數(shù)據(jù)大爆炸時代，企業(yè)面臨著全面數(shù)字化轉型的挑戰(zhàn)。如何挖掘數(shù)據(jù)之間的內在關聯(lián)，并將這些洞察應用于關鍵業(yè)務決策，驅動從數(shù)據(jù)分析到數(shù)據(jù)智能的轉化成為關鍵。
作為高級數(shù)據(jù)科學的一大趨勢，知識圖譜的應用已經滲透到不同領域的各個細分行業(yè)。根據(jù)Neo4j一項針對100名企業(yè)高管的相關調查揭示，88%的企業(yè)管理者已經認識到知識圖譜的價值，認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AI或者機器學習，以及協(xié)助開辟新收入來源等方面發(fā)揮重要作用。
什么是知識圖譜?阿蘭·圖靈研究所(Alan Turing Institute)將知識圖譜定義為“對知識進行編碼以在開放、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、相互關聯(lián)的數(shù)據(jù)集。企業(yè)可以針對基礎數(shù)據(jù)進行推理，并且自信地將其用于復雜的分析和決策中。
Neo4j高級產品市場總監(jiān)Maya Natarajan博士
Neo4j知識圖譜包含數(shù)據(jù)、顯示動態(tài)內容的圖數(shù)據(jù)及語義在內的三大要素。與關系型數(shù)據(jù)庫的平面結構不同，當數(shù)據(jù)被抽取到Neo4j動態(tài)圖結構中存儲時，節(jié)點和節(jié)點之間的關系就被添加進來，為數(shù)據(jù)提供了動態(tài)的內容，即第一層上下文關系。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系，圖譜就具備了深入動態(tài)的上下文關系。通過這個步驟將智能引入到數(shù)據(jù)當中，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、治理和探索數(shù)據(jù)。而數(shù)據(jù)分析側重推理、預測判定。相對應的，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決策知識圖譜，實現(xiàn)數(shù)據(jù)分析到數(shù)據(jù)智能，完成數(shù)據(jù)創(chuàng)新。
行為知識圖譜
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。數(shù)據(jù)保障側重把不同數(shù)據(jù)源的數(shù)據(jù)聚合在一起，進行數(shù)據(jù)交叉驗證從而產生洞察。而數(shù)據(jù)治理包括如何溯源數(shù)據(jù)目錄和結構，數(shù)據(jù)是否存在血緣關系以及是否合規(guī)，以甄別存在的風險。數(shù)據(jù)洞察超越了信息存儲的可見性，專注于新知識的探索、演繹和推理。
行為知識圖譜常見的用例包括耳熟能詳?shù)目蛻?60和患者360、產品360、供應鏈360等在內的X360系列，以及金融行業(yè)身份驗證，訪問管理，欺詐、反洗錢的根本原因分析以及改善建議等。Neo4j行為知識圖譜幫助客戶更加深入了解并精準地劃分用戶，以提供個性化的服務。
決策知識圖譜
決策知識圖譜側重于數(shù)據(jù)分析和預測、判定，提供基于圖的分析和基于圖的機器學習。數(shù)據(jù)分析添加不同的語義，幫助客戶從更深層次理解數(shù)據(jù)，從而改進決策系統(tǒng)并采取最佳的措施。
決策知識圖譜的主要用例包括流失分析、欺詐分析、風險分析、假設分析和影響分析以及實體解析和知識圖譜補全和預測模型等。由于數(shù)據(jù)是一個連續(xù)的圖譜，Neo4j客戶典型的數(shù)據(jù)圖都是從行為知識圖譜開始，進而演進到決策知識圖譜。從數(shù)據(jù)洞察到數(shù)據(jù)分析，最后到基于圖的機器學習。以金融行業(yè)反欺詐為例，欺詐識別是一個數(shù)據(jù)洞察用例，Neo4j添加了很多圖算法開展檢測并且進行不同類型的分類和標記。這些算法允許檢測不同的欺詐模式，同時通過算法來提取圖特征進行訓練，通過機器學習來實現(xiàn)建模，預測欺詐。
知識圖譜如何助力企業(yè)實現(xiàn)數(shù)字化轉型?
Neo4j知識圖譜解決方案是一個知識圖譜平臺，建立在豐富的產品基礎上，包括負責數(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 (GDS) 以及數(shù)據(jù)可視化工具Neo4j Bloom。
每個企業(yè)或組織都有大量各自為政的數(shù)據(jù)，數(shù)據(jù)孤島其實不是一件壞事，由于每個數(shù)據(jù)孤島都較小，用戶可以方便地對其進行數(shù)據(jù)維護和控制，并制定政策。但另一方面，數(shù)據(jù)孤島會降低數(shù)據(jù)質量、分析速度和報告的準確性。Neo4j為知識圖譜添加各種關聯(lián)以及豐富的上下文關系，將數(shù)據(jù)孤島串聯(lián)起來，提供一個完整可見的數(shù)據(jù)查詢視圖。基于查詢視圖，過渡到更深入的數(shù)據(jù)聯(lián)邦，獲得更加豐富的內容。在這個過程當中，知識圖譜描述了整個結構中各個數(shù)據(jù)源之間的關聯(lián)關系，并添加了上下文，提供數(shù)據(jù)的上下文智能。
企業(yè)管理者越來越將數(shù)據(jù)視為商業(yè)的重要資產，這意味他們現(xiàn)在更加關注怎樣獲取數(shù)據(jù)洞察力、改善決策制定、提高業(yè)務績效。為了確保從數(shù)據(jù)中獲得最大的價值，管理者會關注三個主要領域：側重數(shù)據(jù)管理和數(shù)據(jù)治理的業(yè)務大師、專注數(shù)據(jù)分析和機器學習及人工智能的分析師、數(shù)據(jù)創(chuàng)新者。知識圖譜將幫助企業(yè)在不改變現(xiàn)有數(shù)據(jù)格局和基礎設施的前提下進行數(shù)據(jù)編排和自動化，為管理者提供一個連續(xù)觀察層，優(yōu)化數(shù)據(jù)管理、數(shù)據(jù)預測和數(shù)據(jù)創(chuàng)新，加速企業(yè)數(shù)字化轉型。
作為圖數(shù)據(jù)平臺的領導者，Neo4j所有的圖數(shù)據(jù)科學項目都始于知識圖譜，其67%的客戶已經成功地實施了知識圖譜，包括美國航空航天局(NASA)、易貝(eBay)，UBS，思科(Cisco)，卡特彼勒公司(Caterpillar)以及阿斯利康(AstraZeneca)等。
作者：Neo4j高級產品市場總監(jiān)Maya Natarajan博士
（轉載）
