---

# Disclaimer

本魯為某灣區IT公司內部infra前端難民
本篇文章為我個人基於幾個小時的研究閱讀各方討論
以及觀看Palantir demo所拼湊出的整理.
本人才疏學淺對Data Analytics理解也不深, 發這篇文只是為了拋磚引玉.
內文若有誤歡迎在下面指正

以下只討論我覺得很有前景的Foundry.
Palantir的demo感覺受眾是給數據分析領域背景的觀眾
因此對於一般投資者(華爾街, 財報分析師, or seeking alpha)
並不太理解Palantir Foundry到底在幹嘛.

# Foundry在幹嘛?

Foundry基本上是一個Framework
讓使用者不用寫code, 拉一拉線點一點按鈕就可以迅速完成以下任務:
- 把海量數據轉化成業務邏輯上make sense的資源們(Ontology)
- 可以進一步分析創造出的資源或更改這些資源, 並且修改原來儲存的數據
- 利用這些資源建立AI model模擬決策進行實驗, 可以像code一樣有CI/CD pipeline
- 監控, Alert, 可以部署application到終端設備

# Foundry屌在哪?

## Dynamic Ontology

Ontology大概是分類事物以及描述事物本體之間的關聯.
具體上來說, 在Palantir, Ontology包含:
  - Objects(物件)
  - Properties(屬性)
  - Relationships(關聯)
基本上, 如果你能越精確的定義邏輯個體還有描述個體間的關聯.
你之後的模擬或是決策就會越準確.
Foundry允許使用者動態定義並修改Ontology.
這代表你不用重新設計修改和deploy你的數據儲存系統.
隨著你的公司數據量越來越大, business越來越複雜
Dynamic Ontology依然能夠scale.

Source: https://tinyurl.com/2p8tf7eb

## 簡單直覺的UI就能夠完成複雜操作

傳統上Business Analyst需要hack到不同數據源.
必須處理不同的檔案格式(sql/nosql/key value data store)
用程式語言去query data
然後想辦法丟到data visualization tool像是tableau生成dashboard.

利用Foundry跟Ontology使用者很輕鬆的就可以在幾個點擊後生成dashboard
而且不用寫任何一行code.

## AI model完整的CI/CD pipeline

一些infra比較差的公司傳統上在AI model的處理很差.
往往是scientist在local train data甚至直接deploy到application.
這樣子的流程沒有標準化而且很難紀錄具體training和實驗的流程
這些在Palantir都幫你處理好了.
在demo裡面可以看到Model的deployment有完整的ci/cd pipeline就和code一樣

## Data integration 和Security

從demo來看, Palantir的數據源看起來support AWS/Azure/Google
另外Palantir 也有和IBM 的Cloud Park合作, 甚至能使用IBM Watson做分析
資料格式支援SQL/NOSQL/Postgress.
因此不管數據是有結構還是沒有結構的都能很好的整合在Foundry
另外Palantir在設計Foundry就把權限控制考慮好了.
所以上從VP/manager/analyst下到contractor都能在同一個platform上工作

# Foundry競爭者是誰?

具體來說目前市面上沒有這樣一個platform完全整合Data modeling的部分.
Snowflake專注在數據源的整合, Tableau只是單純的data visualization tool.
Alteryx 可能會是但他比較偏向consultant company.

# 這麼屌的話, 為何Palantir Revenue Growth Rate沒有到50%?

初看這間公司的話我心中的疑問是
為何Palantir沒有像Snowflake或是Datadog有爆發性的成長?

依照我個人的觀察的話, 我想了想得到的答案是:
IT 大公司在ML還不成熟的時候就必須要處理海量的資料.
在這個情況下大公司如Google, Amazon就會去發展自己的in-house solution.
因此在系統和workflow已經成熟的情況下選擇Palantir是不切實際的.

然而Palantir看起來似乎不是訂閱制, 昂貴的費用基本上中小型企業不太會需要使用
這些公司可能就花錢請一些Business Analyst弄弄sql query串個tableau就夠了.

因此最後有希望的客戶就只剩需要處理海量數據的非IT大企業.
沒有像FAANG已經有自己系統的公司比較有可能使用
大概是為什麼Palantir工程師必須得下去教如何使用這套framework
也因此看空方常常會說Palantir是一個consultant company (雖然他看起來並不是)

# 所以Palantir 估值過高?

PLTR ps ratio 大概在 24 而revenue growth rate不過30%
很多人會說這根本天價估值.

我個人是覺得還好, 從 https://tinyurl.com/2p8fw63f來看.
PLTR的ps ratio 以18元算的話對應他的growth rate大概在平均值左右吧

另外常提到的stock base compensation我是覺得過度反應.
大部分剛上市公司流通股數翻倍是很常見的事情 (請看ddog, snowflake, service now)
未來要年稀釋100%是不太可能, 但每年5-10%是有可能的.

目前來看北美方面的企業成長是100%, 但放到全球就沒那麼多.
Revenue growth rate 如果未來只有30%我看股價應該會卡在15-30個幾年.


--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.42.143.133 (美國)
※ 文章代碼(AID): #1XrNZ8i8 (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1641380040.A.B08.html