上期的公眾號(hào)小編帶著大家了解了什么是圖數(shù)據(jù)庫(kù)以及圖數(shù)據(jù)庫(kù)應(yīng)用的十大領(lǐng)域。本期文章小編和大家分享下:

一、當(dāng)前數(shù)據(jù)面臨的趨勢(shì)與挑戰(zhàn)

二、知識(shí)圖譜的類別有哪些

三、數(shù)據(jù)存儲(chǔ)的方式有哪些

四、采用圖數(shù)據(jù)平臺(tái)可以帶來(lái)哪些好處

五、如何借助圖技術(shù)，創(chuàng)新零售業(yè)發(fā)展

當(dāng)前數(shù)據(jù)面臨的趨勢(shì)與挑戰(zhàn)

數(shù)據(jù)孤立

當(dāng)前有些數(shù)據(jù)相互孤立。數(shù)據(jù)存儲(chǔ)和應(yīng)用通常為單個(gè)部門提供服務(wù)。如人力資源部門使用一個(gè)平臺(tái)，而銷售部門則可能會(huì)使用另一個(gè)平臺(tái)。

數(shù)據(jù)擴(kuò)張與數(shù)據(jù)湖

在深度學(xué)習(xí)的大背景下，大多數(shù)數(shù)據(jù)都有數(shù)據(jù)湖、數(shù)據(jù)倉(cāng)庫(kù)、關(guān)系型數(shù)據(jù)庫(kù)，作為記錄系統(tǒng)、客戶數(shù)據(jù)、交易數(shù)據(jù)、產(chǎn)品數(shù)據(jù)和訂單數(shù)據(jù)等基礎(chǔ)。這種數(shù)據(jù)分散狀態(tài)將導(dǎo)致數(shù)據(jù)擴(kuò)張。

其中數(shù)據(jù)湖可存儲(chǔ)大量結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，且成本較低，因此備受歡迎。

從成本來(lái)看，數(shù)據(jù)湖具有很大的吸引力，在存儲(chǔ)任何類型的數(shù)據(jù)時(shí)起著重要作用，包括應(yīng)用和服務(wù)生成的日志文件。將數(shù)據(jù)存入數(shù)據(jù)湖的操作既簡(jiǎn)單又方便。然而，管理并了解這些數(shù)據(jù)則困難重重。

云存儲(chǔ)

云計(jì)算具有顛覆性意義，但仍面臨管理挑戰(zhàn)，這主要?dú)w結(jié)于更多數(shù)據(jù)存儲(chǔ)在更多系統(tǒng)中。個(gè)人云數(shù)據(jù)有可能存儲(chǔ)在 iCloud、Google Drive、Dropbox、Evernote、Gmail 和 Notes 中。?

這時(shí)就需要處理大量數(shù)據(jù)，這些數(shù)據(jù)不僅格式不同，且部分?jǐn)?shù)據(jù)是重復(fù)的，而且大多數(shù)數(shù)據(jù)都沒(méi)有相互關(guān)聯(lián)性。

歷史數(shù)據(jù)將會(huì)被遺忘

歷史數(shù)據(jù)為機(jī)器學(xué)習(xí)預(yù)測(cè)提供動(dòng)力。隨著新冠疫情的爆發(fā)引起經(jīng)濟(jì)動(dòng)蕩，導(dǎo)致歷史數(shù)據(jù)過(guò)時(shí)。如歷史數(shù)據(jù)通常被用來(lái)預(yù)測(cè)購(gòu)買行為。但由于疫情期間的封控狀態(tài)，網(wǎng)購(gòu)成為市場(chǎng)主導(dǎo)購(gòu)物方式，購(gòu)買行為幾乎在一夜之間發(fā)生了變化。由于消費(fèi)者行為發(fā)生翻天覆地的變化，因此歷史數(shù)據(jù)無(wú)法對(duì)購(gòu)買行為做出準(zhǔn)確的預(yù)測(cè)。

