1、12022 中国指标中台市场研究报告在经济增速放缓的大背景下，激烈的市场竞争，多变的消费需求以及日新月异的技术创新为企业带来高风险的生存环境，2020 年疫情的爆发又使企业的生存空间进一步恶化。企业的未来充满不确定性，企业也比以往任何时候都更需修炼“内功”，通过精细化管理、数据驱动实现对外部环境的敏捷响应，增强经营韧性。当企业视角转向内部管理，指标对企业的经营价值得到正视，企业需要构建以指标为核心的数字化管理体系。指标作为衡量目标的量化参数，既是企业管理的通用语言，也是业务数据消费过程中承载数据价值的最小单元。指标质量的高低、指标体系的完善与否对业务数据洞察有直接影响。与此同时，企业内部指标管

2、理的历史问题开始暴露，正在积极寻求完善的指标管理解决方案。为深入了解行业对指标体系的应用程度、企业使用指标分析的场景和痛点，爱分析与上海跬智信息技术有限公司（Kyligence）联合开展“企业指标管理与数据分析现状”调研。调研获得各行业指标管理与数据分析专家的积极参与。其中，行业覆盖银行、保险、证券、基金、制造、零售和消费品、通信、地产、物流、互联网、软件服务、医疗和卫生、分析机构以及媒体共计 14 个行业；参与对象涉及产品总监、IT 总监、业务总监、数据科学家、开发人员等多种岗位角色。基于广泛的、数据供应和数据消费多种角色的、不同管理职级的一手信息反馈，调研得出以下结论：前言 22022 中

3、国指标中台市场研究报告 整体来看，以指标体系进行业务管理已经成为企业管理的共识。85%的企业认可指标管理对企业实现数据驱动的重要性，并将指标作为日常管理的必备工具；企业指标应用的痛点多为共性问题。近 70%的企业均认为指标口径不统一、指标问题难追溯等指标质量问题最急迫。另外，指标体系不完善、指标分析平台性能低也是过半企业的共性问题；令人期待的是，针对指标应用的痛点，超过 77%的企业积极应对、快速采取行动。其中37%的企业已经领先开展指标分析与管理平台的建设，40%的企业已有建设计划，在做前期准备工作，并将于近期开展实施。由爱分析、Kyligence 共同打造的首份2022 中国指标中台市场研

4、究报告聚焦企业指标管理的痛点，对指标中台概念进行定义，梳理指标中台对企业数字化管理的价值，结合对指标中台成功实践案例的研究提出指标中台应用落地方法论，为企业发掘数据价值、实现数据驱动提供路径参考。32022 中国指标中台市场研究报告目 录 前言 .1 1.市场变幻无常，指标驱动的管理模式强化企业韧性.62.指标中台助力企业构建数字化管理体系.173.指标中台实践案例.341.1 市场环境不确定性加剧，企业亟需增强经营韧性.61.2 构建以指标为核心的数智化管理体系.71.3 企业指标体系管理面临诸多挑战 .112.1 什么是指标中台.182.2 指标中台的价值.212.3 指标中台的应用场景.

5、222.4 指标中台典型厂商 Kyligence .253.1 银行业指标中台实践.34目录CONTENTS 42022 中国指标中台市场研究报告4.指标中台落地方法论.513.2 保险业指标中台实践 .393.3 餐饮业指标分析与管理实践.444.1 指标体系构建.534.2 指标中台功能规划与建设.614.3 指标中台运营.654.4 支撑保障：企业管理意识及数据文化建设.674.5 针对中小型企业的建议.6852022 中国指标中台市场研究报告 62022 中国指标中台市场研究报告1.市场变幻无常，指标驱动的管理模式强化企业韧性1.1 市场环境不确定性加剧，企业亟需增强经营韧性当下，企业

6、正面临着快速变化的市场环境带来的不确定性挑战。科学技术的快速迭代、经济周期的深远影响、全球文化的交织互融以及个人主体意识增强等因素，造就了企业面临着不确定性的市场环境。人们用“volatility,uncertainty,complexity,and ambiguity”来贴切地定义这个时代。宏观环境层面，以疫情、战争为代表的黑天鹅事件层出不穷。自 2019 年底新冠疫情爆发至今，全球疫情防控形势依然不容乐观，全国范围内多地疫情反复。长期的疫情对零售、住宿餐饮、文化旅游、交通运输等行业造成了较大冲击，同时导致居民收入下滑、失业率上升，宏观经济低迷。此外，国际局势动荡，俄乌冲突爆发、欧洲能源短缺

7、、中美科技战、美联储加息等事件，也为国内经济带来外需减弱、金融市场动荡、地缘政治冲突等系列外溢风险。微观环境层面，企业需要面对的是“新常态”。一方面，中国经济经历了一段长时期的高速发展之后，绝大多数行业已经从跑马圈地的增量时代进入竞争激烈的存量时代。另一方面，C 端消费者的需求更加多元化，选择更加自主化，而由消费互联网、产业互联网联结而成的数字经济网络使得这种需求变化的传导变得更加迅速。72022 中国指标中台市场研究报告对于企业而言，充满不确定性的市场环境意味着不可控的生存风险：无法预判的消费需求、持续变化的经营环境、存量市场的激烈竞争、复杂和困难的决策等等。而面对不确定性，传统的粗放式运营

8、、经验驱动决策的经营管理模式，将面临巨大挑战。面对外部市场环境的众多不确定性因素，企业需要提升决策效率，将决策模式从经验驱动转变为数据驱动。这要求企业转向修炼“内功”，向管理要效益，通过更科学、更精细化的管理提高运营效率，及时洞察市场变化并作出敏捷的响应，从而增强经营韧性。1.2 构建以指标为核心的数智化管理体系如何通过管理的优化增强经营韧性？在当前数字经济时代，企业需要结合现代管理科学理论和数字技术，构建以指标为核心的数智化管理体系。管理即目标管理，指标是衡量目标的量化参数1954 年，在经典管理的实践一书中，彼得 德鲁克提出“管理也就是目标管理”，并指出“企业目标是管理层的目标，企业绩效也

9、代表管理层的绩效”，管理者想要达成目标、控制绩效，“仅仅了解自己的目标是什么是不够的，他们还必须能够对照目标对自己的绩效和结果进行衡量。管理者在组织的所有关键领域都必须拥有明确和统一的衡量指标”，并将制定衡量标准定义为管理工作的基本要素。在德鲁克的主张中，衡量指标是实现目标管理的不可或缺的手段。82022 中国指标中台市场研究报告衡量指标，简称指标，可以理解为衡量目标的量化参数，与目标是一枚硬币的两面。德鲁克在书中提出的科学设定绩效目标的 SMART 原则，既指向目标，也指向衡量指标。指标的构成包含度量、维度和维度属性。其中度量是数据表中的数值数据，是被聚合的统计值，也是聚合运算的结果。维度是

10、度量的环境，用来反应业务的一类属性，这类属性的集合构成一个维度，如地理维度、时间维度。维度提供了业务指标对比、观察的角度。而维度属性隶属于维度，如地理维度中的国家名称、国家 ID（代号）、省份名称等都属于维度属性。指标有多种分类方式，如按照测量对象分为：效率指标、营销指标、质量指标；也可以按照结果导向分为结果型指标和过程型指标；或是按照指标的产生过程分为原子指标、派生指标（也即衍生指标）和复合指标。指标是通用的管理语言，指标体系是数字化的管理工具继德鲁克提出目标管理、衡量指标的概念后，管理学理论和工具也不断发展完善。其中，最为著名的是 20 世纪 90 年代初由哈佛商学院的罗伯特 卡普兰（Ro

11、bert Kaplan）及诺朗诺顿研究所所长兼美国复兴全球战略集团创始人戴维 诺顿（David Norton）提出的平衡计分卡（The Balanced Score Card，简称BSC）。平衡计分卡是一个有效的绩效管理工具，通过将企业战略目标逐层分解，转化为各种具体的绩效考核指标体系。平衡计分卡将战略目标分解成指标体系的思路，对企业管理影响深远。92022 中国指标中台市场研究报告图表 1:企业平衡计分卡指标体系示意图注：根据公开资料整理当前，企业在实际经营中，指标体系并不局限于战略目标的分解，而是将经营活动涉及的各个层级、各个部门、各个环节的目标的衡量参数均纳入指标体系，变得更精细、多元和

12、丰富。基于指标体系的管理实践，与科学管理之父泰勒为代表的“精细化管理”理念也不谋而合。指标体系通过量化目标实现更精细化的管控，并可以避免单纯依靠人的经验做决策带来的偏差。从这个意义上来看，指标体系有利于企业实现精细化管理中的“五个精细化”，即“精细化操作、精细化控制、精细化核算、精维度战略目标指标财务维度增长战略利润营收生产力战略提高资产周转速度合理控制成本费用客户维度活跃会员数提升客户服务满意度内部流程技术研发加强核心技术研究和应用提升新产品竞争力提高敏捷制造能力精加工技术应用品牌形象提升产品品质优化传播渠道三层营销体系建设成为目标客户消费首选 102022 中国指标中台市场研究报告细化分析

13、、精细化规划”，帮助企业摆脱粗放的管理模式，实现更科学、更细化的管理。此外，指标体系在企业数字化转型中承担着推动数字化进程、实现数据驱动的重要角色。企业在业务发展过程中会产生大量数据，而指标天然是数据化的，基于数据的指标体系能够对业务进行多维度、全局性、有体系的监控和评估，洞察数据价值，提升管理和运营效率，驱动业务发展。鉴于指标体系能对齐组织意识、协同上下共同达成目标，是过程管理的力度和粒度的精准体现，指标体系已经成为当下企业通用的管理工具。43%42%12%3%如果请您评价数据指标体系对公司的重要程度，您觉得应该是贵司使用指标体系进行业务管理的频率重要非常重要一般重要不重要经常一般偶尔从不4

