Fivetran发布基准测试：Workday、Rippling、Slack数据访问表现垫底

据一项追踪企业数据移动速度的新行业基准测试显示，Workday、Rippling以及Salesforce旗下的Slack，在为分析、机器学习及AI智能体提供数据支持方面，表现位居最差之列。

企业数据移动与集成供应商Fivetran近日发布了"开放数据基础设施（ODI）数据访问基准测试"，旨在揭示企业软件供应商在数据访问方面的处理方式与潜在阻碍。

长期以来，从企业应用和服务中整合数据一直是数据工程师和分析人员面临的老大难问题。然而，随着AI智能体与企业数据融合的需求不断增加，这一问题变得愈发迫切。

去年，Fivetran曾指出，通过第三方工具获取Salesforce数据的企业可能面临更高收费，这是行业内普遍转向API访问收费趋势的一部分。对此，Salesforce持有异议。

随着企业构建AI智能体系统，这一问题值得高度关注。AI智能体依赖企业数据才能生成有意义的响应。虽然大多数主流供应商在自有平台内提供AI智能体功能，但要让这些智能体跨不同应用协同运作，则是另一回事。

Fivetran发布的这项新基准测试显示，多家企业在数据覆盖范围、性能表现及数据导出费用三大类别上得分较差。

在数据导出费用方面，面向中小企业的会计SaaS软件Xero表现最差。Fivetran指出，获取其数据需要承担"分级月费，加上明确的API数据导出配额及超额定价"。

在性能方面，企业人力资源与财务SaaS供应商Workday排名垫底。Fivetran援引的原因包括：严格的速率限制（每秒约10次调用，每次响应仅100条记录）、大数据量下API调用速度缓慢，以及报告服务"缺乏分页功能，导致大型报告处理失败"。

在数据覆盖范围方面，Workday同样排名倒数第二，Fivetran表示"访问权限受复杂的域安全策略限制，部分高级分析功能还需要额外购买Prism Analytics附加模块"。

对此，Workday发言人回应称："Fivetran的评分卡反映的是某家供应商的立场，而非独立基准测试。其关于速率限制、响应上限及原生变更数据捕获（CDC）的说法，与我们的官方文档以及客户在实际生产环境中的体验相悖。Workday的架构经过专门设计，能够处理数十亿笔交易，同时满足全球合规所需的安全性与治理要求。"

在数据覆盖范围方面，人力资源与薪资软件Rippling被Fivetran列为最差。Fivetran表示："部分关键对象未经Rippling特别授权无法访问。"

Salesforce旗下的协作平台Slack也受到特别点名。Fivetran指出，Slack在数据覆盖范围和数据导出费用方面均排名第四差，在性能方面则排名倒数第二。

Fivetran表示，Slack的性能问题源于"严格的速率限制（每秒约10次调用，每次响应100条记录）；大数据量下API调用极慢；报告即服务（RaaS）缺乏分页功能，导致大型报告处理失败；不支持原生批量提取或CDC"。

上述公司均未及时回应媒体的置评请求。

今年1月，Fivetran首席执行官George Fraser在接受采访时表示，供应商的定价通常有公开记录，有时可以通过谈判降低。

"这涉及到许多不同的数据源。当数据源让用户难以访问自己的数据时，整个流程就会被拖慢，"他说。

他还表示，在某些供应商那里，由于数据获取过于困难，许多项目根本没能落地，开发者最终选择了放弃。

Q&A

Q1：Fivetran的ODI数据访问基准测试是什么？它衡量哪些指标？

A：Fivetran发布的"开放数据基础设施（ODI）数据访问基准测试"是一项用于评估企业软件供应商数据访问能力的行业测试工具，主要衡量三大类别：数据覆盖范围（能访问哪些数据）、性能表现（API速度与限制）以及数据导出费用（获取数据的额外成本）。该基准旨在揭示哪些供应商在数据访问方面设置了障碍，影响企业构建分析、机器学习及AI智能体系统的效率。

Q2：Workday在Fivetran基准测试中表现差的具体原因是什么？

A：根据Fivetran的测试，Workday在性能方面排名最差，主要问题包括：速率限制严格（每秒仅约10次调用，每次响应只有100条记录）、大数据量下API调用速度极慢，以及报告服务缺乏分页功能，导致大型报告处理失败。此外，Workday在数据覆盖范围方面排名倒数第二，部分数据访问受复杂域安全策略限制，高级分析功能需额外付费购买Prism Analytics模块。

Q3：企业在构建AI智能体系统时，为什么数据访问问题如此重要？

A：AI智能体需要依赖企业内部数据才能生成有实际意义的响应和分析结果。如果数据源访问受限、速度缓慢或收费高昂，企业就难以将AI智能体与不同应用系统有效整合。Fivetran CEO指出，有些项目因为数据获取太难，开发者直接放弃推进。随着越来越多企业部署跨平台AI智能体，数据的可访问性已成为影响AI落地效果的关键因素。