图数据库可用来做什么

图数据库的应用与日常生活息息相关，但人们还对它比较陌生．简单说，通过将数据呈现为图形，机构可以从关系的角度大规模、快速地解决复杂的分析问题。

使用图数据库，可以轻松对任何类型的关系进行建模，且架构可以动态更改。那些精通SQL的人不必感到被排除在外，因为图数据库查询语言（如GSQL）只是在SQL的基础上扩展了图分析功能。

对关系的重视与图技术有效处理大量数据的能力相结合，使图数据库成为AI和ML应用的理想选择。

举个例子，腾讯是全球最大的游戏公司之一，拥有数以亿计的活跃玩家．这些用户在游戏平台上产生了海量的数据．腾讯希望分析这些数据以提升公司利润和玩家体验，比如提高玩家的在线时间，智能投放营销活动，以及分析玩家在游戏中的互动，为游戏开发维护提供意见．

这只是图数据库的一个应用案例．图数据库常见应用场景包括：优化商业流程，洞察客户，管理供应链，提高医疗诊疗效率，防范互联网安全攻击以及反欺诈等．

Gartner预计到2025年，数据分析领域的创新有80%将发生在图数据库，2021年这一数字为10%．研究机构IMACR预测全球图数据库市场容量将从2021年的11亿美元增长到2027年的38亿美元．

机构和企业总是想尽一切办法收集和储存数据．传统的数据库只能针对数据本身进行分析．但是数据的来源和数据之间的关系也是信息的一部分，传统数据库往往忽视了这些因素．图数据库正是为了弥补这一短板应运而生．

场景一：360度全方位洞察客户

理解客户与产品服务之间的关系，以及客户之间关系对于任何行业都至关重要．但是公司与销售，与客户有很多接触点，其关系注定是很复杂的．如果用传统的关系型数据库去分析这种多至多的关系，将需要繁重的建模和复杂的表间计算．

关系型数据库擅长索引和搜索，也可支持事务型操作和简单的分析．但图数据库可跨表分析从而识别出隐藏的关系和模式．

场景二：反欺诈

犯罪团伙的手段已经进化到相当复杂的程度．现如今他们分工明确，协同工作，给检测和追踪工作提出了挑战．传统的欺诈检测基于规则．比如信用卡公司检测到新用户发生了大额交易就会予以拦截．而图数据库与AI/ML能力搭配，可以从多个数据源检测复杂的操作序列和模式，如多个不相关的用户使用相同的出口IP地址．对复杂反常模式的检测，可有效提高欺诈识别率和召回率．

支付宝，微信和大银行都已经在反欺诈应用中使用图数据库．

场景三：健康医疗行业

世界最大的健康医疗公司UHG，使用图数据库来提高数千万用户的健康服务效率．UHG使用图数据库用于追踪会员，供应商，患诉，门诊，处方，康复过程之间的一千多亿个关联．在这些关联上UHG搭建了各种应用，利用检测到的关联向医生，药房，门诊科室，健康顾问等各方提供有效的服务建议．

场景四：供应链管理

许多机构能够收集到需要的数据，但传统的数据分析技术已被证明非常慢，成本高，且无法分析海量的供应链数据．现有的供应链解决方案多基于关系型数据库而建设．

图数据库可以跨越多个数据烟囱，分析跨越多个供应链节点的数据以分析其中的关系．应用了图数据库后，分析结论的产出大大提速，此前需要数周才能看到分析报告现在数十分钟即可产出．

场景五：电商零售运营

电商公司需要根据客户信息和购买记录快速给出营销推荐建议．早期的推荐系统多通过分析数个数据关系而给出推荐决策．分析所使用的数据一般是数日前的已过时数据，故给出的推荐结论无法准确反映客户的实时需求．

而图数据库能充分考虑到大量数据关联：客户之间关联，支付方式，品牌喜好，退货率，营销和售出率等，并将其与客户的实时画像关联，从而得出更准确的个性化营销推荐．