“这AI不得了了，‘帮助韩卿提高业绩’‘需要尽快安排Luke拜访客户’‘建议公司应该对韩卿的销售工作进行重点在关注’……幸好是演示的数据集。Kyligence（上海跬智）联合创始人兼CEO韩卿（英文名Luke）在7月12日发了一条上述朋友圈。
韩卿又进一步调侃道，“明天再不努力讲好PPT，AI要给我PIP了（Performance Improvement Plan，绩效提升计划）。”
这是韩卿在为即将召开的释放数智生产力用户大会精心准备的一幕。
这几年，数据及其价值被社会各界广泛讨论，俨然成为最热门话题之一。
事实上，关于数据价值的这一波讨论，看似偶然，其实必然。随着产业互联网的深入，以及《关于构建更加完善的要素市场化配置体制机制的意见》中首次将数据写入生产要素，传统企业逐渐意识到数据形成资产化之后所带来的巨大价值。
因此，如何释放数智生产力，就成为众多企业数字化转型中的一道必答题。如今，越来越多传统企业着手构建数据资产体系，希望把数据“用起来”和“用好”。但这绝非易事，因为如今数据从生产到消费的链路愈发复杂，传统的理念和方法论亟待突破。
2023Kyligence用户大会现场
如何才能打破这样的局面？为此，在7月14日举办的Kyligence用户大会上，韩卿和他的团队带来了突破性的“AI带来人机交互革命”的理念以及数智生产力产品Kyligence Copilot AI数智助理（预览版）、一站式指标平台Kyligence Zen SaaS及企业版等产品，带来了“人人都可以用数，人人可用的敏捷指标工具”最优解。
01 从“有数”到“人人用数”为何如此之难？
不可否认，经过多年的“大数据”概念教育，很多行业如今都异常重视数据的采集，有些企业甚至都拥有庞大、且丰富的数据集，却无法很好地实现数据驱动日常的决策、运营和创新。
造成这种局面的核心原因主要有三个方面：
首先，业务场景发生巨大改变，基于数据驱动的业务场景正在迅速兴起，彻底改变了数据的使用范式。
其次，新场景带来了数据量、数据类型不断走向丰富，与数据处理、分析相关的技术也是层出不穷、应接不暇，从数据库、数据仓库，到数据中台、数据湖，甚至现在热门的湖仓一体、DataFabric，大部分企业并无掌控新技术的能力。
最后，数据消费人群规模、类型今非昔比，任何员工都可能是业务中的数据重度消费者，但大部分企业目前在组织架构、数据文化等方面尚未调整到位，不足以支撑起企业“用数”和“用好数”的需求。
当前数据市场旺盛的需求与市场供应不足的矛盾日益突出，现有运营管理能力难以满足业务发展需求。
“企业需要引入人工智能技术，通过提升数据分析效率、提升运营能力，加强企业内外协同，打破尴尬局面。”韩卿对亿邦动力表示，“在特定应用场景下，AI是帮助你生成企业经营报告的、不是帮你画美女图！”
为此，Kyligence基于全球500强及行业领导者的信任、金融、零售、保险、电商、汽车制造、医药等行业覆盖的实践上，针对目前大部分企业在“数据治理”和“数据开发”等领域遇到的挑战，在本次Kyligence用户大会上，推出了新品Kyligence Copilot（AI数智助理），带给客户以自然语言交互的方式进行数据分析，运行KPI评估等工作，提升了企业运营和管理的效率。
亿邦动力了解到，Kyligence Copilot AI数智助理正是基于Kyligence Zen一站式指标平台的AI数智助理，结合大语言模型能力，帮助用户通过自然语言对话完成围绕业务指标的分析和洞察，大幅降低业务人员用数的门槛、提升工作效率。
Kyligence希望通过“以AI变革组织运营与管理”理念，为释放数智生产力寻找到一条切实可行之路。
02 数据开发治理一体化让“人人用数”有解
实际上，数据治理是数智生产力的基础和关键环节，通过有效的数据治理，可以实现数据资产的高质量、安全可控和便捷消费，从而释放数智生产力。
