深度:美国顶级SaaS公司发展启示录!

深度:美国顶级SaaS公司发展启示录!

近年来,云计算的日益普及以及从传统软件向基于云的解决方案的转变,在此背景下美国的SaaS行业在迅速成长。根据Statista的数据,2016年至2020年期间,美国SaaS收入以25.5%的年复合增长率增长至869亿美元,数据显示,2020年中国SaaS市场规模达到538亿元人民币,与美国SaaS产业2020年869亿美元规模相比,差距明显。

预计到2026年,美国SaaS的收入规模将超过1400亿美元,而全球SaaS 总收入将增长至3000亿美元。

美国SaaS产业发展历程可以划分为五个阶段:

初期阶段:2000年至2005年,由一些创业公司开发简单的SaaS应用。

快速发展阶段:2006年至2010年,SaaS技术的普及使得企业开始接受并使用SaaS应用。

成熟阶段:2011年至2015年,SaaS应用的功能变得越来越强大,同时市场普及率也有了显著提高。

多元化阶段:2016年至2020年,SaaS行业开始多元化发展,不同类型的SaaS应用逐渐涌现。

智能化阶段:2021年至未来,SaaS行业将逐渐向智能化方向发展,SaaS应用将通过人工智能和机器学习等技术不断优化。

本次,我们选取六家在各自领域属于顶级的通用SaaS公司进行解析,希望可以给中国的SaaS公司发展带来一些启发。

表:美国主要SaaS公司

注:最新市值以2023年2月15日美股收盘数据为准

下面,我们将从业务层面商业层面,对上述六家公司进行详细的剖析。

业务层面:创始人背景决定市场选择 产品线纵深发展打造护城河

以上这六家公司虽然都属于通用型SaaS,但是,从业务类型来看,对细分市场的选择却各不相同,比如,Salesforce长期耕耘CRM市场,ServiceNow专注于ITSM。我们从各家的发展历程,来看看这六家公司在市场选择与产品线布局方面是如何规划的。

图:Salesforce发展史中的重要节点 来源:国盛证券研究所

Salesforce成立于1999年,由Marc Benioff和Parker Harris等三位创始人于1999年创立的。Marc Benioff是Salesforce的创始人之一,他曾在软件巨头Oracle担任高管职务多年,对于商业模式、市场营销和客户服务有着丰富的经验。Salesforce最初提供的是客户关系管理(CRM)软件服务(销售云),经过多年的发展,目前其产品库包括销售云、服务支持云、营销云、社区云、分析云、物联网云、APP云和电子商务云,可以说,为销售和营销的全流程提供了便利。

来源:海通国际

根据IDC数据,Salesforce已连续9年占据全球CRM市场第一名,其市场份额2021年高达24%,并呈逐年上升之势。

ServiceNow:ITSM(IT服务管理)龙头

图:ServiceNow发展历程图 来源:中信证券

ServiceNow在2004年成立时就选择了SaaS ITSM作为目标市场,这与其创始人的背景密不可分。

ServiceNow的创始人Fred Luddy曾任Remedy的CEO十余年,Remedy一度成为当时ITSM领域的龙头,可以说没人比Fred Luddy更懂技术和业务。凭借着Luddy的行业影响力和丰富的经验,ServiceNow得以在前期发展得如鱼得水。

当时ITSM领域的竞争非常大,它的竞争对手包括IBM、Oracle、惠普、BMC等一众巨头。但他们的服务方式依然是大型主机本地部署,可以说ServiceNow是第一家ITSM云服务企业。

SaaS模式与传统本地部署的用户体验差距,使得企业愿意付出巨大的替换成本来改善业务流程。于是,短短几年,ServiceNow凭借自己在SaaS ITSM领域的先发优势和技术积累,快速做到行业龙头。

在产品线布局方面,ServiceNow以服务场景为导向,整合客户数据、资源,构建一个相对完整的IT服务场景,并非以一个IT流程审批的角度进行建设。ServiceNow从ITSM平台出发,进行了横向和纵向两个方面的延伸扩展。纵向上,他们从ITSM服务流程管理系统向ITOM统一平台、网络安全管理领域延伸,从IT中人对人的管理系统发展到人对数据的管理系统;横向上,他们将ITSM底层的流程引擎能力延伸为PaaS平台,进入到IT部门之外的其它业务流程领域,为下一步的发展开启了新战场。

