ナレッジグラフに加えて、グラフで他に何ができるでしょうか?

グラフについてはあまり知らないかもしれませんが、ナレッジグラフについて言えば、間違いなく今話題になっています。近年、さまざまな業界で多数の垂直アプリケーションおよびサービスプロバイダーが登場し、テクノロジーからビジネスラインまで、さまざまな企業がナレッジグラフの概念、テクノロジー、構築方法を学習しています。ナレッジグラフは現実世界の抽象化です。ポイントとエッジを通じてエンティティ間の関係を記述し、大規模なセマンティック ネットワークを形成して、関係の観点から世界を観察する方法を提供します。しかし本質的には、ナレッジ グラフはグラフの 1 つのアプリケーションにすぎません。では、ナレッジ グラフ以外に、グラフで何ができるのでしょうか?

1. グラフはエンティティ間のつながりを直感的に反映します

新しいことについて話すとき、まず最初にすべきことはそれが何であるかを知ることです。グラフについてある程度の知識がある人なら、グラフの概念をすぐに説明できると思います。グラフは、1 つ以上のポイントのグループとポイント間の関係 (エッジとも呼ばれます) で構成されます。たとえば、ナレッジグラフは実際に知識を抽出し、それを結び付けます。データを接続するだけであれば、単なるデータ グラフになる場合があります。しかし、実際にお客様とコミュニケーションをとる過程で、グラフの概念を知るだけでは、本当にグラフ思考に切り替えるには不十分であることがわかりました。そして、グラフの考え方は、ビジネスを再考する上で大きな価値があります。

グラフ思考とは何ですか?例を挙げてみましょう。きっと誰もがこのシナリオをよく知っていると思います。ホワイトボードは、会社で最もよく使用されるツールの 1 つです。集団的な取り組みを必要とする問題に遭遇したときは、会議室に友人を集めてブレインストーミングを行います。まず、いくつかのトピックを提示し、全員に多様な考え方をさせ、ホワイトボードにできるだけ多く書き出すように依頼します。次に、この情報を分類、並べ替え、またはいくつかのプロセスを描画します。一生懸命考えていて行き詰まったとき、私たちはホワイトボードの情報をじっと見つめ、何か新しいアイデアが思いつくことを期待して、頭を素早く働かせます。突然、あるアイデアが思い浮かびました。ホワイトボード上の何かが脳内の情報と衝突したり、ホワイトボード上のいくつかの情報の間に何らかの新しいつながりが生じたりする可能性があります。このようにして、新しいアイデアが生まれます。このアイデアについて新たな議論を行い、プロセスを繰り返すことができます。このアイデアを説明するには、ホワイトボードに自分の考えを書き、関係性を整理するだけです。

聞き覚えがありますか?はい、これは実際に私たちが自然に考える方法、つまりグラフで考える方法です。この例では、最も重要なのは接続です。何か新しいものを発見するには、みんなの頭の中にある情報をつなげる必要があります。同様に、自分の考えを他の人に説明するときは、図を使って、その情報がどのようにつながってアイデアを形成するかを説明し、他の人がそれを受け入れやすくします。

[[332468]]

探偵映画では、探偵が壁に事件に関する情報をすべて貼り、内部の隠された関係性を発見するという場面がよく見られます。それが事件解決の鍵となる可能性があるからです。家の中にいろいろな種類の本が散らばっていると、考え事をしているときに偶然本を見てその内容の一部を思い浮かべ、それを自分の考えの内容と組み合わせて新しいアイデアを生み出すかもしれません。学際的思考とは、実際には、一見無関係な内容を結び付けて、新しいアイデアや解決策を生み出すことです。

2. グラフ思考は実際にはつながりを発見するプロセスである

したがって、グラフ思考の核心は接続です。物事がどのようにつながっているかに思考を集中させたり、物事をつなげることで新しいアイデアを生み出そうとしたりするときには、実際にグラフ思考を使用しています。

これが一種のグラフ思考であると認識することの意義は何でしょうか?例を挙げてみましょう。これにより、実際に問題を解決するもう 1 つの方法が得られます。

これはスタンフォード大学の「数理論理学と人工知能」の問題です。

この質問に対するあなたの最初の反応は、純粋な論理的推論を使用してそれを解決することかもしれません。しかし、グラフ思考を使用すると、問題を解決するときに状況間のつながりに焦点を当てることになります。まず認識グラフを作成し、考えられる 8 つの状況すべてをリストし、考えられる状況を不確かなエッジで接続して、各人の認識と考えられる状況とのつながりを確認します。次に、条件に応じて各ノードの隣接するエッジを組み合わせ、グラフ内のノードの範囲を継続的に絞り込み、最終的に結論を推論します。このアプローチにより、問題ははるかに簡単になります。

