Snowflake Finance verkürzt die monatliche Prognose mit CoCo von einer Woche auf wenige Stunden

Vom einwöchigen Prozess zum Update zur Monatsmitte

Das Sales-Finance-Team führt jeden Monat mehr als 30 wiederkehrende Analysen für die Vertriebsverantwortlichen von Snowflake durch. Sie umfassen die Topline-Prognose, die Sales Pipeline, Provisionen und das Reporting zur Geschäftsentwicklung. Die Prognose ist die aufwendigste dieser Analysen, zu ihr gehört eine Abweichungsanalyse, die erklärt, was sich seit der vorherigen Prognose verändert hat.

Früher bedeutete ihre Erstellung, Deals in der Pipeline zu prüfen, Account-Notizen im CRM zu lesen, mit historischen Trends zu vergleichen und das aktuelle Verhalten im Außendienst zu kontrollieren. Die Arbeit war auf mehrere Analysten verteilt, und weil sie mehr als eine Woche dauerte, ließ sie sich nur einmal im Monat durchführen. Mit dem Topline-Forecast-Skill in CoCo dauert dieselbe Analyse laut Snowflake nun nur noch wenige Stunden.

Das hat den Rhythmus verändert. Das Team veröffentlicht jetzt ein Update zur Monatsmitte, damit die Vertriebsverantwortlichen sehen, wohin sich das Quartal entwickelt, solange noch Zeit zum Gegensteuern bleibt. Außerdem kann jeder Analyst den Skill erneut ausführen, um ein Szenario durchzuspielen.

Das GTM-Finance-Profil und warum es die Kosten senkt

Erste Versuche mit KI verliefen uneinheitlich. Nach Angaben des Teams griff die KI auf eine verwandte, aber falsche Datenquelle zurück oder stellte Rückfragen, die ein erfahrener Analyst nicht gebraucht hätte, weil sie Dinge erschließen musste, die das Team zwar wusste, aber nie aufgeschrieben hatte.

Die Lösung war ein CoCo-Profil namens GTM Finance, das das Strategic-Finance-Analytics-Team von Snowflake aufgebaut hat. Ein Profil ist ein dauerhafter Kontext, den die KI vor jeder Antwort liest, sodass niemand ihn in einem Prompt wiederholen muss. Laut Snowflake enthält es diese Ebenen:

• Zertifizierte Datenquellen: mehr als 20 vom Analytics-Team zertifizierte Quellen.
• Terminologie: Definitionen für Bookings, Pipeline, Quota und weitere zentrale Kennzahlen.
• Wiederkehrende Analysen: regelmäßige Monats- und Quartalsarbeiten.
• Ausgabeformate: standardisierte Layouts für Berichte und Abweichungsanalysen.
• Eskalationswege: Anlaufstellen, wenn eine Zahl nicht plausibel erscheint.

Den Effizienzeffekt nennt Snowflake Memory Scaling: Ein KI-Agent wird pro Arbeitseinheit günstiger, je mehr Kontext er über seine Umgebung ansammelt. Unter 44 Finance-Nutzern kamen diejenigen mit Profil in durchschnittlich etwa 1,3 Schritten zu einer Antwort, ohne Profil waren es etwa 3 Schritte (interne CoCo-Nutzung bei Snowflake, Februar bis Mai 2026). Jeder zusätzliche Schritt kostet rund 0,05 Credits, also etwa 10 Cent, sodass eine Sitzung mit fünf Schritten etwa dreieinhalbmal so viel kostet wie eine mit einem Schritt. Snowflake gibt zudem an, dass in seinen Daten bei jeder Schrittzahl eine Sitzung mit Profil günstiger war als eine ohne.

Analysten bauen 36 eigene Skills

Mit dem Profil im Einsatz begannen die Analysten, eigene Skills zu entwickeln, also wiederverwendbare Workflows, die die KI auf Anfrage ausführt. Snowflake zufolge braucht man dafür keinen technischen Hintergrund. Innerhalb von zwei Monaten wuchs die Bibliothek von drei Starter-Skills auf 36, und mehrere Excel-Arbeitsmappen wurden zu gemeinsam genutzten Skills. Drei Monate nach dem Start nutzten noch 87 % der ersten Anwender CoCo täglich.

• Bookings BvA: ersetzte die manuelle Abweichungsanalyse zum Monatsabschluss in Data und Finance. Ein Analyst tippt „bookings bva“, beantwortet einige Parameterabfragen und erhält binnen Minuten die Abweichungen über Deal-Kategorien hinweg, einschließlich der Information, welche Opportunities sich verschoben haben und warum.
• Sales Travel Expense Report: ersetzte stundenlanges teamübergreifendes Reporting und manuelles Verfassen von E-Mails. Der Skill legt den Berichtszeitraum selbst fest, erstellt pro Führungskraft Auswertungen zu Budgetabweichungen, Ausgaben außerhalb der Richtlinien und den größten Ausgabeposten und entwirft die E-Mail an jede Führungskraft. Arbeit, die in zwei Teams Stunden dauerte, braucht nun etwa 15 Minuten.
• Topline-Prognose: ersetzte einen einwöchigen Prozess mit mehreren Beteiligten.
• Provisionsabgleich: ersetzte einen manuellen Workflow auf Excel-Basis.

Kontrolle behalten und was das bedeutet

Wenn Analysten ihre eigene Logik schreiben, stellt sich die Frage der Kontrolle. Snowflake nennt drei Maßnahmen, die das in Grenzen halten. Das Analytics-Team zertifiziert die maßgebliche Datenbasis über einen technischen Quellenleitfaden, sodass Folgefragen und Ad-hoc-Analysen auf dieselben Quellen zugreifen. Die Kontextebene liegt zentral in einer Hand: Analysten bauen auf dem Profil auf, während das Analytics-Team Datenquellen und Terminologie festlegt. Und Skills werden geteilt und lassen sich einsehen, was nach Ansicht des Unternehmens eine bessere Prüfposition ist als eine Tabelle auf einem einzelnen Laptop.

Die Ergebnisse stammen von Snowflake selbst und beruhen auf der internen Nutzung, der Beitrag ist aus Sicht des Teams geschrieben. Dennoch deutet der Bericht auf ein Muster hin, das auch andere Unternehmen betrifft: Plattformexperten legen das Fundament, und ein Fachteam baut darauf seine eigenen Workflows. Laut dem Beitrag lässt sich der Ansatz auch über das Finanzwesen hinaus anwenden.