身份不明的发言人
Rick McConnell（首席执行官）
身份不明的参会者
今天是第三天。今天是高盛即将召开的技术会议的第三天。今天是第三天，但这是这个重新命名的融合会议的第四年，而且取得了巨大的成功。Rick从1.0版本、2.0版本、3.0版本、4.0版本就一直是会议的参与者。我们到了这里。感谢你的支持。感谢我们的客户。看到来自世界各地的人们真是令人暖心。我的意思是来自澳大利亚、亚太地区、欧洲、加拿大的人们。遍布各地。所以感谢你们对这个平台的持续支持。非常高兴欢迎你回来。我想我们是在你刚担任Dynatrace首席执行官时认识的。你加入了公司
四年前。
四年前。我还记得Raul戴着我们的新冠口罩，你必须通过测试认证才能参加会议。我仍然清晰地记得第一次会议。非常难忘。天哪，你已经走了很长的路。公司也走了很长的路。在过去几年里，我们有一个非常精彩的故事。
是的。我加入时，ARR不到10亿美元。现在接近20亿美元。所以在这段时间里我们取得了不错的进展，而且我们处于一个很棒的市场。
太好了。那么你能为我们回顾一下在过去三年中你所取得的重大里程碑，然后为我们描绘一下Dynatrace在未来四到五年的样子吗？
这是你接下来30分钟要问的唯一一个问题，我可以在整个会议中回答吗？因为这是一个相当开放式的问题。
是的。举个例子，去年我们的首席执行官采访了Salesforce的首席执行官，我们有很多问题。据推测，我们问了一个问题，Mark花了20分钟就结束了。都是关于代理财务的。
我会尽量不那样做。
你可以那样做。没关系。
或许回答这个问题的最佳方式是，我想说，四年前我加入Dynatrace的原因与今天投资Dynatrace的原因非常一致。而我之所以如此兴奋能成为其中一员，首先是可观测性市场非常强劲。在一个日益基于云、由AI工作负载及其他驱动的世界里，对可观测性能力和功能的需求正在增加，而不是减少。手动管理海量数据以及数据复杂性的快速增长变得越来越复杂。
因此，你必须拥有自动化工具、自动化能力，使你能够在AI世界中做到这一点，而且越来越需要。所以市场显然是核心驱动力。第二，我们拥有令人难以置信的客户群。这些是全球最大的公司。刚刚完成了为期两个半月左右的路演，穿越了三大洲的七个国家。客户对Dynatrace所提供价值的反馈是压倒性的。所以这是一个令人难以置信的因素。我们的平台绝对已经准备好投入使用。我相信，它确实被构建成了一个非凡的平台，提供了一个AI视角，这种视角不是两年来才存在的，而是十多年来融入到一个集成的统一数据集中。
而这个数据集，通过完全集成在一个单一的数据湖仓中，在提供端到端可观测性体验方面提供了非凡的附加值。最后，从财务角度来看，这是一个非常持久的财务模型。上一季度订阅收入增长19%，税前自由现金流33%。如果你把这两个数字加起来，运营大约符合50法则，我们一直保持在这个范围内。因此，我认为这三四个因素的结合是我们在过去几年中真正依靠来发展业务的。我们认为这四个因素都将成为未来几年的驱动力。而且如果有什么不同的话，它正在加速，而不是减速。
Rick，展望未来，考虑到这个市场还没有完全整合。尽管我必须说，我们开始看到你的业务和其他公司业务出现一些稳定的迹象，但市场仍然有点分散，至少对我来说可能有点混乱，也许对客户来说并不混乱。Dynatrace处于什么位置？XYZ公司处于什么位置？你能为我们阐述一下你如何看待你的目标市场，你如何看待公司未来四到五年的机会？以及当我们完成APM、surge、可观测性、基础设施监控的分类时，这个市场会是什么样子？这方面有很多事情在发生。谁会赢？