ServiceNow的产品采用的是“多实例+多租户”架构,相比于市场上的SaaS企业普遍使用多租户架构拥有更强的定制化能力和安全性,这对于具有高个性化和独立数据库需求的大企业更具吸引力。

Snowflake:全球领先云数据仓库

Snowflake成立于2012年,由三位数据仓库专家Benoit Dageville,Thierry Cruanes和Marcin Zukowski共同成立。其中Dageville和Cruanes是甲骨文公司的前数据架构师。

Snowflake代表着“云原生数据仓库”的崛起。

2014年,Snowflake云原生架构完成在Amaon S3平台的搭建;2018年,完成在Microsoft Azure平台上的搭建;2019年完成在GoogleCloud Platform上的搭建,从而实现跨云的数据传输。同时,公司建立了“中央数据存储系统”,支持多节点计算,客户在公司提供的数据库上根据不同的需求取用相关数据。

来源:SEC文件

Snowflake发展过程中,它利用了当今企业服务领域的两个最大趋势:大数据处理和公共云。它的核心产品是基于云的数据仓库,该仓库可在三个主要的公共云之间无缝运行,与最初设计用于内部部署数据中心的旧数据仓库形成了鲜明对比。公司从最初的产品拓展到现在,提供了统一的大数据查询、治理和服务套件。

来源:国信证券经济研究所

目前,Snowflake针对现在不同公司、不同行业的数据库之间存在的孤岛现象,提供了一站式的数据平台解决方案,通过设置数据引擎、数据湖、数据仓库等功能,使得分散化、碎边化的数据能够相互联结汇总,并且打破了数据之间的相互隔离现象。

同时,Snowflake针对医疗、教育、市政、金融、广告媒体、零售等行业的特点提供了个性化的解决方案。

Workday:全球HCM(人力资源管理)领军企业

来源:中金证券

Workday成立于2005年,公司核心业务为人力资源管理(HCM)和财务管理。Workday目前是HCM云领域内,产品线最丰富、产品功能最全面的厂商。

公司的创始人David Duffield与Aneel Bhusri曾任职于人力资源管理系统提供商PeopleSoft。David Duffield是PeopleSoft的联合创始人,而Bhusri是PeopleSoft的首席战略官。David于1987年创立了PeopleSoft,在十几年的发展中相继开发人力资源管理、ERP、CRM等多种软件产品,沉淀了一定的行业经验。2005 年,PeopleSoft被 Oracle收购。

David在创立Workday之后, 把传统HR软件放在云计算服务器上,不但避免了和传统企业软件公司的竞争,也在云服务公司中别树一帜。

Workday借助云端服务开发并深耕HCM软件,有效避开了SAP和ORACLE两大巨头的夹击 。而HCM系统本身具有复杂性和经验性,属于大型机系统,进入壁垒高,暂时没有云端服务类公司涉足,因此这个切入点又很好的回避了现有云端企业服务两大巨头:Salesforce和NetSuite(该公司主要是为中小企业提供EPR系统)。

之后,Workday以HCM和财务管理为核心产品,其他产品为加载项进行补充,一体化平台全方位提高客户效率。

Zoom:在线会议领军公司

来源:中信证券

Zoom成立于2011年,由前Cisco公司WebEx Communication工程副总裁Eric.Yuan率领近40位前Cicso工程师创立,团队成员有丰富的从业经验。产品及业务主要包括Communication Platform、Developers及Conference Room &Space。

Communication Platform主要通过SaaS模式面向企业用户提供视频会议、Phone、chat等通信服务;Developers面向第三方开发者,允许开发者基于开放的API将zoom集成到第三方产品中,或在Zoom平台上构建各种能力;Conference Room & space面向中大型企业客户提供本地部署方案,帮助其构建视频会议室等。