在數(shù)據(jù)有限的情況下，數(shù)據(jù)關(guān)聯(lián)的重要性和價(jià)值日益凸顯。將數(shù)據(jù)存入圖數(shù)據(jù)平臺(tái)可捕獲數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)關(guān)系。當(dāng)然歷史數(shù)據(jù)是有價(jià)值的，但存儲(chǔ)數(shù)據(jù)和數(shù)據(jù)之間已存在的關(guān)系可以提高預(yù)測(cè)能力，即使在沒(méi)有相關(guān)歷史數(shù)據(jù)的情況下也是如此。

這是因?yàn)閿?shù)據(jù)關(guān)聯(lián)和關(guān)系是數(shù)據(jù)中最具預(yù)測(cè)性的元素。以上所有因素都在推動(dòng)企業(yè)向關(guān)聯(lián)圖數(shù)據(jù)平臺(tái)中的數(shù)據(jù)轉(zhuǎn)型，從而獲取知識(shí)。

知識(shí)圖譜類別

知識(shí)圖譜就像知識(shí)本身一樣，涉及方方面面，信息廣泛。一般來(lái)說(shuō)，知識(shí)圖譜分為兩類：行動(dòng)型知識(shí)圖譜和決策型知識(shí)圖譜。

行動(dòng)型知識(shí)圖譜

數(shù)據(jù)管理是知識(shí)圖譜的一個(gè)重要用例。很多知名企業(yè)使用知識(shí)圖譜創(chuàng)建元數(shù)據(jù)中心，并以此捕獲數(shù)據(jù)沿襲：數(shù)據(jù)源、轉(zhuǎn)換方式以及清理方式。知識(shí)圖譜針對(duì)復(fù)雜的數(shù)據(jù)傳輸管道進(jìn)行建模，以便輕松識(shí)別數(shù)據(jù)的消費(fèi)者和生產(chǎn)者， 并集成新的數(shù)據(jù)源。

借助數(shù)據(jù)源的相關(guān)強(qiáng)大基礎(chǔ)，企業(yè)可以針對(duì)采集到的數(shù)據(jù)采取行動(dòng)，準(zhǔn)確了解數(shù)據(jù)源、數(shù)據(jù)生產(chǎn)者和消費(fèi)者。

除了數(shù)據(jù)管理之外，行動(dòng)型知識(shí)圖譜還用于個(gè)性化推薦。行動(dòng)型知識(shí)圖譜將客戶和產(chǎn)品等所有相關(guān)數(shù)據(jù)匯總到一個(gè) 360 度視圖中，從而推動(dòng)采取大量行動(dòng)，如識(shí)別有流失風(fēng)險(xiǎn)的客戶以及提供可說(shuō)服客戶留下來(lái)的有效建議。

用于數(shù)據(jù)分析的決策型知識(shí)圖譜

知識(shí)圖譜構(gòu)成現(xiàn)代數(shù)據(jù)和分析的基礎(chǔ)。憑借知識(shí)圖譜捕獲的數(shù)據(jù)，可以捕獲及存儲(chǔ)數(shù)據(jù)中固有的所有關(guān)系，無(wú)需猜測(cè)數(shù)據(jù)相關(guān)性。這樣一來(lái)，知識(shí)圖譜就代表對(duì)數(shù)據(jù)更忠實(shí)的表述，并使得企業(yè)能夠解鎖其預(yù)測(cè)能力。

借助決策型知識(shí)圖譜，最終目標(biāo)是做出更好的決策，無(wú)論該決策是來(lái)自人的決策還是算法決策。這些決策可以通過(guò)以下方式獲得支持。

圖查詢

可批量回答有關(guān)知識(shí)圖譜的任何問(wèn)題。Boston Scientific 使用高級(jí)查詢分析根本原因，并確定導(dǎo)致缺陷的故障組件組合（這是一種反向推薦）。