数据治理的目标是确保数据资产的安全掌控、高质量和便捷使用，它也是释放数智化生产力的基石。
如果说数据如水，滋润数字经济时代万物生长；那么“数据治理”则恰如治水，释放数智生产力或造成数据泛滥均维系于此，其重要性堪比数据本身。
不过，“数据治理”拥有多年历史，并非新鲜事物。
但随着“千行百业”数字化转型的深入，用户数据驱动和数据创新的需求亦产生重大转变，让数据治理的复杂性今非昔比，传统的数据治理理念、方法论很难适应需求的变化趋势。
企业对于数据治理并无规划，并且治理与开发脱节，容易陷入运动式治理和恶性循环。对此韩卿认为：“多数情况下，企业都是先治理后使用，有指标平台有AI，边使用、边治理。”“靠AI和技术创新治理，并最终用来支撑业务。”韩卿补充道。
具体来看，很多企业在数据治理领域首先采取的是“先污染后治理”，开发与治理体系割裂；当遇到数据问题越来越多之后，则通过运动式治理来解决数据问题，治理效果无法有效衡量和持续反馈；并且很多企业的数据治理范围往往局限在湖内，无法对大量湖外数据进行治理；最终形成的数据资产，往往存在“找不到”、“看不懂”和“信不过”的尴尬情况。
在Kyligence看来，数据治理以“边使用边治理”的理念为驱动，提供覆盖指标、维度、数据 时效等的治理功能，提升数据规范性，减少指标和维度的二义性，提升数据管理 水平。
Kyligence联合创始人兼CTO李扬
“有序和创新，正是数据治理的平衡点。”Kyligence联合创始人兼CTO李扬坦言道。
实际上，Kyligence近两年在配合客户数字化转型过程中，发现一些领先企业会采用以业务增长为出发点，以指标平台为抓手，通过“边使用边治理”的方式推进数据产品和数据能力的建设，既快速支撑了这些企业业务的飞速发展，同时也提炼了内部数据资产体系，培养了企业的数据文化氛围，形成了不但可以赋能内部业务还可以对外输出的数据产品化、资产化能力，可以说是一举多得，这种方式非常值得借鉴。
简言之，如何开展数据内功的修炼，持续推进企业数字化转型，是需要一套科学的方法论。
为此，围绕数据治理与数据开发脱节这个难啃的硬骨头，Kyligence推出了 “OLAP on数据湖”企业级OLAP解决方案、产品运营新模式“云上数据分析代运营”、企业级指标平台等服务，旨在给与企业更加专业的数据治理，更好地提升企业内部的决策运行效率，最终在企业内外打造良好的数据生态闭环。
也是借此，Kyligence希望能够改变人类使用数据的习惯，面向未来的企业级数据服务与管理平台要让数据找到需要的人，而不再是人去找数据，通过人工智能、语音交互、智能推荐、知识图谱等各种新技术和新架构，进一步让数据为人服务。
实际上，Kyligence提供自然语言交互方式，让用户能够更方便地进行数据分析。通过AI技术，Kyligence可以自动识别和分析数据，并提供准确的KPI评估和运营建议。这些功能的实现，可以帮助企业提升数据分析效率和公司运营效率，让决策更加科学和准确。
此外，Kyligence还可以提供自定义数据可视化功能，让用户能够更好地理解和展示数据。
“数据治理是引导科技向善，在数据利用与保护，数据安全与创新之间实现平衡，更强调对过去混乱状况的依法规范治理，而非以损害数据利用和创新为代价。”李扬补充道。
03 释放数智生产力：AI数智助理+实践的最优解
如果说数据治理是释放数据生产力的基础，那么要想彻底释放数智生产力，则必须从数据全生命周期的整体视角带来最优解。
Kyligence联合创始人兼CTO李扬对亿邦动力表示，“在许多行业中，人工智能的应用仍面临挑战，这为企业提供了历史上的机遇和技术红利。在这个过程中，数据是模型生成的核心，是企业AI战略的基石。”
“我们的指标平台产品已经在实际场景中积累了丰富的经验。”李扬补充道。
