SaaS趋势追踪丨两大数据公司举行年度会议，十大SaaS股趋势如何？

美股研究社 2023-07-01 22:20

测量工具选型不当可能会毁掉你的PCB调试成果 工程师调试电路的秘密武器

作者 | Jamin Ball

编译 | 美股研究社

世界上最大的两家数据公司Snowflake和Databricks本周举行了年度会议。每次会议都有大量的收获和令人兴奋的产品发布，但我认为有一句话可以完美地概括这两次会议，那就是Frank slotman在他的开幕主题演讲中所说的:

“为了制定人工智能战略，你需要一个数据战略”

我非常同意这一点。基础模型和它们的输出只和提供/训练它们的数据一样好。当我们从通用的LLM引擎(比如ChatGPT)转向企业特定的引擎(在企业特定数据上训练的模型)时，公司需要按顺序获取他们的数据。法学硕士将能够搜索企业内的每个系统并获取数据(包括非结构化和结构化)的想法，我认为这不会发生。它忽略了成本和性能等因素。为了真正利用人工智能，企业需要在云中组织数据。

今天基础模型的大部分工作/输出都是概率性的。换句话说，输出是基于训练数据对答案的“最佳猜测”。我可以问ChatGPT“为什么超级碗是一个受欢迎的电视赛事?”每次我都会得到不同的答案。

每次答案都不一样并不重要。挑战在于，概率答案并不适用于真正的企业特定人工智能。我们需要进入一个确定性输出/答案的世界。我们需要知道输出是准确的。

如果我是一家消费者订阅公司，我问人工智能“我的30天客户留存率是多少，过去6个月的趋势是怎样的，如果它在变化，是什么导致了变化?”我需要知道我得到的答案是准确的。根据答案，我可能会做出不同的商业决策。

生成式人工智能是伟大的，因为它将使知识提取数据民主化，但我们需要通过检索和搜索的能力来增强企业特定数据的基础模型(这种方法被称为检索增强生成，或RAG)。RAG帮助解决了一个关键问题——法学硕士只知道他们接受过培训的数据。

我们需要在特定的企业数据上训练或微调模型，或者通过搜索和检索企业数据来增强模型。关键变量是云中的组织数据。

为了训练、微调或检索数据以增强企业基础模型，公司需要有组织的数据。他们需要一个数据策略。我们开始看到这种情况的发生。每个公司都知道他们需要一个人工智能战略。但具体是什么还不太清楚。很清楚的是，第一步是整理数据。

为什么这很重要?从数据中提取知识只是当前人工智能浪潮的第一步。如今，人工智能的产出主要供人类消费。

人类获取产出，然后做出商业决策。在我看来，更有趣的人工智能浪潮是当人工智能的产出被机器消耗时。机器接受人工智能的输出并采取行动。

随着人工智能代理的出现，我们开始看到这一点。让我们回到上面的问题:“我的30天用户留存率是多少?在过去6个月里它是如何变化的?如果它在变化，是什么导致了变化?”假设基础模型的答案是“你的客户留存率下降了，因为你的5%折扣促销已经过期了。”人类将不得不深入研究、调试和验证答案。但如果我们不需要人类参与呢?如果一台机器可以接收这些输出，并重新启动促销功能呢?这将真正改变游戏规则。

但是，关键变量正在转向确定性人工智能系统。要做到这一点，我们需要在云中组织数据。

以詹森(英伟达首席执行官)在Snowflake峰会上的最后一个想法来结束这篇文章。我转述一下，但他说了一些类似于“我们曾经把数据带到计算中……但现在数据是巨大的，需要被保护，等等。”很难移动数据。用英伟达的计算引擎处理数据更容易。”我喜欢这句话。虽然数据是人工智能的第一个要素，但另一个同样重要的要素是计算。把它们加在一起，我们就得到了人工智能!

Snowflake投资者日

在Snowflake Summit的投资者部分，他们的首席财务官提到，6月份的日常消费模式正在回归正常，高于4月/ 5月的低点，他们说这是一周比一周持平的增长。这对其他消费软件领域来说是一个积极的信号。

10大EV / NTM收益倍数

十大每周股价变动

倍数更新

SaaS业务的估值通常是其收入的数倍——在大多数情况下是未来12个月的预计收入。收入倍数是一个简略的估值框架。考虑到大多数软件公司不盈利，或者没有产生有意义的FCF，这是比较整个行业的唯一指标。即使是DCF也充满了长期假设。SaaS的承诺是，早期的增长会带来成熟年份的利润。下图所示的倍数是通过企业价值(市值+债务-现金)/ NTM收入计算出来的。

总体统计数据:

•总体中位数:6.1x

•前5名中位数:15.5倍

•2010年:3.9%

受增长拖累。在以下分类中，我认为高增长>30%的预期NTM增长，中等增长15%-30%，低增长<15%

•高增长中位数:9.6倍

•中期增长中值:8.7倍

•低增长中位数:3.6倍

EV / NTM Rev / NTM Growth

下图显示了EV / NTM收入倍数除以NTM共识增长预期。这张图的目的是显示每只股票相对于它们的增长预期是多么便宜/昂贵。

Ev / NTM FCF

NTM FCF为负的公司不在图表中列出

EV / NTM Rev倍数vs NTM Rev增长散点图

增长与估值倍数的相关性如何?

操作指标

•NTM平均增长率:15%

•长期资产管理增长率中值:24%

•毛利率中位数:75%

•营业利润率中位数(20%)

•FCF利润率中值:5%

•净留存率中值:115%

中位CAC回报期:57个月

•平均S&M %收入:46%

•研发收入中位数:27%

•G&A %收入中值:18%

合成输出

40法则显示的是收入增长+ FCF利润率(LTM和NTM都是增长+利润率)。FCF计算为经营现金流-资本支出。

通用汽车调整后的投资回报计算公式为:(上一个季度S&M) /(净新季度ARR ×毛利率)× 12。它显示了SaaS企业在毛利润基础上偿还全部负担的CAC所需的月数。大多数上市公司不报告净新增ARR，所以我采用隐含ARR指标(季度订阅收入x 4)。净新增ARR就是当前季度的ARR减去上一季度的ARR。不披露订阅收入的公司被排除在分析之外，被列为NA。

END

美股研究社（meigushe）所发布文章不具有投资建议，请各位投资者自行判断。