后疫情时代,

零售企业如何降低云上数据分析成本?
Kyligence 智能多维数据库的建设帮助解决原有应用系统之间数据不打通、主数据管理混乱、KPI 口径五花八门等问题。贴合云原生的架构设计能够利用到云上弹性伸缩,按需申请资源等特性帮助我们有效的控制成本。完备的监控让 IT 人员运维变得非常方便,还能知晓业务用户真实使用情况。
杨祖瑜 IT Portfolio Lead of International

面对疫情冲击,

餐饮业如何实现数字化转型

2020年,突如其来的疫情对很多行业冲击巨大,餐饮作为零售行业的一块,也受到了比较大的冲击。因此,公司进行了一系列的数字化转型,以更好地渡过这个严冬。数字化转型包括两部分:一是「开源」,通过数字化转型发现新的销售机会、新的增长点;二是「节流」,这一部分需要 IT 对整个业务进行赋能。

Kyligence 智能多维数据库

基于 Azure 的架构

基于 Azure 的云原生架构

整套架构采用微软云(Azure)作为底层,后台使用了微软的 Spark 类型的 HDI。通过微软的数据工厂,把各个源系统的数据在 Blob 上面进行落地,同时用 HDI 里面的 Spark 功能对复杂的业务逻辑进行处理。当这些数据处理完以后,把这些数据 Onboarding 到 Kyligence 的模型里,业务就可以使用这些模型来做数据分析。

基于 Kyligence 特性,

划分业务架构

基于 Kyligence 特性,

划分业务架构

基于 Kyligence 的特性,可以简单地把整个业务架构分成几块:

客户收益

Kyligence 从以下三个方面,为数据分析大幅节约了成本:


继续使用 Excel,无学习成本:

用户可以继续使用 Excel 进行数据分析,无需改变使用习惯,没有额外的学习成本,因此在用户当中的接受度非常高;


弹性伸缩:

云上资源可以根据我们的实际需求弹性伸缩;


预计算:

通过对用户常用查询进行预先计算,当整个资源下降的时候,用户的查询性能是没有变化的。

即刻体验智能多维数据库

免费试用 产品下载

申请试用
关注我们