Snowflake (SNOW) Análise Aprofundada: Uma Empresa de Alto Crescimento Que Controla o “Núcleo” dos Dados Corporativos—Mas Seu Modelo de Lucro Ainda Está Inacabado

* Este relatório é preparado com base em dados até 2026-01-08.

O que a Snowflake faz? (para alunos do ensino fundamental)

A Snowflake fornece um serviço em nuvem que reúne os muitos conjuntos de dados diferentes de uma empresa em um só lugar e permite que as pessoas certas usem esses dados com segurança. Não se trata apenas de armazenar informações. O ponto real é facilitar fazer tudo em um único ambiente — criar relatórios rapidamente, compartilhar dados entre equipes ou até entre empresas, e permitir que a IA faça trabalho em cima desses dados, tudo isso permanecendo dentro de controles de governança.

Em termos simples, a Snowflake é como uma biblioteca enorme, bem organizada e com cadeados. Em vez de deixar livros (dados) espalhados por toda parte, você os leva para a biblioteca para que as pessoas possam encontrar e ler rapidamente o que precisam. Mas os livros importantes ficam trancados, e você pode definir regras muito específicas sobre quem tem permissão para acessá-los.

Quem são os clientes / quem usa isso dentro de uma empresa?

Seus clientes centrais são grandes empresas (em varejo, serviços financeiros, manufatura, saúde, empresas de internet e mais), incluindo áreas fortemente reguladas como o setor público. Dentro de uma organização, os usuários normalmente incluem equipes de engenharia de dados que coletam e preparam dados, equipes de analytics, desenvolvedores que constroem aplicações e sistemas internos, e equipes que buscam automatizar workflows com IA.

O que ela vende: pilares de hoje e potenciais pilares futuros

Hoje, a oferta central é um “data hub (warehouse)” em nuvem que centraliza os dados corporativos e permite que os usuários os acessem e façam compute conforme necessário. O ponto-chave não é “armazenamento”, mas a capacidade de lidar com dados em grande escala com facilidade, mantê-los consistentes sob regras compartilhadas e impor controles de acesso fortes.

Casos de uso comuns incluem combinar dados de vendas, publicidade e estoque para atualizar dashboards de gestão todas as manhãs; analisar o comportamento do cliente para prever quais produtos provavelmente venderão em seguida; e construir uma “single source of truth” para que diferentes departamentos possam estar na mesma reunião olhando para os mesmos números.

Como um potencial pilar futuro, a Snowflake está avançando para o domínio de banco de dados de aplicações (Snowflake Postgres). Por meio da aquisição da Crunchy Data, ela busca expandir além de analytics para workloads de “transaction data” — pedidos, pagamentos, registros de associação — aproximando-se de ser “o centro dos dados incluindo sistemas operacionais”, e não apenas “o destino de analytics”. Em paralelo, com agentes de IA (sistemas em que a IA avança tarefas de forma autônoma) em mente, a empresa está enfatizando um caminho para se tornar o “enterprise data nerve center” para descoberta, conectividade e permissões/auditoria dentro de regras definidas.

Ela também apontou para designs que enfatizam segurança e conformidade regulatória em ambientes altamente regulados (por exemplo, relacionados ao governo), o que poderia ajudar a expandir a adoção no setor público e em domínios mais próximos de sistemas centrais.

Como ela ganha dinheiro: “pay-as-you-use” baseado em consumo

O modelo central de receita é simples: “pague apenas pelo que você usa”. Quanto mais os clientes executam compute sobre seus dados, executam workloads pesados de IA/analytics e aumentam compartilhamento e integrações, mais a receita normalmente cresce. Para empresas, é fácil começar pequeno; uma vez que o valor é comprovado, o uso pode se espalhar entre equipes, criando um modelo em que a receita por cliente pode se expandir ao longo do tempo.

Por que ela é escolhida (proposta de valor)

• Fast time-to-data: Ela pode reduzir o trabalho necessário para consolidar dados dispersos e torná-los utilizáveis.
• Secure sharing: Ela facilita colaborar interna e externamente enquanto controla rigidamente quem pode ver o quê (também há relatos de adoção como uma plataforma de colaboração de dados).
• Uma base para executar IA: É difícil tornar a IA útil sem dados bem preparados, e a Snowflake está se posicionando como o lugar onde os dados corporativos são organizados em uma forma que a IA realmente consegue usar.

Vetores de crescimento: por que o modelo pode escalar

• O uso cresce à medida que a utilização de dados se expande: O consumo tende a aumentar conforme departamentos, casos de uso e a frequência de análise aumentam.
• A adoção de IA como um tailwind: Quanto mais a IA é implantada em produção, mais as empresas precisam de posicionamento, organização e controle de acesso aos dados — potencialmente impulsionando maior uso.
• Integrações com parceiros ampliam os pontos de entrada: Quanto mais ela se conecta com softwares importantes e outras plataformas, menor a barreira de adoção. Um exemplo citado é a integração com a Palantir.

