В эпоху постоянно растущего объема данных технология графовых баз данных (graph databases) вместе с искусственным интеллектом (ИИ) может помочь предприятиям решать сложные проблемы, сообщает портал InformationWeek.
Цепочка поставок в автомобильном производстве объединяет в себе собой сложную сеть поставщиков, номенклатуру запчастей, специализированные производственные линии, инструменты и многое другое. Это непростая задача — составить прогноз продаж, а затем точно спланировать под него материалы, детали, расходники и инструменты, необходимые для производства автомобилей. Это еще сложнее, когда вмешиваются непредвиденные обстоятельства, такие как пандемия COVID-19.
Именно в таком положении недавно оказался автопроизводитель Jaguar Land Rover (JLR). Компании нужно было быстро реагировать, потому что один из ее поставщиков столкнулся с серьезными проблемами. Чтобы изменить последовательность выполнения заказов на автомобили на заводе компания использовала технологию графовых баз данных. По словам директора JLR по данным и аналитике Гарри Пауэлла, процесс, который в прошлом мог занять несколько дней, был «смоделирован и оценен за меньшее время, чем потребовалось для написания слайда PowerPoint».
Это говорит о перспективах графовых баз данных и платформ для их работы. Эту технологию Gartner назвала одной из главных тенденций в области данных и аналитики, которая изменит бизнес.
Для тех, кто не знаком с этой концепцией: графовые базы данных добавляют новый элемент в структуры данных — связь, или «грань» («edge»). Если один узел данных — Билл Гейтс, а другой узел данных — Уоррен Баффет, то грань между ними, определяющая их отношения, может быть «другом». Одним из преимуществ графовой базы данных является то, что она обобщает такой контекст.
Если имеется только два узла, то, чтобы понять контекст, графовая база данных не требуется, она становится ценной по мере роста количества узлов и связей. Сегодня это важно из-за огромного роста объема данных, которыми управляют корпоративные организации. «Графы упрощают эти соединения, — сказал вице-президент Forrester Research Ноэль Юханна. — Если у вас есть два источника, то граф вам не нужен. Если у вас есть сотни источников, вы можете упростить эти соединения в масштабе, чего раньше сделать было нельзя».
JLR решил свои проблемы, возникшие из-за пандемии, с помощью графовой СУБД TigerGraph, используя это решение для объединения 12 отдельных источников данных в графе, эквивалентном 23 реляционным таблицам. Этот набор включал информацию о сотнях поставщиков JLR, что позволило ей в конечном итоге упорядочить схему сборки и спрогнозировать заказы на свои автомобили. Компания планирует воспользоваться удачными результатами эксперимента для цепочки поставок в других областях, таких как контроль качества.
JLR является одним из пионеров в сфере корпоративного применения графовых баз данных. Большинство автопроизводителей пока что их не используют. По словам Юханны, технология «реальна и готова; организации задействуют ее во всех сферах деятельности, сегодня она отвечает за создание стоимости в миллионы долларов».
Например, если ИИ и машинное обучение могут помочь предсказать проблемы с цепочками поставок в сфере доставки и логистики, то графовая технология может улучшить эти прогнозы, помогая определить, какие грузы следует сделать приоритетными и куда их следует перенаправить. В теории в области кибербезопасности ИИ и МО позволяют спрогнозировать начало и тип кибератаки до того, как она произойдет. Но если вы добавите в стек ИИ графовую технологию, вы также сможете определить, какие системы наиболее уязвимы для атаки и нуждаются в немедленной защите. В связке с программами для удержания клиентов ИИ и МО позволяют спрогнозировать отток той или иной категории клиентов. Добавление к ним графов позволит определить лучший способ удержать клиентов и улучшить клиентский опыт.
Несмотря на то, что сегодня графовые базы только начинают использоваться на предприятиях, Юханна считает, что эта технология станет важной. Он сравнил ее с ИИ и Интернетом. Если несколько лет назад многие организации испытывали трудности с внедрением пилотных проектов в области МО, обработки естественного языка или других ИИ-технологий, то сейчас человеку трудно прожить целый день, не столкнувшись где-нибудь с чатботом или системой рекомендаций для клиентов.
По словам Юханны, Forrester считает, что сегодня ИИ используется в 65% предприятий, а в ближайшие четыре года он будет использоваться почти в 100% предприятий. Точно так же в начале
