定位大数据分析平台,Kyligence凭开源优势谋全球业务扩张

调研 | 李喆 倪贤豪 撰写 | 倪贤豪基于开源软件推出企业级产品或服务是开源软件的典型盈利模式,于Kyligence亦是如此。Kyligence是领先的大数据分析创新公司, 由Apache Kylin核心成员组建。Apache Kyli

定位大数据分析平台,Kyligence凭开源优势谋全球业务扩张

调研 | 李喆 倪贤豪 

撰写 | 倪贤豪

基于开源软件推出企业级产品或服务是开源软件的典型盈利模式,于Kyligence亦是如此。

Kyligence是领先的大数据分析创新公司, 由Apache Kylin核心成员组建。Apache Kylin是世界领先的开源OLAP on Hadoop项目,是首个来自中国的Apache软件基金会顶级开源项目。

2017年是Kyligence成立的第二年,爱分析拜访了Kyligence联合创始人兼CEO韩卿,对这一年的得失做了复盘。

2017年Kyligence的发展可以从开源软件和企业级产品两方面阐述。

开源软件Apache Kylin方面,2017年的主要改进是:增加了对于雪花模型的支持,有利于减少冗余,节省存储空间;引入了Spark,相比于原来用MapReduce构建Cube,效率更高;除此之外,还增加了对于云存储框架的支持并修补了不少BUG。

至于Kyligence本身,2017年也取得了长足的进步。可以概括如下:丰富产品组合,打造行业案例,完善组织架构,明确战略方向。

完善产品体系,数据仓库的架构趋于完备

KAP(Kyligence Analytics Platform),是Kyligence的核心企业级产品。该产品基于OLAP构建数据仓库,以数据立方体的预计算来实现秒级查询。

定位大数据分析平台,Kyligence凭开源优势谋全球业务扩张

2017年,Kyligence团队围绕核心产品KAP做了产品体系完善。

截至2017年底,KAP已是十足的基于Hadoop的数据仓库,拥有了较为完整的数据仓库框架。具体来说,KAP的完善由两部分组成。

第一,Apache Kylin的改进带来的产品升级。

KAP是以Apache Kylin为核心的产品。Apache Kylin在2017年的这几次版本发布带来的新特性也同样赋予了KAP。这也是基于开源软件开发企业版本为盈利模式带来的优势之一。

第二,Kyligence针对KAP推出了很多企业级的功能,比如安全性管理等,并就企业客户的需求重点做了性能优化。

结合已研发的替代HBase用于Cube存储的KyStorage,KAP作为数据仓库的架构已经完备。作为数据仓库,这也是Kyligence给予其的定位。

除了KAP外,Kyligence在云端也做了投入,于2017年底推出了Kyligence Cloud及Kyligence Robot(KyBot)。前者基于KAP提供云上可扩展的企业级OLAP on Hadoop服务。后者则利用日志分析、数据统计及AI,对Apache Kylin及KAP系统问题做诊断、优化,并可集成于KAP使用。

定位大数据分析平台,Kyligence凭开源优势谋全球业务扩张

拥有整套数据仓库框架的KAP接入客户业务系统,通过ETL工具对数据做抽取、清洗、转换、载入、刷新等操作后,便能为客户提供快捷有效的服务,比如秒级查询、高级复杂筛选、数据可视化能力等等。

加上内置的KyBot、KyAnalyzer、KyStorage等模块以及云端版本Cloud,Kyligence针对不同行业的需求形成了整体解决方案。其中,在所布局的几大行业中均已形成了标准化的解决方案,如金融业的多维分析平台,通信业的用户行为分析平台,互联网电商领域的运营管理平台,以及针对手机厂商的日志分析平台。考虑到Kyligence不做定制化内容,后续在规模复制上会有一定优势。

目前,Kyligence的解决方案适用的应用场景众多,比如数据查询和分析,用户行为分析,数据可视化及日志数据分析等等。这主要还是数据仓库类产品比较常见的场景,但考虑到多维数据模型下,数据立方体预计算带来的秒级查询能力很强,在数据查询相关场景,Kyligence做的更为深入。

另外,Kyligence的目标市场主要还是数据仓库及BI市场,具体到客户层面,Kyligence目前更多地定位于大客户,致力于为客户的核心分析业务提供服务。

在数据仓库细分市场上,传统的领导者诸如Teradata、IBM等有着很强的竞争力和市场地位,KAP拥有完整的数仓架构后,将具备更强的挑战该市场众多先入玩家的能力。

在BI市场方面,虽然推出了自有敏捷BI工具KyAnalyzer,完善了数据仓库的应用层结构,但Kyligence的核心策略是与其他展现、可视化厂家深入合作,通过Kyligence认证体系(KCP),与Tableau, MicroStrategy,Cognos,PowerBI,SmartBI等进行对接,完成兼容性测试,因此未来可以预见Kyligecne与其他BI玩家将会有更多的市场合作形式。

