Grafdatabaser: ett nytt sätt att tänka på data

Betydelsen av big data har ökat. Men för att få ut mesta möjliga av uppgifterna måste företag kunna hitta handlingsbara insikter från den. För att hitta kraftfulla insikter måste det finnas både djupa frågor och bra analyser av de data som returneras. Traditionella SQL-frågor har begränsningar när det gäller komplexa flerskiktsfrågor, och det begränsar ett företags mål att hämta meningsfull data.

Grafdatabaser har gjort det möjligt för företag att starta komplexa flerskiktsfrågor som kan besvaras direkt, medan traditionella SQL-databaser skulle ha svårt att besvara sådana frågor. Komplexa frågor returnerar aldrig tidigare skådade och värdefulla insikter. Grafdatabaser används i många branscher som sociala medier, sjukvård och online-datering. Det verkar som om grafikdatabasen ger ett nytt sätt att titta på data.

Vad är en grafdatabas?

En grafdatabas används för att lagra information om olika enheter, kartlägga relationer mellan enheter och frågeställningar mellan enheter. I detta sammanhang kan enheter vara många saker som människor, företag, djur och bilar. En enhet kan ha en specifik relation med en annan enhet. Till exempel är Martin, en enhet, en vän till Jim, en annan enhet. Martin kan äga en BMW-bil. I båda exemplen är Martin, Jim och BMW enheterna med specifika relationer mellan dem. "Martin är en vän till Jim" betyder att vänskap är förhållandet mellan de två enheterna. På liknande sätt betyder "Martin äger en BMW" att ägande är förhållandet mellan Martin och hans BMW. I diagramdatabasparlance är relationer kända som kanter. Relationerna visas i form av en graf och därför är konceptet känt som en grafdatabas. (För att lära dig mer om grafdatabaser, se Hur grafdatabaser ger nätverk till data.)