Hex 深度拆解 — 协作数据工作空间 + AI

开场

做数据分析的人都知道 Jupyter Notebook 的痛：本地运行、版本管理靠 Git（对 Notebook 格式极不友好）、协作基本靠 Slack 截图、分享分析结果要导出 PDF。Hex 瞄准的就是这个痛点——把 Notebook 做成云端协作产品，加上 SQL、Python、R、无代码工具的统一界面，再叠一层 AI。

累计融资 $1.71 亿，投资人包括 a16z、Snowflake 和 Databricks。对，Snowflake 和 Databricks 同时投了——说明两家数据平台都认为 Hex 是生态内的重要工具，而不是竞争对手。

他们解决什么问题

数据团队的工作流长期碎片化。写 SQL 在一个工具，写 Python 在另一个，做可视化又用一个。Notebook 是分析师的主力工具，但 Jupyter 的协作体验停留在 2014 年。

具体痛点：

• 分析师做完分析，分享给 PM 看，PM 要的格式是"漂亮的报告"而不是代码
• 数据探索和最终产出是两个割裂的流程
• 团队 10 个分析师各自的 Notebook 里有大量重复的数据处理逻辑，没有复用机制
• 分析结果是静态快照，数据更新了还要手动重跑

Hex 的方案：一个工作空间里完成从数据查询到分析到交互式报告分享的全流程。SQL 和 Python 写在同一个 Notebook 里，做完分析直接发布成交互式报告，同事点开链接就能看、能筛选、能下钻。

目标客户：5-200 人的数据团队，尤其是既写 SQL 又写 Python 的分析/数据科学混合团队。典型画像是 Series B 到 Series D 的科技公司——数据团队刚成规模，需要从"各自为战"转向"协作出产"，但又不想上重量级 BI 工具。

产品矩阵

核心产品

Hex Notebook：云端 Notebook，支持 SQL、Python、R 和无代码组件混合使用。多人实时协作编辑，版本历史完整。把 Jupyter 的灵活性和 Google Docs 的协作体验结合起来。

Hex App：把 Notebook 一键发布为交互式数据应用——业务用户看到的是表单、图表和下拉菜单，不是代码。定位是"分析师开发的内部数据工具"。

Magic AI：代码生成助手，根据上下文自动补全 SQL/Python，解释代码逻辑，修 Bug。类似 GitHub Copilot，但专为数据分析场景优化。

Notebook Agent：2025 年秋季推出的 AI Agent，能自动执行多步数据探索——给它一个问题，它会自动写查询、跑分析、生成可视化和摘要。

Semantic Authoring：2025 年 8 月进入 Beta，让团队在 Hex 内定义度量、维度和表关联。解决的是"大家对同一个指标的定义不一样"这个经典问题。

Threads：基于工作空间上下文的对话式分析，可以调用已有的数据连接、语义模型和项目知识。

技术差异化

Hex 的差异化不在底层引擎，而在产品体验。它不存数据、不做计算引擎——数据在 Snowflake/Databricks/BigQuery 里，Hex 负责交互层。这种"轻量中间件"定位让它可以跟所有数据平台合作而不冲突。

跟 Jupyter 比，Hex 赢在协作和分享。跟 Tableau 比，Hex 赢在代码灵活性。跟 Deepnote、Databricks Notebook 比，Hex 的 App 发布和 AI 能力更成熟。

商业模式

定价策略

方案	价格	目标客户
Community（免费）	$0	学生、个人项目
Professional	$36/Editor/月	个人和小团队
Team	$75/Editor/月	成长期公司
Enterprise	自定义报价	需要 HIPAA、单租户、SSO 的大企业

注意计费对象是"Editor"而不是所有用户。只看数据不写代码的"Viewer"通常免费或低价。这个定价策略对数据团队友好——编辑者付费，消费者免费。跟 Tableau 的"Creator + Explorer + Viewer"三级定价类似，但 Hex 的免费 Community 版本比 Tableau Public 能做的事情多得多，包括完整的 Notebook 功能和基础调度。

收入模式

SaaS 订阅为主。2025 年 4 月收购了 Hashboard（一个 BI 工具），补强了可视化和仪表盘能力。增长策略是"从 Notebook 入手，向 BI 和数据应用延伸"——先抢分析师，再覆盖业务用户。