Esse é o negócio em termos simples. Em seguida, usaremos os números de longo prazo para confirmar que “tipo” de empresa esta é — e se esse perfil ainda está se sustentando no curto prazo.

Fundamentos de longo prazo: SNOW é um composto de “alto crescimento × lucratividade imatura”

Receita: faixa de alto crescimento ao longo de 5 e 10 anos

A receita se compôs de forma dramática no longo prazo. A receita FY cresceu de $0.10B em 2019 para $3.63B em 2025, traduzindo-se em um CAGR FY de aproximadamente +68.8% ao longo de 5 anos e aproximadamente +83.0% ao longo de 10 anos — ambos muito altos. Os números sustentam um modelo em que a expansão pós-adoção dentro dos clientes pode contribuir de forma significativa, além do crescimento mais amplo da demanda.

EPS / lucro líquido: perdas GAAP continuam

Em contraste, a lucratividade GAAP ainda não é estável. O EPS FY permaneceu negativo, passando de -0.75 em 2019 para -3.86 em 2025. O lucro líquido também permaneceu no vermelho, de -$0.18B em 2019 para -$1.29B em 2025.

Free cash flow (FCF): tornou-se positivo e se tornou sustentado

O destaque é o fluxo de caixa. Depois de ser negativo no início, o FCF tornou-se positivo em 2022 (+$0.08B) e então cresceu, alcançando +$0.91B em 2025. Em base FY, a margem de FCF melhorou de -153.1% em 2019 para +25.2% em 2025.

Dito isso, a margem operacional FY ainda é negativa em -40.2% mesmo em 2025. Portanto, seria um erro concluir “FCF forte = a transição de lucratividade está concluída”. Uma forma melhor de enquadrar é: a lucratividade GAAP permanece imatura, mas a geração de caixa se tornou viável à medida que o negócio escalou.

ROE: negativo no longo prazo; o FY mais recente é uma forte queda

O ROE (FY) permaneceu negativo, com o FY mais recente em -42.86%. A mediana da distribuição FY dos últimos 5 anos é aproximadamente -14.6%, e o ano mais recente é mais fraco do que esse intervalo histórico. Como o patrimônio líquido pode variar de forma significativa ano a ano, o ROE pode oscilar fortemente quando combinado com perdas — algo que os dados também sugerem.

A margem bruta é alta, mas as perdas operacionais permanecem

A margem bruta (FY) melhorou ao longo do tempo, com o FY mais recente em aproximadamente 66.5% (46.5% em 2019 → 66.5% em 2025). O perfil de margem bruta em nível de produto é forte, mas a margem operacional — incluindo vendas e P&D — permanece negativa, implicando que o modelo geral de lucro ainda não está totalmente estabelecido.

Diluição do acionista: ações em circulação aumentaram

As ações em circulação (FY) subiram de 238 milhões em 2019 para 333 milhões em 2025. Isso importa porque métricas por ação (como EPS) são influenciadas não apenas pelos níveis de lucro, mas também pelo crescimento da contagem de ações.

Dividendos e alocação de capital: dividendos são improváveis de ser um tema principal

Com base nos dados disponíveis, é difícil confirmar tanto o dividend yield TTM quanto o dividendo por ação, e o histórico de dividendos parece limitado. Por ora, é mais razoável ver a Snowflake como estando em uma fase em que investimento em crescimento (expansão do negócio) tem prioridade sobre dividendos, enquanto o crescimento da contagem de ações (diluição) se torna uma consideração de alocação de capital.

Classificação ao estilo Peter Lynch: mais próxima de um híbrido de “orientação de Fast Grower, mas imatura”

Pelas características do negócio, a SNOW parece uma Fast Grower, mas não atende às condições de uma “Fast Grower clássica” no sentido de Lynch (lucrativa, alto ROE). O rótulo mais consistente é, portanto, um híbrido: alto crescimento, mas com lucratividade e eficiência de capital imaturas.

• Justificativa 1: O CAGR de receita (5 anos, FY) é aproximadamente +68.8%, indicando alto crescimento
• Justificativa 2: O FCF tornou-se positivo em 2022, e em 2025 é aproximadamente +$0.91B, indicando positividade sustentada
• Justificativa 3: O ROE (FY mais recente) é -42.86%, negativo e mais fraco do que a distribuição histórica

Checagem de ciclicidade: a série de receita mostra evidência limitada de ciclos

Embora a classificação automatizada de Lynch sinalize cyclicals, a receita FY aumentou de forma consistente de 2019 a 2025, tornando difícil identificar picos e vales repetidos. Uma interpretação mais cuidadosa é que, em vez de ser uma “cíclica clássica”, os resultados podem parecer voláteis por causa de otimização do cliente e mudanças na postura de investimento sob um modelo baseado em consumo.

