
企業服務模式之爭
當前的企業服務模式是三種模式并存,分別是:On-Premise、SaaS、Mixed。
在 8 家投資機構中,有一家投資機構非純 SaaS 不投,第一次聽到這種觀點的時候有點驚訝。目前,我們 SaaS 收入占整體收入的比例不超過 20%,而大部分收入來自于私有云部署。
目前,很少聽說一線大數據分析廠商是純 SaaS 模式?;诰€上數據做大數據分析的廠商往往是 SaaS 模式,目前大部分收入來自于 SaaS 模式,少部分收入來自于定制化開發服務;基于線下數據做大數據分析的廠商往往是 Mixed 模式,在目前大部分收入來自于 On-Premise 模式,少部分收入來自于 SaaS 模式和定制化開發服務。
關于基于線下數據做大數據分析的廠商的生存狀態,我做了一個簡單的調查:選擇 Mixed 模式的 Qlik 和 Tableau 因為業務快速發展,在兩三次融資之后便完成了上市,且后者上市之后的年復合增長率長期保持在 80%以上。而選擇 SaaS 模式的 Birst 和 GoodData 融資到了 E 輪還沒有完成上市,業務規模較之前者也小了很多。
為什么會這樣呢?大數據分析的原料是大數據,而大多數企業目前的私有云數據遠大于公有云數據。數據已經成為成業的核心資產,企業級架構下的安全管控也成了重中之重。另外,如果企業選擇將數據傳輸到云端 SaaS 平臺進行分析,基于現有的互聯網基礎設施條件,數據傳輸又是個巨大的問題。簡單地舉個例子:如果上傳速度是 20Mbps,假設整個過程順利的話,將 1TB 數據上傳到云端大概需要 5 天。
在這樣的條件下,大多數企業的明智選擇是:大數據在哪里,大數據分析就在哪里。因而,對于有云端大數據分析需求的客戶,Yonghong、Qlik 和 Tableau 會引導客戶使用其云端 SaaS 平臺。這種 Mixed 模式是 On-Premise 和 SaaS 模式的升級版,即同時提供 On-Premise 和 SaaS 兩種服務,再通過技術手段打通 On-Premise 和 SaaS,連接線下數據和線上數據,以最大化數據的價值。
未來,有兩種力量會持續提升云端 SaaS 平臺的收入占比:
1. 公有云數據將持續增長,10年 以后云端數據也許會超過 50%。在那時候,大數據分析廠商的云端 SaaS 平臺的收入占比將隨之升高。
2. 互聯網基礎設施條件得以大幅改善,數據傳輸效率得以大幅提升,打造基于云端的純 SaaS 平臺成為一種可能。這時候企業將第一次有機會把企業級數據倉庫構建在公有云,但那時候公有云和私有云之間的邊界已經不存在,混合云成了企業級計算的新常態。
大數據分析公司 Palantir 的模式
大數據分析軟件公司 Palantir 是硅谷最具神秘氣質的初創企業巨頭,我們對其知之甚少,只知道其數據處理軟件可用于打擊恐怖分子和抓捕金融行業的犯罪分子。Palantir 的聯合創始人包括 Peter Thiel 以及風投機構 Formation 8 合伙人 Joe Lonsdale,其早期投資方還有美國中央情報局旗下的風投公司 In-Q-Tel。
通常,購買 Palantir 軟件的費用在 500 萬美元至 1000 萬美元之間,客戶被要求預先支付 20%的經費,剩余部分在客戶滿意后再支付,據說沒有一套軟件被退回。創始人 Alex Karp 聲稱公司是 “沒有公關,沒有銷售,沒有營銷”,這一切都是為了保證產品(延伸閱讀:金融大數據分析平臺 Palantir Metropolis 介紹)。
經過十多年的發展,Palantir 成為繼 Uber、小米、Airbnb 之后,全球估值第四高的創業公司。7月 底遞交給美國證券交易委員會(SEC)的文件顯示,Palantir 已經成功融資約 4.5 億美元,估值為 200 億美元左右。
Palantir 選取的模式是 On-Premise。
On-Premise 并未阻礙 Palantir 收入的快速增長,更未阻礙 Palatir 成為硅谷最性感的大數據分析公司,受到很多一線投資機構的追捧。
另外,個人堅定地認為 Palantir 內部一定有其云端計劃,這一云端計劃不會放棄 On-Premise,而是 Mixed 模式。
人力資源服務 Workday 的模式
在 10年 左右的時間里,從事人力資源服務的 Workday 在競爭激烈的行業中取得了不小的成功。如此新穎的模式和迅速的成長,讓行業巨頭也為之側目。但是,Workday 的發展道路上并非沒有風險。隨著公司多元化的發展,以及競爭對手的增多,Workday 還未能扭轉虧損的局面。
