Forrester Wave™ 扫盲贴

简介: Forrester Wave™ 是为考虑采购技术解决方案的买方提供的专业参考调研报告,面向成熟技术市场。

14.jpg

IT 领域有两大知名度和权威性都较高的独立市场调研和咨询机构,一家是 Gartner,另一家是 Forrester。Gartner 因其魔力象限而著称,而 Forrester 有一个 Forrester Wave™,两者都是对 IT 厂商在某个技术领域的综合能力评估模型。

一、什么是 Forrester Wave™ ?

Forrester Wave™ 是为考虑采购技术解决方案的买方提供的专业参考调研报告,面向成熟技术市场。此外,还有一个 Forrester New Wave™,则是面向新兴技术领域的。相比之下,Forrester Wave™ 的评估标准和流程会更加严格。Forrester Wave™ 报告参选有一定门槛,入选即代表着对技术厂商的市场能力和技术实力认可。

这个扫盲贴里,我们主要是讲 Forrester Wave™。

Forrester Wave™ 会通过产品使用、调查表、现场演讲、客户调研等多种方式,从Current Offering(现有产品能力)、Strategy(战略愿景)、Market Presence(市场表现)这3大视角,数10项评估细项(可能每个技术领域的评测项数量和评测细项数量会有所不同),对全球头部 IT 厂商的综合能力进行全方位的评估,最终以领导者(Leaders)、强劲表现者(Strong Performers)、竞争者(Contenders)、挑战者(Challengers)对厂商进行分类。通常,一次评测从启动到报告发布,会持续半年之久,这个过程,其实也是 IT 厂商全面审视自身综合能力的绝好机会。
640.jpeg

这是笔者最近参与的 Forrester 对全球 FaaS 平台的一次评测,阿里云函数计算在各头部厂商得分较高,进入领导者象限。可以看出领导者(Leaders)在 Current Offering(现有产品能力)和 Strategy(战略愿景)是最强的,其次是强劲表现者(Strong Performers)、竞争者(Contenders)、挑战者(Challengers)。

总结一下就是:

评估纬度:Current Offering(现有产品能力)、Strategy(战略愿景)、Market Presence(市场表现)
评估周期:半年+
评估结果:领导者(Leaders)> 强劲表现者(Strong Performers)> 竞争者(Contenders)> 挑战者(Challengers),有些文章里会把 Strong Performers 翻译成卓越表现者。

二、评测过程中有哪些参与方?

分析师(Analyst):分析师通常都具备一定的技术背景,例如有过程序员、架构师、IT经理的背景,并且长期关注自己所评测的领域的发展。他们会基于Forrester Wave™的评估标准和评估细项,对IT厂商的综合能力进行评估。
响应组(Vendor response team):响应组由研发、产品、运营等共同组成,他们提供评测过程中需要用到的产品和服务信息,例如产品演示demo、产品评测表、产品演示ppt,并推荐由 Forrester 分析师进行采访的客户候选人等。
受调研客户(Customer references):分析师会以邮件形式的调研问卷或者电话调研方式,向受访客户进行基于产品使用感受相关的产品调研,这一部分是评测结果的重要组成部分。需要强调的是,所有面向客户的调研内容均是保密的。

三、评测流程

项目启动阶段:这个过程主要是做对齐,例如邀请哪些厂家参与、确定评测产品、评测细项,以及评测路线图等。评测路线图中,会确定评测过程中的里程碑时间点,例如哪个阶段出报告。
产品评估阶段:对厂商而言,这是最为关键的阶段,分为调研问卷填写(根据 Forrester 的评测问卷来填写和产品相关的内容)、调研咨询(对于评测中有疑问的地方做一次集中咨询)、产品实测(基于每个评测细项对产品进行实测)、汇报(厂商现场演示,ppt+demo)。
客户采访阶段:Forrester将以邮件形式的调研问卷或者电话调研方式调研厂商的客户,可能还会和客户讨论厂商的产品或服务,目的是验证供应商在调查表中提供的信息或在实验室评估过程中收集到的信息。
报告出具阶段:Forrester 会对Current Offering(现有产品能力)、Strategy(战略愿景)、Market Presence(市场表现)3个评测大类中每个细项进行评分,每个细项满分5分,不同的细项权重有所不同,计算出 Current Offering、Strategy、Market Presence 各自的总分,最终决定厂商在象限图的位置,纵轴是Current Offering、横轴是Strategy、圆圈面积大小是Market Presence。
总体来看,Forrester 和 Gartner 都是 IT 领域权威性较高的,每位分析师都是长期关注 IT 领域各个技术领域的发展。参与评测的厂商,都比较认可,尤其是头部厂商和一些技术型的创业公司,都会有专门的MI&AR/工程师和分析师保持长期的沟通。

