记录系统万岁

作者：Jamin Ball

原文：https://cloudedjudgement.substack.com/p/clouded-judgement-121225-long-live

每隔几周我就会看到类似的说法：“新的记录系统就是智能体”、“工作流吞噬了记录系统”、“数据才是记录系统，应用程序只是简单的视图”。

这些说法都有一定的道理，但我认为也很容易过度解读，从而忽略企业最需要的东西——

当我思考记录系统时，我实际上并非从软件产品分类的角度出发。我更多地是从更为枯燥的角度思考“真相究竟在哪里”。换句话说，如果企业工作流程在某个特定步骤需要了解某些信息，那么哪里才是该答案的权威来源？

因为随着工作流程的自动化程度越来越高，智能体驱动程度越来越高，脆弱点往往与模型本身无关，而完全取决于智能体是否在正确的时间从正确的系统中提取了正确的值。

如果报价到现金流流程的早期步骤获取了错误的价格表、错误的合同条款或过时的年度经常性收入 (ARR) 数据，那么工作流程的其余部分就会继续错误地执行自动化操作。

任何在大公司待过一段时间的人都知道，实际操作起来有多么复杂。就拿“我们的年度经常性收入 (ARR) 是多少”这样简单的问题来说吧：

——问销售部门，你会得到一个数字；

——问财务部门，你会得到另一个数字，其中包含一系列不同的排除项和调整项；

——问会计部门，现在讨论的是收入确认，而不是订单；

——问法务部门，他们会正确地提醒你，在快速增长的企业中，一半的“ARR”都建立在合同之上，而这些合同看起来根本不像你想要的那种清晰的循环订阅模式。

甚至连 ARR 的定义都模糊不清。对于消费型企业来说，ARR 是指上个月使用量的年化运行率，还是合同承诺额，还是扣除折扣和抵免后的合同承诺额，又或者只是一个被包装成循环指标的滞后十二个月的账单数字。

现在想象一下，你告诉一位销售代表：“去按细分市场计算年度经常性收入 (ARR)，然后把报表发给董事会。”他应该用哪个 ARR 表？哪个表才是权威数据？如果销售和财务部门意见不一致，谁说了算？如果计费系统和仓库的数据有几个百分点的偏差，销售代表应该以哪个数据为准？

这就是“记录系统已死”这种论调让我觉得站不住脚的地方。自动化程度越高，就越需要有人去做那些不起眼但又至关重要的工作：

从历史上看，记录系统以一种相当直接的方式解决了这个问题。例如，客户关系管理系统 (CRM) 用于记录客户和商机，企业资源计划 (ERP) 用于记录财务，人力资源信息系统 (HRIS) 用于记录人事，计费系统用于记录发票等等。

这些系统并不完美，但每个领域都有一个主要的存储位置。然而，到了上个十年，所有人都试图将这些数据集中到一个仓库或“湖畔数据中心”中。当时的理念是，如果将所有数据集中到一个地方，并在其上构建语义模型和指标定义，最终就能获得一个分析、仪表盘和下游工具都能认可的单一数据源。

在实践中，这种愿景已经部分实现。在许多公司，数据仓库和数据湖仓确实成为了分析真理的中心。团队构建了精心设计的数据库模型，围绕“官方”指标建立了治理机制，并精心维护了用于商业智能工具的黄金表。

问题在于，这些大多位于运营流程的下游。销售团队仍然使用 Salesforce，财务团队仍然在 NetSuite 中完成账务，支持团队仍然在 Zendesk 中处理工单。数据仓库或湖仓成为了回顾过去的镜子，而不是事务处理的入口。

智能体从两个重要方面改变了这种格局。

• 首先，它们本质上是跨系统的。当你指示智能代理“运行报价到收款流程”时，你实际上是在要求它们在客户关系管理系统 (CRM)、配置、定价和报价 (CPQ)、计费系统、收款系统以及可能分散在组织各个角落的一些内部工具之间灵活切换。
• 其次，它们本质上是行动导向的。这不仅仅是运行报告或生成仪表盘，而是要采取行动来改变底层系统的状态。这种组合意味着智能代理的效能取决于它们对哪个系统拥有哪些数据以及这些数据之间关系的理解。这正是像 Databricks 这样的公司的核心优势所在——它们成为了人工智能智能代理的中心，并开始自行构建这些智能代理。