圖算法

可識(shí)別數(shù)據(jù)中的模式，如兩點(diǎn)之間的最短路徑或最有影響力的客戶。

OrbitMI 使用決策型知識(shí)圖譜來(lái)執(zhí)行復(fù)雜的集裝箱船運(yùn)航線規(guī)劃。通過(guò)尋路算法，他們?cè)诓坏揭幻氲臅r(shí)間內(nèi)就規(guī)劃出了海上航線。此外，他們的知識(shí)圖譜還可支持 SaaS 分析產(chǎn)品。知識(shí)圖譜不僅會(huì)產(chǎn)生經(jīng)濟(jì)效能，而且還能帶來(lái)高效的復(fù)雜線路規(guī)劃，并減少6萬(wàn)噸碳排放。

圖查詢和圖算法還可以解鎖機(jī)器學(xué)習(xí)的預(yù)測(cè)功能。阿斯利康在其知識(shí)圖譜中使用圖算法和機(jī)器學(xué)習(xí)來(lái)識(shí)別患者病歷原型和模式。這項(xiàng)研究使該公司能夠?yàn)樵缙诟深A(yù)確定強(qiáng)有力的觸點(diǎn)，從而改善腎臟等方面疾病的治療效果。

數(shù)據(jù)存儲(chǔ)方式有哪些？

眾所周知，數(shù)據(jù)具有 “潛在” 價(jià)值，一些公司能夠相較于其他公司從數(shù)據(jù)中提取更多的價(jià)值。要將數(shù)據(jù)高效地轉(zhuǎn)化為信息、知識(shí)和價(jià)值，需要考慮很多驅(qū)動(dòng)因素，如數(shù)據(jù)驅(qū)動(dòng)的領(lǐng)導(dǎo)方式、 公司員工掌握的知識(shí)和技能、業(yè)務(wù)流程以及組織文化。但在從數(shù)據(jù)到洞見(jiàn)的過(guò)程中，另一個(gè)重要驅(qū)動(dòng)因素是數(shù)據(jù)存儲(chǔ)技術(shù)。從數(shù)據(jù)中提取價(jià)值的過(guò)程取決于存儲(chǔ)方式、訪問(wèn)的難易程度，以及數(shù)據(jù)與組織內(nèi)其他相關(guān)數(shù)據(jù)、信息和知識(shí)場(chǎng)景的相關(guān)程度。

數(shù)據(jù)庫(kù)管理系統(tǒng)具有以下三種常見(jiàn)類型：

關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)

將數(shù)據(jù)存儲(chǔ)在表格中。當(dāng)數(shù)據(jù)之間的關(guān)系穩(wěn)定并且可以在頂層表格定義中捕獲時(shí)，常常會(huì)使用這種類型。關(guān)系數(shù)據(jù)庫(kù)可以快速處理大量記錄，使用的存儲(chǔ)空間往往較少。但在處理場(chǎng)景可能隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù)時(shí)，靈活性略顯不足。

非關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)

提供多種非表格形式的替代方法來(lái)組織、管理、存儲(chǔ)和檢索數(shù)據(jù)。傳統(tǒng)上，非關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)針對(duì)特定數(shù)據(jù)類型進(jìn)行優(yōu)化，通常是舊式系統(tǒng)，難以處理更新、更動(dòng)態(tài)的工作負(fù)載。

動(dòng)態(tài)數(shù)據(jù)管理系統(tǒng)

比 RDBMS 更敏捷和高效，更廣受關(guān)注，隨著其不斷發(fā)展成熟并克服潛在問(wèn)題，2016-2019 的 CAGR 增長(zhǎng)率達(dá)到 83.2%。圖數(shù)據(jù)庫(kù)就是一種動(dòng)態(tài)數(shù)據(jù)庫(kù)管理系統(tǒng)。隨著圖驅(qū)動(dòng)分析和人工智能工具的需求不斷增加，對(duì)圖數(shù)據(jù)庫(kù)和圖數(shù)據(jù)庫(kù)平臺(tái)的需求也在增加。

圖數(shù)據(jù)平臺(tái)帶來(lái)哪些好處？

揭示隱藏結(jié)構(gòu)

圖可以揭示數(shù)據(jù)中的隱藏結(jié)構(gòu)，其中數(shù)據(jù)是未知的，不需要廣泛的數(shù)據(jù)存儲(chǔ)，也不需要有關(guān)數(shù)據(jù)組織方式的大量先驗(yàn)知識(shí)。

