巴菲特罕见出手科技股，Snowflake上市预示大数据分析“快消品“时代到来？

巴菲特罕见出手科技股，Snowflake上市预示大数据分析“快消品“时代到来？

1956 年，福特公司上市，成为有史以来最大的 IPO。由于融资规模巨大，这次公开募股，几乎囊括了华尔街的每一家公司，其中就包括巴菲特的伯克希尔哈撒韦。
64 年后的 2020 年 9 月，SNOWFLAKE 上市，成为有史以来软件行业最大的 IPO 案例。同时，巴菲特继参与福特 IPO 之后再次出手，投资 SNOWFLAKE，这对于常年回避科技股的巴菲特来说，极为罕见。
虽然相隔 64 年，但由于巴菲特仅参与过这两次 IPO，于是，两件事被联系起来。某种意义上说，SNOWFLAKE 和当年的福特汽车颇有相似之处。
因流水线生产获得巨大成功，福特汽车真正地将汽车变成了工人阶级也能够买得起的快消品，这是对当时 “美国制造业翻天覆地的改革与创新”。
而 SNOWFLAKE，在数据分析领域做到了这一点。基于公有云和弹性计算，SNOWFLAKE 将数据分析工具变成了快消品。对下游企业用户来说，存储、处理和分析海量数据，成为了 “绑定一张企业信用卡，就能马上开始” 的快捷消费。
图｜SNOWFLAKE 公司 （来源：企业）
国内新型分布式数据库公司 PingCAP 在海外与 SNOWFLAKE 有相似业务。在与 DeepTech 谈到 SNOWFLAKE 模式成功的意义时，PingCAP 的 CTO 黄东旭打了一个比方，“SNOWFLAKE 出现之前，我出差只能在当地买房才能住，现在可以住酒店了，按时间算钱”。
通俗的讲，SNOWFLAKE 是一家提供数据分析工具的公司，这在投资领域，被称为 “卖铲子的人”。卖铲子是最好的商业模式之一，因为无论下游竞争如何激烈，总是要来买铲子挖矿的。这里的 “矿”，就是数据。
如今，数据已经成为 21 世纪最有价值的资产之一。根据世界经济论坛披露的资料显示，到 2020 年，全世界总的数据量达到 44 个泽字节（ZB），这意味着其数据量是可观测宇宙中星星数量的 40 倍。而每天，互联网上产生 50 亿次搜索、发送 2940 亿封邮件、5 亿条推特被发出。
海量数据中，蕴藏着大量的商业机会。
图｜人类已经进入大数据时代 （来源：pixabay）
根据麦肯锡全球研究院（MGI）的研究，几乎所有的行业都可以从充分利用大数据中获益。大数据的正确使用能够让零售商的营业利润率提升 60%；在美国，医疗保健行业创造性地使用大数据提升效率和质量，每年能多创造出 3000 亿美元的产值；美国的医疗支出也能因此降低 8%。 
通过对海量数据的挖掘，从中获得有效洞察，对企业业务进行反馈调节，目前已经成为传统行业、互联网行业、新兴行业的刚需。最强有力的证明来自于数据人才短缺的现状，在美国，对深度分析师需求的缺口达到 14 万 - 19 万人。麦肯锡预测，针对当前的数据量，需要 150 万名经理和数据分析师，才能有效地利用大数据。
这种 “从数据中获取洞察” 的商业逻辑，从本世纪第二个十年开始，在中美两个巨大的市场几乎同时取得了共识。2011 年，麦肯锡发布了《大数据：创新、竞争和生产力的下一个前沿》，给出定论：大数据的应用将会影响诸多行业，某些行业会得到更多的增益。在中国，分别于 2012 和 2014 年，涂子沛的《大数据：正在到来的数据革命，以及它如何改变政府、商业与我们的生活》与《数据之巅：大数据革命、历史、现实和未来》两部书引发了中国社会对大数据的广泛讨论，作者提出，“除了上帝，每个人都要用数据说话”。
图｜传统行业正在被大数据赋能 （来源：麦肯锡）
从此，数据驱动业务的模式逐渐形成并得到广泛认可。深谙此道的阿里巴巴在公开讨论中直接表示，使用数据决策的公司排名比较靠前，大多数基于直觉或经验（70%）的企业是落后者
