📌 导读：

企业使用SaaS工具解决日常工作的需求已是明确的趋势，而数据平台已逐渐成为了支撑企业数据应用创新的标配。在AI大火的今天，数据平台发展趋势是怎样的呢？什么样的数据平台才能够支撑AI时代的企业创新需求呢？

观众朋友们大家好，欢迎来到云器科技频道，今天给大家带来的分享是SaaS企业数据化的再思考，本篇我们会分享SaaS企业数据化趋势洞察和观点。我们会谈到SaaS企业通常使用的lambda架构数据平台的问题和挑战以及业界趋势，了解Single-Engine的技术理念。

根据Crunchbase在2022年的统计，全球有15529家SaaS公司；美国企业平均使用超过100个SaaS应用程序。企业在使用SaaS工具解决日常工作的需求已是明确的趋势，而数据平台已逐渐成为了支撑企业数据应用创新的标配。那么AI大火的今天，数据平台发展趋势是怎样的呢？

我们可以总结三个要点：数据基础设施正在快速迭代发展，正在向更实时、更智能、更普惠的方向加速演进。

我们从一个典型的SaaS应用架构来看，大家可以看到，数据平台已纳入到SaaS软件的标准架构中。

这是因为数据不仅成为了客户的功能必须项，也是用户体验和留存粘性的关键要素，数据平台成为SaaS应用架构重要的赋能引擎。

我们今天的问题是，目前业界普遍采用的数据架构足够好么？有什么样的问题？能够支撑AI时代的企业创新需求吗？

右图是云器经过和业界数百家客户的交流，总结目前典型的数据分析架构图。计算部分的流、批和交互分析分别由三个产品实现，通常采用开源组件，专精于各个方向做专项优化；我们看到的问题就是存储散布在各组件中，数据被强行复制成多份。存储的冗余，是lambda架构作为数据底座的问题，除此以外，还有其他如多租户，扩展和性能成本等诸多问题。

在lambda架构中，流、批和交互分析由于计算形式不同，优化方向不同，难以统一，我们以流计算——以实时化的场景来举例说明。

例如一家企业要加快业务反馈，数据刷新从天进化到分钟或者秒级。通常的链路从业务系统通过kafka、Flink CDC，再到Flink后通过实时数仓呈现，整个过程Flink常驻，维持整个链路的成本不低。

高昂的成本让企业只用得起很小部分的实时数据链路。而如果企业需要全链路的实时化，成本不仅在数据处理，还在数据集成、转换计算等多个方面。

我们整理拆解了成本项目，供大家参考。简单的说，复杂的架构让全链路实时成为一个不经济的选择。

这是今天数据平台的问题之一，流、批、交互三种计算模式彼此之间的问题还有很多。此外数据平台面对的挑战还有AI的方面。

在AI时代，数据平台不仅需要支持BI的结构化数据，还需要支持半结构化和非结构化数据的处理任务。尽管湖仓一体成为了明确的业界公认的趋势，但是企业似乎还没有用到好用的湖仓产品。我们认为这是由于目前业界的湖仓方案没有做到存储、数据管理的统一。

那么，是否有一个新的计算范式，统一流、批、交互三种计算形态，且是统一的湖仓平台？以解决上面谈到的问题和需求？

云器科技提出了Single-Engine技术理念，核心是通过“增量计算”的新计算范式，将所有计算抽象成基于历史结果和增量数据的计算，统一当前独立的流、批、交互三种计算方式。并用一体化的湖仓架构统一存储系统。

另一个技术突破是，就像AI可以优化训练成为围棋大师，AI也可以用于优化数据平台的查询作业，节省计算资源消耗。据测算，仅一项单一的AI优化就可以对标准测试集Q88和Q96的SQL任务优化节省35%以上的的计算成本。未来随着数据平台的不断迭代优化，相信AI技术会更加普惠数据用户：SQL随便写，对于托拉拽图标生成的SQL，平台自动做优化。

云器Lakehouse是以“Single-Engine”为技术理念的一体化数据平台，旨在湖仓架构之上，统一流、批、交互三种计算模式。精益平衡数据新鲜度、查询性能、成本。云器Lakehouse基于多云、一体化架构设计，做到安全、开放和秒级弹性，现已于2023年7月20日正式发布。请搜索“云器科技”或“Single-Engine”，了解更多。