Zoom的分布式算法允许终端边缘计算、编解多路码流,实现了内容处理和数据流传输的分开处理,将视频编解计算留给客户端处理。此类方案将大大降低计算力资源的需求,同时也增加了架构上的扩展性和弹性。

Splunk:大数据分析公司

来源:国金证券研究所

Splunk成立于2003年,Splunk创始人兼首席执行官是Erik M. UIHLEIN,他曾经担任过亚马逊公司的总经理。Splunk的核心竞争力在于搜集和分析大量机器产生的数据。最初成名的产品是Splunk Enterprise,这是一个用于搜集和分析数据的软件,在很多公司里它最大的作用是把机器产生的日志文件搜集起来,然后在这个日志文件上做查询。

在产品线上,Splunk从IT的日志搜索工具出发,也在横向和纵向上延伸自己业务范围。纵向上,他们将日志搜索能力扩展到日志分析、事件管理和网络安全管理领域。横向上,他们从IT领域延伸到IoT领域,从而将一开始的定位“Google for IT Log”延伸到更广阔的“Google for Machine Data”。

Splunk建立SplunkEnterprise、Splunk Cloud、Splunk Light三大核心平台产品,满足大中小规模的客户需求,并且持续创新,已形成行业事实标准。通过APP和Add-on,Splunk可以与其他监视、安全和IT管理工具集成,灵活地解决客户个性化需求,形成Splunk+合作伙伴+客户的生态体系,扩大平台优势。

针对IT运营、应用性能分析、安全性、业务分析、物联网五大领域,Splunk建立针对性的解决方案,比如面向安全的SplunkEnterprise Security(ES),面向IT运营的SplunkIT Service Intelligence(ITSI)等。Splunk可以在基本订阅的基础上购买高级产品或附加产品,以场景化的方式,满足客户需求。

业务层面启示

从以上公司的细分市场选择来看,大部分与创始人的背景有相当大的关系,多数创始人具有相关领域传统软件行业的背景,而创业后均选择“传统软件+云端服务”相结合的方式。而且2000年前后成立的SaaS公司更具有先发优势,比如Workday/ServiceNow/Salesforce。

从产品线布局来看,纵向的深入拓展加上横向发展,共同打造护城河。纵向的深入拓展有助于打造同边网络效应,即同边用户会相互增加价值。例如,随着使用 Zoom 的组织数量的增加,Zoom 网络上的节点会越来越多,Zoom便能够为组织之间的视频会议提供更多的便利和更好的体验,最终将有助于吸引更多的组织用户。对于平台类的Saas公司,更致力于打造跨边网络效应,即一侧参与者的增加,可以使生态内另一侧参与者获得增量价值,从而互相促进两端参与者的积极性,进而实现正向循环。以Salesforce 为例,随着 3P 开发者在平台之上构建应用程序,Salesforce 对另一侧企业用户的价值越来越高,导致企业用户数量增多,从而吸引更多的 3P 开发者加入平台。

同时,Saas公司通过更多的数据来增加产品的价值。例如,随着组织将孤立的数据从基于云的存储库和本地数据中心转移到数据云,Snowflake 的数据云获得持续增长。越多的客户采用该平台,他们就越能与其他 Snowflake 客户、合作伙伴和数据提供商共享数据或从他们那里接收数据,从而提高平台为所有用户提供数据洞察力的价值。这有助于进一步获得更多的用户,从而创造更多的数据,从而形成良性的循环。

商业层面:订阅模式带来可持续现金流 运营关键在于营销与研发

目前,SaaS公司通常使用订阅模式销售其软件产品。客户可以按月或年订阅软件使用权,并在此期间持续获得更新和技术支持。有的SaaS公司还提供免费版本,以吸引新客户,并可以通过附加的功能和服务来升级到付费版本。此外,有的SaaS公司还使用计费模型,根据客户使用软件的数量和类型来计费。