Momentum de curto prazo: o “tipo” de longo prazo está amplamente intacto, mas sinais de desaceleração estão misturados

No longo prazo, o perfil tem sido “alto crescimento × lucratividade imatura (com FCF tornando-se positivo)”. Esse quadro amplo ainda se mantém no ano mais recente (TTM), mas a classificação de momentum é Decelerating.

Receita (TTM): o crescimento permanece alto, mas modera versus a média de longo prazo

A receita (TTM) é $4.387B, com crescimento (TTM YoY) de +28.48%. Isso ainda é forte, mas bem abaixo da média de longo prazo (CAGR de receita 5 anos, FY: ~+68.8%). Os horizontes de tempo diferem, mas a conclusão é clara: o crescimento esfriou em relação à era de hiper crescimento. Nos últimos dois anos, a receita continua a tendência de alta (CAGR de 2 anos +25.0%, correlação de tendência +0.998).

EPS (TTM): melhora YoY, mas perdas continuam; fraco em uma janela de 2 anos

O EPS (TTM) é -4.018, ainda negativo. O crescimento do EPS (TTM YoY) é +18.225%, implicando que a perda diminuiu. No entanto, com o EPS FY consistentemente negativo, um CAGR de EPS de 5 anos é difícil de interpretar; e a correlação de tendência de 2 anos é -0.944, o que pende para fraco. Isso torna difícil descrever a configuração atual como uma fase clara de aceleração.

FCF (TTM): permanece positivo, mas o crescimento pausou

O FCF (TTM) é $0.777B, ainda positivo, mas o crescimento do FCF (TTM YoY) é -4.879%, uma queda modesta. Como o FCF FY abrange períodos negativos e positivos, um CAGR de 5 anos é difícil de calcular, limitando comparações estritas. Ainda assim, mesmo nos últimos dois anos, o CAGR de 2 anos é -0.14% — essencialmente flat — sugerindo que o crescimento da geração de caixa “pausou”.

Margens (FY): a melhora da perda operacional parece estar estagnando

A margem operacional (FY) passou de FY2023 -40.8% → FY2024 -39.0% → FY2025 -40.2%, o que não é um padrão de melhora constante. Essa estagnação é um checkpoint importante ao pensar no ritmo de progresso rumo à lucratividade.

Saúde financeira: a alavancagem parece leve, mas liquidez e cobertura de juros são mistas

Para avaliar risco de falência, é preciso olhar além de “níveis de dívida” e também considerar a “folga de curto prazo” e a “capacidade de pagar juros”. Para a SNOW, o ponto-chave é que esses três não estão se movendo na mesma direção — eles estão mistos.

Pressão efetiva de dívida: Net Debt / EBITDA está em tendência de queda

Net Debt / EBITDA (FY mais recente) é 1.78x, em tendência de queda no período mais recente (por exemplo, 7.03 → 3.28 → 1.96). A pressão efetiva de dívida está diminuindo, o que pode ser favorável.

Liquidez de curto prazo: tendências trimestrais indicam uma folga se afinando

O cash ratio (FY mais recente) é 1.40, mas as tendências de fim de trimestre mostram o current ratio (por exemplo, 1.75 → 1.54 → 1.44 → 1.32) e o cash ratio (por exemplo, 1.40 → 1.29 → 1.16 → 0.99) em queda. A conclusão factual é que a folga de caixa de curto prazo está se afinando.

Índice de alavancagem e capacidade de pagar juros: também não é unidirecional

Embora o índice dívida/patrimônio tenha subido de forma notável nos trimestres mais recentes (por exemplo, 0.90 → 1.12 → 1.13 → 1.26), a cobertura de juros (em base FY) é profundamente negativa devido às perdas. FCF positivo pode se traduzir em capacidade real de sustentação, mas se o FCF estiver flat a levemente em queda, custos incrementais podem consumir a durabilidade mais rapidamente.

Onde a valuation está hoje (apenas histórico da empresa)

Aqui, sem comparar com o mercado ou pares, simplesmente colocamos a SNOW dentro de seus próprios dados históricos (sem fazer um julgamento de bom/ruim). As seis métricas usadas são PEG, P/E, free cash flow yield, ROE, margem de free cash flow e Net Debt / EBITDA.