如果你看看Gardner魔力象限、Giga Ohm雷达或Forrester Wave，它们只是一些外部视角。好消息是Dynatrace在所有这些报告中都处于典型的右上角象限。这要归功于我所描述的平台优势和能力。我认为，展望未来，真正将公司进一步区分开来的机会是可观测性的演变，我想说有三个维度。这三个维度是我在过去几个月有机会与全球CXO们会面时反复听到的。
第一个演变是走向端到端可观测性。端到端可观测性实际上意味着工具的整合和这些能力在单一整体解决方案中的集成，或者如果不是单一解决方案，那么肯定是从15个可观测性工具大幅减少到两三个左右。我们Dynatrace当然在这个领域是一个整合者。端到端可观测性实际上包括几个不同的层面。一个层面是数据层面，将日志、跟踪、指标、真实用户数据、行为分析，所有基本的核心可观测性数据类型集成到一个数据存储、一个数据湖仓中。
实际上只有Dynatrace做到了这一点。如果你看看我们的任何竞争对手，他们都在使用碎片化的数据存储，他们在手动标记数据。当数据流的规模和复杂性增加时，管理这些数据变得不可能。端到端可观测性的第二个层面是围绕领域。它是应用程序、基础设施、日志管理、真实用户，所有这些都使用相同的视角来看待相同的数据。第三，也是最后一个层面是角色。你不仅希望IT运维人员，还希望开发人员、SRE、平台工程师。你希望所有这些团队都能访问相同的底层数据存储，这样他们就能提供相似的答案、相似的见解。
如果你真正做好了端到端可观测性，你会得到两个巨大的好处。第一，你会得到更好的答案、更好的结果。当出现问题时，你能够基于更好的见解更快地解决它，更适合解决你遇到的问题。第二，通常会带来20%或30%的成本降低，大型企业也喜欢这一点。所以，可观测性是一个支柱。第二个支柱是AI可观测性。这既包括使用AI来提供更好的答案，也包括被用于AI工作负载，这些工作负载也在迅速扩展。
如果你让我们深入探讨的话，我们可能会回到这个话题，但这确实让我们进入了智能体可观测性和智能体AI可观测性。那是什么样子的？为什么Dynatrace可能在那种环境中获胜？第三，也是最后一个支柱是业务可观测性，即组织越来越期望我们不仅要说，我的软件是否在运行、是否可操作、性能如何，还要告诉我我的业务运营情况如何。金融服务公司告诉我，我想知道支付需要多长时间。
它比昨天好还是比昨天差？航空公司要求我们帮助他们建立控制塔，确定行李从飞机到行李传送带需要多长时间，以及这比昨天好还是差。邮轮公司想知道客户体验如何，基于你是否能始终进入你的客舱，或者我是否能在船上找到你，零售商等等。业务可观测性正成为基于业务事件和业务演变的核心。
所以端到端可观测性、AI可观测性、业务可观测性。我想说这三个类别正在真正区分竞争环境。特别是当你考虑到公司的整体规模、复杂性和非凡的数据量时，这正是Dynatrace与我们领域内其他公司最不同的地方。
Rick，我们在这种端到端可观测性整合阶段进展到什么程度了？我的意思是，你谈到了那里的所有工具蔓延。所以也许给我们一个标记，说明我们在这个旅程中处于多早期阶段。
我的意思是，我认为这是个很好的问题。我认为我们处于第三局左右。我们仍然，我们可能还在早期的三分之一阶段。在我们交谈的几乎每个客户或公司中，到处仍然有很多很多可观测性工具。有些是在集中基础上推出的，他们试图整合，特别是在日志管理方面。有些是在内部发展起来的，还有一些是在部门层面部署的，他们正试图控制局面。举个例子，我刚刚和我们的一个航空公司客户交谈过，他们描述了在部署Dynatrace之前的事件管理流程。
他们会说，当我们的移动应用程序崩溃时，我们会让30或40人进入一个房间。好吧，如果一个移动应用程序或航空公司的应用程序崩溃了，这个房间里的每个人都会恐慌，因为，你知道，我不知道我的登机口在哪里，我不能买票。那将是可怕的。我的意思是，想象一下。你会怎么做？那是件坏事。然而，他们会将事件处理过程描述为让所有这些人进入一个房间，不是我的问题，不是我的问题，不是我的问题。不在日志中，不在跟踪中，不在这里或那里，不在基础设施中等等。