在销售模式上,SaaS公司通常采用混合销售模式,包括直销、代理商销售和合作伙伴销售。

从这六家公司的商业模式来看,基本符合以上情况,但是每家公司由于提供产品服务的不同,在收费模式、营销模式上还是存在着些许差异。比如,ServiceNow是典型的SaaS收费模式,按功能集和时间两个维度计费。而Splunk 收费模式:(1)按检索数据量收费;(2)时间维度可以按年或终生;(3)终生许可 Lisence 的方式(2019年底许可证收费改成云订阅)

下面,我们将结合财务数据,对SaaS公司的运营进行分析。

需要注意的是,美国公司是以财年为财报周期,比如Splunk财年为每年的2月1日至第二年的1月31日,那么,2022财年披露的财报数据覆盖的大部分是2021年的业务情况。以下图表中的年份均表示“财年”的意思。

1、收入增速

图:收入增速(2018-2022) 制图:数据猿

在收入增速方面,我们选取了2018财年至2022财年的年度同比数据。

从上图来看,Salesforce的收入增速比较稳定,保持在25%左右;

ServiceNow的收入增速在2018-2021财年均在30%以上,2022财年下降至23%;

Workday的收入增速也出现下降的趋势,从2018财年的36%下降至2022财年的19%;

Snowflake、Zoom作为2010年之后成立的Saas公司,收入增速均处于较高水平,Snowflake的收入增速均保持在100%以上,而Zoom受益于疫情的影响,2021财年收入暴涨328%,2022财年回落至54%。

Splunk的收入增速在2018-2020财年保持在30%以上,但是在2021财年收入同比下降5.5%,根据Splunk公司解释,2021财年总收入下降主要是由于公司正在从销售软件许可证到基于云的软件订阅模式的过渡,当年许可证收入减少4.02亿美元,云订阅收入增长2.417亿美元。随后,2022财年收入增速又回升至20%。

总的看来,Saas公司在业务发展阶段收入增速较高,通常可以达到100%以上;进入业务成熟期后,年度收入增速基本保持在20-30%之间。

2、毛利率水平

图:历年毛利率(2019-2022) 制图:数据猿


毛利率方面,Salesforce、ServiceNow、Workday的毛利率水平表现稳定,基本在72%-78%之间;

Zoom、Splunk的毛利率呈现下降趋势,2022财年回落至73%左右;

Snowflake的毛利率呈现上升趋势,从2019财年的46%涨至2022财年的62%,但仍然低于其他家的毛利率水平,这与Snowflake公司当前仍处于业务发展阶段比较相关。

总的看来,Saas公司的毛利率水平不低,大部分都在70%以上。

3、销售费用占比

图:销售费用占比(2019-2022) 制图:数据猿

从销售费用占比来看,销售费用占比最高的是Snowflake,虽然从曲线来看,呈现下降趋势,但是2022财年销售费用占比仍然高达83%;

其次是Splunk,每年销售费用的占比基本在70%以上,近两年上升明显,2022财年达77%;

Zoom的销售费用占比下降显著,2022财年降至39%;

Salesforce、ServiceNow、Workday销售费用的占比较为稳定,分别在55%、49%、38%。

从以上来看,SaaS公司的销售费用占比是比较高的,这主要是由于SaaS公司在销售模式上通常采用混合销售模式,包括直销、代理商销售和合作伙伴销售,从而使得代理商与合作伙伴的费用挤压了利润。

4、运营利润

图:各家公司的运营利润(2019-2022) 制图:数据猿

从运营利润来看,已经实现运营盈利的公司有Zoom、Salesforce、ServiceNow;至今亏损的公司包括Snowflake、Workday、Splunk。

从金额来看,2022财年运营盈利最多的是Zoom(10.64亿美元),亏损最多的是Splunk,亏损13.19亿美元。

Salesforce的运营比较稳定,2022财年运营利润5.48亿美元。

ServiceNow的运营利润呈现上升趋势,2022财年运营盈利3.28亿美元。

Workday的运营亏损呈现收窄趋势,2022财年运营亏损1.16亿美元。

Snowflake、Splunk的运营亏损均呈现不断扩大的趋势。从前面销售费用占比的分析可知,这两家公司销售费用的占比非常高,都在80%左右。

从以上可以看出,虽然SaaS公司的毛利率水平较高,但是销售模式的局限性带来的销售费用高企,吞噬了运营利润。因此,如何控制销售费用,销售模式是否有创新的可能,是SaaS公司运营的一门关键功课。

