Indholdsfortegnelse:
Betydningen af big data er steget. For at få mest muligt ud af dataene er virksomhederne nødt til at være i stand til at finde handlingsmæssige indsigt herfra. For at finde stærk indsigt skal der være både dybe forespørgsler og god analyse af de returnerede data. Traditionelle SQL-forespørgsler har begrænsninger, når det kommer til komplekse, flerlagsforespørgsler, og det begrænser et virksomheds mål om at hente meningsfulde data.
| Webinar: Kunsten af synlighed: Aktivering af multiplatformadministration Tilmeld dig her |
Grafdatabaser har gjort det muligt for virksomheder at starte komplekse, flerlagsspørgsmål, som kan besvares med det samme, mens traditionelle SQL-databaser ville have det ekstremt vanskeligt at besvare sådanne spørgsmål. Komplekse forespørgsler giver hidtil uset og værdifuld indsigt. Grafdatabaser bruges i mange brancher såsom sociale medier, sundhedsydelser og online-datering. Grafdatabasen giver, som det ser ud, en ny måde at se på data på.
Hvad er en grafdatabase?
En grafdatabase bruges til at gemme information om forskellige enheder, kortlægge forhold på tværs af enheder og forespørgselsrelationer mellem enheder. I denne sammenhæng kan enheder være en masse ting som mennesker, virksomheder, dyr og biler. En enhed kan have et specifikt forhold til en anden enhed. F.eks. Er Martin, en enhed, en ven af Jim, en anden enhed. Martin kan eje en BMW-bil. I begge eksempler er Martin, Jim og BMW enheder med specifikke forhold mellem dem. "Martin er en ven af Jim" betyder venskab er forholdet mellem de to enheder. Tilsvarende betyder "Martin ejer en BMW" ejerskab er forholdet mellem Martin og hans BMW. I grafdatabaseparlance er forhold kendt som kanter. Forholdene vises i form af en graf, og derfor er konceptet kendt som en grafdatabase. (Se Sådan kommer grafdatabaser til netværksdata for at lære mere om grafdatabaser.)