從技術角度看,Workday 最大的不同之處在于用 Metadata 來定義數據之間的關系。Workday 并沒有采用包含大量表的關系型數據庫,其對象型數據庫只有三張表:實例、屬性和索引。你很難從這個對象型數據庫本身了解其含義。
當 Workday 的系統啟動時,作為系統核心的對象管理服務器 (OMS) 會讀取存在三個主要表中的數據和定義,根據 Metadata 所規定的關系,將業務呈現給用戶。如果要變更產品,只需要修改 Metadata 以重新定義對象之間的關系,然后再重啟應用即可。Workday 很酷,連筆者都是他的粉絲,成功上市之后,Workday 的市值長期保持在 100 億美金左右,擁有大量熱愛 Workday 的股民。
Workday 選取的模式是 SaaS。
在很多人心目中,SaaS 就像水一樣,打開水龍頭能能用。有的云計算廠商的口宣傳語都是秒級調度計算資源,或者秒級開啟 SaaS 服務。大家猜猜如果一家企業采購了 Workday 的 SaaS HR 服務之后,需要等多久就能用上?不是一秒,不是一小時,不是一天,也不是一個月,甚至不是一個季度,一般是一年以上!基于 Workday 發明的面向未來的對象型數據庫,據說配置一套 Workday 只需要對各種對象進行拖拽式操作即可,但由于企業服務的邏輯復雜性,過去 Workday 的上線周期一般在一年以上,有的 Case 甚至超過兩年。
Gartner 關于企業服務 SaaS 模式的研究報告
Gartner 關于 SaaS 模式的研究報告能讓大家更加正確地認識 SaaS 模式。Gartner VP Robert DeSisto 表示,市場上對于 SaaS 模式充斥著許多假設性想法,其中有的想法是正確的,有的想法是錯誤的。他呼吁企業要謹慎檢視 SaaS 的真實面目,因為有許多客戶基于這些錯誤的假設,便決定部署 SaaS 方案。
在這份名為 “事實檢視:五個 SaaS 最常見的假設” 報告中,Gartner 提出了五個關于 SaaS 最常見的假設,供業界作為參考:
1. 關于 SaaS 較傳統就地部署 (On-Premise) 模式成本較低,Gartner 認為,因為不需要高額的資本投資來采購軟件或建置基礎架構,選用 SaaS 模式的前兩年的確成本較低。但就第三年以后的軟件擁有總成本來看,還是 On-Premise 模式較低。其中的原因之一是因為會計原則將 On-Premise 軟件視為固定資產,可折舊攤提。
2. Gartner 亦警告說,部署 SaaS 的速度也不一定較 On-Premise 更快。雖然軟件廠商報價說 30 天是標準的建置時間,但事實上,有些軟件可能花上數個月的時間。因為隨著企業流程與整合度的復雜性增加,部署 SaaS 與 On-Premise 軟件所需的時間差異會越來越小。
3. 若假設真的會以使用量來計費,那也是錯的。Gartner 表示,在大部分的情況下,企業還是會被要求簽署固定費用的先期合約。
4. 業界同時也低估了 SaaS 的功能性。一般都認為,SaaS 無法與 On-Premise 應用程序或數據源整合。但事實上,透過批次同步化的方式,先將數據加載 SaaS 應用程序中,然后再定期更新,或使用網絡服務進行實時更新,都是可行的方法。
5. SaaS 不是只能符合簡單、基本的需求。Gartner 表示,SaaS 應用程序在 Metadata 層級是高度客制化的,可透過應用程序平臺服務 (APaas) 的方式來實現,業界也有許多實際建置的范例。不過,對于復雜、端到端企業流程的管理功能來說,SaaS 還是有其限制。
當前的 On-Premise 采購大多被會計原則視為 “固定資產”, 而 SaaS 采購大多會被會計原則視為 “服務”。這種混淆技術模式與商業模式的方式,讓企業級客戶在做選型時很難有最優選。
我覺得,越來越多的大企業將會對 On-Premise 和 SaaS 形成統一的會計原則。這意味著在不久的將來,技術模式與商業模式將徹底分開。不管是公有云部署還是私有云部署,廠商都可以采用 SaaS 收費模式計價。
模式是手段而不是目的,應回歸商業本質。如果不考慮目的,單純地討論模式沒有意義。
還有一個普遍的觀點是,只要把客戶拉上船,數據在我這里,客戶就跑不了。有的廠商通過營銷手段讓客戶簽單,有的廠商通過免費讓客戶先上船后買票,都寄希望于用 “模式” 套牢客戶。
然而,大家似乎忘了最簡單最質樸的道理:商業的本質,是創造價值。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
CDA數據分析師證書考試體系(更新于2025年05月22日)
2025-05-26解碼數據基因:從數字敏感度到邏輯思維 每當看到超市貨架上商品的排列變化,你是否會聯想到背后的銷售數據波動?三年前在零售行 ...
