能源、制造业等工业企业广泛使用传感器采集生产数据，由于物联网数据是时序的且传感器的采集频率非常高，因此物联网时序数据呈现海量性、关联性、时效性、实时性等特点。TimeLyre支持海量设备测点数据的同时入库的需求，流式实时数据导入可以达到每秒千万个数据点级，可以很好的应对工业场景的数据入库需求。

能源、制造企业基于TimeLyre构建大规模时序数据湖，海量时序数据通过流式引擎进入数据湖内，依托TimeLyre完成ODS层、DW层、维度层数据加载与处理，通过丰富的API接口和开源生态接口支撑上层应用开发、风险识别、模型训练、实时展示、数据智能、时序分析等业务场景。实时写入性能可达每节点千万测点，实时查询性能可达每节点10000QPS。结合流、批计算引擎，满足业务对端到端秒级时效性的要求。为用户提供全面、高效、灵活的数据管理分析平台。

面向金融投研场景，依托时序数据库TimeLyre及其内置的分布式投研计算引擎TransMatrix构建投研平台核心技术底座，通过标准数据接口、因子开发接口、策略开发接口和分布式任务开发接口对接上层业务模型，助力企业在一体化平台内实现数据探索、因子研究、策略回测等应用开发。

依托TimeLyre构建投研数据中台，参考标准数据分层结构，将数据分为数据源层、基础数据层、投研标准层、业务模型层与收益报表层。数据源层负责将原始行情或因子数据同步至数据中台；基础数据层完成数据的校验、清洗与加工；投研标准层统一生成面向投研过程的标准表模型和数据结构模型；业务模型层生成面向特定研究过程的因子与数据；收益报表层生成面向投研收益评价的因子与数据，将结果存入时序模型或关系模型中。