グラフは、データ内のさまざまな関係を表現できる高度に抽象的なモデルです。グラフ内のポイントとエッジは非常に柔軟であり、実際の意味でのエンティティに限定されません。最も直接的に思い浮かぶのは、もちろん、人は点であり、製品は点であり、それらの間のつながりはエッジであるということです。交差点はポイントであり、交差点を結ぶXX道路はエッジです。しかし、色や重量など、製品の特定の特徴をポイントに完全に抽象化することはできます。 XX 道路は点に抽象化され、交差点も点に抽象化され、XX 道路と YY 道路の接続はエッジです。起こり得る状況がポイントである、トランザクションがポイントである、特定の注文がポイントであるなど、いくつかの仮想エンティティに拡張することもできます。いくつかの分子は点であり、分子間の接続はエッジです (はい、グラフは化学や生物学などの科目で使用できます)。グラフは自由に定義でき、人、オブジェクト、知識、データ、ルール、プロセス、抽象的および実際のエンティティを接続できます。

3. 企業におけるグラフの実用的応用と価値

グラフは企業にどのような価値をもたらすのでしょうか?上記の 2 つの例から、何かインスピレーションを得たかもしれません。グラフは、接続を通じてデータに隠された価値を発見するのに最適です。実際、海外では金融、通信、電子商取引、エネルギー、医療、サプライチェーン、製造、政府など、さまざまな業界でグラフを実用的に使用しているお客様がすでに多数いらっしゃいます。グラフ自体は垂直産業技術ではなく、汎用的な技術です。

金融業界では、グラフは詐欺防止、クレジットカード詐欺防止、クレジットカード追跡、マネーロンダリング組織の検出に使用され、プロセスの前と最中に潜在的なリスクを発見し、事後の損失を削減します。通信業界では、グラフと機械学習を組み合わせて、顧客の通信詐欺防止を支援し、詐欺電話、広告電話、嫌がらせ電話、通常の電話をリアルタイムで識別し、公安部門にタイムリーに報告することができます。電子商取引業界では、グラフによってユーザーの 360 度ポートレートを構築し、顧客がリアルタイムでパーソナライズされた製品を推奨するのに役立ちます。エネルギー業界では、電力網のマップを構築して電力フロー解析を実行し、超リアルタイムコンピューティングを実現できます。医療業界では、グラフを使用してユーザーにリアルタイムの看護経路を推奨できます。サプライチェーン業界では、顧客はグラフを使用して、特定の要因の変化が上流と下流および全体的なコストに与える影響を迅速に把握し、製品の遅延、出荷状況、その他の品質管理とリスクの問題を発見できます。製造業では、グラフによって複雑な生産プロセスの最適なパスを見つけることができます。政府業界では、グラフによって社会福祉サービスの管理を改善できます。一般的な業界では、グラフはデータ系統分析、エンティティ解決、データ ガバナンスにおけるネットワークと IT リソースの最適化に使用でき、機械学習にグラフ機能を提供します。

国内の応用シナリオは主に金融業界に集中しています。もちろん、グラフは詐欺防止、マネーロンダリング防止などにも非常に適しており、これらも非常に成熟したアプリケーションです。他の業界ではなぜグラフを大規模に応用しないのでしょうか?実は、グラフの知識を持っている人は、基本的に学術分野やコンピュータ分野に集中しているからです。グラフの価値を引き出すには、ビジネスを最もよく理解しているのはビジネス担当者であるため、ビジネス担当者の参加と思考が必要です。グラフ思考を理解して使用することは、グラフを適用して実際の問題を解決するための第一歩です。

IV.アプリケーショングラフ分析の条件とツール

グラフを使用して問題を分析するこの方法を、通常、グラフ分析と呼びます。グラフ分析を適用して企業に真の価値をもたらすには、グラフ思考（ニーズと問題の生成）+企業データ（問題を解決するためのデータ基盤）+ソリューション（問題を解決するための方法）+ツール（問題を解決するための適切なツールの選択）が必要であると私たちは考えています。

グラフベースの思考

歴史的な理由により（興味のある方は、データベースの歴史、ナビゲーション データベース - リレーショナル データベース - NoSQL データベース - グラフ データベースについて学ぶことができます）、ビジネスとデータの組み合わせを考えるとき、技術的な制限を考慮してリレーショナル データベースの方法、つまりテーブルの観点から考える方法を適用することが多く、これにより思考が大きく制限されます。現在、グラフ データベースという新しいツールがあり、これにより、アイデアとツールをより直接的に組み合わせることができます。元のアイデアを表に分割し、その表を使用して実際のビジネスを表す必要がなくなりました。

企業が「薅羊毛」（偽の宣伝）と戦う実際のシナリオを見てみましょう。 「薅羊毛」とは、商店や金融機関が新規顧客を引き付けるために何らかの販促活動を行うことを意味します。たとえば、登録を招待された新しいユーザーごとに、一定数のポイントを付与することができます。これらのポイントは現金、クーポン、賞品と交換できます。イベントの立ち上げは闇市場のギャングを引き寄せることになり、プロモーターにとっては莫大な資金の無駄遣いとなるでしょう。タダ乗りとアンチフリーズは、闇市場のギャングとプロモーターの間のゲームとなっている。

