大數據未來在中國 唯有合作方能實現共贏

目前，大數據市場被普遍看好。據知名分析機構Forrester預測，未來五年，大數據技術市場的年復合增長率將達到12.8%。
大數據未來在中國 唯有合作方能實現共贏

　　

　　 隨著大數據業(yè)務日漸火熱，數據量不斷增長，對于智能化處理數據及分析也成為迫切需求。Kyligence作為領先的大數據智能分析平臺，如何在這個領域脫穎而出？近日，專訪了Kyligence聯合創(chuàng)始人兼CEO韓卿。
　　
　　 大數據的未來是在中國
　　
　　 問：韓總您好，請您給我們介紹一下Kyligence公司和目前的發(fā)展狀況。
　　
　　 韓卿：好的，我們公司叫Kyligence，來自Kylin和Intelligence兩個單詞的組合。大家知道我們的開源項目是Apache Kylin，在Hadoop之上提供超大規(guī)模數據快速分析的能力。是目前唯一一個由中國團隊完整貢獻到Apache軟件基金會的頂級項目，和大家熟悉的Apache Spark、Apache HBase、Apache Kafka等一樣都是頂級項目。Kylin項目開源已經兩年多了，國內外用戶已經超過100多家，在今年年初的時候，我們幾個核心成員創(chuàng)立了Kyligence這家公司，也獲得了拿到了紅點創(chuàng)投幾百萬美元的天使投資。到今天，公司成立半年多來，一方面積極推動了Kylin開源社區(qū)和技術的發(fā)展，另外一方面也在商業(yè)上做了很多的突破，簽約了來自金融、電信、制造、互聯網等很多標桿客戶，為客戶提供了大數據自助分析平臺、數據倉庫、商業(yè)智能等各種大數據分析解決方案。
　　
　　 問：當初是什么樣的背景讓您創(chuàng)建了這樣一個公司？
　　
　　 韓卿：首先還是行業(yè)趨勢，整個大數據領域正蓬勃發(fā)展，我一直認為大數據的未來是在中國，我們有著無以比擬的數據量和挑戰(zhàn)，也就意味著其中機會很大。在我們開源Kylin后，隨著社區(qū)的發(fā)展和用戶的增多，在不同行業(yè)不同應用場景下的能力，我們看到了Kylin的未來有著非常大的前景和潛力，同時，我們也看到了隨著數據量的不斷增長，對于智能化處理數據及分析的迫切需求，我們希望將我們的技術不斷演進來將這只麒麟神獸更加智能，以解決大數據分析領域中的挑戰(zhàn)和難題，為廣大用戶帶來智能化的解決方案。
　　
　　 問：剛才您說拿到了天使的投資，這個投資方是看中我們什么樣的特質？
　　
　　 韓卿：紅點創(chuàng)投是一家全球的老牌基金，他們在美國投資了非常多的大數據創(chuàng)新領域的公司，他們分析過，在美國我們這個領域至少有超過10億美金的市場規(guī)模，而在中國的規(guī)模只會更大。而這么大的市場，對于底層技術提供商的需求只會更加旺盛，這也是我們一出來就拿到了他們的幾百萬美元投資的一個原因。另外，他們在剛接觸我們的時候，邀請了國內外技術公司對Kyligence及Kylin項目進行了評估，得到了對Kylin技術和團隊的極高評價和未來商業(yè)化的市場的高度認可，也是為什么紅點迅速做出投資決定的原因之一。
　　
　　 問：目前我們在中國市場上有哪些用戶？
　　
　　 韓卿：目前，據不完全統計，Apache Kylin在全球有超過100家用戶，在中國，我們有來自百度地圖、網易、美團、京東、中國移動、中國電信、銀聯、國泰君安、華泰證券、聯想、OPPO、魅族、樂視、陸金所等。為不同客戶提供大數據的數據倉庫、商務智能、自助分析平臺、數據服務平臺、資產管理、實時分析等解決方案，其中很多已經成為我們的付費客戶，購買了我們的專業(yè)服務、企業(yè)級產品以及相應的解決方案等。
　　
　　 問：我們這個產品適用的客戶是原本就有很多數據的用戶嗎？或者說是不是數據很小就用不到我們的產品？
　　
　　 韓卿：好問題，很多人會有疑問，大數據分析是不是一定要有很大很大的數據量才可以，這其實并不完全正確。我們確實是解決了超大規(guī)模大數據下的快速分析挑戰(zhàn)，所以很多大型企業(yè)在使用Kylin，因為他們的需求很迫切。但有更多的用戶其實數據量絕對值并不大，但其價值卻很大，通過使用Kylin，可以在更短的時間內獲得信息，從而更早的推動業(yè)務決策和行動，大數據需要將價值最大化。另外，使用Kylin，可以降低相關大數據系統的成本，從而為企業(yè)的大數據系統帶來更大的ROI。

??? 在大數據領域，只有合作才會共贏

　　　　
　　 問：相比同類的競爭對手，我們的優(yōu)勢在哪兒？
　　

　　 韓卿：說這個之前先看一下我們的競爭對手是誰。我們的競爭對手是傳統的數據倉庫和商務智能的供應商，絕大部分都是來自國外的公司。往往他們的數據處理能力在TB級別，而我們能輕松做到PB級別，并且相關的軟硬件成本更低。其次，我們的性能和并發(fā)性比他們快得多，在萬億規(guī)模數據集上我們能夠提供亞秒級別的查詢性能及超高的并發(fā)訪問能力，這個傳統技術是無法做到，或者需要極大成本才能實現。另外，我們是完全原生的Hadoop技術，所有的部署、應用都僅使用Hadoop標準組件及API，因此分析都在Hadoop平臺上完成，數據無需在平臺之間遷移，相比傳統的數據倉庫及商務智能方案，他們往往需要將數據抽取到BI服務器進行進一步組織和分析，而我們將計算遷移到數據的做法，大大減少了數據搬運的成本和時間。
　　

?