提高效率

在某些情況下，圖數(shù)據(jù)庫(kù)管理系統(tǒng)可以比傳統(tǒng) RDBMS 更快、更有效， 因?yàn)樗鼈兡軌蚩焖俜治瞿Ｊ胶完P(guān)系。圖數(shù)據(jù)庫(kù)也簡(jiǎn)化了提取-執(zhí)行周期， 可以更快地執(zhí)行查詢。

功能廣泛

圖可以應(yīng)用于各種問(wèn)題和應(yīng)用。其中包括：?

發(fā)現(xiàn)人、地點(diǎn)或事物之間的關(guān)系模式?

映射或繪制事物位置之間的結(jié)構(gòu)空間關(guān)系?

從人類語(yǔ)言捕捉語(yǔ)義結(jié)構(gòu)以便系統(tǒng)地理解內(nèi)容基于譜系、基于空間和基于執(zhí)法/情報(bào)服務(wù)的“已知關(guān)聯(lián)”分析

藥理學(xué)研究、流行病學(xué)和效用網(wǎng)絡(luò)分析

利用人工智能

圖很可能在未來(lái)的人工智能中發(fā)揮關(guān)鍵作用。由于復(fù)雜系統(tǒng)中的行動(dòng)和后果通常會(huì)導(dǎo)致數(shù)據(jù)關(guān)系模式發(fā)生變化，因此圖數(shù)據(jù)庫(kù)正在幫助推動(dòng)機(jī)器學(xué)習(xí)和其他 AI 相關(guān)操作實(shí)現(xiàn)創(chuàng)新。

企業(yè)了解將數(shù)據(jù)轉(zhuǎn)化為組織中的信息、知識(shí)和商業(yè)價(jià)值的核心途徑。確定圖數(shù)據(jù)庫(kù)和平臺(tái)如何幫助企業(yè)應(yīng)對(duì)挑戰(zhàn)數(shù)據(jù)庫(kù)在促進(jìn)組織將數(shù)據(jù)轉(zhuǎn)換為信息、知識(shí)和商業(yè)價(jià)值方面發(fā)揮著重要作用。了解圖帶來(lái)的優(yōu)勢(shì)，利用這些優(yōu)勢(shì)來(lái)提高組織的學(xué)習(xí)能力。

藍(lán)海大腦圖數(shù)據(jù)一體機(jī)具有精簡(jiǎn)的高可用集群架構(gòu)。軟硬一體，高度集成。開(kāi)箱即用。優(yōu)于目前的集中式存儲(chǔ)架構(gòu)X3，高于集中式存儲(chǔ)架構(gòu)X5。專業(yè)的運(yùn)維平臺(tái)，深度監(jiān)控管理一體機(jī)系統(tǒng)。分布式存儲(chǔ)，高可靠性，全架構(gòu)冗余設(shè)計(jì)，避免任意單點(diǎn)故障，以及跨節(jié)點(diǎn)數(shù)據(jù)保護(hù)等，更好地為各行各業(yè)服務(wù)。

零售業(yè)借圖技術(shù)飛速創(chuàng)新

當(dāng)今社會(huì)，零售商面臨著許多復(fù)雜的全新挑戰(zhàn)。由于開(kāi)銷小且銷量高，亞馬遜等線上巨頭以較低成本快速配送產(chǎn)品，這導(dǎo)致規(guī)模較小的零售商接連倒閉。

想要站穩(wěn)腳跟，零售商必須足夠靈活，既要面對(duì)巨大的線上競(jìng)爭(zhēng)，還要應(yīng)對(duì)零售業(yè)的另一個(gè)新現(xiàn)狀：客戶現(xiàn)在處于價(jià)值鏈的中心。為了適應(yīng)這些現(xiàn)狀，零售商必須實(shí)時(shí)控制庫(kù)存、支付和配送系統(tǒng)。然而，對(duì)于受傳統(tǒng)基礎(chǔ)設(shè)施拖累的傳統(tǒng)零售商來(lái)說(shuō)，實(shí)時(shí)響應(yīng)十分困難。

