数据是数字化时代最流行的“流通货币”。从数据采集、数据加工、数据建模，直到最后的分析洞察，如何在这条“数据价值链”中不断提炼数据价值，是企业进行业务决策和新技术创新的决胜关键。
传统的数据仓库限制了数据分析师访问所需数据并快速进行分析的能力。一般来说，数据导入到数据仓库后就被固化下来了，这会极大限制对某些特定分析场景下的灵活度。每当业务需求发生变更，数据团队不得不花费几天甚至几周的时间在数仓中进行数据的转换和清理。
1
关于 Azure Synapse
微软推出了产品Microsoft Azure Synapse，旨在帮助企业打破数据湖和数据仓库之间的界限，并提供丰富的数据分析体验。作为Azure SQL DW的下一代产品，Azure Synapse提供了强大的分析能力，为企业搭建从数据仓库到大数据分析的高速公路。目前，Azure Synapase 的用户遍及全球。
支持无服务器的serveless或预配资源的部署架构，Azure Synapse帮助用户灵活、自由地分析大规模数据，加速数据洞察的时效性，以最简化的技术方案帮助企业实现从BI向AI的智能化转型。
2
Kyligence + Azure Synapse 联合解决方案
当企业面临数据几何级增长时，在Azure Synapase上叠加 Kyligence ，将为企业带来极致的数据分析体验， 帮助企业用户更高效地管理最有价值数据。Kyligence 作为微软的战略级合作伙伴，其产品可与 Azure Synapase无缝集成。
3
Kyligence架构在Azure Synapse之上提供高性能云原生OLAP分析的能力，使用AI增强技术对OLAP模型智能构建的预计算索引，可在超大数据集提供亚秒级的查询性能。
当用户使用BI工具查询数据时，查询语句就被发送到最合适的模型中，并在不到一秒的时间内返回查询结果；如果找不到合适的模型，或是非聚合查询，则将其“下推”到数据源获取结果。另外，Kyligence 在高并发支持上也展现了强大的实力，并对用户数量没有限制。
通过与Azure Synapse集成，这样的联合技术方案还能处理大数据量下的明细查询，快速地从数据仓库重返回查询结果。
Kyligence完全支持标准的ANSI SQL查询语言，并提供一个内置的类似SQL查询界面来提供数据查询。此外，数据也可以通过API的方式发起查询。更重要的是，Kyligence提供智能的自动建模和调优，帮助用户轻松进行模型构建和维护。
4
Kyligence 统一语义层
Kyligence统一语义层的意义在于解决大数据 BI场景下的数据孤岛问题，通过提供单一的可靠信源，用户可以在主流BI工具（如Tableau、Power BI和Excel等）上获得一致的数据口径和分析体验。把技术语言的表和列定义成为业务语言的维度和指标，语义层可以极大简化分析服务的复杂性。
此外，用户可以创建用于钻取分析的层级结构，并通过 Kyligence 的AI增强引擎自动识别用户的查询模式并自动在后台进行计算，为用户提供亚秒级的分析体验。
另外，Kyligence的语义层还允许使用MDX语言进行查询，MDX对复杂分析场景的控制能力也较强，例如半累加、时间窗口分析、多对多关系等，MDX都可以通过简单的表达式来处理，并极短的时间内呈现分析报表。
最后，对于大家都非常关心的安全问题，Kyligence语义层内置安全和访问控制，仅允许授权用户查看表、属性、度量、层次结构和计算度量，为企业规避数据安全风险。
我们始终坚信，只有当企业中的每个人都能在大数据中及时获得洞察，才能真正实现数据驱动业务。当公司真正打破数据孤岛，并基于可信任的数据进行最有共识的业务决策，数字化转型的价值就显现了。
现在，当越来越多的客户将数据仓库或分析场景迁移到云上时，通常数据会留在本地或多个区域（例如OLTP系统）中。Azure Synapse和Kyligence联合解决方案，可以为整个组织中提供无与伦比的分析体验。
为了进一步简化流程，便于用户使用，Kyligence将很快集成到Synapse的工作区，为客户提供便捷、统一的端到端分析体验。
