廖栩

7月5日，Kyligence融資暨新產品發佈會在上海舉行。Kyligence 團隊宣佈正式發佈下一代企業級數據倉庫產品與解決方案Kyligence Enterprise v3.0，及雲端一站式大數據分析解決方案KyligenceCloud v2.0。新版解決方案革命性地實現了自動建模功能，並將在查詢提速15倍的同時節省50%存儲空間。

　　“藉助Kyligence Enterprise v3.0，此前客戶需要花費半年、一年的數據分析週期可以縮減至一兩個月甚至更短的時間，使用傳統國外數據倉庫需要每年投入上億，使用Kyligence產品後，投入縮減至幾百萬。在人力上，從40多人縮減至6個人左右。”Kyligence聯合創始人兼CEO韓卿在接受投資界（ID：pedaily）採訪時介紹道。

Kyligence 聯合創始人兼CEO韓卿

　　Kyligence Enterprise v3.0發佈，打造融合、智能數據倉庫

　　作為本次發佈會的重頭戲之一，Kyligence 聯合創始人兼CTO李揚，詳細介紹了新版Kyligence Enterprise如何在保持PB級數據集上亞秒級查詢響應速度的同時，革命性地實現自動化建模以承載企業日益增長的自動化需求。

　　對於Kyligence Enterprise3.0的行業定位，韓卿認為，它是一個融合智能的大數據平臺，代表未來數據倉庫的方向。

　　在今天數據呈指數級爆炸的時代，絕大部分的數據倉庫項目仍然使用人工進行操作，這種原始的基於人工的數據分析方式顯然已經遠不能滿足快速增長的業務需求。

　　韓卿表示：“下一代的數據倉庫，一定是融合的、智能的數據倉庫，通過將這些技術應用到數據倉庫本身的技術變革中，能為許多產業帶來變革。”

　　投資界瞭解到，新版Kyligence Enterprise引入了大量的機器學習技術，如自動建模技術可基於分析師的歷史查詢行為及學習記錄，智能化地推薦數據建模，自動化地調優性能，且推薦和加速相關業務分析場景。同時，該產品還支持在企業的本地集群和雲端部署在線數據分析服務，滿足了企業的全場景分析需求。

　　在產品架構上，新版Kyligence Enterprise 採用了高性能的融合架構，實現了關鍵業務的亞秒級查詢延遲，也支持海量數據的自主探索；數據源可對接分佈式平臺Hadoop的多重數據引擎，也可以對接傳統的RDBMS；數據種類上，既可以對接實時數據流，也可以進行批處理。

　　“對比上一代查詢引擎，新版Kyligence Enterprise 可實現查詢提速15倍的同時節省50%存儲空間，而對比市場上的同類查詢產品，根據數據倉庫典型查詢場景測試中查詢的完成度與查詢的性能比較來看，都具有顯著優勢。”李揚介紹道，Kyligence Enterprise v3.0具有出色的數據分析能力，它的出現將有效降低企業人力成本，併成倍提升企業生產效率。

　　聚焦金融、電信、零售和製造4大領域，要成為數據倉庫行業NO.1

　　在產品發佈會上，Kyligence宣佈完成由斯道資本領投，原有股東紅點中國、思科、寬帶資本、順為資本跟投的1500萬美元B輪融資，這也是Kyligence2年內的第三輪融資。

　　對於本輪融資計劃，韓卿表示，本輪融資後，公司將主要在三個方面加大投入。其中包括加快產品技術研發；擴大市場和銷售團隊，以儘快擴張市場認知度；佈局國際化發展，目前公司已在美國、歐洲拓展客戶，接下來將會尤其在美國進行大規模擴張，真正做到技術出海。

　　目前，Kyligence旗下開發的產品服務已經獲得超30家來自各行各業頭部企業的付費支持，包括國泰君安、華為、聯通、OPPO、上汽集團、太平洋保險集團、中國銀聯等企業。

