發(fā)現(xiàn)新冠病毒的傳播路徑?用圖數(shù)據(jù)庫!
識(shí)別金融欺詐，實(shí)現(xiàn)風(fēng)控處理?用圖數(shù)據(jù)庫!
個(gè)性化商品推薦，給買家更好的購(gòu)物體驗(yàn)?用圖數(shù)據(jù)庫!
“圖”，為什么這么熱?
圖數(shù)據(jù)庫，其實(shí)并不是什么新鮮事物。隨著大數(shù)據(jù)分析、人工智能等技術(shù)的快速普及，它已經(jīng)開始“飛入尋常百姓家”，在社交推薦、風(fēng)控領(lǐng)域、健康和醫(yī)療，乃至區(qū)塊鏈、公共安全等領(lǐng)域有了諸多成功的落地應(yīng)用。
近兩三年，圖數(shù)據(jù)庫市場(chǎng)一直處于持續(xù)升溫狀態(tài)。在先行一步的國(guó)外市場(chǎng)，以Amazon Neptune、Microsoft Cosmos等為代表的傳統(tǒng)大廠，以及以Neo4j、TigerGraph等為代表的新興勢(shì)力，還有諸如JanusGraph、Dgraph、Redis Graph等開源產(chǎn)品，交相輝映。在國(guó)內(nèi)，圖數(shù)據(jù)庫市場(chǎng)也是一派熱鬧景象，大廠有百度HugeGraph、華為GES、騰訊TGDB、阿里GDB、螞蟻GeaBase、字節(jié)跳動(dòng)ByteGraph等，還有星環(huán)科技StellarDB、創(chuàng)鄰科技GalaxyBase、歐若數(shù)網(wǎng)NebulaGraph等也是各具特色，整個(gè)市場(chǎng)競(jìng)爭(zhēng)日趨激烈。
圖數(shù)據(jù)庫市場(chǎng)的興盛，從宏觀的趨勢(shì)和政策層面看，與全球數(shù)字化轉(zhuǎn)型步伐的加快、大數(shù)據(jù)應(yīng)用蔚然成風(fēng)，以及中國(guó)已將大數(shù)據(jù)作為一項(xiàng)核心戰(zhàn)略密切相關(guān)。尤其是在數(shù)據(jù)作為一種新型生產(chǎn)要素，寫入2020年4月10日發(fā)布的《中共中央國(guó)務(wù)院關(guān)于構(gòu)建更加完善的要素市場(chǎng)化配置體制機(jī)制的意見》中，加快培育和完善數(shù)據(jù)要素市場(chǎng)，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)，成了當(dāng)前最緊迫的任務(wù)。從微觀的企業(yè)應(yīng)用層面看，越來越多的企業(yè)認(rèn)識(shí)到，數(shù)據(jù)是企業(yè)的戰(zhàn)略資產(chǎn)，數(shù)據(jù)的分析、數(shù)據(jù)價(jià)值的挖掘成了決定企業(yè)未來成敗的關(guān)鍵。
當(dāng)前，圖數(shù)據(jù)庫技術(shù)已趨于成熟，并且逐步進(jìn)入了場(chǎng)景化落地階段。圖數(shù)據(jù)庫主要用于圖數(shù)據(jù)的存儲(chǔ)和聯(lián)機(jī)事務(wù)查詢，具備實(shí)時(shí)性。雖然圖數(shù)據(jù)庫可以存儲(chǔ)海量數(shù)據(jù)，但并不適合直接用來進(jìn)行海量數(shù)據(jù)的分析計(jì)算。圖數(shù)據(jù)庫無法解決圖計(jì)算領(lǐng)域的所有問題，它是知識(shí)圖譜的基石。而知識(shí)圖譜的構(gòu)建和應(yīng)用，還要結(jié)合不同的圖計(jì)算技術(shù)。目前，知識(shí)圖譜已在搜索推薦、知識(shí)問答、投研分析等領(lǐng)域得到了廣泛使用。知識(shí)圖譜基于自然語言處理模型，將文本數(shù)據(jù)進(jìn)行提煉抽取后，存儲(chǔ)為圖數(shù)據(jù)，如此一來，更易于做實(shí)體、關(guān)聯(lián)和圖信息的查詢與分析，以及知識(shí)的統(tǒng)一管理。
