如今，各行各业都在拥抱数字化转型，希望利用数据驱动业务关键决策，构建商业上的竞争优势。但在推进数字化转型的过程中，企业发现，即使有了足够的数据，以及形形色色的大数据、云原生、人工智能等技术供应商可以选择，让数字发挥核心作用依然是个奢望。此外，因为数据源的繁杂、技术间的整合和平台间的集成带来的难度，使得企业数据管理和分析的道路更加曲折。

Kyligence作为智能数据云平台，基于机器学习和人工智能等技术，为企业提供自动化数据服务和管理，同时为企业降低总体拥有成本(TCO)。2022年3月1日，Kyligence举行春季线上发布会，根据数据分析基础架构的变化，阐述大数据代运营行业趋势洞见与解决方案，助力企业建设业务与IT之间的高效合作模式，进一步完善数字化经营管理体系。

01

围绕数据源建造企业数据分析系统

观察目前行业市场可以看到三个趋势。第一，云计算时代到来之后，数据天然分布在多云或者是多平台中，由于受到地域或者法规的影响无法集中存储，因此从传统的集中存储的方式趋向分布式管理。第二，在大数据时代下，业务人员对于数据的提取需求更加强烈，需要利用即时有效的数据进行开源经营决策，确保企业能够抢占市场的先机。第三，与过去不同的是，当数据的使用者范围拓广以后，不是人人都能精准捕捉对于数据的需求，从而解决企业内的相应业务问题。在AI时代下，智能系统可以推荐定向数据给需要的人，对于未知问题进行解答，实现千亿级数据的计算和展现。

随着数据平台技术的不断演化，指标作为数据价值的载体变得愈加重要。Kyligence正在构建企业级指标中台方案，产品支持公有云、私有云以及本地部署，通过 AI 增强的智能指标引擎、高性能全场景的 OLAP 引擎、统一的语义层、全面的 API 集成接口等技术优势，帮助企业集业务模型、指标管理、指标加工、数据服务等于一体，逐步打造数字化管理中台。

在过去的1至2年期间，行业去中心化已经成为当下最热门的基础架构性变化。在数仓领域，去中心化同样成为云环境和SaaS时代的未来方向。数据仓库不再被传统方式集中化，数据源成为了新的工作重心，平台持续获取源头数据并实时汇总，进而为相关应用提供服务。

Kyligence 通过数据虚拟化能力，统一接入企业内部各类数据源，实现跨域数据的连接。同时，通过统一的语义层为用户提供数据定义、管理、服务的能力，完成数据核心资产的沉淀。此外，Kyligence 内置 AI 增强引擎，通过学习数据特征和用户分析行为，辅助用户完成数据生命周期的管理；另外，面对不同的业务场景，分层存储功能可以自动进行数据存储介质的切换，为用户轻松实现海量数据的高性能分析。

02

在安全指标场景下，数据量增长，IT成本不增长

在服务至上的时代，平台会以敏捷性作为要义，另外云的成本以及财务模型会更友好，因此大数据的整体架构从线下慢慢转移到了线上。

在传统的机房建设当中，如果平台想要加设一个大数据平台，从硬件采购机房布置到真正的实施落地，可能需要三个月到半年甚至一年的长期建设，但凭借现在的数字技术，在几天到几周内就能在云上完成。目前痛点在于企业IT管理人员搭建云上系统的复杂性较高，如果IT管理人员的专业能力并非大数据专项，学习技术的时长周期还会加长。另外，长期运维对于企业来说更是一个持续性的投入。稳定维持一个大数据系统，比初期搭建系统的困难度更大。

为此，Kyligence提出了新的服务内容，即在云上数据分析产品的基础上提供代运营服务，远程帮助企业高效安全地运维Kyligence产品，并在现有的标准技术支持体系之上，额外提供集监控告警、定期服务健康检查、TCO优化建议三位一体的增值服务。

Kyligence通过7x24x365不间断的、主动的、预防式的、自动化运维的远程服务，保障客户业务的稳定运行，为企业节省业务用工，等同于给到用户“拎包入住”的体验。客户只需要通过线上订单申请Kyligence的代运营服务，云上数据分析代运营便可以为客户提供专家全托管服务，使客户无需构建运维团队，甚至可以进一步降低企业数据工程师团队的成本。

关于此类SaaS代运营的服务，数据安全性问题是客户首要关心的问题，因此Kyligence在安全可靠性方面做了诸多准备工作。云账号由客户指定的安全保密的VPN连入，服务和作业标准严格按照流程全程管控。

Kyligence的联合创始人兼CTO李扬分享了一个有趣的观点：“每一个软件公司都将变成一个SaaS公司，每一个SaaS公司同时也是一个数据公司。公司提供数据展现成典型指标，再反过来优化企业的业务和管理能力，形成一个很有趣的良性改进循环。”