社区

4月11日，Kyligence 2024 数智论坛暨春季发布会成功召开。Kyligence 正式发布全新的企业级 AI 解决方案，基于服务金融、零售、制造、医药等行业领先客户的落地实践，Kyligence 为企业提供准确、可靠、智能的 AI + 指标平台一站式解决方案，以行业领先的技术和稳定可靠的产品助力更多客户在数智化浪潮中掌握先机。来自德勤和 Kyligence 的多位嘉宾分享了 Data + AI 现阶段在企业场景中落地的痛点，并带来 AI + 指标平台在金融、零售、制造、医药等行落地的最新成果，吸引了众多观众的参会与热烈讨论。 准确、可靠的 AI，Kyligence AI 解决方案正式发布 随着大模型的迅速发展，企业逐渐从聚焦技术转向关注应用，迫切需要将 AI 结合业务落地，在市场竞争中抢占先机。Kyligence 联合创始人兼 CTO 李扬提到，2023年 Kyligence 产品全面集成 AI 能力，推出了智能一站式指标平台 Kyligence Zen 和 AI 数智助理 Kyligence Copilot，为企业使用数据带来了革新体验，并已率先在金融、零售、制造、医药等客户的真实场景中落地。 基于技术沉淀、创新产品和实践经验，Kyligence 正式发布了 AI 解决方案，将为企业级客户提供准确、可靠的 Data + AI 落地应用，通过对接企业已有的数据源，智能一站式指标平台将帮助企业实现统一的数据语言和目标管理，以及服务型的数据治理；其配备的 AI 数智助理将进一步降低业务用户使用数据的门槛，助力业务人员进行快速、准确的决策，为业务创新提供数据支持；此外，Kyligence 独具技术优势的企业级 OLAP 平台更将为企业大规模使用数据、推广 AI 应用提供坚实的技术底座。 在本次演讲中，Kyligence CTO 李扬还分享了 Kyligence

3.4 湖仓一体 市场定义： 湖仓一体是基于湖仓一体架构，提供多模异构数据统一存储、管理和计算，支持BI、数据科学、AI/ML、实时分析等数据应用场景，实现数据自由流动和共享、降低数据开发和运维复杂度的解决方案。 甲方终端用户： 企业数据部门、IT部门 甲方核心需求： 云计算、大数据、IoT等技术发展催生企业数据体量爆发式增长，数据类型也异常丰富。企业对半结构化、非结构化数据的存储、加工和应用提出了新要求，无论是数据仓库还是数据湖都难以满足企业需求。在此背景下，湖仓一体数据架构能融合数据仓库和数据湖的优势，成为企业数据架构演进新方向。企业对湖仓一体解决方案的需求具体如下： 实现海量异构数据的统一存储和批流一体的开发范式，降低数据存储、计算和运维成本。企业在历史构建数据平台的过程中，多形成数据仓库和数据湖共存的数据架构，以及“离线计算”和“实时计算”共存的双链路。数据在数据仓库和数据湖之间的存储和调用带来存储冗余；同时数据在离线链路、实时链路中的存储、清洗、转换会同时带来存储和计算冗余。而双链路和数据湖也使得企业的数据架构异常复杂，系统监控、性能优化、故障排除等运维工作量成倍增加。此外，传统的数据仓库和大数据平台架构中存储和计算资源耦合，面对大数据集时，极易出现存储资源冗余而计算资源不足的情况，企业需要花费数小时或更长时间来查询数据，大数据分析性能受限制。 实现多模异构数据的统一管理，提高数据质量。一方面，数据湖本身容易由于缺乏数据质量和数据治理形成数据沼泽，降低数据可用性。另一方面，在常见的数据仓库、数据湖共建的数据架构中，数据在数据仓库和数据湖之间的流转调用需要通过多个引擎实现，操作复杂，可靠性难以保证，极易产生数据一致性问题。 可同时支撑数据分析、数据挖掘、机器学习、RPA等工作负载，适应全域数据融合分析场景。针对全域数据的联合分析，以电商平台为例，电商平台需要对图片

