写点什么

为什么是 Snowflake?

  • 2020-09-30
  • 本文字数:3842 字

    阅读完需:约 13 分钟

为什么是Snowflake?

总之,SaaS 又火了一把。


在整个 SaaS 界都沉浸在 Snowflake 致富神话中,文章将从透过指标数据看 Snowflake,Snowflake 的商业模式,在 Snowflake 发展的市场天花板和地板之间,以及未来成长的几点展望展开,进一步从 SaaS 行业带大家了解一下 Snowflake。

用指标数据看 Snowflake

既然 Snowflake 是 SaaS,而且美国 SaaS 的评估,从公司的好坏到 IPO 的估值,基本上都是由数据指标驱动的。所以我们就从几个基本指标,看一下神秘的 Snowflake。


虽然 SaaS 指标体系一大堆,但抓住关键的少数几个,可能会对一家 SaaS 公司看得更透彻一些。指标太多,解释的东西就多,往往就容易跑题。

1. 营收和增长

看一家 SaaS 公司,首先看的当然是营收和增长这俩硬指标了。


从 2019 和 2020 两个财年看,Snowflake 收入从 0.97 亿美元到 2.65 亿美元,算下来增长率是 174%,比风头正劲的 Zoom 同期增长率 108%还高出 1/3。


同时,其客户数也迅速增长到 3117 家,这个数据是微软 Synapse 数据仓库客户数的一半左右。


单从营收和增长这两个指标看,Snowflake 的确够牛。


从数据上我们可以推断出,Snowflake 的客单价很高,大客户占比较多,所以它的 NDR 指标就会很好。

2. 收入净留存率(NDR)

对于订阅模式的 SaaS,NDR 是一个重要的衡量指标。


NDR 的计算公式为:


NDR=(beginning revenue+upgrades-downgrades-churn)/beginning revenue


为对比同期优秀 SaaS 公司的 NDR,列表如下:



Snowflake 的 NDR 为 158%,比这几家优秀 SaaS 公司 NDR 还要高出一截。这么高的留存率至少说明它的 upgrades 非常高,而 churn 很低。


Snowflake 的超高估值,与 NDR 高度相关。据 GGV 纪源资本分析认为,一家 NDR 在 130%以上的上市公司,可以获得高达 20x 的估值溢价。但 Snowflake 的估值实际更加夸张,其 PS 超过 120。


从 NDR 来看,Snowflake 的确是一家 SaaS 好公司。

3. CAC 的偿还周期(CAC payback period)

CAC 偿还周期指标代表着销售效率的高低,它的涵义是花在获客上的成本,需要多久才能收回。其计算公式为:


(上一个 Q 的 S&M)/(ARR 净增 X 毛利率)×12


Snowflake 的 CAC payback period 为 22 个月,基本处于行业平均水平。


通过上面三个关键指标看,Snowflake 是一家高速增长和运营良好的 SaaS 公司。


然而,有两个指标数据看了让人有些不淡定了。


在其它指标好于同行的情况下,Snowflake 今年上半年的毛利率只有 62%,低于行业平均水平。更为夸张的是,其 S&M 与收入占比接近 80%,远远超过绝大多数 SaaS 同行。


是商业模式的限制,还是其它因素导致?我们不得而知。但无论如何,S&M 这么高的占比,背后肯定是有原因的,所以这个指标也是需要持续关注的。

Snowflake 的商业模式

之前还真不太知道 Snowflake 是做什么的。快速浏览了一下它的 S1 和一些资料,不知为什么脑子里冒出“虚拟运营商”这个词。


国内曾经流行过虚拟运营商模式,就是自己没有电信资源,通过三大运营商批发到电信资源,再做出产品售卖给顾客,赚取批零差价。


Snowflake 的商业模式有些相似,它的主要业务包含三块:


首先,Snowflake 要做云数据仓库(Cloud Data Warehouse),但是它自己并没有云设施。所以 Snowflake 与三大云巨头 Azure、AWS 和 GCP(谷歌云平台)合作,从三家云服务商”批发“来云设施资源,做成自己增值服务的 SaaS 产品,再转售给客户。


其技术核心是将数据的多云(Multi-Cloud)存储,变为集中存储(Centralized Storage),这能使最终用户的数据处理速度大幅提升。


云资源经过批发转零售本身也会产生差价,让利给最终消费者的结果,使用 Snowflake 的云服务更便宜。


其次,Snowflake 致力于打造云数据平台(Cloud Data Platform),所提供的服务为基于 DW(数据仓库)的数据分析服务。


其技术核心是计算分析与存储相分离,这与多数云服务计算与存储紧密耦合的技术方式完全相反。这种技术方式的好处是专注于数据仓库的分析能力,将复杂的数据专家工作变成傻瓜 UI,使没有数据分析知识的用户,也可以按照自己的想法使用 DW 的数据。


