發(fā)現(xiàn)新冠病毒的傳播路徑?用圖數(shù)據(jù)庫!

識別金融欺詐,實現(xiàn)風控處理?用圖數(shù)據(jù)庫!

個性化商品推薦,給買家更好的購物體驗?用圖數(shù)據(jù)庫!

“圖”,為什么這么熱?

圖數(shù)據(jù)庫,其實并不是什么新鮮事物。隨著大數(shù)據(jù)分析、人工智能等技術的快速普及,它已經(jīng)開始“飛入尋常百姓家”,在社交推薦、風控領域、健康和醫(yī)療,乃至區(qū)塊鏈、公共安全等領域有了諸多成功的落地應用。

近兩三年,圖數(shù)據(jù)庫市場一直處于持續(xù)升溫狀態(tài)。在先行一步的國外市場,以Amazon Neptune、Microsoft Cosmos等為代表的傳統(tǒng)大廠,以及以Neo4j、TigerGraph等為代表的新興勢力,還有諸如JanusGraph、Dgraph、Redis Graph等開源產(chǎn)品,交相輝映。在國內(nèi),圖數(shù)據(jù)庫市場也是一派熱鬧景象,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,整個市場競爭日趨激烈。

圖數(shù)據(jù)庫市場的興盛,從宏觀的趨勢和政策層面看,與全球數(shù)字化轉(zhuǎn)型步伐的加快、大數(shù)據(jù)應用蔚然成風,以及中國已將大數(shù)據(jù)作為一項核心戰(zhàn)略密切相關。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《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》中,加快培育和完善數(shù)據(jù)要素市場,實現(xiàn)數(shù)據(jù)驅(qū)動,成了當前最緊迫的任務。從微觀的企業(yè)應用層面看,越來越多的企業(yè)認識到,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)價值的挖掘成了決定企業(yè)未來成敗的關鍵。

當前,圖數(shù)據(jù)庫技術已趨于成熟,并且逐步進入了場景化落地階段。圖數(shù)據(jù)庫主要用于圖數(shù)據(jù)的存儲和聯(lián)機事務查詢,具備實時性。雖然圖數(shù)據(jù)庫可以存儲海量數(shù)據(jù),但并不適合直接用來進行海量數(shù)據(jù)的分析計算。圖數(shù)據(jù)庫無法解決圖計算領域的所有問題,它是知識圖譜的基石。而知識圖譜的構建和應用,還要結合不同的圖計算技術。目前,知識圖譜已在搜索推薦、知識問答、投研分析等領域得到了廣泛使用。知識圖譜基于自然語言處理模型,將文本數(shù)據(jù)進行提煉抽取后,存儲為圖數(shù)據(jù),如此一來,更易于做實體、關聯(lián)和圖信息的查詢與分析,以及知識的統(tǒng)一管理。

雖然人們對于圖數(shù)據(jù)庫、知識圖譜等概念和技術不再陌生,但先進技術的大規(guī)模應用總有一個過程。從整體來看,圖數(shù)據(jù)技術在行業(yè)應用中落地還有一定難度,究其原因:第一,行業(yè)用戶對圖的概念還不夠熟悉,在技術選型時缺乏動力和“主心骨”;第二,復雜的圖應用靈活度較高,需要參與人員具有較豐富的算法和數(shù)據(jù)建模經(jīng)驗,而這正是很多用戶所欠缺的;第三,在面對不同的業(yè)務場景時,用戶可能要做大量的業(yè)務場景梳理、數(shù)據(jù)清洗、標注、NLP模型訓練工作,有時還要做很多定制化的工作,復雜度和成本相對較高,從而造成了應用的障礙。

俗話說,工欲善其事,必先利其器。面對應用的挑戰(zhàn),行業(yè)用戶更迫切需要一個能力全面的圖數(shù)據(jù)解決方案。首先,它必須具有強大的圖查詢能力,支持快速返回點邊、路徑和子圖查詢;其次要具有強大的圖分析能力,支持運行傳統(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)源接入和導出。

