對於企業內搭建數據平臺的IT人來說，在服務業務進行數據分析時都會遇到形形色色的“坑” 。
- 查詢速度慢：很多傳統型的BI是基於上一個時代的數據量級進行產品設計的，遇到當前大數據的TB甚至PB海量數據缺乏優化設計。
- 易用性差：紛繁的產品模塊和建模門檻讓業務部門很難獨立用好一款傳統BI產品。
- 產品開放性差：很多時候每個企業都會有數據分析的定製化需求，封閉的商業軟件很難滿足。
- 成本高昂/廠商鎖定：很多傳統BI廠商不僅僅售賣BI系統，上下游軟件通吃。當企業使用全套業務才能產生最好效果，這大大限制了企業對軟件的自由選型。一旦上了一家的“船”，當企業的使用規模擴大時成本基本很難控制。
- 分析門檻高：業務人員製作分析報表面臨向IT部門提需求、改需求、反覆溝通、上線時間冗長的問題。
IT 作爲服務部門，既要考慮企業對 IT統一治理、管控的要求；又要兼顧到業務發展，打造一個性能強大，拓展性好的基礎平臺；平臺上的數據服務需要是靈活的、開放的。平臺不僅僅提供報表工具，更是讓數據的使用更加便捷，助力業務用好數據平臺，實現業務價值變現。
綜合企業IT及業務的兩方面需求可以看到，一個現代化的大數據平臺，應該具備的特點：
- 高性能：支撐當今企業爆炸式數據體量
- 高併發：滿足各個業務條線，組織架構從上至下的運營決策的數據分析，統一的數據服務平臺
- 元數據管理：保證企業級的數據治理，維護 Single Version of Truth，防止數據孤島
- 敏捷數據分析工具：與平臺層或數據服務層打通，不一定是可視化分析工具，業務可能只是需要一個便利的獲取數據的取數工具
這些都兼備了纔有可能讓大數據平臺服務好業務，展現數據驅動決策的效果。
（大數據平臺參考架構）
用好大數據組合拳，助力業務實現自助分析
隨着互聯網和新媒體技術的飛速發展， 企業擁有的數據量呈現出幾何級增長，傳統BI + 數倉 的組合已經完全不能滿足業務的場景需求。Kyligence提供的大數據自助分析組合拳解決方案已經幫助不少行業龍實現對複雜數據分析的快速響應。與大家分享兩個典型案例：
中國聯通使用大數據平臺實現對原有 Oracle 平臺上 EDW 應用的替換，在大數據平臺上實現高性能的移動業務、寬帶業務數據分析及用戶洞察，基於新的大數據平臺，業務人員可以輕鬆的使用拖拽操作進行多維分析。
中國銀聯近幾年成功轉型金融科技，從傳統數倉遷移到大數據平臺後，運維成本縮減90%， IT能夠統一的管理數據權限，且統一了全集團的業務口徑，在業務端輕鬆支持到千萬級商戶上進行高性能交互式分析與數據探索。
這些案例中的一個共同特性是，當業務使用業務分析遇到瓶頸的時候，這些企業並不僅是採取頭痛醫頭腳痛醫腳的策略針對BI前端進行優化，而是採用更爲全局的方案從大數據平臺建設開始，採用組合拳做整體的升級和優化。
同時，大數據平臺通過模型上的維度、度量、指標、層級結構等語義定義實現將底層數據源的技術語言翻譯成了業務語言，從而降低業務的數據分析門檻。而業務基於大數據平臺在前端擁有靈活易用的工具，使用大數據平臺語義層統一定義的指標進行拖拽，所見即所得。
Kyligence 公司提供了同時服務IT需求和業務場景的大數據“組合拳”產品，可以幫助企業高效的上線大數據平臺實現業務自助分析的價值，如果您對這套“組合拳”產品有興趣的話歡迎您點擊瞭解更多