Het belang van Graph-databases in Business Analytics

Het belang van Graph-databases in Business Analytics

Augmented analytics is een van de top 10 technologieën Gartner geïdentificeerd met het potentieel om in de komende drie tot vijf jaar een aanzienlijke digitale verstoring te veroorzaken. Het kenmerk van verbeterde analyses is zijn hoge afhankelijkheid van AI- en ML-technologieën.

AI en ML zullen samen het gegevensbeheer van ondernemingen de komende jaren transformeren, en veel opkomende technologieën zoals de multi-cloud, edge, serverless, IoT en big data zullen gezamenlijk bijdragen aan de aanstaande digitale disruptie in wereldwijde bedrijven. Augmented analytics, de belangrijkste kracht van 2020, zal van invloed zijn op alle facetten van datamanagement, zoals “Metadatabeheer, Master Data Management, data-integratie en databases”.

Naarmate er steeds nieuwere en betere datatechnologieën opduiken, zullen er ook meer geavanceerde databasetechnologieën aan de oppervlakte komen om gelijke tred te houden met de snel evoluerende uitdagingen op het gebied van bedrijfsgegevensbeheer. De gegevens van tegenwoordig zijn niet alleen hoge snelheid en grote volumes, maar ook meerkanaals, sensorgestuurd en complex. De databasetechnologie moet dus voldoen aan de behoeften van geavanceerde data-analyse en BI in de onderneming.

Relationele databases zijn niet langer geschikt voor real-time, big data-analyse of zelfservice BI omdat de omvang van dergelijke databases te beperkt is. De meer recente trend met de graph-database vervangt snel de oudere databasetechnologieën in bedrijfsanalyses. Een veel voorkomende misvatting die in de loop der jaren de ronde heeft gedaan, is dat grafische verwerking alleen relevant is voor traditionele sociale netwerkgegevens of netwerkkanalen. Gartner heeft voorspeld dat grafiekverwerking en grafiekdatabases “de komende jaren met 100 procent per jaar zullen groeien om de gegevensvoorbereiding te versnellen en meer complexe en adaptieve gegevenswetenschap mogelijk te maken.”

Verborgen kansen in opkomende technologieën

Gartner identificeert de 10 belangrijkste trends op het gebied van gegevens- en analysetechnologie vermeldt dat Donald Feinberg, Vice President en Distinguished Analyst bij Gartner, zei:

Lees ook:  Datakans klopt! Moet je antwoorden?

“Het is van cruciaal belang om een ​​dieper begrip te krijgen van de technologische trends die het evoluerende verhaal voeden en deze te prioriteren op basis van bedrijfswaarde.”

De evolutie van de relationele database naar de grafische database is al een aantal jaren aan de gang, maar is nu van cruciaal belang geworden bij het verwerken van grote hoeveelheden, meerkanaals, realtime gegevens. Rita Sallam, Research Vice President bij Gartner, zei in Sydney, Australië:

“Leiders op het gebied van gegevens en analyses moeten de potentiële zakelijke impact van deze trends onderzoeken en bedrijfsmodellen en activiteiten dienovereenkomstig aanpassen, anders lopen ze het risico het concurrentievoordeel te verliezen aan degenen die dat wel doen.”

Een opkomende technologie die goed werkt met zowel AI als ML, vooral op het gebied van bedrijfsanalyses, is de grafische database, die is beschreven als ‘de toekomst van databasetechnologieën’.

Grafiek databases definieer onderlinge relaties in termen van ‘knooppunten’ en ‘randen’. In schril contrast met de relationele database slaat de grafische database de relaties inherent op. Deze trend weerspiegelt dat “data” en “relaties” even belangrijk zijn in dit databasemodel. De grafendatabase is plotseling enorm belangrijk geworden vanwege de duidelijke voordelen en flexibiliteit, en is nu vaak populair op technologienieuwssites.

Rol van Graph Processing in Augmented Data Management

Aangezien het datavolume exponentieel groeit en de talentkloof in Data Science een duistere realiteit is, maken internationale bedrijven zich snel op voor geautomatiseerde datamanagementoplossingen.

Volgens een Dzone-artikel, in de wereld van databasetechnologie, graph-databases bieden aanzienlijke voordelen ten opzichte van relationele, gezien de “explosieve hoeveelheden gegevens, realtime responstijd voor query’s en intelligentere vereisten voor gegevensactivering” van de huidige datamanagers. Onlangs heeft grafische verwerking de toeleveringsketens, e-commerce, fraudepreventie, nutssectoren en andere sectoren verstoord met commerciële oplossingen zoals Neo4j, DataStax en TigerGraph die van de ene op de andere dag beroemd werden.

