數(shù)據(jù)洪流正在席卷整個世界。研究機(jī)構(gòu)Statista預(yù)計(jì)，至2025年全球數(shù)據(jù)創(chuàng)建量——即創(chuàng)建、捕獲、復(fù)制和使用的數(shù)據(jù)總量，將超過180ZB。面對指數(shù)級增長的數(shù)據(jù)規(guī)模和愈發(fā)復(fù)雜的數(shù)據(jù)類型，企業(yè)想要從中獲得商業(yè)洞察變得越來越難。究其原因，是業(yè)務(wù)人員難以從海量數(shù)據(jù)中發(fā)現(xiàn)其關(guān)聯(lián)性，缺乏行之有效的工具，無法找到真正有價(jià)值的信息來指導(dǎo)業(yè)務(wù)發(fā)展。此時(shí)，就不能不提大數(shù)據(jù)技術(shù)的演進(jìn)。

從Hadoop誕生之日起，大數(shù)據(jù)的發(fā)展走過了十余年，期間像存儲、離線處理等基礎(chǔ)問題已經(jīng)得到了解決。隨著深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等AI技術(shù)的逐級深入，人們開始思考如何通過挖掘大數(shù)據(jù)的關(guān)聯(lián)性去探索“隱藏”在背后的商業(yè)價(jià)值，這種訴求也將一個18年前的技術(shù)再次推到了臺前——圖數(shù)據(jù)庫。與以往用表格處理數(shù)據(jù)相比，圖沒有表的概念的，就是數(shù)學(xué)上點(diǎn)和邊的關(guān)系，所有的數(shù)據(jù)可以匯集在一起。

對于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫來說，雖然其具有靈活的特點(diǎn)，可以做各種復(fù)雜計(jì)算，但在大數(shù)據(jù)時(shí)代對于并行計(jì)算、多機(jī)版的支持是缺乏的，而文檔數(shù)據(jù)庫、關(guān)鍵字、內(nèi)存數(shù)據(jù)庫，犧牲了業(yè)務(wù)的一些表達(dá)能力，得到的好處就是可擴(kuò)充，但很多以前用關(guān)系型數(shù)據(jù)庫能表達(dá)的問題卻表達(dá)不了。從存儲角度來說，圖是存儲數(shù)據(jù)最自然的關(guān)聯(lián)模型。從計(jì)算角度來說，則適合數(shù)據(jù)和人工智能。由于早年間計(jì)算性能和架構(gòu)的局限，使得圖數(shù)據(jù)庫這個在計(jì)算機(jī)科學(xué)領(lǐng)域較為高階的研究成果在近幾年才開始顯露威力。

在Neo4j高級產(chǎn)品市場總監(jiān)Maya Natarajan博士看來，伴隨數(shù)據(jù)量猛增而帶來的則是數(shù)據(jù)更加復(fù)雜且高度關(guān)聯(lián)，關(guān)系型數(shù)據(jù)庫已無法滿足處理復(fù)雜關(guān)聯(lián)數(shù)據(jù)的需求，不能使客戶從數(shù)據(jù)中完全受益。相比之下，圖數(shù)據(jù)庫是專為存儲和分析高度關(guān)聯(lián)數(shù)據(jù)而生的，“隨著人工智能的發(fā)展和大數(shù)據(jù)時(shí)代的到來，并行計(jì)算類的處理需求增加，圖數(shù)據(jù)庫客戶反饋，圖在關(guān)聯(lián)模型方面具有更大的優(yōu)勢，更具有前瞻性，可以更加充分地利用關(guān)聯(lián)數(shù)據(jù)并發(fā)掘他們的價(jià)值?！?/p>

