Oracleの統合データベース製品の一部であるグラフデータベースを使用すると、個別のデータベースを設定してデータを移動する必要がなくなります。アナリストと開発者は、エンタープライズグレードのセキュリティ、簡単なデータ取り込み、データワークロードの強力なサポートを活用しながら、銀行取引で不正検出を実行したり、紐づけやデータへのリンクを見つけたり、スマート・マニュファクチャリングのトレーサビリティを向上させたりできます。
Oracle Autonomous Databaseには、ワンクリックでのプロビジョニング、統合ツール、セキュリティを備えたGraph Studioが付属しています。Graph Studioは、グラフデータ管理を自動化し、グラフ分析ライフサイクル全体のモデリング、分析、視覚化を簡素化します。
オラクルがリーダーに選出されています。
オラクルのグラフデータベースが、さまざまなグラフ構造、強力な分析、直感的な視覚化のサポートを提供することで、データ内の関係の調査と紐づけの発見を容易にする方法をご覧ください。
金融サービス、製造、機械学習の研究など、さまざまな業界やカテゴリでのグラフのユースケースをご覧ください。
オラクルは、プロパティグラフとRDFナレッジグラフの両方をサポートし、リレーショナルデータをグラフ構造としてモデル化するプロセスを簡素化します。インタラクティブなグラフクエリは、グラフデータに対して直接実行することも、高性能のインメモリ・グラフ・サーバーで実行することもできます。Oracle Database、Oracle Autonomous Database、サードパーティ機能、オープンソース機能と幅広く統合できるため、グラフ分析の適用と使用がより簡単になります。
60を超える構築済みアルゴリズムを使用して、関係を探索できます。SQL、ネイティブのグラフ言語、JavaおよびPython API、Oracle Autonomous Database機能を使用して、グラフを作成、クエリ、分析します。また、紐づけを簡単にデータ内に表示して、顧客の動向などのインサイトを発見したり、不正を検出したりできます。さらに、インタラクティブなツールを使用して、分析結果を公開および共有できます。
きめ細かいセキュリティ、高い可用性、簡単な管理、ビジネス・アプリケーション内の他のすべてのデータとの統合を実現します。オラクルは、プロパティグラフの頂点とエッジ、およびRDFトリプルでの高度なマルチレベルのアクセス制御を提供します。また、オラクルは、グラフおよびグラフクエリ言語の表現と定義に関して、該当するISO標準およびWorld Wide Web Consortium標準との整合性を確保します。
Graph Studioを使用すると、ほとんどの人が、すぐにグラフを使ってデータの関係を調べることができます。Graph Studioは、複雑なセットアップと管理の自動化、シームレスなデータ統合、および初めて使用するユーザー向けの順を追ったサンプルの提供により、導入時の負担を取り除くとともに、強力なアルゴリズム、高速なインメモリ分析サーバー、高度な視覚化を提供します。
Oracle Graph Server and Clientを使用すると、開発者、アナリスト、データ・サイエンティストはOracle Database内でグラフを使用できます。また、オラクル製品によるユーザー管理のグラフ環境として使用することもできます。
これには、プロパティ・グラフ・クエリと分析のための高速インメモリ並列サーバーやSPARQLクエリを実行するためのRDFグラフサーバーとクエリUIが含まれています。また、グラフAPIを操作するためのコマンドラインシェル、PGQLクエリを実行するSQLclのプラグイン、Jupyterノートブック用のPythonクライアント、Apache Zeppelinノートブックのインタープリター、グラフ視覚化ツールなどのクライアント・コンポーネントも含まれています。
すべての銀行口座のグラフを作成し、グラフクエリを実行して、犯罪行為を示す情報を伴うすべての顧客を見つけます。
RDFグラフを使用して、部品の製造名が同じ品目を示しているのか、品目同士が関連しているか、または品目が類似していて互いに交換して使用できるかを判断するのに役立つメタデータレイヤーを作成します。グラフデータベースを使用して、さまざまな製造部品間のすべての関係を紐づけ、グラフアルゴリズムを使用して紐づけ情報と関連情報を強調表示します。
データライフサイクルのさまざまなステップは、グラフのエッジをたどり、頂点ごとに追跡して状態を把握できます。データのパスをたどることで、情報が最初に存在した場所、コピーされた場所、利用された場所を確認できるため、データの専門家はGDPRの要求事項を満たすことができます。
顧客と顧客が購入する製品との関係をグラフデータベースに配置し、推奨製品を見つけるためのアルゴリズムを、データを介して迅速かつ簡単に実行できます。
機械学習モデルを構築するには、拡張データが必要です。拡張データを作成するには、グラフデータベースにロードされたデータセットに対してグラフアルゴリズムを実行し、機械学習に使用できる強化されたデータを作成します。