آنچه CIO ها باید در مورد فناوری پایگاه داده گرافیکی بدانند


در اینجا نگاهی می اندازیم که چگونه فناوری پایگاه داده گرافیکی ، همراه با هوش مصنوعی ، می تواند به کسب و کارها کمک کند تا مشکلات پیچیده را در دوره ای از داده های رو به رشد حل کنند.

greenbutterfly از طریق Adobe Stock

greenbutterfly از طریق Adobe Stock

زنجیره تأمین تولید خودرو شبکه پیچیده ای از تأمین کنندگان ، قطعات ، خطوط تولید تخصصی ، ابزار و موارد دیگر است. تهیه پیش بینی فروش و سپس برنامه ریزی دقیقاً مواد ، قطعات ، مواد مصرفی و ابزار مورد نیاز برای تولید خودرو کار ساده ای نیست. هنگامی که یک رویداد ویرانگر غیر منتظره مانند همه گیر COVID-19 را پرتاب می کنید ، حتی سخت تر می شود.

این موقعیتی است که اخیراً جگوار لندرور در آن قرار گرفته است. وقتی یکی از تأمین کنندگان آن از کار افتاد ، این شرکت باید سریع واکنش نشان می داد. این شرکت از فن آوری گرافیکی برای تنظیم مجدد ترتیب چگونگی ساخت سفارشات خودرو در کارخانه استفاده می کند. طبق گفته مدیر داده و تجزیه و تحلیل JLR ، هری پاول ، روندی که ممکن است روزها به طول انجامیده باشد “هم مدل سازی شده و هم در زمان کمتر از آنچه برای نوشتن اسلاید پاورپوینت برای ارائه ایده مورد نیاز بوده ارزیابی می شود.”

این نوید پایگاه داده های گرافیکی و پردازش است. CIO ها بهتر است کمی در مورد این فناوری اطلاعات کسب کنند ، که گارتنر از آن به عنوان روند اصلی در داده ها و تجزیه و تحلیل ها یاد کرد که باعث تغییر تجارت شما خواهد شد.

برای هر کس که با این مفهوم آشنا نیست ، پایگاه داده های گرافیکی عنصر جدیدی را به ساختار داده ها اضافه می کنند – که از لینک یا “لبه” است. اگر یک گره داده بیل گیتس باشد و گره داده دیگر وارن بافت باشد ، ممکن است لبه بین آنها که رابطه آنها را مشخص می کند یک “دوست” باشد. یکی از مزایای یک پایگاه داده نمودار این است که چنین زمینه ای را فراهم می کند.

اگرچه اگر فقط دو گره داشته باشید ، احتمالاً نیازی به یک پایگاه داده نمودار ندارید ، اما با رشد آن گره ها و اتصالات ، پایگاه داده های گرافیکی ارزشمند می شوند. این مهم اکنون به دلیل افزایش بسیار زیاد مقدار داده هایی که اکنون سازمان های سازمانی مدیریت می کنند ، حائز اهمیت است.

Nores Juhana ، معاون رئیس تحقیقات فارستر ، در اوایل ماه جاری در اجلاس Graph + AI ارائه دهنده گرافیک TigerGraph گفت: “گرافیک این ارتباطات را ساده می کند.” “اگر دو منبع دارید ، به برنامه ای نیاز ندارید. اگر صدها منبع داشته باشید ، می توانید این اتصالات را در مقیاسی ساده کنید به روشی که قبلاً هرگز نتوانسته اید انجام دهید.”

این کار توسط جگوار لندرور انجام شده است. این شرکت با استفاده از پایگاه داده نمونه اولیه و پلت فرم پردازش گرافیک خود ، با استفاده از TigerGraph ، 12 منبع داده جداگانه را در نمودار معادل 23 جدول رابطه ای با چالش های زنجیره تامین همه گیر مقابله کرد. این تنظیم قطعات تأمین شده توسط صدها تامین کننده را شامل می شود ، به شرکت اجازه می دهد تا در نهایت یک توالی تولید و پیش بینی سفارشات خودرو ایجاد کند.

