Lo Snowflake Summit di quest'anno, la più grande conferenza al mondo dedicata a Data e AI, è stato a dir poco elettrizzante. Sin dalle prime battute del keynote è stato chiaro un punto: Snowflake non si limita a iterare, sta ridefinendo ciò che è possibile fare con le data platform, i workloads di AI e la produttività aziendale. Con un'ondata di lanci dedicati all'economia della piattaforma, alla governance e all'automazione intelligente, gli annunci di quest'anno segnano un salto in avanti enorme per le organizzazioni data-driven.
Ripercorriamo insieme tutte le novità dello Snowflake Summit 2025!
Economia della piattaforma
Snowflake ha presentato diversi annunci dedicati al miglioramento dell'economia della piattaforma: dalla cost observability a una maggiore efficienza sui costi di compute e ingestion.
Organizational Usage Views
Queste view offrono un single pane of glass per visualizzare l'intera spesa e i consumi Snowflake su region e cloud diversi, restituendo una visione completa dell'utilizzo delle risorse. È una novità importante perché in passato era complesso interrogare view come "query_history" su più account Snowflake. Va segnalato però che la maggior parte di queste Account View ha un ritardo fino a 24 ore e comporta un costo aggiuntivo, in quanto considerate premium view.
Spend Anomalies
Questa funzionalità invia notifiche quando la spesa Snowflake di un'organizzazione esce dagli intervalli previsti, aiutando a individuare e gestire in modo proattivo gli aumenti di costo inattesi. Ci piace molto la possibilità di iscrivere all'alert qualsiasi indirizzo email, a differenza dei monitor che arrivano solo agli account admin. Comodo anche poter gestire i monitor a livello di Account e Org dalla stessa pagina.
Budget per Query Tag e Object Tag
Fino a ieri Snowflake permetteva di impostare i budget solo per Warehouse. Questa nuova funzionalità consente di classificare i consumi, abilitando modelli di chargeback più granulari per l'utilizzo delle risorse legato a specifiche query o a oggetti del database. Una novità che ci entusiasma, perché incoraggia best practice di cost reduction permettendo di stilare budget e attribuire i costi su una dimensione diversa dal Virtual Warehouse.
Adaptive Compute
Uno degli annunci più interessanti del Summit: questa innovazione consente ai clienti di definire policy e intent, lasciando a Snowflake il compito di determinare automaticamente le risorse di compute necessarie (tipi, dimensioni, proprietà di scaling) per una gestione più semplice, prestazioni migliori e un utilizzo ottimale. Non è più necessario decidere su quale dimensione di warehouse eseguire un job: ci pensa Snowflake, addebitando solo il compute effettivamente utilizzato, senza tempi di inattività al termine della query.
Modello di pricing semplificato per Snowpipe Ingest
Il nuovo modello di pricing si baserà sul volume di dati ingeriti in Snowflake, anziché sul numero di file più il tempo di compute. È molto più semplice da comprendere e prevedere, e porta un'efficienza economica migliore del 50% sull'ingestion. Un pricing semplificato è una vittoria per tutti!
Warehouse di Generazione 2
Questi warehouse offrono hardware più veloce e ottimizzazioni software, con prestazioni 2,1 volte più rapide sui benchmark Snowflake e 1,9 volte più veloci di Spark gestito nella scansione di file parquet in tabelle Iceberg. Abbiamo già raccolto diverse storie di successo dei clienti su Gen2 e non vediamo l'ora di sentirne altre!
Data Governance
Snowflake Horizon Catalog (la piattaforma unificata per la governance)
È la piattaforma centrale per gestire e governare i dati, con piena interoperabilità con i REST catalog basati su Iceberg. Aiuta a capire quali dati esistono e a governarli. Ecco l'elenco degli aggiornamenti che ricadono sotto Horizon Catalog.
Sensitive Data Insights
I miglioramenti dell'Horizon Catalog includono classificazione automatica, tagging e propagazione dei tag per i dati sensibili, a tutto vantaggio di privacy e compliance. La propagazione automatica dei tag PII è una funzionalità accolta con grande favore, perché gestire la lineage delle PII è uno degli aspetti più complessi della data governance!
Expectations for Data Quality
Questa funzionalità permette di definire freshness e volumi attesi per i dati e di ricevere alert sulle anomalie quando tali aspettative non vengono rispettate. L'alerting sulla freshness consente di eseguire più workloads di data engineering direttamente in Snowflake, senza ricorrere a orchestratori di terze parti. La funzionalità è in Private Preview.