大数据浪潮之下，隐藏在数据中的金矿足够诱人，挖矿的人足够多，卖铲子几乎是绝好的生意。2012 年，三位数据仓库专家秘密成立 SNOWFLAKE，2014 年，公司走出 “秘密模式”，今年，SNOWFLAKE 上市，以当日收盘价计，市值 704 亿美元。从零走到现在，SNOWFLAKE 只用了 8 年。
功，源于一系列工程技术问题的解决和创新性的商业模式。用更准确的话讲，它解决了数据仓库的遗留痛点，利用云原生的技术性优势，采取计算、存储分离架构，为客户提供了灵活、按需付费的方案。
图｜SNOWFLAKE 相对于传统产品的优势 （来源：公司披露文件）
要充分理解 SNOWFLAKE 产品的革命性之处，就要知道在此前通用的数据处理工具是怎样的。对于一家有数据处理需求的企业，如果使用 Hadoop 技术自行搭建数据处理平台，首先要有若干台能存储这些海量信息的计算机。黄东旭说，有时候需要采购几十台，甚至上百台电脑，存储公司上百 T 字节的数据，然后再购买数据分析软件，下载到电脑上，交给数据分析师使用。
这种模式非常 “笨重”—— 企业要一次性支出大量资金，购买设备（计算机、服务器）和软件，但是每天至少一半时间（夜间）是不使用它们的。这就好比买了一辆私家车，每天只有上下班使用，大部分时间躺在车库里，但是维护、保养费用一点也不会少。
对于那些资金实力有限、但是一样想涉足数据分析的小公司来说，这种模式更加不友好。小公司成长迅速，产生的数据也会迅速增长，一年前搭建起来的系统，可能一年后就无法承载海量数据运行，只能再次添加设备。久而久之，整个系统会越来越臃肿。而对于初创公司而言，它们可能连支付这些设备的钱也拿不出来。
SNOWFLAKE 采用了一种新模式。
SNOWFLAKE 是一个提供数据分析仓储服务的 SaaS 软件，SaaS 是 Software-as-a-Service 的缩写，意思是软件即服务。使用 SaaS 软件可以克服使用 Hadoop 自建系统的弊端，但 SNOWFLAKE 没有止步于此，而是超越了 SaaS 软件的旧有模式。
从 SNOWFLAKE 官方文档来看，这种 “超越” 至少体现在 3 个方面：一是使用 SNOWFLAKE 的用户不需要安装、配置任何硬件；二是软件也无需安装，系统在云端运行；三是整个系统的维护、管理和优化都由 SNOWFLAKE 负责，用户不需要亲力亲为。
为了能实现这种便捷、高效、简洁的设计，SNOWFLAKE 在产品架构上进行了优化。首先是通过与微软、谷歌、亚马逊等主流云存储企业合作，SNOWFLAKE 实现了提供 “跨云” 服务，这意味着，不论用户的数据是存储在哪一家公司的云端，都能接入 SNOWFLAKE 进行数据分析。这在从前，用户需要从云端下载到本地再分析，如今一切都发生在云端。
再者，SNOWFLAKE 采用了解耦结构，允许各个组件彼此保留完全自治且无意识的复杂工作框架，这种架构使得数据存续和计算能够在任何一个云平台分开、独立运行。在这种架构下，SNOWFLAKE 实现了一种和传统 SaaS 与 Hadoop 自建系统完全不同的收费模式—— 真正的 Pay as you go（量入为出）。
这种收费模式的意义在于，用户在云端使用 SNOWFLAKE 的数据分析工具，存储、算力都可以由其提供，用户需要支付的费用，是根据分析的数据量和运算时间给出的。这意味着下游用户完全抛弃了自建服务器、购买计算机、订阅数据分析软件的模式。量入为出，现收现付，“吃多少就掏多少钱”，并且是先看到效果，再付费，付费后置，效果前置。
传统 SaaS 按照订阅模式，提前支付月费或年费，先付钱，再使用，付费前置而效果后置，导致成本无法量化。
二者对比，高下立判。SNOWFLAKE 用户不再需要提前支付一笔固定年费，平台会根据实际使用中的计算和存储用量结算 —— 成本可测。
图｜SNOWFLAKE 产品架构图 （来源：公司网站）

