最近，CSDN组织了一次《人人都能简单上手的指标平台》开箱测评活动，邀请了三位嘉宾，分别是 Kyligence 联合创始人兼 CTO 李扬、CSDN 战略合作总监闫辉、CSDN 开发云 CTO 冯丙见。三位嘉宾根据真实的需求场景，详细评估了指标平台的最新产品功能，分享了该平台的应用趋势和发展前景。

数据已经成为企业管理中不可或缺的一部分，通过大数据的分析和挖掘，企业能够实时观察市场变化，做出更准确、科学的决策。在数据分析的过程中， 指标扮演着关键的角色，能够帮助企业评估业务发展情况、发现问题并及时调整。通过智能化的指标平台，企业可以快速构建统一的业务指标，并进行数据驱动的管理，实现更精准、高效的经营决策。

(相关资料图)

本次测评中，CSDN 通过建立网站的 PV、UV、用户地域分布、用户访问时间等指标，洞察到运营异动的原因，解决了过往看数、用数、管数等痛点。可以说，指标平台不仅能够在企业内实现大规模的数据协作和共享，一键洞察指标异动，赋能业务用户自主使用数据，而且还可以帮助企业挖掘数据资产，将数据变为数据产品，开拓更多的业务发展想象空间。

本期《开谈》，在闫辉的主持下，嘉宾们在整个过程中分享了诸多精彩的观点：

1、通过一个平台构建企业标准的数据口径，它就有很强的可预期性。像这种能力如果能够发生在企业的每一个岗位上，可能会对数字化的建设能力或者整体让企业的数字化竞争能力上一个台阶。

2、如果你是一个产品或业务人员，只能找 BI 部门提需求，等着排期解决，这样效率上就慢很多，用户对平台也不会产生依赖感，所以我们是非常迫切地需要一个可以降低使用门槛，让更多的产品、运营和程序员全部都参与进来，共同使用的一个平台。

3、指标平台和 BI 的主要差别体现在协作性，指标平台鼓励的是一种协作，我们希望在整个公司里产生统一的管理。

4、指标平台最大的价值就是对整个公司提升了从数据角度的可观测性。

5、很多情况下 BI 部门会成为这个公司的瓶颈，每个公司的数据驱动的能力或者水平就由这个 BI 部门来决定，这个其实也是一个不是很好的现象。

戳下方视频可查看本场直播回放，以下为对话精编：

围绕大规模的数据协作与应用

指标平台有着自己独特的贡献

闫辉：提到指标平台，我们特别想了解一下 Kyligence 为什么做这样的产品，主要出于什么考虑？

李扬：大家知道 Kyligence 是一家大数据公司，公司早先的核心竞争力是在一个超高性能的大数据引擎方面。但是随着我们深入服务一些大企业后，发现了一个常用的需求，就是如何用数字的方法来管理或者协作工作。

因为过往这对企业和使用者有大数据技术和会使用数据分析产品的门槛要求。这两个门槛放在一起，其实就造成一些难度，它使得数据分析的能力无法特别普及和推广。以我们服务的客户为例，他们开始会花比较大量的成本投入到数据分析的平台，做整个企业几百上千个指标规模的数字化管理。

我们也是从中受到启发，响应国家的号召，在高质量发展数字化转型的背景下思考怎么帮助每个人。本质上，Kyligence 想做一个可以降低技术门槛和使用数据门槛，同时降低企业使用成本，满足每个人都能使用的一款指标工具，所以研发并推出了人人都能简单上手的指标平台，取名为 Kyligence Zen。其实，对我们自己来说，这是一个挺大的产品形态的转型。

闫辉：既然是人人都能简单上手的指标平台，怎么理解这个“人人”？

李扬：Kyligence Zen 其实源起大企业需求，大企业需要满足大数据量大管理体系的指标应用，但是 Kyligence Zen 目的是帮助人人使用，所以我们就使劲做减法，希望它能减成一个平易近人的简单易用上手的产品。