Neo4j高級產(chǎn)品市場總監(jiān)Maya Natarajan博士

事實(shí)上，近年來的數(shù)據(jù)庫領(lǐng)域正在經(jīng)歷融合式的創(chuàng)新，文檔數(shù)據(jù)庫、圖數(shù)據(jù)庫、時(shí)序數(shù)據(jù)庫、NoSQL 逐漸成為主流。與此同時(shí)，數(shù)據(jù)庫也越來越多地融入了云計(jì)算、AI/ML等技術(shù)。擁有13年歷史的瑞典企業(yè)Neo4j是圖技術(shù)的開創(chuàng)者，也是原生圖數(shù)據(jù)庫市場的領(lǐng)導(dǎo)者。Neo4j的產(chǎn)品有社區(qū)版和企業(yè)版，服務(wù)著全球超過1000家企業(yè)客戶。過去十年，Neo4j從圖數(shù)據(jù)庫逐步演變成為圖數(shù)據(jù)平臺。與傳統(tǒng)的圖數(shù)據(jù)庫不同，圖數(shù)據(jù)平臺整合了數(shù)據(jù)科學(xué)、人工智能，機(jī)器學(xué)習(xí)，充實(shí)和擴(kuò)大了解決方案的功能。

Gartner預(yù)測，2012年至2022年，全球圖處理及圖數(shù)據(jù)庫的應(yīng)用將以每年100%的速度迅猛增長。DB Engines近七年數(shù)據(jù)庫流行趨勢也顯示，圖數(shù)據(jù)庫相較其他主流數(shù)據(jù)庫受歡迎程度遙遙領(lǐng)先。在圖數(shù)據(jù)庫高速發(fā)展的浪潮之中，知識圖譜的重要性不言而喻。根據(jù)IDC亞太數(shù)據(jù)和內(nèi)容技術(shù)2022年預(yù)測報(bào)告，到2025年亞太地區(qū)2000家企業(yè)中約有30%將部署圖數(shù)據(jù)庫。到2023年，亞太地區(qū)20%的商業(yè)智能將整合知識圖譜。

另據(jù)Neo4j一項(xiàng)針對100名企業(yè)高管的相關(guān)調(diào)查顯示，88%的企業(yè)管理者已經(jīng)認(rèn)識到知識圖譜的價(jià)值，認(rèn)為知識圖譜可以幫助跨越管理和數(shù)據(jù)治理的瓶頸，在彌合數(shù)據(jù)孤島，改進(jìn)AI或者機(jī)器學(xué)習(xí)，以及協(xié)助開辟新收入來源等方面發(fā)揮重要作用。到2023年80%的數(shù)據(jù)和分析創(chuàng)新項(xiàng)目將使用圖數(shù)據(jù)庫來實(shí)現(xiàn)，而2021年只有10%的創(chuàng)新項(xiàng)目是使用圖數(shù)據(jù)庫。

阿蘭·圖靈研究所將知識圖譜定義為“對知識進(jìn)行編碼以在開放、不斷發(fā)展、去中心化系統(tǒng)中大規(guī)模使用”的最佳方式。簡而言之，知識圖譜是具有豐富含義、相互關(guān)聯(lián)的數(shù)據(jù)集。企業(yè)可以針對基礎(chǔ)數(shù)據(jù)進(jìn)行推理，并且自信地將其用于復(fù)雜的分析和決策中。

Maya Natarajan認(rèn)為，知識圖譜有三方面價(jià)值：第一、知識圖譜可以將數(shù)據(jù)轉(zhuǎn)化為智能，使企業(yè)更好地管理人工智能和機(jī)器學(xué)習(xí)；第二，知識圖譜能幫助企業(yè)在不改變現(xiàn)有數(shù)據(jù)格局和基礎(chǔ)設(shè)施的前提下，進(jìn)行數(shù)據(jù)編排和自動化，為管理者提供連續(xù)觀察層，優(yōu)化數(shù)據(jù)管理、數(shù)據(jù)預(yù)測和數(shù)據(jù)創(chuàng)新，加速企業(yè)數(shù)字化轉(zhuǎn)型；第三，知識圖譜能夠幫助企業(yè)開創(chuàng)新的收入來源，提高業(yè)務(wù)效率，應(yīng)用場景分布在金融、制造、零售、電信、互聯(lián)網(wǎng)等多個行業(yè)。

