廖栩
7月5日，Kyligence融资暨新产品发布会在上海举行。Kyligence 团队宣布正式发布下一代企业级数据仓库产品与解决方案Kyligence Enterprise v3.0，及云端一站式大数据分析解决方案KyligenceCloud v2.0。新版解决方案革命性地实现了自动建模功能，并将在查询提速15倍的同时节省50%存储空间。
“借助Kyligence Enterprise v3.0，此前客户需要花费半年、一年的数据分析周期可以缩减至一两个月甚至更短的时间，使用传统国外数据仓库需要每年投入上亿，使用Kyligence产品后，投入缩减至几百万。在人力上，从40多人缩减至6个人左右。”Kyligence联合创始人兼CEO韩卿在接受投资界（ID：pedaily）采访时介绍道。
Kyligence 联合创始人兼CEO韩卿
Kyligence Enterprise v3.0发布，打造融合、智能数据仓库
作为本次发布会的重头戏之一，Kyligence 联合创始人兼CTO李扬，详细介绍了新版Kyligence Enterprise如何在保持PB级数据集上亚秒级查询响应速度的同时，革命性地实现自动化建模以承载企业日益增长的自动化需求。
对于Kyligence Enterprise3.0的行业定位，韩卿认为，它是一个融合智能的大数据平台，代表未来数据仓库的方向。
在今天数据呈指数级爆炸的时代，绝大部分的数据仓库项目仍然使用人工进行操作，这种原始的基于人工的数据分析方式显然已经远不能满足快速增长的业务需求。
韩卿表示：“下一代的数据仓库，一定是融合的、智能的数据仓库，通过将这些技术应用到数据仓库本身的技术变革中，能为许多产业带来变革。”
投资界了解到，新版Kyligence Enterprise引入了大量的机器学习技术，如自动建模技术可基于分析师的历史查询行为及学习记录，智能化地推荐数据建模，自动化地调优性能，且推荐和加速相关业务分析场景。同时，该产品还支持在企业的本地集群和云端部署在线数据分析服务，满足了企业的全场景分析需求。
在产品架构上，新版Kyligence Enterprise 采用了高性能的融合架构，实现了关键业务的亚秒级查询延迟，也支持海量数据的自主探索；数据源可对接分布式平台Hadoop的多重数据引擎，也可以对接传统的RDBMS；数据种类上，既可以对接实时数据流，也可以进行批处理。
“对比上一代查询引擎，新版Kyligence Enterprise 可实现查询提速15倍的同时节省50%存储空间，而对比市场上的同类查询产品，根据数据仓库典型查询场景测试中查询的完成度与查询的性能比较来看，都具有显著优势。”李扬介绍道，Kyligence Enterprise v3.0具有出色的数据分析能力，它的出现将有效降低企业人力成本，并成倍提升企业生产效率。
聚焦金融、电信、零售和制造4大领域，要成为数据仓库行业NO.1
在产品发布会上，Kyligence宣布完成由斯道资本领投，原有股东红点中国、思科、宽带资本、顺为资本跟投的1500万美元B轮融资，这也是Kyligence2年内的第三轮融资。
对于本轮融资计划，韩卿表示，本轮融资后，公司将主要在三个方面加大投入。其中包括加快产品技术研发；扩大市场和销售团队，以尽快扩张市场认知度；布局国际化发展，目前公司已在美国、欧洲拓展客户，接下来将会尤其在美国进行大规模扩张，真正做到技术出海。
目前，Kyligence旗下开发的产品服务已经获得超30家来自各行各业头部企业的付费支持，包括国泰君安、华为、联通、OPPO、上汽集团、太平洋保险集团、中国银联等企业。
在发布会圆桌论坛上，太平洋保险大数据平台负责人时爱民表示，大数据分析作为面向未来的IT技术服务，对太平洋保险而言早已不是一道选择题，而是一道必答题，太平洋保险之所以选择与使用Kyligence Enterprise，看中的就是Kyligence的技术实力与长期、持续的服务能力。
本轮领投的斯道资本中国风险投资团队合伙人张柏舟也表示：“我们很荣幸能成为Kyligence 的投资方。我们在尽职调查期间收集了广泛的客户意见，Kyligence 突出的能力让我们印象深刻，比如通过数据建模处理和AI 增强技术来预处理海量数据集并将延迟降低至亚秒级，通过整合Tableau、Power BI 甚至Microsoft Excel 等常用简单工具来获取新知，Kyligence 没有局限在简单的分析场景，而是致力于帮助客户快速而轻松地管理、访问和分析海量数据，远远超越了传统解决方案，堪称新一代数据仓库。”