目前,在圖數(shù)據(jù)庫市場上,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,一定要結合自己的業(yè)務需求,選擇一個功能強大、簡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)庫應用的先鋒行業(yè),不僅從大型國有銀行到股份制銀行都普遍使用了企業(yè)級分布式圖數(shù)據(jù)庫和知識圖譜平臺,而且從2021年開始,一些中小型的金融機構也在積極探索和嘗試圖應用的商業(yè)化路徑。究其原因,一方面,隨著圖數(shù)據(jù)技術越來越成熟,圖應用的投入成本逐步走低;另一方面,從客戶的業(yè)務需求來看,處理復雜關聯(lián)關系的需求日趨旺盛,不斷創(chuàng)新的圖數(shù)據(jù)技術、分析手段,可以給客戶帶來明顯的業(yè)務價值和收益,同時還可以有效解決最為迫切的監(jiān)管與風控需求。

從應用需求的變化和發(fā)展來看,國內(nèi)金融行業(yè)知識圖譜最早是從監(jiān)管和大銀行發(fā)展起來的風險圖譜,如反洗錢、反欺詐圖譜應用。這一類圖最初是同構圖,整個圖譜Schema可以簡化抽象成只包含一類實體和一類關系,處理起來相對簡單。近些年來,隨著技術進步和應用場景的不斷拓展,包含多種實體或關系的異構圖數(shù)據(jù)源漸成主流,包括工商數(shù)據(jù)、司法數(shù)據(jù)、供應鏈數(shù)據(jù)、產(chǎn)業(yè)鏈數(shù)據(jù)、價值鏈數(shù)據(jù)、擔保鏈數(shù)據(jù),甚至是社交網(wǎng)絡數(shù)據(jù)等�；�于此,未來兩三年,知識圖譜的主戰(zhàn)場將集中在異構知識圖譜上。

從成本上看,知識圖譜的應用除包括圖數(shù)據(jù)源采購的費用以外,圖數(shù)據(jù)庫、知識圖譜PaaS和圖挖掘應用是主要的成本構成。也正因為如此,以前,只有大型金融機構才有資金和技術實力投入預研性質(zhì)的開發(fā)或者方案選型。未來,隨著能夠提供全棧知識圖譜解決方案的廠商逐快速崛起,圖應用的商業(yè)化落地成本將隨之有效降低,圖應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)關系型數(shù)據(jù)庫最大的不同之處在于關系發(fā)現(xiàn)和關系查詢。傳統(tǒng)關系型數(shù)據(jù)庫需要多表關聯(lián),以及跨表查詢才能實現(xiàn)關系的計算。在復雜的圖查詢場景中,傳統(tǒng)關系型數(shù)據(jù)庫可能會出現(xiàn)嚴重的性能瓶頸,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)模萬億點邊計算存儲場景,基于原生圖存儲技術,充分利用圖拓撲結構和數(shù)據(jù)索引,實現(xiàn)圖上模式挖掘和圖范式查找,效率、準確性等都得到大幅度提升。

千億級大圖的查詢是一個業(yè)界公認的難點,而從另一個角度說,也是最好的突破口。當初,星環(huán)科技堅定地進入圖數(shù)據(jù)庫領域,也是希望發(fā)揮自身的技術優(yōu)勢,在圖數(shù)據(jù)庫領域闖出屬于自己的一片天地。星環(huán)科技從來不打無準備之仗,其底氣在于,在異構知識圖譜領域已經(jīng)擁有大量技術儲備,并且面向未來3～5年的技術發(fā)展,進行了充分準備。事實勝于雄辯,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,而且具有查詢速度快、分析能力強、穩(wěn)定性高等特點,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)務提供查詢業(yè)務,同時還可降低集群節(jié)點數(shù)量,以及數(shù)據(jù)導入成本。StellarDB具備完整的企業(yè)級功能,如用戶認證、權限管理、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)構建復雜應用。StellarDB支持SQL操作和圖數(shù)據(jù)查詢,可處理結構化數(shù)據(jù)和圖數(shù)據(jù)。

