大數據的重要性一直在上升。但是，為了充分利用數據，公司需要能夠從中找到可操作的見解。要找到有力的見解，需要對返回的數據進行深入查詢和良好分析。傳統的SQL查詢在涉及復雜的多層查詢時面臨限制，這限制了公司檢索有意義數據的目標。

圖形數據庫使公司能夠啟動復雜的多層查詢，這些查詢可以立即得到解答，而傳統的SQL數據庫會發現很難回答這些查詢。復雜的查詢正在回歸前所未有的寶貴見解。圖形數據庫正在許多行業中使用，例如社交媒體，醫療保健和在線約會。圖形數據庫似乎正在提供一種查看數據的新方法。

什么是圖形數據庫?

圖形數據庫用于存儲有關不同實體的信息，映射實體之間的關系以及查詢實體之間的關系。在這種情況下，實體可以是很多東西，如人類，公司，動物和汽車。實體可以與另一個實體具有特定關系。例如，Martin是一個實體，是另一個實體Jim的朋友。馬丁可以擁有一輛寶馬汽車。在這兩個例子中，Martin，Jim和BMW都是具有特定關系的實體。“馬丁是吉姆的朋友”意味著友誼是兩個實體之間的關系。同樣，“馬丁擁有一輛寶馬”意味著所有權是馬丁和他的寶馬之間的關系。在圖數據庫用語中，關系稱為邊。關系以圖形的形式顯示，因此，該概念稱為圖形數據庫。(要了解有關圖數據庫的更多信息，請參閱圖數據庫如何為網絡帶來數據。)

圖表數據庫的概念正在各個行業實施，如醫療保健，社交媒體和電子商務。本文前面給出的示例簡單明了，但行業中使用的用例非常復雜。以一個向客戶提供建議的電子商務網站為例。該網站如何提供適合客戶的產品推薦?網站如何了解客戶的需求和偏好?關鍵在于客戶正在查看的產品。如果客戶正在查看關于人力資源管理的書籍，則推薦邏輯該網站的其他客戶查找或購買了同一本書。同時，該邏輯還確定具有相似興趣的其他用戶已查看或購買的其他類似或相關書籍，并且向用戶推薦類似書籍。

圖數據庫的工作原理

讓我們借助一個例子仔細研究圖形數據庫。讓我們假設智能手機制造商希望推出具有多項高級功能的智能手機。在確定目標受眾(企業高管)的需求和偏好后，產品管理部門將決定功能。智能手機制造商有一個或多個數據庫，用于從多個數據源收集和存儲執行配置文件的數據。現在，產品經理根據下面的數據創建圖形數據結構：

圖數據庫：一種新的數據思考方式

從上圖中，產品經理得出以下結論或業務決策：

史蒂夫是一名人力資源經理，他廣泛使用信使。他在人力資源部門的關系也可能因為工作原因而使用信使。因此，智能手機中的好信使可能很重要。

Debra和她丈夫的朋友Trevor經常訪問防病毒論壇的主要原因可能是他們的智能手機或計算機存在安全問題。因此，新智能手機可以具有內置的安全功能。

亞伯拉罕使用Fitbit，這表明他監視他的健康狀況。因此，如果新智能手機能夠同步Fitbit設備的數據并以用戶友好的方式顯示，那將是一個很好的功能。

上面的示例顯示了圖形數據如何用于解決業務問題。

實例探究

下面的案例研究顯示了圖形數據庫如何幫助解決在線約會和在線職業搜索行業中的復雜問題。

案例研究 - 在線約會

問題：在線約會門戶網站希望為其訂閱者找到合適的匹配項。為此，門戶網站需要有關網站其他成員的信息，這些成員可能具有相似的品味，偏好，背景和其他信息。

解決方案：許多在線門戶網站使用圖形數據庫來瀏覽數百萬成員的詳細信息和搜索信息。在此基礎上，該網站根據口味，教育，愛好和其他細節準備比賽。該網站確定這些配置文件最有可能與特定配置文件匹配，并相應地提供建議。

案例研究 - 專業網絡網站

問題：LinkedIn等專業網絡網站希望根據一些參數推薦最合適的連接和作業，例如個人資料，連接視圖，個人資料視圖和群組成員資格，這些參數反映了興趣和偏好。

解決方案：為此，此類網絡網站通過多層連接進行傳輸，例如連接連接的連接等。然后，圖形邏輯找到共同的專業興趣，職業，工作檔案，組成員和其他信息，并根據調查結果，提供有關網絡和工作的建議。

來自行業的事實和數據

下面給出的事實和數據顯示了圖表數據庫在整個行業范圍內采用了多少：

包括沃爾瑪，eBay，漢莎航空和德國電信在內的30多家全球2000家公司采用了由Neo Technology創建的最受歡迎的圖形數據庫Neo4j。

行業觀察員DB-Engines對圖表數據庫的普及和采用有這樣的說法，“圖表DBMS比任何其他數據庫類別都更快受歡迎”，因為它自2013年1月以來一直增長近300%。

自2013年5月以來，許多主要的在線交友網站已開始采用圖形數據庫。

LinkedIn有一個龐大的團隊致力于其專有的圖形數據庫系統。

Twitter完全依賴于圖形數據庫，并且還發布了一個開源圖形數據庫FlockDB 。

為了使圖形數據庫易于為企業用戶使用，Teradata發布了一種稱為SQL-GR的新型SQL。

結論

圖數據庫代表了一種查看大數據的新方法。圖數據有兩個明顯的好處：

關系數據庫管理系統(RDBMS)無法在短時間內處理大量數據。此外，它無法組織大量數據。圖形數據庫可以遍歷實體之間的任意數量的關系，并在邏輯上組織信息。

在搜索幾個實體和關系之后，圖數據庫在檢索相關信息方面非常有效。如前所述，他們可以查詢并返回BI系統以用戶友好的方式呈現的非常有價值的見解。

似乎處理大量數據的其他行業(例如和金融，制藥，國防和情報)也將使用圖形數據庫只是時間問題。事實上，在網絡，關系和實體與圖形數據的幫助下檢測和識別保險欺詐肯定是一項有趣的任務。