14、9%36%12%3%以指标体系进行业务管理已经成为企业共识，85%的企业认可指标管理的 重要性图表 2:调研问卷数据注：数据来自爱分析、Kyligence“企业指标管理与数据分析现状”调研112022 中国指标中台市场研究报告企业使用指标体系作为管理工具的情形较为普遍。参与调研的企业中 85%的企业认可指标管理的重要性，42%的企业认为非常重要，43%的企业认为重要。受访企业中近半数的企业经常使用指标体系，36%的企业使用频率一般，15%的企业偶尔或从不使用。1.3 企业指标体系管理面临诸多挑战 传统指标管理模式“散乱”、“反应慢”企业使用指标体系进行业务分析与决策的实践由来已久。为了更好地支

15、持业务需求，需要对指标体系进行定义与更新、存储、计算、查询等管理工作。传统的指标体系管理模式有两个典型特征。指标管理分散。企业一般根据各部门的分析需求将指标就近分散地存储在多种数据管理和分析工具之中，包括关系型数据库、非关系型数据库、数据仓库、BI 工具、计算引擎、业务系统指标库等。这种分散的管理模式造成了数据孤岛，进而带来指标定义不一致、指标开发重复、指标权限管理不清晰等问题。122022 中国指标中台市场研究报告协作模式强依赖数据开发部门。传统的指标体系管理模式下，当业务部门有数据分析需求时，需要由业务部门向数据开发部门提出需求，数据开发人员汇总需求后进行集中处理，处理流程包括从多个数仓、

16、业务系统中采集数据，再汇总计算后，将计算结果整合成相对固定化的数据报表提供给业务部门。在这种协作模式下，由于需求理解的差异可能导致反复沟通和协作不畅，且业务部门的需求增长往往导致数据开发部门的响应周期较长，一般以周甚至月为单位。图表 3：传统指标管理模式指标分散132022 中国指标中台市场研究报告图表 4：传统指标管理协作模式 指标体系管理和应用面临新需求在构建以指标为核心的数智化管理体系的背景下，企业对于指标体系的管理和应用将产生一系列新的变化。指标成为核心数据资产。随着企业管理层和业务人员自上而下地在日常经营管理中更加高频、深入地使用指标作为业务决策依据，指标体系在企业内部的重要性将愈发

17、凸显，成为企业内部统一的业务语言。相应地，指标将成为企业最核心、最重要的数据资产。这就要求指标体系更加完善、清晰、准确，否则将无法有效地支撑业务。数据分析平民化。随着数据驱动下沉到业务一线，数据分析平民化的趋势愈发显著，数据应用的用户范围从管理层扩展到广泛的业务人员，使得越来越多的业务人员成为指标的用户。这将带来指标数据消费需求的爆炸式增长，需要指标管理模式能支撑提供海量、实时、智能的自助式和探索式数据分析。数据开发部门统一开发支持报表A报表B报表C报表N部门A部门B部门C部门N提出指标需求 142022 中国指标中台市场研究报告 传统指标体系管理模式面临四大挑战传统指标体系管理模式的特征，以

18、及企业对指标体系需求的变化，使得传统的指标管理模式“失灵”，具体的挑战表现在以下四个方面。第一，现有系统无法满足业务人员更精细化、更实时的用数需求。随着企业的数据服务对象从管理人员为主转向更多的一线业务人员，这对企业的数据服务能力也提出了更高的要求。一方面，为了让业务运营实现更深度的数据驱动，企业需要给业务人员提供更细颗粒度的指标。以银行的普惠金融、营销业务场景为例，一线业务人员在开展业务时不仅需要汇总的数据，还需要对数千万甚至上亿用户从更细的维度去进行数据分析；另一方面，大量业务人员的用数需求都要求更高的时效性，如果像传统报表开发需要等待数天或者更长时间，将无法适应业务快速变化的需求。第二，

19、IT 能力难以适应爆炸式的数据消费的要求。面对业务部门急剧增长的数据应用需求，传统的“业务提需求，IT 做开发”的方式不仅会产生大量数据开发的人力成本，甚至 IT 部门无法满足如此大量的数据开发需求，而业务人员又难以自主地进行指标开发。与此同时，指标应用的大量增加也会对 IT 资源提出更大的挑战。一方面，各部门各自生产数据指标，由于口径不统一，原始数据表经过多次加工处理会产生多个衍生表。第三，管理人员缺少统一的指标查询入口。为了支撑企业内各级管理者能做出正确的决策和指挥，需要为其提供及时、准确的数据指标查询入口。同时，管理者也需要对一线业务人员在使用的指标情况进行全局掌握，提高管理效率。因此，

20、需要有一个统一的平台，能将管理者的指标和业务人员在开发和使用的指标进行端到端的打通，并且在平台上进行指标的敏捷加工和快速展示，从而实现有效管理。152022 中国指标中台市场研究报告第四，数据治理缺乏有效抓手，数据治理工作很难推进。数据量的急剧膨胀通常会导致系统中的数据质量变差的问题，也因此会给数据存储、处理和分析各环节的性能和使用效率带来很大挑战。此时，企业需要通过开展数据治理工作来提高数据质量。然而，在企业的实践中，数据治理工作经常会半途而废，其中最核心的原因在于，数据治理工作往往非常繁杂和耗时，当企业缺乏有效的抓手去开展数据治理工作时，将很难产生直接的成果和效益，到了后期也就无法继续推进

21、。企业指标体系普遍面临多种问题图表 5：调研问卷数据6%32%43%60%65%69%0%10%20%30%40%50%60%70%80%90%100%其他数据开发周期长缺乏数据运营支持数据分析平台功能、性能待完善指标体系不完整指标质量您认为贵司的指标体系现存问题有？注：数据来自爱分析、Kyligence“企业指标管理与数据分析现状”调研调研显示，“指标质量”、“指标体系不完善”、“数据分析平台功能及性能待完善”三项占比均超过 60%，意味着 60%以上的受访企业均选择了这三项，这也反映出这三项是企业使用指标体系过程中普遍面临的痛点，其中以指标口径不统一、指标问题难追溯为代表的指标质量问题最突

22、出，占比 69%居首位。162022 中国指标中台市场研究报告172022 中国指标中台市场研究报告2.指标中台助力企业构建数字化管理体系据爱分析与 Kyligence“企业指标管理与数据分析现状”调研显示，针对指标体系的众多问题，企业纷纷采取行动、投入资源对指标分析与管理平台进行升级，77%的企业计划或已经采取行动，85%的企业明确将投入资源，指标分析与管理的价值得到重视。建设/升级指标分析与管理平台迫在眉睫，77%的企业计划或已经采取行动 图表 6：调研问卷数据40%37%23%未来年内，贵公司是否有建设或升级指标分析与管理平台的计划？是已经在做否注：数据来自爱分析、Kyligence“企

23、业指标管理与数据分析现状”调研面对指标体系的种种痛点，主流企业均快速反应、积极应对。受访企业中，37%的企业已经进行指标分析与管理平台的建设或升级行动，40%的企业已将建设或升级计划提上日程，23%的企业暂无计划。182022 中国指标中台市场研究报告指标体系战略意义凸显，85%的企业明确将投入资源图表 7：调研问卷数据未来2-3年内贵司在指标体系管理和应用方面，愿意投入多少资源?14%17%26%28%15%0%5%10%15%20%25%30%500 万以上100-500 万50-100万0-50万0（无此方面投入）注：数据来自爱分析、Kyligence“企业指标管理与数据分析现状”调研指

24、标分析与管理的重要性被广泛认可，绝大部分受访企业将在未来 2-3 年内对指标体系投入资源。其中资源投入超百万的占比 31%，百万以内的占比54%，无投入占比 15%。2.1 什么是指标中台为了解决指标体系管理面临的上述挑战，企业亟需引入新的解决方案，一套新的指标体系管理模式和架构指标中台应运而生。192022 中国指标中台市场研究报告指标中台是供组织集中管理、存储关键指标的平台，提供统一业务模型、指标管理、指标加工、数据服务于一体的完整的解决方案。它是一种集中组织数据的方式，以可重复的方式访问关键指标，用户可以使用多种应用在下游消费这些指标。以 Airbnb、Uber、LinkedIn 为代表

25、的国际大型科技公司内部率先将指标中台引入数据平台架构中。Airbnb 的 Minerva 指标应用管理平台早在 2014 年，Airbnb 已经为核心数据构建了高质量数据模型，但分析师们仍需花费大量时间将数据集整合在一起进行分析，为统一指标口径筋疲力尽。于是，为解决此问题，Airbnb 建设了 Minerva 指标应用管理平台，将事实和维度表作为输入，执行数据非规范化，并将聚合数据提供给下游应用程序。Minerva API 弥合了上游数据和下游消费之间的差距，使数据工程团队能够灵活地修改核心表，同时保持对各种下游消费者的支持。Uber：uMetric 解决指标差异问题在 Uber，业务指标对评

