如何才能释放生产力，这是一个人类几千年来都在思考并尝试解答的问题，而在经历了三次工业革命之后，有一点已经成为共识，那就是先进技术的使用，可以普遍性的释放企业和社会的生产力。
可以看到，随着组织业务多样化以及内部系统复杂程度的提升，目前基于传统信息化思维建设的企业业务系统的弊病正逐渐显露——系统割裂导致的信息流通不畅和数据操作不同步、内部跨部门沟通存在时滞导致业务流程进度脱节等问题均制约了企业的业务发展。也正因此，用数字化工具赋能人效提升，加速业务运转已成为未来企业数智化转型的趋势所在。
特别是随着AI时代的到来，尤其是过去半年以ChatGPT为代表的生成式AI的爆发，不仅正在快速重塑企业应用中人与机器，以及人与数据之间的交互模式，更让以AI等新技术释放企业数智生产力带来了巨大的想象力空间。
在此背景之下，作为领先的大数据分析和指标平台供应商，Kyligence日前也“与时俱进”的发布了Kyligence Copilot“AI数智助理”（预览版）、一站式指标平台 Kyligence Zen的Cloud和Enterprise版本，以及企业级OLAP平台Kyligence Enterprise最新版本等产品，希望以此更好助力企业进一步以AI提升数据分析效率、以AI赋能运营、以AI加强协同，最大化释放企业的数智生产力。
客观地说，Kyligence全新的产品组合，特别是以AI数智助理为代表的产品发布背后，意义可谓十分重大和深远。一方面，Kyligence正以前所未有的产品创新力和全新的产品交互方式，帮助企业轻松从指标中获取业务洞察，简化和降低数据分析门槛，由此带来了数据分析的“新范式”；另一方面，它也驱动Kyligence从一家技术公司向一家管理软件公司“跃迁”，即以数据为基础，从指标侧构建、输出企业的经营管理体系，推动企业实现精细化运营，让更多的中国企业实现高效、高质量的增长。
三个维度，释放数智生产力
“为什么最近4天的原材料损耗费用增加了？”，“为什么特殊运输费用增加了？”，“最近30天每天的销售总额是多少？”——这是跬智信息（Kyligence）联合创始人兼CEO韩卿在在Kyligence用户大会现场，和Kyligence Copilot对话提出的问题，而Kyligence Copilot也非常“智能”的以文字和统计图结合等方式实时呈现出各项指标分解和运营分析数据，这也让韩卿“悬”着的一颗心终于踏实了。
事实上，作为一家数据分析公司，Kyligence一直致力于将AI融合到数据平台与指标应用中，更高效、自助地支撑业务经营和决策，早在2019年，Kyligence 就推出了AI增强引擎以实现数据模型自适应匹配业务查询需求，而当这一波生成式AI浪潮出现之后，Kyligence也迅速抓住了“机会”，并基于过去几年的技术沉淀和积累，向市场正式推出了Kyligence Copilot AI数智助理（预览版）。
简单来说，Kyligence Copilot是基于Kyligence Zen一站式指标平台的“AI 数智助理”，它结合了大语言模型能力，能够帮助企业用户通过自然语言对话的方式获取指标、完成围绕业务指标的分析和洞察、并支持自动创建仪表盘，无论企业用户的数据知识和技能水平如何，都能轻松驾驭，从而大幅降低一线业务人员用数的门槛，提升工作效率。
在韩卿看来：“这一波生成式AI的出现，带来最大的变化就是人机交互模式的变化，在数据分析领域，过去如果企业管理者要看相关的业务指标，只能委托专业的数据工程师帮忙处理相关的事情，整个交互模式类似一层层的‘转包’，效率非常低下，而Kyligence Copilot的价值在于，它在企业的数据分析中能起到一个放大器的作用，不仅是一款更好的效率工具，更关键的在于，它正重塑整个组织的运营与管理方式。如果做一个比喻，相当于大家日常驾驶的汽车，它的外形虽然没有变化，但是现在通过引入AI，实现了自动驾驶的功能。”
具体而言，以Kyligence Copilot为代表的AI技术能够从效率、经营、协同三个方面给整个组织的运营与管理带来变革。
一是，从效率维度看，Kyligence Copilot能够提升分析效率释放所有人的潜力。过去企业进行数据分析，通常是以数据为中心，先进行数据治理、模型构建、报表制作，最后再给业务使用，整个过程非常漫长且效率不高。
而Kyligence Copilot将改变这种模式，帮企业解决所有和数据和指标相关的问题，无论是指标查找、指标推荐、归因分析、创建仪表盘等都可以通过自然语言的方式快速实现，由此为企业的数据分析与管理带来巨大的变革。
二是，从经营维度看，Kyligence Copilot能够赋能运营释放管理的潜力。在实际操作中，基于Kyligence Zen指标平台能够以目标管理的形式把指标进行有机的组合，而Kyligence Copilot则可以基于指标背后的逻辑，向企业用户提供“KPI评估及建议、归因分析，以及行动建议”等。