このようなプロモーション活動の場合、リレーショナルデータベースで最も簡単な保存方法は、招待登録テーブルとポイント交換テーブルの2つのテーブルに分割し、各独立したデバイスにログインしているアカウントの数、各IPにログインしているアカウントの数などの統計的方法を通じてブラックマーケットギャングを識別することです。ただし、ブラックマーケットギャングは、グループ制御デバイス、仮想IPなどのテクノロジーを通じてこれらの検出を回避できます。

しかし、グラフベースの考え方に切り替えて、関係性の観点から分析することに重点を置くと、非常に興味深いパターンが見つかります。ユーザーから登録を招待されたこれらの新規ユーザーは、新しいトランザクションを生成しておらず、新しい人を招待していません。時間順に非常に整然と並べられています。これは間違いなく、単なる統計からは検出が難しい、ごまかしのパターンです。 （詳細は、https://beader.gitbook.io/tigergraph-tutorials/usecases/invite-graph-econnoisseur-detection/background を参照してください）

したがって、最初のステップは、ビジネス担当者がグラフ思考に切り替えてビジネスを再考し、以前は解決が困難または不可能だった複雑なビジネス上の問題を見つけ、グラフ思考を使用して解決を試み、さらに新しいビジネス価値ポイントを見つけることです。

エンタープライズデータ

私たちのアイデアは、多くの場合、データ分析を通じて検証または実装する必要があります。データ量が膨大で種類が複雑な場合、単純な統計分析ではニーズを満たすことができなくなります。ビジネス担当者が探索的分析を実施する場合、多面的に考える必要があります。リレーショナル データベースに適用すると、これは複数テーブルの関連付けとして反映されます。データの量が膨大になると、リレーショナル データベースにとっては大惨事となります。データ ウェアハウスと大規模なワイド テーブルを使用するソリューションも満足のいくものではありません。本質的には、これらの手法の焦点はデータ間の関係性に置かれていないためです。グラフ分析プラットフォームを使用することで、ビジネス担当者やデータアナリストはデータの観点から探索し、隠れたつながりを見つけることができます。関係性の観点から新たな価値を発見してみましょう。

解決

解決したい問題と、その問題を解決するためのデータ基盤が決まったら、その問題を解決するための方法も必要になります。業界での経験とグラフアルゴリズムを組み合わせることができます。新しい顧客が既存のブラック ポイントに接続されているかどうかを確認するなどの単純な関係クエリから開始し、既存のルールに基づいてより詳細な調査を行い、サブグラフを通じて 2 人の顧客が類似しているかどうかを判断できます。同時に、いくつかのグラフ アルゴリズムを使用して支援することもできます。たとえば、隠れたマネーロンダリング組織や詐欺組織を発見したい場合は、グラフ内のグループ次数を測定するアルゴリズム、つまりルーヴァン・モジュラリティ・アルゴリズムを使用できます。すべての顧客の中で最も影響力のある人物 (KOL) を見つけたい場合は、グラフ内の中心性を測定するアルゴリズム、つまりページランキングアルゴリズム (PageRank) を使用できます。いくつかのパターンが見つかると、グラフ上のパターン マッチングを通じてすべての類似顧客を見つけることができ、いくつかのターゲット値を通じて繰り返し検証と反復を実行できます。ビジネス担当者、データ アナリスト、IT 担当者はすべて参加でき、経験豊富なソリューション プロバイダーも参加して、強力なヘルパーとして活躍します。

道具

ビジネスの探索から最終的なアプリケーションまで、安全で使いやすく、安定した信頼性の高いツールが必要です。さらに重要なのは、適切なツールを選択することです。

まず、グラフはどのように使用するのでしょうか?それは純粋に視覚化のためですか?それともクエリと計算用ですか?それとも、データとビジネスの探索のためでしょうか?

第二に、従来のリレーショナル データベースでこの問題を解決できるでしょうか。それともグラフ データベースでこの問題を解決できるでしょうか。あるいは、複数のツールを組み合わせて使用​​する必要がありますか。

最後に、ツール自体の機能について少し説明します。ビジネス担当者は、探索と対話の容易さをより重視するかもしれません。開発者は開発の利便性と言語の強力さにもっと注意を払うかもしれません。運用・保守担当者は、システム管理とリソース監視にさらに注意を払う必要があります。役割が異なれば懸念事項も異なり、それはツールで解決する必要がある問題です。

上記の 4 つの手順を読んだ後、きっと多くの疑問が湧いてくるでしょう。例えば、データの観点からグラフで探索するにはどうすればよいでしょうか?実装されたグラフソリューションはありますか? TigerGraph は、企業内のさまざまな役割のツールに対する懸念を満たすことができますか?スペースが限られているため、以降のコンテンツでこれらの質問に一つずつ回答します。

まとめると、ナレッジグラフ以外に、グラフで何ができるでしょうか?グラフで考えれば、見つかります。