Mailgun позволяет без всего этого обойтись – они за небольшую денежку предоставляют HTTP API для отправки писем с их серверов, и создание e-mail из кода сайта вновь становится задачей на 2–3 строчки! Стоимость этого удовольствия начинается от 20 писем за цент – т. е. в интернет-магазине с 1000 заказов в день (и каким-то разумным уровнем почтовой активности) письма, связанные с заказами (подтвердите адрес – вы не оплатили корзину – вы не оплатили корзину – вы не оплатили корзину – заказ получен – заказ доставлен), будут стоить не более 200–300 долларов в месяц, что эквивалентно 5 % расходов на системного администратора или 0,05 % времени простоя почтовой системы. Но каждый день теребить каждого пользователя по таким расценкам будет дороговато – впрочем, если дойти до максимальных объемов и максимальных скидок, то уже и не так страшно, хотя свой сисадмин выйдет, наверное, дешевле.

Кроме упрощения жизни техотдела стартап старается дать дополнительную ценность и продажам с маркетингом. Логи отправки и доставляемости писем, красивые отчеты, инфраструктура для A/B-тестов – всего этого сложно добиться в небольшой компании, но можно из коробки при использовании Mailgun. А если кто-то подсел на изучение этих цифр, то ему предложат и консалтинг, но уже, разумеется, за деньги.

Рынок таких услуг неожиданно велик: публичных цифр по выручке самого Mailgun нет, но его клон-конкурент Sendgrid заработал в 2016-м около ста миллионов долларов, в следующем году вышел на успешное IPO, сейчас стоит больше миллиарда долларов.

https://www.mailgun.com/

Еще один пример бизнеса вокруг opensource-продукта – Confluent. Технология, с которой всё началось, – Apache Kafka, брокер сообщений, написанный на Scala в недрах LinkedIn. Он не так популярен среди гиков, как RabbitMQ, но имеет несколько десятков крупных инсталляций в компаниях типа Twitter и Airbnb.

Confluent, созданный бывшими сотрудниками LinkedIn, хочет работать с еще более солидными клиентами: банками, страховыми, телекомами и прочими традиционными бизнесами, владеющими большими объемами данных и желающими их умно обрабатывать. Место Kafka должно быть где-то между их серверами приложений и кластерами Hadoop.

Кроме обязательных инструментов монетизации opensource: помощи при внедрении, 24×7 поддержки и тренингов – Confluent продает и Enterprise-версию продукта. По сравнению с базовой в него добавлены управляющая админка, автобалансировщик и более мощная репликация, но понятно, что набор дополнительной функциональности может расти безгранично. В 2017 году к джентльменскому набору добавился Confluent Cloud – SaaS-версия продукта, с доступом по подписке. Потенциально эта бизнес-модель, конечно, куда интереснее старой, посмотрим, насколько ее примет рынок.

С точки зрения инвестиций стартап растет удивительно быстро: за первые два с половиной года жизни получено порядка 80 миллионов долларов, оценка, соответственно, недалека от полумиллиарда.

https://www.confluent.io/

Прекрасная иллюстрация зарабатывания денег из ничего и тридцати лет труда – Jellyvision. Очень старая компания, начинавшая с разработки компьютерных игр еще в 80-е годы, нашла свою золотую жилу относительно недавно: теперь она занимается разжевыванием очевидных истин для сотрудников больших компаний.

Представьте себе какую-нибудь корпорацию с парой тысяч сотрудников, каждый из которых должен подобрать опции своей медицинской страховки (или пенсионного плана, или даже правильный вариант больничного выбрать). И все они звонят, пишут или приходят поговорить со специальным человеком в HR, а может быть, и двумя такими людьми: пара тысяч раз по полчаса – это как раз примерно рабочий год, а полчаса выглядят реалистично, это же США, синие воротнички свои права знают лучше, а общая их грамотность ниже, чем у средних офисных сотрудников в Москве.