3.2智能营销 市场定义： 智能营销是指具备自主知识产权的，提供自动化用户触达、用户运营、用户管理，支持企业实现用户洞察、精准营销的平台。 甲方终端用户： 大型国央企的业务部门，信息科技部门 甲方核心需求： 企业正面临营销方式的重建。一方面，随着数字技术的快速发展，消费者的数字渠道日益丰富，微信、抖音、小红书、淘宝等各类APP层出不穷，使得企业的获客渠道更加分散。另一方面，为适应市场的快速变化以及提高客户忠诚度，企业也愈发关注精准营销能力。在此背景下，传统以人工为主的营销方式成本太高、效率也太慢，企业亟需智能化、自动化的平台来满足新时代的营销需求，具体表现在以下方面： 解决企业数据孤岛问题。企业用户数据往往分散在CRM、电商、微信公众号、网站、APP等多个渠道中，并且各个渠道的数据定义各不相同造成数据质量参差不齐，使得企业难以充分利用用户数据资产开展用户洞察、优化营销策略或是进行精准营销。企业需要打通多渠道用户信息，建立OneID体系，以统一用户画像，获取用户行为洞察、提高营销效率。 适应不同行业的智能营销需求。不同行业的营销需求侧重点不同，如房地产消费属于高价、低频消费，需求借助周边商业、物业等业态“导流”，因此房企更需要连通商业、物业、地产等多业态的大会员体系，看重公域流量到私域运营的沉淀、生态内的会员积分体系建设。而在零售行业，市场已经进入存量竞争时代，零售企业更看重对私域流量的汇集和运营，以提高用户复购率，因此客户生命周期的管理很关键。 支持多系统集成，实现营销流程自动化。一方面智能营销平台本身就需要接入线上、线下多种渠道。另一方面，在精准营销过程中，企业需要挖掘高价值人群或用户，针对性匹配运营策略，再进行渠道触达，这一过程需要智能营销平台与CRM、ERP、OMS、WMS等多个系统联动，协作实现精准营销。 支持国产适配。智能营销平台应为自主研发，并兼容适配其他国产

在中央及地方政府的信创政策推动下，我国信创部分领域正在从“试点验证”迈向“规模推广”阶段。随着国产替换的深化，爱分析观察到，在需求侧，企业对信创产品的需求逐渐融合更丰富的业务诉求以及未来数智规划，正从“同类替换”转向“迭代升级”；而在供给侧，信创产品已经跨过“要用”、“能用”，正进入实力比拼的“好用”阶段。 如在软件基础设施方面，企业对数据库的替换开始考虑云原生、存算分离、HTAP、超融合等功能特点，对大数据平台的架构更新则以湖仓一体为新方向。在应用端，融合AI大模型、知识图谱等技术的文档管理中台成为OA替换首选，在对客户信息管理系统的替换方面，企业则会考虑业务的成长性以及未来数智化对业务系统互联互通的需求，倾向具有平台化特点的CDP。 3月29日，爱分析正式发布《2023-2024爱分析·信创厂商全景报告》。爱分析综合考虑企业需求、关注度等因素，选取其中5个特定市场进行重点分析，通过对各特定市场的需求分析和代表厂商的能力解读，为国产替换选型提供参考。 覆盖市场： 信创ERP、智能营销、智能分析、湖仓一体、数据库 注：私信或评论区联系我们，可下载完整版《2023-2024爱分析·信创厂商全景报告》。 01 研究范围定义 研究范围定义 在中央及地方政府的信创政策推动下，我国信创部分领域正在从“试点验证”迈向“规模推广”阶段。随着国产替换的深化，爱分析观察到，在需求侧，企业对信创产品的需求逐渐融合更丰富的业务诉求以及未来数智规划，正从“同类替换”转向“迭代升级”；而在供给侧，信创产品已经跨过“要用”、“能用”，正进入实力比拼的“好用”阶段。企业对信创产品迭代升级的具体需求表现为： 1、软件基础设施 数据库是基础软件的替换重点，企业对数据库的替换需求具体为，在功能和性能上可同等替换IOE数据库外，还要满足企业上云、资源弹性伸缩、混合事务分析、多模数据管理和查询等需求，因此企业对