这不是特别有效率。在这个例子中，他们真正想要做的是整合数据、领域和角色，以便能够获得这种端到端的视角和可观测性，以提供更好的结果。我很自豪地说，通过Dynatrace，他们在事件数量、解决事件所需的时间方面取得了非凡的成功进展。英国电信也是一个例子，他们使用Dynatrace将事件减少了50%，剩余事件的解决时间减少了90%。这些指标只有在整合的端到端环境中才能实现。而那些已经进入这种状态的组织，我认为，正在更积极地抓住改善整体软件运营的机会。
是的，非常有趣。我想谈谈日志管理的机会。Grail一直是Dynatrace故事中非常令人兴奋的一部分，但同时，似乎有安全供应商在追逐这个机会。有可观测性竞争对手在追逐这个机会。那么Dynatrace在这个类别中的竞争优势是什么？
这是个很好的问题。我想说日志是我们公司最大的机会之一。它无疑是我们最大的增长驱动力之一。它将是我们消费额最快达到1亿美元的新业务。还没到。当我们达到时会向大家报告。但我们正在朝着这个目标迈进，机会是巨大的。公司希望从Dynatrace的VCB日志中得到什么？答案有两个方面。第一，我回到我之前关于端到端可观测性的评论，那就是一切都与结果有关。
这是关于可以信任并采取行动的答案。你拥有的数据越多，数据类型越多，你的见解就越好。我四年前加入Dynatrace时就有这种感觉。我今天仍然有这种感觉。市场发展到日志与其他可观测性数据类型分离，这在公司部署方面没有任何意义，因为将日志与跟踪指标、真实用户数据、其他分析数据类型一起使用，可以让你有更多数据来确定真正的根本原因问题是什么。如果你有一个自动化的AI引擎来检查所有这些数据类型，你会得到更好的结果。
另一方面，如果你将日志供应商与可观测性供应商或核心可观测性供应商分开使用，那么你自己要做所有的手动关联，而且你可能无法获得有意义的上下文结果。因此，首先，我认为组织希望简化他们的供应商和供应商管理整体环境。但他们也非常希望获得更好的结果。如果你将所有数据类型整合到一个整体的数据湖仓中，你会得到更好的结果。这就是为什么将日志和你的可观测性数据类型一起移动具有显著优势。
第二点是成本，也就是说，不深入细节，有一些日志管理供应商在很长一段时间内拥有垄断地位，或者接近寡头垄断地位。几周前我在澳大利亚，有大型澳大利亚银行说，其中一个特定供应商的成本是“气象级别的”。而且价值有限，增量价值有限，与整体日志管理系统的成本增长不相称。
我们可以提供相当大的成本降低，同时为可观测性日志产生更好的结果。这成为了一个显著的优势。这就是为什么我们看到如此巨大的增长。我们的日志消费同比增长超过100%。在日益重要的数字上，环比增长36%。我们非常兴奋地看到这种发展变得持久。
那么我可以快速打断一下，是什么技术突破让你能够取代传统供应商，以及他们没有做到而Dynatrace做到的是什么，让你能够获得这种性价比优势？
是的。所以我们真正实现的突破是Grail，我们的底层数据湖仓，它将包括日志在内的所有可观测性数据类型在上下文中存储在一个位置，这使我们能够将我们的AI引擎应用于数据分析。这样做，就能得到更好的结果。这是非常基础的。所以Grail的成熟到能够处理大规模日志的程度，对我们来说大约发生在去年10月。所以在某些方面，我们仍然处于交付该能力后的第一年。
