简介

Kyligence Zen 是一款数据分析工具，其市场定位是一站式云端指标平台。它基于 Kyligence 核心 OLAP（On-Line Analytical Processing）能力打造，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。

其基本的架构如下图所示：

在这里插入图片描述

我这里顺带简单介绍OLAP：

OLAP指的是联机分析处理。它是数据仓库系统的主要应用，可以对业务数据进行复杂的多维分析，趋势分析和数据建模，并提供复杂计算和直观易懂的查询结果，使用户能够从多角度对信息进行快速、一致、交互地存取查看从而为决策提供侧重。

从这个概念可以看出 Kyligence Zen 有多么强悍。那么本文就从实际体验出发，带大家一窥 Kyligence Zen 的真面目。

注册

Kyligence Zen 早就开放了免费体验，大家可以进入官网注册，但是目前优先推荐企业邮箱用户。

并且这个免费体验时间只有14天，所以推荐大家在准备好了以后再注册以免浪费。
在这里插入图片描述

整个注册过程只需要输入基本信息、验证邮箱是否有效就可以了，非常简单快捷。

需要注意的是，如果你再次登录时忘记了你的注册信息，你可以去邮箱里翻一翻。注册完成后，Kyligence Zen 会发一封邮件到你的邮箱，里面包含了组织名称，账号和密码等信息，这对于我这样健忘的人来说，真的太贴心了。

在这里插入图片描述

使用

Kyligence Zen 内置了茫茫多的指标模板，并且每套模板都带有指标体系、业务目标体系、仪表盘等内容，如果你找不到符合自己需求的，也可以通过一键导入功能将本地数据上传来搭建自己的模板。

使用内置模板

下面我们通过《电商渠道营销分析指标》来看看模板的具体功能吧。‘

假设我是某电商品牌的渠道负责人，我希望通过一些市场策略、运营策略以及定价策略来提升卖家增长曲线，实现收入增长和盈利增长。

依托电商业务场景中的核心逻辑：GMV=流量 * 转化（新、老客） * 客单价（收入、成本），我需要关注渠道的投入产出比，客单价，新用户留存和老用户成交量等关键性的指标。

下面以最简单的渠道投入产出比做归因分析：

在这里插入图片描述

从上图可以清晰的看到，两个渠道（服小助 & B小助）在三年中变化与贡献，从而帮助我对渠道作出更准确的判断。

除此之外，我还可以通过仪表单针对特定数据在时间、地区、类别等多个维度做分析来得到一些有效的结论。

在这里插入图片描述

如果我设定未来一年的销售目标，那么通过目标选项，能更清晰的掌控目标在实现过程中的每一个步骤。

在这里插入图片描述

在目标达成的过程中，更有针对性的解决风险项，可以极大的帮助我节省时间和精力。

自己搭建

Kyligence Zen 提供了数据一键导入，可以帮助用户快速的搭建符合自身企业需求的模板。

1、导入数据

通过数据>新建进入导入页面，这里可以导入本地的 csv文件，或者链接 Amazon S3。

这里请注意两点

⚠️ 不管是从 Amazon S3 存储桶导入或从本地上传，要求文件编码为 UTF-8，且字段分隔符为英文逗号（,）、竖线（|）或英文分号（;）
⚠️ 如果上传本地的 CSV 文件，文件大小需低于 200 MB。

在这里插入图片描述
2. 关联指标

数据分析都是通过指标进行的，在导入生成数据列中选择创建指标：

在这里插入图片描述

然后添加一些基础指标，这样后续我们就可以通过这些指标进行数据分析了。分析的过程和内置的模板是一样的，这里就不过多赘述了。

用户也可以在指标>新建选择不同类型的指标，目前支持三种，分别是：

基础指标：通常用于量化统计产品或业务的表现，例如我们将要创建的总体云成本指标。
衍生指标：围绕单个基础指标计算而来，可同时结合维度、统计或管理等属性，例如云成本月环比指标。
复合指标：围绕多个基础指标计算而来（如加减乘除运算），例如云成本占比指标。

在这里插入图片描述

此外，用户还可以通过编写代码的方式一次性创建多个指标，可以参考如下的示例：

# 详细指标如下：
#    【基础指标】Total Cloud Cost
#    【基础指标】Azure 云成本｜Azure Cloud Cost
#    【复合指标】Azure 云成本占比｜Azure Cloud Cost%
#    【基础指标】AWS 云成本｜AWS Cloud Cost
#    【复合指标】AWS 云成本占比｜AWS Cloud Cost%
#    【衍生指标】云成本月环比增长率｜Cloud Cost MoM%

metrics:
  #【基础指标】总体云成本｜Total Cloud Cost
  - name: Total_Cloud_Cost
    display_name: 总体云成本｜Total Cloud Cost
    description: 总体云成本（单位 RMB），包含 Azure 和 AWS 云平台的账单数据
    data_model: cloud_billing_sample
    type: BASIC
    expression: sum(COSTRMB)
    dimensions:
      - cloud_billing_sample.asofdate
      - cloud_billing_sample.ASOFYEAR
      - cloud_billing_sample.ASOFMONTH
      - cloud_billing_sample.COST_SUB_CATEGORY
      - cloud_billing_sample.COST_CATEGORY
      - cloud_billing_sample.CRR
      - cloud_billing_sample.PLATFORM
      - cloud_billing_sample.PROJECT
      - cloud_billing_sample.OWNER
    time_dimensions:
      - name: asofdate
        granularity: DAY
        display_option: ALL_DATA
    filters:
     - operator: AND
       conditions:
         - operator: IN
           member: PLATFORM
           values:
             - AWS Global
             - AWS CN
             - Azure CN
             - Azure Global