雖然人們對(duì)于圖數(shù)據(jù)庫、知識(shí)圖譜等概念和技術(shù)不再陌生，但先進(jìn)技術(shù)的大規(guī)模應(yīng)用總有一個(gè)過程。從整體來看，圖數(shù)據(jù)技術(shù)在行業(yè)應(yīng)用中落地還有一定難度，究其原因：第一，行業(yè)用戶對(duì)圖的概念還不夠熟悉，在技術(shù)選型時(shí)缺乏動(dòng)力和“主心骨”;第二，復(fù)雜的圖應(yīng)用靈活度較高，需要參與人員具有較豐富的算法和數(shù)據(jù)建模經(jīng)驗(yàn)，而這正是很多用戶所欠缺的;第三，在面對(duì)不同的業(yè)務(wù)場(chǎng)景時(shí)，用戶可能要做大量的業(yè)務(wù)場(chǎng)景梳理、數(shù)據(jù)清洗、標(biāo)注、NLP模型訓(xùn)練工作，有時(shí)還要做很多定制化的工作，復(fù)雜度和成本相對(duì)較高，從而造成了應(yīng)用的障礙。
俗話說，工欲善其事，必先利其器。面對(duì)應(yīng)用的挑戰(zhàn)，行業(yè)用戶更迫切需要一個(gè)能力全面的圖數(shù)據(jù)解決方案。首先，它必須具有強(qiáng)大的圖查詢能力，支持快速返回點(diǎn)邊、路徑和子圖查詢;其次要具有強(qiáng)大的圖分析能力，支持運(yùn)行傳統(tǒng)圖算法;再次，還要具備可視化能力，支持展示圖查詢結(jié)果;最后，生態(tài)開放的能力也是不可或缺的，要支持多數(shù)據(jù)源接入和導(dǎo)出。
目前，在圖數(shù)據(jù)庫市場(chǎng)上，產(chǎn)品種類繁多，各廠商也是八仙過海，各顯神通。行業(yè)用戶在選擇時(shí)，一定要結(jié)合自己的業(yè)務(wù)需求，選擇一個(gè)功能強(qiáng)大、簡(jiǎn)單易用且全面的解決方案。
從金融行業(yè)看“圖”如何落地?
金融行業(yè)是圖數(shù)據(jù)庫應(yīng)用的先鋒行業(yè)，不僅從大型國(guó)有銀行到股份制銀行都普遍使用了企業(yè)級(jí)分布式圖數(shù)據(jù)庫和知識(shí)圖譜平臺(tái)，而且從2021年開始，一些中小型的金融機(jī)構(gòu)也在積極探索和嘗試圖應(yīng)用的商業(yè)化路徑。究其原因，一方面，隨著圖數(shù)據(jù)技術(shù)越來越成熟，圖應(yīng)用的投入成本逐步走低;另一方面，從客戶的業(yè)務(wù)需求來看，處理復(fù)雜關(guān)聯(lián)關(guān)系的需求日趨旺盛，不斷創(chuàng)新的圖數(shù)據(jù)技術(shù)、分析手段，可以給客戶帶來明顯的業(yè)務(wù)價(jià)值和收益，同時(shí)還可以有效解決最為迫切的監(jiān)管與風(fēng)控需求。
從應(yīng)用需求的變化和發(fā)展來看，國(guó)內(nèi)金融行業(yè)知識(shí)圖譜最早是從監(jiān)管和大銀行發(fā)展起來的風(fēng)險(xiǎn)圖譜，如反洗錢、反欺詐圖譜應(yīng)用。這一類圖最初是同構(gòu)圖，整個(gè)圖譜Schema可以簡(jiǎn)化抽象成只包含一類實(shí)體和一類關(guān)系，處理起來相對(duì)簡(jiǎn)單。近些年來，隨著技術(shù)進(jìn)步和應(yīng)用場(chǎng)景的不斷拓展，包含多種實(shí)體或關(guān)系的異構(gòu)圖數(shù)據(jù)源漸成主流，包括工商數(shù)據(jù)、司法數(shù)據(jù)、供應(yīng)鏈數(shù)據(jù)、產(chǎn)業(yè)鏈數(shù)據(jù)、價(jià)值鏈數(shù)據(jù)、擔(dān)保鏈數(shù)據(jù)，甚至是社交網(wǎng)絡(luò)數(shù)據(jù)等?；诖?，未來兩三年，知識(shí)圖譜的主戰(zhàn)場(chǎng)將集中在異構(gòu)知識(shí)圖譜上。
從成本上看，知識(shí)圖譜的應(yīng)用除包括圖數(shù)據(jù)源采購(gòu)的費(fèi)用以外，圖數(shù)據(jù)庫、知識(shí)圖譜PaaS和圖挖掘應(yīng)用是主要的成本構(gòu)成。也正因?yàn)槿绱?，以前，只有大型金融機(jī)構(gòu)才有資金和技術(shù)實(shí)力投入預(yù)研性質(zhì)的開發(fā)或者方案選型。未來，隨著能夠提供全棧知識(shí)圖譜解決方案的廠商逐快速崛起，圖應(yīng)用的商業(yè)化落地成本將隨之有效降低，圖應(yīng)用有可能在金融全行業(yè)中落地開花。