26、估员工表现、衡量新产品影响以及优化决策过程至关重要。但随着数据平民化，不同的团队会构建自己的数据管道，并使用不同的商业智能工具呈现，出现不同的指标逻辑，进而导致指标的下游消费者可能会做出不一致或错误的决定。为了解决这个问题，Uber 构建了统一的内部指标中台 uMetric，支持指标从定义、发现、规划、计算、质量到消费的整个生命周期。202022 中国指标中台市场研究报告 LinkedIn：将指标应用管理平台作为所有业务指标的单一真实来源LinkedIn 也在使用指标应用管理平台，LinkedIn 的指标平台通过提供集中的指标处理管道、指标计算模板、系列工具和流程来管理指标生命周期，并将该平台

27、作为 LinkedIn 所有业务指标 的单一真实来源。“中台”即连接后台与前台的“中间层”，根据前台数据消费侧（BI 工具、Apps、AI/ML、取数工具等）的需求，将后端（数据仓库/数据湖）的相应数据加工成”数据服务 API”，供前端所有系统使用。指标中台作为“中台”，提供了一致性、可复用的指标服务。此外，指标中台为业务用户设计，无需考虑底层技术细节，分析师可聚焦在有价值的指标上，人人都可实现自动化、个性化的指标消费，真正释放分析师和工程师的生产力。图表 8：指标中台在企业数据分析平台中的定位OLAP数据库/流数据/Apps/APIs&SDKs/其他来源数据数据来源数据合并数据湖BI工具数据

28、应用AppsAI/ML其他SaaS工具指标中台指标中台数据仓库212022 中国指标中台市场研究报告具体功能层面，指标中台包含指标应用、计算引擎和安全运维。其中指标应用包括指标定义、指标可视化、指标质量、指标管理和指标服务等功能，计算引擎应具备海量计算、秒级响应、高 QPS 的特性，支持明细查询、聚合查询。安全运维应对指标中台提供数据安全、运维及监控等保障功能。图表 9：指标中台架构示意图2.2 指标中台的价值指标中台的应用将为企业指标管理模式带来深刻转变。支撑以指标为核心、数据驱动的数智化管理体系。企业内各级管理人员可以通过指标中台更加便捷高效地访问数据化、体系化的业务经营指标，从而更加及时

29、、准确了解经营情况，真正实现基于数据驱动做出正确的决策。222022 中国指标中台市场研究报告降低用户门槛，赋能业务自主用数。指标中台可以面向全公司用户提供数据访问、自助分析以及数据开发能力，降低用户使用数据的门槛，赋能业务自主用数，加速企业数据分析文化的培养。提升开发效率，以数据敏捷推动业务敏捷。指标中台通过指标模型智能管理、加工与查询加速，可以大幅提升数据开发效率，以数据敏捷推动业务敏捷，变革传统的“业务提需求，IT 做开发”的合作模式。助力数据治理。由于指标计算涉及底层多方面的数据，且业务人员日常会频繁关注和使用数据指标，数据质量导致的指标口径不一致的问题会更容易被发现。以指标治理为抓手

30、，对齐指标口径，能有效推动数据治理工作。2.3 指标中台的应用场景指标中台有着丰富的应用场景。需要建立指标的主要是企业战略目标的关键执行部门，或者是企业经营的关键领域。关键部门根据企业情况有所差异，但直面客户的销售、营销、运营，掌握公司核心竞争力的研发、生产，以及为保障公司运转顺畅的 IT、人力、财务等部门都需要通过指标体系推进业务，因此也是指标中台的重点服务部门。232022 中国指标中台市场研究报告图表 10：指标中台应用场景指标中台应用场景地图产品研发事故复盘研发工单测试生产制造周期时间一次性成品率供应商质量产能利用率设备效率供应链/采购库存周转率周转天数物流配送准时率供应链成本营销/运

31、营复购率品类分析购买转化率会员分析销售销售数量销售成本销售利润销售利润率IT资产总额客户满意度服务响应时间工单处理率关键人才满足率人效指标IT运维人力财务总账登记及时率资金利用有效性 242022 中国指标中台市场研究报告营销、销售和研发是指标高频应用场景图表 11：调研问卷数据贵司使用数据分析的场景主要集中在?5%20%31%35%38%38%51%51%68%0%10%20%30%40%50%60%70%80%其他IT运维人力财务生产供应链/采购研发销售管理市场营销/运营注：数据来自爱分析、Kyligence“企业指标管理与数据分析现状”调研数据显示，企业中数据分析也即指标应用的场景涉及广

32、泛，但营销、销售和研发是公认的高频使用场景。其中 68%的企业均在市场营销/运营中使用指标分析，51%的企业对销售管理、研发进行指标分析，供应链、生产、财务、人力等场景指标分析渗透率在 30%-40%之间，涉及 IT 运维场景的企业仅 20%。252022 中国指标中台市场研究报告2.4 指标中台典型厂商 Kyligence虽然指标中台的概念和实践在国内还处于早期阶段，但在供给侧，已经有厂商推出了相关产品和解决方案，有力推动了指标中台市场发展与落地。其中，Kyligence 是全球指标中台（Metrics Store）市场中最具代表性的厂商，Kyligence 基于指标体系打造了指标引擎、指标

33、中台产品及技术解决方案，致力于帮助企业释放业务自助分析潜力，构建更完善的数字化经营管理体系。多年来，Kyligence 持续在 OLAP 领域深耕。在通过 Kyligence 企业级产品Kyligence Enterprise、云产品 Kyligence Cloud 等构建的数据分析与管理平台及服务，Kyligence 见证了服务企业从粗放化管理向以数据为基础的精细化管理转变趋势。一方面企业积累了丰富的数据，希望沉淀数据资产，对数据进行治理、对指标进行管理。另一方面，众多行业的领先企业正在内部推动数据平民化，对数据高效利用的强烈需求推动企业搭建以指标体系为核心的数智化管理体系。基于对企业管理理

34、念转变的洞察、自身指标中台技术和客户落地经验的积累，Kyligence 着手研发指标中台产品及解决方案。Kyligence 多维数据库的核心引擎基于顶级开源大数据项目 Apache Kylin（以下简称 Kylin），以 Cube 理论为基础，能对指标进行智能的预计算，满足企业的指标管理与分析需求。在丰富的大型企业实战经验基础上，Kyligence 优先形成企业级指标中台解决方案，随后又推出成熟的指标中台产品 Kyligence Zen。目前，Kyligence 指标中台产品及解决方案已经服务众多国内外客户，包括多家银行、证券、保险、制造以及零售等行业客户，形成了成熟的To B商业模式和完善的

35、客户服务体系。262022 中国指标中台市场研究报告同时，Kyligence 的产品和解决方案满足信创要求。近年来，在中美贸易战、科技战等内外部多重因素的影响下，发展信创、打造全面自主可控的国产 IT 架构已逐渐成为数字化建设的重要战略方针。指标中台作为企业核心数据基础设施，也需要满足金融、能源、制造等各行业的信创要求。Kyligence 结合大数据上下游的产业链，积极推行与行业生态合作伙伴的适配验证，通过统一接口、灵活的 API 策略，支持 ARM 架构、银河麒麟操作系统、国内云平台技术等信创技术生态，实现主流国产化软硬件的技术验证落地，并形成了配套的行业解决方案，满足众多金融机构等行业客户

36、在信创方面的需求。企业级指标中台解决方案在架构上，Kyligence 企业级指标中台解决方案由指标管理引擎和指标计算与查询引擎两个组件构成。该解决方案具备 AI 增强分析和高性能查询能力，支持统一语义层，提供全面的 API 集成接口等核心优势，能全方位增强数据易用性、提升数据开发效率，以及降低企业管数用数的开发运维成本。272022 中国指标中台市场研究报告图表 12：Kyligence 企业级指标中台解决方案AI 增强的智能指标引擎：实现指标的高效建模、智能加工计算，大幅降低指标 ETL 开发工作量，加快指标开发与上线效率。如针对指标管理系统产生的指标定义，AI 增强引擎可实现智能建模、自动

37、汇总加工计算，改革传统手工写SQL 脚本进行加工的方式。另外，对于相似的指标定义，如仅汇总粒度不同或是口径不同的指标，AI 增强引擎会智能进行模型合并，实现指标数据治理，保证指标数据口径一致。最后 AI 增强引擎的自动预聚合功能，能合并中间明细层和主题层，减少数据汇总层和应用接口层加工过程，缩短数据处理链路。BI产品/可视化工具标准SQL第三方应用访问 REST API指标管理引擎指标管理指标标签接口服务角色权限指标计算与查询引擎查询服务语义层安全API接口SQL引擎智能引擎智能路由监控智能优化智能建模分布式存储聚合索引运维查询下压明确索引数据仓库Web/AppExcelOpen API 28

38、2022 中国指标中台市场研究报告图表 13：Kyligence AI 增强引擎效果示意图高性能全场景的 OLAP 引擎：保证各类指标查询的秒级响应，保障用户用数体验，实现指标深度分析与洞察。统一语义层：基于集市模型实现上下口径统一的数据语义层，基于维度实现指标的穿透式分析；同时提供各类数据查询服务接口，比如 SQL、MDX、REST API 等，更好地对接各类指标应用。全面的 API 集成接口：与企业现有的数据管理、调度、安全等组件无缝集成，从而构建企业统一的指标中台。292022 中国指标中台市场研究报告在服务企业过程中，该解决方案关注的核心功能有：模型管理、指标管理、指标层级管理、指标元

39、数据查询、数据引擎对接、指标数据查询/分析、指标权限管理、预警管理等。此外，还会针对企业个性化需求提供增值功能，如需求管理、指标版本管理、元数据管理、智能推荐、指标画像、相关性分析/归因分析、指标评论、使用统计等等。该解决方案可以根据企业需求，由 Kyligence 联合生态合作伙伴提供从咨询到落地的端到端解决方案。Kyligence 已经积累了丰富的客户实践案例，协助银行、证券、保险、制造、零售等行业头部企业成功建设指标中台。指标中台产品 Kyligence ZenKyligence 在服务大型企业客户的过程中观察到一个趋势，即不仅互联网公司，越来越多的传统企业也开始使用 SaaS 服务。S

