京公网安备 11010802034615号
经营许可证编号:京B2-20210330
全球第一家大数据上市公司Splunk
大数据概念最早由全球知名咨询公司麦肯锡提出,在2010年左右成为业界、媒体以及大众中的流行词汇,包括Splunk在内的一些主打大数据概念的企业也在这些年快速扩张,业务范围覆盖北美、亚太、欧洲、非洲及至中东等地区。2012年4月19日,Splunk在纳斯达克成功上市,成为第一家上市的大数据处理公司,并在首个交易日以109%的涨幅撑开了人们对大数据的想象空间。下面,36大数据将带领大家一探大数据龙头股Splunk的究竟。
点击可看大图
Splunk是商业智能软件提供商,其软件平台可以实时对任何APP、服务器或网络设备的机器数据进行索引、监控与分析,并将结果生成图形化报表,在此基础上帮助客户避免服务性能降低或中断。这些机器数据可以是日志、配置文件、消息和告警等,既可以来自本地也可以来自云,并且是动辄TB级别的、部署于成万千上万台服务器的数据,简言之,就是所谓的大数据。
面对爆炸式增长的数据,企业需要挖掘大数据中的潜在价值,以便更好地进行应用管理与运营管理,增强整个公司与组织的洞察力。Splunk的业务显然迎合了大数据时代企业对数据应用的需求,其业务功能主要分为五大块:IT运营、应用管理、安全合规、网络智能与商业分析。此外,Splunk的搜索功能异常强大,被称为“Google for IT”。
Splunk的产品有免费和收费版,二者最主要的差别在于每天的索引容量大小(索引是搜索功能的基础),免费版每天最大为500M。如果需要海量索引量及更多的功能,例如分散式搜寻(Distributed Search)、排程告警(Schedule Alert)、权限(Access Control)等功能,则需要购买企业版,不同索引量的价格不同。
截至2014年1月,有7000多个客户在使用Splunk的产品和服务,其中70个客户是财富100企业,8个客户是全球10大公司。客户所在的行业从传统行业、科技行业到在线服务行业无所不有,下图所举例子显示其客户所覆盖的行业。在中国市场,Splunk的业务主要集中在电信、保险和银行业等,例如银联支付、民生保险、百联支付、国美电器、中国移动和中国电信等。

三个简单的案例大体呈现了客户使用Splunk能够为客户解决的问题。下面,我们将在对比相关公司与行业的基础上,分析Splunk的经营现状。

可比公司中,本节主要选择了Qlik Technologies(QLIK)与Tableau Software(DATA)。其中,前者成立早、上市也相对较早,拥有31000名覆盖100多个国家的客户,其产品能为用户快速整合数据资源,创造便于导航搜索的动态视觉应用;后者的成立时间与Splunk差不多,晚一年上市,在全球范围内拥有12000名客户,其产品主要是面向企业数据提供可视化服务,针对的是大数据处理末端的可视化市场,同时还为客户提供解决方案服务。
上图可见,Splunk和Tableau的规模相当,但后者的收入增长速度明显快于Splunk。Tableau在5月5日发布2014年第一季度报告,总收入同比上涨86%,并且与Splunk结为战略合作伙伴,希望二者的强强联手能进一步提升Splunk的业绩。
大数据公司由于产品的特性决定了其高毛利的商业模式,这样高的毛利率能否持续下去?我们觉得未来这三家公司的毛利率都应该回归到80%-85%左右的合理范围,当然,各项费用占比也应该同比下降,这样才能显示出高科技公司的leverage优势。
大数据概念正当时,此时不发力更待何时,难怪Splunk暂时顾不得扭亏承诺,连年加大营销支出、全球范围内搜寻客户。当大数据这一概念不再新鲜,相应的软件成为所有行业的标配之时,你要说服一个公司更换一款智能软件,远比现在向它们引介一款智能软件难,故Splunk趁热打铁开拓客户覆盖范围,恰恰是为了长远考虑的未来。在这样一个热门的行业,具有一定程度先发优势的Splunk有很多市场机会,当然也面临着巨大的挑战。
行业机会。互联网开拓的新世界已然过渡到信息过载的阶段,从海量数据中“提纯”出有用信息的需求将越来越大,尤其是对企业而言,排除冗余信息、开发既有数据的使用价值,意味着更优异的性能与更好的服务。从案例可以发现,无论是传统行业还是互联网行业,无论是商业领域还是非商业领域,公司或机构使用Splunk都可以在节省大量人力物力的基础上提升服务。随着世界经济的发展,大数据的使用将越来越普及,整个商业分析软件市场仍有很大的上升空间,并且没有地域限制,上文提及的三个公司的客户都是遍布全球的。奥巴马政府在2012年宣布投资2亿美元拉动大数据相关产业发展,大数据也戴着“未来新石油”的光环上升到国家战略的层面。根据IDC(互联网数据中心)的预测,作为大数据的细分领域之一,商业分析软件市场将以9.8%的年复合增长率在2016年达到507亿美元。
行业挑战与应对。这一行竞争者如云,并且在各细分领域占据多数市场份额的都是世界范围内的“大佬”们。如图所示,除了五个“大佬”以外的无数个小伙伴,包括本文所分析的三个企业,分食着商业分析软件市场不足40%的份额。在其它细分领域也是一样,五个“大佬”占据着大数据整个行业的半壁江山。排除可望不可及的“大佬们”外,仅仅在小伙伴群体中,Splunk还是很有竞争力的,它还很努力,在业绩方面,已连续7个季度业绩超预期,客户数、订单数与大额订单数都在有条不紊地增长中。其中,Splunk在上一季度拓展了500个新客户,客户总数达到7000,总订单数达到3000,包括467个大额订单(单价超过10万美元)。
今年3月与Tableau的结盟,更被视为单一业务公司中的强强联手:一个是专营数据整合平台的头儿,一个在可视化数据领域有公认的独到之处。事实上,小公司有小公司的好处,至少在销售额增长率方面,Splunk与Tableau都甩“大佬”Oracle好几条街,再考虑到Tableau的17,000个既有客户,Splunk的确走了“a nice move”。此外,在过去的一年,Splunk有两笔投资值得一提。一个是收购了面向开发者提升应用性能和质量的移动数据分析平台BugSense,可以弥补Splunk在移动领域缺乏深入探究的弱势;另一个是收购Cloudmeter,其产品通过超轻量级的代理端,捕获网络中的有价值数据,可以让客户提取数据更方便。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23