Kyligence Enterprise 平臺可提供在 PB 級資料集上亞秒級標準 SQL 查詢響應，同時支援網際網路級的高併發訪問；其的AI 增強型智慧分析引擎可透過學習使用者分析行為及資料特徵，自動完成資料模型的準備和最佳化，從而顯著提高資料工程師和分析師的工作效率。

中國銀行業： 資料賦能業務亟待智慧技術最佳化指標治理

伴隨中國數字經濟迅速發展，數字金融已成為商業銀行數字化轉型的必然選擇。伴隨大小銀行均開始陸續採用人工智慧、大資料、雲計算等領域的核心技術，試圖將新技術深度植入到經營決策和金融服務流程，其過程並非一蹴而就。平安銀行是中國領先的“數字銀行”，其在嘗試利用資料賦能業務的過程中，因使用者使用資料門檻面臨數項挑戰：

資料治理難 – 銀行在業務使用的過程中使用的資料在時效性、一致性、完整性等方面存在疏漏。在獲取了海量使用者資料的前提下，其中可能包含了眾多無效資訊，例如空值、過期未更新資料、格式不統一等問題。

資料協同難 - 在集團推行數字化戰略的過程中，內部每個專業子公司也在積極進行數字化戰略轉型。由於銀行工作中業務量大，工作繁瑣，細分業務過多，資料的處理被按不同的模式處理，導致各部門間的溝通協同成本升高的同時降低了資料的可用性。

工具使用難 – 平安銀行僅零售業務就有近200名的資料開發和報表開發人員，同時，業務部門大量員工在均在使用都用資料做Excel、彙報或片區的通告，工作繁瑣，且效率存在侷限。

數字金融智慧應用案例解析：以Kyligence助力平安銀行打造指標平臺為例

Kyligence Enterprise 是Kyligence（跬智）基於Apache Kylin 的構建人工智慧增強型大資料管理和分析平臺，提供在 PB 級資料集上亞秒級標準 SQL 查詢響應，同時支援網際網路級的高併發訪問，助力業務使用者快速發現海量資料中的業務價值，驅動商業決策。針對平安銀行在簡化使用者使用資料門檻的目標，跬智基於其Kyligence Enterprise協助平安銀行打造了“潘多拉指標平臺”。

一、 核心引擎

Kyligence Enterprise 的AI 增強型智慧分析引擎可透過學習使用者分析行為及資料特徵，自動完成資料模型的準備和最佳化，從而顯著提高資料工程師和分析師的工作效率。平臺擁有三大核心功能：

統一資料檢視與多樣介面 – Kyligence Enterprise 平臺可為分析師和業務使用者提供統一的、經過整合及最佳化的全域性資料檢視。透過 SQL、MDX 及 Rest API 等多種介面，無縫對接各類主流 BI 產品，業務使用者可以繼續使用自己習慣的 BI 產品。

資料入口豐富 - Kyligence 可以對接豐富的資料來源，支援從多種資料儲存系統載入資料，並進行統一管理和加速，如關係型資料庫、MPP 資料庫、資料湖、雲等。Kyligence 還提供智慧的查詢路由能力，根據查詢場景選擇最合適的索引和執行引擎。

AI增強引擎協助資料分析 – 基於增強型OLAP引擎（Online Analytical Processing），利用機器學習技術從 SQL 歷史、查詢模式和分析師行為中智慧識別和推薦資料加速模型。

二、元件化架構

潘多拉指標平臺以指標這個企業最核心、最重要的資料資產為切入點，採用Kyligence Enterprise引擎對平臺進行模組化開發。其具體功能元件可分為：

指標應用 - 負責實現指標卡片，指標看板，智慧預警，歸因分析等BI+AI功能；

構建服務 - 負責把指標歸口到某個模型，並進行資料加工；

監控服務 - 負責監控構建任務的狀態、資源的使用率，以及資料治理等場景支援；

元資料模組 - 負責管理指標相關的元資料。

三、核心功能

潘多拉指標平臺的產品架構則主要分為需求接入、指標管理和指標應用三層。由於平臺建設目標主要是為業務需求服務，其關鍵“需求接入”層負責接入各業務線提出的需求，同時對相應指標的匹配、識別、建立、追蹤進行一站式管理。

在指標管理層中，系統對不同類別的資料包括元資料、指標資料、派生指標資料進行分類處理，且應用和管理接入不同的子系統，實現資料需求的全生命週期管理，資料初步處理時進行多維度的評估，利用AI演算法結合歷史指標資料自動計算實際場景預警閾值，並提供查詢功能，完成業務指標的管理之後接入視覺化、客群分析、指標分析等元件，快速挖掘不同場景下的資料價值，定位業務問題並歸因，節省人力，提升工作效率。

四、應用效果

透過建立潘多拉指標平臺，平安銀行成功打通了資料和應用。相較傳統的報表開發方式，使用指標平臺的整體交付效率至少提升了250%，同時，銀行顯著提升了叢集資源的整體利用率。透過規範的定義和自動化的檢測流程，指標平臺減少重複性指標的開發，保證指標口徑的一致性，使得企業的核心指標得到高度的複用。