目前，Kyligence商业化已经一一落地。韩卿表示，Kyligence的产品服务未来将主要专注于金融、电信、零售和制造四大领域的应用，因为这四大行业拥有大量的数据，对基于数据底层的架构和分析需求渴求极大。
就金融而言，韩卿称，传统金融机构客户更愿意尝试成熟的新技术。“有银行使用我们的技术进行了大半年的全面测试，最后看到他们平台和技术能力得到很大提升，最终选择了Kyligence的方案。”
关于公司未来3-5年的发展目标，韩卿透露，希望能在智能数据仓库里做到行业的NO.1，并能拓展整个全球市场。
投资界
两类大数据
第一类传统大数据，由统计局，行业协会，领导企业经过采集，调查，统计，分析，整理出来的数据。这类数据具有连贯性，可视化，通俗易懂的特性。这类数据虽然免费，但对企业的发展与战略决策都具有极强的战略指导价值与意义。如，上世纪70年代末期，壳牌依据这类数据准确预判出石油价格即将反转，果断甩卖资产，获得大量现金。随后，市场真的如壳牌预判结果，油价暴跌，所有石油相关资产价格暴跌，壳牌因此可以用充沛现金来低价购买廉价资产，一跃由石油七姐妹的小七变成龙头老大，直至埃克森和美孚两巨头合并，才重新超越壳牌。
第二类大数据属于消费者在互联网上各种行为产生的痕迹，这类数据整理与加工后对企业的营销推广具有较强促进作用。离消费越近，这类数据的价值越高。这是亚马逊云计算和阿里云计算被市场热捧的根源。
因此，企业战略选取第一类大数据。企业营销选取第二类大数据。哪个企业用大数据用的好，哪个企业在未来竞争力强。
推荐《智能社会》，中信出版社出版
基于第一类大数据，绘制的未来商业版图。
高金波
有，而且是全方位的。
大数据本身是信息处理技术的一次飞跃性的发展，而信息处理是一个公司立足于市场的根本。市场调查，战略规划，内部管理等等方面都需要信息技术的处理，包括信息搜集和信息处理等能力。这也是一个企业获得竞争优势最重要的资源之一。
所有企业都不可能无视大数据时代的到来，区别在于有些企业会主动拥抱大数据，为未来的发展抢夺主动权。而另外一些企业会错过大数据甚至排斥大数据，最终就会在市场竞争中被那些利用好大数据的企业持续施压，最终要么就被淘汰，要么就被迫接受大数据，转型升级。
在中国，阿里巴巴算是提“大数据”这个概念比较多，而且积极应用大数据的企业之一了。我们以近年来比较火热的“新零售”为例，分析一下大数据对企业和市场会产生什么样的影响。
大数据是在互联网时代，信息储存和处理能力飞跃发展之后得到的一个成果，也是人工智能的基础技术。所谓大数据，无非就是把海量的数据信息汇集起来，并进行智能分析，从而为做出更好的决策服务。阿里巴巴作为电商巨头，在近年来大举杀人线下市场，而传统巨头纷纷败退。与此同时，国内互联网的另外一个巨无霸——腾讯，也大手笔布局新零售。
按理说，传统巨头比互联网巨头更懂零售，也有更成熟的渠道。但是新零售时代却成了阿里巴巴和腾讯的舞台。很重要的一个原因就是阿里和腾讯有着其他任何公司都难以比拟的用户数据，他们可以比传统商业巨头更准确地掌握消费者的偏好，做出更合理的布局。当然，他们的数据也不是凭空产生的，是因为他们有着数量极为庞大的用户群体，这也构成了他们的另外一个优势。
阿里和腾讯做的事情很新鲜吗？并不新鲜。传统零售业早就通过建立会员体系等方式，试图建立自己的客户资料库。但是，相比于互联网巨头的用户渗透率和数据搜集和处理能力，传统零售业的数据又少，处理能力又差，竞争力不堪一提。于是乎，零售业成了两大互联网巨头的对决。传统巨头纷纷站队，成了配角。
大数据时代，市场需求的发现和满足都有着和传统商业模式完全不同的逻辑思维。在过去，抽样调查算是数据搜集的比较可靠的方法了。大数据时代，至少样本可以扩大很多很多倍，而且还可以尝试复杂得多的数据处理。理论上来说，我们甚至可以做到对所有目标对象进行全面调查，而且把所有数据进行分析。因为互联网的便利性，以及数据储存能力和处理能力爆炸式增长，过去难以克服的难题都有了处理的可能性。比如说全国范围内有百万家小型便利店，在以往，想要统计分析分散在各个角落的小店分别有什么需求，他们服务的人群有什么消费偏好，是很难的。而现在，通过大数据分析，通过他们在进货渠道的进货行为，可以比较准确地判断出几乎每一个店的经营状况和服务人群的消费偏好。在这个情况下，店主和供货方都可以根据实际情况做出更合理的安排。而传统的经销商批发模式，是做不到这一点的。没有强大的数据处理能力，就算搜集到了这么多数据，也很难让数据发挥作用。
因此，大数据是任何企业都绕不过去的额一个具有决定性意义的重要技术，必然对所有企业都造成不可忽视的影响。无非就是什么时候，以什么样的方式，发挥多大影响力的问题而已。
镁客网