40、aaS 产品具备随时随地支持业务、满足个性化需求的特性，已经成为企业系统优化升级的首选。因此，Kyligence 推出指标中台产品 Kyligence Zen，帮助企业围绕指标为核心，把数据指标化，把指标智能化，以更简单的方式，甚至以智能推荐的方式，让业务用户个性化、自动化使用这些指标，进而更好地消费它。面向中小型企业的 Kyligence Zen 是基于核心 OLAP 能力打造的指标中台产品，为企业提供整合的、轻量级的、开箱即用的指标中台服务，助力业务用户聚焦指标，实现快速的数据洞察和行动决策。Kyligence Zen 可帮助中小型企业以及大型跨国企业的分支机构，无需进行复杂的实施工作即可

41、快速上手使用，其底层引擎使用 Serverless 技术，并支持 ARM 架构，并有效节省计算资源 TCO。Kyligence Zen 现已支持 SaaS 服务形态，或用户也可在亚马逊云科技等平台上进行部署。302022 中国指标中台市场研究报告图表 14：Kyligence Zen目标管理：组织上下目标对齐，实现管理的可观测性。Kyligence Zen 自主研发与设计的目标管理与指标对齐功能，使得组织能够从全局出发，以管理者视角，将企业级战略目标分解为组织各层级的目标，并设置合理的考核或过程指标，持续追踪、对比，驱动组织的数字化转型。指标目录：快速定义和管理指标，打造统一的指标口径。Kyl

42、igence Zen 的指标目录功能，帮企业轻松定义和管理指标，形成统一的指标口径，并通过指标归因分析等能力即时获得可信的洞察结论。同时，Kyligence Zen 提供指标批量导入能力，能够方便地从现有 BI 系统、数据仓库系统或行业指标模板等快速导入现有指标并形成指标体系。312022 中国指标中台市场研究报告指标自动化：高效生成和推荐指标，智能捕获最有价值的信息。依托 Kyligence AI 增强引擎，自动根据指标使用特征动态建设数据集市，业务用户不再需要依赖 IT 开发加工指标。此外，Kyligence Zen 根据指标使用记录，向业务用户自动推荐各种模式下的指标，例如最热指标、最重

43、要指标等。API 集成：轻松构建各种数据应用，释放数据潜力。Kyligence Zen 提供的开放 API 接口，能够支持用户轻松定制工作流，对接飞书等各类管理协同平台或 Excel 等数据分析工具等，如通过指标判断目标完成度，并及时创建改进行动，实现从指标到洞察再到行动的业务闭环，大幅缩短数据驱动业务增长的时间。在数据源方面，Kyligence Zen 不仅支持 CSV 上传，还支持通过云对象存储（如 Amazon S3）接入数据仓库、数据湖或业务系统中的数据。Kyligence Zen 还提供指标可视化能力，用户可以在该产品中创建指标看板快速查看指标数据，也可以组织内发布共享、协同维护。图

44、表 15：Kyligence Zen 零售全场景复购分析指标模板 322022 中国指标中台市场研究报告在企业应用实践方面，Kyligence Zen 提供海量指标模板。指标模板涵盖零售业、金融、建筑、市场与销售、人力与组织管理、IT 与科技等诸多领域，模板包含指标体系、业务目标体系和分析仪表盘等内容，支持用户一键导入，帮助业务高效搭建指标体系。332022 中国指标中台市场研究报告 342022 中国指标中台市场研究报告3.指标中台实践案例3.1 银行业指标中台实践众所周知，银行业的数字化一直走在各行业的前列。一方面，银行业普遍将技术创新作为驱动自身业务发展的核心要素，核心人才储备充足，技术

45、水平领先。另一方面，银行业数据基础扎实，已经积累丰富的高质量内外部数据，并率先完成数据治理、数据应用等基础平台建设，为数据要素价值挖掘提供充分条件。当前，银行业指标数据应用已深入营销、风控、渠道、产品、运营、管理等多个方面，为银行机构实现定制化个性服务、差异化竞争和高效运营提供决策支持。平安银行建设指标中台盘活数据资产、挖潜数据价值平安银行是一家全国性的股份制商业银行，金融服务种类齐全，涵盖零售业务、信用卡业务、公司业务、国际业务、无抵押贷款等多种服务；机构网点覆盖面广，品牌影响市场领先，其业务发展和经营特色多次受国际权威机构好评。2020年度，平安银行曾名列全球银行品牌价值 500 强排行榜

46、第 37 位。近年来，随着大数据、云计算、人工智能、区块链等技术加速创新，数据成为重要的生产要素，数字技术正在重塑商业模式、服务和产品。在此背景下，数字金融也成为商业银行数字化转型的必然选择。2016 年，该银行将数字化转型作为十年战略的重要布局，目前，已经完成了系统的重构和基础设施建设、以及数据中台和技术中台的建设，尤其在零售层面基于精细化的客户分析、营销和推荐，取得了丰硕的成果。352022 中国指标中台市场研究报告由于平安银行的零售业务版块包含信用卡、消费金融、汽车金融、零售网络金融等细分业务，均涉及到产品、渠道、客户、交易等基本信息，在挖掘数据价值，实现精准营销、改善客户体验、创新产品

47、的过程中常涉及到跨业务多维分析。如精准营销中对客户生命周期进行管理时，需对客户在银行内交易、渠道、产品数据进行综合分析，对客户进行精准归类，以匹配不同营销策略；又如交叉营销场景下，需结合客户不同业务线条下的产品数据进行智能产品推荐。随着数据需求的爆发，该银行内的数据表、ETL 作业、BI 报表的开发维护工作量变得非常巨大，由此导致的数据开发周期长，数据口径杂，数据获取难，查询响应慢等痛点也愈发显著。总体而言，该银行在数据应用方面面临数据治理难、数据协同难、数据处理工具使用难的痛点。图表 16：平安银行数据应用痛点平安银行认为，指标是企业最核心、最重要的数据资产，应当以指标的治理作为切入点，通过

48、打造统一的指标访问平台，实现高价值指标资产的整合、展现、治理和共享；同时借助指标中台打破以往“业务提需求，IT 做开发”的被动响应模式，让业务方掌控主动权，快速、灵活地找到需要的业务指标，或者基于现有的指标快速派生新的指标，从而提升业务效率，实现体系化精细化运营。362022 中国指标中台市场研究报告在平安银行指标中台的技术架构中，指标加工和查询引擎是最核心组件。在对比了诸如 Hive,Spark,Impala,Druid,ClickHouse,Flink,Kyligence 等主流引擎后，综合考虑指标引擎的Hadoop生态兼容性、数据量、查询延迟、查询灵活性、QPS 等五个方面，结合厂商服务

49、能力，最终选型 Kyligence Enterprise 作为指标加工和查询引擎的核心组件。建设潘多拉指标平台平安银行提出指标中台顶层设计六原则，包括接入形式简单、应用场景丰富、强大的技术支撑、持续的数据治理、完美的产品设计以及强大的执行力。在秉持六大原则的基础上，经过近一年的建设，平安银行建成了指标管理和指标应用统一的潘多拉指标平台，并初步形成以构建服务、查询服务、数据治理和 AI 能力为核心的中台能力：图表 17：平安银行潘多拉指标平台构建服务：提供数据查询的自动视图构建、Kyligence 的 Cube 自动构建、任务的智能任务管理、智能资源队列等功能，实现指标模型的自动化构建；3720

50、22 中国指标中台市场研究报告查询服务：提供异步查询、主被动缓存、降级下压、智能聚合等功能，满足大数据量多维查询场景下快速响应与灵活分析的需求；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。AI 能力：平台以业务场景为导向，围绕指标应用，提供了算法的接入能力，目前已接入智能预警、规则预警、智能归因、指标推荐等算法，帮助用户更快定位问题、开展分析。在此基础上，平台还为第三方提供了开放组件，可提供算法特征、数据交换、可视化组件、组件查询接口等服务，进一步赋能数据应用，提升效率。潘多拉指标平台提供“AI+

51、BI+内容”基础能力潘多拉指标平台解决了以往数据难治理、数据难协同、数据开发周期长、数据获取难等痛点。以业务场景为驱动，潘多拉指标平台提供“AI+BI+内容”的基础能力，并结合开放组件，为前线业务人员提供数据分析与应用的一站式解决方案。图表 18：AI+BI+内容三大基础能力AIBI内容便捷地深度分析用数简单、自由保证指标数据质量 382022 中国指标中台市场研究报告内容方面：提供了指标、维度和标签的录入、发布和规范化管理的能力，保证数据质量；BI 方面：提供了指标卡片、指标地图、指标看板、指标派生与衍生等功能，使得普通业务人员也能轻松制作看板、分析数据，减少对数据开发人员的依赖；AI 方面

52、：建立了可插拔的智能预警、规则预警、智能归因、指标推荐等功能，结合面向业务场景的 AI 算法，让用户可以更简单、更便捷地开展更深层次的分析。图表 19：潘多拉指标平台使用价值缩短3-5天减少30%超过25%数据开发周期大数据报表开发人力耗费常规需求替换率潘多拉指标平台改变了过往的数据开发模式和数据应用模式，经使用验证，潘多拉指标平台能有效降低数据开发成本，提升数据应用效率。其中数据开发周期缩短到了 3-5 天；大数据报表开发人力耗费减少 30%；常规需求替换率达到 25%以上。目前该平台接入指标超过 15000 个，维度超过 1000 个，超过 5000 个活跃用户，基本覆盖各业务条线核心指标

