Scopri le organizzazioni che utilizzano dati e AI per ottenere risultati straordinari nei settori dei servizi finanziari, della sanità, dell'energia, del retail e altri ancora.
Ogni settore ha le sue sfide uniche. I vincitori dei premi di settore dei Databricks Customer Awards sono le organizzazioni che non si sono limitate ad affrontarle, ma hanno usato i dati e l'AI per risolverle.
Gli Industry Awards premiano un'organizzazione d'eccellenza per ciascun settore: l'azienda il cui lavoro dimostra al meglio come la data intelligence possa guidare risultati straordinari, ridefinire le operazioni e creare nuove possibilità nel proprio campo. Da una banca globale che unifica i dati su rischi e finanza tra diverse aree geografiche a un ospedale che trasforma il modo in cui i dati clinici vengono acquisiti e riutilizzati, i vincitori di quest'anno mostrano quanto questo impatto possa essere ampio e profondo.
Il programma di quest'anno premia 10 vincitori nei settori dei servizi finanziari, delle comunicazioni, della sanità e delle scienze della vita, della produzione, del retail e CPG, dell'energia e delle utility, della tecnologia aziendale, del settore pubblico, delle aziende digital-native e dell'eccellenza nella cybersecurity. Insieme, rappresentano alcuni degli utilizzi più innovativi e d'impatto di Databricks che abbiamo mai visto, e siamo entusiasti di celebrarli tutti.
Senza ulteriori indugi, ecco i vincitori dei Databricks Customer Awards 2026 per il settore.
SMBC Group è un gruppo finanziario globale di primo livello. Con sede a Tokyo e una storia di 400 anni, SMBC Group offre una gamma diversificata di servizi finanziari, tra cui attività bancaria, leasing, titoli, carte di credito e credito al consumo. La banca utilizza i dati e l'AI per integrare rischio, tesoreria e finanza, rafforzare la cybersecurity e modernizzare l'esperienza digitale dei clienti.
Al centro di questa trasformazione c'è un unico lakehouse Databricks che unisce i dati di SMBC in diverse aree geografiche, su un'unica piattaforma governata. Unity Catalog offre alla banca la condivisione dei dati tra diverse aree geografiche, la lineage e i controlli di accesso. Il lakehouse esegue analytics e AI alla scala richiesta da una banca globale, mantenendo sotto controllo costi e complessità.
Su questa base, SMBC utilizza Genie e Agent Bricks per mettere un'intelligence affidabile e basata sui dati direttamente nelle mani del business. La piattaforma alimenta un chatbot per il Cash Management System, genera Early Warning Indicators per il rischio di portafoglio e si sta estendendo ai flussi di lavoro delle note di credito del front-office, riducendo il lavoro degli analisti da ore a minuti.
I risultati sono misurabili:
Questi risultati dimostrano come SMBC consideri i dati come un asset strategico, reso operativo ogni giorno dai team globali per prendere decisioni migliori, più rapide e più sostenibili.
Lumen Technologies è un'azienda di servizi di rete digitale che offre la connettività sicura, intelligente e ad alte prestazioni richiesta dalle imprese per realizzare le proprie ambizioni in ambito AI. L'azienda utilizza i dati e l'AI per offrire ai team finanziari e operativi un accesso alle informazioni più rapido e coerente.
In ambito finanziario, Lumen unisce i dati provenienti da domini quali ricavi, fatturazione e spese di rete, consentendo ai team di lavorare a partire da una visione condivisa dei numeri. L'azienda consolida questi dati sulla piattaforma Databricks e introduce agenti in linguaggio naturale che consentono ai dipendenti di porre domande all'interno dei loro strumenti quotidiani e ottenere risposte governate e spiegabili, senza richiedere competenze specialistiche.
Su questa base, Lumen:
Nel Service Assurance, Lumen sta semplificando l'analisi e la risoluzione degli incidenti di rete che possono influire sui carichi di lavoro critici dei clienti. Un'architettura Lakehouse, i foundation model e i flussi di lavoro multi-agente offrono un'unica interfaccia conversazionale in cui i team possono esaminare lo stato del servizio e il contesto operativo, analizzare i ticket, verificare la cronologia dei casi, eseguire la diagnostica ed esplorare i tempi di risoluzione in linguaggio naturale. Questo approccio sta contribuendo a scalare l'automazione in tutte le operazioni di servizio, con metriche interne che mostrano oltre 3 milioni di diagnostiche basate sull'AI, il 35% di ticket deflection e più di 100,000 azioni generate dall'AI.