而另一家至今运营亏损的公司是Workday,2005年成立的。数据显示,Workday的销售费用占比显著低于其他公司,那么运营亏损是如何造成的呢?我们来看看另一个指标:研发费用占比。

5、研发费用占比

图:研发费用占比(2019-2022) 制图:数据猿

从研发费用占比来看,Snowflake、Splunk、Workday这三家的研发费用占比显著高于其他三家,均超过35%;Splunk更是呈现出逐年递增的态势。

Zoom的研发费用占比低于10%,据悉主要是因为该公司30%的研发人员在中国境内。Salesforce的比例稳定在17%,ServiceNow保持在24%的水平。

因此,从销售费用占比、研发费用占比这两个指标,可以比较好的解释为何Snowflake、Workday、Splunk至今运营亏损的原因。

6、经营现金流

前面,我们分析过了运营利润,接下来,我们来看看SaaS公司的经营现金流。

图:各家公司的经营现金流净额(2019-2022) 制图:数据猿

2022财年的经营现金流净额来看,六家公司均呈现正向现金流,也可以说,在经营现金流上都实现了盈利,这与运营利润的表现情况是大不相同的。

这就是SaaS公司订阅模式的优势,基于订阅的商业模式有助于产生经常性收入和递延收入,带来可持续的现金流入和预付款。

从趋势来看,除了Splunk,其他五家公司的经营现金流净额都呈现逐年递增的态势。Splunk的数据异常主要是由于收费模式的转变造成的。2019年11月,Splunk正式停止了一次性缴费永久授权的业务,所有服务均以长期签续约或SaaS订阅形式出售。

从金额来看,Salesforce的金额最大,2022财年净流入60亿美元;其次是ServiceNow(27.23亿美元);Zoom与Workday都在16亿美元以上。

商业层面启示

从商业模式来看,订阅模式带来了可持续的现金流,使得企业拥有健康的经营现金流,这对于业务的进一步发展非常有利。

从运营角度来看,SaaS公司普遍存在销售费用占比高企的问题,因此,运营的关键在于如何在销售模式上有所创新,从而可以较快的实现运营盈利。

这一点,Zoom公司的案例值得借鉴。从上述分析可以看出,本次疫情最大的受益者是Zoom,2021财年营收增长328%,但是销售费用并没有同比例增长,从而带来销售费用占比的大幅下降。这很大程度是因为Zoom属于PLG型的SaaS公司,PLG是Product Led Growth的缩写,即产品引领增长,产品驱动增长。它描述了一种进入市场的战略,该战略注重于将产品置于客户旅程的每一个阶段的前沿和中心,并且使产品成为用户获取、留存、拓客等主要的驱动力。

其他大部分的SaaS公司是销售主导型增长。以销售为驱动的方式,更多强调的是销售人员与用户之间的一种博弈互动,用户的任何操作和使用,可能都需要在销售人员的协助下进行开展,才能够顺利的完成,从而导致整个销售链路非常的长。

Zoom是PLG的首批采用者之一,在其存在的头两年甚至没有营销团队。相反,它构建了一个具有内置病毒式传播的视频通话产品,并将其作为完美的免费增值产品提供。

另外,研发费用也是直接影响运营利润的一个重要因素。在上述公司中,Zoom公司由于部分技术团队在中国境内,从而大幅降低了研发成本。另外还有一些可以降低SaaS公司研发费用的方法,比如利用开源技术:通过使用开源软件和工具,可以减少开发费用,同时也可以提高质量;分治开发:将项目分解成较小的部分,通过合作或外包的方式减少开发费用;利用模板:通过使用预先开发的模板,可以在开发过程中大大节省时间和费用;敏捷开发:通过敏捷开发方法,可以快速构建和实施产品,并通过不断迭代和完善,达到节约开发费用的目的。