人人都能简单上手的指标平台，我们希望真的做到每个人。

举个例子，早先使用数据的成本真的很高，记得在 eBay 做大数据的时候，成本高到一次 eBay 网站的流量分析，根据计算量收费，大概就是 100 美金。如果是这个成本门槛的话，不可能做到人人。所以，Kyligence Zen 产品要求一是成本要降下来，二是降低使用门槛，不能太技术（例如要求人人都写 SQL）。以一个基层采购员为例，每天可能和四五个供应商打交道，如果能用到指标平台，其实采购员就可以用数字化的方法核算引入新供应商的成本并与后续长期采购价格的优势进行对比，然后用数字化的方法呈现给公司，有了数字也比较有说服力，推动的可能性就大大增强了。其实，通过一个平台构建企业标准的数据口径，它就有很强的可预期性。像这种能力如果能够发生在企业的每一个岗位上，可能会对数字化的建设能力或者整体让企业的数字化竞争能力上一个台阶。

冯丙见：指标平台这个方向是非常有必要的方向。我工作中也经常用到一些指标，并且也受到过困扰。不管是前期的指标创建到后面的使用，都有面临过非常多的问题，确实需要有一个专门的系统来管理。

以前我们市面上有很多的平台或者是系统，性能非常强大，功能非常全面，但存在的一个问题就是不便使用，需要看非常长的用户产品手册才能明白。同时大部分情况下是需要写 SQL，这个产品是为程序员开发的。

如果你是一个产品或业务人员，只能找 BI 部门提需求，等着排期解决，这样效率上就慢很多，用户对平台也不会产生依赖感，所以我们是非常迫切地需要一个可以降低使用门槛，让更多的产品、运营和程序员全部都参与进来，共同使用的一个平台。

闫辉：据我观察，现在系统要么是方便给领导看的大面板，要么是给 BI 团队用的产品，丙见你认为公司内部可能还有哪些角色会成为很大的需求方？

冯丙见：其实公司内部基本上每个人都会有对接数据的需求。一般情况下我们会认为老板的需求最强，他想了解整个公司的运营情况，各个领导想了解他所负责的业务，再往下就是产品、运营、业务人员想知道工作进展得怎么样，数据可以指导和优化自身的工作方向。还有研发，一个产品做好和做不好，对研发有直接影响。这样会体现他工作的意义。

大家希望自己的工作体现价值，价值怎么样体现？这个产品或者功能最终为公司带来了多少用户、流量或收入，这些是可衡量的。但是很多情况下，程序员是感受不到这种价值的，因为一般情况下他们不会看数据，或者说数据这个思想在程序员阶层离得比较远，大家只顾埋头干活，很少抬头看看我们这个方向怎么样了。因为公司内部缺少一个让数据简单、高效获取的一个途径。

过往指标产品使用门槛高一些，不能做到每个人都很容易地使用，这里不光是资源成本，也有可能是时间成本。获取一个数据需要几个小时，这已经很快了，如果需要几天，对程序员来说本身忙得要死，本身都在疲于应付他的工作，你还要想让他拿几个小时看这个数据，有点难度。如果我们把时间降到几分钟或者更短时间，几秒钟就能知道我负责的产品的数据怎么样，这会让人有动力查看数据，以及把数据用起来。

闫辉：任何一个市场需求都不会凭空出现，在过往的体系里其实有类似的产品，比如说可能有些公司是自己内部做，有些是通过第三方购买。李扬给我们讲讲，Kyligence Zen 比起企业自建或同类型产品有怎样的优势？

李扬：对于企业自建最大的差别，Kyligence Zen 能够让企业更快建立起指标体系。

我们了解到自建能力比较强的一般是更大规模的企业，典型的是金融走得比较靠前，像招行、平安银行等，他们内部有很强的指标体系。它自建一个是因为有钱，第二个是因为它的管理。例如金融企业是不太用公有云的 SaaS 服务。对于小规模公司来说，过往可能在用一些小型的 BI 比较多。

指标平台和 BI 的主要差别体现在协作性。例如，公司汇报的时候，每个部门拿出自己的 Excel，给大家讲我这个成绩做得怎么好，通常是展现数据对他好的那一面，隐藏掉不那么好的方面。

为什么会这样？因为这个数据在那个场景里面是没有协作的，我可以选择性的把工作相关的数据收集起来，再加以包装和展现。但是指标平台鼓励的是一种协作，我们希望在整个公司里产生统一的管理。例如，每个部门都有成本核算，每个部门也有关键的绩效考核指标（或 KPI，OKR）来评估工作结果。这些其实从管理上来说都是事先定好的，我们只是缺少了一个数据协作的工具，给它公开、公正的定下来。所以指标平台鼓励用户先在一个相当于是公共的指标平台上，统一指标口径，然后当我们再来做一些数据协作的时候，最典型的是回顾过去几个月的工作成绩的好与不好的时候，就把标准的这一套指标口径拿出来一起看。