為了重新設(shè)計(jì)從線性到環(huán)形的高度關(guān)聯(lián)價(jià)值鏈，零售商需要迅速且低成本地對(duì)其基礎(chǔ)設(shè)施進(jìn)行現(xiàn)代化改造。此外，基于互聯(lián)網(wǎng)的線上的零售商必須找到一種方法來(lái)處理規(guī)模和復(fù)雜性，以保持競(jìng)爭(zhēng)優(yōu)勢(shì)。

下面我們一起了解下線下零售商如何利用圖數(shù)據(jù)平臺(tái)技術(shù)的強(qiáng)大功能來(lái)應(yīng)對(duì)這些迫在眉睫的挑戰(zhàn)。

個(gè)性化產(chǎn)品和促銷推薦

向線上顧客提供實(shí)時(shí)推薦可實(shí)現(xiàn)收入最大化，既能改善客戶體驗(yàn)，又能增加銷量。然而，顧客想要的是經(jīng)過(guò)精心設(shè)計(jì)的推薦，而不是一成不變或盲目的推薦。為了提升效果，推薦必須根據(jù)消費(fèi)者的偏好、購(gòu)物記錄、興趣和需求個(gè)性化。

實(shí)時(shí)推薦需要關(guān)聯(lián)大量復(fù)雜的買家和產(chǎn)品數(shù)據(jù)（以及常規(guī)關(guān)聯(lián)的數(shù)據(jù)），以了解客戶需求和產(chǎn)品趨勢(shì)。這無(wú)法通過(guò)關(guān)系型數(shù)據(jù)庫(kù)技術(shù)來(lái)實(shí)現(xiàn)，因?yàn)镾QL查詢將會(huì)非常復(fù)雜，且實(shí)時(shí)提供推薦耗時(shí)過(guò)長(zhǎng)。Hadoop 和 Spark 等大數(shù)據(jù)處理技術(shù)也面臨著同樣的問(wèn)題，這些技術(shù)在電子郵件推薦等方面效果很好，每天發(fā)送一次推薦，但不是實(shí)時(shí)提供。

經(jīng)過(guò)設(shè)計(jì)，圖數(shù)據(jù)平臺(tái)可快速查詢客戶的購(gòu)買記錄，并立即捕獲其當(dāng)前在線訪問(wèn)中顯示的任何新興趣，這兩項(xiàng)都是提供實(shí)時(shí)推薦的關(guān)鍵。由于關(guān)系被視為圖數(shù)據(jù)平臺(tái)中的第一級(jí)實(shí)體，零售商可將客戶的瀏覽記錄與購(gòu)買記錄以及線下產(chǎn)品和品牌關(guān)聯(lián)起來(lái)。這樣一來(lái)，實(shí)時(shí)推薦算法就能夠利用客戶過(guò)去和現(xiàn)在的選擇來(lái)提供個(gè)性化推薦。無(wú)需提前在線下進(jìn)行計(jì)算，由此可以很好的解決延遲問(wèn)題。

由客戶 360 提供支持的個(gè)性化體驗(yàn)

零售商可以根據(jù)客戶的愿望、興趣和需求提供相關(guān)內(nèi)容，從而個(gè)性化在線客戶體驗(yàn)。這樣不僅可以提高客戶參與度，還能提高收入和客戶忠誠(chéng)度。例如，通過(guò)在產(chǎn)品描述旁邊提供相關(guān)的博客文章，零售商可以將自己刻畫(huà)成使用特定產(chǎn)品方面的專家。這樣一來(lái)，客戶認(rèn)為自己從可靠來(lái)源獲得有價(jià)值的信息，因此增加訪問(wèn)和購(gòu)買。?