圖數(shù)據(jù)庫與傳統(tǒng)關(guān)系型數(shù)據(jù)庫最大的不同之處在于關(guān)系發(fā)現(xiàn)和關(guān)系查詢。傳統(tǒng)關(guān)系型數(shù)據(jù)庫需要多表關(guān)聯(lián)，以及跨表查詢才能實(shí)現(xiàn)關(guān)系的計(jì)算。在復(fù)雜的圖查詢場(chǎng)景中，傳統(tǒng)關(guān)系型數(shù)據(jù)庫可能會(huì)出現(xiàn)嚴(yán)重的性能瓶頸，甚至出現(xiàn)算不出來的現(xiàn)象。而分布式圖數(shù)據(jù)庫可以支持超大規(guī)模萬億點(diǎn)邊計(jì)算存儲(chǔ)場(chǎng)景，基于原生圖存儲(chǔ)技術(shù)，充分利用圖拓?fù)浣Y(jié)構(gòu)和數(shù)據(jù)索引，實(shí)現(xiàn)圖上模式挖掘和圖范式查找，效率、準(zhǔn)確性等都得到大幅度提升。
千億級(jí)大圖的查詢是一個(gè)業(yè)界公認(rèn)的難點(diǎn)，而從另一個(gè)角度說，也是最好的突破口。當(dāng)初，星環(huán)科技堅(jiān)定地進(jìn)入圖數(shù)據(jù)庫領(lǐng)域，也是希望發(fā)揮自身的技術(shù)優(yōu)勢(shì)，在圖數(shù)據(jù)庫領(lǐng)域闖出屬于自己的一片天地。星環(huán)科技從來不打無準(zhǔn)備之仗，其底氣在于，在異構(gòu)知識(shí)圖譜領(lǐng)域已經(jīng)擁有大量技術(shù)儲(chǔ)備，并且面向未來3～5年的技術(shù)發(fā)展，進(jìn)行了充分準(zhǔn)備。事實(shí)勝于雄辯，星環(huán)科技自研的分布式圖數(shù)據(jù)庫StellarDB不僅能夠支持萬億邊規(guī)模的圖數(shù)據(jù)存儲(chǔ)，而且具有查詢速度快、分析能力強(qiáng)、穩(wěn)定性高等特點(diǎn)，可以支持豐富的圖分析算法，性能表現(xiàn)十分優(yōu)異。
隨著StellarDB快速落地上線，客戶不僅可以穩(wěn)定地為上層業(yè)務(wù)提供查詢業(yè)務(wù)，同時(shí)還可降低集群節(jié)點(diǎn)數(shù)量，以及數(shù)據(jù)導(dǎo)入成本。StellarDB具備完整的企業(yè)級(jí)功能，如用戶認(rèn)證、權(quán)限管理、數(shù)據(jù)熱備份、資源控制等，具備高性能的圖查詢能力，包含近20種常見圖算法。StellarDB與大數(shù)據(jù)系統(tǒng)緊密融合，可配合Hadoop、Spark、Kafka等大數(shù)據(jù)系統(tǒng)構(gòu)建復(fù)雜應(yīng)用。StellarDB支持SQL操作和圖數(shù)據(jù)查詢，可處理結(jié)構(gòu)化數(shù)據(jù)和圖數(shù)據(jù)。
星環(huán)科技以領(lǐng)先的圖數(shù)據(jù)技術(shù)，為用戶打通了從底層的關(guān)系型數(shù)據(jù)庫、大數(shù)據(jù)平臺(tái)，到中層的圖數(shù)據(jù)庫，再到上層知識(shí)圖譜應(yīng)用的全棧產(chǎn)品通路，實(shí)現(xiàn)了從最底層獨(dú)立的“點(diǎn)”分析到關(guān)系的“線”分析，再到事件的“面”分析，最終形成行業(yè)全面的“體”分析的全棧智能分析賦能。星環(huán)科技從點(diǎn)到面再到體的一站式分析工具，可以為用戶節(jié)省大量開發(fā)成本和基礎(chǔ)算力，并顯著提升分析性能。
如今，星環(huán)科技StellarDB已經(jīng)在金融等眾多行業(yè)得到了廣泛部署。比如，星環(huán)科技幫助監(jiān)管和頭部金融機(jī)構(gòu)打造了多個(gè)監(jiān)管、集團(tuán)派系知識(shí)圖譜，以及對(duì)公知識(shí)圖譜、零售知識(shí)圖譜等。
國(guó)產(chǎn)“圖”，底氣何來?
