付費限定方格精選

【個股追蹤】解密點石成金的雲數據平台Snowflake，何以值得天價估值？

三苗

更新於 2023/07/30發佈於 2021/04/01閱讀時間約 13 分鐘

歡迎加入Telegram群組討論美股並收取最新文章通知，一起發掘好股，圍爐取暖；註冊並追蹤方格子：美股投資十日談；或臉書粉專。

談起半年前上市的Snowflake(SNOW)，大家會聯想到甚麼？

20210401

如果有稍為留意市場的話，可能會知道連向來對成長型科技股興趣缺缺的巴菲特也出手參與投資。如果再稍為用功一點，算一算它的估值，也會知道即使在普遍估值相對高的成長型科技股板塊，SNOW的估值也是「鶴立雞群」，貴價中的天價。

在圖中眾多成長股中，現在的SNOW仍然堪稱最貴。

SNOW的股價在去年年底一度衝到429元後，今年以來就不斷往下調整。但即使經過連續好幾個月的「洗禮」，過去一個多月更是整個成長型科技股被集中拋售之下，它仍然維持一個相對高的估值，股價只大致回到剛上市前後的水平。我想即使沒有打算投資，也會想問，這家公司到底是在做甚麼的？為甚麼市場（最少在目前）給予它如此高的估值評價？合理嗎？

如何定義Snowflake？

有些公司的業務路徑很清晰，很好定義，像是我之前寫過的Crowdstrike，它目前就是一家SaaS訂購模式的雲端安全公司。

那Snowflake呢？如果看過坊間一些文章或影片，可能會說，它似乎是一家為企業提供數據倉庫服務的雲端公司，很多文章也會把它歸類為SaaS當中的一員。

所謂「SaaS」，指的是「軟體即服務」（Software as a Service）。屬於雲計算三種基本服務形式之一，另外兩種是PaaS（Platform as a Service，平台即服務）和IaaS（Infrastructure as a Service，基礎設施即服務）。

想想以前我們使用某種軟體服務的時候（像Microsoft Office），需要購買一個軟體回來安裝在自家電腦上，用電腦本身的運算能力去跑這個軟體，很多時候還要煩惱自家電腦的性能不知道夠不夠。

但在「雲計算」（Cloud Computing）的世界當中，其核心精神就是用家只需要連結到網絡，打開瀏覽器，連結軟體供應商提供的網站就可使用該軟體。本來軟體是由自家電腦去跑，現在實際運算應用程式的地方，卻變成離使用者位置很遠的雲端伺服器。用家不必買軟體，因軟體實際上是由供應商在「雲端」維護，用家若需要，可支付月費訂購軟體的使用權，這就是我們一般對SaaS的理解。

那麼，SNOW是傳統的SaaS公司嗎？其實看來看去都不太像。

SNOW的數據倉庫（data warehouse）服務架構共分三層，分別是貯存、運算和服務。很多人在字面上看到「數據倉庫（data warehouse）」，可能就會直覺認為這就單純是一家為企業貯存數據資料的公司，但如果只是這樣，SNOW其實就沒有甚麼了不起的，也毫不值得這種天價估值。

眾所周知，SNOW在資料貯存部分其實就只是個「二房東」。也就是說，它主要是靠Amazon、Microsoft和Google所提供的雲計算基礎設施再分租出去，在收費方面也是按月收取一定費用。單就這個層面看，SNOW比較像是IaaS公司。

不過，這只是SNOW業務中最不顯價值的部分。所謂「數據倉庫」，其根本的概念不是貯存，而是「組織」。舉例來說，一家正在運作的公司，每天各個部門都會不斷產生各種各樣的數據，如銷售數據、客戶數據，和財務數據等等，如果公司希望改進自身業務，就必須透過分析海量數據獲得見解，但駕馭數據的汪洋大海並不容易，需要將原始數據分門別類，並且按不同的維度（例如按地區、銷售人員、產品價格）將數據「提煉」出來，最後在「數據倉庫」內排列整齊。

在雲端時代之前，當然也有「數據倉庫」這種東西。那時候公司如需要收集業務所產生的數據並進行分析，就必須在內部構建一個功能強大的系統，但使用過程中仍會遇到許多困難，像是在數據「抽取、轉置和載入」（ETL）過程當中，分析師必須預先為數據的分類維度進行一些假設，但如果這些假設不被接受，例如業務經理說我想看到按村里排列的數據，而不止是縣市，於是分析師又必須推倒重來，再進一步細化數據，整個過程極不靈活而且也受制於有限的硬體資源。

數據湖（Data Lake）

SNOW的業務即希望改變這情況。上文提及，SNOW先是從三大公共雲租用了眾多雲計算基礎設施，成為「二房東」；接下來大興土木，將眾多「房間」打通，直接在其上自己建構一個「數據湖」（Data Lake）。根據Snowflake官方網站一份文件介紹，嚴格來說狹義的數據倉庫（data warehouse）僅能處理上述這種必須預先定義數據屬性，再按照特定架構或行列進行組織的結構化數據。

然而，當代許多數據源卻是半結構化的，例如來自部落格、點擊流、物聯網設備、社交媒體，及許多第三方數據如天氣和金融市場資料。如果要將這些資料貯存到傳統的數據倉庫，便須將其先轉換成結構化的格式，相當費神耗時。在2010年，軟件公司Pentaho的技術長James Dixon創造了「數據湖」一詞來形容新型數據倉庫，比喻的是許多不同的水流不斷流進水體，匯聚成一個巨大的「數據湖」，使得企業不必預定結構，也可探索、提煉和分析龐大的數據。