RBAC per modelli AI (Role-Based Access Control)
Permette alle organizzazioni di stabilire quali modelli AI possano essere utilizzati da ruoli specifici, garantendo un accesso sicuro e controllato alle capacità AI. Un aspetto cruciale, perché alcune organizzazioni vogliono concedere un accesso aperto all'AI, mentre altre preferiscono limitare l'uso dei modelli più costosi.
Miglioramenti alla sicurezza
Tra le novità: deprecazione dei login basati solo su password, introduzione di programmatic access token, passkey, app di autenticazione, monitoraggio delle credenziali sul dark web e blocco IP per una sicurezza rafforzata. Personalmente la novità che mi entusiasma di più è l'autenticazione tramite Passkey, perché riduce drasticamente la frizione dell'MFA. Le Passkey si integrano in modo trasparente con il password manager (o con il sistema di chiavi del sistema operativo) e basta un clic per accedere.
Horizon Co-Pilot
Un assistente AI all'interno dell'Horizon Catalog che permette di porre domande su oggetti non protetti o tag mancanti, semplificando le attività di governance. Consentirà anche a utenti meno tecnici di interrogare i propri asset di dati. La funzionalità è in Private Preview.
External Asset Management
Un altro annuncio importante e di grande impatto: l'Horizon Catalog si estende ora alla scoperta, esposizione e gestione di asset esterni a Snowflake. Il supporto iniziale coprirà Power BI e Tableau, dbt, Airflow, SQL Server, Postgres, MySQL e Databricks. Non è ancora chiaro fino a che punto sia possibile scoprire e gestire questi asset, né come funzionerà nell'interfaccia, ma siamo molto curiosi di approfondire.
Miglioramenti all'Internal Marketplace
Tra le novità, la possibilità di curare e pubblicare data product (notebook, modelli ML, dataset), con nuovi flussi di approvazione delle richieste, gestione semplificata e una UI rinnovata. Renderà più snella la richiesta di accesso ai dataset da parte degli utenti finali. Attualmente in Public Preview.
Data Engineering e Ingestion
Snowflake ha presentato diverse nuove funzionalità di Data Engineering, tra cui OpenFlow, Workspaces e dbt in Snowflake.
Snowflake OpenFlow
Snowflake OpenFlow è un nuovo servizio gestito per acquisire ed elaborare dati provenienti da fonti strutturate e non strutturate, tra cui SharePoint, Slack, Google Drive e i principali RDBMS. Si basa su Apache NiFi e supporta il deployment sia su risorse gestite da Snowflake sia su VPC custom.
Snowflake è entrata gradualmente nel mercato dei connettori, ma con questo annuncio punta a diventare un attore di primo piano nella data ingestion. Se il servizio gestito sarà davvero seamless, sarà un'enorme vittoria per i clienti, che avranno un vendor in meno da gestire. Ad oggi, però, è necessario configurare l'infrastruttura in AWS: un ostacolo non da poco per chi cerca una soluzione completamente gestita.
Partnership con Oracle (integrazione Xstream API)
L'integrazione con Xstream API abilita un Change Data Capture (CDC) seamless e in near real-time dai database Oracle verso Snowflake. Sarà una svolta per i clienti che utilizzano sistemi ERP basati su Oracle (Fusion Cloud, JDE, NetSuite, ecc.) e vogliono attivare analytics in tempo reale in Snowflake.
Snowpipe Streaming, nella nuova versione
La nuova versione di Snowpipe Streaming offre accesso SDK migliorato, trasformazioni stateless, pre-clustering all'ingestion, throughput elevato (fino a 10 GB/s) e rende i dati interrogabili entro 5-10 secondi. Il nuovo SDK è ancora disponibile solo in Java, il che ne riduce il pubblico rispetto a Python. Ci piacerebbe molto vedere Snowflake rilasciare un SDK in Python (scritto in Rust, ovviamente) per Snowpipe Streaming!
Workspaces in Snowsight
Un ambiente di sviluppo moderno all'interno di Snowsight per editing e data curation, con supporto per worksheet, Streamlit, notebook, operazioni su file, cartelle e integrazione del source control. Le Workspaces sono in Public Preview.
