随着数字化转型的不断深入，快速攀升的数据量级以及多样化的数据分析需求导致企业的数据架构日益复杂，与此同时，后期的运维难度和运维成本也在不断上升。现在一套数据架构上往往存在多个不同功能的产品，这些产品独立或组合地服务于不同的业务场景，就导致运维门槛高、敏捷业务发展与复杂架构间的矛盾，以及SLA 难保障。

对于一些核心数据产品，企业部署后需要安排一个或多个 IT 人员来进行运维，而数据产品的强技术属性，决定了运维人员需要具备一定的专业能力，这也增加了运维门槛及人员成本。

而随着业务发展的节奏不断加快，企业需要进行更快的技术创新以响应企业敏捷发展的需求。另一方面数据技术服务类型众多，学习门槛普遍较高，专业技术人员往往疲于掌握新技术的开发和运维，精力很难释放，也很难将重心聚焦在业务创新中。

对于中小型企业或 IT 基础设施不完善的用户，发现服务稳定性问题往往来自于最终用户的反馈，等出现问题后再开始处理，影响业务的同时，服务 SLA 难以保障。

以往，公司都会把数据当成资产去运营和管理，但是任何资产其实都是成本。如今“数据即产品”的概念逐渐成为运营企业构建数字化管理新体系的脉门。

数据基础架构，从中心化走向去中心化

随着数据分析和管理需求的不断发展，企业的数据架构也在不断迭代。数据基础架构自“数仓”在1980年开始被提出到现在，已经经历了不同的变化。但在过去的几轮变化中，有一样东西没变——它们都是集中式的。也就是说，过去在构建数据仓库时，企业往往是把业务系统的数据从各个地方汇集过来，进行标准化的处理，再存放在一个地方。

不过近一两年，行业开始出现了一个更大的变化——去中心化，并且已经成为当下最热门且发展最快的基础架构变化，在整个数仓的发展方向上，去中心化是如今云和 SaaS 时代的未来——数据仓库不再按原来的方式收集到一起，而是能够连接到不同的数据源，实时地把数据汇过来，去服务一定的数据服务的应用。

“这是我们非常认可的未来趋势和方向。我们现在有非常多的客户基于 Kyligence 构建的其实是一个数据产品，通过这样的数据产品，我们已经能够帮客户直接对外提供数据的价值，然后做一些变现，甚至已经可以成为他们核心的业务收入和来源。 ” Kyligence 联合创始人兼 CEO 韩卿在Kyligence2022春季线上论坛上表示。

Kyligence 成立于2016年，为企业实现自动化的数据服务和管理。由 Apache Kylin 的创始团队成立，Apache Kylin 是第一个由中国人贡献到 Apache 软件基金会的顶级开源项目，至今在全球有超过1500多家企业级的客户在使用。

三大解决方案构建企业数字化管理体系

一旦公司的数据文化产生了变化，数据团队就将不再仅仅是“表哥”“表姐”，而是跟业务团队组成了数据业务领域团队，更好地为客户的业务目标进行服务，为更好的收益提供数据服务的产品。 

基于这些数据管理分析领域的大方向， Kyligence 发布了的三大解决方案：OLAP on 数据湖、云上数据分析代运营和企业级指标中台。

如何让数据管道变简洁？Kyligence 智能数据云采用云原生架构，同时 AI 增强引擎基于分析历史可以自动优化模型，赋能各企业和组织在数据湖上灵活地开发创新型的数据分析应用，帮助业务用户进行数据支撑的决策。“通过统一的语义层，Kyligence 为客户在云上构建了整个多维的数据集市。业务用户只要消费这样的数据集市，而无需关心这些是数据是来自 Oracle、Hadoop、Snowflake 还是 Kafka 的。用户甚至都不需要关心这是历史数据还是实时数据，通过 Kyligence 批流一体的能力，呈现给客户的就是业务数据的语义，业务人员只需要使用数据就可以了。”韩卿说。

为了更好助力企业实现数据价值最大化，Kyligence 还正式推出了代运营服务，将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，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。

针对业务人员在企业级指标中台中的作用，Kyligence联合创始人兼CTO李扬认为，指标中台可以分成原子指标和偏业务向的衍生和派生指标两部分。原子指标是公司集中管理的是统一口径的基础，不是每个业务人员可以随意自己改造的，衍生和派生指标则是业务创新的空间。“比如在标准的标价之上，是不是通过一些营销策略，出一个阶梯的折扣价，可以用数字来证明我这个报价方案是不是比原来的更优秀。从公司整体来说，是在原子指标的基础上又打开了衍生、派生指标的能力给到每一个一线业务人员，基于标准之上再做一些微创新，就又满足了业务的灵活性和机动性。”

Kyligence 企业级指标中台本质是一个管理系统，指标中台解决方案是助力企业以指标为中心，去构建整个数字化体系建设的方法论，从而建立数据管理共识，最终服务于企业管理目标；同时，企业在落地指标中台后，可以实现「边使用，边治理」，不断挖掘数据的价值。

过去几年的时间里，Kyligence 收获了来自世界 500 强和各行业领导者的信任，覆盖金融、制造、零售等各个行业。Kyligence 在整个数字化的解决方案的亮点颇多，如业财一体化、实时营销、数据服务、客户旅程、零售行业供应链等，这些场景都是基于Kyligence 底层超大规模的 OLAP 数据分析能力，来为客户提供整个的数据分析和快速访问。

从矿物、农作物等自然物质到数据，毋庸置疑，数据已经成为生产力三要素中新的生产对象。掘数据要素价值，也成为推动数字经济发展的核心支撑力和驱动力。Kyligence 通过不断迭代数据分析和服务能力，帮助企业构建数字化管理体系，让数据管理成为企业文化，并为业务创造价值。

责任编辑：焦旭