Jellyvision предлагает прослойку перед HR – специального компьютерного бота, ведущего сотрудника по относительно простому скрипту и приводящего к финальному решению – в конце концов, выбор страховки не такая уж сложная проблема. Сейчас Alex (у бота есть собственное имя) доступен 14 миллионам сотрудников в 800 компаниях, выручка у Jellyvision 20 миллионов долларов в год – т. е. примерно 1,5 доллара за человека или несколько десятков тысяч долларов с компании. Если, скажем, зарплата живого консультанта со всеми дополнительными надбавками – долларов 30 в час, то окупаемость компьютерного помощника начинается, например, с того времени, когда им воспользуется одна треть сотрудников, и каждый из них сэкономит 10 минут времени HR (в жизни должно быть заметно больше). С другой стороны, делать и поддерживать своего бота, как бы это ни было просто, – явно дороже, да и деятельность для 99,9 % корпораций непрофильная.

Пока продажи с первичными интеграциями стоят для Jellyvision дорого, компания даже инвестиции на это привлекает, но через пару лет будет просто грести деньги лопатой. В России ниша, вероятно, свободна.

https://www.jellyvision.com/

Snowflake предлагает своим клиентам Data Warehouse в облаке. Через красивый веб-интерфейс в систему можно загружать любые свои данные от excel-файлов до многогигабайтных таблиц, ну а если счет идет на терабайты (и гонять их через браузер – идея странная), то можно использовать готовые утилиты командной строки.

Следующий шаг после загрузки – собственно анализ. Предполагается, что большинство клиентов будут использовать встроенный SQL через всё тот же красивый веб-интерфейс, но и командная строка опять же никуда не делась. Для тех, кто не очень понимает, а зачем это вообще может понадобиться, несколько примеров (остальные могут три абзаца пропустить).

Пример 1. Выгружаем из своего магазина данные по всем заказам, загружаем их в Snowflake и начинаем делать всякие запросы, пытаясь найти какие-нибудь закономерности или что-то интересное. Это можно было бы сделать в excel, но excel может и не переварить наш объем; это мог бы сделать программист, но программисты всегда чем-то заняты; это можно было бы сделать в своем аналогичном интерфейсе, но его делать надо, а программисты всегда чем-то заняты.

Пример 2. Выгружаем из своего сайта все логи, загружаем их в Snowflake и вечно там храним, а при каких-то авариях-расследованиях смотрим, что же этот пользователь или эта группа пользователей делали на сайте месяц назад. Или, например, статистику по уникам за определенный период в определенном разделе считаем. Это всё мог бы делать сисадмин с помощью grep/awk/sort, но хранить достаточно большие логи на Snowflake, пожалуй что, и дешевле, чем у себя, SQL работает быстрее grep, да и искусство утрачено, не все уже руками считать умеют.

Пример 3. С двух разных сайтов выгружаем их базы и смотрим на пересечения по пользователям, пытаясь увидеть, чем такие люди и их поведение отличаются от остальных. Опять же если аналитик знает SQL, то ему можно программиста не отвлекать, это всегда эффективнее выходит.

По сравнению с традиционными решениями облако дает свое главное классическое преимущество – оплата только за потребленные ресурсы, что во многих задачах может означать практически ноль. Хранение данных стоит 40 долларов в месяц за терабайт – это, конечно, дороже себестоимости (Амазон S3 – 23 доллара), но для разумных объемов полностью компенсируется отсутствием беспокойства. Цена вычислений зависит от тарифного плана, масштаб – несколько долларов в час. Для случая аналитика, работающего в интерактивном режиме, оплата за решение без следа растворится в зарплате специалиста.

От конкурентов-клонов Snowflake защищен технической сложностью – попробуйте сделать SQL, который хоть как-то будет переваривать терабайты информации без лицензионных отчислений и профессионального DBA, думающего отдельно о каждой таблице.