Hospital for Special Surgery (HSS) è il centro medico accademico leader a livello mondiale focalizzato sulla salute muscoloscheletrica. Per 16 anni consecutivi è stato classificato al primo posto per l'ortopedia negli Stati Uniti da U.S. News & World Report, un riconoscimento che riflette un'eccellenza costante nell'assistenza clinica, nella ricerca e nell'innovazione.
Partendo da questa base di leadership e impatto, a giugno 2025 HSS ha avviato un ambizioso percorso di trasformazione dei dati aziendali: progettare e implementare un moderno data lakehouse su Databricks entro un arco di tempo di 18 mesi. L'obiettivo non era un miglioramento incrementale, ma un cambiamento strutturale, unificando un ecosistema di dati altamente frammentato, rafforzando la governance su scala e consentendo un processo decisionale più rapido e affidabile in tutta l'azienda.
Invece di seguire un modello tradizionale di acquisizione dei dati guidato dai casi d'uso, HSS ha adottato una strategia fondamentalmente diversa: l'acquisizione dell'intero sistema (full system ingestion). In pratica, ciò ha richiesto l'acquisizione completa dei sistemi di origine, anziché l'estrazione selettiva di sottoinsiemi di dati legati a singoli casi d'uso. ERP, HRIS, EHR, PACS e altri sistemi di origine sono stati importati come dataset completi, preservando la fedeltà e il contesto e consentendo il riutilizzo in molteplici applicazioni a valle senza necessità di una nuova acquisizione o reingegnerizzazione.
Questo approccio ha introdotto una complessità iniziale significativa, richiedendo un coordinamento più profondo con i proprietari dei sistemi, una modellazione rigorosa dei dati e controlli di governance più severi fin dal primo giorno. Tuttavia, ha gettato una base scalabile. Ora è possibile implementare rapidamente nuovi casi d'uso di analytics senza dover rivedere i pattern di acquisizione o rimodellare i dati, riducendo significativamente il time-to-insight e la ridondanza tecnica.
In soli 10 mesi, HSS ha acquisito oltre 40 sistemi di origine, creato più di 14.500 tabelle di produzione e oltre 130 schemi, e distribuito un set in continua crescita di prodotti dati e applicazioni.
Ancora più importante, la trasformazione ha cambiato il modello operativo con cui i dati vengono distribuiti in tutta l'azienda. I team possono ora passare dalla domanda all'insight utilizzando dataset affidabili e governati, consentendo non solo una distribuzione più rapida, ma anche analytics e funzionalità più sofisticate e una generazione di insight più profonda. È proprio questo cambio di passo, sia in termini di capacità che di esecuzione, a distinguere questa trasformazione e a sostenere il riconoscimento del programma come iniziativa di dati leader del settore.
TrinityRail® è un locatore, produttore e fornitore di logistica di vagoni ferroviari nordamericano che sta integrando più servizi digitali nella sua piattaforma per migliorare la sua suite di offerte per i clienti. Come parte della sua strategia per il 2026, l'azienda si concentra sul rendere operativa l'intelligence, incorporare i dati e implementare l'AI nelle decisioni e nei flussi di lavoro quotidiani.
TrinityRail unisce i dati provenienti da sistemi legacy che in precedenza limitavano la visibilità tra produzione, leasing e servizi, rendendo più difficile migliorare i margini, il capitale circolante e la produttività del personale. L'azienda sta riprogettando i sistemi aziendali principali sulla piattaforma Databricks e facendo convergere il proprio patrimonio di dati per supportare i "Systems of Action", passando da dashboard statiche ad applicazioni transazionali e agenti che agiscono sugli insight quasi in tempo reale.
Su questa base, TrinityRail:
Grazie all'acquisizione di RSI Logistics, TrinityRail integra anche i dati telemetrici provenienti dai sensori dei vagoni ferroviari per supportare l'offerta di data-as-a-service per i clienti. Insieme, questi sforzi mirano a risultati misurabili come la riduzione delle scorte, l'automazione degli approvvigionamenti, risparmi sui costi di sosta (per diem) e sulla supply chain e servizi digitali più reattivi su tutta la flotta.
PepsiCo è un leader globale nel settore food and beverage, e i dati alimentano le sue operazioni su scala globale. In collaborazione con Databricks, PepsiCo ha creato la sua Enterprise Data Foundation (EDF) per consentire a ogni funzione aziendale di creare e scalare prodotti di dati e AI su una piattaforma condivisa, moderna, scalabile e performante.
EDF unifica i dati aziendali e alimenta prodotti dati riutilizzabili utilizzati dai team di supply chain, commerciali, consumer, finance, procurement, R&D, HR e sostenibilità a livello globale. La fondazione supporta programmi aziendali prioritari con solide metriche operative, tra cui l'onboarding di oltre l'85% dei dati aziendali, il superamento del 90% di qualità dei dati e copertura del catalogo, e il rilascio in produzione di oltre 200 prodotti di dati e AI aziendali.