这可能是 Kyligence Zen 相比于自建和传统 BI 工具的最主要的差别。

闫辉：丙见，你怎么看这个问题？

冯丙见：我以前做过大数据和 BI，自建过好几个系统，自建来说最大的问题就是资源问题。

我们可以算一笔账，自建得买服务器，大数据的服务器成本非常高，因为要求非常高的性能，资源层面成本非常高。如果说资源层面用钱能很好地解决，剩下的是人工层面。不光是需要找研发，如果找比较资深的研发，成本也很高，另外还需要有专门的人来对系统进行维护。此外，有了系统还需要把这套系统运营起来，找专门的运营同学为这个系统做一个更好的界面，降低大家的使用门槛和交互门槛，然后推广出来，这其实是很难的工作。自建系统不管是成本还是质量，都有一些欠缺。尤其是因为这种系统大部分是对内的，所以大家对这个交付的质量有时候会降低，因为大家都是自己人，我这个系统做得丑一点可能也就那样了，你别给我提那么高的要求。

难用一点，那就面对面教你，这就导致会出现一种凑合的现象。这种对系统发展本身并不好，导致系统做出来不那么好用，大家也不喜欢用，最终并没有体现出这个系统的价值，没有把这个公司里面的数据价值挖掘出来。

闫辉：刚才听李扬讲，我觉得其中一个很重要的亮点叫协作。确实，比如文档，我们用了之后把这个文档分享给别人去协作，这个对企业来讲提升了沟通效率。协作也是企业内部非常重要的需求。不过，任何一个产品都会涉及到决策者，Kyligence Zen 对于公司的领导来讲，产品的价值能体现在哪些地方？

李扬：我自己也是 C 开头的角色。我觉得最大的价值就是对整个公司提升了从数据角度的可观测性。

我举个人的小痛点，比方说年头年尾通常都会有 IT 预算的工作。初期会收到很大的预算申请，说我今年要花这么多钱。这个时候数据可观测性基本上会下一层，这个项目要花多少钱，那个项目花多少钱。我的思路可能就是控制它，就说你为什么要花多少钱。比如说这个项目可能去年做了一期，今年你打算做二期，是不是应该把一期的已经发生的实际费用作为一个参考底线来得出或者推算二期的新一年的预算。

我很好奇，二期的费用是怎么算出来的？通常这里就分解不下去了。同学们一般是做了这个功课的，但是他呈现给你的时候，还是一样，他没有一个比较好的数据协作工具，把背后推算的原理讲清楚。要么就是用一个文档文字概述，于是就会产生多轮的沟通成本，一层层勾兑，循环往复。

在这个场景中，因为我自己没有自主展开数据可观测的能力，就会使得我每个小问题都会产生一轮沟通，准备预算的同学也会反反复复地麻烦后面的技术人员找到这些关于我问题答案的数据，再来回答我。整个协作的效率很低。

闫辉：丙见你怎么看？

冯丙见：我倾向于从全面的数据驱动的思路来看待。CSDN 蒋涛总一直强调用数据驱动，用数据说话。

数据驱动说了很多年了，想要落地真的很难。我理解是缺乏一些工具或者是平台来承接它的落地。很多时候一说到数据驱动我们想到的更多的是为公司建一个 BI 部门，找一些数据分析师，不管做什么项目，先搞一堆指标，给他提需求，等着他给你结果，然后用这些数据进行决策，这就是数据驱动了。我理解这可能远远不够。

因为很多情况下 BI 部门会成为这个公司的瓶颈，每个公司的数据驱动的能力或者水平就由这个 BI 部门来决定，这个其实不是一个很好的现象。我理解这个数据系统应该是有一个门槛更低的工具，可以让所有的决策都参与进来。你有了想法，应该很快地拿到数据验证想法，而不是排队等着拿到数据。这个超长的等待时间就会让你觉得干脆就简化一点，或者这个就别做了，这也不是好现象。我觉得指标平台更大的使命应该要承载公司整个数据驱动的落地。

闫辉：的确，作为公司的员工之一，我自己之前也会做很多东西，过往一般都是我有什么需求直接跑到 BI 去说你给我拉一下这个数据。

如果有这个平台的话，我自己能够快速的通过思考在数据上找到一个验证，或者帮我验证我的思维，这样第一个是让 BI 不成为瓶颈，第二个是可以让更多人用业务的视角看待公司的运营。