导读：为迎合现今数字化经营的市场趋势，指标平台通过实现指标的高效开发，提供了既灵活又高性能的指标服务，逐步演变为企业数据基础设施的核心组成部分。大模型通过其强大的数据处理能力和深度学习机制，为指标分析提供了更加精准、全面的视角，为企业提供更加精准的业务洞察和决策支持。 本次分享围绕大模型加持的指标平台在企业内的建设路径，以及相关实践案例展开。 分享嘉宾｜王劲 数果智能创始人&董事长 内容已做精简，如需获取专家完整版视频实录和课件，请在评论区留言或私信我们，为您发送完整内容。 本次分享的内容主要是从多个角度出发，重点关注智能指标平台的整体架构与企业内实际应用，以及在具体场景中与大家深入探讨潜在问题和解决方案，综合从以下三个方面展开介绍。 首先，从实际应用出发，来谈谈企业内部对指标的爱与恨。 其次，聊聊如何构建并运营指标平台展开。众所周知，指标对企业有着举足轻重的作用，那么我们如何构建一个能使企业高效地应用指标的体系呢？这便是我们要讨论的，如何提升指标平台的效率，以及在这一过程中所遇到的挑战及其解决方法。 最后，将以实际案例中的两个场景与大家分享一些经验，介绍指标在具体业务场景下的应用。 01 对指标的爱与恨 指标体系并不仅仅是公司层面的运营体系，每个业务场景也可能拥有自己的指标体系。只是指标体系的规模各有不同，它们所专注的问题点存在差异。因此，从企业的角度来看，可能存在一个非常庞大的指标体系，然而对于每个具体的业务场景而言，它可能只是一个相对较小的体系，大的体系也是由众多这样的小场景构成的。 指标在企业管理中是至关重要的，它是导航灯塔，能够为我们指引业务的方向；它是地图，能帮助我们做好计划，规划好业务路线；它还是探测器，能够帮助我们预警并发现业务的风险；它也是仪表盘，帮助我们评估业务的效绩，评估这个业务的好坏。因此，在企业的各项经营活动中，我们都无法离开指标。 但

导读：企业的存量客户作为当今时代重中之重，如何让AI大模型大显身手，提升客户营销名单的精准性、营销自动化的效率性、营销资源分配的最适性？ 今天主要围绕三个关键环节以及相关案例展开说明。 分享嘉宾｜林庆治 飞算科技首席数据官 01 营销是一连串的转换过程 零售行业客户转化逻辑分为四块，公域引流、会员经营、私域经营、私域裂变，大部分企业当前尚处在第二阶段——转化成会员，但对于精细化经营跟裂变往往暂时不具备能力。 中间转换过程有几个步骤，第一是明确目标客群，根据商品属性找到目标客群，第二确定获客渠道，再进行内容运营。现在大模型中AIGC做生成式的大模型，可以针对性地做内容截取跟运营工作。最终目标是把公域内的游离客户转换成会员。会员管理进入传统CRM系统做经营，有一套会员管理系统或权益，但在企业一般就进行到这一步。如何做有效转换，包括怎么引导客户购买产品、进行价值提升，甚至在客户流失后，怎么挽留、裂变，很多客户没有这方面经验。 当目标客群引入到私域之后经营有几个重要步骤，首先是要业务分析，了解客户状况如何？购买情况如何？客户是否有兴趣？有没有成为付费会员？有没有继续往下落？这些方面必须做精细分析—找到问题。然后做客户洞察—“为什么不买产品？为什么会流失？”找到上述问题原因后，针对问题找到合适的营销手法—触达客户。在经营得成功、获得口碑之后，自然可以做到非常好的私域裂变。 私域经营、私域裂变对应到银行就是存量客户经营，对应到零售就是私域经营。 营销是一个流程，如何提升营销转化率，有三个重点。 第一个是营销精准性。转化率为什么不好？内容运营为什么没办法转化成注册会员？注册会员为什么没做更好的运营，最后进交叉销售？这是精准性的问题，包括名单精准性、触达有效性、内容有效性。 第二个解决营销效率问题。现在大部分营销都是人工进行，没有闭环。一次营销活动可能要一两个月的时间，营销效率非常