53、和分析维度。392022 中国指标中台市场研究报告3.2 保险业指标中台实践同属金融业，保险业的数字化进程也跟随着银行业的步伐稳步推进，数字化水平快速提升。一方面，保险业数据体量可观，在产品、市场、渠道、定价、核保及理赔等各个环节积累大量数据，同时持续引入医疗、交通、社交等外部数据。另一方面，保险业加大金融科技投入，正加速数据基础平台建设，提升数据治理水平、沉淀数据资产。目前，保险业的指标数据应用侧重在风险管控、精准营销、客户服务等方面，对指标数据的价值有待进一步挖掘。某产险公司借助指标中台提升数字化管理水平，辅助经营决策某产险公司隶属国内领先的综合性保险集团，并且是国内首家上海、香港、伦敦三

54、地上市的企业。该产险公司业务覆盖机动车辆保险、财产保险、责任保险、农业保险、保证保险等多种类型，目前在全国拥有 40 家分公司，1 家航运保险事业营运中心，3100 余家分支机构。402022 中国指标中台市场研究报告 企业决策模式转变暴露指标消费痛点移动互联网为保险行业带来用户数量剧增、消费需求细分、消费渠道改变等诸多挑战，倒逼保险企业改变以往粗放的管理模式，通过数字化转型重塑产品和经营模式以适应时代新需求。数字化转型也是该产险公司的长期战略。在公司数字化转型历程中，各业务领域基于业务需求纷纷建设数据分析工具支撑经营分析。随着业务经营的复杂性增加，该产险公司正面临决策模式的转变，正从各专业领

55、域分别决策转向跨领域融合，尤其需要将零售业务和财务进行联合分析。举例说明，以往的经营分析指标缺乏体系化的管理和规划，公司零售业务、财务部门的分析人员以及管理层在使用指标数据时面临一系列痛点。图表 20：产险公司经营管理中指标应用痛点业务各自建设数据管道指标分布分散，难获取、难分析指标呈现不灵活、指标分析难关联报表表头固定，无法自由进行粒度、维度切换数据平民化，探索性需求增加优秀的指标分析经验无法共享、复用有限的开发资源无法满足快速增长的数据分析需求数据经验难共享、难复用412022 中国指标中台市场研究报告指标分布分散，难获取、难分析：在公司数字化进程中，各业务领域纷纷基于业务需求建设各自的数

56、据管道以及数据分析工具，造成公司指标分散在各业务的分析平台上，增加了指标获取难度，也导致指标重复定义。如决策层若想对业务部、财务部的指标进行综合分析，很难快速获取所需要的指标，也会面临业务部、财务部对同样的指标不同定义带来的指标可信问题，将会严重影响分析质量或决策方向。指标呈现不灵活、指标分析难关联：当前公司各个领域中指标的呈现以报表给定的维度为主，但实际公司各层级关注的重点不同，如总公司更关注目标达成率、同比增长率，中层更关注团队的目标达成率，不同层级人员的贡献等，一线员工更关注个人的保单数量。当前公司的报表无法灵活高效在不同侧重、不同维度和细粒度之间切换。此外，相关业务领域报表之间的关联分

57、析也很关键，指标与指标之间、报表与报表之间的关联能为决策者提供更广阔的经营视野、制定更明智的策略，当前的指标管理缺少智能发掘相关性分析的能力。有限的开发资源无法满足快速增长的数据需求：随着公司各事业部数字化转型的深化，团队对于数据的需求呈井喷式增长，同时需求的形态也在发生变化，面向不确定性的、探索性的需求如数据挖掘在迅速增加。而公司有限的开发资源已经成为需求满足的瓶颈，与需求快速增长之间的矛盾越来越突出。数据经验难共享：公司属下全国各机构的数据分析及管理能力水平存在较大差异，当前公司的指标管理无法将优秀机构的指标分析经验及能力共享、复用，难以提升公司整体数字化管理水平。422022 中国指标中

58、台市场研究报告以上种种问题反应出该产险公司经营指标资产化管理的混乱和缺失。基于此，该产险公司认为可以通过建立覆盖指标规划、设置、开发和发布等全生命周期的指标管理体系，提升指标数据资产管理水平，进而提升指标开发效率、降低指标运维成本、实现指标的标准化和共享。建设指标分析与管理中台、满足指标消费需求该产险公司以业财场景为先，选择与 Kyligence 合作建立指标中台，建设以指标为核心的经营分析系统，以数据驱动业务增长。图表 21：产险公司指标中台全文检索关联分析跳转管理运营分析应用分析应用分析应用分析看板设计器看板管理控件管理维度选择属性配置布局管理卡片库看板分享编辑/删除复制URL结构查询溯源

59、分析历史版本影响分析基本信息预览卡片分享标签管理检索管理检索管理个人标签管理公共标签管理全文/标签检索卡片展示走势分析维度分析数据分布相关指标智能检索卡片展示走势分析维度分析相关指标Kyligence Enterprise数据接入规则设置启用/停用赋予角色挂载机构基础配置组织机构资源管理调度任务基础教程在线管理服务管理门户指标应用数据源配置管理系统管理指标开发表配置字段配置关系配置手工录入批量录入指标定义指标发布卡片设置数据追加复制SQL指标预警指标测算指标权限定时刷新移动端系统看板业财系统单点登录系统指标分析看板中心指标地图指标头条模型配置指标定义指标发布预警管理指标权限指标头条移动化第三方

60、系统432022 中国指标中台市场研究报告梳理指标体系：该产险公司基于指标资产化思路，对当前的指标进行梳理，构建指标体系，对指标进行统一管理，快速实现相关指标的创新应用，达到数据管理运营。智能建模：通过 Kyligence 接入数据，数据开发人员快速可视化建模、定义指标；业务人员可自定义指标卡内容、样式以及权限，直接对指标维度、度量进行拖拽分析。智能应用：提供丰富、灵活的指标呈现方式如数据头条、看板中心、数智门户等；支持指标的运营分析，包括热点分析、热点维度分析以及指标间的关联和下钻分析以及智能推荐相关指标等，充分了解公司内部对指标的应用和运营情况。智能引擎：通过OLAP分析引擎 Kylige

61、nce Enterprise对接主流大数据平台，在不需要增加较多硬件成本的基础上，实现高并发、秒级查询性能，且内置模型资产、AI增强、聚合索引的功能，实现自动发布、测算、数据追加等统一数据服务。指标中台实现指标统一管理、深度分析和共享借助指标中台，该产险公司盘活数据资产，建立数据应用生态，提升公司用户自主用数水平，实现数据驱动业务，并为分析决策人员提供一站式的分析及管理平台。建立标准化指标体系：目前该指标中台已经上线了数百个业财类指标，实现了指标口径的统一管理，形成标准化的指标体系。442022 中国指标中台市场研究报告全方位、多层级分析：Kyligence OLAP 分析引擎能满足公司不同层

62、级、不同颗粒度的分析需求，如公司领导层可及时查看公司当期的目标达成率、优化公司整体目标；部门也可实时查看部门的业绩完成情况，及时调整业务运营方向。简单易上手，推动敏捷分析：大幅降低指标消费者的使用门槛和学习成本，并为其提供直观、深入的分析功能；鼓励业务人员使用自助开发分析报表和分析看板等分析工具开展关联分析、深入分析。实现指标资产可复制共享：实现指标需求、指标设计、指标开发、指标交付等全生命周期管理，建立指标资产管理和应用机制；建立共享机制，形成丰富的基于数据使用经验的数据应用产品生态，有效提升公司数字化管理水平。指标中台为该产险公司实现指标的复用和规范化，减少重复开发，大幅节约开发资源；对指

63、标从建模层面进行规范化治理，解决公司长期以来的数据治理难题；成为开发与业务之间的枢纽，减少开发人员的投入并提高产能，实现减员增效；指标创新应用可复制到所有指标，提升指标研发性价比。指标中台将推动该产险公司加速实现数据驱动经营决策转型。3.3 餐饮业指标分析与管理实践相对而言，餐饮行业的整体数字化进程较慢，处于探索阶段。一方面餐饮业的集中度较低、连锁化程度低导致数据体量积累不足；另一方面，餐饮行业对数据基础建设的投入有限，指标数据分析场景限于企业整体经营管理，分析方式也以人工 Excel 计算为主。然而，头部大型餐饮连锁企业在数字化和指标分析方面的成熟度较高。当前，餐饮行业中的头部大型连锁企业正

64、快速建设数据应用平台，希望将指标数据分析场景扩展到销售、营销、供应链等细分领域，充分挖掘指标数据应用价值，有效支持经营决策。452022 中国指标中台市场研究报告 百胜中国（YUMC）指标分析与管理应用提升数据决策效能百胜集团（YUMC）是全球性餐饮集团，自上世纪八十年代起，该企业将标准化西式快餐引入中国，使西式快餐逐渐成为中国本土化消费。截至 2021 年底，百胜中国的餐厅数量超过上万家，覆盖全国 1600 多个城市。此外，百胜中国利用数字技术实现业务运营现代化，在品牌知名度、社交及数字媒体营销和传播、供应链管理以及产品质量等方面持续创新，是餐饮业数字化实践的先行者。公司发展带来数据消费新需

