SAAS企業(yè)熱背后的“啞巴吃黃連”現(xiàn)狀

　　這次疫情讓全國人民在家呆了快一個月，過年期間外出餐飲、送禮幾乎就沒有，雖說省了錢但大家也都很痛苦，不少做電商、開餐館、搞民宿的朋友損失慘重，但也有少部分行業(yè)反倒因禍得福，例如SAAS。

　　SAAS（Software-as-a-Service）指通過網絡提供軟件服務，典型的應用就包括目前的在線協(xié)同辦公（OA），還有CRM、ERP等。我太太現(xiàn)在的上班地點就變成了臥室，每天和公司溝通的工具就是“ZOOM”（美國的在線視頻會議平臺），而我們公司用的是“釘釘”，站長資源平臺幾乎所有上班族都開始遠程辦公，也讓這類軟件迅速走紅，同時這種火爆也傳導到了資本市場。

　　港股和A股的遠程辦公、在線視頻會議等上市公司平均漲幅超過40%，同時不少媒體和風投圈大佬開始預測疫情會給SAAS行業(yè)帶來深遠的影響，就像2003年非典后電商開始走紅，這次疫情是一個重要的契機。

　　其實，這個產業(yè)發(fā)展的怎樣真和疫情沒關系，而且現(xiàn)在還沒大家想象的那么樂觀。

　　啞巴吃黃連的滋味

　　企業(yè)有一種的痛苦，就是干活收不到錢，而且還不能和不給錢的發(fā)火，這正是大部分SAAS企業(yè)“啞巴吃黃連”的現(xiàn)狀。

　　舉個直觀的例子，根據艾瑞咨詢的報告，國內 SaaS 的總體市場規(guī)模約為340 億元，主要應用領域包括：CRM（客戶關系管理）、ERP、企業(yè)辦公及財稅等領域，保持著年化30%左右的增長。

　　340億這個絕對規(guī)模乍一聽不小，但是要看跟誰比。中美兩國是全球最大的兩個消費市場，在電商等C端消費市場上難分伯仲，但是在企業(yè)級的SAAS上差異卻非常驚人。

　　美國SAAS軟件的市場規(guī)模超過5000億人民幣，是中國的十倍以上，上市公司三巨頭（Oracle+SAP+Salesforce）市值約4500億美元，是中國同類公司的20倍以上。

　　出現(xiàn)這樣巨大差異的原因，并不完全是中國企業(yè)信息化和美國相比有多落后，而是中國的企業(yè)普遍對軟件類服務缺少付費意識。

　　相比美國千億美元的SAAS巨頭Salesforce，企業(yè)付費訂閱收入占比超過90%、毛利率近80%，過去幾年中國中小企業(yè)更傾向于免費產品，中大型企業(yè)習慣于自己定制軟件系統(tǒng)，對標準化SaaS的積極性很有限。

　　很多公司在用釘釘或企業(yè)微信，但大都在用免費版本，因為這些軟件一旦在入門級服務收費，就會減少80%左右的用戶，競爭就是這么激烈。

　　這種現(xiàn)象源自于之前國內對于軟件知識產權的保護環(huán)境差，很多企業(yè)喜歡用盜版，在最近幾年這種現(xiàn)象有一定好轉，但是和美國比還差很遠。由于中國特殊的情況，造成了行業(yè)內以下的特征：

　　大客戶，小生意

　　大部分SAAS公司指望不愿意花錢的中小創(chuàng)業(yè)公司很難生存，往往是傍著大客戶做生意。很多公司服務的都是五百強，五大行，國網，中石油之類的，但一個客戶只能收到幾十或者至多幾百萬，大客戶卻使小錢。

　　背后的原因是客戶需求就不大，投入也不多。大客戶普遍走的都是軟件定制開發(fā)的路徑，而且和服務公司的話語權特別強，產品想要取得高毛利就很困難。另外這些SAAS服務客戶往往只在一些不重要的場景中試用，最核心的業(yè)務還是公司自己開發(fā)或者委托外包開發(fā)形式。

　　總去做定制化系統(tǒng)，SAAS公司產品標準得不到統(tǒng)一，很難復制和做大，而且長期傍著大客戶能讓企業(yè)餓不死，一旦丟客戶業(yè)務風險就非常高。這種企業(yè)上規(guī)模就依靠大客戶的發(fā)展模式，又導致了接下來的很多問題。

　　高收入，低毛利

　　在國外一個軟件服務公司，優(yōu)秀的毛利水平應該是80%以上，及格線也有50%，可是國內企業(yè)普遍真實毛利也就40%-50%。

　　因為大客戶的定制化開發(fā)模式，軟件產品交付給客戶后就要在客戶內部IT系統(tǒng)中安裝、實施、運營及維護，加大了中間的相關費用（銷售及后期運維費用），直接體現(xiàn)就是軟件企業(yè)較高的費用率（30%-40%），削弱了的盈利水平。

　　高收入低毛利，導致的結果是企業(yè)到了一定的規(guī)模，又會出現(xiàn)增人不增效，這又引發(fā)了現(xiàn)金流問題。

　　有利潤，沒現(xiàn)金流

　　在定制化的環(huán)境下，要接大單就要有更多人員投入，但是增員不增效疊加開發(fā)周期長，客戶不結款，在賬面上就會出現(xiàn)表面利潤很高，但都是應收賬款，現(xiàn)金流年年為負。

　　國內一般而言，做政府生意，應收賬款兩年能結清就很不錯了，做銀行、大型央企一年能收回錢就謝天謝地，只有極少數大型民營企業(yè)可以給軟件服務商幾個月或半年就結款。

