En knowledge graph i ArcGIS Knowledge organiserar och analyserar relationer mellan dataobjekt för att ge nya värdefulla insikter. I det här blogginlägget visar jag hur du med stöd av grafdatabaser kan förändra din dataanalys, och hur ArcGIS Knowledge integrerar spatiala relationer för att hantera GIS-utmaningar.
Grafdatabaser
Termerna knowledge graph och grafdatabas används ibland synonymt så låt oss till en början titta närmare på begreppen.
En grafdatabas är en datalagringsmetod optimerad för att analysera och utforska relationer i sammanlänkade data. Till skillnad från traditionella relationsdatabaser (RDBMS), som lagrar data i tabeller, lagrar och representerar grafdatabaser data som entiteter (noder) och relationer (kanter/edges).
Jämförelse av diagram och relationsdatabas
Grafdatabaser är särskilt användbara för att hantera komplexa nätverk, exempelvis vid analys av finansiella kopplingar mellan personer och konton.
Genom att modellerna närmare efterliknar verkligheten vi faktiskt lever i kan de förenkla kommunikationen inom organisationen mellan personer som besitter olika former av expertis som till exempel analytiker, chefer och dataingenjörer och några av användningsområdena är:
- Analys av sociala nätverk
- Bedrägeriutredningar
- Exportkontroll
- Digital behörighetshantering
- Analys av leverans- och logistikkedjor
Även om relationsdatabaser kan hantera viss länkanalys är de mindre effektiva vid analys av flera relationer samtidigt, särskilt i stor skala där frågor som ställs mot data snabbt blir komplexa och får dålig prestanda.
Man brukar säga att grafdatabaser är ett bra verktyg när relationerna mellan entiteter är lika viktiga eller viktigare än själva entiteterna.
Vad är en knowledge graph?
En knowledge graph är en specifik implementation av en grafdatamodell som organiserar hur verkliga objekt som personer, platser och händelser är kopplade till varandra. Den lagrar inte bara relationerna mellan objekt, utan modellerar genom sin struktur vad något är i verkligheten. På så sätt hjälper modellen oss att prata om. förstå och analysera data på ett helt annat sätt.
En knowledge graph kombinerar:
- Instansdata: Grundläggande information om objekt, deras placering och relationer till varandra.
- Konceptuell data: Detta lägger till ett ytterligare lager som förklarar betydelsen eller semantiken bakom instansdata. Det fungerar som reglerna vilket förklarar hur allt i systemet är kopplat och varför det är viktigt för verksamheten eller organisationen.
Ta in metadata och encyklopediska data i din kunskapsgraf för att hjälpa till att klargöra vad dina verkliga data betyder för intressenter eller förbättra upptäckten av relaterade saker.
Tillsammans skapar dessa en självbeskrivande datamodell som förbättrar precision och återanvändbarhet. Knowledge graphs kan vara smalt fokuserade på specifika uppgifter eller utvecklas till en bredare analytisk grund inom en organisation. Det fungerar bra att över tid bygga ut modellen med fler noder och relationer och när anpassningen av knowledge graphs ökar, ökar även avkastningen på investeringen eftersom fler data-drivna frågor snabbt kan ställas, tolkas och utnyttjas för beslut.
ArcGIS Knowledge och knowledge graphs
ArcGIS Knowledge gör det möjligt att använda spatialt aktiverade knowledge graphs inom ArcGIS-applikationer och utifrån att vi förstår vilka analysmöjligheter grafdatabaser har kan vi också förstå värdet av att tillföra mer traditionella spatiala analyser till dessa.
Vikten av spatiala relationer
Knowledge graphs hjälper oss att analysera datarelationer, och spatiala relationer är ofta avgörande. Exempelvis kan en knowledge graph svara på frågor som:
- Hur påverkas leveranskedjan om en orkan stör en viktig leverantör?
- Vilka personer som setts nära kritisk infrastruktur har även kommunicerat med en misstänkt individ?
Entiteter kan ha platsegenskaper och relationer kan representera rumsliga relationer.
Med ArcGIS Knowledge kan spatiala egenskaper, såsom punkter, linjer och polygoner, lagras och analyseras i ArcGIS Pro, ArcGIS AllSource, ArcGIS Knowledge Studio och ArcGIS Developer API:er.
Genom att kombinera spatial analys och visualisering tillsammans med möjligheten att ställa djupgående graffrågor och länkanalys ger ArcGIS Knowledge organisationer en kraftfull möjlighet till att förstå och hantera komplexa datanätverk.
Detta enkla kunskapsdiagram visar hur fastighetsägare är kopplade till fastigheter i ett rumsligt sammanhang.
Knowledge graphs i tredjeparts grafdatabaser
ArcGIS Knowledge är utformat för interoperabilitet och fungerar med externa grafdatabaser, såsom:
- Neo4j Enterprise & AuraDB: kan anslutas direkt till ArcGIS för analys utan nya datakopior (stöder endast punkter).
- ArangoDB Enterprise: stöder även linjer och polygoner för mer omfattande spatial analys.
Stödet för flera databaser ger användarna flexibilitet att välja rätt lösning för sina behov.
Sammanfattningsvis
Knowledge graphs revolutionerar hur organisationer förstår och nyttjar relationer i data. Genom att integrera grafdatabaser och spatial analys gör ArcGIS Knowledge det möjligt att visualisera och analysera dessa samband med högre precision.
Oavsett om det handlar om att stärka leveranskedjor, identifiera bedrägerier eller hantera digitala tillgångar, erbjuder knowledge graphs en flexibel och skalbar grund för datadrivet beslutsfattande.
Vill du veta mer om ArcGIS Knowledge? Du är varmt välkommen att kontakta oss, eller besöka vår webbplats.