最近一兩年，國(guó)內(nèi)的用戶越來越傾向于選擇國(guó)內(nèi)廠商自主研發(fā)的企業(yè)級(jí)分布式圖數(shù)據(jù)庫和知識(shí)圖譜平臺(tái)。究其原因，可以歸納為以下兩個(gè)方面。
首先，中國(guó)的圖數(shù)據(jù)庫廠商在技術(shù)上并不遜于國(guó)外廠商，在某些技術(shù)細(xì)分領(lǐng)域甚至還超過了國(guó)外同類廠商。都說中國(guó)是天生的“大數(shù)據(jù)之國(guó)”，客戶眾多、數(shù)據(jù)量龐大、業(yè)務(wù)場(chǎng)景繁復(fù)，尤其是在金融、社交等領(lǐng)域，時(shí)常會(huì)遇到超大規(guī)模數(shù)據(jù)計(jì)算的場(chǎng)景，圖計(jì)算的網(wǎng)絡(luò)規(guī)模不是普通圖數(shù)據(jù)庫所能承載和解決的。中國(guó)的圖數(shù)據(jù)庫廠商從一開始就要面對(duì)諸如超大規(guī)模、超高復(fù)雜性等的挑戰(zhàn)，其解決方案百煉成鋼，能夠更好地滿足中國(guó)客戶的特殊需求。以星環(huán)科技為例，它立足自主研發(fā)，可以支持萬億點(diǎn)邊圖計(jì)算場(chǎng)景，也因此贏得了眾多中國(guó)行業(yè)客戶的青睞。
星環(huán)科技的差異化優(yōu)勢(shì)突出體現(xiàn)在，能夠提供端到端的圖數(shù)據(jù)解決方案，包括基礎(chǔ)的大數(shù)據(jù)平臺(tái)，以及可以高效運(yùn)行的圖數(shù)據(jù)庫、知識(shí)圖譜等產(chǎn)品。星環(huán)科技是同時(shí)具備圖數(shù)據(jù)庫(StellarDB)、知識(shí)圖譜平臺(tái)(Sophon KG)、圖挖掘應(yīng)用開發(fā)能力的企業(yè)，其全棧能力可以助力企業(yè)用戶快速構(gòu)建知識(shí)圖譜應(yīng)用，有效降低圖應(yīng)用的門檻。
其次，出于行業(yè)監(jiān)管與合規(guī)的要求，自主可控的國(guó)產(chǎn)化產(chǎn)品可以避免用戶在技術(shù)應(yīng)用上被“卡脖子”，擁有更多的選擇，確保安全、可靠、可用。
“圖”的未來
未來，圖數(shù)據(jù)庫應(yīng)用將走向何方?
從技術(shù)上看，多模態(tài)異構(gòu)圖將是市場(chǎng)熱點(diǎn)，而知識(shí)圖譜與自然語言處理的深度融合發(fā)展則是必然趨勢(shì)。另外，時(shí)序圖、空間圖應(yīng)用，圖神經(jīng)網(wǎng)絡(luò)也是未來的主要方向。
從應(yīng)用的角度看，未來圖應(yīng)用更需要完整的方法論和解決方案。其真正價(jià)值將體現(xiàn)在，利用圖的方法論圍繞諸如金融風(fēng)控、金融投研等領(lǐng)域的知識(shí)圖譜，構(gòu)建整體解決方案。從應(yīng)用趨勢(shì)來看，偏SaaS級(jí)的端到端解決方案能夠有效消除用戶的應(yīng)用痛點(diǎn)。對(duì)于圖數(shù)據(jù)庫廠商來說，擁有基于業(yè)務(wù)場(chǎng)景的know-how，也就是行業(yè)解決方案，才是在知識(shí)圖譜領(lǐng)域?qū)崿F(xiàn)破局的法寶。
可以預(yù)見，用戶會(huì)越來越傾向于選擇端到端的整體解決方案，而無需分別購(gòu)買圖數(shù)據(jù)庫、圖平臺(tái)和建模服務(wù)，更無需擔(dān)心底層圖數(shù)據(jù)庫、中層圖建模平臺(tái)和上層圖挖掘應(yīng)用。對(duì)于圖應(yīng)用來說，大型機(jī)構(gòu)會(huì)有非常多的定制化需要，而中小型機(jī)構(gòu)則偏好標(biāo)準(zhǔn)化的解決方案。星環(huán)科技就是這樣一家針對(duì)知識(shí)挖掘應(yīng)用，擁有從
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