用一个更恰当的比喻，就是买车和打车。在 SNOWFLAKE 模式出现之前，用户想要出行（海量数据分析），要么买车（自建系统），要么一次性租一年车（SaaS 年费订阅）。现在，可以打车（SNOWFLAKE 模式），收费是根据里程数（数据量）和乘车时间（计算时间）共同算出的。
打车，几乎能涵盖所有的高、中、低端客户。这便是 “Pay as you go” 的精髓所在，也是 SNOWFLAKE 短短几年，疯狂收获客户的根本原因 —— 它把降本增效做到了极致。
中金资本也曾经表示：“Snowflake 背后的价值体现绝不仅仅来自于云原生技术。SNOWFLAKE 的创始团队来自于 IBM、Oracle 等传统数据库的创始团队，天生具备企业级软件基因。同时，其营收大量来自于包括全球 500 强在内的大型企业，并呈现平稳的、持续的增长，契合企业级服务能力的商业价值。从技术上看，Snowflake 通过跨云的分布式能力，协助客户摆脱单一云平台的锁定。
2015 年，公司发布第一款产品，到 2018 年，公司经过一个为期 3 年的冷启动期。时任首席执行官 Bob Muglia 将公司从最初的 80 个客户发展到 1000 个客户。而在过去的 12 个月里，SNOWFLAKE 迎来了爆发式增长，公司客户从 1547 个增加到 3117 个，其中就包括财富 10 强中的 7 家和财富 500 强中的 146 家。
与此对应的，是公司高端客户的增长。为 SNOWFLAKE 营收贡献超过 100 万美元的客户，占比从 2019 财年的 14% 增长到本财年的 41%。
图｜SNOWFLAKE 发展历程 （来源：公司披露文件）
根据黄东旭的说法，SNOWFLAKE 的优势体现在技术架构层面上。整合各家云存储厂商，将其封装后，SNOWFLAKE 成为最上端面向客户的一层，听起来很容易，但是在实际操作过程中会有很多问题，比如如何保证运行稳定性、提高运行效率、保障数据安全性等等。
原理易懂，做起来还是要费些周折，中国公司想学 SNOWFLAKE，并非不能做。但为何在国内，没有看到一家像 SNOWFLAKE 一样，估值上百亿、爆发式增长的公司呢？
的好榜样，之所以没有被复制到中国，是由中美两个市场商业发展进程和从业人员观念不同导致的。
黄东旭告诉 DeepTech，在国内一些大企业，采购制度成为企业无法使用 “Pay as you go” 服务的障碍。这些企业需要在前一年制定好下一年的预算，每一块钱怎么花是确定的，僵硬的规定下，企业很难接受 “先使用，后付费” 的模式。
此外，“重硬轻软” 的落后思想作祟，让一些中国企业不认为软件是资产。传统的海量数据分析模式，即采购一批计算机、服务器，这些看得见摸得着的东西让企业心里更踏实。
即便有上述障碍，未来 “中国版 SNOWFLAKE” 的诞生也具有必然性。黄东旭对此有信心，“采购模式与重硬轻软” 会随着商业的发展而改变，最终企业会接受性价比更高、驱动业务创新更快的方式。他说，“当前很多互联网企业已经摆脱了老旧采购模式的桎梏，他们是未来潜在的 SNOWFLAKE 类似服务的用户”。
现在，更大的瓶颈是企业数据上云。DeepTech 提出这样一个问题：“到什么时候，中国初创公司可以开始做 SNOWFLAKE 这样的业务？” 黄东旭认为，当中国的企业，它们的数据开始大规模上云的时候，时机就到了。
在美国，企业数据上云已经成为普遍选择。而反观国内，还处在初级阶段，企业由于对安全性的担心、政策法规的要求等诸多原因，不愿或不能上云。而 SNOWFLAKE 的服务，就是建立在云原生基础上的。
黄东旭认为，未来一定会有一家创业公司，把国内各大云存储企业整合起来，提供类似的服务，“这只是时间问题”。2020 年 8 月，财富 500 强中，中国企业数量（124 家）首次超过美国（121 家），考虑中美两个市场体量的对比，SNOWFLAKE 上市市值 704 亿美元，那未来中国的 “SNOWFLAKE” 价值几何呢？

