02超级加倍
让所有人感到意外的是，2019年后，Databricks以绝无仅有的加速度在增长。
截至2021年2月，公司已经筹集了近20亿美元资金，包括由富兰克林邓普顿领投的10亿美元G轮融资，此时Databricks估值已经达到280亿美元；在经过最新轮融资后，Databricks380亿的身价与三年前的62亿相比暴增了近13倍。
基本面决定价值，价值决定价格，如果将Databricks的成功仅归结于对技术犀利的洞察，借助了巨人的肩膀和好运气，这还远远不够。基于开源的创新是Databricks成长的关键，从大数据领域杀入云计算和AI，它的产品矩阵里包括DeltaLake、MLflow、Koalas以及开源分析引擎Spark等杀伤利器。
其中，超过80％的用户使用Delta Lake；MLFlow为数据科学家提供了标准化的开源框架，下载量以每月80万的速度增长，拥有比Spark更多的用户；而Koalas可以让数据科学家在笔记本电脑上使用Pandas编程，调用几个API就可以将工作部署到大型的分布式Spark集群上，把Pandas社区的数据科学创新带给了Spark用户。
帮助其他企业构建自己的AI能力，透露出了Databricks的野心：从BI到AI，构建一个企业AI平台，因为Ghodsi认为，在企业计算领域，行业还没有出现头部的企业AI平台。
除了软件产品本身，Databricks的业务模式也有所不同。
传统的开源商业模式是软件免费，厂商收取支持和服务费用，这在on－prem里或许可行，但在云的世界就不一定了。Databricks在开发、软件运行、运营和托管方面向客户收费，采用SaaS开源的盈利模式，客户可以在本地开源平台下载免费的基础软件，同时也可以下载开源公司打造的其他付费版本。
不高估开源，也不低估市场，Ghodsi说：“在云端托管开源项目并把它们租给用户，客户流失率更低，利润增长更快”。SaaS租赁模式下，Databricks的核心知识产权没有存放在它所赞助的开源软件项目中，而是在它用来监管云端软件的工具中，这样避免了泄露的风险。
根据报告，Databricks最新ARR （年度经常性收入）达到6亿美元，相当于Snowflake同财年12亿营业收入的一半，截至目前，后者市值近670亿美元，如果按照两倍之比来简单预估，Databricks380亿的估值也比较合理。以新估值计算，Databricks的价值是当前ARR的63倍，相较于2020年的4．25亿美元，ARR近30％的增长率让投资者对它未来的收入十分看好。
图：Snowflake与Databricks定价对比（来源：官网）
另一方面，通过对比官网收费方式发现，虽然是平台租出服务器的计算资源，但这些服务器整个系统都建立在主要的云厂商的基础服务上。以Snowflake（左）为例，同样是以每秒粒度使用的计算资源付费，Snowflake是平台和云厂商打包收费方式，客户对底层服务界面（如EC2）和上游的Snowflake的成本花费要一次性付清，但比例是怎样无从得知，而打包之后Snowflake需要支付给云厂商另外成本，这在无形中增加了费用风险。
Databricks（右）的玩法是分开收费，用户的账单主要分为两部分：常规的底层云厂商服务器租用成本，以及Databricks在这些服务器上的功能费用。客户使用底层器时，费用单独付给云厂商，并不算在Databricks的营收里。
所以如果对比营收，比如2020年的Snowflake营收近6亿，但刨去付给云厂商的费用，和Databricks4亿多的营收相比，也差不了多少。而这既是Databricks毛利率比Snowflake高的原因，也是前者赚钱能力强的体现。有观点猜测Databricks迟迟不上市的原因，如果根据Ghodsi的说法，是为了避免二级市场所带来的波动，或许收费方式被迫改变等不可预测因素也在里面。
03天时地利人和
根据官网显示，除了为数据科学家、数据领导者与数据工程师提供角色解决方案，Databricks还利用大数据和AI为广告和营销、通讯服务商、教育、能源、联邦政府、金融、医疗等13类行业提供服务。
从类别数量上，Databricks要多于Snowflake，此时全球已经有7000 多家组织（包括荷兰银行、康泰纳仕、H＆M 集团、再生元和壳牌）依靠 Databricks 实现大规模数据工程、协作数据科学、全生命周期机器学习和业务分析。
通常情况下，企业客户在进行数据架构时，第三方平台提供数据湖方案，在数据湖中做一些常见的数据工程；同时会有一个数据仓库，存放相当于数据湖5％－10％的结构化数据，来做BI等简单的数据分析。
但由于数据分裂在两个系统上，针对同一个客户问题分析，不同团队有不同权限，因而会看到不同版本的同一份数据，当得出不同结论后，做商业决策的团队不相信数据，进而导致底层数据平台失信，这是个很致命的问题。
将结构化和非结构化数据结合到一个地方，让客户在不移动底层数据的情况下执行数据科学和商业智能工作，是大数据发展的一个关键变化。于是，Databricks决定力推Lakehouse，能够直接在数据湖的低成本存储上，实现类似于数据仓中的数据结构和数据管理的功能，可支持BI到AI所有的工作流。
从Databricks的网页介绍上看，无论是数据工程、数据科学，还是机器学习都要依靠Lakehouse运行，加上过去使用低成本对象存储的数据湖的访问速度很慢，如今DB SQL提高了分析质量和性能，使数据湖在大数据集上的处理与数据仓库相媲美。
“Lakehouse是一个新赛道，这是一场地盘争夺战”，H轮融资之后，Ghodsi表示，这笔资金将主要用于加速Lakehouse的产品创新和市场开拓。与此同时，Databricks透露保留所有主要公共云的选择和灵活性，并将Lakehouse发展成传统数据仓库的替代品。
越来越多的企业乐于看到Databricks的实力和发展潜力，这和它本身的商业逻辑有关，业内传统企业如Teradata在营收额上虽高过Databricks好几个身位，但市值仍徘徊在40多亿美元。大剂量的资金注入后，Databricks选择并购来填补产品路线图中的空白或不足，重点是机器学习和数据初创公司，以及扩大与云公司的合作伙伴关系。
“云、开源、机器学习，这三个方面已成为每家企业战略的核心。我们真的很幸运能够处在这三大趋势的中心位置上。”Ghodsi在接受采访时说到。如果说2019年前看好Databricks的小部分风投是赌趋势，如今匆匆进场的其他机构也并没有迟到，因为在他们眼里，这家独角兽仍具备难以估量的增长能力。
本文系新眸原创
原文标题 : 「数据新星」Databricks 崛起启示录
