云計算中出現了一種新的工作負載。早期的云都是關于基礎設施即服務的——旋轉存儲、計算和網絡資源以支持初創企業、應用程序開發和測試、軟件即服務，并最終將更多的業務工作負載轉移到云上。

今天的云工作負載已經超越了基礎設施服務，而且越來越多樣化。我們看到的最值得注意的創新之一是通過將人工智能注入到應用程序中來利用數據，簡化分析并借助云計算來提供近乎實時的商業洞察。在這一大趨勢的中心是一類新的數據存儲和分析數據庫，有些人稱之為企業數據倉庫或EDW——這個術語對于今天的商業運行速度來說可能已經過時了。

在這一突破性的分析中，我們深入研究了云數據庫市場，并仔細觀察了雪花公司(Snowflake Inc.)是如何與亞馬遜網絡服務公司(Amazon Web Services Inc.)的Redshift、谷歌LLC的BigQuery和微軟(Microsoft Corp.)的Azure Synapse等競爭的。我們想要完成三件事:

云計算、數據科學工具和現代數據庫技術帶來了一場EDW市場的革命。EDW在支持公司的報告和治理要求，特別是支持薩班斯-奧克斯利法案的會計要求方面起到了關鍵作用。然而，從歷史上看，EDW未能實現其360度客戶視角和實時洞察的承諾。傳統的企業數據倉庫過于笨重、復雜、緩慢，跟不上業務的速度。

EDW是一個200億美元的市場，但我們認為分析數據庫的機會更大。為什么?因為云計算開啟了快速組合多個數據源的能力，將數據科學工具引入其中，快速分析數據并向業務提供接近實時的洞察力——或者，重要的是，允許業務線專業人員以自助服務模式訪問數據。這是一種新的范式，將DevOps的概念應用到數據管道中——想想敏捷數據或“DataOps”。

本地云分析數據庫的市場競爭非常激烈。在上個十年的早期，我們看到谷歌將BigQuery帶入市場。但谷歌主要專注于自己的廣告業務，并花了數年時間將企業云作為優先事項。

雪花公司成立于2012年，是市場的顛覆者。就在這個時候，AWS達成了一項協議，獲得了ParAccel MPP數據庫的知識產權，亞馬遜紅移就是在這個數據庫上建立起來的。在這十年的后期，微軟推出了SQL DW，并在幾周前的Build會議上發展成為Azure Synapse。還有其他公司，如IBM公司。

這里有很多利害關系。云提供商想要你的數據，因為他們明白這是未來十年創新的關鍵要素之一。摩爾定律不再是經濟增長的主要動力。相反，今天是數據和人工智能推動了云計算的洞察力。

市場上出現了一個有趣的動態:雪花公司是這個領域的云專家，已經獲得了超過10億美元的風險投資。它還面臨著大型云計算公司的挑戰，這些公司行動迅速，經常從雪花公司采取行動，把客戶帶到他們各自的平臺上。但雪花也是云供應商的主要合作伙伴，因為它幫助銷售基礎設施服務。

例如，雪花最大的云合作伙伴是AWS。雪花推動了亞馬遜EC2的大量銷售。但AWS有紅移，它直接與雪花競爭。紅移經常宣布雪花已經普及的功能。

這里有一個例子，我們在去年的AWS re:發明會議上報道過。來自ZDNet的Tony Baer在下面的文章中討論了AWS RA3是如何將計算與存儲分離的。當然，這是雪花的創始建筑原則。

這是另一個來自信息報道的例子，微軟，雪花云的另一個合作伙伴，正在對雪花公司施加壓力。你可以看到下面高亮顯示的文本，作者談到了微軟試圖將客戶轉移到它的數據庫。

所以就有了這個奇怪的動態。雪花不在本地數據中心運行。它只在云中運行。它運行在AWS、Azure和GCP上。云計算的玩家都想要你的數據進入他們的數據庫，他們極力要求客戶使用專屬服務。與此同時，他們需要像Snowflake這樣的獨立軟件供應商在他們的云中運行，因為它銷售基礎設施服務，擴展客戶選擇，發展生態系統。

雪花公司是否應該轉向本地運營，以區別于云計算巨頭?今年早些時候，我們詢問了雪花公

這是Slootman明確的聲明。我們接下來要提出的問題是:考慮到我們在媒體文章中看到的傳統觀點，云計算玩家將會在這個市場上傷害雪花公司，雪花公司能否競爭?如果是這樣，雪花將如何競爭?

下面的圖表顯示了我們從ETR數據集中最喜歡的兩個指標。凈得分，在y軸上——這是支出勢頭的衡量——和市場份額，在x軸上。市場份額是衡量數據集中的普遍性的指標，而不是傳統的份額。它是一個公司被提及次數除以該行業被提及次數總數的計算。下面我們將展示EDW和云本地分析數據庫市場的一些主要參與者。

以下幾點值得注意:

底線是雙重的:1)云本地分析數據庫市場正在奪取錢包的份額;2)像過去幾次調查一樣，雪花牌繼續以最高的消費速度在所有玩家中領先。

讓我們來看看雪花在“Big 3”云中的表現吧。我們從AWS開始。

下面的圖表顯示了客戶在AWS賬戶中的消費勢頭。我們削減了總樣本，只隔離了運行AWS的ETR調查應答者——N為672。條形圖顯示了Snowflake和Amazon紅移的凈分數粒度。

我們發現，在672個AWS賬戶的N中，有96個共享N響應雪花，213個共享N響應紅移。顏色顯示的是相對于2019年的2020年消費意向。從左到右閱讀:替換(明亮的紅色)，支出減少或增加6%(粉紅色)，持平支出(灰色)，支出增加超過6%(福雷斯特·格林)，平臺增加新內容(石灰綠)。