Su questa base Databricks, PepsiCo ha ridotto del 60% la complessità della reportistica e dei dati e prevede di passare a console di AI per la BI in tutte le linee di business e funzioni.
Sviluppata su Databricks, EDF è AI‑ready per progettazione, supportando analytics avanzate, machine learning e AI governata su scala. Grazie alla governance integrata e al contesto semantico, PepsiCo trasforma dati puliti e connessi in insight e azioni che generano un reale impatto di business in tutta l'azienda.
Ausgrid è un importante distributore di energia elettrica in Australia che serve case e aziende in tutta la sua rete. L'azienda sta modernizzando il modo in cui gestisce e utilizza i dati, in modo che un team relativamente piccolo possa supportare analytics e AI in tutta l'impresa.
Ausgrid raccoglie dati da sistemi di analytics legacy paralleli che aumentavano i costi della piattaforma e rendevano più difficile fornire dati affidabili e riutilizzabili agli utenti aziendali. Un team snello di otto persone dedicato ai dati ha pianificato ed eseguito una migrazione completa da Azure Synapse a un'architettura lakehouse sulla piattaforma Databricks, dismettendo il vecchio ambiente e creando una Enterprise Data Platform con prodotti dati "gold" certificati in domini quali clienti, finanza e meteo. Questo lavoro elimina le spese duplicate per le piattaforme e riduce il sovraccarico operativo derivante dal mantenimento di due stack di analytics.
Su questa base, Ausgrid:
Guardando al futuro, Ausgrid si concentra sulla transizione verso una utility guidata dall'AI rilasciando più prodotti dati allineati ai domini e abilitando strumenti come Databricks Lakehouse, Genie e app per analytics democratizzate. L'obiettivo è integrare migliaia di dipendenti su un unico lakehouse e utilizzare dati e AI per supportare decisioni più intelligenti, BI moderna e casi d'uso integrati, migliorando al contempo il costo totale di proprietà attraverso il consolidamento e risorse di calcolo elastiche.
Intel è un'azienda tecnologica globale che progetta e produce semiconduttori e tecnologie informatiche che alimentano dispositivi, data center e sistemi intelligenti in tutto il mondo. L'azienda sta modernizzando la sua infrastruttura di dati e AI per migliorare la collaborazione, la governance e la velocità di innovazione in tutta l'organizzazione.
Con la crescita in termini di scala e complessità del patrimonio di dati di Intel, i team hanno dovuto affrontare sfide legate alla coerenza, alla governance e alla frammentazione dei flussi di lavoro tra le varie business unit. Per affrontare questo problema, l'IT di Intel ha allineato i team interfunzionali attorno a una strategia dati unificata e ha standardizzato il consumo di analytics e ML sulla piattaforma Databricks, contribuendo a portare maggiore coerenza e controllo in tutta l'azienda.
Su questa base, l'IT di Intel:
L'IT di Intel ha inoltre rafforzato la propria community interna di dati allineando i team di operations, analytics e governance attorno a standard e modelli operativi condivisi. Ciò ha contribuito a migliorare la data stewardship, rendendo al contempo più facile per i team scoprire, accedere e riutilizzare i dati in tutta l'organizzazione in modo sicuro.
Insieme, questi sforzi hanno reso l'ecosistema di dati di Intel più connesso, governato e scalabile, supportando un'innovazione più rapida e una più ampia adozione di dati e AI in tutta l'azienda.
IDB Invest è l'istituzione del settore privato del Gruppo della Banca Interamericana di Sviluppo, che finanzia imprese e mobilita investimenti privati per promuovere lo sviluppo in America Latina e nei Caraibi. Nel 2025, ha registrato un record di 13,1 miliardi di dollari di attività totale, portando avanti una più ampia trasformazione istituzionale volta ad aumentare la scala, la qualità e l'impatto dello sviluppo.
Con l'espansione delle attività di IDB Invest con Databricks, l'organizzazione ha modernizzato il modo in cui i team accedono e agiscono sulle informazioni nei flussi di lavoro di tesoreria, analytics e rischio. Un obiettivo fondamentale è stato quello di ridurre la frammentazione nell'ambiente analitico e stabilire una base più solida per un processo decisionale più rapido, coerente e abilitato dall'AI in tutta l'azienda.
Questa trasformazione include l'applicazione dell'analisi dei documenti basata sull'AI per supportare il team di Risk and Sustainability Management a fronte della crescita del deal flow e della maggiore complessità delle revisioni dei rischi finanziari e non finanziari. Utilizzando l'elaborazione del linguaggio naturale e i modelli linguistici di grandi dimensioni (LLM), IDB Invest può analizzare e riassumere proposte di investimento, aide-mémoire e relazioni annuali di supervisione, creando al contempo un repository centralizzato di conoscenza istituzionale e informazioni finanziarie chiave per un recupero più rapido.
