京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据应用时代来袭 SaaS走向没落_数据分析师
随着大量的信息涌入互联网——90%的互联网是过去两年建立起来的——互联网公司正在想方设法去熟悉并利用大数据来推动他们的业务。正如SaaS和云技术一样完全变革了企业的运作方式一样,大数据应用(BDA)也同样可以。 BDA是基于网络的应用,它通过解释和使用大量的企业和网络规模的数据,为他们的用户提供更智能的结果。0
但真正的问题是:假如底层的数据结构使用Hadoop和noSQL会是什么样的一个情况?没有一家大公司的CEO会为可扩展数据结构带来的价值主张而感到兴奋不已,BDA就是在这样的背景下应运而生的。BDA不只是重新包装你的数据,让界面看起来比较酷炫或者使数据扩展性的效率得到提高,它们是利用全世界的数据,给你提供更好的结果——比如说带来更多的收入。0
SaaS对于企业软件来说是一种不同的交付模式:它允许即时注册,极大地降低整合成本,并允许用户购买前试用,而且具有良好的可扩展性。Salesforce.com通过转变CRM行业开启了云技术变革,随即被很多各种类型的企业软件争相效仿,如为HR提供服务的Taleo/Successfactors , 提供ERP服务的Netsuite公司以及提供网站数据分析的Omniture 公司等。SaaS增加了商业软件市场规模的同时为大企业带来了更好的投资回报率。但它忽略了一件重要的事情——它并没有改变核心应用软件的基本功能。 Salesforce没有添加企业面对面的Siebel CRM功能—— 它只是让人更容易采纳并且维护费用较低而已。0
Google、亚马逊、Facebook等公司对软件消费方的大数据有很好的理解。亚马逊CTO Werner Vogels最近在CeBIT(德国汉诺威国际信息及通信技术博览会)上发表专题演讲时指出,失误出现主要是因为没有足够的数据备份来提供补救措施。随着更多的用户和数据加入核心引擎的应用程序,所有这些让软件变得更加难以应付,显得更为智能且更有价值。现在,BDA企业正在不断兴起,并且它们会是未来的发展趋势,以下就是些很好的例子:0
LinkedIn是一家专门提供招募人才软件市场的BDA公司。LinkedIn不是让你把联系人加入单独的通讯录,而是将这些联系人全部联系在一起,让用户与用户、用户和有关键竞争力的招聘者之间建立起联系。每个用户加入LinkedIn,LinkedIn的BDA存储栈都会接受到信号,从而方便招聘者掌握他们的所有资料,而不仅仅是单个用户的相对分散的资料。在资源共享的情况下,小型的专业的招聘公司就可以与那些大的猎头公司进行竞争。
Bazaarvoice是一家专注社会化共享的BDA公司。他们在网络上搜集客户评论,然后将这些信息提供给很多网站。传统的基于SaaS的方法存在这样一个弊端:它们只是在单独的网站上搜集和发布客户评论。相反,Bazaarvoice从整个网络进行信息搜集,从而确保只要客户的网站出现一款新的产品,即时的评论就会呈现给你,这样Bazaarvoice就为所有Amazon.com销售者提供可比较的评论数据库。
我们自己的BloomReach公司,是一家专注市场营销的BDA公司。我们仅通过对网站进行分析就可以为网站所有者找出相关遗漏信息,而这些信息可以为网站所有者带来可观的利润。我们分析全网络用户的需求,针对特定的用户在整个网络内建立语义模型,然后根据那些与用户最相关的内同不断增加网点。Adobe旗下的Omniture公司在SaaS的应用软件中包装你的数据,为你的企业提供营销建议,而BloomReach则是先对网站的数据进行分析,然后设法为该网站带来更多的流量,从而给他们的客户带来更多的利润。
事实上,BDA本身就好于SaaS,因为它们不仅具备SaaS交付模式的所有好处,而且还有搜集数据过程所带来的网络效应。随着时间的推移,独特的数据能够为用户和应用提供商带来网络效应,是一笔宝贵的财富。目前,因为企业外部的数据要多于企业内部,仅仅因为数据分析和工作流程的需要,就对企业内部数据进行重新包装的想法看起来显得有点古怪。0
BDA公司创造价值的方式与SaaS公司大相径庭。BDA公司是由一群在大系统方面有着丰富经验的人建立起来的,他们在机器学习和数据挖掘发面具有很深的造诣,比如说我的合伙人Ashutosh Garg就是这样的人。虽然BAD和SaaS的目标都是针对企业内部,但BAD的投资回报率要高于SaaS,因为每个客户会给引擎增添数据,反过来这些数据又会重新为这些客户所用,所谓取之于民,用之于民。目前市场上对SaaS公司有三个评判指标:用户的生命周期价值,客户开发成本,以及增长率。毫无疑问大多数SaaS公司具有很高的增长率,但相比之下BAD公司在生命周期价值和开发客户成本方面却更胜一筹。0
BDA的革命才刚刚开始,相信将来它会带来更加广泛的影响。如果我们要再次建立CRM,我们将不只是跟踪销售人员的效率,我们会建议你如何利用整个行业的数据与你的对手竞争。如果我们要建立市场自动化营销软件(如Marketo,Eloqua),我们将不只是捕捉和培育客户所产生的线索,我们会在整个网络中去发现并为他们吸引更多的线索。如果我们建立一个财务应用软件,它将不只是将追踪贵公司的财务状况,而且与你同类的上市公司进行对比,你可以衡量自己的现状来决定采取最佳措施。0
像任何新技术一样,新事物的出现并不意味着旧事物的立即消亡,这需要一个更替的过程。虽然Oracle公司和SAP公司仍是大公司,但Salesforce.com是一个有着20亿美元市值的庞然大物,绝对不可小觑。我们有理由相信未来是属于BDA的,是时候对SaaS说再见并且迎接BDA的到来了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27