智小东西
作者 | 李水青
撰稿 | 云鹏
智小东西7月16日报道，近日，大数据挖掘和分项网络平台分销商Kyligence（跬智信息）面世了Kyligence Copilot AI数智现职（测试版）、服务平台分项网络平台 Kyligence Zen SaaS及民营企业版等产品，同时宣布其捷伊民营企业蓝图：“以AI革新组织营运与管理”。
其中，Kyligence Copilot是这款如前所述Open AI大数学模型技术打造出的数据挖掘辅助工具，据传能够助使用者透过语义谈话顺利完成紧紧围绕销售业务分项的预测和洞悉，现阶段已对外开放试玩。Kyligence联手创会⼈兼CEO秀良说，大数学模型为大数据金融行业带来了可视化式商业模式的革新，过去需要委派从业者一层层推进的工作，现在透过Copilot这个“转换器”换句话说工作效率辅助工具就能顺利完成。
Kyligence联手创会⼈兼CEO秀良
Kyligence创办于2016年，主要为使用者提供民营虚拟化的经营方式预测潜能、firearms及各种如前所述数据驱动力的金融行业软件系统，现阶段已服务工商银行、招行、长城汽车、拉艾外卖、麦当劳、匡威、罗氏等全球知名民营企业，获得了来自红点、宽带民营企业、T2330民营企业等机构数次投资。
每个民营企业在销售业务经营方式中都有不计其数的来衡量分项，Kyligence透过将各分项女团起来，助推子公司经营方式管理。
本次，Kyligence首先面世了Kyligence Copilot AI数智副手的测试版。其结合大数学模型潜能，为使用者带去如前所述语义可视化的数据挖掘潜能。Kyligence还实时演示了其Copilot产品。
可以看到，当被问及一系列问题，比如：“为什么最近4天的原材料损耗费用增加了？”“为什么特殊运输费用增加了？”“最近30天每天的销售总额是多少？”等，Kyligence Copilot就能够结合数据结果进行解答，以文字和统计图结合的方式呈现分项分解和营运的预测。
考虑到每个销售业务人员提问具有发散性，Kyligence Copilot能够用一个仪表盘把所问的问题统一起来，呈现给使用者，从而实现数据的“边使用边治理”。
Kyligence Copilot不仅是支持看分项，还能使使用者根据数据挖掘的结果创建任务，比如能与飞书等办公网络平台联动，创建“提高拜访客户次数”等任务。
除了Kyligence Copilot，Kyligence还面世背后的服务平台分项中台Kyligence Zen。在过去SaaS版的基础上，该网络平台在这个月即将发布如前所述云的Turbo版本，支持部署到自有PC里去。Kyligence还面世了可部署到私有环境下的On promise的版本Kyligence Zen Enterprise，据传已在多个金融客户的销售业务场景中运行。
此外，Kyligence核心基座民营虚拟化OLAP网络平台迎来了新变化。据传，其现阶段可支持全面容器化，不再依赖于复杂的Hadoop，从而可以带来更加高效的资源利用率，让使用者更便捷使用。
中金子公司研究部计算机金融行业首席预测师、副总经理于钟海提到，“Text-to-SQL（文本转为结构化查询语言）”将全面服务销售业务人员，从而实现数据驱动力的组织，而大数据将可能成为大数学模型驱动下最先实现商业化的领域之一。
那么具体到实操，民营企业如何打造出这款“大数学模型+大数据”的这款爆款应用产品？
秀良在采访中告诉智小东西，从Kyligence的角度来看，其做的可以说是这款面向民营企业的AGI（通用人工智能）应用，打造出爆款应用的关键可能包含以下三个要素：
1、对这一金融行业某个领域认知的深度。民营企业需要理解金融行业痛点、低效点和容易点在哪。
2、产品差异化。民营企业在这个领域有积累并形成竞争壁垒，透过AI把它放大，从而带来10倍甚至100倍的爆发。
3、专注。民营企业不是把自己专注的商业商业模式等全换掉，而是把一直做得服务做深做专。正如秀良此前在全员信中所说的：大数学模型“Not our game（不是我们的游戏）”、“Be part of the game（成为游戏的一部）”、“Be different（做差异化）”。
聚焦到Kyligence Copilot智能化产品，秀良将Kyligence Copilot的潜能总结为三个方面：
1、以AI提升数据挖掘工作效率。每个人都可以拥有一个AI现职，助其查找数据分项，预测事实趋势，创建仪表盘。
2、以AI赋能营运潜能。透过Kyligence Copilot，管理者能够得到关于KPI的评估及预测、洞悉根因、给出行动建议。
3、以AI加强协同潜能。Kyligence Zen分项网络平台以管理目标的方式管理分项，促进更广泛的数据协作与共享，与Kyligence Copilot实现组织管理的快速优化和迭代。
Kyligence提出“Copilot as a Service”，支持AI数智副手的三种部署方式：其既可以如前所述开源大数学模型部署，也可以如前所述客户自有大数学模型大数学模型，此外还可以嵌入到Excel等各种应用中去，满足民营企业多种需求。
秀良认为，Kyligence正在从一家技术子公司走向了一家管理子公司——以前主要是面向民营企业提供辅助工具，现在是提供一个管理网络平台，同时也将率先进行金融行业标准的定义。
三、人人用数=AI现职+分项体系+合理成本本次，Kyligence还提出了“以AI革新组织营运与管理”全新蓝图，致力于在人工智能时代透过全捷伊产品家族帮助民营企业实现人人用数，释放数智生产力。
纵观大数据金融行业，用AI实现“人人用数”的前提，还要依赖既有的核心产品体系。Kyligence联手创会人兼CTO李扬提出一个公式：人人用数=AI现职+分项体系+合理成本。
他认为，从AI现职、分项体系、合理成本这三者出发，Kyligence分别提供了零门槛的数据辅助工具、数据语言，以及为成本优化的数据引擎。三个部分女团在一起就是一个完整的拼图，也就是Kyligence Zen服务平台分项网络平台的产品路线图：AI数智副手Kyligence Copilot+Metrics Store+OLAP网络平台。
展望未来，这些产品都将随着技术和需求的迭代继续进化。
比如“金融行业+分项体系”方面，需要找到有序和创捷伊平衡点，抬升金融行业数智管理基线；在分项领域的语言数学模型模仿方面，在控制成本的同时，还需要实现更加稳定准确可靠，据悉其Byzer-LLM辅助工具箱已经在快速迭代；此外AI时代的OLAP引擎，需要支持百倍的负载，Kyligence将采取多维数据引擎、向量化Spark引擎（Kyligence Turbo）等技术以及其他成本优化举措。
据悉，Kyligence的核心产品采取标准化产品形式，以及订阅制商业模式面向客户提供服务。随着销售业务深入发展，Kyligence的壁垒也逐渐从技术延升为客户。在金融行业和客户地图方面，Kyligence现阶段已覆盖金融、制造、零售、医疗等重点金融行业。
透过本次Kyligence在“大数学模型+数据挖掘”领域的最新成果发布，我们看到大数学模型为大数据领域的可视化式商业模式带来了重大的革新。正如秀良所说，这是一个“把复杂问题简单化”的思路的延续，从其OLAP引擎到服务平台分项网络平台，再到AI副手，实际上都是技术平民化的体现。
而在技术迭代的背后，依然有一些商业逻辑不变。那就是子公司经营方式管理的本质没有变，需要降本增效，同时“决策”这件事本身不会变。这就像一辆车四个轱辘两扇门是不会变的，变得只是发动机和自动驾驶系统。
