图数据库可用来做什么
图数据库的应用与日常生活息息相关,但人们还对它比较陌生.简单说,通过将数据呈现为图形,机构可以从关系的角度大规模、快速地解决复杂的分析问题。
使用图数据库,可以轻松对任何类型的关系进行建模,且架构可以动态更改。那些精通SQL的人不必感到被排除在外,因为图数据库查询语言(如GSQL)只是在SQL的基础上扩展了图分析功能。
对关系的重视与图技术有效处理大量数据的能力相结合,使图数据库成为AI和ML应用的理想选择。

举个例子,腾讯是全球最大的游戏公司之一,拥有数以亿计的活跃玩家.这些用户在游戏平台上产生了海量的数据.腾讯希望分析这些数据以提升公司利润和玩家体验,比如提高玩家的在线时间,智能投放营销活动,以及分析玩家在游戏中的互动,为游戏开发维护提供意见.
这只是图数据库的一个应用案例.图数据库常见应用场景包括:优化商业流程,洞察客户,管理供应链,提高医疗诊疗效率,防范互联网安全攻击以及反欺诈等.
Gartner预计到2025年,数据分析领域的创新有80%将发生在图数据库,2021年这一数字为10%.研究机构IMACR预测全球图数据库市场容量将从2021年的11亿美元增长到2027年的38亿美元.
机构和企业总是想尽一切办法收集和储存数据.传统的数据库只能针对数据本身进行分析.但是数据的来源和数据之间的关系也是信息的一部分,传统数据库往往忽视了这些因素.图数据库正是为了弥补这一短板应运而生.
场景一:360度全方位洞察客户
理解客户与产品服务之间的关系,以及客户之间关系对于任何行业都至关重要.但是公司与销售,与客户有很多接触点,其关系注定是很复杂的.如果用传统的关系型数据库去分析这种多至多的关系,将需要繁重的建模和复杂的表间计算.
关系型数据库擅长索引和搜索,也可支持事务型操作和简单的分析.但图数据库可跨表分析从而识别出隐藏的关系和模式.
场景二:反欺诈
犯罪团伙的手段已经进化到相当复杂的程度.现如今他们分工明确,协同工作,给检测和追踪工作提出了挑战.传统的欺诈检测基于规则.比如信用卡公司检测到新用户发生了大额交易就会予以拦截.而图数据库与AI/ML能力搭配,可以从多个数据源检测复杂的操作序列和模式,如多个不相关的用户使用相同的出口IP地址.对复杂反常模式的检测,可有效提高欺诈识别率和召回率.
支付宝,微信和大银行都已经在反欺诈应用中使用图数据库.
场景三:健康医疗行业
世界最大的健康医疗公司UHG,使用图数据库来提高数千万用户的健康服务效率.UHG使用图数据库用于追踪会员,供应商,患诉,门诊,处方,康复过程之间的一千多亿个关联.在这些关联上UHG搭建了各种应用,利用检测到的关联向医生,药房,门诊科室,健康顾问等各方提供有效的服务建议.
场景四:供应链管理
许多机构能够收集到需要的数据,但传统的数据分析技术已被证明非常慢,成本高,且无法分析海量的供应链数据.现有的供应链解决方案多基于关系型数据库而建设.
图数据库可以跨越多个数据烟囱,分析跨越多个供应链节点的数据以分析其中的关系.应用了图数据库后,分析结论的产出大大提速,此前需要数周才能看到分析报告现在数十分钟即可产出.
场景五:电商零售运营
电商公司需要根据客户信息和购买记录快速给出营销推荐建议.早期的推荐系统多通过分析数个数据关系而给出推荐决策.分析所使用的数据一般是数日前的已过时数据,故给出的推荐结论无法准确反映客户的实时需求.
而图数据库能充分考虑到大量数据关联:客户之间关联,支付方式,品牌喜好,退货率,营销和售出率等,并将其与客户的实时画像关联,从而得出更准确的个性化营销推荐.