从那以后，我们看到平台上的日志能力显著提升。所以这是一个主要驱动力。然后我想说，在成本和定价模型方面还有其他因素。我们在定价上没有创新者的困境问题。我们不必说，好吧，我们要降价30%，收入减少30%。我们可以推出能够让我们随着市场一起增长的定价模型。例如，我们的一种定价模型称为“包含查询”或“包含查询模型”，你可以指定天数，我们会在那段时间内为日志数据集提供无限查询。
可以是15天、30天，无论你想要多少。这消除了在大型公司中限制日志使用的不确定性，这非常困难，而是说，尽情使用。第三，最后，我们的Grail架构和整个平台不区分冷存储、温存储、热存储。你会看到该领域的其他供应商会说，如果超过30天，就是冷存储。我无法访问它。其他是温存储，也许我可以访问，但有延迟。对我们来说，存储就是存储，我们将始终提供对日志的热存储访问。因此，性能相对于市场上的其他产品非常出色。
我想在过去一年半的时间里转向市场策略的变化。你能给我们更新一下你观察到的进展以及我们在这个演变中的位置吗？
是的，我们在去年下半年增加了一些销售人员。这是我们的财年。所以那将在3月31日结束。这些人，我们大约三分之一的销售人员入职不到一年。所以我们这样做是因为我们认为市场机会证明扩大销售队伍是合理的。这些人仍然在他们的第一年，通常需要9到12个月才能上手。所以为了让这些人完全发挥生产力。当我们进入财年下半年时，我们真的期望开始显示增长和生产力。是的。也就是说，一旦我们进入12月季度，你就会真正进入我们财年的下半年，我们期望。
Matt告诉我现金模型是错误的。我们需要提高我们的数字。
是的，不，我不会涉及现金方面。但我想说的是给你一个非常具体的例子。过去，我们的战略代表会有八个客户，这些都是大客户。然而，当我们观察时，他们通过四个客户完成了他们的数字。这显然只是使用平均值，但另外四个客户是高生产力客户，他们只是没有时间去接触。所以我们觉得有更多的区域能力可以扩展到那里。
这就是我们增加代表的地方，也是我们期望在下半年看到生产力提升的地方。这是一部分。另一部分是销售日志。我们谈到了这一点。所以这是产品组合的扩展，以真正全面销售。正如我 earlier提到的，我们在这方面看到了良好的进展。第三是合作伙伴发展。我们看到，例如，我们的一个全球系统集成商的渠道，其管道是我们预期的两到三倍。所以我们看到合作伙伴渠道，特别是在GSI和超大规模企业中，能力越来越强。
也许谈谈向这些战略性IT 500账户的市场推进，考虑到可能更长的交易周期，因为我认为在过去两个季度，你披露了一些关于管道增长的相当有力的统计数据。40%，50%。所以也许谈谈这种动态。
正如我 earlier提到的，Dynatrace在最大的组织中获胜，因为我们在那里有最大的差异化。并不是说我们在较小的组织中会失败，但我们最能获胜、差异化最大的地方是大型组织，因为数据量、数量和复杂性。正是在这些组织中，使用其他供应商、其他合作伙伴进行可观测性的组织转向我们。因此，展望未来的机会，对我们来说，真正重要的是在合作伙伴社区中深入参与，在这一特定群体的演变中深入参与，以推动它。
结果是交易规模增长。随着交易规模的增长，你会有更多的可变性。因为如果你在一个季度交付50、60、7000万的新增ARR，取决于季度，你有3、4、500万美元的交易，上个季度我们有12个七位数ACV的交易。失去一两个会有相当大的下行风险，而额外获得一两个会有相当大的上行机会，我应该说。所以有更多的可变性，因此，我们在指导中持保守态度，因为这种可变性，这确实导致或推动了我们在指导描述中的一些保守性，以确保我们能够达到我们向市场提供的数字。
我想用最后11分钟转向DPS。我喜欢DPS，在这里花了很多时间。
好的，很好。
但45%的客户，65%的ARR。DPS采用的主要驱动力是什么？到目前为止的关键经验教训，你可以在未来实施。