快速上手 kyligence Zen

CSDN 评测产品四大能力

关于具体评测过程，您可搜索『CSDN』视频号查看本场直播回放，以下内容是测评过程中的精彩对谈：

Kyligence Zen 产品架构图

Kyligence Zen 提供集业务模型、 指标管理、指标加工、数据服务于一体的一站式服务。本场测评过程中，CSDN 开发云 CTO 冯丙见详细体验了 Kyligence Zen 四大产品功能：

▶ ZenML (Zen Metrics Language)：通过类 YAML 描述性语言构建语义层，让工程师像写代码一样去定义和管理指标，通过将技术语言转换为业务语言，非技术用户也可以轻松获取数据洞察；

▶指标目录 ：帮助用户进行统一的指标定义和管理，基于一致的基础指标灵活生成复合指标及衍生指标，保障一致的指标口径；

▶模板市场 ：行业专家打造海量指标模板，支持用户一键导入，省去 80% 以上的调研和搭建时间，加速开展分析工作；

▶Excel/WPS 直连分析 ：用户无需改变原有习惯，在 Excel/WPS 中即可快速连接 KyligenzeZen 进行指标分析。

闫辉：大家体验完有什么感受？

冯丙见：我设置了6个指标，例如网站的PV、UV、用户地域分布、用户访问时间分别等等，目前体验下来觉得这个系统很简洁易用。通过我设立的 6 个指标可以通过指标目录看到，一目了然。柱状图、饼图、折线图等不同的展现模式可以从不同的角度来观察数据，方便理解数据。其实，我觉得把指标的定义和可视化分开是一个非常不错的思路，也能很好地解决前面提到的 BI 团队容易成为公司瓶颈的问题，就是应该把像 BI 团队承载的指标定义、对比或者管理工作，通过工具的简化交给产品运营或相关同事，这样每个人都能自助式管理和查看。

如果通过这种模式，BI 人员可以更专注，专注就会变得更专业，可以让整个公司的 BI 水平有一个更高的提升。

李扬：目前，Kyligence Zen支持连接各种主流数据源，包括 Amazon S3 和 CSV 等。尽管它背后呈现的是一个数据模型，但不管其背后多么复杂，最终呈现给用户的是一个表格。系统可以是简单的 CSV 文件，也可以是更复杂的视图，背后关联着许多复杂的表，如心形和雪花模型等。这种设计使用数据模型来分界技术和业务，从数据模型以下，需要数据团队和数据工程师来准备最基础的数据集，这与传统方式相似。然而，从数据模型以上，采用业务口径来描述数据。这些口径是指标，包括衍生和派生的指标，可以衍生出许多业务指标。例如，可以根据去年某个项目的实际成本，派生出一个新年的预算指标。

产品设计的角度，我们其实还是不想和 BI 去竞争做数据展示这一块。

前面提到的 BI 的例子，其实 BI 今天是整合了两个关键信息，一个是数据怎么展示，还有一个是数据背后的业务口径。不过通常不是原始的数据展示出来，多少有点加工。这里有一个公式，那边乘以一个系数等等。指标平台想做的事情是想把数据的业务口径这部分给它剥离出来，把数据的展示和数据的业务口径这两块给它拆开。

为什么？因为数据展示是可以很灵活的，我们想怎么看就怎么看，这是传统 BI 的专长，他们有专业的人做好。但是业务口径我们想做一些标准化、透明化，这一块我们建议拿出来，放到指标平台里面，这样的话，在数据协作的时候，当我与另外一个人沟通，我不仅会让他看到这个数据展示，同时他如果关心我这个数据是怎么算出来的，比如说你有没有算对，正确的参考值来做今年的预算，对方就可以在这个指标业务口径上面用很清晰、标准的方法快速看到这个数据。

闫辉：为了做到这样，Kyligence Zen 产品底层技术还做了哪些？包括我看有一些低代码和自动化，这个怎么体现出来？

李扬：一个比较大规模的数据协作，可能有几百个指标一起来描述一个业务的好与不好。它其实就是需要比较强的指标运维能力。以快递业务为例，由于参与人员的复杂性，包括公司内部、外部、供应商和自由接单人员，每个人可能有数百个指标来描述和管理他们。如果每隔半年更换领导，通常需要更改管理方法，比如更改人员外包策略，就需要更改指标体系，甚至更改数百个指标，或更改数十个指标以改变管理风格。再比如，如果我决定根据今年的业务方向更改 KPI，老客户的指标权重将降低，我需要切换到一个新的指标体系。随着复杂度的不断提高，这种管理方法越来越像一个数据工程，就像我们的代码工程一样。因此，我们需要一种工程化方案来管理它，这与软件工程的发展类似。