如韩卿所言：“Kyligence Copilot 是非常理性和客观的，都是直接给出基于数据的事实，而这一点是人类很难做到的，而从管理的角度来讲，目标的实现非常需要强大的执行力，而AI会辅助管理者监督执行的情况，并且给出建议从而调整执行情况，这也就是AI 赋能运营来提升企业管理潜力的具体例证。”
三是，从协同维度看，Kyligence Copilot还能够加强协同，从而释放组织内部，以及组织和组织之间的潜力。即Kyligence Copilot可以去对接不同的数据产品，整合不同的第三方软件和系统，以数据产品的形式加强组织间的协同。
为了达成这一目标，目前Kyligence Copilot结合 Kyligence Zen 指标平台可以通过“Service”的方式嵌入到企业已有的应用之中，快速赋能企业，让企业应用可以在最快的时间里拥有 AI+指标分析 的能力；与此同时，Kyligence也正联合更多合作伙伴，整合更多第三方的能力，相信也能够在协同领域带来更多的创新和想象力。
从这个角度来说，Kyligence Copilot迈出的“一小步”，也意味着“以 AI变革组织运营与管理”正走出了“一大步”，它不仅能够让AI技术的红利“普惠”到每一家企业和每一个个人，引领人机交互以及“Data+AI”的新未来，更真正释放数智生产力的“乘数效应”。
人人用数，从梦想变成现实
值得一提的是，随着Kyligence全新产品组合的发布，其一直倡导的“人人用数”的理念也变得更加的触手可及，而背后更大的价值在于通过这么一套产品“组合拳”， Kyligence也将能够更好地推动中国企业走向精细化管理之路。
对此，跬智信息（Kyligence）联合创始人兼 CTO 李扬给出了这样的一个公式，即人人用数=AI助理+指标体系+合理成本。那么，这个公式究竟代表什么样的含义，具体来看：
AI助理，它能够提供“零门槛”的数据工具，是“人人用数”这个拼图中最关键的一个部分，解决的就是数据工具连通性“最后一公里”的问题；而指标体系，在数据分析体系中，则能够提供一个通用的、零门槛的“数据语言”，是企业数据共享和协作的前提；而合理成本，则指的是为成本优化的数据引擎，即通过OLAP优化数据，最终让AI赋能业务场景，带来更大的价值和回报。
那么，对应到Kyligence产品“组合拳”中，则是Kyligence Copilot+Metrics Store+高性能的OLAP的引擎，这三者组合在一起则成为了Kyligence Zen平台，由此就能实现一个完整的拼图，或者说形成数据分析体系的“闭环”，并真正开启一个“人人用数”的新时代。而在具体的落地方案上，目前Kyligence指标平台+AI的落地方案包括了三种形式，即SaaS、本地化部署和嵌入式部署。
首先，SaaS化方案，比较适合企业开展“技术验证”， Kyligence则最大化的提供数据安全的能力。例如，整个 Kyligence Zen 的生产域是与Kyligence办公域是完全隔离；同时，数据存储和计算资源也都是按照组织来隔离的，比如说有不同的公司来申请注册，每一位申请到的组织的资源都是与其他的组织完全隔离的；此外，数据全程加密，不管是数据存储还是传输，全程都有加密管控，只有客户和Zen的应用程序能够接触到数据、处理数据。在此基础上，所有对生产环境的访问都有流程来保证审计和留痕的审查。
其次，本地化部署方案，即把Kyligence指标平台+AI的方案落地到企业的私有云环境之中，这个过程中最关键的环节就是要解决语言大模型的理解能力以及可靠性，这方面Kyligence Copilot既能够支持开源的大模型，也支持企业自有的大模型。
据了解，此前Kyligence就用开源的大语言模型代替ChatGPT进行了一些初步的尝试，比如LLaMA 13B 和 Falcon 40B在测试指令理解能力这个方面大概可以达到 ChatGPT 3.5 的 70% 左右的能力；而针对国内的大模型，Kyligence目前也是可以快速进行合作和对接的，并且也能和更多的企业展开共创，解决本地化部署的难题。”
最后，是嵌入式方案，目前Kyligence是以指标平台为核心，周围布局了一些指标能力，二这些能力都能够以开放 API 组件化的方式来设计和提供，变成企业应用的一部分直接服务客户，同时也可以嵌入到合作伙伴的行业解决方案、大企业内部的企业数据平台中。换句话说，企业只需要简单的操作，就能够把Kyligence Copilot的自然语言能力，快速嵌入到企业自己开发的系统中。
