1、圖數(shù)據(jù)庫(kù)和知識(shí)圖譜成為2022年的主導(dǎo)力量

許多人預(yù)測(cè)圖形數(shù)據(jù)庫(kù)將成為2022年的秘密武器。IDC研究副總裁Carl Olofson預(yù)計(jì)，從今年開(kāi)始，未來(lái)十年圖形數(shù)據(jù)庫(kù)的使用量將增長(zhǎng)600%。在由分析師Dave Vellante撰寫(xiě)的一篇文章中，總結(jié)了如何利用典型的關(guān)系數(shù)據(jù)庫(kù)的用途及其局限之處：“使用關(guān)系數(shù)據(jù)庫(kù)，你可以(找到關(guān)系，看看鏈有多少層)，但這需要大量編程。事實(shí)上，你幾乎可以使用關(guān)系數(shù)據(jù)庫(kù)完成上述任何事情，但問(wèn)題是，你必須對(duì)其進(jìn)行編程。每當(dāng)你要編程時(shí)，就意味著你無(wú)法追蹤它，無(wú)法定義它。就功能而言，你無(wú)法發(fā)布它，而且隨著時(shí)間的推移，維護(hù)它真的非常困難。”

在圖形數(shù)據(jù)庫(kù)中，用戶(hù)可以克服關(guān)系數(shù)據(jù)庫(kù)的常見(jiàn)限制，因?yàn)樗脑O(shè)計(jì)意圖是提供豐富的關(guān)系分析和上下文映射。由于它們實(shí)際上是一個(gè)各種類(lèi)型數(shù)據(jù)的可視化網(wǎng)絡(luò)，可用于跟蹤數(shù)據(jù)中的連接，這樣公司就可以獲得所有數(shù)據(jù)、文檔等的整體概覽。

雖然知識(shí)圖譜很受歡迎，以適應(yīng)2022年的數(shù)據(jù)管理趨勢(shì)，但知識(shí)圖譜通常描述起來(lái)有點(diǎn)復(fù)雜，這有時(shí)會(huì)讓普通用戶(hù)感到不快。數(shù)據(jù)科學(xué)家正呼吁越來(lái)越多的人來(lái)傳授知識(shí)圖譜是什么以及是如何工作的，以便更多的公司可以采用它們并從中獲益。知識(shí)圖譜是什么?它有什么好處?對(duì)于初學(xué)者來(lái)說(shuō)，它們提供了一種非常聰明的方式，比如：在數(shù)據(jù)點(diǎn)之間建立豐富的聯(lián)系；定義數(shù)據(jù)對(duì)象的概念及其屬性，以便容易地搜索它們；合并豎井?dāng)?shù)據(jù)結(jié)構(gòu)，使數(shù)據(jù)可以在一個(gè)地方訪問(wèn)；通過(guò)自然語(yǔ)言處理(NLP)解釋非結(jié)構(gòu)化文本，使其具有可操作性。

雖然知識(shí)圖譜看起來(lái)復(fù)雜，但它實(shí)際上談?wù)摰氖墙M成它的數(shù)據(jù)，通過(guò)知識(shí)圖譜可以讓信息以人們自然思考和提問(wèn)的方式存儲(chǔ)。比如：莉莉是一個(gè)人，她對(duì)達(dá)芬奇很感興趣，達(dá)芬奇畫(huà)了蒙娜麗莎，蒙娜麗莎在巴黎的盧浮宮，詹姆斯住在那里，詹姆斯是莉莉的朋友。我們繞了一圈，很容易理解它，因?yàn)槲覀冏裱藬?shù)據(jù)點(diǎn)的方向，從而跟蹤了圖的關(guān)系。對(duì)于跟蹤客戶(hù)的采購(gòu)歷史、供應(yīng)鏈操作、人力資源員工架構(gòu)等公司數(shù)據(jù)，情況也是如此。

2、關(guān)注非結(jié)構(gòu)化數(shù)據(jù)

知識(shí)圖譜有助于充實(shí)非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)管理者將繼續(xù)將非結(jié)構(gòu)化數(shù)據(jù)作為資產(chǎn)優(yōu)先考慮，這是一件好事。在過(guò)去，公司忽視了他們的非結(jié)構(gòu)化數(shù)據(jù)，因?yàn)樗爆?，難以處理和從中獲得見(jiàn)解，現(xiàn)在人們把它視為一個(gè)分析數(shù)據(jù)不同方面的機(jī)會(huì)。

