大数据仓库技术深度解析（智能数据仓库领域的开拓者）

虽然大数据的概念起源于美国，但是发展速度最迅猛的地方还是在中国，这主要得益于国内拥有广大的互联网用户群体，这些大量的用户资源给中国企业制造了天然的、独一无二的大数据环境。

在这样的背景下，上海浦东软件园入驻企业上海跬智信息技术有限公司（以下简称“Kyligence”）的发展尤为迅速。Kyligence成立至今仅三年多时间，已获得4轮融资，企业估值5亿人民币以上，据不完全统计，全球超过1000家公司已使用其作为大数据分析平台，其中约60%是世界500强企业。

数据激增时代下的技术变革

1990年前后，数据仓库技术理论被提出。该理论认为应该把企业各个分散的业务数据整合起来，构建成统一的数据仓库。不过，2006年后开始，随着云计算的蓬勃发展，各个领域的企业都纷纷开始上云。由此数据不断地大量涌现，这时候企业如果在云上建一个统一的分析仓库，就要面临各种挑战。

首先，数据体量变得越来越大，呈现出越来越多样和复杂的特质；其次，存储的成本和性能上，原有的数据仓库技术已经不能满足企业快速增长的业务需求；最后，虽然业界推出了依靠更加专业的数据科学家来解决问题的解决方案，但本质上还是在依赖大量的人工进行工作。

针对以上这些问题，Kyligence应运而生，将更多的精力放在关注数据所带来的业务决策上，不断优化、创新智能数据仓库，解决传统数据仓库与大数据的融合难题。企业通过其“融合数据仓库架构”，可以实现历史数据和实时数据的融合，更快地支撑整个业务的发展。

引领现代数据仓库发展方向

谈及企业创立之初的想法，韩卿感慨道：“我们希望在整个大数据行业里面，有一家专门做底层技术的创业公司能够在行业内做些突破，做点不一样的事情。这是我们创立Kyligence的初衷。”

“由于核心技术的知识产权限制以及过去多年对数据仓库的重视程度不够，整体来说尤其在国内，Kyligence在数据仓库应用这个细分领域中是独一无二的。”韩卿在接受记者采访时这样说道。

据Kyligence联合创始人兼CTO李扬介绍，2019年7月发布的Kyligence Enterprise v4.0，使用机器学习提供增强分析能力，不仅可以简化数据模型的准备工作，帮助企业大大提高数据处理与分析的效率，同时，改变游戏规则的架构和技术创新降低了对Hadoop的依赖。2019年9月发布的Kyligence Cloud v3.0，支持Azure、AWS、阿里云及Google云平台，简化了云上数据分析体验，提供互联网级的超快性能。每一个产品的发布，都意味着Kyligence在引领现代数据仓库发展方向的道路上又前进了一步。

心怀感恩 坚守初心

目前，Kyligence已经为金融、电信、零售、智能制造、能源等行业的企业提供下一代企业级智能数据仓库及融合大数据分析平台解决方案。招商银行、上汽集团、太平洋保险、中国银联、OPPO、华为、中国移动等大型企业，都在使用其产品。作为大数据初创企业的领跑者，Kyligence将其取得如此成绩的核心优势归结为团队和客户认可。

在技术领域中，团队的凝聚力和认可程度非常重要。韩卿表示，目前Kyligence团队有一致的方向，大家知道自己正在做的是一件非常有意义的事情。团队统一的认知是Kyligence发展的主要原因。当然，一个技术或者产品的问世，如果没有客户认可的话，团队可能很快就会失去动力。所以说，客户认可也是Kyligence发展的核心优势之一。

同时，正如韩卿所说，Kyligence的核心目的一定不是以业务为主导，而是希望不断在技术上进行突破，始终站在行业前沿。正因如此，Kyligence获得的投资资金主要用于加大产品关键技术的研发投入，希望进一步提升大数据分析领域的智能化和自动化。

未来，Kyligence将继续致力于业务与科技的深度融合，赋能更多领域，不断加强数据探索能力，促进行业的深化变革。

Kyligence成立于2016年3月，于同年7月入驻上海浦东软件园。Kyligence是一家专注于大数据分析领域创新的数据科技公司，提供基于Apache Kylin的下一代企业级数据仓库及商务智能大数据分析平台和解决方案。从私有部署到云计算平台，Kyligence都能使用户在超大规模数据集上获得极速的洞察能力，以释放数据价值，驱动业务增长。