　　應收賬款周轉的太慢，背后反應的是企業(yè)在跟甲方做生意時議價權太弱，企業(yè)蘊含著較大的財務風險。

　　大客戶如此強勢的話語權，還源于企業(yè)產品的競爭力不夠強。

　　企業(yè)依賴于大客戶，但不被大客戶依賴

　　國內的大客戶始終保留著幾個很強的備胎供應商，可以很容易的更換，因為各家提供的產品和服務都差不多，誰都沒到替換不了的程度，但是反過來，每個軟件供應商都不敢得罪大客戶這些“財神爺”。

　　要想建立軟件服務的核心競爭力就要做出明顯的壁壘和差異化，純靠程序猿們苦逼的寫代碼解決不了這個問題。知識產權保護不完善，一個產品如果用盜版的方式去復制成本非常低，那么就沒法讓企業(yè)產生依賴性，解決方式就是依靠技術變革開發(fā)出競爭對手無法復制的服務，同時讓企業(yè)產生依賴。

　　新的契機

　　有這種解決方案嗎？有的。

　　登上“云端”

　　把各種管理系統(tǒng)和服務功能到放到云端，越來越重；讓客戶在手機和電腦安裝的程序只承載一個界面和數據傳輸的功能，做的越來越輕。

　　云服務器開始承載越來越多的功能，企業(yè)微信、阿里釘釘、泛微網絡等都是這種模式的代表。使用者在SAAS企業(yè)提供的底層工具上自定義組織結構、搭建內部流程、調用各種功能，這就像將工具包拆成積木放在云端，使用方的IT人員不費太大力氣就能把他們搭建成公司可以使用的系統(tǒng)。

　　這種做法確實激發(fā)了很多中小企業(yè)的使用需求，讓軟件產品實現(xiàn)了標準化，容易復制，邊際成本也低。但是這種方式被其他人的復制性依然很強，而且在中國要讓企業(yè)花大錢，就要拿出他們認為值得的附加值。

　　用AI來抓垂直領域的「老鼠」

　　解決這種服務附加值和差異化，AI和大數據的出現(xiàn)大家看到了希望。

　　舉個有趣的例子，上面視頻里這是一個餐廳的后廚，紅色框里面的是老鼠。

　　而國內幾乎所有餐廳后廚都對滅鼠工作非常重視，老鼠平時不出來，但往往晚上十一、二點鐘以后出沒在后廚，對食品安全問題很大，前臺上的飯菜里發(fā)現(xiàn)一粒老鼠屎，后果是災難性的。

　　以前餐飲企業(yè)一個月會花一兩千，去查后廚有沒有老鼠，做這個事需要很貴的人工，而且效果很一般，因為要么見不到老鼠只能發(fā)現(xiàn)老鼠屎，要么找不到老鼠洞。

　　一些軟件服務類的公司，通過人工智能去幫助餐飲企業(yè)的廚房識別老鼠。他們專門租了一間屋子養(yǎng)老鼠，用工智能的算法去識別，再用數據分析老鼠的行走軌跡，確定老鼠洞的大概位置。

　　而實現(xiàn)這個功能后，算法和數據都在云端，在各個需要滅鼠的餐廳后廚里裝上數個攝像頭，晚上把開燈打開就可以了，滅鼠的成本就是后廚的電費，還有云端服務器的運行成本，可以忽略不計，同時可以低廉的服務費打動不少餐廳買單。

　　AI的出現(xiàn)和大數據算法，會在數據樣本積累到越多的情況下讓數據計算結果越準確，同時因為邊際成本低和結果準確率高，可以在很多細分領域創(chuàng)造出高附加值。

　　另外一個典型應用是金融系統(tǒng)的大數據降低不良貸款和反欺詐。

　　一個人的信用數據是非常重要又涉及面很廣的數據，信用卡、銀行流水、網貸消費、失信記錄等信息，可以大致勾勒出一個人的消費習慣和信用狀況，同時任何一個點都可能是一筆壞賬的苗頭。大數據系統(tǒng)的算法模型，可以準確客觀的評估出這個人（或企業(yè)）的信貸風險，降低不良信貸的比率。

　　細分行業(yè)里的SAAS企業(yè)在服務多個金融機構的過程中，會積累到大量用戶的各種數據，通過云端的系統(tǒng)不斷學習和積累這些數據，就會讓系統(tǒng)對信用和風險識別越來越準確，到后來一些不正常的企業(yè)申報數據也可以實現(xiàn)反欺詐。

　　這種方式的積累，不再停留在系統(tǒng)和軟件層面，而是實現(xiàn)了云端服務的高度智能化，在各個細分領域有望形成高度的客戶粘性和壁壘。這也就是為什么金融大數據領域出了這么多獨角獸，其中最知名的就是螞蟻金服。

　　但是目前AI只在少部分細分領域可以落地并創(chuàng)造經濟效益，很多領域還處于摸索過程中。機器要變得智能就先要學習，而這個過程需要大量的數據和建模去反復練習，前期現(xiàn)有多少人工投入，后續(xù)才有多少智能輸出，所以傳統(tǒng)的軟件企業(yè)要想實現(xiàn)這種蛻變，擁有數據和云服務是前期的基礎，后續(xù)還要找AI的垂直領域“捉老鼠”。

　　大量的運算和數據的存儲對云端的算力和網絡傳輸提出了很高的要求，在5G時代真正到來后，可能這類垂直領域的應用才會真正普及。

　　但是，雖然當下很骨感，我們仍然期待詩和遠方。