在现代数据服务体系中，目的平台或许说基于目的的服务和运行是其中关键的因素之一。麦肯锡《2025数据驱动企业》报告当中有一个关键观念：到 2025 年，绝大少数人将会经常使用数据来优化他们上班的简直各个方面。这里的“绝大少数人”，不只包含业务决策人员，也有数据剖析师和工程师等，而大家所在的行业畛域以及关系的背景、阅历和技术水平都有所不同，因此低代码和低代码所衍生出的智能化就有着关键的价值。本文将从目的平台运行树立的角度，分享如何施展低代码的作用，去构建人人可用的矫捷目的工具。
一、数字化转型与目的树立的应战：低效价值转化
很多行业和畛域的企业都在树立自身的目的平台或以目的为**的数据运行，在此环节中无法防止地会遇到一些疑问。
咱们先转到数据控制的视角来看，目的其实是一个通用的数据言语，可以超过人和人之间以及人和数据之间的沟通。
（1）数仓/数据湖的架构范式
无论是数仓还是云上数据湖的树立，曾经从数据归集转变为数据结合的形式。首先，数据采集或许来自于不同的源头如各种传感器等；另外，各种上云的业务受制于数据传输的云规范或合规要求，因此各个平台之间或许说各个数据运行之间须要有一个通用的沟通方式。这种沟通方式不只仅是超过数据运行的，也是在不同角色之间的一个通用交换方式。这种交换方式其实是为了咱们更好地聚焦到目的上。
过去的沟通更多的是以报表为载体，但关于业务人员来说，或许对一张表或许一份数据并没有特意的感知。而以目的方式出现进去的数字立刻就会有一种亲切感，助力关系人员更快更准确地做出决策。
假设以目的作为通用数据言语，那么可信和效率就会变得尤为关键。由于关于目的来说，最终是以单个或许多个数字来出现的，这些数字面前的计算逻辑、计算口径、能否来自于可信数据源、整个数据处置链路是不是被各方接受等等，是这个最终目的结果数值能否可信的基础。而整个单干和数据链路中的效率也是十分关键的，有很多目的具有必定的时效性，过时之后就失去了其作用。
接上去就回头看一下数字化转型和目的树立中所面临的应战。
咱们经常会听到数据孤岛，实践上目的也会存在孤岛的状况。
从上图左边可以看到，过去少量的目的树立和运行的环节都会间接把目的落在 BI 报表/数据运行剖析工具上，或许说少量的目的会散落在整个 ETL 处置链路上。在不同的剖析工具如 SaaS、自研 BI 运行之中存在着很多相反的目的，但这些目的或许来自于不同的数据源，其计算口径或许不一样，计算逻辑或许超过了多个宽表，一些计算方式或许会由于保养不到位而失落，最终就很难判定在哪个平台上的目的是最可信的。
而整个趋向就是从目的孤岛转变为树立一致目的目录：这个目的目录就相似于图中右侧所展现的，关于终端运行或平台所经常使用的目的，抽取其定义和计算口径，一致放在一个目的目录中。
刚才的疑问是在一个切面上，如今咱们把视角拉到整个数据处置的链路上。过去从业务方提出需求开局，到最终一些有价值的内容可以回馈给业务方，会阅历一个相当长的环节，数据价值转化的效率很低，而且很或许会出现复用无余、老本居高不下的状况。
上方以一个实践的例子来说明，这是咱们和一家头部股份制银行展开的基于用户行为剖析的场景树立目的平台的环节。
图中可以看到，高低两个流程中介入的角色都是相似的，有业务方和 IT 方。在过去惯例的流程下，业务方提出目的需求，IT 方须要去做少量的需求沟通，接上去是很长一段期间的目的开发，最终出现的载体是报表，未来有新的目的开发又会是一张新的报表。整个环节的复用性和效率都很低。
换一种方式，在业务方提出需求后，假设有一个目的目录作为载体，基础目的曾经存在，衍生目的可以经过对基础目的二次加工获取，所以或许实践只要极少数的目的须要开发，这样就可以很好地控制老本。而最终的产出从报表回到了目的目录上，也就是说，大家集中精神始终迭代降级的目的目录，从而使其可以满足更多的业务要求。高层的消费端不论是 BI 工具、表、报表还是 SaaS 等都可以间接调取目的目录中一致控制的目的。这样业务也可以很好地介入出去，也就是咱们经常听到的“人人都是剖析师”。
在这样的平台树立下，经过两年左右的期间曾经取得了十分清楚的成绩，以目的为基础，可以看到生动目的数、剖析维度有了清楚的优化。最终目的的开发周期清楚缩短、查问性能有效提高，同时也经过目的复用等大幅优化了全体上班效率。
基于前文中提到的疑问和应战，咱们一同来看一下什么样的目的平台可以做到很好的承接。
目的平台经过目的来驱动控制与决策，它是集业务模型、目的控制、目的加工和数据服务于一体的完整处置打算。
目的平台可以分为两大局部： 第一局部是目的运行， 包含目的定义、口径计算控制等，这局部是以界面的方式放开进去的，经过自助的、低代码的方式； 第二局部是计算引擎， 目的模型触及的数据计算、加工等都须要计算引擎来承当，以智能化、无感知的方式出现。即在界面上对目的启动定义和控制时，平台智能化地成功了少量面前的建模举措。
Kyligence Zen 一站式目的平台就具有了这样的**因素。从下图可以看到，第一局部就是前面提到的目的目录，在目的目录之下可以做到目的智能化、目的控制，从而成功了以低代码自助式的方式放开给业务用户以及数据工程师。