據(jù)了解，Neo4j知識圖譜包含數(shù)據(jù)、顯示動態(tài)內(nèi)容的圖數(shù)據(jù)及語義在內(nèi)的三大要素。與關(guān)系型數(shù)據(jù)庫的平面結(jié)構(gòu)不同，當(dāng)數(shù)據(jù)被抽取到Neo4j動態(tài)圖結(jié)構(gòu)中存儲時(shí)，節(jié)點(diǎn)和節(jié)點(diǎn)之間的關(guān)系就被添加進(jìn)來，為數(shù)據(jù)提供了動態(tài)的內(nèi)容，即第一層上下文關(guān)系。而隨著信息不斷豐富，圖也會不斷增長。在圖中獲取數(shù)據(jù)并為它添加語義，就獲得一個知識圖。語義為圖添加了第二層上下文關(guān)系，圖譜就具備了深入動態(tài)的上下文關(guān)系。通過這個步驟將智能引入到數(shù)據(jù)當(dāng)中，便于系統(tǒng)或者客戶從中推斷出不同的含義。

根據(jù)數(shù)據(jù)范圍，Neo4j知識圖譜的應(yīng)用范疇劃分為數(shù)據(jù)管理和數(shù)據(jù)分析。數(shù)據(jù)管理包括匯集、校驗(yàn)、治理和探索數(shù)據(jù)。而數(shù)據(jù)分析側(cè)重推理、預(yù)測判定。相對應(yīng)的，Neo4j提供行為圖和決策圖兩種類型的知識圖譜，協(xié)助客戶從行為知識圖譜過渡到?jīng)Q策知識圖譜，實(shí)現(xiàn)數(shù)據(jù)分析到數(shù)據(jù)智能，完成數(shù)據(jù)創(chuàng)新。

Maya Natarajan介紹稱，行為知識圖譜是以數(shù)據(jù)管理為核心的知識圖譜，其主要目的是提供數(shù)據(jù)保障，并通過數(shù)據(jù)洞察來推動決策行動。其中，數(shù)據(jù)保障側(cè)重把不同數(shù)據(jù)源的數(shù)據(jù)聚合在一起，進(jìn)行數(shù)據(jù)交叉驗(yàn)證從而產(chǎn)生洞察，數(shù)據(jù)治理包括如何溯源數(shù)據(jù)目錄和結(jié)構(gòu)，數(shù)據(jù)是否存在血緣關(guān)系以及是否合規(guī)，以甄別存在的風(fēng)險(xiǎn)。數(shù)據(jù)洞察專注于新知識的探索、演繹和推理，主要用例包括客戶360、產(chǎn)品360、供應(yīng)鏈360，以及身份驗(yàn)證、客戶計(jì)劃等。決策知識圖譜側(cè)重于數(shù)據(jù)分析、預(yù)測判定和基礎(chǔ)圖的機(jī)器學(xué)習(xí)，主要用例包括流失分析、欺詐分析、風(fēng)險(xiǎn)分析、假設(shè)分析和影響分析以及實(shí)體解析和知識圖譜補(bǔ)全和預(yù)測模型等，例如醫(yī)療行業(yè)的患者旅程分析、制造行業(yè)的數(shù)字孿生等。

Neo4j知識圖譜解決方案是一個知識圖譜平臺，建立在豐富的產(chǎn)品基礎(chǔ)上，包括負(fù)責(zé)數(shù)據(jù)存儲的Neo4j圖數(shù)據(jù)庫，幫助建模的知識圖譜工作臺，致力數(shù)據(jù)分析的圖數(shù)據(jù)科學(xué)（GDS）和數(shù)據(jù)可視化工具Neo4j Bloom。作為原生的圖數(shù)據(jù)平臺，Neo4j專注于處理高度復(fù)雜且具有高度關(guān)聯(lián)的數(shù)據(jù)，擁有超過60個圖數(shù)據(jù)算法，并且可以連接各類外部平臺，便于用戶更充分地進(jìn)行數(shù)據(jù)分析。

