Kyligence联合创始人兼CTO李扬：用智能数据云打造全链路数字化转型

数据智能产业创新服务媒体

——聚焦数智 · 改变商业

---

在服务市场过程中，我们一直在思考，人类已经处于数据爆炸的时代，企业面对“海量数据”，如何筛选数据、如何管理众多数据源、如何管理优质数据成为难题。更进一步讲，市场究竟需要怎样的大数据服务，服务商又该如何满足客户多场景需求？

过去二十年里，人类一直处在一个数据爆炸的时代。企业的传统业务数据如订单、仓储的增量已经相对平缓，取而代之的是人类数据（例如社交媒体、照片、行为画像等数据）和机器数据（日志、IoT 设备等）大量被采集和保存，它们的量级远远超过传统业务数据。

随着海量数据高速增长、数据特征越来越多样、数据源越来越繁杂以及技术间的整合和平台间的集成带来的难度，以及随着人工智能和云计算的发展，让数据管理的平台发生了变化。

先让我们来回顾下数据管理平台的历史。

大家知道数据仓库（Data Warehouse）的早期概念数据集市（Data Marts）在 70 年代由 AC尼尔森提出。1988 年 Bill Inmon 发表了名为《业务信息系统架构》的论文，从而正式介绍了数据仓库的概念和建设方法论。随后在 1996 年，Ralph Kimball 发表“数据仓库工具箱”介绍了维度建模。在数仓理论发展至今的 30 年间，越来越多企业选用数据仓库架构作为数据平台建设的标准和核心，分层构建多维数据模型和业务模型层。下游通过 ETL 工具对接各类数据源进行数据整合，上游数据应用进行数据消费提供分析决策。

不过，随着互联网等数字经济的蓬勃发展，数据量呈现爆发式增长，非结构化数据、半结构化数据不断涌现，数据更新也更加频繁，数据仓库难以支持这些场景的需求，即大数据著名 4V 问题：volume, variety, velocity, veracity。此外，还存在无法与数仓外的数据协同的问题，尤其是目前多云、多数据源等现实，使得“数据仓库”重新形成了“数据孤岛”，让业务人员很难获得全局数据视图。

接下来就是数据湖（Data lake），这一技术概念在 2015 年由 Pentaho 公司的创始人兼首席技术官詹姆斯·狄克逊（James Dixon）提出。数据湖以离线批处理为主，能够灵活处理和分析结构化和非结构化数据，并快速得到结果，以缓解数仓的尴尬。但数据湖缺少数据管理能力，以及对数据质量的保障。对于数据管理团队来说，尽管管理了很大的数据量，但真正哪些数据是最有价值的，却始终不得而知。

正如 Gartner 在 2020 年的 Market Guide for Query Accelerators 报告中所描述的，数据仓库期望有数据湖的可扩展性，而数据湖则希望有数据仓库的企业级分析和管理能力。

再看湖仓一体，这个概念最早起源于 Databricks 提出的 Lakehouse：它是一种开放的架构，结合了数据湖和数据仓库特点，直接在数据湖的低成本存储上，实现与数据仓库中类似的数据结构和数据管理功能。

不过，无论是传统的数据仓库，还是近几年热门的数据湖、湖仓一体等，虽然都解决了一部分问题，但也有不少弊端显露。而且，随着时代大背景发生了一些变化，行业前提和假设与之前有了不同：

从专家到平民分析师：被使用的数据才是资产，不被使用的数据则是负债。过去，使用数据和解释数据是少数专家的权力。要充分发挥数据的价值，必须有越来越多的普通人来使用数据。这意味着“数据分析师”的人数将成百倍的增加，所以数据系统如何降低使用门槛，如何应对成百倍上升的工作负载，将成为极大的挑战；

数据从汇聚到注定分散：随着世界各国严控数据安全，欧洲有 GDPR，中美有各自的数据安全法，对跨国企业来说，建立一个集中型的数据湖已经不可能。此外，出于行业数据管控的目的，亦或防止被存储厂商锁定，多云、混合云部署在国内也成为趋势。因此，对于数据孤岛的整合思路将由汇聚（Collect）渐渐转向联接（Connect）。