融资与估值

轮次	金额	领投
Seed	$580 万	Amplify Partners
Series A	$1600 万	a16z
Series B	$5200 万	a16z
后续融资	累计 $1.71 亿	Snowflake Ventures, Databricks Ventures

估值未公开披露，但从融资规模推测在 $5-8 亿区间。

客户与市场

标杆客户

• Notion：内部数据分析和 KPI 追踪
• Loom：产品数据分析和用户行为探索
• Brex：金融数据分析和风控报表
• Allbirds：电商数据的自助分析

Hex 的客户画像很清晰：科技公司、数据驱动的中型企业，团队里同时有 SQL 分析师和 Python 数据科学家。

市场规模

数据分析和 BI 工具市场约 $300 亿，但 Hex 切入的是"现代数据团队协作工具"这个更窄的细分，估计约 $30-50 亿。

竞争格局

维度	Hex	Jupyter/JupyterHub	Deepnote	Databricks Notebook	Mode Analytics
协作体验	强	弱	强	中等	中等
AI 能力	强（Agent）	无	中等	中等	弱
App 发布	强	无	弱	中等	中等
语言支持	SQL+Python+R+无代码	多语言	SQL+Python	SQL+Python+Scala	SQL+Python
价格	$$（$36-75/月）	免费	$（$20/月起）	捆绑 Databricks	$$$
独立性	独立中间件	独立	独立	绑定 Databricks	独立

核心观察：Hex 最大的竞争威胁不是其他 Notebook 工具，而是 Databricks 和 Snowflake 自己的 Notebook 产品不断进化。如果 Databricks Notebook 的协作体验追上来，或者 Snowflake 把类似功能内置了，Hex 的中间件价值会被压缩。

我实际看到的

好的：Hex 的产品体验在数据工具里属于顶级水准。Notebook 到 App 的一键发布是杀手功能——分析师花 2 小时做的分析，发布成一个交互式仪表盘给 PM 用，不需要写前端代码。Notebook Agent 也确实好用，给它一个模糊的业务问题，它能自动拆解成多步查询并给出结论。我在试用的时候，体验明显好过 ChatGPT + 手动写 SQL 的工作流。

复杂的：$36-75/Editor/月的定价对小团队不算便宜。5 个编辑者用 Team 版，年费就是 $4500。对于已经在用 Databricks Notebook（捆绑在 Databricks 订阅里）的团队，额外付费买 Hex 需要明确的 ROI 论证。Semantic Authoring 还在 Beta，成熟度有待观察。

现实的：Hex 的核心用户群是"现代数据团队"——这个群体在科技公司中很密集，但在传统企业中渗透率低。传统企业的分析师可能更习惯 Excel 和 Tableau，让他们从拖拽式界面转到 Notebook 本身就是一个认知跳跃。Hex 的增长空间取决于"现代数据团队"这个概念能扩展到多大范围。收购 Hashboard 是向 BI 方向延伸的信号——说明 Hex 也意识到纯 Notebook 市场不够大，需要覆盖更多不写代码的用户。如果这个战略执行顺利，Hex 可以从"数据团队的内部工具"进化为"数据团队对外交付分析结果的标准平台"。

我的判断

• ✅ 适合：数据团队 5-50 人，同时用 SQL 和 Python 做分析的公司。Hex 是目前最好的协作 Notebook 产品。
• ✅ 适合：需要把分析结果做成内部数据应用的团队。App 发布功能替代了大量 Streamlit/Dash 开发工作。
• ❌ 跳过如果：团队只写 SQL，不用 Python。这种场景下 Tableau 或者 Looker 更合适。
• ❌ 跳过如果：已经深度绑定 Databricks 全家桶。Databricks Notebook 的能力在追赶，多一个工具未必有增量价值。

一句话：Hex 是给现代数据团队做的 Figma——产品体验好，但市场要看"现代数据团队"的扩散速度。

互动

你的数据团队还在用 Jupyter Notebook 吗？分析完成后分享给业务团队的方式是什么——截图、PDF、还是交互式链接？Hex 这类工具解决了你的痛点吗？