大数据又称巨量资料、海量资料，是由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通常被认为具有“4V”主要特征，即海量化(Volume)、多样化(Variety)、快速化(Velocity)和价值化(Value)。大数据是工具，那么究竟对企业有什么作用呢?从传统企业的运行流程来看，主要能够在了解用户、锁定资源、规划生产、做好运营、开展服务等方面。
一是帮企业了解用户。
大数据通过相关性分析，将客户、用户和产品有机串联，对用户的产品偏好，客户的关系偏好进行个性化定位，生产出用户驱动型的产品，提供客户导向性的服务。
从大数据技术方面来看，用数据来指引企业的成长，将不再单单是一句口号。百度副总裁曾良表示，从挖掘的角度来看，他们通过对每天60亿的检索请求数据分析，可以发现检索某一品牌的受众行为特征，进而反馈给企业的品牌、产品研发部门，能更准确地了解目标用户，并推出与用户要求相匹配的产品。
通过运用大数据，不仅可以从数据中发掘出适应企业发展环境的社会和商业形态，用数据对用户和客户对待产品的态度进行挖掘和洞察，准确发现并解读客户及用户的诸多新需求和行为特征，这必将颠覆传统企业在用户调研过程中，过分依赖主观臆断的市场分析模式。
二是帮企业锁定资源。
通过大数据技术，可以实现企业对所需资源的精准锁定，在企业在运营过程中，所需要的每一种资源的挖掘方式、具体情况和储量分布等，企业都可以进行搜集分析，形成基于企业的资源分布可视图，就如同“电子地图”一般，将原先只是虚拟存在的各种优势点，进行“点对点”的数据化、图像化展现，让企业的管理者可以更直观地面对自己的企业，更好地利用各种已有和潜在资源。如果没有大数据，将很难发现曾经认为是完全无关行为间的相互关联性，就如同外媒曾经提到的“啤酒”与“尿片”之间的关联营销一样。因为美国妇女通常在家照顾孩子，她们经常嘱咐丈夫下班回家时为孩子买尿布，而丈夫则顺手购买了啤酒。于是，尿片与啤酒形成了关联。于是美国沃尔玛超市将尿布与啤酒摆在一起，使尿布和啤酒的销量都大幅增加。
三是帮企业规划生产。
大数据不仅改变了数据的组合方式，而且影响到企业产品和服务的生产和提供。通过用数据来规划生产架构和流程，不仅能够帮助他们发掘传统数据中无法得知的价值组合方式，而且能给对组合产生的细节问题，提供相关性的、一对一的解决方案，为企业开展生产提供保障。
过去的所谓商业智能，往往大多是“事后诸葛亮”，而大数据则让企业可预测未来的走向，帮助企业做到“未雨绸缪”。大数据的虚拟化特征，还将大大降低企业的经营风险，能够在生产或服务尚未展开之前就给出相关确定性答案，让生产和服务做到有的放矢。在这方面，不得不提到的就是最近火爆的《纸牌屋》，它的剧集为什么会受到全球欢迎?有很大一部分原因就跟它前期依据大数据技术和思维方式所做的准备。据称，《纸牌屋》的数据库包含了3000万用户的收视选择、400万条评论、300万次主题搜索。下一季剧情拍什么、谁来拍、谁来演、怎么播，都由数千万观众的客观喜好统计决定。
四是帮企业做好运营。
过去某一品牌要做市场预测，大多靠自身资源、公共关系和以往的案例来进行分析和判断，得出的结论往往也比较模糊，很少能得到各自行业内的足够重视。通过大数据的相关性分析，根据不同品牌市场数据之间的交叉、重合，企业的运营方向将会变得直观而且容易识别，在品牌推广、区位选择、战略规划方面将做到更有把握地面对。
对于大数据对企业运营的导航作用，梦芭莎集团董事长佘晓成深有感触，他不禁感慨“大数据让我们能够及时调整运营策略，现在的库存每季售罄率从80%提升到95%，实行30天缺货销售，能把30天缺货控制在每天订单的10%左右，比以前有3倍的提升。”
五是帮企业开展服务。
通过大数据计算对社交信息数据、客户互动数据等，可以帮助企业进行品牌信息的水平化设计和碎片化扩散。经济学家Richard H. Thaler曾经提出一种观点，“个人观点的微小变化都可以演变为所有人的群体行为模式的重大变革。”在这一重大变革的背景之下，对微小的信息流，企业都必须重视，而客户服务为应对这种情况，也需要像空气一样分布在一些细枝末节之中。企业可以借助社交媒体中公开的海量数据，通过大数据信息交叉验证技术、分析数据内容之间的关联度等，进而面向社会化用户开展精细化服务，提供更多便利、产生更大价值。
西线学院
看你要解决什么问题，
赋能员工、运营优化、创新服务、密切客户
这是微软转型的服务方向
爱己健康
首先要理解什么是大数据？不是数据大，而是有价值的多种维度的数据，涉及数据挖掘、数据分析等。对企业的影响重点是看企业需要了解什么？比如服装企业需要知道顾客在什么情况下喜欢穿什么样的衣服等等。