این شرکت قصد دارد موفقیت خود را در استفاده از برنامه های زنجیره تامین در زمینه های دیگر مانند کنترل کیفیت گسترش دهد. با این حال ، JLR یکی از پیشگامان اولیه سازمانهای شرکتی است. بیشتر این شرکت ها هنوز از گرافیک استفاده نمی کنند. اما جوهانا گفت این فناوری “واقعی و آماده است. سازمان ها از آن برای همه مصارف استفاده می کنند و مشاغل امروزی نیز از آن برای ایجاد میلیون ها دلار استفاده می کنند.”

ژوهانا چند مثال آورد. به عنوان مثال ، در حمل و نقل و تدارکات ، در حالی که هوش مصنوعی و یادگیری ماشین می توانند به پیش بینی مشکلات زنجیره تامین در حالی که هنوز زمان برای حل وجود دارد کمک کنند ، این برنامه می تواند تلاش های اولیه را با کمک به تعیین اینکه کدام محموله ها را در اولویت قرار دهیم و از کجا باید هدایت شود ، بهبود بخشد.

در امنیت سایبری ، هوش مصنوعی و ML می توانند به پیش بینی چه کسی حمله سایبری را قبل از وقوع حمله ، کمک کنند. اما اگر به این پشته AI و ML گرافیک اضافه کنید ، می توانید در تعیین آسیب پذیری بیشتر سیستم ها و توجه فوری نیز کمک کنید.

در برنامه های نگهداری مشتری ، هوش مصنوعی و ML می توانند به پیش بینی اینکه کدام مشتری اشتباه می کند ، کمک کنند. به گفته Juhana ، اگر گرافیک به این فناوری ها اضافه کنید ، می توانید بهترین روش برای حفظ مشتری و بهبود تجربه مشتری را نیز تعیین کنید.

گرچه درست است که امروزه گرافیک در سازمانهای شرکتی تازه آغاز شده است ، جوهانا معتقد است که فناوری رشد چشمگیری خواهد داشت. او آن را با هوش مصنوعی و اینترنت مقایسه می کند.

در حالی که چند سال پیش به نظر می رسید که بسیاری از سازمانها در تلاشند اولین یادگیری ماشینی ، پردازش زبان طبیعی یا سایر خلبانان هوش مصنوعی خود را بارگیری کنند ، فرد برای شما دشوار است که تمام روز را بدون ملاقات با ربات چت یا موتور ارجاع مشتری به جایی ببرد. هنوز همه سازمان ها از این فن آوری ها استفاده نکرده اند ، اما به نظر می رسد هوش مصنوعی برای همه جا مقدمه است. جوهانا گفت: فارستر معتقد است كه هوش مصنوعی امروزه در 65٪ مشاغل مورد استفاده قرار می گیرد و طی چهار سال آینده تقریباً در 100٪ مشاغل مورد استفاده قرار خواهد گرفت.

به همین ترتیب ، در اوایل دهه 1990 ، هیچ کس از اینترنت استفاده نمی کرد. اکنون تصور جهان بدون او دشوار است.

وی در سخنرانی اصلی خود در اجلاس Graph + AI گفت: “ما فکر می کنیم هوش مصنوعی مانند اینترنت خواهد بود.” “آیا کسی می تواند بدون اینترنت زندگی کند؟”

مطالب مرتبط:

هوش مصنوعی مبتنی بر گرافیک وارد Enterprise Mainstream می شود
FanGraphs یک پایگاه داده را در ابر علامت گذاری می کند تا با نمایش بزرگ همراه شود
مدل پیش بینی سال 2021 چگونه تأثیر می گذارد
10 روند برتر داده و تجزیه و تحلیل برای سال 2021

جسیکا دیویس سردبیر ارشد در InformationWeek است. این شامل مدیریت فناوری اطلاعات شرکت ها ، مشاغل ، هوش مصنوعی ، داده ها و تجزیه و تحلیل ها و نرم افزارهای سازمانی است. او کار خود را صرف پوشاندن دوراهی تجارت و فناوری کرده است. او را در توییتر دنبال کنید: … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم ، یا [contact us directly] با س questionsالات در مورد سایت.

مقالات بیشتر




منبع: tasiveh-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>