PEG: atualmente negativo, mas difícil de posicionar sem uma distribuição histórica

O PEG é -3.06. No entanto, como distribuições de 5 anos e 10 anos não podem ser construídas, essa métrica não nos diz onde ela se situa (alto/baixo) dentro da própria história da SNOW. Isso é essencialmente um resultado mecânico: apesar do crescimento do EPS (TTM YoY) de +18.225%, o EPS (TTM) é negativo em -4.018, produzindo um PEG negativo.

P/E: com EPS negativo, comparações de faixa padrão são difíceis

Contra o preço da ação (data do relatório) de $224.36, o P/E (TTM) é -55.84x. Com EPS negativo, comparações de faixa histórica não são significativas, e essa métrica sozinha não consegue estabelecer “onde estamos versus os últimos 5 anos”.

Free cash flow yield: “um pouco mais para o lado baixo” dentro da faixa de 5 anos

O FCF yield (TTM) é 1.01%, dentro da faixa normal dos últimos 5 anos (0.79%–1.55%). Dentro dessa faixa, ele fica abaixo da mediana (1.14%), colocando-o “um pouco mais para o lado baixo”. Mesmo com a receita em tendência de alta nos últimos dois anos (CAGR de 2 anos +25.0%), o FCF está próximo de flat (CAGR de 2 anos -0.14%), o que torna mais provável que o yield permaneça dentro da faixa em vez de subir acentuadamente.

ROE: rompe abaixo das faixas de 5 e 10 anos

O ROE (FY mais recente) é -42.86%, abaixo da faixa normal dos últimos 5 anos (-21.48% a -12.96%). Ele também está abaixo da faixa dos últimos 10 anos, colocando a eficiência de capital em uma mínima histórica. Mesmo nos últimos dois anos, o lucro líquido (TTM) permanece negativo, tornando a fraqueza contínua mais provável do que uma melhora clara por mudança de patamar.

Margem de FCF: dentro da faixa, mas abaixo da mediana da distribuição FY (nota: diferença TTM vs FY)

A margem de FCF (TTM) é 17.71%. Ela fica dentro da faixa normal dos últimos 5 anos (distribuição FY: 2.43%–25.70%), mas abaixo da mediana baseada em FY (24.04%). A forma mais limpa de interpretar isso é um desalinhamento de período: o valor atual é TTM, enquanto a distribuição histórica é FY. Com o FCF próximo de flat nos últimos dois anos, é razoável tratar a margem de FCF como flat a levemente restrita, em vez de pronta para um aumento acentuado.

Net Debt / EBITDA: historicamente baixo (uma métrica inversa em que menor implica mais capacidade)

Net Debt / EBITDA é uma métrica inversa no sentido de que valores menores (mais negativos) normalmente implicam mais caixa e maior flexibilidade financeira. O Net Debt / EBITDA do FY mais recente é 1.78x, abaixo da faixa normal dos últimos 5 anos (4.26x–5.59x). Ele também está abaixo da faixa normal dos últimos 10 anos (2.06x–5.20x), e a direção de dois anos também é de queda. Mecanicamente, isso aponta para alívio da pressão de alavancagem.

Qualidade do fluxo de caixa: FCF é gerado apesar de perdas contábeis, mas o crescimento recente está desacelerando

A SNOW é definida pela combinação de “lucros GAAP (EPS e lucro líquido) permanecem negativos, enquanto o FCF é positivo e sustentado”. Isso sugere que a geração de caixa se tornou viável à medida que o negócio escalou.

No entanto, no ano mais recente (TTM), o FCF está ligeiramente em queda YoY em -4.879%, e está essencialmente flat nos últimos dois anos (CAGR de 2 anos -0.14%). Os investidores, portanto, precisam separar se isso é uma desaceleração temporária impulsionada por investimento, ou se reflete otimização do cliente (controles de custo) e/ou dinâmicas competitivas inerentes a um modelo baseado em consumo.

Por que esta empresa tem vencido (a história de sucesso)

A vantagem da Snowflake vem de atuar como uma “enterprise data operating foundation” — uma plataforma que mantém os dados corporativos utilizáveis “sob governança segura e baseada em regras”, “entre equipes e empresas” e “com tanto compute quanto necessário, quando necessário”, permitindo workflows de ponta a ponta de analytics e compartilhamento até uso de IA.

Esse valor tende a se compor à medida que o uso de dados aumenta, em vez de ser sobre armazenamento ou uma implantação única de BI. A empresa indicou que as operações permanecem centradas em expandir o uso dentro de clientes existentes, e que uma métrica de saúde de expansão permaneceu na faixa de 120% em 2025.

