我们如何看待执行视角图数据库的力量？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2020-11-13
您激动并且认为潜力的一项新兴技术是什么？这项技术有什么特别之处？
从本质上是学术活动到真正的企业就绪技术，我对数据科学中图形技术的成熟感到非常兴奋，在过去的十年中，我们看到了对图形数据科学的兴趣激增，图形技术-从算法到嵌入再到神经网络-都与使用数据的网络结构或数据点之间的关系有关，以做出更好，更通用，更上下文相关的预测。
今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？
我所看到的挑战在于将某事物从一个很酷的想法转变为能够创造商业价值的有形东西，作为一名数据科学家，我花费了大量时间试图弄清楚如何将学术期刊上发布的热门的新方法转化为实际可行的方法。与我一起工作的每个人都厌倦了听我说：“但是会扩展吗？” 老实说，这是我问的个问题，那里有许多惊人的技术，它们并不是为在TB级（或PB级）的数据上运行而构建的：精美的算法或数学证明，它们并不能转化为企业技术。我认为一些企业的反应是聘用有才华的人，并告诉他们使之工作-通常是行不通的。
其他企业则认真评估从期刊转换为商业价值的内容
并愿意接受某些内容无法转换或需要重新设计的情况，我花了很多时间与那些阅读了鼓舞人心的论文并且不了解我们为什么不提供该特定技术的客户在一起，通常这只能归结为了解他们实际想要做什么（以及它提供的价值），并找到适用于他们拥有的数据规模的解决方案，而不是首先选择炫酷的新技术。
数据或分析中是否有一项新技术带来的挑战比大多数人想象的要多？企业应如何调整其方法？
我认为，今天我们所拥有的数据量在寻找意义和评估质量方面给人们带来了许多挑战，而不仅仅是广泛的趋势或黑匣子模型所发出的预测，近有许多数据科学出现问题的例子：基于COVID之前数据的偏见和不道德的预测或模型现在不适用。
我们通常认为，更多的数据可以解决问题，但实际上解决方案是为我们拥有的数据提供更多的上下文
这个预测从何而来？近事件的数据是什么样的？图形是一种非常强大的工具，它使我们能够集成大数据，以便我们可以访问隐藏在模式或小数据中的线索，或者可以将我们的预测应用于更广泛的环境中，您的组织在今天花费多时间/资源的是什么计划？换句话说，您的企业专注于哪些内部项目，以便您的公司（而非客户）从自己的数据或业务分析中受益？
在2020年余下时间及以后，图形技术将用于提高AI准确性
图形旨在将实体之间的关系视为对实体本身同样重要，由于关系可以高度预测行为，因此组织将开始使用图形从已有数据中获得更多预测能力，通过添加各种类型的上下文，将改善当今的许多AI使用，例如添加上下文和相邻数据，以使我们不会过度专注于学习（这会导致适用的AI范围狭窄），在机器学习中利用关系和网络结构来提高模型准确性并减少误报，使用上下文进行启发式借助概率决策框架并使用AI供应链跟踪来改善人为失误（例如无意识偏差）的方式，人工智能将变得更加智能。如果我们希望从一开始就让AI系统本质上更加透明，则需要结合相关上下文来构建它们。
本机图形数据库，这意味着它是从头开始专门构建的，用于支持AI，欺诈检测，实时建议等功能的连接数据
从本质上是学术活动到真正的企业就绪技术，我对数据科学中图形技术的成熟感到非常兴奋，在过去的十年中，我们看到了对图形数据科学的兴趣激增，图形技术-从算法到嵌入再到神经网络-都与使用数据的网络结构或数据点之间的关系有关，以做出更好，更通用，更上下文相关的预测。
今天企业面临的挑战是什么？大多数企业如何响应（并且有效）？
我所看到的挑战在于将某事物从一个很酷的想法转变为能够创造商业价值的有形东西，作为一名数据科学家，我花费了大量时间试图弄清楚如何将学术期刊上发布的热门的新方法转化为实际可行的方法。与我一起工作的每个人都厌倦了听我说：“但是会扩展吗？” 老实说，这是我问的个问题，那里有许多惊人的技术，它们并不是为在TB级（或PB级）的数据上运行而构建的：精美的算法或数学证明，它们并不能转化为企业技术。我认为一些企业的反应是聘用有才华的人，并告诉他们使之工作-通常是行不通的。
其他企业则认真评估从期刊转换为商业价值的内容
并愿意接受某些内容无法转换或需要重新设计的情况，我花了很多时间与那些阅读了鼓舞人心的论文并且不了解我们为什么不提供该特定技术的客户在一起，通常这只能归结为了解他们实际想要做什么（以及它提供的价值），并找到适用于他们拥有的数据规模的解决方案，而不是首先选择炫酷的新技术。
数据或分析中是否有一项新技术带来的挑战比大多数人想象的要多？企业应如何调整其方法？
我认为，今天我们所拥有的数据量在寻找意义和评估质量方面给人们带来了许多挑战，而不仅仅是广泛的趋势或黑匣子模型所发出的预测，近有许多数据科学出现问题的例子：基于COVID之前数据的偏见和不道德的预测或模型现在不适用。
我们通常认为，更多的数据可以解决问题，但实际上解决方案是为我们拥有的数据提供更多的上下文
这个预测从何而来？近事件的数据是什么样的？图形是一种非常强大的工具，它使我们能够集成大数据，以便我们可以访问隐藏在模式或小数据中的线索，或者可以将我们的预测应用于更广泛的环境中，您的组织在今天花费多时间/资源的是什么计划？换句话说，您的企业专注于哪些内部项目，以便您的公司（而非客户）从自己的数据或业务分析中受益？
在2020年余下时间及以后，图形技术将用于提高AI准确性
图形旨在将实体之间的关系视为对实体本身同样重要，由于关系可以高度预测行为，因此组织将开始使用图形从已有数据中获得更多预测能力，通过添加各种类型的上下文，将改善当今的许多AI使用，例如添加上下文和相邻数据，以使我们不会过度专注于学习（这会导致适用的AI范围狭窄），在机器学习中利用关系和网络结构来提高模型准确性并减少误报，使用上下文进行启发式借助概率决策框架并使用AI供应链跟踪来改善人为失误（例如无意识偏差）的方式，人工智能将变得更加智能。如果我们希望从一开始就让AI系统本质上更加透明，则需要结合相关上下文来构建它们。
本机图形数据库，这意味着它是从头开始专门构建的，用于支持AI，欺诈检测，实时建议等功能的连接数据
这项技术的个优点是，数据的物理表示或多或少与您在白板上绘制的方式相匹配，从而使其易于通信，发展和理解，其次它尤其擅长轻松高效地遍历复杂的数据网络，尤其是随着数据大小的增长，数据在加载时即已连接，这将连接的查询转换为指针追逐操作，这是令人难以置信的快速和高效。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