我的同事王纯对此文亦有贡献。

封面地址:Forrester désigne DAC comme l’une des agences « Performance Marketing » les plus importantes | DAC France

参考材料:《The Forrester Wave™ Methodology Guide》 :The Forrester Wave Methodology Guide · Forrester

相关文章
|
分布式计算 Cloud Native 大数据
Forrester云数仓报告:国内唯一,阿里云连续两次进入卓越表现者象限
国际权威咨询机构Forrester发布最新云数据仓库研究报告 《The Forrester Wave™: Cloud Data Warehouses, Q2 2023》,凭借产品性能和市场规模等方面的表现,阿里云连续第二次进入卓越表现者象限,是国内唯一挺进该象限的科技公司。
|
供应链 架构师 BI
数仓实践:总线矩阵架构设计1
数仓实践:总线矩阵架构设计1
3254 0
数仓实践:总线矩阵架构设计1
|
8月前
|
人工智能 分布式计算 网络性能优化
Alibaba Cloud OSS: From Object Storage to AI-Native Data Infrastructure with Vector Bucket & Metaquery
This article provides an in-depth look at how OSS builds an AI-native storage foundation to empower key scenarios including Retrieval-Augmented Generation (RAG), enterprise search, and AI-powered content management—helping you efficiently build next-generation intelligent applications.
853 3
|
存储 分布式计算 MaxCompute
Hologres实时湖仓能力入门实践
本文由武润雪(栩染)撰写,介绍Hologres 3.0版本作为一体化实时湖仓平台的升级特性。其核心能力包括湖仓存储一体、多模式计算一体、分析服务一体及Data+AI一体,极大提升数据开发效率。文章详细解析了两种湖仓架构:MaxCompute + Hologres实现离线实时一体化,以及Hologres + DLF + OSS构建开放湖仓架构,并深入探讨元数据抽象、权限互通等重点功能,同时提供具体使用说明与Demo演示。
|
11月前
|
运维 监控 Unix
使用 PHP-FPM “冷热池” 分离提升高并发性能
在优化ecshop项目中,通过分析PHP-FPM日志发现请求堆积问题。调整基础参数缓解瓶颈,但高并发下仍受限。引入冷热池分离架构,将高频短请求与耗时长任务隔离,结合精细化参数调优与Nginx路由分流,显著提升系统稳定性与并发处理能力,实现资源高效利用。
|
人工智能 缓存 自然语言处理
86_自动化提示:AutoPrompt工具
在当今人工智能领域,提示工程(Prompt Engineering)已成为释放大语言模型(LLM)潜能的关键技术。随着LLM规模和能力的不断增长,如何设计高效、精确的提示词成为研究和应用的焦点。然而,传统的手工提示工程面临着巨大挑战
788 0
|
人工智能 人机交互
Proactive Agent:清华联合面壁智能开源的新一代主动Agent交互范式
Proactive Agent是由清华大学联合面壁智能等团队推出的新一代主动Agent交互范式。它具备主动性,能够预测用户需求并在没有直接指令的情况下采取行动。本文详细介绍了Proactive Agent的主要功能、技术原理以及如何运行和评估其性能。
1847 9
Proactive Agent:清华联合面壁智能开源的新一代主动Agent交互范式
|
消息中间件 算法 Linux
【Linux】详解如何利用共享内存实现进程间通信
【Linux】详解如何利用共享内存实现进程间通信
1558 1
|
存储 人工智能 Cloud Native
小鹏汽车选用阿里云PolarDB,开启AI大模型训练新时代
PolarDB-PG云原生分布式数据库不仅提供了无限的扩展能力,还借助丰富的PostgreSQL生态系统,统一了后台技术栈,极大地简化了运维工作。这种强大的组合不仅提高了系统的稳定性和性能,还为小鹏汽车大模型训练的数据管理带来了前所未有的灵活性和效率。

热门文章

最新文章