Motor de crescimento: expansão dentro de clientes existentes + acumulação de grandes clientes + caminhos de IA

• Expansão dentro de clientes existentes: O modelo é construído para que a receita cresça à medida que workloads se expandem após a adoção, e é explicitamente declarado que uma grande parte da receita vem de clientes existentes.
• Acumulação de grandes clientes: O crescimento de clientes “pagando mais de $1 milhão anualmente” pode ser lido como evidência de que o uso está passando de testes para adoção sustentada, mais próxima de sistemas centrais.
• Capturar uso de IA: Ao destacar o número de contas usando recursos relacionados a IA e parcerias com a Anthropic e outros, a empresa posiciona a IA como um caminho para maior consumo.

O que os clientes valorizam (Top 3) e com o que estão insatisfeitos (Top 3)

Os clientes tendem a valorizar: (1) quão facilmente os casos de uso podem se expandir após a adoção (rollout entre departamentos), (2) a capacidade de avançar compartilhamento e governança (permissões e auditoria) sob controles “baseados em regras”, e (3) uma plataforma unificada que serve como uma base de execução para IA/analytics.

No lado da insatisfação: (1) a cobrança baseada em uso torna os custos difíceis de prever, (2) o desenho operacional é complexo entre modelos de dados, permissões e performance, e (3) operações rigorosas de segurança são requisitos básicos. Em particular, como ela funciona como um “data nerve center”, operações fracas podem ter um impacto desproporcional — relevante tanto para avaliação do produto quanto para avaliação de risco.

A história ainda está intacta? Mudanças na narrativa e consistência

A mensagem externa da Snowflake mudou de “data warehouse” para “AI data cloud”. Isso reflete uma mudança de simplesmente armazenar e analisar dados para executar aplicações de IA e workflows de IA em cima da camada de dados.

Ao mesmo tempo, a narrativa de crescimento mudou de “hyper growth” para “acumulação de grandes clientes + qualidade da expansão”, o que se alinha com os números: o crescimento da receita desacelerou versus a média de longo prazo e o FCF ficou um tanto flat. E após a cadeia de comprometimentos de contas do lado do cliente que se tornou um tema a partir de 2024, “confiança e segurança” ganhou maior importância relativa, com a discussão cada vez mais enquadrada como conveniência mais operações seguras como um pacote.

Invisible Fragility (fragilidade difícil de ver): onde as coisas podem quebrar silenciosamente por trás das forças

Na superfície, a Snowflake pode parecer muito forte como um “enterprise data nerve center”. Mas por baixo dessa força existem vários modos de falha que podem ser fáceis de perder. Para investidores, o objetivo é entender onde sinais de alerta precoce provavelmente aparecerão — antes de os números virarem.

• Efeitos de segunda ordem da concentração em grandes empresas: Divulgações indicam que grandes empresas representam um pouco mais de ~40% da receita; isso é uma força, mas também aumenta a sensibilidade a orçamentos de TI e ciclos de decisão. Também é indicado que clientes pagando mais de $1 milhão anualmente respondem por mais da metade da receita, tornando recuos de uso por clientes principais especialmente impactantes em um modelo baseado em consumo.
• Mudanças rápidas no ambiente competitivo: À medida que plataformas de dados e plataformas de IA convergem, a diferenciação pode mudar de recursos para a experiência integrada (implementação, operações, redes de SI/parceiros), que pode ser mais propensa à erosão. Atualizar o programa de parceiros também pode ser lido como um sinal de que o campo de batalha está se movendo em direção a operações de ecossistema.
• Perda de diferenciação aparece não como “churn”, mas como “expansão mais lenta”: À medida que a padronização avança, o padrão mais comum pode ser não migrações completas, mas “novos workloads vão para outro lugar” — uma forma silenciosa de substituição. Isso é difícil de detectar como churn de curto prazo e frequentemente aparece como taxas de expansão mais lentas.
• Dependência de nuvem = risco de cadeia de suprimentos: A dependência de provedores de nuvem subjacentes é efetivamente uma cadeia de suprimentos; mudanças em especificações, interrupções, estruturas de custo e termos contratuais podem repercutir em margens e qualidade operacional. Pode aparecer gradualmente, mas o impacto pode ser relevante.
• Desgaste organizacional em uma fase de crescimento desacelerando: À medida que o crescimento modera, iniciativas de eficiência, controles mais rígidos e priorização se intensificam; desgaste atrasado pode afetar a qualidade do suporte ao cliente e a competitividade de contratação. Não apresentado como uma conclusão de fontes primárias, mas um item de monitoramento como princípio geral.
• Risco de o modelo de lucro não se solidificar: A configuração atual — receita crescendo enquanto o ROE é profundamente negativo, crescimento desacelerando versus o longo prazo e FCF tendendo a flat — aponta para o risco de uma fase em que “a escala está emergindo, mas o modelo de lucro não se solidifica”.
• Uma guerra de atrito na capacidade de pagar juros: Com lucros GAAP negativos, a cobertura de juros pode parecer fraca. FCF positivo pode sustentar a resistência, mas se o FCF estiver flat a levemente em queda, custos incrementais podem corroer a durabilidade mais do que o esperado.
• Mudanças na distribuição de valor à medida que a IA prolifera: A IA pode ser um tailwind, mas os pools de lucro ao longo da stack não são fixos. À medida que a camada de app/agent se expande, a plataforma de dados pode se tornar ao mesmo tempo essencial e uma base exposta a pressão de preços.