道翰天琼CiGril机器人API

道翰天琼CiGril认知智能机器人API用户需要按步骤获取基本信息：

1. 在平台注册账号
2. 登录平台，进入后台管理页面，创建应用，然后查看应用，查看应用相关信息。
3. 在应用信息页面，找到appid,appkey秘钥等信息，然后写接口代码接入机器人应用。

开始接入

请求地址：http://www.weilaitec.com/cigirlrobot.cgr

请求方式：post

请求参数：

参数	类型	默认值	描述
userid	String	无	平台注册账号
appid	String	无	平台创建的应用id
key	String	无	平台应用生成的秘钥
msg	String	""	用户端消息内容

 

接口连接示例：http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552

注意事项：参数名称都要小写，五个参数不能遗漏，参数名称都要写对，且各个参数的值不能为空字符串。否则无法请求成功。userid,appid,key三个参数要到平台注册登录创建应用之后，然后查看应用详情就可以看到。userid就是平台注册账号。

示例代码JAVA：

import java.io.ByteArrayOutputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.HttpURLConnection;
import java.net.URL;

public class apitest {

    /**
     * Get请求，获得返回数据
     * @param urlStr
     * @return
     */
    private static String opUrl(String urlStr)
    {        
        URL url = null;
        HttpURLConnection conn = null;
        InputStream is = null;
        ByteArrayOutputStream baos = null;
        try
        {
            url = new URL(urlStr);
            conn = (HttpURLConnection) url.openConnection();
            conn.setReadTimeout(5 * 10000);
            conn.setConnectTimeout(5 * 10000);
            conn.setRequestMethod("POST");
            if (conn.getResponseCode() == 200)
            {
                is = conn.getInputStream();
                baos = new ByteArrayOutputStream();
                int len = -1;
                byte[] buf = new byte[128];

                while ((len = is.read(buf)) != -1)
                {
                    baos.write(buf, 0, len);
                }
                baos.flush();
                String result = baos.toString();
                return result;
            } else
            {
                throw new Exception("服务器连接错误！");
            }

        } catch (Exception e)
        {
            e.printStackTrace();
        } finally
        {
            try
            {
                if (is != null)
                    is.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }

            try
            {
                if (baos != null)
                    baos.close();
            } catch (IOException e)
            {
                e.printStackTrace();
            }
            conn.disconnect();
        }
        return "";
    }
    
    
    public static void main(String args []){        
            //msg参数就是传输过去的对话内容。            
            System.out.println(opUrl("http://www.weilaitec.com/cigirlrobot.cgr?key=UTNJK34THXK010T566ZI39VES50BLRBE8R66H5R3FOAO84J3BV&msg=你好&ip=119.25.36.48&userid=jackli&appid=52454214552"));
            
    }
}