Personalmente è uno dei miei annunci preferiti dell'anno, perché semplifica radicalmente il processo di data engineering. Ora abbiamo un unico posto per scrivere, versionare e schedulare le data pipeline end-to-end. Prima delle Workspaces, usare l'integrazione Git con Snowflake era macchinoso. Ora è possibile navigare e modificare i file direttamente da un file tree, applicare modifiche, vedere le diff, fare commit e push, il tutto senza uscire da Snowsight. Non vedo l'ora di iniziare a costruire con questo nuovo strumento!
Progetti dbt in Snowflake
(Public Preview) Un ambiente di authoring che consente di creare, testare e distribuire pipeline dbt direttamente in Snowflake, con funzionalità di observability e una partnership con dbt Labs per portare il motore dbt Fusion.
Supporto per provider Git self-hosted
Snowflake supporta ora integrazioni Git self-hosted, tra cui GitLab, GitHub Enterprise, Bitbucket, Azure DevOps e AWS CodeCommit. I team possono così collegare a Snowflake repository Git privati per il version control, la CI/CD e lo sviluppo all'interno della piattaforma. È possibile clonare repo, recuperare aggiornamenti e richiamare codice in SQL, procedure o app, mantenendo sempre la governance. Questo aggiornamento porta workflow DevOps sicuri e flessibili direttamente nell'ambiente Snowflake.
Migration Assistant
Migration Assistant è un servizio di data migration potenziato dall'AI che guida gli utenti lungo l'intero processo di migrazione sfruttando l'output di Snow Convert, semplificando transizioni complesse.
PostgreSQL in Snowflake
Snowflake ha risposto ai clienti che chiedevano un data store transazionale con l'acquisizione di Crunchy Data, una piattaforma PostgreSQL consolidata. Postgres è la piattaforma di riferimento per gli AI agent, quindi averlo dentro Snowflake renderà più agevole lo sviluppo di applicazioni AI-driven.
Snowflake Postgres offrirà un servizio PostgreSQL gestito con funzionalità enterprise come le customer-managed key e l'integrazione con il perimetro di sicurezza di Snowflake, completando l'offerta con un vero data store transazionale.
AI, Agent e ML
SnowConvert AI
Sfrutta l'AI per semplificare le migrazioni di database, con test automatizzati e validazione del codice migrato. SnowConvert AI è un software standalone scaricabile da subito, qui. La funzionalità principale sembra essere la conversione tra dialetti SQL, che si appoggia a un Abstract Syntax Tree (AST) e a una Symbol Table per creare un modello semantico del codice sorgente, agevolando la conversione in Snowflake SQL.
Notebook e API ML distribuite
I notebook Snowflake e il container runtime sono ora in general availability, insieme alle API di ML distribuito che accelerano runtime ed esecuzione dei modelli.
Cortex AI SQL
Estende le Cortex Function con una collezione di funzioni per estrazione di entità, aggregazione e filtering su dati multimodali (testo, immagini, audio) direttamente in SQL. Snowflake lo definisce il più grande aggiornamento di SQL dai tempi del "group by all", e siamo d'accordo!
- Le funzioni specifiche sono: ai_filter, ai_agg, as_summarize_agg, ai_classify, ai_transcribe, ai_embed, ai_similarity
AI Join consente di unire tabelle in base a prompt in linguaggio naturale (semantic join), con ottimizzazioni del query engine per un'esecuzione più rapida ed economica. Per esempio, unire curriculum e job description sulla base della valutazione di fit fatta dall'AI.
Vale la pena notare che Snowflake sta spingendo molto sulle capacità di storage di dati non strutturati, dati che possono essere interrogati tramite AI. Un caso d'uso è far valutare all'AI una colonna contenente file .wav o PDF, chiedendole di analizzare i reclami più frequenti presenti nelle registrazioni o nei documenti PDF.
AI Complete Function
Utilizza i large language model per comprendere immagini, trascrivere audio e sintetizzare insight, permettendo di conservare testo, immagini e audio in un'unica tabella. Rappresenta un ulteriore passo nel mondo dei dati non strutturati, aprendo nuove possibilità per l'analytics.
AI Aggregate Function
Gestisce i limiti del context window sui grandi dataset tramite un map-reduce multi-step, restituendo insight aggregati su più righe di dati.
Semantic Views
Un nuovo tipo di view progettato per catturare ed esporre il contesto di business — metriche, dimensioni e definizioni — attorno ai dati, sia per casi d'uso AI sia BI.