最初，一个人编写代码时不需要版本管理，但是当多个人协作时，版本管理变得非常重要。此外，发布流程、生产上线、下线和运维工具也变得非常重要。这一系列随着我们说人人都能够使用数据，参与数据协作以后，这里的数据工程的规模也会变大，这些围绕着数据和指标的工程管理工具也会变得越来越丰富。

闫辉：所以这里面其实是有一个很重要的产品思想，把整个数据体系逐渐有一个业务层的抽象，这个抽象我们利用常规技术研发的一些工具来把它管理起来，帮助我们假定以后业务的需求有变更的时候，指标体系不用从底层开始做了，我们只要改这一层业务描述层的东西。要做这件事情背后的难点在哪里？

李扬：其实最难的还是怎么去平衡灵活性和它背后的成本。前面说到了，如果数据量大的话，一次分析就特别贵。

传统技术角度，为了平衡这个成本，一般是采用预计算相关的技术。但不是所有的场景都适用，比方说我有一个新的指标或者业务创新的想法，如果想很快看到效果，这个时候为了快速的实现一些创新，就不能全部使用预计算的方式来做。这里是要有一个平衡。

Kyligence 是做多维数据库起家，我们是一个混合模式，在基础指标以下，它主要使用预计算的方法来降低成本，提高响应速度。在基础指标以上的预计算层面，业务人员可以自定义业务指标，使用传统的高并发计算方法来补全。这两部分需要结合起来，类似于一个平衡器。如果往预计算方向多拉一点，成本会便宜但灵活度会降低；如果往灵活度那边多拉一点，灵活度会提高但成本会增加。但是 Kyligence 已经将这些复杂的产品完全隐藏起来，让业务人员可以使用自己的语言和方法进行小发明，也可以通过数据来审视自己的工作并进行总结和改进。同时，Kyligence 也提供自动预计算模型和计算引擎来帮助用户进行更高效的工作。

闫辉：你们最喜欢的功能是什么？

冯丙见：总体来看，打动我最深的两个亮点，一个是它比较简单。其实我以前也做过这种产品，我很难权衡它的灵活性还有扩展性，如果我做得太简单，又会担心是不是需求满足不了，别人说这不行那不行；做太复杂，别人也不会用，很难平衡。目前来看，Kyligence Zen 其实在这个上面取得了很好的平衡。

第二个亮点，就是归因分析。我觉得这是一个非常重要的功能，我非常喜欢。其实如果做过 BI 的话，肯定会经常收到这种需求，我这个指标发生了波动，你帮我看看怎么回事。

我们老板可能经常有这种困惑，比如说用户涨了，或者某个指标跌了非常着急看到是什么原因导致的，是正向的还是不好的，我们应该马上规避。拿到这种需求也是很麻烦的。如果这是一个新问题，那你就得从头分析，尤其如果你是一个经验没有那么丰富的分析人员更麻烦，你可能要看很多的数据，看很多维度的数据才能得到一个差不多的答案，而且不一定那么准确。归因分析就是非常不错的功能。我看到这个系统最想用的就是这个，这能够很快地让我知道数据出现的波动是什么原因造成的，波动的排序是按这几个维度的相干性、影响力由高到低排的，既便利又省心。

李扬：对我来说，其实很难割舍，我的核心只有一点，就是我觉得它是一个更高效的数据协作工具，所有的东西都是围绕这一个点开始的。围绕着这一个点，它又首先是用指标来定义了一个通用的数据语言，什么叫数据通用数据语言？比方今天我说上证 50 指数，它就是一个标准的数据语言。

试想在一个企业内部，我们用数字化管理的时候，我们也会有这种需求。比方说销售额的时候，它到底是带税还是不带税？销售可以拿到的提成是相等还是不相等？这里有一个标准数据语言的口径。这个就是指标最核心的作用。在这个点以上，它就再伸展出，因为我有标准的数据语言了，我们说话沟通变快了，人越多沟通的效率越大，提速效果就越好。

