【51CTO.com原創稿件】2020年，信通院發布大數據報告中指出，企業運營中的數據只有56%能夠被及時捕獲，而這其中，僅有57%的數據得到了利用，也就是說，僅有32%的企業數據價值能夠被激活。只有被使用的數據才是資產，因此眾多企業也在利用工具和平臺來充分發揮數據的價值，為業務提供洞察。

隨著海量數據的激增，多個云平臺、數據源的繁雜、技術間的整合和平臺間的集成帶來的難度，使得企業數據管理和分析的道路更加曲折，這也給 CIO 們帶來了極大的焦慮，無法尋找到有價值的數據，這讓企業在尋找數據上花費的時間遠遠超過分析數據本身。

Kyligence 聯合創始人兼 CEO 韓卿表示 ，為更好地服務客戶，解決企業在數據分析、管理及治理等方面的挑戰， Kyligence 戰略進行全面升級，在做強分析能力的基礎上增強數據管理能力，以人工智能進一步替代人工工作，以云原生進一步替代基于 Hadoop 的基礎架構，讓數據服務與管理發揮核心作用，幫助企業智能管理最有價值數據，支持企業全面數字化轉型。

Kyligence 聯合創始人兼 CEO 韓卿

技術賦能 讓數據隨取隨用

過去，數據分析工作多數都是依靠專業技術人員或者數據分析師來完成，而數據的使用者也是企業的高管或者決策者。隨著數據量的增加，數據的復雜性增加，數據的管理模式、使用對象以及消費方式也變得不同。

在技術的快速發展演進下，更多企業開始建立混合多云環境，加之各國也正在嚴控數據安全，數據的管理從集中式向分布式轉變，對于數據孤島的整合思路將由匯聚（Collect）漸漸轉向聯接（Connect）。此外，數據的使用者也從過去的企業決策者向一線業務人員轉變，更多的普通員工可以借助簡單易用的數據平臺來完成數據分析以及預測等工作。

而這一些列變化的背后，離不開技術的支撐。 Kyligence 聯合創始人兼 CTO 李揚表示，技術可以幫助企業降低試錯成本，借助效率更高的生產工具和技術平臺，企業可以快速完成自身的數字化轉型工作。

數據管理以及數據分析，是個對專業要求極高的工作，往往都需要具有專業能力的數據工程師、分析師來完成。如何降低數據使用的門檻？ Kyligence 提出了智能數據云戰略（Intelligent Data Cloud），希望借助智能數據云平臺（Intelligent Data Cloud），讓普通人使用數據像使用水電一樣方便，隨取隨用，自助使用。

據了解，智能數據云是數據倉庫、數據湖、湖倉一體等技術體系的繼承和延續，既有數據湖低成本的存儲可擴展性，也有數據倉庫的強化數據結構和數據管理能力。同時，在此之上，智能數據云提供更高一層的業務數據對象管理能力，并從業務對數據的讀寫需求出發，使用 AI 增強的方式自動化和簡化技術層面的人工數據操作和數據管理。向外，智能數據云提供普通人可用的數據服務；向內，智能數據云以業務為導向自動化數據的操作和管理。

在近日舉辦的 Data & Cloud Summit 2021 行業峰會上， Kyligence 4.5 新版本也隨之正式發布，圍繞全場景 OLAP 主題，融合各種技術創新和突破，通過借助機器學習和人工智能技術，為用戶提供簡單易用、高性能、高并發的 AI 增強的數據服務與管理平臺，大大提升了數據工程的效率。

降低門檻 讓人人都成為數據分析師

過去，掌控數據的人大多數都是數據工程師和技術工程師，但是這些人不懂業務，不能從業務角度對數據加以理解并組合，因此就不會產出更多有價值的業務洞察。只有懂業務的人員才知道怎樣通過數據洞察來優化業務。因此， Kyligence 打造統一的業務語義層，幫助企業降低數據數用的門檻，降低企業試錯成本，同時幫助業務人員打開新思路，創造更多的數據創新，從而運用數據來優化業務。

李揚介紹說，業務語義層分為兩部分，上半部分是業務數據對象，包括指標、標簽、多維分析模型和圖模型等，而業務數據對象通過組合多個技術數據對象計算而來，如關系表、視圖等。業務語義層的下半部分則是業務語義增強，為數據目錄補充業務信息上下文，形成知識圖譜和語義網絡。借助業務語義功能，普通業務人員也可以看懂數據、使用數據，甚至通過關聯整合創造新的數據集。