零售商還可以使用路徑分析來(lái)幫助改善成效，包括分析導(dǎo)致購(gòu)買的客戶行為，并使用這些數(shù)據(jù)吸引客戶走上更有利于盈利的道路。這可能需要調(diào)整內(nèi)容，或者更改未來(lái)的客戶點(diǎn)擊鏈接后前往的目標(biāo)位置。

零售商還可以識(shí)別由一組客戶共享的維度，并根據(jù)這些屬性對(duì)其進(jìn)行分群處理。例如，可以圍繞有或沒(méi)有孩子這一屬性對(duì)客戶進(jìn)行分群處理，也可根據(jù)職業(yè)和崗位進(jìn)行分群處理，例如職業(yè)生涯早期的工程師與經(jīng)驗(yàn)豐富的營(yíng)銷副總裁。不同維度的消費(fèi)者有不同的職責(zé)和收入，因此購(gòu)買習(xí)慣也不同。零售商可以使用這些信息為每個(gè)客戶提供個(gè)性化內(nèi)容。

零售商擁有大量數(shù)據(jù)，可以用來(lái)確定為客戶提供服務(wù)的最佳路徑和內(nèi)容。這些數(shù)據(jù)包括與產(chǎn)品、市場(chǎng)、社交媒體、主數(shù)據(jù)、數(shù)字資產(chǎn)等相關(guān)的數(shù)據(jù)。然而，這些數(shù)據(jù)通常存儲(chǔ)在信息孤島中，導(dǎo)致整合并識(shí)別向客戶提供相關(guān)內(nèi)容的機(jī)會(huì)愈加困難。?

如需將所有數(shù)據(jù)源合并到一個(gè)個(gè)性化引擎中，關(guān)系型數(shù)據(jù)庫(kù)將無(wú)法實(shí)時(shí)進(jìn)行復(fù)雜的推薦計(jì)算。企業(yè)可以將數(shù)據(jù)移至 Hadoop 或數(shù)據(jù)倉(cāng)庫(kù)中，以便提前為每個(gè)客戶計(jì)算推薦，但這些推薦通常會(huì)稍微有些過(guò)時(shí)。此外，如果在任意一天中只有少量客戶訪問(wèn)網(wǎng)站，每天為整個(gè)客戶群提前計(jì)算推薦則會(huì)降低效率。

圖數(shù)據(jù)平臺(tái)不是將所有客戶數(shù)據(jù)集中到一個(gè)系統(tǒng)中，而是把數(shù)據(jù)留在原地，并添加圖分析。可以為每個(gè)客戶提供一個(gè)部門標(biāo)識(shí)符，然后將其與主客戶標(biāo)識(shí)符綁定。每個(gè)部門或業(yè)務(wù)線的標(biāo)識(shí)符由各個(gè)標(biāo)識(shí)符組成，從而為每個(gè)客戶生成一個(gè)雙重疊加圖。這使零售商能夠更全面地了解客戶關(guān)系，并在客戶與公司進(jìn)行交互時(shí)隨時(shí)快速導(dǎo)航回原始系統(tǒng)。

利用圖技術(shù)優(yōu)化電商配送服務(wù)路線

亞馬遜已經(jīng)設(shè)定發(fā)貨和配送標(biāo)準(zhǔn)。由于亞馬遜 Prime 會(huì)員可享受兩天免費(fèi)配送，使得電商購(gòu)物者都不愿等待兩天以上才能收到網(wǎng)購(gòu)商品。因此，零售商必須達(dá)到或超過(guò)這一標(biāo)準(zhǔn)，否則就有可能將顧客拱手讓給亞馬遜。

為了縮短配送時(shí)間，零售商必須了解店面和配送中心的庫(kù)存以及運(yùn)輸網(wǎng)絡(luò)。例如，需要了解路線問(wèn)題是否會(huì)導(dǎo)致從離客戶較近的配送中心發(fā)出的產(chǎn)品延遲送達(dá)，或者產(chǎn)品缺貨是否會(huì)導(dǎo)致產(chǎn)品無(wú)法按指定配送日期送達(dá)。確定最快的配送路線需要支持大量復(fù)雜的路線查詢，并具備快速一致的性能。