优化组织架构,国内外市场齐齐发力

2017年Kyligence的另一个改变在于团队方面。

相较于年初的20多人,如今团队规模已扩大3倍,达到了60余人,研发人员占比达到了60%~70%,其余人员则以销售及相关行政人员为主。

当前,Kyligence的获客模式还是以直销和合作伙伴推荐为主,但渠道的建设在后续会加强力度。与销售环节相对的,Kyligence的收费方式是按年订阅,具体的报价基于节点数,客单价多在百万级以上。

组织架构上,过去的一年中Kyligence建立了专门的售后队伍,研发人员得以从繁重的运营维护任务中抽身出来,专注于产品和技术的研发。

至于战略的执行上,Kyligence在2017年贯彻了在金融、电信、制造及零售等领域的布局,坚持对于客群的定位,拿下了一批标杆客户。

此外,Apache Kylin作为中国第一个贡献到Apache软件基金会的顶级开源项目,在助力开源社区建设的同时,也享受到了社区的反哺。

除了直销获客外,不少客户是开源软件Kylin的用户转化而来。2017年,Apache Kylin用户由原先100多家增加到了500多家,其中不乏Adobe、百度、美团、链家、农业银行等中大型企业。

未来加大力度建设开源生态,注重开源用户到付费用户的转化,会给Kyligence带来不小的红利。

最后,在全球化上,Kyligence也取得了突破。2017年5月,Kyligence美国分公司正式成立,现在美国团队也已成立并开始跟进项目。Kyligence Cloud这款产品也对海外市场的开拓有所助力,对于尚未建立办公室的国家和地区,Kyligence可以通过Cloud为当地客户服务。

定位大数据分析平台,Kyligence凭开源优势谋全球业务扩张

近期,爱分析对Kyligence联合创始人兼CEO韩卿做了访谈,现将部分内容分享如下。

云端产品推出,Kyligence初探海外市场

爱分析:KAP是一款OLAP on Hadoop产品,针对HBase推出了KyStorage这一替代功能,过去的一年有无新的进展?

韩卿:KyStorage的主体工作已于2016年完成,2017年更多的是原有基础上的优化。

2017年更多的还是针对KAP的新功能的引入,包括BI的整合,以及对于聚合查询的支持等。

可以说,在用户角度来看,KAP已经是一个数据仓库了,不再依赖HBase,只是将数据存储在HDFS上,是一个纯粹的Hadoop上的数据仓库。

爱分析:对于已经使用很多Hadoop集群的金融企业来说,使用KAP会否面临兼容性的问题?

韩卿:不会。对于已经使用Hadoop的企业,只需将KAP安装即可,并不会出现兼容性问题。

爱分析:Kyligence现在主要能解决客户的哪些需求?

韩卿:第一,Kyligence为用户提供了将部署在旧有OLAP系统上的应用迁移出来的很好选择。

旧有OLAP系统已经很难支撑今天大数据的场景,客户急需将应用迁移到大数据平台上,而Kyligence是很好的选择。

第二,Kyligence能简化用户自旧有系统迁移应用的复杂程度。用户从旧有系统迁移到KAP上,不需要写任何程序,绝大多数操作都只是配置、安装、调优。

爱分析:客户从旧有平台迁移到KAP,会遇到哪些挑战?

韩卿:对客户来说,面临的挑战是在旧有平台上的应用版本比较陈旧,需要做必要的升级。

对Kyligence来说,旧有平台和KAP之间不可能完全兼容,我们需要解决兼容性的问题,确保迁移过来的应用良好运行。

爱分析:Apache Kylin在2017年发布了几个新版本,主要有哪几方面的更新?

韩卿:2017年4月30日推出的v2.0是Kylin诞生以来的最重要更新之一,引入了Spark Cubing以及云存储框架的支持、增加了雪花模型的支持等等。8月中旬的v2.1主要是修复了超过100个Bug以及扩大数据输入源和SQL的支持。11月初的v2.2则是在稳定性和安全性上的改进。

爱分析:KAP的应用场景都有哪些?

韩卿:应用场景可以分为几大类:

一、业务部门的实时数据查询和分析。比如金融业的持卡用户行为分析,管理会计领域的财务指标分析,电商领域的运营数据多维分析等。

二、业务数据可视化。KAP提供内置的敏捷BI工具KyAnalyzer,并支持主流的BI工具接入,实现数据可视化。

三、手机日志数据分析。比如手机厂商对海量日志数据的分析。

四、运营管理平台。KAP具备的秒级查询能力,丰富的RestAPI接口,以及对现有Hadoop集群的良好兼容,能很好的胜任运营管理平台的功能要求。

爱分析:前端展现上,KAP与主流BI工具的兼容性如何?