65、求疫情影响下，消费渠道和消费需求愈加细分，宏观经济增长的不确定性进一步加剧餐饮市场竞争，数字化转型已经成为餐饮企业洞察消费需求、提升创新能力、实现品牌差异化的共识。数字化战略同样也是百胜中国长期稳定发展以及迈向下阶段两万家店里程碑的重要驱动力，该企业于 2021 年启用三地数字化研发中心，利用大数据、人工智能、中台及数字化餐饮云服务等技术，开发新的解决方案及服务，推动公司端到端数字化建设。随着公司的快速增长以及近年来互联网带来的爆炸式数据体量的增长，为提升经营效率，百胜中国各部门均产生数据分析需求。如销售部门需从地区、时间、金额、频次等多角度分析销售订单情况，为其他系统提供基础数据参考；营销部

66、门需要对消费者和活动进行分析，评估营销效果，实现精准营销、促进订单增长；供应链部门需整合供应链多个环节数据，通过智能预测保证各项销售行为正常运行；财务部门需对预算执行情况、门店经营情况、会员卡消费情况、餐厅订单情况等多种财务数据进行分析，实施把控经营情况。462022 中国指标中台市场研究报告然而，百胜中国传统的数据仓库结合 Excel 和 Tableau 进行数据分析的模式在可扩展性、高并发性、分析性能以及业务覆盖上有很大的局限性，已经不能满足广泛的业务人员高效、快速、准确的数据分析需求，也无法为管理者提供一站式决策所需的信息服务支持。该企业急需强化指标管理，建立指标分析与管理应用，以适应业

67、务数据分析新需求。该企业对指标分析与管理应用的需求体现在性能、安全和应用等方面。图表 22：百胜中国对指标分析与管理应用需求支持聚合类查询秒级响应；支持多维去重统计，支持聚合、明细、灵活查询等完整数据分析服务支持行列级的权限控制从而保证数据资产安全性；实现数据访问透明化满足不同部门的不同分析角度，提升各业务线条工作效率销售部门营销部门供应链财务部门运营部门其他保障数据安全高性能计算分析广泛的应用场景支持此外，新的指标分析与管理应用需要适应当前业务用户的用数习惯，在不增添困扰的前提下实现平滑过渡。472022 中国指标中台市场研究报告 Kyligence Enterprise 实现指标分析与管理

68、应用图表 23：百胜中国指标分析与管理应用综合考虑技术先进性、落地效果、服务能力等多种因素，该企业最终选择与 Kyligence 合作，引入 Kyligence 产品和解决方案搭建指标分析与管理应用。在建设过程中，百胜中国将 Kyligence Enterprise 以读写分离模式部署于 CDH 平台上，实现了高可用、高性能、高并发的数据查询服务。482022 中国指标中台市场研究报告构建语义层：通过 OLAP 多维数据集的查询语言 MDX 构建语义层，使业务人员可使用业务术语访问数据，使数据价值显性化。语义层实现单一数据来源，保证数据一致性，消除数据孤岛。语义层支持灵活、复杂的数据分析，如多

69、对多模型、MTD(本月迄今累计)、YTD（本年迄今累计）等。此外，语义层能统一提供数据服务，支持无缝对接 Excel+Tableau。性能大幅提升：该企业通过 Kyligence 预计算的架构实现在同等资源下相对于原架构数倍至 10 倍的性能提升；同时，Scale-out 横向拓展架构，充分满足未来对性能的潜在需求。共有能力的替换：完整覆盖原有数据仓库及分析功能，实现从微软 SQL Server Analysis Service 到 Kyligence 的无缝切换。多级安全控制：基于用户的多样性，提供支持角色和条件的项目级、表级、行级、列级等多层级的数据权限管控，实现数据安全管理和访问。指标分

70、析与管理应用充分满足业务数据分析需求该指标分析与管理应用实现业务分析场景的全覆盖，查询分析性能大幅提升，有效赋能百胜中国数字化运营。492022 中国指标中台市场研究报告图表 24：百胜中国指标分析与管理应用价值体现缩短业务数据分析周期、提高决策效率完整、统一的数据分析服务保留业务使用习惯数据准备时间缩短，由原先的 2 小时降至 30 分钟，整体缩减 75%；解决 OLAP 性能问题，在 500 亿+数据量下，查询平均响应时间约 4 秒，90%的查询小于 1 秒，大大提升了数据分析效率。支持多用户、高并发的聚合查询，解决之前在明细查询、精确去重等方面的瓶颈；分析场景更加广泛，覆盖销售部、市场运

71、营部、采购供应链以及财务部等部门；分析功能更细化，支持餐厅、门店、产品、小时、客户等组合分析通过业务语义层，业务人员无须改变既有的BI工具使用习惯，在无感知的情况下完成技术平台的服务升级，使用体验更顺畅。502022 中国指标中台市场研究报告512022 中国指标中台市场研究报告4.指标中台落地方法论企业在推进指标中台落地过程中，需要有体系化方法论支撑，以保证建设过程和结果可靠。尤其是大型企业，由于数据和团队规模大、组织架构复杂，在建设指标中台过程中涉及到多部门协作以及复杂的系统建设。我们以大型企业为代表，梳理指标中台的建设方法论。指标中台落地的核心内容包括指标体系梳理、指标中台建设和指标中台

72、运营三个部分。指标体系梳理是指标中台落地的前提，企业需首先对企业各层级、各部门指标进行全面梳理，建立完善的指标体系；指标中台建设是指标中台落地的核心，企业需选择拥有较强技术、产品、落地经验和服务能力的厂商为合作伙伴；指标中台运营是指标中台落地后持续发挥数据驱动价值的保障，企业需增加相关部门指标运营职责，配置相应指标管理岗位，为企业指标中台运营提供组织和机制支持。此外，管理层的支持推动和企业数据文化是贯穿指标中台建设、运营全过程的重要支撑。522022 中国指标中台市场研究报告图表 25：指标中台落地方法论核心内容支撑保障管理层推动指标中台的决心建立数据驱动的上海品茶数智化管理体系OSM、BSC

73、、北极星指标指标体系梳理指标数据标准编制指标中台建设运营流程成熟的产品功能齐全引擎高性能丰富的落地经验标杆案例服务能力定制化本地化指标定义指标可视化高性能引擎功能规划厂商选型指标体系梳理指标中台运营目前，指标中台的理念发展和实践应用还处于初期阶段。指标中台的落地需要涉及到专业的数据开发、数据管理工具及技术，如指标中台的研发团队配置需包含诸如软件开发、前端开发、数据分析师、产品经理等多种岗位角色。企业若选择自建指标中台，虽然有一定的成本优势，但也面临较长的实施周期和较高的失败风险。对比之下，成熟的指标中台产品实施周期短、见效快，且有专业的售后服务。因此，对于核心业务非软件开发的企业，综合考虑能力

74、限制和时间成本，购买成熟的指标中台产品是一个更优的选项。由于 Kyligence 基于自身先进的指标中台技术和丰富的建设成功经验，已经形成一套成熟的指标中台落地方法论。因此，本报告指标中台落地方法论雏形来源于 Kyligence，在此基础上融合多位业内专家观点进行完善、丰富形成。532022 中国指标中台市场研究报告4.1 指标体系构建指标体系构建包含两个动作：梳理指标体系和制定指标数据标准。其中梳理指标体系是对公司现有以及未来可能用到的指标进行全面盘点，建立形成完整的指标体系。制定指标数据标准是为提高数据质量，对指标的定义和应用进行规范，使数据真正成为数据资产。两个动作紧密联系、相互交融，一

75、体贯穿在指标体系梳理的全过程中。4.1.1 梳理指标体系梳理指标体系的目的是将零散单点的具有相互联系的指标，进行系统化的组织，通过单点看全局，通过全局解决单点的问题。梳理指标体系包括指标分类和具体指标两大内容。其中具体指标关注指标的构成要素如维度、维度属性和度量，以及指标的生成过程。因此，在梳理指标的过程中，对指标的分类按照按生成过程分为原子指标、派生指标（也即衍生指标）和复合指标。542022 中国指标中台市场研究报告图表 26：指标构成图表 27：指标生成过程示意图复合指标派生指标派生指标由1个原子指标+多个修饰词+时间周期组成。可以理解为原子指标业务统计范围的圈定。复合指标是在事务性指标

76、和存量型指标的基础上复合成的原子指标和度量含义相同，也叫基础指标，是基于某一业务事件行为下的度量，是业务定义中不可再拆分的指标原子指标552022 中国指标中台市场研究报告指标分类和具体指标分别对应“自上而下”和“自下而上”两个路径。其中，自上而下 是指从管理角度对公司战略目标进行逐层拆解，确定指标分类框架；“自下而上”是指从 IT 技术角度，基于已有业务系统，一方面对现有指标口径、维度进行标准化，为数据标准落地做准备，一方面对指标进行原子拆解，为指标数据统一管理和研发复用、提升指标服务效率建立基础。自下而上关注的是指标的构成要素，以及基于指标的生成过程。自上而下，确定指标分类：结合 OSM、

77、BSC、北极星等指标体系搭建模型，从企业战略、重点业务出发，自上而下基于业务条线、业务流程、业务策略展开，建立稳定、相互独立的指标体系分类框架，如一级、二级、三级等指标分类。自下而上，明确具体指标：以业务系统为导向，自下而上对现有业务指标进行盘点、筛选、整合以及明确指标抽象和具象程度要求。同时自下而上的过程也是明确数据指标维度、数据指标归类以及复合指标拆解、派生指标生成的过程。在指标体系分类及指标梳理过程中，将逐渐形成包含业务目标、指标分类和指标口径、维度、取数逻辑等信息的指标元数据字典。指标元数据字典将为业务数据标准化提供基础，实现对指标的统一管理。自上而下的指标梳理过程中，指标来源于目标的