由于數(shù)據(jù)具有高度關(guān)聯(lián)的特點(diǎn)，電商配送服務(wù)路線與圖數(shù)據(jù)平臺(tái)好比“天作之合”。這不僅是因?yàn)閿?shù)據(jù)點(diǎn)之間需要大量“躍點(diǎn)”，而且可以有許多不同的路徑以及任意數(shù)量的排列。即使在一個(gè)訂單中，這些排列也可能進(jìn)行優(yōu)化，并成為一年中不同時(shí)間里針對(duì)不同產(chǎn)品的最佳路徑。圖數(shù)據(jù)平臺(tái)可將這些不同因素考慮在內(nèi)，并支持復(fù)雜的路線查詢，以簡(jiǎn)化配送服務(wù)。

供應(yīng)鏈可視性

供應(yīng)鏈既龐大又復(fù)雜。產(chǎn)品通常由不同的原料或部件組成，這些部件在不同的供應(yīng)商之間流通，其中每一個(gè)部件都可能由子部件組成，而子部件可能來(lái)自其他子部件和世界各地的其他供應(yīng)商。由于這種復(fù)雜性，零售商往往只知道他們的直接供應(yīng)商，這可能導(dǎo)致風(fēng)險(xiǎn)和合規(guī)方面的問(wèn)題。

零售商需要公開(kāi)透明地了解整個(gè)供應(yīng)鏈，以檢測(cè)欺詐、污染、高風(fēng)險(xiǎn)地點(diǎn)和未知產(chǎn)品來(lái)源。例如，如果特定原材料以某種方式受到損害，公司必須能夠迅速識(shí)別每個(gè)受影響的產(chǎn)品。這需要在沒(méi)有延遲或其他性能問(wèn)題的情況下管理和搜索大量數(shù)據(jù)。透明度對(duì)于識(shí)別供應(yīng)鏈中的薄弱環(huán)節(jié)或其他單一故障點(diǎn)也很重要。例如，以前一個(gè)零件或配料可從三個(gè)供應(yīng)商處獲得，但現(xiàn)在只能從一個(gè)供應(yīng)商處獲得，那么零售商就要了解這可能會(huì)對(duì)未來(lái)產(chǎn)量造成的影響。

要實(shí)現(xiàn)整個(gè)供應(yīng)鏈的可視性，需要建立深層關(guān)聯(lián)。關(guān)系型數(shù)據(jù)庫(kù)不是用來(lái)處理大量遞歸查詢或關(guān)聯(lián)的，因此性能會(huì)受到影響。然而，圖數(shù)據(jù)平臺(tái)是專門針對(duì)搜索和分析關(guān)聯(lián)數(shù)據(jù)而設(shè)計(jì)的。圖數(shù)據(jù)平臺(tái)的架構(gòu)首先是圍繞數(shù)據(jù)關(guān)系構(gòu)建的，這使零售商和制造商能夠在不出現(xiàn)性能問(wèn)題的前提下管理搜索大量數(shù)據(jù)，并實(shí)現(xiàn)他們所需的供應(yīng)鏈可視性。

借助圖技術(shù)提升營(yíng)收管理

對(duì)于消費(fèi)者來(lái)說(shuō)，貨比三家從未像今天這樣容易。幾分鐘內(nèi)，消費(fèi)者就可以在十幾家店鋪之間對(duì)比特定產(chǎn)品的價(jià)格，而且整個(gè)過(guò)程可以輕松方便地完成。他們甚至可以在不同零售商的實(shí)體店購(gòu)物時(shí)比較價(jià)格，并從競(jìng)爭(zhēng)對(duì)手那里購(gòu)買商品。為了打價(jià)格戰(zhàn)并優(yōu)化盈利能力，零售商需要實(shí)時(shí)提供具有競(jìng)爭(zhēng)優(yōu)勢(shì)的價(jià)格。?