韩卿:兼容性很不错。在过去的一年,我们投入很大的精力去拓展与主流BI的连通性。

为此,我们推出了面向合作伙伴厂商的产品认证体系,适用场景不仅包括KAP与BI厂商的对接,还包括KAP与Hadoop及云计算平台的对接等。

此外,我们还推出了新版本的ODBC(Open Database Connectivity,开放数据互联)驱动,提供了一组对数据库访问的标准API,提高了对Tableau等主流BI的支持。

爱分析:KAP的产品定位是什么?

韩卿:KAP现在的定位就是数据仓库。从抽取数据,到后续的数据分析、查询,包括前端展现,不管是通过内置BI工具还是接入主流BI厂商的工具,可以说已经是一个全站的数据仓库。

与市面上其他做数据仓库产品的友商相比,KAP的定位可进一步细化到Data Mart(数据集市)方向。对于一个企业的决策层来说,并不需要整个Data Lake的数据来辅助决策,更多地只需要与决策相关的数据即可。这部分数据对Data Lake的占比可能也就在20%-30%。Kyligence重视的也正是把这部分与决策相关的数据做深。

爱分析:Kyligence Cloud产品的客群定位是?

韩卿:Cloud主要关注业务急速扩张的中大型企业。这类企业的特点在于绝大多数资源都投注在了业务上,对于大数据分析平台的建设力度往往不足。对此,Kyligence Cloud能很好地予以帮助。

此外,我们还通过Cloud去探索海外市场。国外在云的成熟度和普及度上比国内高,对于还未能建立海外办公室的地区,以Cloud产品能更方便快捷地给以客户服务。

爱分析:Kyligence Robot产品能满足客户什么需求?

韩卿:这款产品的定位是在线的诊断和优化平台,目前面向Apache Kylin用户、KAP企业版(含高级企业版)客户及Kyligence Cloud客户。

在2018年,我们会投入更多的资源在上面,在服务好上述客户的同时,也让开源用户受益。

爱分析:Kyligence开拓海外市场是出于什么考虑?

韩卿:一方面是因为Kylin是开源技术,有很多开源社区过来的海外客户。另一方面就是出于Kyligence全球化战略的考量,通过产品出海,我们能获得更好的发展。

新人不断冒头,国内数仓领域还在蓬勃发展期

爱分析:近年来,国内做大数据基础软件的公司越来越多,对此您怎么看?

韩卿:首先,中国在过去的20年时间里,培养了一个巨大的开发者群体,素质素养很高。

其次,过去10年里,国内互联网发展迅速,包括移动应用等的发展,积累了海量的数据,随之而来的技术挑战是史无前例的。当国内的相关从业者具备解决这类问题的能力时,那么在全球范围内也就具备了优势。

最后,开源技术和开源社区的发展带来了很大的冲击,国内从业者可以通过开源让全球社区对其实力有所认知,也在其中获得了很大的受益。

以上两方面促成了这一现象。

爱分析:对于数据分析、数据仓库这类底层技术的需求,您认为还有哪些行业存在很大需求?

韩卿:制造业对此的需求相当旺盛。

中国是制造大国,同时制造业的产业升级也面临着很大的挑战,可以看到这些年制造业出现了急剧变化。现阶段制造业的转型是离不开数据和数据分析的。这其中蕴藏着极大的需求。

爱分析:数据分析和数据仓库在制造业有哪些应用场景?

韩卿:一方面是精细化管理。不管是通过互联网还是物联网,收集上来的数据通过数据仓库、数据分析完成查询、分析等工作,为企业决策提供帮助,把企业管理做深做细。

另一方面就是智能制造和下游的工业物联网。对于制造企业而言,如何通过自动化技术,提升整体实力,进而达成智能制造。数据分析和数据仓库能在其中起到很大的作用。

定位头部客户,标准化产品有利于规模复制

爱分析:目前合作的各行业客户,大多处于什么规模?

韩卿:在目前开展的业务中,更偏向和各行业的头部客户开展合作,比如行业里的TOP 10,TOP 100。

爱分析:目前的团队规模如何?人员结构与2017年初有何变化?

韩卿:团队人数从去年的20多人多人增加到了60多人。人员结构和去年差不多,研发的占比在60%~70%,剩下的是销售和市场人员。

爱分析:销售模式以直销还是渠道为主?

韩卿:还是以直销为主,同时也在做渠道,新一年会在渠道上做更大投入。

爱分析:收费方式是怎样的?

韩卿:Kyligence采取的是按年订阅的方式,根据节点数报价。这也是目前唯一的收费方式。

爱分析:有无做定制化内容?

韩卿:没有。目前Kyligence不提供内容定制,目前所有客户使用的都是同一个发行版。

爱分析:Kyligence的目标市场是?

韩卿:企业级数据仓库和BI的市场都是我们的目标市场,比如Teradata、IBM等厂商在数据仓库和数据分析上的市场等。

格隆汇声明:文中观点均来自原作者,不代表格隆汇观点及立场。特别提醒,投资决策需建立在独立思考之上,本文内容仅供参考,不作为实际操作建议,交易风险自担。

相关阅读

评论