以客户成功为核心,镜舟科技驱动数据库开源商业化创新

镜舟科技 CEO 孙文现

2024 年,在 StarRocks 社区朋友们和众多行业大客户的支持下,镜舟科技向前迈进了一小步,同时对于镜舟而言也是商业化推进的一大步。今年,镜舟实现了从追求市占率到追求商业成功的战略转型,并展现出强劲的增长势头和可持续发展潜力。

用户与客户双增长, 源于客户第一的价值追求

回顾整个 2024 年,StarRocks 社区和镜舟科技在众多行业客户、生态伙伴的支持下逐渐壮大。
随着用户的不断增加, StarRocks 在业务场景上的需求也愈加丰富和深入:

  • 固定报表与自助分析: 用户数超过 300+,主要采用单表同步物化视图和 flat JSON 等产品功能。

  • 实时数据分析: 用户数达到 270,使用了主键模型和 Flink CDC connector 等功能。

  • 数据跑批加工: 60 多位用户正在使用 Spill-Down 和异步多表物化视图来进行数据处理。

  • 湖仓分析: 50 多位用户通过外表 catalog 和外表物化视图进行深入分析。

一系列的功能与场景的结合,帮助用户在各自的领域中实现了更高的效率和价值。

得益于 StarRocks 全球影响力的提升,也得益于"客户的成功是最大的成功"的价值导向,镜舟的商业化客户已经突破 120 家。

  • 2022 年,镜舟的商业化客户包括百胜中国、极兔快递、中信建投、TCL、沃尔玛等知名企业。

  • 2023 年,南京银行、四川银行、申万宏源、华夏基金、腾讯音乐、OPPO 等新客户的加入,进一步扩大了镜舟的市场影响力。

  • 2024 年,延续行业化深耕的方向,与中信银行、民生银行、宁波银行等更多优秀的企业携手共进。

商业选择:从客户中来,到市场中去

在过去两年的发展历程中,镜舟科技深刻认识到商业化的本质------不仅要提供高质量的产品和服务,更要建立可持续的商业模式。这促使我们重新思考一个根本性问题:如何真正为客户创造长期价值?

基于这一思考,镜舟确立了三个核心商业原则:

1. 以长期价值驱动增长

镜舟选择通过持续的技术创新和服务质量来赢得市场。我们相信,只有让产品性能达到领先水平(较同类提升 3-5 倍),才能真正满足高价值客户的需求。同时,镜舟不参与低价竞争,因为客户深知,纯粹的低价竞争难以支撑持续的产品和服务质量。

2. 聚焦订阅模式

镜舟选择以订阅制替代传统买断模式,这不是简单的商业模式创新,而是对客户负责,让客户能够基于实际价值做出选择,也让镜舟能持续投入到产品创新和服务优化中,形成良性的商业循环。

3. 精准高价值服务战略

从"追求市占率"转向"追求客户成功",镜舟建立起"以高价值客户增长"为核心的经营策略,这种转变让我们能够将有限资源投入到真正理解并重视数据价值的客户中。通过推广 StarRocks 湖仓新范式和 Lakehouse,镜舟帮助越来越多的企业构建现代化数据架构,并实现降本增效。

围绕这三个核心原则,镜舟用 ARR 和 NRR 两个指标指导公司上下的经营。一方面,公司持续关注新客户的开拓,保障高价值服务;另一方面,通过重视 NRR(净收入留存率)指标,着力提升存量客户的价值,保障高质量服务。新老客户的平衡发展策略,让镜舟在市场竞争中获得持续的增长动力。

孙文现在会上分享了一组数据**:ARR 连续三年翻倍增长,NRR 保持 130% 的增长。**这不仅是数字的增长,更是镜舟价值创造能力的见证。

数字背后

是以终为始的商业化产品策略

过去三年,镜舟科技观察到一个趋势:用户在使用开源产品后,转向付费商业化产品的主要动力,是他们对业务的依赖性,关键系统的稳定性直接影响到客户决策。因此,镜舟科技的产品设计必须围绕这些关键场景展开,确保能够满足客户的核心需求。

一个优秀的开源产品"并不完全等于"一个成功的商业化产品,商业化产品要找准企业级客户真正关心的场景发力。 2024 年,镜舟数据库 3.3 版本在易用性、安全性和稳定性等方面实现重要突破:

  • Failover Group:实现跨集群数据同步,满足金融行业灾备需求

  • 透明数据加密(TDE):保障数据安全的同时保持高性能

  • AutoMV:推出智能化的物化视图推荐,降低使用门槛

同时,镜舟数据库具备强大的 Lakehouse 产品能力,能够有效地打通上下游数据流动,实现湖的全量数据与仓的加工数据的有效互补。同时,我们在 BI 类统计决策分析与 AI 类应用服务之间也形成了良好的协同,构建了强大的 Lakehouse 产品能力基础。

为了更好地支持客户,镜舟建立了完善的技术服务体系。这一体系不仅依赖于标准的服务流程和健全的保障机制,更重要的是依靠 AI 能力的加持,去重塑技术支持体系

我们坚信,健康繁荣的生态体系应该是百花齐放、相互赋能的。感谢银兴、浪潮、开科唯识、昆仑联通、九章、迅策等众多优秀伙伴的携手同行,一起打造了强大的StarRocks的商业化生态与服务能力。这不仅仅是商业上的共创,更是一次次联手探索数据价值的共同成长。

回到主题,开源商业化的目标是为了长久地经营镜舟这个事业。我们希望在未来的三年、五年,甚至更长的时间内,能够持续为客户创造价值,推动镜舟的开源商业化目标不断向前发展,也感谢这两年来大家的支持与信任!

相关推荐
冬奇Lab11 小时前
每日一个开源项目(第149篇):RAG-Anything - 把图片、表格、公式当成一等公民的多模态 RAG 框架
人工智能·开源
这个DBA有点耶14 小时前
NULL不是空——数据库里最反直觉的设计,90%新人踩过的坑
数据库·mysql·代码规范
Databend16 小时前
2KB histogram 背后:Databend 如何低成本追踪长尾延迟
大数据·数据分析·agent
这个DBA有点耶16 小时前
AI写的SQL跑崩了生产库,这锅谁背?
数据库·人工智能·程序员
镜舟科技17 小时前
Databricks 再提 LTAP,AI 时代的数据底座为何重回大一统叙事?
数据库·架构·agent
Databend18 小时前
从湖仓升级为 Agent 时代的数据控制面,Snowflake 和 Databricks 有哪些布局
大数据·数据库·agent
Aloudata技术团队19 小时前
正当红的 Context Layer 到底是什么?
数据分析
ClouGence21 小时前
SQL Server CDC 能放到 Always On 备库读吗?一文讲透原理与实践
数据库·sql server
太阳之子1 天前
给你的 AI Agent 装一双"能上网冲浪"的眼睛
开源
冬奇Lab1 天前
每日一个开源项目(第148篇):obsidian-skills - Obsidian CEO 亲写的 AI Agent 格式规范,让 Agent 不再破坏你的 Vault
人工智能·开源·资讯