凈得分是用綠色減去紅色。你可以看到，雪花在AWS云上的消費勢頭比亞馬遜的紅移要大一些。

添加綠色條顯示，與2019年相比，2020年80%的AWS賬戶計劃在雪花上花費更多。

其中約35%的消費者將雪花作為新產品添加進來。相比2019年，76%的AWS客戶計劃在2020年增加支出，12%的客戶計劃增加新支出。所以這兩家公司都顯示出非常強勁的支出速度，只有最小的紅色。

至關重要的是，要在6月份的ETR調查中看到雪花公司能否保住這些新賬戶。

讓我們看看ETR調查的數據來回答這個問題。

所以我們在上面顯示的是相同的數據視圖，除了我們在調查中隔離了677個Azure帳戶。我們展示了Snowflake和Microsoft對分析數據庫分別具有83和393個共享N響應的cut -足以得出一些結論。

注意凈比分。雪花再次以78%對51%的價格勝出。再一次，你可以看到雪花公司有41%的新增業務，而微軟的凈得分是由現有客戶的增長推動的。兩家公司都很少出現紅色。

讓我們深入研究ETR調查的數據。

下面是上圖中數據的相同視圖。不同之處在于，現在我們隔離了298個運行雪花和谷歌分析數據庫的GCP帳戶。49的雪花共享的N比其他云要小，因為該公司一年前剛剛宣布支持GCP。但它仍然足夠大，可以從數據中得出結論。你可以看到谷歌共享N在147。

以凈得分或支出勢頭衡量，雪花再次以77.6%的顯著優勢勝出，谷歌的得票率為54%。加上這兩條綠色的條，我們再次看到，運營GCP的80%的雪花客戶希望在2020年增加對雪花的消費。谷歌和雪花顯示很少的紅色-一個積極的跡象。

最重要的是，我們的數據顯示，在美國三大云服務提供商中，雪花公司的消費勢頭要比獨占云服務提供商更強勁的云。

我們已經報道了Snowflake是如何從一些傳統的數據倉庫廠商，如Teradata和IBM，以及，從我們的數據來看，Oracle。我們已經報道了IBM的研發預算是如何捉襟見肘的。Oracle比IBM更專注于數據庫，可以將更多的自由現金用于數據庫，但亞馬遜、微軟和谷歌沒有自由現金流問題。

這對雪花來說是一個挑戰。大型云計算公司將繼續投資并努力跟上雪花的步伐。下面是一個例子。以下是雪花和AWS在這一領域最近的部分創新。這里我們展示了雪花公司在2020年推出的一組功能，AWS在去年推出的一組功能。

其中許多特性將會引起數據庫專家的共鳴，比如物化視圖，并且已經存在很長時間了。云本地數據存儲必須繼續添加成熟的on-prem棧多年來擁有的關鍵特性——尤其是治理和安全特性。但關鍵是，新的領導者正在以云本地的形式添加這些功能。

我們知道AWS在添加特性方面毫不懈怠。亞馬遜在研發上的投入是雪花公司的兩倍。那么，我們為什么喜歡雪花的機會呢?

有幾個原因我們認為雪花可以繼續領先。首先，雪花花在工程、上市和生態系統上的每一分錢都用于為客戶打造更好的數據庫。

在封鎖期間，我們詢問了Frank Slootman在大流行期間如何分配寶貴的資金。他的答復強調了這一點:

Slootman在工程領域毫無保留地雇傭員工，因為這是未來的發展方向數據庫分析研究開發

——Dave Vellante (@dvellante) 2020年6月6日

但這只是故事的一部分。

你們很多人都知道，直到最近我們都對多云持懷疑態度。我們說過，到目前為止，多云是多廠商和主要廠商營銷的一個癥狀。

這種情況正在開始改變。我們認為，對于組織來說，多云是越來越可行和重要的，特別是當它涉及到數據、數據位置和全球規模時。

首先，我們要重申，新的工作負載正在云計算中出現。實時人工智能、洞察提取和人工智能推斷將成為一種具有競爭力的差異化工具。這種新的創新組合源于通過數據科學工具應用于數據的機器智能，簡化的界面使其能夠與云進行伸縮。

因此，我們認為跨云開發是Snowflake和其他為多云構建高質量云本地能力的公司的一個區別。這對雪花來說意味著什么?為云本地構建功能——與將堆棧包裝起來在云中運行相比——是一個關鍵的區別。

本地云意味著利用各自云中的原始功能、特性和api來創建盡可能高的性能、最低的延遲和最高效的服務。它為客戶提供了最安全的體驗。最好的體驗將通過在云中原生構建來實現，這也是為什么Slootman在這個問題上如此教條。

Multicloud是雪花的一個區分器。數據無處不在，你想把數據放在它所處的位置，在AWS, Azure或任何存儲數據的云上。如果您的查詢的答案需要通過數據網絡訪問駐留在多個云中的數據，并且應用程序需要快速的答案，那么您必須具有低延遲訪問該數據的能力。

雪花的游戲,在我們看來,是自動化數據流的一部分通過抽象復雜位置和延遲相關數據,元數據,帶寬問題,時間查詢,時間回答等,以及優化部分的堆棧信息無關的數據的位置。

區分公式不僅是最好的分析數據庫，而且是不可知的。例如，AWS就有一個云議程。Azure和GCP也是如此。他們對多云的最佳回答是把一切都放在他們的云上。

當然，他們會提供跨云服務，但雪花將把它作為首要任務，而且一定是最好的。云提供商只有在探索了“俘虜”選項之后，才會追求多云。這是一種微妙的動態變化，但我們已經在市場上看到了幾十年。

沒有云平臺議程的公司將會有一個強有力的論據，目前我們認為在這個市場上，雪花公司在市場上的地位是最引人注目的。