Les bases de données de graphes sont partout, et deviendront encore plus omniprésentes

Fonctionnalité payante La théorie des graphes, une branche des mathématiques qui remonte au XVIIIe siècle, est aujourd’hui largement appliquée dans les applications et les services commerciaux. Par exemple, les recommandations que vous obtenez lorsque vous visitez des sites de réseaux sociaux et de commerce électronique sont le résultat de l’exploitation de bases de données graphiques et d’analyses pour comprendre des entités telles que des personnes, des lieux, des choses, des événements et des emplacements, ainsi que les relations entre elles.

Gartner prédit que les technologies graphiques seront utilisées dans 80 % des innovations en matière de données et d’analyses d’ici 2025, contre 10 % en 2021. « Une croissance de l’adoption de 10 % à 80 % sur une période de quatre ans est tout simplement énorme. “, déclare Todd Blaschka, COO chez TigerGraph, le créateur de la base de données de graphes éponyme. « Ce que les graphiques offrent, c’est la capacité d’identifier de nouveaux modèles et de nouvelles similitudes au sein des données et de faire de la modélisation prédictive. Ils aident à créer de meilleures applications pour les soins de santé, la fabrication, la chaîne d’approvisionnement, les services financiers et de nombreuses autres industries.

Les modèles d’analyse d’aujourd’hui nécessitent une plus grande variété de techniques pour comprendre les relations dans les données, incorporer des données en temps réel et augmenter le contexte dans les modèles AI/ML. Par conséquent, TigerGraph a créé une base de données de graphiques évolutive et une plate-forme d’analyse qui libèrent une valeur réelle des données connectées, pour les parties prenantes techniques et non techniques.

L’approche « Graph For All » de TigerGraph a conduit à des analyses à faible code ou sans code qui permettent à plus de personnes de travailler et d’interagir avec les données et de glaner des informations significatives à partir de relations de données complexes. Par exemple, les utilisateurs non techniques peuvent produire et exécuter des requêtes graphiques simplement en dessinant les modèles qu’ils souhaitent, comme pour la modélisation visuelle des données.

En avance sur la courbe

TigerGraph s’est récemment associé au Centre d’analyse commerciale de l’Université nationale de Singapour (NUS BAC) pour rendre les capacités d’analyse graphique plus accessibles aux entreprises en développant un vivier de talents avec des compétences recherchées en bases de données graphiques.

Le partenariat permet aux étudiants du programme Master of Science in Business Analytics (MSBA) du BAC de répondre aux demandes d’un nombre croissant d’entreprises qui se tournent vers les bases de données graphiques et l’analyse, afin de faciliter une prise de décision rapide.

Les étudiants suivront également plusieurs mois de stage dans l’industrie, au cours desquels ils travailleront sur des projets d’analyse de graphes relatifs à des domaines critiques tels que la détection des fraudes et la chaîne d’approvisionnement.

« Nous pouvons potentiellement créer une formation d’analyse de graphes systématique de bout en bout qui englobe la base, la théorie, l’outil et les cas d’utilisation du monde réel pour les étudiants NUS MSBA », déclare le professeur agrégé James Pang Yan, co-directeur de la NUS BAC. « À l’avenir, nous pourrons également collaborer avec TigerGraph pour mener des recherches fondamentales dans les domaines de l’analyse graphique. »

En 2023, TigerGraph parrainera le NUS-TigerGraph Innovation Challenge. Ce défi, qui vise à présenter des solutions innovantes d’étudiants NUS, présente des énoncés de problèmes basés sur des défis commerciaux réalistes de TigerGraph et de ses clients.

Ferveur graphique croissante

Alors que les cas d’utilisation de l’analyse graphique continuent de se développer, Blaschka met en évidence trois tendances – conformité/détection de fraude, « client 360 » et jumeau numérique – qui ont un impact important dans de nombreux secteurs industriels.