Lees ook:  Hoe u Big Data kunt gebruiken voor Business Intelligence

Hier zijn enkele voordelen van het gebruik van graph-databases over relationele databases:

  • Duidelijke semantiek voor elke vraag zonder verborgen aannames
  • In dit unieke databasemodel moet “een native graaf” de informatie behouden die betrekking heeft op “zijn naburige hoekpunten” zonder dat “niet-gerelateerde gegevens voor een bepaalde query moeten worden geladen of aangeraakt”.
  • Grafiek databases kan een breed scala aan zakelijke problemen oplossen, zowel praktisch als onpraktisch voor relationele vragen
  • Graph-databases kunnen tegelijkertijd zoekopdrachten uitvoeren en gegevens in realtime bijwerken
  • Graph-databases bieden flexibiliteit in het gebruik – door continu “nieuwe vertex- of edge-typen of hun attributen toe te voegen of te verwijderen om uw datamodel uit te breiden of te verkleinen”
  • Met de functie conjunctive graph query (CQ) kunnen gebruikers een “subgraafpatroon indienen en de database verzoeken alle subgraafinstanties te retourneren die overeenkomen met dit patroon”
  • Graph-databases hebben de mogelijkheid om “meerdere dimensies te combineren om big data te beheren, waaronder tijdreeksen, demografische gegevens, geografische dimensies, enzovoort”
  • Werkt goed met zowel AI- als M-platforms

Graph-databases: mijnbouw van sociale gegevens

In de afgelopen tijd hebben grafiektechnologieën, samen met AI, praktische oplossingen op de zakelijke markt gebracht. Graph-databases: een overzicht legt uit hoe de flexibiliteit van deze databases en “hun focus op relaties” hebben bijgedragen aan de stijgende populariteit van deze databasetechnologie. Het geeft ook aan dat in grote mate grafische databases zijn gebruikt om sociale netwerkgegevens te ontginnen.

De bloei van inzichten en data-analyse in 2020suggereert echter dat hoewel augmented analytics heeft geprofiteerd van grafische databases met hun ‘deep link analytics’, augmented data management nog een lange weg te gaan heeft, terwijl de datamanagementteams ‘worstelen … met data-bloat-effect als een onvoorzien gevolg van overvloed Van de gegevens.”

Lees ook:  Verschillende versies van Power BI vergelijken

Grafiekverwerking in Business Analytics: diepgaande verkenningen

Gegevensverbindingen blootleggen voor concurrentievoordeel in 2020 laat zien hoe Bedrijven kunnen, ongeacht hun omvang of jaaromzet, winst behalen door in 2020 grafische databases of grafische verwerking te implementeren.

Dit is waar Vishnu Maddileti, directeur Data Services and Analytics bij Amgen denkt aan TigerGraph:

“We hebben te maken met een gigantische hoeveelheid gegevens, elektronische medische dossiers en uitgebreide medische dossiers. Met 5 miljard hoekpunten en 20 miljard randen zijn het enorme gegevens, en het vinden van gevolgtrekkingen in die gegevens is niet eenvoudig, maar TigerGraph heeft voor ons geschaald. “

Een ander blogpost van een in het VK gevestigd bedrijf belicht personeel hoe geavanceerde algoritmen kunnen worden gebruikt met grafentheorie om verborgen inzichten te onthullen. Volgens dit bericht speelt grafische verwerking een belangrijke rol in kunstmatige neurale netwerken, maar het potentieel ervan is nog niet gerealiseerd in bedrijfsanalyses. Op weg naar Data Science leidt de lezer door een betrokken technische discussie over het “concept van centraliteit” in grafische analyse en de toepassing ervan in grote sociale netwerken zoals Twitter.

Grafiekverwerking in Business Analytics: toepassingen

In een grafische database is het uitgangspunt dat gegevens worden opgeslagen, beheerd en opgevraagd in een grafisch formaat. Door zijn grafische (visuele) eigenschap wordt het voor gebruikers gemakkelijker om patronen en relaties te ontdekken. In 5 innovatieve manieren om Graph Analytics te gebruiken, Oracle-ontwikkelaars deel enkele nuttige toepassingen van de grafische database in zakelijke situaties.

Grafiekdatabases en grafiekverwerking zijn door veel toonaangevende zakelijke publicaties en nieuwssites uitgeroepen tot de “toekomst van databasetechnologieën”, wat treffend wordt weerspiegeld in het artikel Grafiekdatabase de toekomst van databasetechnologieën.

Afbeelding gebruikt onder licentie van Shutterstock.com

Meer informatie over ?

Het belang van Graph-databases in Business Analytics
Of weten wat het voor jouw organisatie kan betekenen?

Onze business consultants komen het graag op locatie uitleggen.

Meer kennis uit deze categorie

Het belang van Graph-databases in Business Analytics

Gratis scan aanvragen
voor jouw organisatie?

    test

    Gratis scan aanvragen
    voor jouw organisatie?