01 研究范围定义 研究范围： 在中央及地方政府的信创政策推动下，我国信创部分领域正在从“试点验证”迈向“规模推广”阶段。随着信创替换的深化，爱分析观察到，在需求侧，企业对信创产品的需求逐渐融合更丰富的业务诉求以及未来数智规划，正从“同类替换”转向“迭代升级”；而在供给侧，信创产品已经跨过“要用”、“能用”，正进入实力比拼的“好用”阶段。企业对信创产品迭代升级的具体需求表现为： 1、软件基础设施 数据库是基础软件的替换重点，企业对数据库的替换需求具体为，在功能和性能上可同等替换IOE数据库外，还要满足企业上云、资源弹性伸缩、混合事务分析、多模数据管理和查询等需求，因此企业对数据库的替换也开始考虑云原生、存算分离、HTAP、超融合等功能特点。 与此同时，在数据架构方面，企业需要解决异构数据源架构下的数据开发及运维难度，湖仓一体架构正成为大数据平台架构替换新方向。 2、应用端 OA是企业最核心的办公软件，也位列全面替换软件的首位。以OA系统的文档管理为例，企业在进行国产替换时，新增知识体系构建、员工办公效率提升以及办公流程自动化等业务场景需求，因此融合AI大模型、知识图谱等技术的文档管理中台成为企业选型偏好。 在客户信息管理方面，企业传统的客户信息管理主要通过Oracle、SAP等系统进行管理，但在本次国产化替换中，在实现客户信息管理功能的基础上，企业会考虑业务的成长性以及未来数智化对业务系统互联互通的需求，因此具有平台化特点的CDP引发关注。 本次报告中，爱分析按照IT架构，自下而上将信创市场划分为：基础硬件、基础软件、技术支撑层、数据层、上层应用软件等五个层级。其中基础硬件包含芯片、服务器、PC、打印机、存储等；基础软件包含操作系统、数据库与中间件；技术支撑层包含低代码/无代码平台、数据科学与机器学习平台、隐私计算、信创云、云原生、安全等；数据层包含数据中台、大数据平台、数

导读：存量客户是金融机构的最重要的资源，而AI大模型技术与应用的高速发展，能为银行业务提升方面发挥哪些作用呢？ 本次分享围绕存量时代的客户经营趋势、银行存量客户经营策略以及AI如何赋能银行存量客户经营等方面展开。 分享嘉宾｜史晓辉 某国有银行数字化运营专家、 公众号“西欧欧”主理人 存量客户是金融机构的最重要的资源，而AI大模型技术与应用的高速发展，能为银行业务提升方面发挥哪些作用呢？ 本次分享围绕存量时代的客户经营趋势、银行存量客户经营策略以及AI如何赋能银行存量客户经营等方面展开。 01 存量时代客户经营的特征及趋势 客户经营的底层逻辑简单来说就是连接客户与产品，在下图中，最上方是业务经营目标，左侧是客户，里面涉及客户生命周期、关键行为、客户分层以及经营策略等；右侧则是产品，涉及产品的设计、营销、竞品分析和产品迭代等方面；下方是数据、权益、客户、AI等底座以及机制、人才等基础能力，而中间则是客户经营的重点，涉及渠道、经营和场景。客户经营的逻辑其实就是将不同的客户与不同的产品，通过最短路径、在最低的成本下实现精准连接，概括一下，就是做好客户与产品之间的连线题。 随着流量红利的逐步消退，大部分行业都面临新客增长缓慢、市场竞争激烈、客户流失加快等问题，尤其是客户量级过亿的银行，线上获客的天花板大多已经显现，所以此时对于存量客户的价值挖掘就显得格外重要。 存量时代客户经营的特征和趋势大概分为5个方面： 精细化：客户的需求越来越高，需要我们从个性化、定制化方面切入，通过千人千面的方式对其进行精准转化； 场景化：客户如今的在线时间基本都被一些相对垂直的场景所瓜分，此时就需要我们在场景中对客户进行无缝的触达，这样才能保证转化率； 私域化：这个在存量客户经营的逻辑中极为重要，大家都知道二八定律，对于那些贡献8成营收的两成高价值客户而言，通过企微等私域渠道为其进行一对一的服务很

