Le preguntamos a 100 altos ejecutivos de tecnología (CIO, CTO y directores de datos) qué necesitan para salvar los silos de datos, impulsar los proyectos de IA / ML y abrir nuevas fuentes de ingresos. Un enorme 88% dijo lo mismo: gráficos de conocimiento. Dado que estos ejecutivos representan a grandes organizaciones en diferentes verticales que utilizan tecnología de gráficos para una amplia gama de casos de uso, es evidente que algo está sucediendo. Entonces, ¿por qué el gráfico de conocimiento, definido por la Universidad de Stanford como “una abstracción convincente para organizar el conocimiento estructurado del mundo a través de Internet y una forma de integrar información extraída de múltiples fuentes de datos”, se está convirtiendo en un tema tan candente?
Los líderes el valor de sus datos, muy conscientes de que contienen las respuestas a sus preguntas comerciales más urgentes. Necesitan conocimientos para mejorar la toma de decisiones y mejorar el rendimiento empresarial. Los gráficos de conocimiento pueden ayudar a estos líderes porque funcionan como una capa de información especial no disruptiva en la parte superior de su panorama de datos existente. Los gráficos de conocimiento impulsan la inteligencia en los datos para mejorar significativamente su valor, sin cambiar nada de la infraestructura de datos existente.
Otro factor clave que explica por qué los líderes empresariales están recurriendo a esta tecnología es que los gráficos de conocimiento mejoran las tecnologías existentes. En la década de 1990, hubo un anuncio conocido de BASF que decía: “No fabricamos muchos de los productos que compras. Hacemos mejor muchos de los productos que compras ”. Los gráficos de conocimiento actúan de la misma manera. Mejoran las tecnologías existentes al proporcionar una mejor gestión de datos, mejores predicciones y una mejor innovación, en parte porque alimentan la inteligencia artificial y el aprendizaje automático. Y lo que es más importante, los gráficos de conocimiento ayudan a mejorar los productos porque se prestan a múltiples casos de uso.
El look ‘X 360’
Dividamos los casos de uso de gráficos de conocimiento en dos grupos: gestión de datos y análisis de datos. El objetivo del gráfico de conocimiento de gestión de datos es impulsar la acción de seguridad o conocimiento. Los gráficos de conocimiento de aseguramiento de datos se centran en la agregación, validación y gobernanza de datos, e incluyen ejemplos como linaje de datos, procedencia de datos, gobernanza de datos, cumplimiento y gestión de riesgos.
Canalizar todos sus datos en un gráfico de conocimiento puede ser un desafío. MANTA , construido sobre un gráfico de conocimiento, es una plataforma de linaje automatizada que muestra a los usuarios cómo los datos fluyen y se transforman en su viaje a través de los sistemas. Al incorporar una base de datos de gráficos, los clientes adquieren rápidamente una vista más holística y escalable de sus canales de datos, lo que permite una mejor gobernanza, cumplimiento, migración y activación de metadatos.
Por el contrario, el gráfico de conocimiento de la percepción de datos va más allá de la visibilidad de la información y se centra en la exploración, la deducción y la inferencia de nuevos conocimientos. Los ejemplos incluyen ‘Cliente 360’, ‘Paciente 360’, ‘Producto 360’, ‘Agente 360’, etc. En esta categoría, también está la gestión de identidad y acceso, AML (anti-lavado de dinero), análisis de causa raíz, recomendaciones y muchos otros.
Un ejemplo destacado es un gráfico de conocimiento que rastrea objetos en el espacio, tanto equipo funcional como equipo roto conocido, como basura espacial. Llamado ASTRIAGraph , el gráfico de conocimiento tiene como objetivo ayudar a monitorear los objetos espaciales en la órbita terrestre baja con el propósito de la seguridad a largo plazo y la sostenibilidad de los viajes espaciales. Al utilizar un gráfico de conocimiento, el equipo de ASTRIAGraph relaciona y categoriza enormes cantidades de datos de dominio espacial dispares y rastrea objetos desde teléfonos móviles hasta satélites masivos. El gráfico de conocimiento se utiliza para predecir la trayectoria de los objetos y evaluar el riesgo. ASTRIAGraph proporciona una imagen clara de una realidad enormemente compleja.