在不同 BI 工具中創建割裂的數據模型結構，會給企業帶來不必要的數據分復雜度和業務指標定義的不一致。統一語義層給使用不同分析工具的所有用戶提供了統一一致的業務指標和語義定義，減少了業務定義不一致所帶來的數據口徑問題。

Kyligence 技術合伙人兼產品創新中心副總裁李棟表示，企業對于業務語義層有著強烈需求，企業或多或少都存在數據割裂、數據不一致等問題。在 Kyligence 推出業務語義層的功能后，企業可以搭建統一語義層，從而在分析應用端創造更多智能化的產品。 Kyligence 與平安銀行合作的“潘多拉”指標平臺就是一個典型的案例，該平臺讓用戶可以簡單方便地通過指標或者智能推薦的方式來獲取業務的深入洞察，從而改變了數據的日常開發模式，以及業務用戶的數據應用模式，降低了數據開發的成本，提升數據應用的效率。

兩大 OLAP 引擎結合 幫助企業尋找數據平衡點

據介紹， Kyligence 最新版本中全場景 OLAP 的核心是融合 Apache Kylin 和 ClickHouse 的技術優勢，將 ClickHouse 有機融合在 Kyligence 產品的基座中，在原有聚合分析的高性能之上，更有效提升了明細分析、Ad-Hoc 查詢等場景的性能和優勢。Kyligence 能夠為用戶提供全面的 OLAP 服務能力，甚至進一步提供對 ClickHouse 的商業化支持。該功能同時在企業版（Kyligence Enterprise）和公有云版本（Kyligence Cloud）中提供。

Apache Kylin 和 ClickHouse 是業界主流的 OLAP 引擎，它們的存儲原理、存儲方式、編程語言都是不一樣，為何 Kyligence 要將兩大引擎融合呢？李揚告訴51CTO，大數據分析需要在數據的靈活與成本或性能之間尋找平衡。 ClickHouse 代表的是偏向靈活性的平衡點， Apache Kylin 則代表的是性能或者成本的平衡點，而用戶對于兩類需求都很強烈，并且出現了一個有意思的狀態。

李揚解釋道，當一個新業務產生，業務本身具備不確定性，因此數據分析沒有固定的形態，也就沒有標準或者統一的業務模型，這時候適合采用更加靈活的分析技術例如 ClickHouse 。但是隨著業務的增長會變得逐漸穩定，甚至變為核心業務，這時數據分析就從之前探索階段進入到比較穩定的、有模式的、有業務體系的狀態，就需要歸納出具有標準的統一的業務主體模型，因此在技術層面也會從靈活性向成本和性能方面傾斜。如果這時底層數據系統無法支撐，企業就需要進行變革，將過去靈活性的分析技術替換為成本更低同時可以支撐統一業務層的數據治理技術。 Kyligence 看到企業在業務層面的需求動機，希望找到兩種技術的平衡點，支撐企業從創新到成熟穩定的轉變，因此將兩大技術進行結合。

除此以外，Kyligence 4.5新版本還有幾大新的功能特色：批流一體/實時能力進一步擴寬了全場景 OLAP 的能力，僅通過一個數據模型、一個 SQL 語句，就能同時接入批數據和流數據，對數據應用提供統一的查詢出口；基于AI 增強引擎，根據業務分析行為自動化建模，靈活響應業務；完善了企業級運維管理體系，幫助企業實現多租戶部署與管理，通過指標監控、告警等實現自動化生產運維；支持多個云平臺，包括微軟云 Azure、亞馬遜云 AWS、華為云等公有云平臺，企業可以靈活選擇。

結語：數字經濟時代，數據愈發重要，但是只有被利用、被分析的數據才是有價值的，更多的企業也在借助技術力量發現數據更深層次的洞察。從數據集市到數據倉庫，從數據湖到湖倉一體，數據領域的技術層出不窮，滿足著用戶多樣化的數據需求。Kyligence成立五年多來，一直堅持技術創新，專注在數據服務與管理方向，致力于改變人類使用數據的習慣。在云計算盛行的當下，Kyligence也將數據服務和管理與云原生技術相結合，讓企業無需關注底層平臺和技術，只需要聚焦于數據本身，實現隨取隨用的便捷，助力企業管理最有價值的數據，從容地實現數字化轉型。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】