78、分解，因此，指标体系建立的方法论也就是如何进行目标拆解、实现目标可衡量的过程。自 1954 年德鲁克提出目标管理的概念后，目标拆解工具及方法论不断丰富。当前，较为主流的指标体系建立方法论包括 OSM 模型、BSC 平衡计分卡、北极星指标等。指标体系搭建方法论是企业实现公司战略落地、执行、控制的重要手段，也是企业进行指标体系全面梳理的重要工具。562022 中国指标中台市场研究报告（1）OSM 模型OSM 模型由目标（O，Objective）、策略（S，Strategy）、度量（M，Measurement）组成，将宏大的目标通过策略进行拆解，对应到更具体、可落地、可度量的行为，以保证梳理目标时，

79、不会偏离主线。第一步：确定业务目标（Objective）首先需要对公司、业务、产品的阶段性目标进行确定。一般情况下，该目标与核心 KPI 紧密相关。例如电商平台的目的是让用户在平台上完成更多交易，那么电商平台运营负责人的目标就可能是提高 GMV。第二步：细分业务策略（Strategy）通过定义目标了解整体大方向后，根据过往经验、市场调研等制定达成目标所需的策略。策略的制定可以通过目标的公式构成、客户生命周期（AARRR）以及用户行为路径（UJM）进行拆解，目的是分析可以提升核心 KPI 的关键要素。如电商平台运营负责人的目标是提高 GMV。按照 GMV=用户数*转化率*客单价 的计算公式。为了

80、子目标提升用户数，可以进行培育/拓展高质量渠道。通过线下导流线上公众号、社群推广引流以及其他推广渠道，提升用户数量。为了提高转化率，可以进行提升上海品茶分发效率、优化搜索体验，也可以优化用户下单购买环节的流程体验。为了提升客单价，可以进行运营促销活动，也可以采用商品组合销售增加单次购买金额。572022 中国指标中台市场研究报告第三步，明确度量（Measurement）对按照策略提取的关键要素设计指标量化评估。例如提高渠道拓展的质量，就可以用新用户下载数、新用户登录数、下单转化率来评估。通过这些衡量指标来反映整体业务目标的完成情况，如果不能够真实反映，需要额外提出指标建设需求，形成闭环。（2）BS

81、C 平衡计分卡BSC 是集企业战略管控与战略管理绩效评估于一体的管理系统。通过将企业战略分成四个维度：财务、客户、内部流程、学习与成长，促使企业达成财务与非财务、长期目标与短期目标、外部与内部、结果与过程之间的平衡。BSC 的建立步骤如下。第一步：企业愿景与战略的建立。企业首先要建立愿景与战略，同时也可以考虑建立部门级战略。将公司的愿景和战略转化为财务、客户、内部流程、创新与学习四个维度的具体目标。第二步：绩效指标体系的设计与建立。根据企业的战略目标，通过自上而下、从内部到外部、征询各部门意见为四个维度的目标找出最有意义的绩效衡量指标。第三步：与公司计划和预算相结合，确定绩效衡量指标的数值、考

82、核规则、考核范畴等。注意各类指标之间的因果关系、驱动关系与连接关系。第四步：绩效指标体系的完善与调整。在执行过程中根据实际情况对指标进行调整、更正或补充。582022 中国指标中台市场研究报告企业应用 BSC 制定指标体系过程中能促进企业管理层对经营战略的具体含义和执行方法进行交流，通过因果关系将企业战略目标与团队、个人的目标挂钩，并且在执行过程中能通过 BSC 指标评分检验战略制定与实施之间的差距。（3）北极星指标北极星指标是 OMTM（one metric that matters）：唯一重要指标。是指像北极星一样能指引公司或产品前进方向的指标，也可理解为公司现阶段的发展目标，具有最高优先

83、级。基于北极星指标的指标体系建立步骤如下。第一步：确定北极星指标。由于业务不同阶段北极星指标不同，北极星指标可周期性调整。且同一阶段，北极星指标不限于一个，可根据公司需求，在 3-5个之间平衡。第二步：对北极星指标按照使用场景、OKR 思路、用户行为路径逐级分解，可参考 OSM 流程进行分解。北极星指标能清晰地表明公司或产品目标以及未来阶段需要优化的方向，促进跨部门资源协调，使团队对指标结果负责。除 OSM、BSC、北极星指标外，还有其他指标体系建立工具，如 SMART 原则。SMART 原则最早是由德鲁克提出，是指在制定目标或指标时需符合 SMART原则，即具体（Specific）、可衡量（

84、Measurable）、可实现（Attainable）、相关性（Relevant）、有明确截止期限（Time-bound），五个原则缺一不可，保障目标的设定更科学、规范。592022 中国指标中台市场研究报告企业在进行目标分解、建立指标体系的过程中，不能仅以某一种方法论为主，而是需要借鉴、综合多种方法，最后形成一个相对科学的、符合实际业务的指标体系。4.1.2 指标数据标准编制指标数据标准是什么？指标数据标准是为满足内部分析管理需要和外部监管要求，对基础类数据加工而产生的指标数据标准化规范。指标数据标准是开展数据标准管理的重要基础，有利于打通数据底层互通性、提升数据可用性。指标数据标准通过基础

85、属性、业务属性、技术属性和管理属性来描述指标数据规范化要求。指标数据标准编制就是对一个个指标明确名称、属性、口径、维度、归口管理部门等信息的过程。图表 28：指标数据标准编制基础属性业务属性技术属性管理属性指标编号指标业务含义指标取数范围版本号指标大类指标业务口径指标取数方式版本日期指标小类指标类型指标条件定义部门指标细类指标制定依据指标数据类型使用部门指标名称指标度量单位指标数据长度指标别名是否报送监管指标数据精度指标英文名是否行内重点指标敏感度注：资料来自 银行业金融机构数据治理指引 602022 中国指标中台市场研究报告指标数据标准制定的过程可依据完整性、唯一性、准确性和规范性四个原则。

86、图表 29：指标数据标准制定四原则完整性唯一性指标的信息应避免缺项，保证内容完整保证指标选取的全面，避免指标之间重复准确性规范性每项指标都必须准确体现业务需求，能够科学地反映评价对象的某一方面信息严格按照指标数据标准的定义和分类开展指标数据标准工作指标数据标准的编制工作需要数据治理归口管理部门来牵头指标数据标准的制定工作，并建立业务归口部门与技术主管部门的协作机制。数据治理归口管理部门：对于指标数据标准管理工作而言，数据治理归口管理部门是作为牵头者的角色，需要做到组织数据治理小组会议，将技术管理与业务管理的相关人员协同起来，完成指标数据标准制定工作，并提供资源协调、统筹安排等便利。指标标准业务

87、归口部门：指标标准业务归口部门作为指标所属领域的业务主管部门对指标数据标准进行归口管理。业务涉及多个板块的，以指标产生部门对数据标准进行归口管理；多个部门同时计算的，以业务牵头主管部门进行归口管理。其职责主要包括，确定指标数据的使用部门、基础属性、业务含义和业务口径等标准，并对指标的技术口径的统计结果进行测试和确认。612022 中国指标中台市场研究报告技术主管部门：技术主管部门作为指标标准管理的技术支撑，对指标的取数方式和指标条件进行确认，并统筹指标数据标准的落地实施工作。指标数据标准的编制是指标体系梳理的重要组成，一方面能统一指标口径，降低因指标口径不一致带来的统计误差；另一方面也将作为业

88、务分析的重要内容，为未来业务实现灵活、自主分析提供保障。4.2 指标中台功能规划与建设4.2.1 功能规划一个通用的指标中台应具备指标应用、指标引擎与指标中台运维三方面的功能。（1）指标应用指标应用面向客户，应具备指标定义、指标可视化、指标质量、指标服务以及指标管理等五大基本功能。指标定义：支持图形化、向导式定义指标，提供常用计算逻辑，支持业务分析师快捷定义，界面友好，使用门槛低，无须 IT 干预。提供常用计算逻辑，满足 80%的分析场景。基于指标逻辑，反向精细定义索引，沉淀语义，支持资产复用。指标可视化：降低业务用数和制作报表的门槛，支持构成分析、异动归因、指标元数据、趋势图、同比环比、数据

89、下载、下钻分析、不同日对比、相关指标等分析功能。622022 中国指标中台市场研究报告 指标质量：支持对指标血缘进行溯源分析，快速帮助企业定位指标质量问题。指标服务：平台化指标管理，以标准的数据 API 接口对接 BI 应用。指标管理：对指标口径、维度、参数、数据模型（通过 API 和指标引擎实现元数据同步、自动建模、自动加速）、数据标准等进行管理，也包含指标发布、指标申请、指标审核、指标权限、指标版本等功能。（2）指标引擎指标引擎应能根据指标定义对指标进行智能建模，随后自动加载数据完成指标的加工计算，形成业务指标，并通过指标服务提供给业务人员使用。业务人员可根据分析需求对不同的业务指标进行组

90、合和展现。指标引擎应免除手工 ETL的开发，提高指标开发效率，进而达到降本增效。此外，因指标中台涉及大量数据的计算分析，指标引擎应支持标准 SQL，支持 PB 级海量数据高并发、秒级查询，适应明细查询、聚合查询、实时数据获取等多种需求。此外，指标引擎还应支持多种连接器和数据源，具备低门槛和拓展性强等特点。（3）指标中台运维指标中台自身还应具备数据安全、运维及监控等保障功能。4.2.2 指标中台建设：供应商选型具体到指标中台建设时，企业需选择拥有成熟产品、丰富落地经验以及服务能力的厂商作为合作伙伴。632022 中国指标中台市场研究报告（1）成熟的产品厂商指标中台产品应具备基础的指标应用、指标引