« Dans le monde de la conformité, la fraude et le blanchiment d’argent représentent des domaines coûteux, en particulier pour les institutions financières ainsi que pour les entreprises de commerce électronique », dit-il. “Par exemple, les tendances telles que Buy Now, Pay Later (BNPL) et les services de crédit à court terme ont créé un besoin pour les entreprises de faire une analyse de pointage de crédit en temps réel, puis de faire correspondre le consommateur avec le bon prêteur.” L’essentiel est que l’analyse graphique permet aux entreprises qui proposent BNPL de découvrir des modèles et des idées au sein d’un déluge de données sur les consommateurs qui peuvent exposer des risques ou des fraudes.

Une autre tendance est Customer 360′ qui vise à obtenir une compréhension globale des attributs autour d’un client ou d’un utilisateur particulier. Cette tendance est évidente dans le secteur de la santé où les clients de TigerGraph utilisent des graphiques pour mieux comprendre les besoins et les attentes des patients, sur la base des données recueillies à partir de tous les points de contact des patients, y compris leur interaction avec les applications de télémédecine.

« En analysant les données connectées des patients, les prestataires de soins de santé peuvent fournir aux patients des recommandations pertinentes et opportunes sur les prochains soins ou les meilleurs soins », explique Blaschka.

Un troisième domaine consiste à créer un « jumeau numérique » ou une réplique de l’application métier. Un jumeau aide une entreprise à trouver de nouvelles relations au sein de données historiques et en temps réel en simulant et en modélisant des scénarios de simulation. Les constructeurs automobiles, par exemple, doivent optimiser les ressources de production grâce à l’analyse de la chaîne d’approvisionnement en réponse à l’offre de puces et à l’évolution de la demande du marché pour les véhicules à essence, hybrides ou électriques.

« Nous avons des clients qui considèrent les graphiques comme un moteur de simulation, ce qui signifie que vous pouvez effectuer une modélisation prédictive basée sur les données et leur évolution en temps réel », explique Blaschka. « Vous pouvez appliquer la modélisation des jumeaux numériques à presque tous les secteurs de l’industrie. Graph est vraiment efficace pour identifier et modéliser avec de nouvelles données afin que vous puissiez prendre de vraies décisions sur des données réelles en temps réel pour obtenir un avantage concurrentiel.

Montrer les mathématiques de l’IA

Au-delà des cas d’utilisation, l’analyse graphique répond également à une préoccupation majeure entravant l’adoption de l’IA : le manque de transparence quant à la façon dont les systèmes d’IA parviennent à une décision particulière. Les réseaux de neurones et d’apprentissage en profondeur, par exemple, ne peuvent souvent pas élucider les variables clés qui conduisent à une décision.

« Graph vous permet d’expliquer votre IA », explique Blaschka. « Le graphique peut montrer d’où viennent les données, quel type de calcul est effectué sur les données, quel est l’algorithme réel, quelles ont été les pondérations attribuées à des parties particulières du modèle, puis comment les résultats sont dérivés. Nous appelons cela l’IA explicable.

L’utilisation de bases de données graphiques augmente les outils existants pour répondre aux besoins d’analyse de données avancées et de business intelligence (BI) dans l’entreprise. Dans le traitement des données ou le pipeline de données, les données peuvent provenir de diverses sources, y compris les moteurs d’analyse existants.

Par exemple, les entreprises peuvent exécuter des algorithmes de graphes tels que l’algorithme de modularité de Louvain pour la détection de communauté afin de comprendre la relation entre les entités au sein d’une grande communauté. Ensuite, les résultats de ces algorithmes peuvent être intégrés aux outils de BI existants ou à d’autres systèmes.

« L’intégration dans les outils de BI ou via d’autres interfaces utilisateur permet à nos clients de développer leur cas d’utilisation spécifique », explique Blaschka. « Les entreprises peuvent désormais obtenir plus d’informations qu’elles ne le pouvaient auparavant pour résoudre un plus large éventail de problèmes commerciaux complexes. »

De nombreuses innovations de TigerGraph sont open source. Dans le cadre de son soutien mondial à une communauté de relations avec les développeurs florissante, TigerGraph organise une série d’événements Graph + AI Summit dans le monde entier visant à permettre aux entreprises, aux particuliers et aux praticiens de promouvoir l’utilisation d’algorithmes de graphes dans les projets d’analyse, d’IA et d’apprentissage automatique.

Commandité par TigerGraph.