Neo4j, ledande inom grafteknik, möter nu en starkt växande efterfrågan på kunskapsgrafer. Det finns tre trender som främst driver denna tillväxt:
- Ökat fokus på automatisering genom AI och maskininlärning
- Kontextrika applikationer som utvecklas för att möta nya krav från verksamheten
- Möjligheten att enkelt navigera och analysera komplex och relaterad data och utnyttja insikterna för att skapa värde
Majoriteten av Neo4j:s kunder har implementerat kunskapsgrafer, och har gjort det inom vitt skilda tillämpningsområden: medicinsk forskning, kompetensinventering, hållbarhet, dataanalys, bedrägeridetektering, regelefterlevnad och maskininlärning.
Kunskapsgrafer kan användas för att automatisera processer och nå bättre resultat genom att upptäcka och tolka samband i data. Neo4j har en rad kunder som tagit hjälp av kunskapsgrafer för att möjliggöra nya satsningar:
Mantas automatiska plattform för data lineage (datahärkomst) gör det möjligt att överblicka dataflödet och hur data omvandlas längs vägen genom olika system. Genom att bygga in Neo4j:s grafdatabas kan Manta erbjuda en mer komplett och skalbar vy över datapipelines, vilket möjliggör bättre styrning, regelefterlevnad, migrering och aktivering av metadata.
Rymdprojektet ASTRIAGraph övervakar tusentals föremål som ligger i omloppsbana kring jorden – allt från fungerande utrustning till gammalt rymdskrot, med syftet att förbättra säkerhet och hållbarhet. Med hjälp av en Neo4j kunskapsgraf sammanställer de och kategoriserar data från alla objekt som lokaliserats och spåras, från en mobiltelefons storlek till de allra största satelliterna. Detta bildar underlag för att förutsäga objektens banor och minimera riskerna i rymden.
En kunskapsgraf synliggör datatrender för att förbättra analysverktyg, maskininlärning, och datavetenskapsinitiativ. Neo4j’s kunder använder kunskapsgrafer för ett kraftfullt och effektivt beslutsfattande:
NASA: David Meza, R&D Lead People Analytics och Sr. Data Scientist på NASA, betonar vikten av att förstå människorna som utgör en organisation och berättar hur de utnyttjar kunskapsgrafer för att lösa kompetensutmaningar:
”Vi valde att bygga en databas som kartlägger kompetenser med hjälp av Neo4j kunskapsgrafer. Den synliggör kopplingar mellan människor, färdigheter och yrkesroller på NASA. Att sammanföra dessa kopplingar hjälper organisationen att hitta sina luckor, svagheter och styrkor och hantera övergripande utmaningar i personalförsörjningen. Dessutom hjälper det att identifiera de datakunskaper som krävs för olika projekt, oavsett om det handlar om att återvända till månen eller resa till Mars.”
Det nationella centret för diabetesforskning i Tyskland (DZD) har ett nätverk som samlar in enorma mängder biomedicinska data, vilket är ostrukturerat, heterogent och saknar kopplingar. DZD ville bli bättre på att förstå orsakerna till diabetes och hur det kan förebyggas. Med hjälp av en kunskapsgraf och grafalgoritmer har teamet byggt en huvuddatabas som ger forskarna snabb tillgång till detaljerad information. Den ger möjlighet att ta ett större grepp om komplexa frågor i jakten på att förstå behandlingar, livsstilsfaktorer och sjukdomens långsiktiga komplikationer.
TCS IP2TM har tagit hjälp av kunskapsgrafer till stöd för realtidsdiagnostik och optimering av kraftverk. Med hjälp av AI, maskininlärning, IoT och digital tvillingteknologi i kombination med kunskapsgrafer kan TCS IP2TM bättre förutse och förebygga haverier, optimera driften, sänka bränsleförbrukningen, minska utsläppen och identifiera framtida möjligheter, allt utan tunga investeringar eller hårdvaruförändringar.
IT-analysföretaget Gartner har nyligen konstaterat:
”Ett förändrat tänkande och utveckling av ”grafmedvetenhet” uppstår när fler organisationer upptäcker tillämpningar där graftekniken kan bidra. I upp till 50 procent av Gartners undersökningar kring ämnesområdet AI finns en diskussion om användning av grafteknik.”
Källa: Gartner, Top Trends in Data and Analytics for 2021, Rita Sallam et al, 16 februari 2021.
Dr Maya Natarajan, Senior Program Director, Knowledge Graphs på Neo4j, understryker det värde som kunskapsgrafer kan skapa när digital transformation når nästa nivå:
“Digitaliseringen i sig kommer inte att förändra er verksamhet. Kunskapsgrafer tillför intelligens till data genom att representera den på ett sätt som kodar in förståelse med hjälp av sammanhang och relationer. Det är en samlande metod för att hitta relevant data och – vilket är lika viktigt – att tolka och agera utifrån det som är viktigt. Det betyder att människor och system kan resonera kring underliggande data och utnyttja det för bättre och effektivare beslutsfattande i komplexa frågor. Relaterad data, berikad med inbördes betydelse, gör det möjligt att ge bättre svar på komplexa frågor och ger mer effektiva insikter.”