关于未来

正如开篇所述,目前SaaS行业已经进入智能化阶段,将逐渐向智能化方向发展,SaaS应用将通过人工智能和机器学习等技术不断优化。ChatGPT的问世,将加剧这一进程。

图片来源:Datapine

根据Datapine公司的预测,2023年的SaaS行业将呈现如下趋势:

  • 人工智能AI集成到更多软件中
  • 机器学习
  • SaaS安全是重中之重
  • 更多垂直SaaS产品出现
  • 数据即服务(DaaS)
  • API连接的需求不断增长
  • 迁移到PaaS
  • 更加关注客户保留和流失
  • SaaS市场整合
  • 更多SaaS超级应用即将出现
  • 集中式分析
  • 低代码功能

期待中国的SaaS公司可以抓住智能化的时代机遇,不断探索新的业务和商业模式,以满足市场的需求,打造国际竞争力!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/44443.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

走进人工智能| Computer Vision 数字化时代的视觉启示录

前言: 计算机视觉是通过模仿人类视觉系统的工作原理,使计算机能够感知、理解和解释图像和视频的能力。 文章目录 序言背景适用领域技术支持应用领域程序员如何学总结 序言 计算机视觉是人工智能领域的一个重要分支,它涉及使计算机能够“看”…

TransUnet官方代码测试自己的数据集(已训练完毕)

*************************************************** 码字不易,收藏之余,别忘了给我点个赞吧! *************************************************** ---------Start 首先参考上一篇的训练过程,这是测试过程,需…

OpenPCDet 训练自己的数据集详细教程!

文章目录 前言一、pcd转bin二、labelCloud 工具安装与使用三、训练仿写代码对pcdet/datasets/custom/custom_dataset.py进行改写新建tools/cfgs/dataset_configs/custom_dataset.yaml并修改新建tools/cfgs/custom_models/pointrcnn.yaml并修改其他调整事项 数据集预处理数据集训…

ChatGLM-6B模型训练自己的数据集

ChatGLM-6B模型训练自己的数据集 上期我主要分享了一下ChatGLM-6B官方模型的部署、官方数据集的微调、推理以及测试过程,这期我将主要分享一下使用ChatGLM-6B微调自己数据集的过程。上期链接 1.首先将自己处理好的数据集拷贝到’ChatGLM-6B/ptuning/’文件夹下&am…

刚拿到北京户口就离职,员工赔了180000!

推荐专门分享AI技术的公众号 关注后,回复:ChatGPT ,领取账号 公众号“互联网坊间八卦” 之所以写这个话题,是因为今天又看到了一个关于北京落户的案例。 前不久,北京市政府发布工作报告。数据中提到,2022年…

李彦宏宣布设立10亿创投基金促进大模型生态发展;Kindle中国电子书店停止运营;Bootstrap 5.3发布|极客头条...

「极客头条」—— 技术人员的新闻圈! CSDN 的读者朋友们早上好哇,「极客头条」来啦,快来看今天都有哪些值得我们技术人关注的重要新闻吧。 整理 | 梦依丹 出品 | CSDN(ID:CSDNnews) 一分钟速览新闻点&#…

汉王考勤管理系统 与服务器连接失败,汉王考勤管理系统

汉王考勤管理系统是一款功能强大的考勤管理软件,软件为用户提供了基本信息管理、人员排班管理、考勤处理与统计等多个不同模块,能够帮助用户对企业的的考勤进行统计与管理,而且能够支持一键生成各类报表,并支持以Excel等多种格式导出考勤信息,能够极大的提示用户的报表统计…

时间序列预测之DeepAR

目录 前言 一、模型介绍 1、模型框架介绍 2、训练策略 3、似然函数模型 4、损失函数 二、论文精华 1.尺度处理 三、仿真实验 1、数据集介绍 2、评价指标 2.1 评价指标1(分布式评估) 2.2 评价指标2(点预测评估) 2.3 定性分析 总结 前言 最近看论文《DeepAR:Probabil…