Semantic SQL
Un linguaggio di query più ricco, costruito appositamente per interrogare le semantic view, con prestazioni migliori e risposte più accurate.
Cortex Knowledge Extensions
Queste estensioni permettono alle organizzazioni di integrare dati non strutturati provenienti da fonti esterne — articoli di news, paper di ricerca, riviste scientifiche — nelle proprie applicazioni AI, garantendo al contempo il rispetto della proprietà intellettuale grazie a isolamento e attribuzione chiara. Sono disponibili tramite il Marketplace.
Cortex Agents
I Cortex Agents, ora in general availability, consentono di interrogare in linguaggio naturale dati strutturati e non strutturati in Snowflake. Orchestrano workflow complessi, offrono capacità di reasoning e interagiscono con backend e dataset eterogenei. Indirizzano automaticamente le diverse parti di una richiesta ai tool più adatti, come Cortex Analyst o Cortex Search, e affinano le risposte sulla base del contesto. Gli agent possono anche invocare altri tool o agent per supportare applicazioni agentic. La governance integrata garantisce un accesso sicuro e conforme, portando un'AI conversazionale affidabile sui dati aziendali senza rinunciare al controllo.
Integrazione con Microsoft Teams
Questa integrazione porta i Cortex agent dentro Microsoft Teams, mettendo la potenza dei dati direttamente a disposizione lì dove i business user lavorano abitualmente.
Prodotti agentic nel Marketplace
Lo Snowflake Marketplace supporta ora prodotti e applicazioni agentic dei partner, ampliando l'ecosistema delle soluzioni AI-powered.
Snowflake Intelligence
Snowflake Intelligence è un nuovo agent pensato per aiutare i business user ad accedere agli insight tramite linguaggio naturale, senza necessità di conoscere SQL o di saper programmare. Permette di porre domande sui propri dati in inglese semplice; l'agent scompone la richiesta in modo intelligente, la indirizza ai tool appropriati e restituisce risposte con trasparenza e accuratezza. Funziona su dati strutturati e documenti già presenti in Snowflake e supporta domande di approfondimento per analisi più dettagliate. È una novità di rilievo perché consente ai team di business di prendere decisioni più rapide e data-informed senza dipendere dai team tecnici, mantenendo al contempo governance e sicurezza enterprise-grade. Snowflake Intelligence sarà presto in Public Preview. Può verificare il suo accesso su ai.snowflake.com, che sarà la nuova UI per gli utenti business non tecnici.
Data Science Agent
Il Data Science Agent rientra nell'ambito di Snowflake Intelligence, ma è pensato per i data scientist anziché per gli utenti business non tecnici. È progettato per semplificare e scalare i workflow di machine learning all'interno di Snowflake. Supporta prompt in linguaggio naturale per generare, valutare e distribuire modelli ML direttamente sui dati Snowflake, riducendo la necessità di tool esterni o di pipeline complesse. L'agent può suggerire feature rilevanti, raccomandare tipi di modello e perfino automatizzare training e tuning, accelerando il processo di sviluppo. In questo modo si abbassa la barriera all'analytics avanzata, si velocizza la sperimentazione e si mantengono modellazione e data governance interamente all'interno della piattaforma Snowflake.
Co-Pilot in-line
Un assistente AI inline attivabile con una hotkey (Command+i o Control+i) all'interno dell'ambiente Snowflake, che offre assistenza contestuale immediata.
In conclusione
Con queste novità, Snowflake getta le basi per un futuro in cui le data platform non sono solo scalabili, ma intelligenti, efficienti e profondamente integrate con i risultati di business. I clienti ne traggono costi più bassi, maggiore visibilità, una governance più solida e strumenti AI-powered che li raggiungono dove lavorano. È evidente che Snowflake non si limita a rispondere alle esigenze dei clienti: le anticipa. La prossima era dei dati e dell'AI è già qui, e sarà veloce, sicura e profondamente trasformativa. Noi di SELECT non vediamo l'ora di scoprire come utilizzerete queste nuove funzionalità!
Jeff è un Data and Analytics Consultant con oltre 15 anni di esperienza nell'automazione degli insight e nell'uso dei dati per governare i processi di business. Sul piano tecnologico è specializzato in Snowflake + dbt + Tableau. Sul fronte business ha esperienza in utility pubbliche, clinical trial, editoria, CPG e manifatturiero. Lo contatti pure in qualsiasi momento: [email protected].