01 研究范围定义 研究范围： 在中央及地方政府的信创政策推动下，我国信创部分领域正在从“试点验证”迈向“规模推广”阶段。随着信创替换的深化，爱分析观察到，在需求侧，企业对信创产品的需求逐渐融合更丰富的业务诉求以及未来数智规划，正从“同类替换”转向“迭代升级”；而在供给侧，信创产品已经跨过“要用”、“能用”，正进入实力比拼的“好用”阶段。企业对信创产品迭代升级的具体需求表现为： 1、软件基础设施 数据库是基础软件的替换重点，企业对数据库的替换需求具体为，在功能和性能上可同等替换IOE数据库外，还要满足企业上云、资源弹性伸缩、混合事务分析、多模数据管理和查询等需求，因此企业对数据库的替换也开始考虑云原生、存算分离、HTAP、超融合等功能特点。 与此同时，在数据架构方面，企业需要解决异构数据源架构下的数据开发及运维难度，湖仓一体架构正成为大数据平台架构替换新方向。 2、应用端 OA是企业最核心的办公软件，也位列全面替换软件的首位。以OA系统的文档管理为例，企业在进行国产替换时，新增知识体系构建、员工办公效率提升以及办公流程自动化等业务场景需求，因此融合AI大模型、知识图谱等技术的文档管理中台成为企业选型偏好。 在客户信息管理方面，企业传统的客户信息管理主要通过Oracle、SAP等系统进行管理，但在本次国产化替换中，在实现客户信息管理功能的基础上，企业会考虑业务的成长性以及未来数智化对业务系统互联互通的需求，因此具有平台化特点的CDP引发关注。 本次报告中，爱分析按照IT架构，自下而上将信创市场划分为：基础硬件、基础软件、技术支撑层、数据层、上层应用软件等五个层级。其中基础硬件包含芯片、服务器、PC、打印机、存储等；基础软件包含操作系统、数据库与中间件；技术支撑层包含低代码/无代码平台、数据科学与机器学习平台、隐私计算、信创云、云原生、安全等；数据层包含数据中台、大数据平台、数

1. 央国企数字化转型背景 1.1 央国企数字化转型驱动因素及目标 在政策、使命、内生需求的共同驱动下，数字化转型已成为央国企发展的必然选择。 政策指引：早在2020年，国资委发布了《关于加快推进国有企业数字化转型工作的通知》，对国企数字化转型的基础、方向、重点及举措做出全面部署，也吹响了国企大规模数字化转型的号角。此后上云用数赋智行动、十四五规划、数字中国建设等一系列政策文件均为央国企数字化转型指明了方向，包括加快释放数据价值、鼓励企业“上云用数”、信创国产化替换、加强合规监管等。 图 1： 央国企数字化转型政策总结 使命担当：面对经济增长压力、外部环境的不确定性，央国企作为我国经济体系的主力军、排头兵，肩负着经济发展、稳固政治和服务社会的使命担当，亟需借助数字化转型推动组织创新、技术创新、管理创新，培育具有全球竞争力的世界一流企业，加快构建高质量发展新格局。 内生需求：央国企基于自身业务发展的实际情况，有通过数字化转型实现降本增效、业务模式重塑、资产保值增值、培育发展新动能的现实需要，且很多央国企已经将数字化转型战略作为“十四五”时期业务规划的重要内容之一。 整体上看，央国企数字化转型在满足国家监管政策要求的同时，也应当针对具体数字化场景沉淀一系列具有央国企特色的解决方案和实施举措，为其他企业转型起到引领示范作用；并且，数字化转型也是央国企降本增效、培育发展新动能、实现国有资本保值增值的重要手段，将驱动实现更高质量的发展。 1.2 央国企数字化转型路径 1.2.1 央国企数字化转型蓝图 央国企普遍具有规模大、体系复杂、下属企业数量多等特点，其数字化转型并非只是局部数字技术的简单应用，而是业务、技术、组织、管理等多方面的整体协同，需要在清晰蓝图指引下按照科学路径逐步推进。结合政策文件和行业标杆实践经验，爱分析认为，央国企应该从数字化能力建设、数字化应用建设两方面推动转