基于Prophet时间序列的监测值预测

留全部代码备份 通过facebook开源模型Prophet对未来时间内某基坑变形监控值进行预测,但该模型好像并不适用于这种施工过程中的数据预测,但是至少能预测,交差总没问题吧。预测10天。 import pandas as pd from matplotlib import pyplot as …

facebook时间序列预测算法prophet解读+实战

facebook时间序列预测算法prophet解读实战 原理解读一、时间序列的分解二、趋势项模型基于逻辑回归的趋势项定义变点(change point) 基于线性回归的趋势项变点的选择 三、季节性趋势四、节假日影响 模型实战 原理解读 prophet与常用的自回归时间序列预测…

Kaggle系列之预测泰坦尼克号人员的幸存与死亡(随机森林模型)

Kaggle是开发商和数据科学家提供举办机器学习竞赛、托管数据库、编写和分享代码的平台,本节是对于初次接触的伙伴们一个快速了解和参与比赛的例子,快速熟悉这个平台。当然提交预测结果需要注册,这个可能需要科学上网了。 我们选择一个预测的入…

【时间序列预测】人口数量预测神经网络程序

下载完整代码 clc;clear; %导入1949年至2010年人口数据 dataimportdata(population_data.txt); lag3; %利用前3年数据做为输入,去预测下一年人口数量 nlength(data); %计算数据长度 %% %准备输入和输出数据 inputszeros(lag,n-lag); for i1:n-lag inpu…

Prophet:一种大规模时间序列预测模型

前言 Prophet是由facebook开发的开源时间序列预测程序,擅长处理具有季节性特征大规模商业时间序列数据。本文主要介绍了Prophet模型的设计原理,并与经典的时间序列模型ARIMA进行了对比。 1. Prophet模型原理 Prophet模型把一个时间序列看做由3种主要成分…

时间序列预测算法梳理(Arima、Prophet、Nbeats、NbeatsX、Informer)

时间序列预测算法梳理(Arima、Prophet、Nbeats、NbeatsX、Informer) Arima1. 算法原理2. 算法实现 Prophet1. 优点2. 算法实现3.算法api实现(fbprophet调api) Nbeats1. Nbeats优点2. Nbeats模型结构 NbeatsXInformer参考&#xff…

Prophet 时间序列预测

Prophet 允许使用具有指定承载能力的物流增长趋势模型进行预测。 我们必须在列中指定承载能力cap。在这里,我们将假设一个特定的值,但这通常是使用有关市场规模的数据或专业知识来设置的。 # Python df[cap] 8.5需要注意的重要事项是cap必须为数据框中…

时间序列预测方法之 DeepAR

本文链接:个人站 | 简书 | CSDN 版权声明:除特别声明外,本博客文章均采用 BY-NC-SA 许可协议。转载请注明出处。 最近打算分享一些基于深度学习的时间序列预测方法。这是第一篇。 DeepAR 是 Amazon 于 2017 年提出的基于深度学习的时间序列预…

【时间序列】初识时间序列预测神器 NeuralProphet 实战预测股票指数

历经神奇的2022年,终于迎来曙光的2023年,新的一年,MyEncyclopedia 会和小伙伴们一同学习思考实践。长风破浪会有时,直挂云帆济沧海!共勉之 NeuralProphet深度学习Prophet NeuralProphet 负有盛名,是 Facebo…

时序预测 | Python实现TCN时间卷积神经网络时间序列预测

时序预测 | Python实现TCN时间卷积神经网络时间序列预测 目录 时序预测 | Python实现TCN时间卷积神经网络时间序列预测预测效果基本介绍环境准备模型描述程序设计学习小结参考资料预测效果 基本介绍 递归神经网络 (RNN),尤其是 LSTM,非常适合时间序列处理。 作为研究相关技术…

使用sklearn.ensemble.RandomForestRegressor和GridSearchCV进行成人死亡率预测

原文链接:https://blog.csdn.net/weixin_44491423/article/details/127011461 本文借鉴博主hhhcbw实现方法完成随机森林回归预测成人死亡率,使用训练数据测试模型的最优得分R20.8161,在测试集上得分R20.5825 成年人死亡率指的是每一千人中15岁…