换句话说，智能体正在迫使我们将工作的用户体验与工作的数据源分离。用户体验现在可以是聊天窗口、自然语言界面，或者与传统企业应用截然不同的专用智能体用户界面。

然而，在底层，仍然需要某种机制来定义“这是权威的客户记录”、“这是具有法律约束力的合同条款”或“这是我们向华尔街报告的数字”。这个“机制”可能是传统的记录系统，可能是基于数据仓库的语义层，也可能是新型的“数据控制平面”产品，但它绝对不会消失。

我认为，数据仓库和湖仓正是许多智能体工作流的天然载体。它们致力于跨领域集中数据，承载着定义指标和业务实体的语义层，并且已经处于治理、血缘和访问控制的交汇点。仔细观察，你会发现，数据仓库、指标层和治理工具的组合，与其说是一个报告系统，不如说是一个公司其他部门可以信赖的“真理库”。

人类能够记住细微差别，如果财务和销售部门对年度经常性收入 (ARR) 存在分歧，他们可以协商并决定在董事会演示文稿中使用哪个数字，智能体则无法做到这一点：

——他们需要明确的规则，

——他们需要将冲突解决机制内置到数据模型中，

——他们需要知道“official_arr”是我们用于外部报告的指标，“sales_arr”是我们用于薪酬方案的指标，“product_arr”是我们用于功能级分析的指标。

——他们需要的数据仓库不仅要存储数据，还要编码数据的优先级和含义。

运营方面的情况也类似，我认为客户关系管理（CRM）、企业资源规划（ERP）或计费系统不会消失。相反，它们会悄然演变成更接近“带有API的状态机”的东西，这些状态机针对程序访问而非人机交互进行了优化。智能体发起报价、计算价格、构建合同、协商修改意见，然后在合适的时机，通过明确定义的边界将最终状态写入下游记录系统。用户可能仍然会在网页界面中看到该状态，但主要使用者是代理。记录系统不再是一个可以随意点击的地方，而更像是一个持久的存储和约束引擎，供机器与之交互。

如果你相信这种观点，那么“记录系统是否正在消亡”这个问题，听起来就有点像人们从客户端/服务器应用转向Web应用时提出的“数据库是否正在消亡”的问题一样。应用的形态正在改变。核心功能可能会从单体SaaS前端迁移到共享数据层和工作流。但是，对一份明确“这就是事实，以及你如何修改它”的契约的需求只会越来越大。

人们谈论“原生AI”应用的方式已经发生了转变，真正有趣的应用很少会从构建另一个终端用户界面开始。它们通常从与仓库、CRM或ERP系统对接入手，构建能够协调跨系统工作的智能体。

这里还隐藏着估值方面的问题。投资者热衷于争论“记录系统”的估值倍数是否高于“交互系统”，以及纯粹的工作流工具在这个光谱中处于什么位置。智能体的出现使这个问题变得复杂。一个基于他人数据且可以轻易移除的智能体，可能不配拥有记录系统那样的持久性。

那么我的结论是什么呢？我不认为记录系统会消亡，而是会被拆分重组。“记录”部分，也就是真实数据，将越来越多地存储在数据仓库、独立数据中心以及仍然重要的运营系统中。在此基础上，我们将迎来新的一层——语义契约和控制平面，它们会指导代理如何安全地读取和写入这些真实数据。过去那些构建于记录系统之上的熟悉的SaaS前端，其重要性会随着时间的推移而降低。智能体和工作流用户界面将成为人们与工作交互的主要方式。但是，对于一个定义明确、所有权清晰、约束明确的真实数据源的根本需求只会不断增长。

季度报告摘要

排名前十的企业价值/未来12个月营收倍数

本周股价波动前十名

多款产品更新

SaaS 企业的估值通常基于其营收倍数——在大多数情况下，指的是未来 12 个月的预期营收。营收倍数是一种简便的估值框架。鉴于大多数软件公司尚未盈利，或者无法产生可观的自由现金流，因此它是衡量整个行业的唯一指标。即使是现金流折现法 (DCF) 也充斥着对长期前景的假设。SaaS 的优势在于，早期增长能够转化为成熟期的盈利。以下所示的倍数计算方法为：企业价值（市值 + 债务 - 现金）/ 未来 12 个月营收。