亿邦动力也了解到，结合开源大语言模型和私有大语言模型，Kyligence为用户打造了专属于指标领域的语言，使更多企业能够轻松建立私有化的指标知识库。
指标是数字化时代的管理语言，不仅能够有效连接数据和业务，赋能业务自助地从海量数据中获得洞察，还有效帮助技术团队沉淀业务数据资产，促进高价值数据复用。以指标体系进行业务管理已经成为企业共识，指标平台正在成为趋势。
亿邦动力在本次用户大会上了解到，Kyligence“以AI变革组织运营与管理”理念包括：提升数据分析效率，释放所有人的潜力；通过AI提升运营能力，释放管理的潜力；加强企业内外协同，释放组织的潜力三大部分。
具体到业务场景，如何让Kyligence Copilot在企业中落地则显得尤为重要。具体而言：
首先，以AI提升分析效率，释放所有人的潜力。用户只需与Kyligence Copilot对话，以自然语言的形式即可快速、自动化检索、筛选、分析和排序指标，以提升使用数据的效率。该产品还能根据上下文智能地进行推荐和总结，并快捷创建仪表盘等。
其次，以AI赋能运营， 释放管理的潜力。Kyligence Copilot能够帮助企业管理者和运营人员从数据视角深入理解业务现状，包括关注指标波动趋势并开展归因分析，以及通过自主问答掌握业务目标背后的数据事实。除此之外，Kyligence Copilot还能够根据数据洞察结论向运营人员提出建议。
再者，以AI加强协同，释放组织的潜力。Kyligence Zen指标平台以管理目标的方式管理指标，统一管理企业指标口径，将数据工具提升到业务层面，促进更广泛的数据协作与共享。通过将指标平台与AI数智助理结合，数据流程和反馈速度显著提升，实现了组织管理的快速优化和迭代。
而从企业实践的角度，打造数据生产力离不开数据技术、数据资产、数据应用、数据运营四要素的共同作用，四要素提供了三大内核落地的路线图。Kyligence认为，沉淀数据资产是核心所在，不仅符合企业追求数据价值的初衷，更容易获得各层级各角色的感知与认同，也让实现数据开发与治理一体化的意义更加鲜明。
数智生产力模型最难能可贵之处在于，它既充分汲取了互联网公司在数据技术、数据理念和数据创新方面的可取之处，又从服务众多传统行业的过程中获取了丰富的实践经验，以此来帮助企业建立数据资产管理体系和实现数智资产化。
正如Kyligence联合创始人兼CEO韩卿所言，“大模型和人工智能时代，数据创新迎来了令人振奋的机遇。通过创新产品如指标平台和AI数智助理的落地，Kyligence将助力企业完成数字化转型，并以客户成功为导向，使更多企业在数智变革中乘风破浪。”
目前，数智生产力模型已经在金融、零售、电商、保险、医药、物流等多个行业，并得到实践。
以国内某电商平台为例，其在业务发展过程中面临着曝光和流量数据快速增长的挑战。该电商平台原有的Presto解决方案在实际应用中存在集群资源占用过多和无响应等问题。为了解决这些问题，Kyligence为其提供了以下解决方案：
1.完善了大数据技术架构栈，计算引擎涵盖MPP和预计算多引擎，为海量数据的分析提供了更优的方案。
2.实现了海量曝光和流量数据的多维度自助分析，大大提高了用户分析的流畅性和性能。
3.大幅降低了资源成本，在电商常见的曝光和流量分析的场景从200节点降低到50节点。
通过这些解决方案，Kyligence帮助该电商平台解决了其面临的数据处理和分析方面的挑战，提高了其数据处理和分析的效率和性能，为其业务发展提供了更好的技术支持。
Kyligence在短短几年时间就在全球数据服务市场闯出一片新蓝海的关键，在于对技术创新的不断投入、创新行业落地的新模式，并始终坚持公司发展方向上的战略定力。智能数据云平台的落地将使Kyligence能够为客户提供更灵活管理和分析处理数据，同时将数据转换为智能和洞察，帮助客户在未来数字化转型中创造新业态、新服务和新动能。
文章来源：亿邦动力
