Kyligence

Kyligence是一家提供AI驱动指标平台与数据湖分析能力的技术公司，官网把产品分为面向指标消费的指标平台与面向大数据查询的分析引擎。前者主张让业务人员用自然语言与指标对话，后者基于Apache Kylin为大规模数据提供亚秒级标准SQL查询。两条线合起来，覆盖了从数据底座到业务洞察的完整链路。

核心能力

• 低代码指标平台：官方称该平台用于定义、收集与分析业务指标，可快速连接数据源并定义口径，几分钟内完成初步搭建。
• AI Copilot：官方称可通过对话或拖拽方式获得自助洞察，把原本需要较长时间的分析压缩到秒级响应。
• 嵌入式分析：官方称可用少量代码把分析型Copilot嵌入自有应用、门户或产品中，加快上线节奏并形成新的收入来源。
• 数据湖OLAP引擎：企业版基于Apache Kylin，官方称可在超大数据集上提供亚秒级标准SQL查询响应，简化数据湖上的多维分析。
• 工具生态集成：官方列出的方向包括统一语义层、与主流BI工具的集成，以及旧有分析平台的现代化替换路径。
• 行业场景示例：官方提供电商、餐饮零售、数字营销等场景说明，展示如何上传数据、定义指标并开始对话式分析。

适合谁

• 业务分析师与数据产品经理：需要用自然语言提出指标问题并快速得到可解释的答案。
• 数据平台与BI团队：需要统一语义层，让不同分析工具消费一致口径的指标数据。
• SaaS与产品团队：希望通过嵌入式分析为自家产品增加洞察能力，提升产品竞争力。
• 使用数据湖的大型企业：需要在海量数据上保持较低延迟的查询性能与稳定的并发能力。

使用建议

• 指标定义的质量决定分析结果的可靠性，建议先梳理核心指标口径再开展对话式分析。
• 评估阶段可用官方提供的指标模板快速体验，但正式落地时要替换为自身业务口径与数据源。
• 嵌入式方案需关注权限与多租户隔离，避免不同客户之间出现数据可见性问题。
• 与既有BI工具共存时，先确定统一语义层的边界，避免出现两套口径并行造成理解混乱。
• 数据分析工具的选型要先看数据源接入能力再看 AI 能力：能不能顺畅接入你现有的数据库、数据仓库与埋点体系，决定了它最终是被用起来还是被闲置。