　　在發佈會圓桌論壇上，太平洋保險大數據平臺負責人時愛民表示，大數據分析作為面向未來的IT技術服務，對太平洋保險而言早已不是一道選擇題，而是一道必答題，太平洋保險之所以選擇與使用Kyligence Enterprise，看中的就是Kyligence的技術實力與長期、持續的服務能力。

　　本輪領投的斯道資本中國風險投資團隊合夥人張柏舟也表示：“我們很榮幸能成為Kyligence 的投資方。我們在盡職調查期間收集了廣泛的客戶意見，Kyligence 突出的能力讓我們印象深刻，比如通過數據建模處理和AI 增強技術來預處理海量數據集並將延遲降低至亞秒級，通過整合Tableau、Power BI 甚至Microsoft Excel 等常用簡單工具來獲取新知，Kyligence 沒有侷限在簡單的分析場景，而是致力於幫助客戶快速而輕鬆地管理、訪問和分析海量數據，遠遠超越了傳統解決方案，堪稱新一代數據倉庫。”

　　目前，Kyligence商業化已經一一落地。韓卿表示，Kyligence的產品服務未來將主要專注於金融、電信、零售和製造四大領域的應用，因為這四大行業擁有大量的數據，對基於數據底層的架構和分析需求渴求極大。

　　就金融而言，韓卿稱，傳統金融機構客戶更願意嘗試成熟的新技術。“有銀行使用我們的技術進行了大半年的全面測試，最後看到他們平臺和技術能力得到很大提升，最終選擇了Kyligence的方案。”

　　關於公司未來3-5年的發展目標，韓卿透露，希望能在智能數據倉庫裡做到行業的NO.1，並能拓展整個全球市場。

投資界

兩類大數據

第一類傳統大數據，由統計局，行業協會，領導企業經過採集，調查，統計，分析，整理出來的數據。這類數據具有連貫性，可視化，通俗易懂的特性。這類數據雖然免費，但對企業的發展與戰略決策都具有極強的戰略指導價值與意義。如，上世紀70年代末期，殼牌依據這類數據準確預判出石油價格即將反轉，果斷甩賣資產，獲得大量現金。隨後，市場真的如殼牌預判結果，油價暴跌，所有石油相關資產價格暴跌，殼牌因此可以用充沛現金來低價購買廉價資產，一躍由石油七姐妹的小七變成龍頭老大，直至埃克森和美孚兩巨頭合併，才重新超越殼牌。

第二類大數據屬於消費者在互聯網上各種行為產生的痕跡，這類數據整理與加工後對企業的營銷推廣具有較強促進作用。離消費越近，這類數據的價值越高。這是亞馬遜雲計算和阿里雲計算被市場熱捧的根源。

因此，企業戰略選取第一類大數據。企業營銷選取第二類大數據。哪個企業用大數據用的好，哪個企業在未來競爭力強。

推薦《智能社會》，中信出版社出版

基於第一類大數據，繪製的未來商業版圖。

高金波

有，而且是全方位的。

大數據本身是信息處理技術的一次飛躍性的發展，而信息處理是一個公司立足於市場的根本。市場調查，戰略規劃，內部管理等等方面都需要信息技術的處理，包括信息蒐集和信息處理等能力。這也是一個企業獲得競爭優勢最重要的資源之一。

所有企業都不可能無視大數據時代的到來，區別在於有些企業會主動擁抱大數據，為未來的發展搶奪主動權。而另外一些企業會錯過大數據甚至排斥大數據，最終就會在市場競爭中被那些利用好大數據的企業持續施壓，最終要麼就被淘汰，要麼就被迫接受大數據，轉型升級。

在中國，阿里巴巴算是提“大數據”這個概念比較多，而且積極應用大數據的企業之一了。

大數據是在互聯網時代，信息儲存和處理能力飛躍發展之後得到的一個成果，也是人工智能的基礎技術。所謂大數據，無非就是把海量的數據信息彙集起來，並進行智能分析，從而為做出更好的決策服務。阿里巴巴作為電商巨頭，在近年來大舉殺人線下市場，而傳統巨頭紛紛敗退。與此同時，國內互聯網的另外一個巨無霸——騰訊，也大手筆佈局新零售。