总体统计数据：

• 总体中位数：4.9倍
• 前五名中位数：22.7倍
• 10年期：4.2%
  

按增长速度划分。在以下分类中，我将增长速度超过 22% 的公司视为高增长，15%-22% 的中等增长，低于 15% 的低增长。我不得不调整“高增长”的临界值。如果 22% 这个数字感觉有点随意，那是因为它确实如此……我只是选择了一个临界值，使得大约有 10 家公司符合高增长的标准，这样样本量就更具统计意义。

• 高增长中位数：14.5倍
• 中等增长中位数：7.5倍
• 低增长中位数：3.7倍

EV / NTM Rev / NTM 增长

下图显示了企业价值/未来12个月营收倍数除以未来12个月市场普遍预期增长倍数。因此，一家目前市销20倍、预期增长100%的公司，其市销率将为0.2倍。该图旨在展示每只股票相对于其增长预期而言的相对价格高低。

EV / NTM 自由现金流

该折线图显示了自由现金流倍数大于0倍且小于100倍的所有公司的中位数。我创建这个子集是为了展示自由现金流是相关估值指标的公司。

图表中未列出近12个月自由现金流为负的公司。

EV/NTM营收倍数与NTM营收增长率的散点图

增长与估值倍数的相关性如何？

运营指标

• NTM中位增长率：12%
• 中位LTM增长率：13%
• 毛利率中位数：76%
• 中位营业利润率（1%）
• 自由现金流利润率中位数：20%
• 中位净留存率：108%
• 中位 CAC 回收期：36 个月
• 销售与市场营销收入中位数占比：37%
• 研发投入占营收中位数百分比：23%
• 一般及行政费用占收入的中位数：15%

计算机输出

40法则显示营收增长率+自由现金流利润率（增长率+利润率同时包括过去12个月和未来12个月的增长率）。自由现金流计算方法为：经营活动现金流-资本支出。

调整后毛利率回收期计算公式为：（上季度销售和市场收入）/（本季度新增净年度经常性收入 x 毛利率）x 12。它显示了SaaS企业在毛利润基础上收回其全部客户获取成本所需的月数。大多数上市公司不披露新增净年度经常性收入，因此我采用隐含的年度经常性收入指标（季度订阅收入 x 4）。新增净年度经常性收入等于本季度年度经常性收入减去上季度年度经常性收入。未披露订阅收入的公司已被排除在分析之外，并列为“不适用”。

本文参考的信息来源包括彭博社、Pitchbook 和公司文件。

本简报中提供的信息仅代表作者个人观点，并不一定反映任何其他个人或实体的观点，包括Altimeter Capital Management, LP（简称“Altimeter”）。所提供的信息均来自可靠来源，但对于任何不准确之处，我们概不承担责任。本简报仅供参考，不应被视为投资建议。过往业绩并不代表未来表现。Altimeter是一家在美国证券交易委员会注册的投资顾问公司。注册并不代表具备特定水平的技能或培训。Altimeter及其客户进行公开证券交易，并已对本文提及的公司进行投资或做出相关投资决策。本文表达的观点仅代表作者个人观点，并不代表Altimeter或其客户的观点。Altimeter及其客户保留做出与本文表达的观点一致或不一致的投资决策或进行交易活动的权利。

本文及其所载信息仅供参考。 文中观点仅代表作者个人意见，不构成出售任何证券的要约、购买任何证券的建议或购买任何证券的要约邀请，亦不构成对任何投资产品或服务的推荐。尽管本文部分信息来源于作者认为可靠的渠道，但作者及其雇主或关联公司均未对这些信息进行独立核实，因此无法保证其准确性和完整性。故此，对于信息的公正性、准确性、及时性或完整性，不作任何明示或暗示的陈述或保证，亦不应依赖此信息。作者及其所有雇主和关联人员对此信息不承担任何责任，亦无义务在未来更新本文所载信息或分析。来更新本文所载信息或分析。