李扬强调说：“只需要十行代码，就能够把 Copilot 这样的能力嵌入到企业现有的应用中。这些操作指南大家可以在 Kyligence Zen 的使用手册上看到，这也适用于各种 SaaS 应用、行业私有化的解决方案和企业内部的数据系统。”
而展望未来，Kyligence也将围绕“AI助理+指标体系+合理成本”这三个方面持续创新和优化，更好的推动企业Kyligence指标平台+AI的方案落地的千百行业之中。
例如，针对Kyligence Copilot，Kyligence并不会做通用的大模型，而是专注聚焦指标领域的语言模型训练，打造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；而指标体系方面，Kyligence Zen作为低代码的指标平台，也能够企业在通用的指标体系之上，快速沉淀基于业务创新的指标体系，实现快速的复制与推广，抬升行业数智管理的基线；最后在成本方面，Kyligence 的目标是打造AI时代的 OLAP 引擎，支撑起百倍的负载，利用自身已经成熟的多维数据引擎、向量化计算引擎（Kyligence Turbo）等技术持续进行成本的优化，最大程度推动企业实现“人人用数”的目标。
“我们最终希望能达成的效果是，就像ERP到来的时代那样，通过Kyligence的努力，把整个企业的管理水平提升一个台阶。我们参考ERP的落地进程，如果对应到数据管理，应该是先在几个典型的行业和头部客户中，建立指标体系的模板，基于行业know-how，大家知道应该用什么样的数字化方法去管理这个领域，还能用指标体系的方式沉淀下来，而这些知识不仅是沉淀，还可以复制，而这就是Kyligence未来技术创新的重要方向。”李扬告诉我。
由此可见，推动“人人用数”照进现实，Kyligence并不是说说而言，其不仅提供了Kyligence Copilot+Metrics Store+高性能OLAP引擎的产品“组合拳”，同时也通过三种部署方式和持续的技术创新，推动Kyligence指标平台+AI方案的落地，相信也将能够让数据分析在千行百业中得到更为广泛的应用并发挥更多的价值。
持续创新，背后探索的价值
俗话说，机遇往往是留给那些有准备的人。因此，接下来要追问的是，为什么是Kyligence，而不是其他的数据分析服务商能够率先在市场中推出Kyligence Copilot这样的创新产品，并敢于喊出“以AI变革组织运营与管理”的新主张呢？
第一，是Kyligence对行业特定领域认知的深度。在韩卿看来：“Kyligence做了这么多年数据仓库、数据分析，其实非常理解这个行业的痛点在哪，低效的点在哪，哪些地方用到了大量人力。也正因此，Kyligence一直在做的一件事情，就是基于对行业痛点的理解，找到可以利用AI技术在哪些点突破、创新。”
第二，是Kyligence技术沉淀之后的“厚积薄发”。回头来看，Kyligence一直在“Data + AI”领域展开持续的创新实践，2019年推出的AI增强引擎就是例证；而从2022年开始，Kyligence 基于在AI增强引擎方面的技术积累，以及众多企业客户的实践经验，发布了一站式指标平台 Kyligence Zen，则实现了把企业数据平台的数据资产转化为有业务含义的指标定义；而当大语言模型到来，Kyligence基于指标平台、AI 增强引擎和大模型技术，又推出了Kyligence Copilot，可以说Kyligence Copilot的“应运而生”，不是“一蹴而就”的，而是Kyligence过去七年踏踏实实专注技术创新而来的。
第三，是Kyligence在大数据分析和指标平台这个赛道的“专注”。今年以来，随着以ChatGPT所代表的大模型的出现，不仅在国内形成了“海啸效应”，很多科技公司也都在想方设法进入大模型的赛道，但Kyligence始终坚持“有所为有所不为”。
“我们做这么多年企业服务学到的东西是，就是要把专业服务做好、做深、做专业，就得聚焦，不能什么都做，不能今天什么热就做什么。我此前曾在内部写过一篇全员信，有三句话：大模型not our game，它本身不是Kyligence领域，也不是我们参与的地方；第二，要be part of the game，Kyligence要积极参与进去；最后是build our own game，要找到自己的游戏赛场，而Kyligence Copilot，就是我们在大数据分析这个领域，基于指标平台，把AI能力放进来融合创新的产品。”韩卿最后说。
总的来看，站在企业数智化转型的重要关口，Kyligence通过前瞻布局，持续创新，并坚持“有所为和有所不为”的理念，这让Kyligence有能力，也有信心推动“以AI变革组织运营与管理”在更大范围的“落地生根”，同时最大化的释放更多中国企业和组织的数智生产力。