从“已知”到“未知”：要想领跑数字化转型，企业仅重复已知的数据应用场景已经不够了，更需要的是一种数据创新的能力，探索未知的数据关联，发现未知的业务规律，开创未知的数据应用场景。

那么，下一代普通人也能用的数据仓库，应该是什么样的呢？

我们称之为智能数据云（Intelligent Data Cloud），它让使用数据像使用水、使用电一样方便，人人都能随取随用，自助使用。

从技术角度来看，智能数据云是之前数据仓库、数据湖、湖仓一体等技术体系的继承和延续，既有数据湖低成本的存储可扩展性，也有数据仓库的强化数据结构和数据管理能力。同时，在此之上，智能数据云提供更高一层的业务数据对象管理能力，并从业务对数据的读写需求出发，使用 AI 增强的方式自动化和简化技术层面的人工数据操作和数据管理。向外，智能数据云提供普通人可用的数据服务；向内，智能数据云以业务为导向自动化数据的操作和管理。

下面让我们从实际场景中看看企业面临的现状究竟都有哪些：

这是一家零售行业的企业架构：可以看到，每一个部门都有自己所需要用到的系统，但由于企业业务发展的历史原因，企业内部信息系统多为烟囱式建设，数据无法互通，相对封闭，无法从整体视角为客户业务决策带去更加全面的有效决策，从而影响业务发展效果。

例如在一个营销数据的小闭环里，从客群的选择开始，企业通常会通过CRM系统筛选，然后指定营销执行的方案，规划到市场的营销系统，然后执行营销以后，回到收回结果，再次路径销售系统。那么通过分析这一系列动作，形成一些洞察，又开始下一轮的客群圈选和促销。在这样的一个小循环里面，它其实已经打通了几个数据烟囱了，从CRM系统到营销系统，到销售分析的一个系统。

另外，往更细节的方向来看，大家想一想：如果我在生产部门，供应链部门，市场部门，可能都有用户的个人隐私信息，电话号码，地址等等。那我就需要到每一条烟囱的系统里面去逐个讲对外的数据服务，询问这样的使用方式会不会有问题。所以，在这样的场景下，横向的数据口径的对齐显得尤为重要。

我认为考察企业数字化运营的水平，其实就是考察敏捷性。上述案例中，仅是一个营销场景的小闭环就已经对企业数据管理进行了一种考验。再来一个例子，如果你是一位KFC的门店经理，直接打开一个Mysql数据库，是完全看不懂的，因为需要专业的数据库知识。通过使用Kyligence产品，门店经理可以看到业务模型，哪些是他关心的？哪些是标签？指标是什么？这个平台打开了普通业务员使用数据的窗口。在这个窗口基础上，业务员可以做很多创新，比如制定更佳的促销方案、评估更合适的代言人等。

目前，企业已经进入了精细化运营阶段，也就是说不仅有线上，线下的数据基础。此外，在整个数字化的系统里面，由于大数据技术的提升，我们也已经能够精确地管理到每一个消费者。所以，技术的突破带来了这个能力。

技术的发展会随着时代不断迭代和进化，数据服务也是如此。未来人类使用数据的习惯一定会被创新性技术和服务模式所改变。所以，我们要帮客户 Connect 所有数据源，用一个数据平台搞定各种分析场景，平台能够自动识别最有价值的数据，希望用最简单的方式去让业务人员使用数据，去赋能数字化转型。随着越来越多的客户将业务部署在云平台，我们的“智能数据云“也满足了多云环境的部署。目前，我们已经支持微软云 Azure、亚马逊云 AWS、华为云等公有云平台，并且正在积极部署私有云服务。

作者个人简介

李扬，Kyligence 联合创始人兼 CTO，Apache Kylin 联合创建者及项目管理委员会成员，主创团队架构师与技术负责人，专注于大数据分析、并行计算、数据索引、关系代数、近似算法等技术。曾任 eBay 全球分析基础架构部大数据资深架构师、IBM InfoSphere BigInsights 的技术负责人、摩根士丹利副总裁。