最后,Snowflake 新的服务产品是数据云(Data Cloud),应用层面的数据内容价值共享与交换。


其技术核心是虚拟的云服务,也就是说使用者不用再考虑”多云“数据问题,只对 Snowflake 一家就好。


这三个阶段的产品,完美演绎了 Snowflake 的 SaaS 化过程;即将一个物理的数据存储服务,成功转化为一个通用的云 DW 的 SaaS 服务。

地板与天花板之间的空间

通过上面两节的分析可以看出:Snowflake 既有创新力,技术也很牛;它成功地将一个物理存储空间,在云服务商虚拟化基础上,又进行了 SaaS 化,不能不说这个商业模式的巧妙。


但是,在一个高平台与低天花板的空间里,还不时会遇到阻击,这需要相当强的突破能力才行。


所谓高平台是指三大云服务商,低天花板是指数据分析、BI 等技术应用,已经非常成熟和普及;上下之间还有很多专业公司,如做 ETL 的公司。

1. 与传统 DW 竞争

最直接的对手是数据库和数据仓库的巨头,比如 Oracle;实际上,Snowflake 的两位创始人 Benoit Dageville 和 Thierry Cruanes 都是来自 Oracle 的业内专家。


Oracle 拥有从元数据到分析所有层面的专有技术,这是行业内无人能比的;而 Snowflake 在很多层面的技术需要与其它 SaaS vendor 合作。


但是,Snowflake 的创新在于,它将存储和计算完全分离,这从根本上解决了传统 DW 架构的诸多诟病的问题,这也可以视为 SaaS 模式对传统软件数据库的弯道超车。

2. 与三大云服务商的竞合关系

Snowflake 的业务底层高度依赖于三大云公司,即 Azure、AWS 和 GCP。现在的问题是:AWS、GCP 和 Azure 都有自己的 DW,分别是 Redshift, BigQuery 和 Synapse。


Snowflake 如何处理这种竞争关系?


以技术见长的 Snowflake 应该还是依靠技术能力去竞争,比如说”拆“。因为每一家的数据处理和分析技术都是建立在自家的云上,才具有优势。Snowflake 通过拆解存储和计算分析,把自己的优势建立在别家的云上,也算是一种策略吧。


目前不好预测的是,三大云巨头是否会在云 DW 上发力;毕竟与巨头相比,Snowflake 的积累和综合实力还显单薄,其未来的增速也许会受到影响。


至于为啥 Snowflake 与三大云的合作关系还很密切,这纯属商业使然。


不管怎么说,Snowflake 就是作为三大云的代理商的话,其所走的量也不会小,这从 Snowflake 的客户数也能看出来。


人家只是在代理业务上做了一些增值服务,云 DW 市场大得很,三大云限制它干嘛?


从 DW 底层到分析应用,中间又有不少专业技术,如 ETL、BI 等,这些技术在 SaaS 领域也有很多专业 SaaS 公司,比如:Fivetran,Tableau 等,也都是实力较强的 SaaS 公司。


什么都依靠别人,对于 Snowflake 来说也不是长久之计。既然融到了这么多钱,要么自行开发、要么收购。


总之,有钱啥都好办,只是时间要抓紧,因为对手也没停下。

3. 彻底的 SaaS 化

个人觉得 Snowflake 成功要素中关键的一点,是对整个 DW 行业做了彻底的 SaaS 化。


(1)通过纯粹的 SaaS 化,Snowflake 把三大云的底层当作纯粹的存储,而自己则成为中立方;这样客户就免于纠结与某一家云厂商绑定所有业务数据和风险分担问题。


(2)只有纯粹的 SaaS,通过封装成易用、通用的产品,可以看成云 DW 的傻瓜版;有助于降低使用者的门槛,与同行争夺更多非 IT 的其它行业用户。


(3)Snowflake 依靠订阅模式,弥补了新客户获取的不足,使 NDR 等数据看起来非常靓丽。它推出的”按用量计费“模式,扩展了客户市场空间;比如,一些小型公司只为用得上的工具付费,而不是为整个平台付费。


(4)只有 SaaS 的共享和订阅特性,才能降低设施资源的利用成本和产生更大的批零差价,在价格上具有竞争力。如果用其它经营模式,面粉的成本就可能会高于面包的价格,没有差价可赚。