Paisagem competitiva: o oponente não é “um data warehouse”, mas uma batalha pelo padrão de “operações integradas”

O conjunto competitivo da Snowflake não é sobre a função única de armazenar dados. Trata-se de vencer a camada de plataforma que operacionalmente executa a cadeia completa: preparar dados para analytics e aplicações, compartilhá-los sob controles de governança como permissões e auditoria, escalar compute elasticamente com a demanda e expô-los com segurança — e executar — IA (incluindo agentes).

Esse espaço é concorrido, e a diferenciação está mudando de recursos pontuais para uma experiência operacional integrada (gestão de custos, governança, integrações de ecossistema). Ao mesmo tempo, à medida que a interoperabilidade melhora via formatos abertos (por exemplo, Iceberg), há um headwind: o vendor lock-in pode enfraquecer versus o passado.

Principais players competitivos

• Databricks (impulsiona a narrativa de “lakehouse/AI development” e também compete em SQL/DWH; fortalece caminhos de IA corporativa via integrações com OpenAI, etc.)
• Google Cloud BigQuery (compete como um DWH nativo do GCP)
• Amazon Redshift (compete dentro da AWS via pacotes de precificação, operações e serviços adjacentes)
• Microsoft (família Fabric / Synapse; empacota com BI e operações, enquanto também avança interoperabilidade via formatos abertos e visa controle)
• Oracle (frequentemente compete em empresas com ativos substanciais de DB existentes)
• Teradata (compete em contextos de substituição/convivência para DWH de grandes empresas)
• Palantir (adjacente via Foundry/AIP; a colaboração está avançando, mas também pode competir dentro de orçamentos de IA)

Custos de troca: “migração parcial” é mais provável do que migração completa

À medida que modelos de dados, desenho de permissões, operações de auditoria, treinamento interno e integrações com ferramentas ao redor se acumulam, a migração completa se torna difícil. Ao mesmo tempo, a substituição pode acontecer via “apenas novos projetos vão para outra plataforma”, “apenas certos workloads se movem para outro lugar” ou “formatos abertos tornam a coexistência multi-engine a resposta certa”. O ponto-chave é que isso raramente aparece como churn óbvio; tipicamente aparece como expansão mais lenta no uso.

Moat (barreiras à entrada) e durabilidade: a força não está em uma única função, mas no “bundle”

O moat da Snowflake é menos sobre ser a melhor em um recurso e mais sobre entregar o seguinte “bundle”.

• Desenho operacional que permite compartilhamento interno/externo e execução de IA sem quebrar a governança (permissões e auditoria)
• Qualidade de implementação e operação que funciona em múltiplas nuvens
• Caminhos claros para workloads se expandirem dentro de clientes existentes (facilidade de rollout entre departamentos)

A durabilidade pode se fortalecer à medida que o uso de IA se aprofunda e auditoria, permissões e reprodutibilidade se tornam mais importantes — elevando o valor da plataforma — e à medida que a esfera de compartilhamento (incluindo o marketplace) se expande, tornando a substituição mais difícil.

A durabilidade pode enfraquecer se openness e coexistência avançarem a ponto de as plataformas parecerem mais intercambiáveis, e se concorrentes controlarem a narrativa para desenvolvimento de IA e execução de agentes, empurrando a plataforma de dados para um papel de subcontratada. Nesse contexto, a Snowflake pode ser vista como tentando incorporar capacidades de IA não como bolt-ons, mas como parte de uma experiência operacional integrada.

Posição estrutural na era da IA: um tailwind, mas também uma base exposta a pressão de preços

Estruturalmente, na era da IA o campo de batalha da Snowflake é a camada intermediária (dados, governança e plataforma de execução) que governa os dados corporativos e os torna executáveis — “nem um OS nem uma aplicação”. Em outras palavras, ela está mais próxima de fornecer “o lugar governado onde os dados são preparados”, do qual a IA precisa para rodar, em vez de estar do lado que a IA substitui.

