采用了 Kyligence 的多维模型 + 统一语义层解决方案后，我们的分析体验得到了显著的改善，团队的分析能力现在能服务更多的业务用户。未来，我们希望能在诸如统一查询路由、即席分析等更多的领域与 Kyligence 展开合作。
——某全球零售餐饮业龙头企业
Kyligence 所服务的这家企业是全球零售食品服务业龙头，在全球有近 38,000 家餐厅，每天接待顾客人次超过 6,800 万。中国是该企业在全球第二大及发展最快的市场，目前在中国有数千家门店，十万多名员工。
这家企业在中国市场的成功，离不开一个「快」字——快速复制的门店经营模式，快速烹饪的套餐食品，顾客能够快速点单拿到餐品。该企业通过数字化将经营管理做到了极致，那么在大数据时代，它是如何从海量的订单数据中获取洞察并作出决策？今天我们就来详细分析这家企业成功转型背后的原因。
#01
行业背景
2020年受疫情影响，餐饮商户纷纷投身外卖业务，线上外卖平台活跃商户数持续上升。根据 Statista 统计数据，2020 年中国网络外送餐饮市场规模超过 6646.2 亿人民币。同时，据 CNNIC 报告，2021 年我国网上外卖用户总规模已高达 4.7 亿。
#02
公司现状和痛点
这家零售餐饮企业当前在中国有数千家在营业门店。随着人们餐饮消费习惯的改变，外卖也已成为该品牌一个不可忽视的重要销售渠道。企业每天需要处理约 数十万件外送订单，产生订单明细数据有上百万行。随着外卖行业竞争的白热化，该企业希望能在竞争中保持优势，因此需要不断推陈出新，而决策的作出，就要基于及时且正确的数据分析结果。
最初，该企业通过 OBIEE + Impala 支持业务分析人员进行自助多维数据分析，该方案可以让底层复杂数据对用户完全透明，支持多维模型设计，允许用户通过 WEB 页面完成即席分析。
然而，随着数据量和分析需求的不断增长，该企业也遇到了新的挑战。例如，业务分析人员每日会在早 9:00 到 10:00 查看昨日的外卖订单数据，并就销售额、食材/包装成本、销售量等展开分析，但分析系统响应缓慢甚至超时已经是常态；即使是在空闲时段，如果进行长时间、多维度的查询分析，也需要较长时间的等待。
因此，企业面临的以下技术问题亟待解决：
查询引擎性能不足：由于数据引擎资源有限，分析高峰期频繁出现查询超时；且当前方案仅支持有限维度和时间范围内的分析，如选取时间范围稍长（超过一个月）、维度/度量稍多（超过7~8个），就会导致查询超时；
模型 Web 界面不支持切换分析主题：在复杂 KPI 计算等高级分析场景中，需要业务分析人员分别下载多份多维分析的结果，再在本地通过 Excel 等工具进行二次整合。
该企业也尝试过其他技术方案，如采用传统数仓分层方案，通过 ETL 物化不同聚合粒度数据，但仍面临以下问题：
指标口径不一致：维度、指标命名、含义不统一， IT 人员需要根据每一个业务场景的需求，分别开发相应的数据模型，不仅人力资源与硬件资源消耗巨大，分析的时效性也无法得到保证，需要反复面对类似需求的重复「造轮子」。
无法支持业务维度的频繁变更（缓慢变化维）：每次门店营业状态、归属大区经理变更时，都需要重刷历史数据，耗时耗力。
#03
Kyligence 应用场景 + 解决方案
选用了 Kyligence 的解决方案后，该企业通过整合各方数据，借助统一模型管理，得到包含多项关键业务信息的多维模型，并通过统一语义层实现了业务语义的统一，支持从门店、商品、平台等多维度对亿级全量历史订单明细数据进行自助多维分析，有效提升了业务的分析和决策效率。
整合数据模型：在已有模型基础上，进一步整合各方数据，得到包含有外卖订单平台、订单内容、促销政策、门店及时间等关键业务信息的多维星型模型，提供更丰富的分析角度；
极简智能建模：通过 Kyligence 接入数据，快速可视化建模，开发全程无代码，大幅缩短需求交付周期；借助 Kyligence AI 增强引擎，智能加速关键查询，无需繁琐的模型设计优化；同时支持缓慢变化维自动刷新，无需重跑历史数据；
统一业务语义+统一权限：通过 Kyligence 关联多个多维模型，统一定义维度、指标，提供业务友好的统一语义数据集；并提供行列、数据集、维度、指标多级别的权限管控；
Excel 直连分析：无需手动整合多份数据源，用户可直接对透视表执行拖拽分析，支持维度切片和层级上卷/下钻，并支持在 Excel 中基于透视表的结果进行二次计算，无缝集成 Excel 中的函数与宏操作。
#04
获得的成效
Kyligence 多维模型+统一语义层解决方案帮助该企业实现了统一的指标引擎和查询入口，解决了数据处理逻辑不一致及查询缓慢的问题，使该企业能通过更低的 TCO （总体拥有成本）掌握外卖订单的利润情况，并据此进行定制化市场营销。
查询超时到秒级响应：实现对一年以上范围或上千行、数十列查询的稳定秒级响应，支持从门店、商品、平台等维度对亿级全量历史订单明细数据自助多维分析，提升业务分析决策效率，帮助企业更快应对市场变化；
降低 TCO：通过更低的 TCO 获得更优的查询性能和更高的并发支持，节约 50% 以上 Yarn 资源；
赋能精细化运营：支持大数据量下的多维自助分析，帮助企业进行精准的市场营销，针对不同区域或门店定制套餐和单品营销策略。
想了解更多解决方案和案例详情？欢迎大家扫描下方二维码，报名参加4月14日15:00举办的线上直播，一起看如何运用 Excel 实现海量数据分析，助推零售企业实现新增长。
推荐阅读
关于 Kyligence
Kyligence 由 Apache Kylin 创始团队创建，致力于打造下一代智能数据云平台，为企业实现自动化的数据服务和管理。基于机器学习和 AI 技术，Kyligence 从多云的数据存储中识别和管理最有价值数据，并提供高性能、高并发的数据服务以支撑各种数据分析与应用，同时不断降低 TCO。Kyligence 已服务中国、美国及亚太的多个银行、保险、制造、零售等客户，包括建设银行、浦发银行、招商银行、平安银行、宁波银行、太平洋保险、中国银联、上汽、一汽、安踏、YUMC、Costa、UBS、Metlife、AppZen 等全球知名企业和行业领导者。公司已通过 ISO9001，ISO27001 及 SOC2 Type1 等各项认证及审计，并在全球范围内拥有众多生态合作伙伴。
点击「阅读原文」即刻报名
