当营销团队要的数据，CDP 说”给不了”
数据分析师李明接到营销总监的紧急请求：需要导出过去 6 个月所有用户的行为轨迹原始数据，用来训练一个流失预测模型。他打开 Segment 后台，找了半天，发现只能导出聚合报告和预定义的用户画像，原始事件数据？被锁在 Segment 的黑盒里。
“我们每个月给 Segment 付 $30,000，但连自己的数据都拿不出来？”营销总监在会议室里压着火气。这不是个例。2026 年，越来越多公司开始质疑 all-in-one CDP 的模式：数据应该属于谁？为什么 BI 团队、ML 团队、数据科学家都要通过 CDP 的 API 才能访问用户数据？
这个问题的答案，正在重塑整个数据栈的架构。
All-in-one CDP 的承诺与现实
十年前，Segment 提出的价值主张很简单：把所有用户行为数据统一收集到一个地方，然后一键推送到 Google Analytics、Facebook Ads、Salesforce 等几百个工具。对于 2015 年的创业公司来说，这是救命稻草——不用写代码对接每个工具，不用担心数据格式不一致。
但问题随着规模增长逐渐暴露。Segment 按 MTU（Monthly Tracked Users，月活跃用户）计费，Team 计划 $120/月可以追踪 10,000 个用户。听起来还好？但当你的产品增长到 100 万 MAU，账单会涨到什么程度？
一家 SaaS 公司的真实案例：2023 年用户数 50 万，Segment 账单 $18,000/月。2024 年增长到 200 万用户，账单涨到 $72,000/月。成本增长是线性的，但业务价值不是——用户增长不等于每个用户的数据价值都同等重要。更糟的是，数据被锁在 Segment 里，BI 团队想做深度分析，还得再买 Looker 或 Tableau，重复付费。
更致命的问题是数据孤岛。Segment 的数据存在 Segment 的 PostgreSQL 实例里，格式是 Segment 定义的 schema。你的 ML 团队想用这些数据训练模型？要么通过 Segment 的 API 慢慢拉（有速率限制），要么付费用 Segment Warehouse Connectors 把数据同步到 Snowflake（又是一笔费用）。数据主权在别人手里，灵活性接近于零。
Warehouse-native 方案：数据回归你的控制
2020 年左右，一个新的模式开始流行：为什么不把数据先存进自己的数据仓库（Snowflake、BigQuery、Redshift），然后再用工具推送到下游？这就是”warehouse-native”或”composable data stack”的核心思路。
架构很直接：
Step 1: 数据采集 → 直接进仓库。用 Segment 的开源替代品（RudderStack）或自建 pipeline，把用户行为事件写进 Snowflake。也可以继续用 Segment，但把 Snowflake 当作第一优先级的 destination。
Step 2: 数据建模 → dbt。在仓库里用 SQL 清洗、转换、建模。dbt（data build tool）让你用 SQL 写转换逻辑，生成干净的用户表、事件表、会话表。这些表是你自己定义的 schema，不是 CDP 强加的。
Step 3: 数据激活 → Reverse ETL。用 Hightouch 或 Census 把仓库里的数据同步到下游工具。比如把”过去 30 天未登录”的用户列表推送到 Braze 发召回邮件，或者把”高价值用户”标签同步到 Facebook Ads 做 lookalike 受众。
这个架构的核心优势是数据主权。所有原始数据、所有转换逻辑、所有用户画像都在你的仓库里，格式由你控制。想换 CDP？换掉 Segment，改用 Amplitude 或 Mixpanel，数据不用迁移。想换 BI 工具？从 Looker 切到 Metabase，直接连同一个仓库。工具可以换，但数据永远是你的。
成本账算得过来吗？
理论上听起来不错，但成本呢？Composable 栈会不会更贵？
我们对比一个中型 SaaS 公司（100 万 MAU）的两种方案成本：
All-in-one CDP（Segment）:
– Segment Business 计划：约 $50,000/月（100 万 MTU）
– 数据存储：包含在 Segment 里
– 下游工具推送：免费（Segment 自带）
– 总成本：$50,000/月
Composable 栈:
– 数据采集：RudderStack 云服务 $500/月，或 Segment 把 Snowflake 当 destination $0（已有 Segment 的话）
– 数据仓库：Snowflake，按查询计算量，约 $3,000/月（存储 + 查询）
– 数据建模：dbt Cloud Team 计划 $100/月
– Reverse ETL：Hightouch Professional $1,000/月起（按同步行数），或 Census $350/月起
– 总成本：约 $5,000/月
省了 $45,000/月，一年就是 $540,000。这笔钱够招 3 个数据工程师了。
但这个账要加上”隐性成本”：你需要一个懂 SQL 和 dbt 的数据工程师来维护转换逻辑，需要有人管理 Snowflake 的 schema 和权限，需要写文档让营销团队知道去哪张表取数据。如果你的团队只有 5 个人，这些成本可能超过省下的钱。但如果你有 20+ 人的工程团队，自建数据栈的投入产出比是明显划算的。
2026 年为什么是转折点？
这个架构不是新概念。Hightouch 2020 年就推出了 reverse ETL，为什么现在才成为主流？
工具成熟度到位了。dbt 已经是数据建模的事实标准，社区有几千个开源的 transformation 模板。Hightouch 和 Census 的目标系统覆盖从 200 个增加到 300+，Google Ads、Salesforce、HubSpot、Braze 等主流工具全都支持。你不需要自己写对接代码，配置 UI 和 Segment 一样简单。
数据仓库成本降低了。Snowflake 的存储成本从 $40/TB（2020）降到 $23/TB（2026），查询计算也支持按秒计费的 serverless 模式。BigQuery 更便宜，按查询扫描量计费，小团队每月几百美元就够。仓库不再是”大公司才用得起”的奢侈品。
OpenTelemetry 打破了采集层的垄断。过去你用 Segment SDK 就被绑定在 Segment 生态里，换成其他工具要重写埋点代码。现在用 OpenTelemetry 采集数据，输出可以同时写进 Snowflake、Segment、自建系统，采集层和存储层解耦。工具之间的切换成本大幅降低。
数据隐私法规倒逼数据本地化。GDPR、CCPA、中国的数据本地化要求，都让企业更倾向于把数据存在自己控制的区域。Segment 的数据中心在美国和欧洲，如果你的业务在亚太，自建仓库（Snowflake 支持亚太 region）是更合规的选择。
适合谁，不适合谁？
Composable 栈不是银弹。它适合：
- 有数据工程能力的团队（至少 1-2 个懂 SQL 和 dbt 的人）
- 高 MAU 或快速增长的公司（Segment 账单已经超过 $10k/月）
- 需要深度数据分析或 ML 的场景（BI、数据科学团队需要原始数据）
- 对数据主权敏感的行业（金融、医疗、政府）
它不适合：
- 5 人以下的初创团队：没人力维护数据栈，All-in-one CDP 更省心
- 只需要基础分析的场景：如果你只是看看 DAU、留存率，Google Analytics 免费版就够
- 营销驱动、技术资源有限的公司：营销团队不会写 SQL，All-in-one CDP 的可视化配置更友好
关键问题是：你是否有能力（和意愿）把数据管理当作核心能力来建设？如果答案是肯定的，Composable 栈的投入回报率远高于买 CDP。如果你只想”买个工具就能用”，All-in-one 方案仍然有市场。
未来 5 年，数据栈会长什么样？
CDP 供应商不会坐以待毙。Segment 在 2024 年推出了 Warehouse-first 模式，支持直接从你的 Snowflake 读数据；Amplitude 也在做类似的事。但这些本质上是防御性动作——承认”数据主权”的趋势不可逆，试图在 Composable 架构里保留一席之地。
真正的赢家可能是”混合模式”：数据存在你的仓库里，但 CDP 提供上层的 identity resolution、segmentation、real-time activation 等增值功能。你不为数据存储付费，只为高级能力付费。这比按 MTU 收费更合理，也更符合 2026 年数据团队的工作方式。
十年后回看，2026 可能会被记住为”数据回归企业自有”的转折点。不再是把数据交给 CDP 托管，而是自己掌握数据，按需调用工具。这不是技术的胜利，而是常识的回归：数据是你的资产，不是工具的副产品。
Stay updated with our latest AI insights