Áreas em que a IA pode ser um tailwind

• Network effects: O valor aumenta não pela contagem de usuários, mas à medida que o compartilhamento e a distribuição de dados internos/externos (incluindo o marketplace) e a distribuição de aplicações na mesma plataforma se expandem.
• Vantagem de dados: Não sobre possuir dados únicos, mas sobre se tornar o lugar onde dados corporativos críticos se acumulam e podem ser usados sob regras de permissão e auditoria.
• Grau de integração de IA: Passar de conectividade externa de IA para uma fase em que agentes planejam e executam sob governança na plataforma. A disponibilidade geral de Cortex Agents é emblemática.
• Mission-criticality: Quanto mais profundamente ela se assenta na fundação, mais importante ela se torna; a substituição tende a acontecer não por migração completa, mas por vazamento de novos workloads.
• Barreiras à entrada: Depende menos da contagem de recursos e mais de entregar performance, operações e governança como um só — e fazer isso funcionar em múltiplas nuvens. É indicado o fortalecimento contínuo da plataforma, como Gen2, Optima e ingestão de streaming.

Áreas em que a IA pode se tornar um headwind (desintermediação e pressão de preços)

À medida que a camada de app/agent de IA se expande, a plataforma de dados pode se tornar “essencial, mas uma base exposta a pressão de preços”. Uma forma de interpretar a urgência da Snowflake em torno de integrações de IA e fortalecimento do ecossistema é como um movimento defensivo para evitar desintermediação se o valor se deslocar para cima na stack.

Liderança e cultura: implementation-first e inclinando-se para “operações integradas”, enquanto o risco de desgaste permanece um item de monitoramento

Consistência da visão do CEO: possuir operacionalmente o “enterprise data nerve center” na era da IA

O CEO Sridhar Ramaswamy está ancorado na premissa de que a IA não funciona sem uma estratégia de dados, e ele enfatiza repetidamente capturar a camada de plataforma de dados — governança, compartilhamento e execução — de que as empresas precisam para executar IA em produção, e não como experimentos. Uma distinção-chave é tratar a IA não como um add-on de recurso, mas como algo que muda o fluxo do trabalho corporativo (tomada de decisão → execução), com “preparar dados corretamente” como o pré-requisito central.

A proposta de valor central não mudou: “coletar sob governança segura e baseada em regras, compartilhar e computar tanto quanto necessário”. O que está mudando é a postura operacional — reduzir a “distance to value” para que os clientes experimentem benefícios mais rapidamente e aumentar o ritmo de adoção.

Perfil (4 eixos): visão / tendências de personalidade / valores / prioridades

• Visão: Mover a IA corporativa de uma coleção de PoCs para um estado operacional com ROI, e executar governança, execução e o ecossistema a partir do lado da plataforma para viabilizar isso.
• Tendências de personalidade: Iterativo, aprendendo por meio de implementação em vez de experimentação prolongada. Operações semanais de “war room” multifuncionais são discutidas.
• Valores: Pragmático, enfatizando confiança e qualidade operacional (correção, governança, auditoria) em vez de brilho.
• Prioridades: Foca em ações em que o valor para o cliente pode ser medido rapidamente, e em governança multifuncional e operações integradas com IA — tendendo a evitar “IA que soa bem mas não roda no campo”.

Como isso aparece na cultura: se encaixa em operações integradas, mas a gestão por métricas também pode ter efeitos colaterais

Um estilo de liderança que enfatiza iteração e execução é descrito como fortalecendo “ship and learn” em vez de “debate and end”, e pode melhorar o alinhamento entre produto, vendas e marketing. Isso pode se encaixar em um mundo em que a competição mudou para operações integradas. No entanto, em um ambiente de crescimento moderando, a visibilidade de resultados e a responsabilização podem se intensificar, potencialmente aumentando a carga na linha de frente (mensuração, revisões, repriorização) como efeito colateral — algo a tratar como uma cautela estrutural.

Sinais de governança: transição de CFO e questões de controle de informação

Uma transição de CFO (saída → nomeação) é um ponto de inflexão relevante para equilibrar crescimento e disciplina, e foi reportado que um novo CFO assumirá em setembro de 2025 (com o antecessor em um período de transição). Separadamente, um caso em que comentários do CRO acionaram uma divulgação tempestiva (8-K) ressalta a importância do controle de informação e da governança de PR. Ajustes de governança como mudanças na estrutura de classes de ações também ocorreram (sem oferecer interpretação detalhada aqui; estes são organizados como pontos factuais de mudança).

Adequação para investidores de longo prazo (cultura e governança)

• Potenciais positivos: Uma cultura de “learn by building” se encaixa no ciclo de iteração de um negócio de plataforma, e sinais como adoção de OKR que fortalecem disciplina podem ser lidos como passos rumo a estabelecer um modelo operacional em uma fase de crescimento desacelerando.
• Cautelas: Gestão por métricas mais rígida pode, no curto prazo, reduzir a autonomia da linha de frente e criar desgaste por meio de uma carga maior de explicação. Quando confiança e governança são forças centrais, falhas no controle de informação podem prejudicar a narrativa de forma desproporcional.