Tecnologías de inteligencia artificial, aprendizaje automático, IoT y gemelos digitales
La magia de los gráficos de conocimiento entra en juego a medida que utiliza la inteligencia artificial y el aprendizaje automático para analizarlos en su conjunto, descubriendo patrones y anomalías. Ahí es donde entran en juego los gráficos de conocimiento de análisis de datos. Mejoran las decisiones, los pronósticos y las predicciones y prescriben acciones óptimas. Úselos para predecir la deserción y realizar cualquier tipo de análisis hipotético.
Considere el poder de cuentos gráficos de conocimiento en la investigación médica. El Centro Alemán para la Investigación de la Diabetes ( DZD ) es un ejemplo de ello, ya que acumula una gran cantidad de datos biomédicos que no están estructurados, son heterogéneos y no están conectados. La DZD se propuso comprender mejor las causas y la prevención de la diabetes. DZDConnect, su gráfico de conocimiento, brinda más de 450 científicos un acceso rápido a toda la información relevante. El gráfico de conocimiento les ayuda a hacer preguntas ricas y complejas mientras buscan comprender los tratamientos y las intervenciones en el estilo de vida para esta enfermedad metabólica y sus complicaciones a largo plazo.
Los gráficos de conocimiento absorben cada vez más datos y, al mismo tiempo, los hacen cada vez más útiles. DZDConnect se creó por primera vez en 2017, comenzando con los datos de ensayos clínicos propios de DZD y enriqueciéndolos con grandes volúmenes de datos de investigación interdisciplinaria para afecciones como accidente cerebrovascular, ataque cardíaco y cáncer. Más recientemente, DZD expandió su gráfico de conocimiento con investigaciones médicas publicadas, agregando 30 millones de artículos de PubMed. El gráfico de conocimiento de la DZD ahora tiene casi 1.800 millones de nodos y 4.900 millones de relaciones.
Otro ejemplo es TCS IP2 , una solución de planta de energía inteligente construida sobre un gráfico de conocimiento. TCS IP2 se basa en el poder de los gráficos de conocimiento para el diagnóstico y la optimización de la planta de energía en tiempo real. Al utilizar una combinación de tecnologías de inteligencia artificial, aprendizaje automático, IoT y gemelos digitales junto con gráficos de conocimiento, el sistema puede anticiparse a las fallas, optimizar las operaciones, reducir el consumo de combustible, reducir las emisiones y ofrecer otros beneficios basados en datos.
Lo fascinante es que los clientes nos dicen que sus casos de uso comienzan como gráficos de conocimiento de gestión de datos, pero a menudo se convierten en gráficos de conocimiento de análisis de datos que respaldan la toma de decisiones. Por lo general, los equipos comienzan con un gráfico de conocimiento de información de datos para que puedan explorar relaciones, agregar algoritmos de gráficos para analizar estructuras de red y descubrir patrones y anomalías, y usar el aprendizaje automático nativo de gráficos para la predicción.
Para el aprendizaje automático, necesita características, y las características que extrae mediante algoritmos de gráficos mejoran sus modelos de aprendizaje automático para generar mejores predicciones. El aprendizaje automático nativo de gráficos más avanzado aprende del gráfico para resaltar los datos y las relaciones que faltan, haciendo conexiones que no sabe que existen e infiriendo datos y relaciones para agregar. Con todo esto, no es sorprendente que Gartner haya declarado recientemente: “Hasta el 50% de las consultas de Gartner sobre el tema de la IA implican un debate sobre el uso de la tecnología gráfica”.
En resumen, puede ver en unos pocos pasos cómo hemos pasado de gráficos de conocimiento de información sobre datos a gráficos de conocimiento sofisticados que alimentan la inteligencia artificial y el aprendizaje automático. Ese es un viaje típico de tecnología de gráficos para nuestros clientes, con gráficos de conocimiento en el centro. Es una tendencia poderosa que vemos en todas las industrias y en todos los equipos de ciencia de datos. No es de extrañar que la alta dirección esté despertando a la posibilidad de los gráficos de conocimiento. ¿Debería el tuyo?
Fuente:
Selección del editor. (2021t, 27 de octubre). Por qué los CIO recurren a los gráficos de conocimiento para obtener ayuda empresarial fundamental. Recuperado 27 de octubre de 2021, de https://www.information-age.com/why-cios-are-turning-to-knowledge-graphs-for-critical-business-help-123497453/