2025-05-23在本文中,我們將探討 AI 為何能夠加速數據分析、如何在每個步驟中實現數據分析自動化以及使用哪些工具。 數據分析中的AI是什么 ...
2025-05-20當數據遇見人生:我的第一個分析項目 記得三年前接手第一個數據分析項目時,我面對Excel里密密麻麻的銷售數據手足無措。那些跳動 ...
2025-05-20在數字化運營的時代,企業每天都在產生海量數據:用戶點擊行為、商品銷售記錄、廣告投放反饋…… 這些數據就像散落的拼圖,而相 ...
2025-05-19在當今數字化營銷時代,小紅書作為國內領先的社交電商平臺,其銷售數據蘊含著巨大的商業價值。通過對小紅書銷售數據的深入分析, ...
2025-05-16Excel作為最常用的數據分析工具,有沒有什么工具可以幫助我們快速地使用excel表格,只要輕松幾步甚至輸入幾項指令就能搞定呢? ...
2025-05-15數據,如同無形的燃料,驅動著現代社會的運轉。從全球互聯網用戶每天產生的2.5億TB數據,到制造業的傳感器、金融交易 ...
2025-05-15大數據是什么_數據分析師培訓 其實,現在的大數據指的并不僅僅是海量數據,更準確而言是對大數據分析的方法。傳統的數 ...
2025-05-14CDA持證人簡介: 萬木,CDA L1持證人,某電商中廠BI工程師 ,5年數據經驗1年BI內訓師,高級數據分析師,擁有豐富的行業經驗。 ...
2025-05-13CDA持證人簡介: 王明月 ,CDA 數據分析師二級持證人,2年數據產品工作經驗,管理學博士在讀。 學習入口:https://edu.cda.cn/g ...
2025-05-12CDA持證人簡介: 楊貞璽 ,CDA一級持證人,鄭州大學情報學碩士研究生,某上市公司數據分析師。 學習入口:https://edu.cda.cn/g ...
2025-05-09CDA持證人簡介 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度、美團、阿里等 ...
2025-05-07相信很多做數據分析的小伙伴,都接到過一些高階的數據分析需求,實現的過程需要用到一些數據獲取,數據清洗轉換,建模方法等,這 ...
2025-05-06以下的文章內容來源于劉靜老師的專欄,如果您想閱讀專欄《10大業務分析模型突破業務瓶頸》,點擊下方鏈接 https://edu.cda.cn/g ...
2025-04-30CDA持證人簡介: 邱立峰 CDA 數據分析師二級持證人,數字化轉型專家,數據治理專家,高級數據分析師,擁有豐富的行業經驗。 ...
2025-04-29CDA持證人簡介: 程靖 CDA會員大咖,暢銷書《小白學產品》作者,13年頂級互聯網公司產品經理相關經驗,曾在百度,美團,阿里等 ...
2025-04-28CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-27數據分析在當今信息時代發揮著重要作用。單因素方差分析(One-Way ANOVA)是一種關鍵的統計方法,用于比較三個或更多獨立樣本組 ...
2025-04-25CDA持證人簡介: 居瑜 ,CDA一級持證人國企財務經理,13年財務管理運營經驗,在數據分析就業和實踐經驗方面有著豐富的積累和經 ...
2025-04-25