不過，根據Snowflake的文件，傳統的「數據湖」雖然能夠貯存混合數據類型，但有一個很大的缺點是企業仍然需要聘請極稀缺的數據科學專家來分析數據，否則「數據湖」也只是得物無所用。而SNOW作為建構在三大公有雲之上的「雲中雲」，企業若使用其雲端「數據湖」服務，即可直接在其上運用工具對數據進行分析。對數據使用者來說，他可以從整個企業範圍收集原始數據，不再局限於預設業務部門；而且也能讓企業的不同部門和團隊，自然地共享和查看數據，打破數據孤島。

「數據倉庫即服務」（DWaaS）

雖說SNOW同時作為三大公有雲的「二房東」，無可避免地有一些風險，包括它在上市文件就提及與三大公有雲（AWS、Azure、GCP）是既合作又競爭的關係，他們可能會針對SNOW進行一些不利競爭的手段，例如差別待遇和提供不利價格等。

There is risk that one or more of these public cloud providers could use their respective control of their public clouds to embed innovations or privileged interoperating capabilities in competing products, bundle competing products, provide us unfavorable pricing, leverage its public cloud customer relationships to exclude us from opportunities, and treat us and our customers differently with respect to terms and conditions or regulatory requirements than it would treat its similarly situated customers.

不過，除非三大巨頭哪天聯合起來對付SNOW，否則以目前狀況來說，他們個別推出的類似服務應不會構成太大威脅。最主要原因，是SNOW的「數據湖」乃建立在三大公共雲基礎上，可為客戶提供左右逢源的多雲策略，使其同時享有三家供應商不同的基礎設施和模組資源，又可分散配置。SNOW的客戶許多也是影響力巨大的公司，上市時已包括2020年財富500強公司排名前十中的七家，只要SNOW繼續為客戶提供優於個別公有雲的服務，未必就任人魚肉。

如此說來，SNOW又有點像是SaaS公司了？也不完全對。

如使用傳統公有雲服務，貯存和運算是打包為一體。而SNOW則將兩者分拆，在運算層單獨「按需計費」，為客戶節省大量費用。根據Forrester報告中訪問SNOW的四個客戶，使用其服務三年的費用為300萬美元，但相關效益卻高達2,145萬，當中包括簡化數據操作的210萬元和節省基礎架構和數據庫管理費用的590萬元。

因此，回到上文定義問題。Snowflake在運算層計費模式上不同於傳統SaaS，也不是單純為客戶提供軟體服務，並定期收取一些費用。早年SNOW管理層曾將自己定義為「數據倉庫即服務」（DWaaS），強調的是客戶希望將自家數據存放於其數據倉庫內，通過運算得出分析見解。因此，SNOW與客戶是互動和合作的關係，共同提取數據當中的價值，同時透過其獨特架構為客戶發揮槓桿效果和節省費用。

Snowflake高估值的真正原因

上文我花費了相當多篇幅解構Snowflake現時的主要業務和營利模式，但其實仍未解答文章開首提出的問題，即為何市場給予SNOW如此高的估值？

現時已經產生營收的業務再好，也難以合理化何以市場給予如此高的營收市值比。如果我們多少還是相信市場的集體智慧有其效率的話，那麼這個答案可能並不在上文我花費了幾千字解釋的核心業務當中，而是……

下文內容：

解密Snowflake高估值的真正原因。
得知原因後，推知Snowflake的真正定位。
我個人計劃的買賣策略。

【#立即訂閱｜美股投資十日談】（每月只需125元台幣，便可獲得最少四篇以上的深度剖析，還有更多不斷追蹤持股情況的文章，以及透過客觀經濟數據定期掌握市場溫度。）

致力成為成長型科技股的投資指南和市場溫度計。透過本專欄，讀者可以：一、掌握投資成長型科技股的心法；二、追蹤會影響成長型科技股的經濟指標；三、徹底理解不同上市公司的營利模式；四、分析財務報告，掌握重點和風險，並透過「歷史縱向估值法」，追蹤公司估值是否過熱，可作為買賣的參考指標之一，以更好地駕馭高波動、高估值的市場環境。

以行動支持創作者！付費即可解鎖

本篇內容共 5549 字、9 則留言，僅發佈於美股投資十日談你目前無法檢視以下內容，可能因為尚未登入，或沒有該房間的查看權限。

美股投資十日談美股投資十日談個股追蹤與剖析

美股投資十日談

23.0K會員

745內容數

致力成為美股投資者的市場指南和行情溫度計。透過本專欄，讀者可以：一、掌握投資科技成長股的心法；二、透過「歷史縱向估值法」，追蹤選定企業的財報表現；三、追蹤軟體股估值行情，尋找投資機會；四、掃瞄美股整體市場行情，洞察不同產業的資金流向；五、提供模擬組合紀錄，長期追蹤表現。

留言0

查看全部

發表第一個留言支持創作者！

美股投資十日談的其他內容

【個股追蹤】雲端安全公司Crowdstrike進軍日誌管理市場！CRWD未來的終極發展藍圖

坊間許多介紹CRWD的文章和影片中，都提到「機器學習」的重要性，是技術關鍵，很多時候更被形容到好像全憑機器學習來防衛一樣。我不是網絡安全專家，但其實只要到CRWD網站讀幾份白皮書，就知道完全不是這一回事。如果不搞清楚這一點，也將無法理解CRWD收購日誌管理公司Humio的真正企圖及未來發展藍圖所在。

#個股追蹤 #CRWD #美股