对于那些不太熟悉这个故事的人来说，DPS是我们的Dynatrace平台订阅。这是我们大约两年前在定价模型中推出的一种新机制。这是对客户反馈的回应，即我们之前的许可模型繁琐且难以扩展，因为我们是基于主机单位的。你可能购买了10,000个主机单位，然后回来需要再增加2,000个，这需要一个新合同或合同附录，而且不是很灵活。Dynatrace平台订阅的作用是，作为客户，你可以在一年内以特定的消费承诺访问整个平台。
有时可能是多年合同。它所实现的是，在我的例子中，如果客户需要12,000个主机单位，他们立即就可以拥有，他们可以开始使用，而不是签订合同并反复迭代。它还让他们能够访问整个平台。所以也许他们只使用应用程序性能监控，但现在他们可以访问基础设施监控、日志管理、应用程序安全等等。所以所有这些的结果是，DPS客户的消费增长是我们非DPS客户的两倍。此外，DPS在现有客户群中的渗透速度比我们之前看到的要快得多。现在，正如你所说，65%的总ARR已经来自DPS。所以我们相信，结果是消费成为未来机会的巨大驱动力，也是主要增长驱动力之一。事实上，我们现在开始更广泛地传达消费数据，它非常引人注目，我们开始分享这些数字。我们的消费增长超过了ARR增长和订阅收入增长。
正如我提到的，上个季度订阅收入同比增长19%。所以这表明消费增长在20%以上，我们看到它在增长。这是一个重要的增长驱动力和前兆。所以如果你把日志机会、消费机会、管道数字和DPS放在一起，这四个因素让你对业务的增长驱动力和我们认为的机会有了很好的了解。
那么Rick，你如何激励销售团队在签订DPS合同后帮助增加客户群内的消费？
我们现在部署了突击队，他们在我们的销售和客户成功组织中，他们的薪酬完全基于消费。事实上，我们的大部分服务组织，或者我不应该说整个组织，但我们的大部分服务组织、客户成功经理、客户成功工程师现在都基于消费获得可变薪酬。这是我们今年做出的改变。
我们才进入两个季度。
是的。所以我们正在重大转向真正推动消费。我们相信，这种消费+DPS模式的结合确实有机会释放公司未来的收入潜力，无论是在现有客户群还是新客户中。
你能谈谈按需消费部分与续约之间的一些问题吗？那么我们在这个旅程中处于什么位置？
是的。回答这个问题你有多少时间？
七分钟。
是的，七分钟。我会在一分钟内说完。你知道，对于那些熟悉这个故事的人来说，在DPS合同中，你基本上会获得年度区块。假设这是一份120万美元的年度合同。在我们的模型中，我们会在12个月内平均确认收入，每月10万美元。如果你在第10个月实现了120万美元的消费，那么你有两个月需要做出决定。要么我在DPS合同在第二年以120万美元开始续约之前，按实际消费支付你两个月的费用，你可以这样做，或者你可以续约合同。
续约合同的激励是你通常会提高承诺。如果你提高承诺，你会得到更低的单价。所以通过续约获得更低的价格对你有利。我们会说，嗯，你知道，每个人都会，我们不会说每个人都会。我们会认为绝大多数客户会续约以获得更低的价格点。但当你面对我们客户规模的客户时，你知道，全球的大客户，全球的大公司，他们签订了三年的DPS协议。
他们会说，我不想，我不想再经历另一个签约过程。当你签订三年的合同时，他们更愿意按消费支付这几个月的费用，然后让DPS合同在120万美元的基础上续约到第二年。
这很有帮助。我想在最后五分钟回到AI部分。你谈到了数据和复杂性的爆炸式增长，在AI时代推动了对可观测性的需求。你能帮助我们定性或定量地说明这对Dynatrace来说在近期到中期可能是多大的推动力吗？因为你有AI可观测性的产品角度，但也有数据复杂性增加带来的连锁效应，推动对IT基础设施监控、APM等的需求增加。