有競(jìng)爭(zhēng)優(yōu)勢(shì)的定價(jià)基于庫(kù)存、地點(diǎn)、季節(jié)、消費(fèi)者需求等各種因素，這些因素非常不穩(wěn)定，變化很快。例如，如果一家酒店打算根據(jù)籃球錦標(biāo)賽定價(jià)，且這場(chǎng)錦標(biāo)賽共有七場(chǎng)比賽，那么那些舉辦比賽的城市的庫(kù)存將減少，并進(jìn)行相應(yīng)定價(jià)。但如果錦標(biāo)賽在五場(chǎng)比賽后結(jié)束，那么原本最后兩場(chǎng)比賽的庫(kù)存將會(huì)增加，且價(jià)格也應(yīng)適當(dāng)調(diào)整。

此外，每個(gè)零售網(wǎng)點(diǎn)可能會(huì)根據(jù)市場(chǎng)情況制定不同的價(jià)格。零售商對(duì)其微觀市場(chǎng)的了解越多，并優(yōu)化產(chǎn)品定價(jià)以匹配庫(kù)存，適當(dāng)提高利潤(rùn)率和銷量的方法也就越多。然而，關(guān)系型數(shù)據(jù)庫(kù)跟不上這些數(shù)據(jù)變化的節(jié)奏，且性能不佳會(huì)使其無(wú)法跨多個(gè)地點(diǎn)提供實(shí)時(shí)價(jià)格更新。?

圖數(shù)據(jù)平臺(tái)可以幫助零售商解決收入管理問(wèn)題，同時(shí)提供實(shí)時(shí)定價(jià)引擎所需的處理能力和性能。許多變量之間的相互依賴關(guān)系可以用圖表示，這為零售商提供了可確定并高效計(jì)算價(jià)格的方法，即使在這種依賴關(guān)系快速變化的情況下。

系統(tǒng)管理員：網(wǎng)絡(luò)和 IT 運(yùn)營(yíng)

零售 IT 組織也受益于圖數(shù)據(jù)平臺(tái)。通常，公司擁有復(fù)雜的網(wǎng)絡(luò)，并且越來(lái)越多的組件存儲(chǔ)在云或多個(gè)云以及內(nèi)部數(shù)據(jù)中心。在大多數(shù)傳統(tǒng)的配置管理數(shù)據(jù)庫(kù) (CMDB) 中，要表示每一項(xiàng) IT 資產(chǎn)并了解它們的關(guān)聯(lián)方式十分困難。?

以運(yùn)行多個(gè)虛擬機(jī) (VM) 的物理服務(wù)器為例，這些 VM 可能托管運(yùn)行不同進(jìn)程并關(guān)聯(lián)不同子網(wǎng)的容器。在這種情況下，可以使用圖數(shù)據(jù)平臺(tái)來(lái)查看所有組件的關(guān)聯(lián)方式。

系統(tǒng)管理員還可以使用圖數(shù)據(jù)平臺(tái)來(lái)維護(hù)由所有不同網(wǎng)絡(luò)資產(chǎn)組成的圖。此圖可用于更好地保護(hù)網(wǎng)絡(luò)及檢測(cè)漏洞或限制入侵風(fēng)險(xiǎn)的傳播。

零售商面臨著許多挑戰(zhàn)，這其中很大一部分來(lái)自精通技術(shù)的線上零售商。從提供實(shí)時(shí)產(chǎn)品推薦到 態(tài)定價(jià)及優(yōu)化配送路線，零售商必須迅速克服這些挑戰(zhàn)，才能站穩(wěn)腳跟并獲得自身競(jìng)爭(zhēng)優(yōu)勢(shì)。
?

此外，零售商還必須提高響應(yīng)速度，以便趕在競(jìng)爭(zhēng)對(duì)手之前應(yīng)對(duì)不斷變化的消費(fèi)者和技術(shù)趨勢(shì)。通過(guò)圖數(shù)據(jù)平臺(tái)可幫助零售商了解關(guān)聯(lián)數(shù)據(jù)，且與傳統(tǒng)技術(shù)相比，能夠更深入地利用數(shù)據(jù)關(guān)系，以提供實(shí)時(shí)產(chǎn)品推薦、優(yōu)化配送路線能力。

審核編輯：湯梓紅