美國國家航空航天局利用Neo4j處理了大量的工程項(xiàng)目和文檔資料數(shù)據(jù)，工程師可以通過學(xué)習(xí)項(xiàng)目知識來提高業(yè)務(wù)決策效率，數(shù)據(jù)的關(guān)聯(lián)性使得查詢搜索過程大幅加快；中國一家全球最大的通訊設(shè)備供應(yīng)商擁有超過600個數(shù)據(jù)庫，將這些數(shù)據(jù)抽取到Neo4j數(shù)據(jù)平臺，數(shù)據(jù)量超過500億節(jié)點(diǎn)和800億關(guān)聯(lián)，將知識圖譜優(yōu)化之后，客戶實(shí)現(xiàn)了全面的產(chǎn)品360視圖，大幅減少了查詢時(shí)間，使產(chǎn)品團(tuán)隊(duì)得以進(jìn)行更高級和深入的數(shù)據(jù)分析；中國某家大型銀行使用Neo4j知識圖譜進(jìn)行配置管理，支持靈活建模，提高了客戶效率，讓配置管理更加自動化；全球知名PC供應(yīng)商基于Neo4j圖數(shù)據(jù)庫，對營銷和銷售各關(guān)鍵要素的關(guān)系進(jìn)行了深入挖掘，并支持了多場景的實(shí)踐，幫助業(yè)務(wù)實(shí)現(xiàn)效率與效果的提升。

類似的案例還發(fā)生在eBay、UBS、思科、Caterpillar、AstraZeneca等企業(yè)。Neo4j所有的圖數(shù)據(jù)科學(xué)項(xiàng)目都始于知識圖譜，其67%的客戶已經(jīng)成功地實(shí)施了知識圖譜。除此之外，Neo4j的成功也離不開對開發(fā)者生態(tài)的建設(shè)。目前，Neo4j的社區(qū)在全球擁有25萬名成員，并且多數(shù)分布在中國。自2018年起，Neo4j就開始活躍在中國市場，業(yè)務(wù)足跡遍布北京、上海、廣州、深圳，并與業(yè)內(nèi)合作伙伴建立了良好的關(guān)系。今年，Neo4j將在大中華區(qū)開展更多的推廣活動，提供更加本地化的資料，為社區(qū)成員提供更多的培訓(xùn)，幫助其獲得Neo4j的免費(fèi)認(rèn)證。在產(chǎn)品研發(fā)上繼續(xù)加大投入，持續(xù)優(yōu)化產(chǎn)品，使其更加便于使用。

去年6月，Neo4j在F輪風(fēng)險(xiǎn)投資中獲得3.25億美元的融資，創(chuàng)造了私營數(shù)據(jù)庫公司單筆最高融資紀(jì)錄，投后估值超過20億美元。除了繼續(xù)投資圖數(shù)據(jù)平臺和數(shù)據(jù)科學(xué)之外，Neo4j還會重點(diǎn)擴(kuò)展中國市場，幫助越來越多的中國企業(yè)通過圖數(shù)據(jù)平臺來挖掘數(shù)據(jù)的價(jià)值?！癗eo4j的企業(yè)愿景就是在不同的行業(yè)場景，幫助客戶深入分析高度關(guān)聯(lián)的復(fù)雜數(shù)據(jù)，使業(yè)務(wù)數(shù)據(jù)變?yōu)樯虡I(yè)智能，提高數(shù)據(jù)的應(yīng)用價(jià)值，加速企業(yè)數(shù)字化進(jìn)程?！盡aya Natarajan說。

戴爾易安信PowerEdge R340 機(jī)架式服務(wù)器(Xeon E-2224/16GB/4TB*2)

領(lǐng)券滿15000減511

[經(jīng)銷商]京東商城

[產(chǎn)品售價(jià)]12499元

進(jìn)入購買

聯(lián)想ThinkSystem SR850(Xeon Gold 5218*2/32GB/1.2TB*4)

領(lǐng)券滿50000減1000贈

[經(jīng)銷商]京東商城

[產(chǎn)品售價(jià)]47799元

進(jìn)入購買

浪潮NF2180M3(FT2000+/32GB*8/960GB*2+12TB*4/9361-8i)

[經(jīng)銷商]京東商城

[產(chǎn)品售價(jià)]83599元

進(jìn)入購買

關(guān)鍵詞： 圖數(shù)據(jù)庫 知識圖譜