是的，当我们谈论AI可观测性时，将其分为两部分很重要，因为它们是不同的。第一部分是观察AI工作负载的能力。我们已经有数百个现有客户正在使用Dynatrace观察AI工作负载。在某种程度上，观察这些工作负载就像观察任何其他工作负载一样，只是多了一些东西。多出来的东西是你想知道它是否在幻觉？有什么护栏？推理中发生了什么？所以观察AI工作负载除了正常工作负载之外还有额外的元素，我们将这些元素纳入模型。
随着AI工作负载的爆炸式增长，这是一个重要的机会，即使是我们现有的客户，更不用说AI原生公司了。我们AI可观测性的第二个演变是，我们真的相信Dynatrace的长期愿景，以及我们坚信组织想要从可观测性中获得的最终结果，是一个真正的自主AI可观测性平台，基本上可以在最终用户看到问题之前采取纠正措施。它不应该是关于减少事件和MTTR（平均解决时间）。它应该是，哇，看那个。
我们消除了这一类问题的所有事件，因为我们在任何人看到之前就修复了它。要做到这一点，需要深入的见解和对可信答案的理解。为此，我们相信你需要Dynatrace。正是因为我谈到的整个集成平台结构，它提供的是答案，而不仅仅是基于因果关系的仪表板，而不是相关性，这样你就可以确定问题到底是什么。我们的每个竞争对手都会谈论智能体AI。但我想向你提出，就像我尽可能谦逊地告诉我们的客户一样，如果你不能相信答案，你就不能采取智能体AI行动。
因为要采取行动，你必须确定你正在修复实际产生的问题。所以你必须从一个可信的答案开始。如果你从一个可信的答案开始，那么你就可以采取行动。此外，我们相信这将是一个自主的生态系统，而不仅仅是Dynatrace。我们当然不是说我们要采取所有行动。事实上，恰恰相反。我们看到系统中的问题，我们可以通过MCP服务器将其推送出去，可以被JIRA在代码的固定行中接收，被GitHub、ServiceNow、超大规模企业接收。
所以你可能需要配置更多存储，你可能需要进行应用程序回滚，你可能需要修复一行代码。我的意思是，可能有各种各样的结果会被其他智能体采取。所以我们的智能体可以确定问题是什么，应该采取什么行动，然后提交，允许其他智能体根据这些可信的见解采取行动。这对我们Dynatrace来说非常令人兴奋，因为正是我们的基础使这成为一个封闭的自主生态系统。这真的很有吸引力。
我很好奇，当你们从简单的根本原因识别转向自主修复时，Dynatrace如何确保从定价角度捕捉到这种增量价值？
这是个很好的问题。最终，我们需要确保我们提供的指标和价值证明点能够确保，哇，不仅仅是我的软件运行得更好。但是Dynatrace为此做了什么贡献。在某种程度上，我们在整个消费中看到了这一点。DPS应该有所帮助。顺便说一下，这些消费数字不仅仅是在DPS中，我们看到DPS和基础元素的消费都在扩展。所以整个平台的消费可能是对你问题的最佳答案指标。
最后几秒钟。有人有问题吗？因为我有一个问题。AI原生公司，他们是否因为非常聪明并且拥有所有技术专长而试图自己构建一些东西，从而排除在他们的IT中使用Dynatrace，当然。
想必他们可以，但。但我认为，在这个时候，有多少客户会构建自己的可观测性系统，其复杂性达到我们在Dynatrace中设计的水平，在数据层、领域层、角色、自主AI可观测性引擎和能力方面进行集成，我的意思是这是不现实的。所以我永远不会说永远不会。但这很难。我的意思是，我一直被问到超大规模企业，超大规模企业会这样做吗？问题是Dynatrace在混合云环境中提供服务，无论是本地、非本地。它在跨超大规模企业的多云环境中提供服务。有哪个超大规模企业真的会为可观测性构建混合云多云环境吗？我不这么认为。所以我认为绝大多数公司愿意采取这种行动。
就此，非常感谢你对会议的支持，感谢你的客户，我们的客户，享受剩下的时光。还有一天半的时间，谢谢。
谢谢大家的参与。非常感谢。
不客气。