这个核心基础之上，它再长出各种各样的小的功能点来，我挺同意归因分析这个是一个挺不错的亮点。还有一个功能是 Kyligence Zen 直连 Excel 的能力。整个平台来说，我们带一点数据展现，但是做得很克制，数据展现就要留给 BI 做，他们做得非常好，所以我们和各种各样的 BI 都有集成。其中可能对于我们普通的每个人来说，能上手的最典型的就是 Excel 的工具，Kyligence Zen 直连 Excel ，可以让每个指标都很容易地在 Excel 里面打开，马上能看到数据还可以创建一些图表来进行联动，这又进一步的降低了数据分析和指标管理的门槛。

Excel/WPS 直连分析

闫辉：我觉得这个功能特别贴合咱们的口号，第一个叫人人，一些真正的业务人员。第二个是简单，就是这种功能真的和用户的工作场景直接贴合，解决原来工作流程的弊处。这样的产品我不知道咱们整个的市场推广和用户的销售策略大概是怎样的？

李扬：目前 Kyligence Zen 提供免费 14 天试用，付费的话，是按算力计费。

闫辉：这个产品确实不仅仅是组织内部使用，也会成为公司内部连通外界的方向性的产品。当然用户的创造力是无限的，我觉得会有特别多的新的场景出来。想了解下这个产品未来是否还有更多新的计划？能不能调用 ChatGPT的能力?有没有这种可能？

李扬：还真有，我们说到 ChatGPT 本质上是一个更高效的知识传递工具。至少我目前的理解是这样，还没有到自己来创造新的知识的阶段。其实在数据上也是类似的，如果我有一个指标或者有一个分析，或者我对数据有一个知识的沉淀，可能它在这个大一点的企业里边，某处已经有人做过了，这个知识能够被 AI 学了，你再问它，岂不是跟那一位资深的数据工程师通过 AI 作为桥梁，进行互动和对话？这是类似的效果。我们内部正在往这个方向去做。

冯丙见：我觉得朝着智能化的发展，对于这个产品来说是一个不错的方向。因为这个产品的思路就是简化使用的门槛。再往下简化，就不需要人操作了，现在还需要人操作，再往下只能说话了。通过说话，它告诉你一个结果，到时候大家可能也不需要纠结要不要归因分析，要不要指标构建，我有什么问题，我需要了解哪方面的数据，它就自动告诉我数据情况，有什么样的波动，波动的原因是什么，可能把我想要的东西都告诉我，这样可能是更智能化，门槛更低，更能满足需求，成为对使用者产生有更大帮助的一个系统。

闫辉：其实今天聊的内容已经非常丰富了，我们也通过测评感受到了 Kyligence Zen 一站式指标平台智能便捷的产品能力和应用价值，最后能否请两位再总结概括一下？

李扬：基于指标的数字化管理，最早是从较大型的企业开始，他们有很强的协作需求，需要做标准化。通过量化、数字化的方法实现大规模的协作，这是一个典型的应用需求。Kyligence Zen 只是把这个经典需求用一个更低门槛，更平民和更普及化的方法呈现出来了。希望在一个新的围绕着指标的标准数据语言之上，能够让每个人使用数据来表达自己，使用数据来协作和创新。

冯丙见：通过 Kyligence Zen 的使用，我可以感受到如果一个公司想做数据驱动，用数据来挖掘数据的价值，让公司更好的发展，这个产品会是一个很好的落地的支撑性产品。它的功能更简单，上手门槛更低。我刚才看了一下，我使用时间不是很长，但是现在体验后已经基本了解每个功能的能力，解决什么样的问题。

第二个是里面有非常实用的功能，还是要再提一下我刚才说的归因分析，这是我非常喜欢的功能，不光是 BI 人员，哪怕你负责一个业务，你肯定会碰到汇报业务发展情况，如果你只是列出来我这个指标上升了、下降了，但是不知道是什么原因，那么肯定会受到质疑。所以，这个功能还是很有价值的。

闫辉：大数据时代，数据成为了企业的重要资产，可以说，每一家公司都是一个数据公司。我想到一个场景，我们 CSDN 带有一些媒体性质，经常要做一些排行榜。其实，Kyligence Zen 就可以帮助 CSDN 做这样的榜单或者指数，大家在这里可以很明显地看到数据的变化。这些应用或许也是一种场景，它不仅仅是企业内部的管理和运营了，而是帮助企业“包装”这些宝贵的数据资产，形成了数据产品。

责任编辑：