下图是 Kyligence Zen 的主体界面，可以看到，它不再是以表的方式出现，而是经过业务人员间接可以感知到的目的称号、目的数值、以及繁难图例来出现。在左边的列表中可以看到一些基础目的，也有基于基础目的的衍生目的，整个目的目录聚焦于目的之上，智能化地出现和控制一个目的体系，这样的目的体系对业务人员是十分友好的，能够高效地赋能业务自主用数。
当然，目的目录只是一个载体。不同的目的可以做不同维度的洞察，而这些洞察中很关键的就是当目的有异动的时刻须要去做归因剖析。过去咱们做归因剖析须要和业务沟通、进而由数据工程师去建模、多维度的婚配判定、以及繁琐的取数计算等，一旦关注的维度、期间周期出现变动，整套流程就须要从新构建。
如今在下图界面中可以看到，比如关于关注的净利润目的，只要给出期间区间和关注的维度等，平台就可以极速智能化地为业务方给出按不同维度的归因剖析报告，协助他们更精准、更极速地决策。
再来看一下生动客户数的例子。统计生动客户数须要做去重的操作，当数据量较大时会是十分耗时的。这里咱们可以引入缓存，对十分关注的、有价值的、或许经常经常使用相对抢手的目的启动智能减速，这个减速环节是经过计算引擎来成功的，包含对应模型树立、索引婚配和优化等。而在界面上只要要启动相应的点选就可以，这也是低代码的关键表现。
上方更多是为业务剖析师、数据工程师服务的一些才干，接上去从决策方的角度来看下。决策方更关注的是目的带来的价值能否与业务目的相婚配。
Kyligence Zen 中引入了目的控制，这也是咱们以为十分关键的目的控制的方向。由于目的须要和业务目的关联起来，并且能够去被动识别它的形态、危险，并启动相应的预警，这样的目的运行才干施展其在决策层面的价值。
目的平台假设要和外部其它运行成功链路上的买通、做集成，就须要十分良好的放开才干。这种放开才干不只包含界面上所展现的，一切性能以规范 API 方式放开，也包含与曾经构成固有习气的消费端的融合，比如对接 Excel、WPS 等，在充沛保管习气的基础上去增强现有的剖析方式。
总结
经过以上引见可以看到，触及到的性能和场景在 Kyligence Zen 目的平台上都是经过自助式的方式去成功，成功了以低代码的服务去赋能目的平台，助力优化从数据到决策的时效性。其长处可以总结为：
① 高效率交付目的： 关于数据消费方，比如数据工程师角色，门槛可以大幅降落，IT 团队和业务方之间的沟通是以更笼统的数据目的目录的方式来成功，可以更快地将价值交付于业务方，整个数据加工链路也可以大幅简化；
② 自助式消费目的： 业务团队可以自助式的消费目的，大幅缩小对数据 IT 团队的依赖，极速高效输入可信洞察和决策；
③ 体系化控制目的： 从运维和控制的角度，经过体系化的数据目的目录启动一致口径控制及复用，防止重复树立和资源消耗，优化数据价值转化率。
三、低代码目的服务的**价值
经过上述内容，咱们看到了十分多的低代码和智能化的出现，接上去咱们继续深化讨论这两方面。
目的平台通常对应多方角色：
（1）一方是业务，包含决策人员、一线业务人员和业务剖析师等；
（2）一方是数据团队，包含数据工程师等。
目的平台经过低代码的服务，将技术表白转换到了业务表白。过去咱们以表、报表为基础，须要手工处置少量模型；如今则聚焦于目的。过去咱们以表、报表来作为数据运作中的**因素；而如今更细粒度地去看，目的才是数据处置链路上最**的资产。
目的对业务人员来说更具亲和力，可以让决策层基于数据感知更快地做出决策，协助业务团队优化数据解读才干；而关于数据团队而言，可以缩小重复性消费，降落建模门槛，充散施展消费劲，降落数据开发老本，从而为业务和数据团队带来“双赢”。
前面提到，目的平台的高层是目的运行，高层是计算引擎。在 Kyligence Zen 上所对接的是以 Apache Kylin 为**的商用化的 Kyligence OLAP 引擎。
如下图所示，左边以数据团队为源头启动数据的加工，左边业务团队去消费目的。两边环节实践上是业务和数据团队最多的联动点，经过低代码、智能化的方式，业务人员可以以相熟的方式看到目的，并经过自助点选基础目的去生成衍生、复合目的，而不须要再把需求二次给到数据团队；而数据团队经过多维 OLAP 引擎来承载目的目录的树立，包含目的关系的建模、归因剖析须要的模型加工、模型关联等、以及依据被动元数据剖析抢手目的、低价值目的和低效目的等的优化控制，这些都可以经过繁难性能方式来成功，从而有效降落重复的、低附加值的上班，提高消费劲。
四、从数据驱动到目的驱动
咱们很有幸和大家一同看到这个时代阅历的十分多的变动，这也包含在数据服务体系中，目的服务正在从以表和报表为基础的数据驱动转向为目的驱动。
下图中可以看到数据驱动和目的驱动的对比。面对表，业务人员或许并不知道下一步要做什么，对数据剖析师来说要做少量的建模、ETL 上班；而基于 Kyligence Zen 一站式目的平台，业务人员可以轻松经常使用目的，成功业务决策。
咱们聚焦在目的之上，由于目的是从数据到业务洞察、决策的最佳通道，是关于业务团队最亲切的数据出现方式，最终经过目的平台的驱动以低代码、自助化的方式对接到计算引擎，充散施展数据和 IT 团队消费劲，高效开掘数据价值。