按理說，傳統巨頭比互聯網巨頭更懂零售，也有更成熟的渠道。但是新零售時代卻成了阿里巴巴和騰訊的舞臺。很重要的一個原因就是阿里和騰訊有著其他任何公司都難以比擬的用戶數據，他們可以比傳統商業巨頭更準確地掌握消費者的偏好，做出更合理的佈局。當然，他們的數據也不是憑空產生的，是因為他們有著數量極為龐大的用戶群體，這也構成了他們的另外一個優勢。

阿里和騰訊做的事情很新鮮嗎？並不新鮮。傳統零售業早就通過建立會員體系等方式，試圖建立自己的客戶資料庫。但是，相比於互聯網巨頭的用戶滲透率和數據蒐集和處理能力，傳統零售業的數據又少，處理能力又差，競爭力不堪一提。於是乎，零售業成了兩大互聯網巨頭的對決。傳統巨頭紛紛站隊，成了配角。

大數據時代，市場需求的發現和滿足都有著和傳統商業模式完全不同的邏輯思維。在過去，抽樣調查算是數據蒐集的比較可靠的方法了。大數據時代，至少樣本可以擴大很多很多倍，而且還可以嘗試複雜得多的數據處理。理論上來說，我們甚至可以做到對所有目標對象進行全面調查，而且把所有數據進行分析。因為互聯網的便利性，以及數據儲存能力和處理能力爆炸式增長，過去難以克服的難題都有了處理的可能性。比如說全國範圍內有百萬家小型便利店，在以往，想要統計分析分散在各個角落的小店分別有什麼需求，他們服務的人群有什麼消費偏好，是很難的。而現在，通過大數據分析，通過他們在進貨渠道的進貨行為，可以比較準確地判斷出幾乎每一個店的經營狀況和服務人群的消費偏好。在這個情況下，店主和供貨方都可以根據實際情況做出更合理的安排。

因此，大數據是任何企業都繞不過去的額一個具有決定性意義的重要技術，必然對所有企業都造成不可忽視的影響。無非就是什麼時候，以什麼樣的方式，發揮多大影響力的問題而已。

鎂客網

　　大數據又稱巨量資料、海量資料，是由數量巨大、結構複雜、類型眾多數據構成的數據集合，是基於雲計算的數據處理與應用模式，通常被認為具有“4V”主要特徵，即海量化(Volume)、多樣化(Variety)、快速化(Velocity)和價值化(Value)。大數據是工具，那麼究竟對企業有什麼作用呢?從傳統企業的運行流程來看，主要能夠在瞭解用戶、鎖定資源、規劃生產、做好運營、開展服務等方面。

　　一是幫企業瞭解用戶。

　　大數據通過相關性分析，將客戶、用戶和產品有機串聯，對用戶的產品偏好，客戶的關係偏好進行個性化定位，生產出用戶驅動型的產品，提供客戶導向性的服務。

　　從大數據技術方面來看，用數據來指引企業的成長，將不再單單是一句口號。百度副總裁曾良表示，從挖掘的角度來看，他們通過對每天60億的檢索請求數據分析，可以發現檢索某一品牌的受眾行為特徵，進而反饋給企業的品牌、產品研發部門，能更準確地瞭解目標用戶，並推出與用戶要求相匹配的產品。

　　通過運用大數據，不僅可以從數據中發掘出適應企業發展環境的社會和商業形態，用數據對用戶和客戶對待產品的態度進行挖掘和洞察，準確發現並解讀客戶及用戶的諸多新需求和行為特徵，這必將顛覆傳統企業在用戶調研過程中，過分依賴主觀臆斷的市場分析模式。