語(yǔ)義人工智能幫助我們更好解讀非結(jié)構(gòu)化數(shù)據(jù)，因?yàn)樗鼘C(jī)器學(xué)習(xí)和NLP技術(shù)與知識(shí)圖譜相結(jié)合，使算法不僅能夠處理單詞，而且能夠理解潛在的概念及其上下文，從而更好地分析文本。換句話說(shuō)，語(yǔ)義AI將告訴計(jì)算機(jī)，一份汽車(chē)采購(gòu)市場(chǎng)文件是關(guān)于豪華汽車(chē)品牌Jaguar的，而不是關(guān)于叢林動(dòng)物Jaguar的。

非結(jié)構(gòu)化數(shù)據(jù)無(wú)處不在，因此使用一款能夠從數(shù)百頁(yè)中提取相關(guān)術(shù)語(yǔ)并從中獲取有用信息的軟件，將會(huì)符合用戶(hù)的最大利益。?

3.智能文檔處理與內(nèi)容管理

2022年的另一個(gè)數(shù)據(jù)管理趨勢(shì)是將內(nèi)容管理置于數(shù)據(jù)策略的前沿。如果人們開(kāi)始關(guān)心他們的非結(jié)構(gòu)化數(shù)據(jù)，那么他們自然也會(huì)關(guān)心內(nèi)容管理系統(tǒng)(CMS)是如何工作的。

除了基于文本的內(nèi)容帶來(lái)的典型問(wèn)題(如上面所述的語(yǔ)言歧義)之外，使用它的一個(gè)主要缺點(diǎn)是，如果沒(méi)有正確地管理和標(biāo)記內(nèi)容，就會(huì)變得非常難以處理內(nèi)容。搜索特定內(nèi)容非常繁瑣，這就是為什么需要自動(dòng)分類(lèi)和文檔標(biāo)記來(lái)提高典型CMS精準(zhǔn)搜索的能力。

Gartner將智能文檔處理(IDP)定位為未來(lái)幾年的必要實(shí)踐，因?yàn)樗軌虿东@、消化并將復(fù)雜的文檔重新處理為可行的數(shù)據(jù)，而NLP和知識(shí)圖譜將被廣泛應(yīng)用于這一功能。??

4、數(shù)據(jù)治理

使用語(yǔ)義作為數(shù)據(jù)管理策略的一個(gè)較大優(yōu)勢(shì)是，它優(yōu)先使用元數(shù)據(jù)。簡(jiǎn)單地說(shuō)，元數(shù)據(jù)是提供關(guān)于其他數(shù)據(jù)的信息的數(shù)據(jù)。比如：小說(shuō)可以通過(guò)體裁、作者、平裝與精裝、出版公司和版權(quán)日期來(lái)描述，這些都是各種形式的元數(shù)據(jù)的例子。

分類(lèi)法、概念標(biāo)簽和知識(shí)圖譜很好地促進(jìn)了元數(shù)據(jù)的創(chuàng)建和維護(hù)，這對(duì)數(shù)據(jù)治理非常重要。數(shù)據(jù)治理是一種基于內(nèi)部數(shù)據(jù)標(biāo)準(zhǔn)和策略定義如何處理數(shù)據(jù)的框架，在數(shù)據(jù)管理社區(qū)中備受青睞。

在對(duì)今年趨勢(shì)的預(yù)測(cè)中，Dataversity聲稱(chēng)“數(shù)據(jù)安全、數(shù)據(jù)審計(jì)和數(shù)據(jù)質(zhì)量正變得越來(lái)越復(fù)雜。因此，組織正在開(kāi)發(fā)更全面的數(shù)據(jù)治理策略。”

除了幫助遵守法規(guī)和業(yè)務(wù)需求外，數(shù)據(jù)治理還有助于評(píng)估數(shù)據(jù)源中更改的影響。通過(guò)建立標(biāo)準(zhǔn)化的數(shù)據(jù)模型，安全和風(fēng)險(xiǎn)專(zhuān)業(yè)人員可以根據(jù)風(fēng)險(xiǎn)和安全需要對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，從而提前應(yīng)對(duì)潛在問(wèn)題。?

5、2022年及以后的語(yǔ)義人工智能

企業(yè)將越來(lái)越依賴(lài)語(yǔ)義人工智能來(lái)滿(mǎn)足他們的需求，特別是在非結(jié)構(gòu)化數(shù)據(jù)和修復(fù)數(shù)據(jù)豎井方面。

圖數(shù)據(jù)庫(kù)和語(yǔ)義人工智能被證明是收集、管理和獲取數(shù)據(jù)的高性能方法，以至于它們不僅將在2022年成為數(shù)據(jù)管理的趨勢(shì)，而且將在未來(lái)許多年成為主流。