Árvore de KPI para investidores: o que impulsiona o valor empresarial (organizando causalidade)

O valor empresarial da SNOW, em última instância, se conecta a “expansão e durabilidade da escala de receita”, “poder de geração de FCF”, “melhora em lucratividade e eficiência de capital”, “durabilidade financeira” e “valor por ação (incluindo diluição)”. Se você mapear a cadeia causal entre esses pontos finais — consistente com os artigos-fonte — você obtém o seguinte.

KPIs intermediários (Value Drivers)

• Expansão dentro de clientes existentes (maior consumo)
• Expansão e retenção da base de grandes clientes
• Vitórias de novos workloads (especialmente uso de IA e casos de uso adjacentes a aplicações)
• Força da estrutura de lucro bruto (alta margem bruta)
• Eficiência de vendas, implementação e operações (se pode ser operado como operações integradas)
• Qualidade da geração de caixa (se a expansão de receita se traduz em geração de caixa)
• Carga incremental de investimento (desenvolvimento, segurança, atualização de performance, fortalecimento do ecossistema)
• Manutenção de confiança, segurança e governança

Drivers em nível de negócio (Operational Drivers)

• Core: plataforma de consolidação e execução de dados (armazenar / computar / usar sob governança)
• Compartilhamento de dados e governança (avançar padronização via compartilhamento baseado em regras)
• Camada de execução para uso de IA (aumentar novos casos de uso via recursos de IA e integrações de agentes)
• Pilar futuro: integração Postgres (expandir a superfície de analytics para dados operacionais)

Restrições: o atrito aumenta à medida que escala

• Dificuldade de previsão de custos devido à cobrança baseada em uso (carga de gestão do lado do cliente)
• Dificuldade de operações e design (modelos de dados, permissões, performance)
• Requisitos de segurança e confiança (grande blast radius de incidentes)
• Mudança no campo de batalha competitivo (recursos → operações integradas e ecossistema)
• Openness torna migração parcial mais provável
• Lucratividade e eficiência de capital imaturas (perdas e ROE fraco)
• Mudanças em liquidez e métricas financeiras (fases em que a folga de curto prazo pode se afinar)
• Diluição (crescimento da contagem de ações)

Hipóteses de gargalo (Monitoring Points)

• Se a expansão está acelerando ou sendo restringida por otimização
• Se o uso relacionado a IA é substituição ou net-new
• Equilíbrio entre crescimento em grandes clientes e risco de concentração (se a contenção por clientes principais está tendo um efeito desproporcional)
• Sinais de vazamento de novos workloads (migração parcial)
• Qualidade de execução na competição de operações integradas (implementação, operações, controle de custos, integrações)
• Se confiança, segurança e governança estão se tornando restrições à expansão
• Equilíbrio entre melhora de lucratividade e carga de investimento (se o modelo de lucro se solidifica)
• Se a geração de caixa se estabiliza em flat-to-slightly-down
• Direção da folga financeira (métricas de liquidez e alavancagem)
• Ritmo de diluição

Two-minute Drill: a espinha dorsal da tese de investimento de longo prazo para SNOW

A forma de longo prazo de pensar sobre a SNOW é que, ao possuir o “enterprise data nerve center (governed execution layer)”, o crescimento em casos de uso do cliente pode se traduzir diretamente em oportunidade de receita. À medida que a IA passa de experimentação para produção, permissões, auditoria e reprodutibilidade importam mais, o que aumenta o valor da fundação — potencialmente um tailwind.

Ao mesmo tempo, os números destacam uma lacuna: “a platformization está progredindo, mas o modelo de lucro está incompleto”. O crescimento da receita ainda é alto em base TTM, mas desacelerou versus a média de longo prazo; o FCF é positivo, mas o crescimento pausou; e o ROE é profundamente negativo e historicamente baixo. Outro ponto sutil, mas crítico, é que em um modelo baseado em consumo, a otimização do cliente frequentemente aparece não como churn, mas como taxas de expansão mais lentas.

Então, no que investidores de longo prazo devem focar não é em hype de IA, mas em se workloads de IA são net-new e estão impulsionando maior consumo, se compartilhamento, governança e a experiência operacional de ponta a ponta permanecem diferenciadores, e a sequência em que lucratividade e eficiência de capital são corrigidas. Se você assumir que a história de crescimento e a história de melhora do modelo de negócio se movem no mesmo ritmo, este é o tipo de nome em que erros se tornam mais prováveis.