  #【基础指标】Azure 云成本｜Azure Cloud Cost
  - name: Azure_Cloud_Cost
    display_name: Azure 云成本｜Azure Cloud Cost
    description: Azure 云成本（Unit RMB）
    data_model: cloud_billing_sample
    type: BASIC
    expression: sum(COSTRMB)
    dimensions:
      - cloud_billing_sample.asofdate
      - cloud_billing_sample.ASOFYEAR
      - cloud_billing_sample.ASOFMONTH
      - cloud_billing_sample.COST_SUB_CATEGORY
      - cloud_billing_sample.COST_CATEGORY
      - cloud_billing_sample.CRR
      - cloud_billing_sample.PLATFORM
      - cloud_billing_sample.PROJECT
      - cloud_billing_sample.OWNER
    time_dimensions:
      - name: asofdate
        granularity: DAY
        display_option: ALL_DATA
    filters:
     - operator: AND
       conditions:
         - operator: IN
           member: PLATFORM
           values:
             - Azure CN
             - Azure Global

#【基础指标】AWS 云成本｜AWS Cloud Cost
  - name: AWS_Cloud_Cost
    display_name: AWS 云成本｜AWS Cloud Cost
    description: AWS 云成本（单位 RMB）
    data_model: cloud_billing_sample
    type: BASIC
    expression: sum(COSTRMB)
    dimensions:
      - cloud_billing_sample.asofdate
      - cloud_billing_sample.ASOFYEAR
      - cloud_billing_sample.ASOFMONTH
      - cloud_billing_sample.COST_SUB_CATEGORY
      - cloud_billing_sample.COST_CATEGORY
      - cloud_billing_sample.CRR
      - cloud_billing_sample.PLATFORM
      - cloud_billing_sample.PROJECT
      - cloud_billing_sample.OWNER
    time_dimensions:
      - name: asofdate
        granularity: DAY
        display_option: ALL_DATA
    filters:
     - operator: AND
       conditions:
         - operator: IN
           member: PLATFORM
           values:
             - AWS CN
             - AWS Global

  #【复合指标】Azure 云成本占比｜Azure Cloud Cost%
  - name: Azure_Cloud_Cost_PER
    display_name: Azure 云成本占比｜Azure Cloud Cost%
    description: Azure 云成本占比
    data_model: cloud_billing_sample
    type: COMPOSITE
    expression: "Azure_Cloud_Cost / Total_Cloud_Cost"
    time_dimensions:
      - name: asofdate
        granularity: DAY
        display_option: ALL_DATA
             
  #【复合指标】AWS 云成本占比｜AWS Cloud Cost%
  - name: AWS_Cloud_Cost_PER
    display_name: AWS 云成本占比｜AWS Cloud Cost%
    description: AWS 云成本占比
    data_model: cloud_billing_sample
    type: COMPOSITE
    expression: "AWS_Cloud_Cost / Total_Cloud_Cost"
    time_dimensions:
      - name: asofdate
        granularity: DAY
        display_option: ALL_DATA

  #【衍生指标】云成本月环比增长率｜Cloud Cost MoM%
  - name: Cloud_Cost_PER_MoM
    display_name: 云成本的月环比增长率｜Cloud Cost MoM%
    type: DERIVED
    expression: mom(Total_Cloud_Cost)
    description: 云成本月环比增长率，可观察云成本支出趋势

以上就是初步使用 Kyligence Zen 的方式。

总结

优点：

简单易用：Kyligence Zen 全程采用界面和图形化的开发方式，即便是新用户，仅需几分钟也可轻松上手
海量的模板支撑：Kyligence Zen 提供包含指标体系、目标体系和分析仪表盘等内容，支持用户一键导入
基于云的托管服务：Kyligence Zen 完全基于云上托管服务，无需购买或维护硬件环境，大大降低数据仓库的运营成本。
大数据处理能力：Kyligence Zen 基于 Kyligence 核心 OLAP 能力，可以通过多层维度进行深入的数据分析，挖掘有效信息。
开放性：Kyligence Zen 提供开放 API 接口，轻松完成和各类管理、协同、BI 及可视化工具等的对接，让企业更好的应对数据变化。
优雅的计费方式：10分钟内无操作将自动停机，停机期间不计费，费用更加透明。

缺点：

BI 工具支持：Kyligence Zen 貌似目前只支持对接 Excel，对其他的免费 BI 工具支持度不够。

总体看来，Kyligence Zen 为企业用户提供了高效、精准和可靠的数据分析服务。产品采用一系列创新的技术手段构建了数据智能搜索引擎，使用户能够轻松地在大数据中找到所需要的信息，和其他的一些数据分析工具相比，Kyligence Zen 不要求使用者具备更高的技能和经验，也不需要使用复杂的编程语言或SQL等专业技术，因此无论是对于数据分析初学者还是专业数据分析师而言，它都是一个极佳的数据分析工具。