91、擎和指标中台运维功能版块。指标应用：指标定义、指标可视化、指标质量、指标服务以及指标管理是指标中台应具备的五大基本功能。在此基础上，厂商可根据自身技术优势提供多种指标智能分析功能，如基于查询历史和用户偏好推荐热度指标和关联指标，或是支持异动预测，能自动根据历史数据识别异常值，或是提供丰富的指标模板来增强产品功能差异性 指标引擎：厂商指标中台的引擎具备：1）PB 级海量数据高并发、秒级查询；2）支持实时获取数据和异步获取；3）支持多种连接器、数据源；4）支持标准 SQL；5）高可用和负载均衡；6）可弹性伸缩、扩展性强等特点图表 30：常用指标引擎对比引擎名称特点Kyligence&Apache

92、Kylin DruidClickHouseKyligence和Apache Kylin属于多维数据库技术，将指标包含的维度、度量定义成一个多维数据模型，并通过预计算索引保存指标结果，支持海量数据下的高并发、高性能查询，支持标准SQL，具可维护性好。Druid提供低延时的数据插入和数据查询，在实时分析方面具有优势。但由于Druid在时序的设计限制，对非时间维度、高基维度下的聚合查询效果不佳，且不支持标准SQL语法，使用成本高。ClickHouse是一个列MPP分析性数据库，支持从原始数据的直接查询、支持类SQL语 言，擅长明细级别的高性能查询。但在复杂JOIN或者高基维度的聚合查询中，无法同时满

93、足高性能和高QPS。642022 中国指标中台市场研究报告除满足指标引擎标准特点外，如 Kyligence 还提供 AI 增强能力，提供指标智能建模、自动指标计算等功能来提升指标中台的应用效率。（2）丰富的落地经验企业在选择指标中台供应商时，需要考查供应商是否具备相关行业标杆企业的落地经验。可以通过拜访业内指标中台成功落地企业的形式了解实施效果，以此获得可信反馈。丰富的落地经验，尤其是行业头部标杆案例，对于供应商来说是关键的信任和口碑背书。（3）定制化、本地化服务能力一方面，企业的 IT 架构、组织流程差异显著，需要供应商能提供业务咨询、定制化开发服务；另一方面，指标中台建设周期大多需要数月的

94、时间，实施前需要大量的实际调研与需求沟通，实施中需要对企业业务有深入了解，且指标中台的建设涉及多个部门的联动与沟通。从方案的规划到落地全过程需要企业与供应商紧密配合、及时响应，供应商是否有本地化团队直接影响项目的实施进度与效果。（4）符合信创要求在国家信创产业建设的大背景下，指标中台作为企业数据资产的重要载体，对企业数据的安全合规起着关键作用，尤其针对具有明确信创政策要求的党政、金融，指标中台厂商更应符合信创要求。一方面，厂商需满足各方面信创资质要求，如厂商需是内资控股企业，厂商提供的指标中台产品需为国产化，具备自主知识产权。另一方面，厂商提供的指标中台应能与国产芯片、操作系统、数据库等基础软

95、硬件全面兼容适配。652022 中国指标中台市场研究报告4.3 指标中台运营指标中台建设完成上线后，为保障指标中台推动业务实现数据驱动，同时也满足指标随业务迭代更新的运维需求，企业应建立完善的运营机制，明确各方面运营职责。指标运营机制包含组织和流程两部分。组织包含组织架构和岗位设置，流程是指指标中台日常运营中涉及的指标体系更新、指标中台系统功能迭代等流程。组织方面，指标中台的运营涉及业务部门、数据部门、IT 部门等团队，典型的组织设置及各部门职责分工如下。图表 31：企业指标中台运营的组织设置负责本部门指标的建立和管理各业务部门数据治理归口管理部门数仓团队指标中台产品团队负责全公司级指标和公共

96、维度数据管理负责基础指标数据的加工清洗、集成，为数据用户提供高质量基础数据负责指标中台功能开发，用户体验迭代、完善，以及指标中台系统的日常维护 662022 中国指标中台市场研究报告流程方面，指标中台的运营流程主要围绕着指标的新增、变更、废弃以及监控运维等展开。企业需要结合自身业务和组织架构的特点，建立常态化运营流程。以指标新增/变更流程为例：指标的新增、变更由需求者发起，根据指标归属经业务部门或数据治理归口管理部门进行需求审核，需求确认后，提交给 IT 部门的数仓团队进行指标开发。图表 32：指标新增/变更流程示意图指标需求（新增、变更）审核需求部门指标归属部门数据开发部门开发复用/派生新指

97、标已存在结束672022 中国指标中台市场研究报告4.4 支撑保障：企业管理意识及数据文化建设 管理层的高度重视指标中台具有战略意义，企业管理层应给予足够的重视。一方面，指标中台未来将成为支持管理层决策的关键工具，指标中台的功能完善与否以及性能优劣将间接影响企业决策的方向、时效性，是改变企业经营行为的“蝴蝶翅膀”；另一方面，无论是指标中台的体系梳理、功能规划亦或是运营牵涉到企业几乎所有部门，属于公司级行动，必须由管理高层的推动才能打破部门之间沟通壁垒、调度多方资源、实现跨部门、推动方案落地。高层管理的重视不仅在于思想上的支持，更要融合进指标中台落地的各个环节中，包括建设前期的功能规划、建设过程

98、监控、建设成果验收、以及运营中重大指标变动的审批等，都需将高层管理纳入，从机制上保证指标中台的优先级。数据驱动文化的建设数据驱动文化是指企业内形成以数据为基础的行为和意识。指标中台建设的最终目的是服务于更广泛的业务人员，充分发挥业务人员的决策价值。数据驱动文化的建设能鼓励业务人员将数据应用扩展工作的各个方面，提升业务人员的决策价值。682022 中国指标中台市场研究报告数据驱动文化的建设需要管理层的引导和业务人员的参与。管理层对数据的使用态度将直接影响员工，因此管理层在日常工作中应建立数据驱动的决策习惯，向中层管理沟通数据驱动的必要性，推动公司上下建立共同的数据语言；对于业务人员的参与，一方面

99、需要企业运营部加大指标中台的培训力度，提升业务人员的指标使用技能；另一方面，也需通过组织赛事活动、案例宣讲等多种形式打造指标应用氛围，加速业务人员数据驱动工作习惯的养成。4.5 针对中小型企业的建议与大型企业多层级复杂的组织架构不同，中小型企业自身组织架构更扁平化，对市场的变化反应更敏捷，也更看重提升决策速度和质量的工具。这体现在三个“快速”：一是工具的落地过程具备敏捷性，快速落地；二是工具的使用价值快速体现，能有效解决现有业务痛点、产生效益；三是能借鉴成功案例经验，快速搭建指标体系。由于中小型企业技术力量薄弱，更看重指标中台开箱即用的特点。因此，建议中小型企业购买成熟的指标中台产品。6920

100、22 中国指标中台市场研究报告主创团队爱分析专家指导委员会Kyligence黄 勇 爱分析合伙人兼首席分析师孟晨静 爱分析分析师韩 卿 Kyligence 联合创始人兼 CEO李 扬 Kyligence 联合创始人兼 CTO李 栋 Kyligence 合伙人兼副总裁 702022 中国指标中台市场研究报告版权声明此报告为爱分析制作，报告中文字、图片、表格著作权为爱分析所有，部分文字、图片、表格采集于公开信息，著作权为原著者所有。未经爱分析事先书面明文批准，任何组织和个人不得更改或以任何方式传送、复印或派发此报告的材料、内容及其复印本予任何其他人。此报告所载资料的来源及观点的出处皆被爱分析认为可

101、靠，报告中的信息或所表达观点不构成投资建议，报告内容仅供参考。爱分析不对因使用此报告的材料引致的损失而负上任何责任，除非法律法规有明确规定。客户并不能仅依靠此报告而取代行使独立判断。北京爱分析科技有限公司 2022 版权所有。保留一切权利。712022 中国指标中台市场研究报告关于爱分析爱分析是一家专注数字化市场的研究咨询机构，成立于中国数字化兴起之时，致力于成为决策者最值得信任的数字化智囊。凭借对新兴技术和应用的系统研究，对行业和场景的深刻洞见，爱分析为数字化大潮中的企业用户、厂商和投资机构，提供专业、客观、可靠的第三方研究与咨询服务，助力决策者洞察数字化趋势，拥抱数字化机会，引领中国企业数

102、字化转型升级。722022 中国指标中台市场研究报告关于 Kyligence上海跬智信息技术有限公司(Kyligence)由 Apache Kylin 创始团队于 2016 年创办，致力于打造下一代企业级智能多维数据库，为企业简化数据湖上的多维数据分析（OLAP）。通过 AI 增强的高性能分析引擎、统一 SQL 服务接口、业务语义层等功能，Kyligence 提供成本最优的多维数据分析能力，支撑企业商务智能（BI）分析、灵活查询和互联网级数据服务等多类应用场景，助力企业构建更可靠的指标体系，释放业务自助分析潜力。Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制造、零售等行业客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等全球知名企业，并和微软、亚马逊、华为、Tableau 等技术领导者达成全球合作伙伴关系。目前公司已经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。官方订阅号官方服务号732022 中国指标中台市场研究报告