每天，都會(huì)創(chuàng)建 25 億 GB（千億字節(jié)）的數(shù)據(jù)，其中80-90% 的數(shù)據(jù)被歸類為“非結(jié)構(gòu)化”。本文著眼于圖形技術(shù)如何幫助數(shù)據(jù)分析行業(yè)解決這個(gè)日益嚴(yán)重的“數(shù)據(jù)泛濫”問(wèn)題，以找到有效和可靠的見(jiàn)解。

谷歌、Facebook 和 LinkedIn 等科技巨頭長(zhǎng)期以來(lái)一直利用圖形數(shù)據(jù)模型的力量來(lái)理解其數(shù)據(jù)中的模式和聯(lián)系。這些見(jiàn)解已被用于改進(jìn)網(wǎng)絡(luò)搜索并更好地了解用戶行為。

如今，圖形和圖形計(jì)算已在更多垂直行業(yè)中無(wú)處不在，并且它們被用于尋找新問(wèn)題的創(chuàng)新解決方案。

一個(gè)例子是金融服務(wù)行業(yè)，這是圖技術(shù)的一個(gè)巨大增長(zhǎng)領(lǐng)域。分析公司 Gartner 預(yù)測(cè)，到 2022 年，銀行和投資公司將在技術(shù)產(chǎn)品和服務(wù)上花費(fèi) 6230 億美元。例如，與前四個(gè)月相比，2021 年前四個(gè)月針對(duì)金融服務(wù)公司的數(shù)字欺詐攻擊增加了 149%，并已成為欺詐者最賺錢的騙局之一。為了解決這個(gè)問(wèn)題，交互圖被用來(lái)深入了解客戶、賬戶和交易之間復(fù)雜的相互關(guān)系，從而改進(jìn)欺詐檢測(cè)。同樣，可以構(gòu)建和分析交互圖，通過(guò)尋找異常交易模式來(lái)防止洗錢。

另一個(gè)例子是制藥行業(yè)的藥物發(fā)現(xiàn)領(lǐng)域，鑒于全球 COVID-19 大流行，該領(lǐng)域受到了額外的關(guān)注。圖形技術(shù)可以分析關(guān)于藥物、治療、結(jié)果和患者的各種醫(yī)學(xué)知識(shí)數(shù)據(jù)，并執(zhí)行“假設(shè)生成”以確定特定疾病的有希望的治療方法。同樣重要的是，這項(xiàng)技術(shù)也可用于排除提議的疾病治療方法。這使科學(xué)家能夠減少他們需要進(jìn)行的昂貴且耗時(shí)的濕實(shí)驗(yàn)室實(shí)驗(yàn)的數(shù)量，以發(fā)現(xiàn)疾病的治療方法。

除了加速藥物發(fā)現(xiàn)過(guò)程（平均花費(fèi)超過(guò) 10 億美元，持續(xù)12 年或更長(zhǎng)時(shí)間）之外，圖形技術(shù)也是新興精準(zhǔn)醫(yī)學(xué)領(lǐng)域不可或缺的一部分，擺脫了“一刀切”的局面” 藥物治療方法到定制治療方法，其中使用有關(guān)個(gè)體患者的數(shù)據(jù)來(lái)尋找針對(duì)該患者的治療方法。這使我們能夠建立一種更加個(gè)性化的醫(yī)療方法。

Graph 技術(shù)在某些行業(yè)還處于起步階段，因此其在金融欺詐、精準(zhǔn)醫(yī)療和信息安全等領(lǐng)域的應(yīng)用只是技術(shù)潛力的皮毛。該技術(shù)可應(yīng)用于太空探索、腫瘤學(xué)、甚至古語(yǔ)解密等邊緣領(lǐng)域！

限制圖技術(shù)廣泛采用的障礙包括圖平臺(tái)在與第三方庫(kù)和數(shù)據(jù)處理管道中的其他系統(tǒng)進(jìn)行互操作時(shí)遇到的困難。這顯示了 Katana Graph 平臺(tái)的元素，這些元素可以解決這一挑戰(zhàn)，以幫助從數(shù)據(jù)中提取情報(bào)。（圖片：武士刀圖表）。（點(diǎn)擊圖片展開(kāi)）

In spite of graph computing’s ability to deliver data intelligence at speed and at scale, there are two obstacles that have limited its widespread adoption – a lack of understanding about its capabilities, and the difficulty that many graph platforms have had in interoperating with third-party libraries and other systems in data processing pipelines. These hurdles are now being addressed by graph vendors.

As the amount of data continues to increase – and as organizations continue to struggle with managing unstructured data – organizations must find new and innovative approaches to using this information to extract timely insights. Graph technology is one key part of the overall solution, and graph systems, in conjunction with other analytics technologies, will permit organizations to unlock deep insights from the enormous amount of data they already own.

This is the first of a two part-series. In the next article, Keshav Pingali will explain what best practices systems developers should follow to leverage graph technology.

審核編輯 黃昊宇