　　二是幫企業鎖定資源。

　　通過大數據技術，可以實現企業對所需資源的精準鎖定，在企業在運營過程中，所需要的每一種資源的挖掘方式、具體情況和儲量分佈等，企業都可以進行蒐集分析，形成基於企業的資源分佈可視圖，就如同“電子地圖”一般，將原先只是虛擬存在的各種優勢點，進行“點對點”的數據化、圖像化展現，讓企業的管理者可以更直觀地面對自己的企業，更好地利用各種已有和潛在資源。如果沒有大數據，將很難發現曾經認為是完全無關行為間的相互關聯性，就如同外媒曾經提到的“啤酒”與“尿片”之間的關聯營銷一樣。因為美國婦女通常在家照顧孩子，她們經常囑咐丈夫下班回家時為孩子買尿布，而丈夫則順手購買了啤酒。於是，尿片與啤酒形成了關聯。於是美國沃爾瑪超市將尿布與啤酒擺在一起，使尿布和啤酒的銷量都大幅增加。

　　三是幫企業規劃生產。

　　大數據不僅改變了數據的組合方式，而且影響到企業產品和服務的生產和提供。通過用數據來規劃生產架構和流程，不僅能夠幫助他們發掘傳統數據中無法得知的價值組合方式，而且能給對組合產生的細節問題，提供相關性的、一對一的解決方案，為企業開展生產提供保障。

　　過去的所謂商業智能，往往大多是“事後諸葛亮”，而大數據則讓企業可預測未來的走向，幫助企業做到“未雨綢繆”。大數據的虛擬化特徵，還將大大降低企業的經營風險，能夠在生產或服務尚未展開之前就給出相關確定性答案，讓生產和服務做到有的放矢。在這方面，不得不提到的就是最近火爆的《紙牌屋》，它的劇集為什麼會受到全球歡迎?有很大一部分原因就跟它前期依據大數據技術和思維方式所做的準備。據稱，《紙牌屋》的數據庫包含了3000萬用戶的收視選擇、400萬條評論、300萬次主題搜索。下一季劇情拍什麼、誰來拍、誰來演、怎麼播，都由數千萬觀眾的客觀喜好統計決定。

　　四是幫企業做好運營。

　　過去某一品牌要做市場預測，大多靠自身資源、公共關係和以往的案例來進行分析和判斷，得出的結論往往也比較模糊，很少能得到各自行業內的足夠重視。通過大數據的相關性分析，根據不同品牌市場數據之間的交叉、重合，企業的運營方向將會變得直觀而且容易識別，在品牌推廣、區位選擇、戰略規劃方面將做到更有把握地面對。

　　對於大數據對企業運營的導航作用，夢芭莎集團董事長佘曉成深有感觸，他不禁感慨“大數據讓我們能夠及時調整運營策略，現在的庫存每季售罄率從80%提升到95%，實行30天缺貨銷售，能把30天缺貨控制在每天訂單的10%左右，比以前有3倍的提升。”

　　五是幫企業開展服務。

　　通過大數據計算對社交信息數據、客戶互動數據等，可以幫助企業進行品牌信息的水平化設計和碎片化擴散。經濟學家Richard H. Thaler曾經提出一種觀點，“個人觀點的微小變化都可以演變為所有人的群體行為模式的重大變革。”在這一重大變革的背景之下，對微小的信息流，企業都必須重視，而客戶服務為應對這種情況，也需要像空氣一樣分佈在一些細枝末節之中。企業可以藉助社交媒體中公開的海量數據，通過大數據信息交叉驗證技術、分析數據內容之間的關聯度等，進而面向社會化用戶開展精細化服務，提供更多便利、產生更大價值。

西線學院

看你要解決什麼問題，

賦能員工、運營優化、創新服務、密切客戶

這是微軟轉型的服務方向

愛己健康

首先要理解什麼是大數據？不是數據大，而是有價值的多種維度的數據，涉及數據挖掘、數據分析等。對企業的影響重點是看企業需要了解什麼？比如服裝企業需要知道顧客在什麼情況下喜歡穿什麼樣的衣服等等。

關鍵字: 融資 大數據 科技