星環(huán)科技以領先的圖數(shù)據(jù)技術,為用戶打通了從底層的關系型數(shù)據(jù)庫、大數(shù)據(jù)平臺,到中層的圖數(shù)據(jù)庫,再到上層知識圖譜應用的全棧產(chǎn)品通路,實現(xiàn)了從最底層獨立的“點”分析到關系的“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)管和頭部金融機構打造了多個監(jiān)管、集團派系知識圖譜,以及對公知識圖譜、零售知識圖譜等。

國產(chǎn)“圖”,底氣何來?

最近一兩年,國內(nèi)的用戶越來越傾向于選擇國內(nèi)廠商自主研發(fā)的企業(yè)級分布式圖數(shù)據(jù)庫和知識圖譜平臺。究其原因,可以歸納為以下兩個方面。

首先,中國的圖數(shù)據(jù)庫廠商在技術上并不遜于國外廠商,在某些技術細分領域甚至還超過了國外同類廠商。都說中國是天生的“大數(shù)據(jù)之國”,客戶眾多、數(shù)據(jù)量龐大、業(yè)務場景繁復,尤其是在金融、社交等領域,時常會遇到超大規(guī)模數(shù)據(jù)計算的場景,圖計算的網(wǎng)絡規(guī)模不是普通圖數(shù)據(jù)庫所能承載和解決的。中國的圖數(shù)據(jù)庫廠商從一開始就要面對諸如超大規(guī)模、超高復雜性等的挑戰(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),可以支持萬億點邊圖計算場景,也因此贏得了眾多中國行業(yè)客戶的青睞。

星環(huán)科技的差異化優(yōu)勢突出體現(xiàn)在,能夠提供端到端的圖數(shù)據(jù)解決方案,包括基礎的大數(shù)據(jù)平臺,以及可以高效運行的圖數(shù)據(jù)庫、知識圖譜等產(chǎn)品。星環(huán)科技是同時具備圖數(shù)據(jù)庫(StellarDB)、知識圖譜平臺(Sophon KG)、圖挖掘應用開發(fā)能力的企業(yè),其全棧能力可以助力企業(yè)用戶快速構建知識圖譜應用,有效降低圖應用的門檻。

其次,出于行業(yè)監(jiān)管與合規(guī)的要求,自主可控的國產(chǎn)化產(chǎn)品可以避免用戶在技術應用上被“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)庫應用將走向何方?

從技術上看,多模態(tài)異構圖將是市場熱點,而知識圖譜與自然語言處理的深度融合發(fā)展則是必然趨勢。另外,時序圖、空間圖應用,圖神經(jīng)網(wǎng)絡也是未來的主要方向。

從應用的角度看,未來圖應用更需要完整的方法論和解決方案。其真正價值將體現(xiàn)在,利用圖的方法論圍繞諸如金融風控、金融投研等領域的知識圖譜,構建整體解決方案。從應用趨勢來看,偏SaaS級的端到端解決方案能夠有效消除用戶的應用痛點。對于圖數(shù)據(jù)庫廠商來說,擁有基于業(yè)務場景的know-how,也就是行業(yè)解決方案,才是在知識圖譜領域?qū)崿F(xiàn)破局的法寶。

可以預見,用戶會越來越傾向于選擇端到端的整體解決方案,而無需分別購買圖數(shù)據(jù)庫、圖平臺和建模服務,更無需擔心底層圖數(shù)據(jù)庫、中層圖建模平臺和上層圖挖掘應用。對于圖應用來說,大型機構會有非常多的定制化需要,而中小型機構則偏好標準化的解決方案。星環(huán)科技就是這樣一家針對知識挖掘應用,擁有從底層到頂層完整解決方案的廠商,能夠賦予用戶構建完整的圖應用生態(tài)的能力。