IDB Invest ha inoltre implementato un assistente virtuale di AI a livello aziendale basato su Databricks Genie per fornire un accesso conversazionale a dati e analytics. Combinando Genie con l'accesso governato tramite Unity Catalog, l'organizzazione offre agli utenti un modo sicuro per interrogare i dati aziendali, esplorare scenari e generare riepiloghi in linguaggio naturale. Ciò contribuisce a estendere le analytics oltre i team specialistici e amplia l'accesso agli insight guidati dall'AI nei flussi di lavoro di tesoreria, rischio e impatto. Questo riduce ulteriormente il time-to-insight, riduce la dipendenza dalla reportistica manuale e accelera l'adozione dell'AI nei flussi di lavoro relativi a rischio, tesoreria e impatto dello sviluppo.
I primi risultati di questo lavoro includono:
Insieme, questi sforzi mostrano come IDB Invest stia utilizzando i dati e l'AI per snellire le operazioni, rafforzare il processo decisionale e supportare il suo più ampio mandato di crescita e sviluppo.
Superhuman, la piattaforma di produttività che include Grammarly, Coda, Superhuman Mail e Superhuman Go, serve oltre 40 milioni di utenti giornalieri in decine di lingue e si affida alla piattaforma Databricks per fornire suggerimenti rapidi, affidabili ed economicamente efficienti su scala globale.
In stretta collaborazione con Databricks, Superhuman ha migrato la maggior parte del traffico di inferenza che alimenta il modello di punta per la correzione degli errori grammaticali di Grammarly da uno stack vLLM DIY a Databricks High Throughput Model Serving.
Su questa base, Superhuman:
Oltre all'inferenza, Superhuman ha adottato Lakebase, il servizio PostgreSQL completamente gestito di Databricks e integrato nativamente con la lakehouse, come spina dorsale transazionale per le applicazioni interne e i servizi di produzione, sincronizzando le tabelle Delta in un archivio a bassa latenza e riscrivendo lo stato dell'applicazione senza pipeline personalizzate.
Questa base costituita da Lakebase e Databricks Apps ha trasformato progetti di onboarding di funzionalità e reverse-ETL della durata di diversi mesi in attività misurabili in settimane o addirittura ore, riducendo drasticamente il carico di reperibilità per i team di ingegneria.
Adobe consente a chiunque, ovunque, di immaginare, creare e dare vita a qualsiasi esperienza digitale. Dai creatori e studenti alle piccole imprese, fino alle grandi aziende globali e alle organizzazioni non profit, i clienti scelgono i prodotti Adobe per ideare, collaborare ed essere più produttivi, guidare la crescita del business e creare esperienze straordinarie.
Ma nel mondo digitale di oggi, la fiducia è ciò che rende possibili le idee audaci. La fiducia alimenta la creatività — e inizia con la sicurezza, proteggendo i nostri clienti e le comunità che utilizzano i prodotti Adobe ogni giorno.
Con l'aumento del volume e della complessità dei dati sulla sicurezza, Adobe ha continuato a far evolvere il suo approccio alla cybersecurity data-driven. Il team di sicurezza di Adobe sfrutta i dati e gli strumenti di AI, tra cui Databricks, per consentire analisi più scalabili e migliorare la velocità e la precisione del rilevamento delle minacce.
Applicando le pratiche di ingegneria del software ai propri workflow di rilevamento, Adobe ha rafforzato la coerenza, la governance e l'efficienza delle sue operazioni di sicurezza. Il risultato è stato una riduzione misurabile dei falsi positivi, uno sviluppo più rapido dei rilevamenti e migliori prestazioni analitiche su dati su larga scala.
Questi sforzi rafforzano la capacità di Adobe di identificare e rispondere a minacce in continua evoluzione — e sostengono le esperienze digitali sicure e affidabili per i clienti Adobe in tutto il mondo.
Sumitomo Mitsui Banking Corporation, Lumen Technologies, Hospital for Special Surgery, TrinityRail, PepsiCo, Ausgrid, Intel, IBD Invest, Superhuman e Adobe.
Dieci vincitori. Un unico filo conduttore: organizzazioni che hanno visto cosa i dati e l'AI potevano fare nel loro campo e hanno costruito qualcosa che merita di essere celebrato. Il loro lavoro spinge l'intera community in avanti — ed è esattamente questo il punto.
Vuoi saperne di più su come i clienti di Databricks utilizzano i dati e l'AI per generare impatto?
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.