
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 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15