(5)最后是估值。如果把 Snowflake 当作一家软件公司的话,估值可能不会有这么高。毕竟两种估值体系差别太大,特别是初创公司的估值不占优势。

几点展望

1. 云 DW 展望

看到有不少评论认为,云 DW 的市场空间有限;所以三大云才没有发力,Snowflake 才有发展空间。


个人并不这样认为,首先区分 Database、DW 和云 DW 很重要。DW 在专业数据管理和分析领域内的空间确实非常有限;但是云 DW 随商业大数据和 SaaS 的发展,其市场空间应该是很大的。


云 DW 最终也会形成一套优化和高效的 SaaS 架构和产品谱系,这在美国 SaaS 公司已经出现专业分工的数据公司。


没有它们的自动化工具支持,很多大数据公司,其实干的都是体力活,根本没法做到 SaaS 的规模化。

2. 竞争展望

实际上,无论是云设施提供商、数据处理工具提供商、还是数据分析服务商,竞争早已存在。不同的是,Snowflake 的竞争是”全栈式“的竞争,也就是说它与各层面上的公司都有竞争关系。


按照常理,Snowflake 的切口过大,违背利基市场原则,跟多个层面的对手展开竞争是比较艰难的事。


但也正是因为是在一个 SaaS 生态环境下,发挥自己的技术优势;与对手建立合作关系,这种竞争模式就有成功的可能。


至少这种竞合关系会维持相当长的时间,这就给了 Snowflake 未来的时间和空间。

3. 国内对标 Snowflake 会怎样

最近又有人热聊 SaaS 对标,用 Snowflake 对标会怎样?现在国内云 DW 这个领域连个影子都看不到,所谓展望也只是靠有限想象力猜测一下。


首先,从云设施到一个完善的 DW 产品,短期内是见不到效果的,看看国外 DW 公司的发展经历不难理解这点。


其次,虽然可以通过 SaaS 化分解构建云 DW 体系,但是国内 SaaS 生态本身没有形成,单独做某一块也成不了体系。


最后,即使做出类似 Snowflake 的产品服务,恐怕也不会招云厂商待见。


2020-09-30 10:414306

评论

发布
暂无评论
发现更多内容

模块5作业

4anonymous

架构训练营 模块五

Leach Sun

微博评论高性能高可用计算架构

毛先生

技术人在职场如何摆正心态

baiyutang

职场 10月月更

微博评论背后的高性能高可用计算架构

Nico

(model5)微博评论高性能高可用计算架构

消失的子弹

架构 微服务

学习心得 - 架构训练营 - 第五课

Fm

实时监控:基于流计算 Oceanus ( Flink ) 实现系统和应用级实时监控

腾讯云大数据

流计算 Oceanus

Prometheus 基础查询(三)范围向量和 PromQL 的缺陷

耳东@Erdong

Prometheus 10月月更

微博评论架构设计

Yina🌝很浪🌊

架构实战训练营模块 5 作业

Sonichen

作业五:微博评论高性能高可用架构设计

紫云

架构实战营

自定义View:几何变换实质与技巧

Changing Lin

10月月更

”微博评论“的高性能高可用计算架构

Sky

「架构实战营」

极客时间【架构实战营】第二期 模块五作业

Geek_91606e

架构实战营

模块五-微博评论的高性能高可用计算架构

娜酱

「架构实战营」

微博评论高性能高可用架构设计

Geek_db27b5

为什么常用二倍图,流式布局中一倍图是否靠得住

你好bk

css3 大前端 html/css 页面布局

5G通话占道4G,你的5G套餐性价比真的高吗?

脑极体

阿里开源的这个库,让 Excel 导出不再复杂(既要能写,还要写的好看)

看山

Java EasyExcel 10月月更

架构实战营第五次作业

Geek_d18264

架构实战营

重学 Java 之 5种字符流读取方法

进击的王小二

java基础 字符流 java

反序列化漏洞复现总结

网络安全学海

黑客 网络安全 信息安全 WEB安全 安全漏洞

创建线程池学习笔记

风翱

线程池 10月月更

构建全屏 Web 应用程序

devpoint

JavaScript html5 大前端 10月月更

linux之grep使用技巧

入门小站

Linux

如何说孩子才肯听,怎么听孩子才肯说(上)

石云升

读书笔记 育儿 10月月更

声网教育aPaaS 产品灵动课堂:「低代码」开发,15分钟极速上线

声网

人工智能 大数据 云服务

在线EXCEL文件数据转换解析工具

入门小站

工具

架构:微内核架构(Microkernel Architecture)

程序员架构进阶

架构 微内核 插件化 10月月更

【Promise 源码学习】目录 - Promise 知识点梳理

Brave

源码 Promise 10月月更

为什么是Snowflake?_服务革新_TO B行业头条_InfoQ精选文章