por:
10%: o crescimento percentual no número de bordas estáveis.
10%: o crescimento percentual no consumo de créditos Snowflake.
3. Índice de ofertas de colaboração de dados
Este índice enfatiza o alcance de mercado, levando em conta a profundidade de uso:
Amplitude (70%), composta por:
40%: o número de bordas estáveis associadas à tecnologia.
30%: o número de consumidores integrados por meio da oferta de colaboração de dados do fornecedor.
Profundidade (30%): o consumo total de créditos Snowflake atribuível à tecnologia.
Classificação e seleção das tecnologias de marketing
As tecnologias foram classificadas de 1 a N, em que uma classificação mais baixa indica melhor performance.
A Snowflake combinou classificações em todas as métricas aplicáveis e normalizou os resultados em uma escala de 0 a 100, onde uma pontuação de 100 representa uma tecnologia classificada em primeiro lugar em todas as métricas aplicáveis.
Designação de líder
As tecnologias foram identificadas como "Líderes" com base nos seguintes critérios:
Todas as categorias com exceção da colaboração:
Classificadas entre as três primeiras de sua categoria. ou
Alcançaram uma pontuação de índice de tecnologia equivalente a 87% da pontuação média das três principais tecnologias da categoria.
Categoria de colaboração:
Classificada entre as três primeiras da categoria. ou
Alcançou uma pontuação no índice de tecnologia equivalente a 96% da pontuação média das três principais tecnologias da categoria.
Designação de "Empresas promissoras"
As "Empresas promissoras" foram selecionadas com base em uma forte posição relativa no índice, combinada com fatores qualitativos, como:
Forte impulso recente no mercado.
Tecnologia inovadora ou abordagem de integração com a Snowflake.
Capacidades demonstradas para clientes.
Esta metodologia tem como objetivo fornecer uma visão transparente, consistente e defensável das tecnologias de marketing que estão ganhando adoção e demonstrando impacto no ecossistema de clientes da Snowflake.