スノーフレーク(ティッカー：$SNOW)の2026年度第2四半期決算についてまとめます
決算概要
アナリスト予想平均と結果の比較をまとめます。
| 結果 | 予想 | 判定 | |
|---|---|---|---|
| EPS | $0.35 | $0.27 | 〇 |
| 売上高 | $1.14B (YoY +31.2%) | $1.09B | 〇 |
業績ハイライト
売上・成長率
| 指標 | 金額・数値 | 前年比 | コメント |
|---|---|---|---|
| Q2 製品売上 | $1.09B | +32% | 前四半期から成長が加速 |
| 残存パフォーマンス義務 (RPO) | $6.9B | +33% | 強固な将来の収益基盤を反映 |
| NRR (ネット売上継続率) | 125% | – | 健全な顧客拡張傾向 |
| $1M超顧客数 | 654社 | +50社（QoQ） | 過去最高の四半期記録 |
| 新規顧客数増加率 | +21% | – | 米国主体の構造変更が貢献 |
✅ ポジティブポイント
- 売上成長率が前四半期から加速
- 過去最多の大型顧客増加（$1M超）
- 欧州地域の営業体制強化によりEMEAでも好調
利益・マージン
| 指標 | 数値 | コメント |
|---|---|---|
| Non-GAAP 製品粗利率 | 76.4% | 継続的に高水準を維持 |
| Non-GAAP 営業利益率 | 11% | 前年より改善 |
| Non-GAAP フリーキャッシュフローマージン | 6% | 通期ではH2偏重見込み |
🟢 ポジティブ
- 営業利益率改善
- フリーキャッシュフローは後半に集中予定
通期ガイダンス（FY26）
| 指標 | ガイダンス | 前回比 | コメント |
|---|---|---|---|
| 製品売上 | $4.395B | +上方修正 | 成長率 +27% YoY |
| Non-GAAP 製品粗利率 | 75% | 維持 | 継続的な効率性重視 |
| Non-GAAP 営業利益率 | 9% | 維持 | コスト管理継続 |
| Non-GAAP フリーキャッシュフローマージン | 25% | 維持 | H2に向けて拡大見込み |
プロダクト・AI関連進展
| トピック | 概要・インパクト |
|---|---|
| Snowflake Intelligence (AI Platform) | 自然言語で企業データを操作可能。顧客例：Cambia Health、Duck Creek Technologies |
| Cortex AICL / Cortex AI | SQLネイティブでAIモデルを実行可能。Thomson Reuters、BlackRockが導入 |
| Gen2 Warehouse | 最大2倍のパフォーマンス向上、コスト据え置きで効率改善 |
| Snowflake Postgres (Crunchy Data統合) | OLTP/OLAP対応強化、GA前の強い顧客需要 |
| Snowflake OpenFlow | 構造化・非構造化・バッチ・ストリーミングデータを統合。$17B市場に対応 |
🚀 AI活用状況
- Q2時点で 610超のアカウント がAI機能を使用
- 新規ロゴの**約3%**にAIが影響
- 導入済ユースケースの25%にAIが関与
質疑応答ハイライト
Q1: データインフラ近代化と成長の持続性（Morgan Stanley）
Q（Sanjit Singh）: データ基盤の近代化後、成長は持続するか？
A（Sridhar）:
- データ近代化はAI活用の出発点
- AI対応データの整備が必須 → Snowflakeがその基盤
- 成長初期段階にあるとの認識
Q2: 欧州の営業体制強化効果（Barclays）
Q（Raimo Lenschow）: 欧州チームの分業構造導入による影響は？
A（Mike）:
- 欧州は貢献し始めているが、まだ立ち上げフェーズ
- 米国では既に構造改革が成果を出している
- EMEAとAPJにも同様の体制を展開中
Q3: Microsoft Azureとの連携（UBS）
Q（Karl Keirstead）: Azure上のSnowflake成長が特に強い理由は？
A（Mike & Sridhar）:
- Azureは最も高成長（+40% YoY）
- Microsoftとの共同営業活動と技術連携が寄与
- Azureの強いEMEA基盤が追い風
Q4: 新製品のガイダンス影響（Evercore）
Q（Kirk Materne）: Q2の新製品が強かったが、Q3に織り込まれているか？
A（Mike）:
- 一部は織り込み済み、Q2の強さは予想超え
- 新製品による消費の上昇は今後のトレンドに反映される
Q5: AI需要と支出増加の関係（Wolfe）
Q（Alex Zukin）: AI予算増による上振れの兆候が見えるが、それが主因か？
A（Sridhar）:
- 既存分析ワークロードの強さが基盤
- その上にAIワークロードが追加的な収益を生んでいる
- Q2のユースケースの約25%がAI関連
Q6: AIのエンタープライズ活用のタイミング（Goldman Sachs）
Q（Kash Rangan）: コンシューマーAIのような“魔法”が企業にも広がる時期は？
A（Sridhar）:
- すでに実用段階に突入している
- Sales向けAIアシスタントなどで即座に効果を実感
- SparkワークロードのSnowflake統合も進行中
Q7: 雇用と営業力強化（JPMorgan）
Q（Mark Murphy）: 営業・マーケティングの大規模採用の背景は？
A（Mike）:
- 過去2年分を上回る採用をH1で実施
- 生産性・活動量を重視し、継続的に成果が出れば増員
Q8: 製品別売上要因の内訳（Piper）
Q（Brent Bracelin）: コア製品とAI製品、どちらが成長牽引したか？
A（Mike）:
- 大型顧客の新規ワークロード移行が主因
- AI・Postgres（Crunchy）なども一部寄与
- ただし「コア製品の消費が中心」
Q9: 競合との立ち位置（Citi）
Q（Tyler Radke）: DatabricksやMicrosoft Fabricなどとの競争環境について？
A（Sridhar）:
- プロダクト品質とAI統合の深さがSnowflakeの優位性
- 複雑さを減らし統合された体験を提供
- 大企業との導入実績が差別化要因
Q10: AI製品の採用・収益化戦略（Needham）
Q（Michael Cikos）: AI機能採用は進んでいるが、どうマネタイズしているのか？
A（Sridhar）:
- 自然なUX設計により急速な採用
- 少数の専門チームによる営業支援
- 現場全体への横展開で収益化が本格化
コメント