Graph Database integrada
Los gráficos permiten buscar conexiones y explorar relaciones en los datos. Oracle Graph es una función integrada, preparada para la nube, de la base de datos convergente de Oracle que elimina la necesidad de una base de datos de gráficos y un movimiento de datos independientes. Los analistas y desarrolladores pueden abordar varios casos de uso, incluida la detección de fraudes financieros y la trazabilidad de la fabricación, al tiempo que obtienen seguridad de nivel empresarial, facilidad de ingestión de datos y un sólido soporte para cargas de trabajo operativas.
Oracle AI Database 26ai impulsa la revolución de la IA en los datos
Oracle ha integrado la IA en el núcleo de Oracle AI Database 26ai, reforzando el compromiso de Oracle de ayudar a los clientes a incorporar la IA de manera segura a todos sus datos, en cualquier lugar.
¿Por qué utilizar Oracle Graph?
-
Encuentra lo inesperado
Los datos están conectados. Descubre patrones ocultos y encuentra nuevos conocimientos de forma fácil y rápida con más de 80 algoritmos predefinidos, análisis automatizados, herramientas de visualización e IA basada en gráficos mediante RDF o gráficos de propiedades.
-
Análisis de gráficos en tiempo real
Toma decisiones empresariales fundamentadas con análisis de grafos basados en datos operativos y transaccionales en Oracle AI Database.
-
Para empresas
Aprovecha la escalabilidad, la alta disponibilidad, la seguridad, las capacidades de IA y otras funciones convergentes de Oracle AI Database al ejecutar análisis de grafos.
Casos de uso de los gráficos
Seguridad
La seguridad es imprescindible para las organizaciones actuales. Los gráficos pueden ayudarte a identificar rápidamente conexiones dentro de datos en red complejos, incluidos sistemas de TI interconectados y redes delictivas, para que tu organización pueda responder mejor a las amenazas e identificar a los malos actores.
-
Seguridad cibernética
Los gráficos son herramientas ideales para la ciberseguridad porque capturan y modelan actividades y eventos en redes complejas dentro de la infraestructura de TI. Puedes combinar el análisis de gráficos con el aprendizaje automático (ML) para descubrir rápidamente conexiones, patrones y anomalías en grandes volúmenes de datos y proporcionar una forma interactiva y visual de explorar información de seguridad para detectar amenazas, tráfico no válido y malware. La automatización del análisis de gráficos en la inteligencia de amenazas ahorra tiempo y mano de obra de los empleados frente a investigaciones manuales.
-
La investigación criminal
Los delitos no suelen ocurrir en silos. Con frecuencia, hay muchas personas, organizaciones y ubicaciones interconectadas. La colocación de datos en gráficos permite a las fuerzas del orden identificar de manera eficiente las redes criminales y detectar patrones.
-
Privacidad de los datos y GDPR
Descubrir qué usuario tiene acceso a un elemento de datos específico puede ser una tarea tediosa si hay varias capas de software involucradas. Los gráficos ayudan a realizar un seguimiento de este tipo de relaciones indirectas y permiten a las organizaciones demostrar fácilmente el cumplimiento normativo.
IA y aprendizaje automático
La IA y el aprendizaje automático son nuevas tecnologías importantes debido a su promesa de mejorar los resultados empresariales y crear nuevos impactos. Los gráficos son útiles para mejorar la precisión de las predicciones de los modelos de aprendizaje automático, ya que ofrecen una vista complementaria de los datos.
-
GraphRAG
Lleva tus búsquedas de similitudes basadas en IA generativa al siguiente nivel con GraphRAG. Al integrar los datos de negocio relevantes, la generación aumentada de recuperación (RAG) puede mejorar las consultas de los usuarios a través de LLM. GraphRAG puede mejorar la precisión y relevancia de las respuestas utilizando gráficos que capturan y proporcionan insights detallados sobre las relaciones entre entidades de datos, como redes sociales, flujos financieros o cadenas de suministro. También te permite rastrear las respuestas hasta sus orígenes para demostrar la corrección para el cumplimiento o la validación.
-
Ingeniería de funciones
Algunas tareas de ingeniería de funciones son complicadas de realizar, y los gráficos pueden ayudar a simplificar estas tareas. Por ejemplo, tener en cuenta las relaciones indirectas entre entidades o determinar clusters de entidades estrechamente conectadas puede ser engorroso sin utilizar gráficos. La ejecución de algoritmos de gráficos en un juego de datos crea datos enriquecidos que se pueden utilizar para modelos de aprendizaje automático como funciones.
-
Redes neuronales de grafos
El uso de gráficos como motor de recomendaciones es bien conocido, pero los gráficos también se pueden utilizar para recomendaciones predictivas. Por ejemplo, una tienda en línea desea enviar recomendaciones a un cliente en un momento determinado en el cual se predice que al cliente se le agote el artículo. Las redes neuronales gráficas, que pueden capturar el gráfico en sí como una entrada de aprendizaje automático y redes neuronales, proporcionan una precisión potencialmente mejor porque el gráfico puede contener más información que las tablas relacionales.
Gobierno
Los gobiernos pueden utilizar tecnologías de gráficos para la defensa y la seguridad pública, para ayudar en iniciativas de salud pública y para iniciativas de datos abiertos vinculados para sus ciudadanos.
-
El fraude fiscal
Los gobiernos con recursos limitados se enfrentan a criminales inventivos y evasivos. Los gráficos pueden ayudar a las organizaciones a comprender la estructura de las entidades corporativas de shell, mejorar la investigación manual con herramientas de visualización y descubrir patrones sospechosos para rastrear las rutas en redes complejas que finalmente conducen al defraudador.
-
La investigación criminal
Los delitos a gran escala a menudo involucran a muchas personas, organizaciones y lugares interconectados. La colocación de datos en gráficos permite a las fuerzas del orden identificar de manera eficiente las redes criminales y detectar patrones.
-
Rastreo de contactos
El rastreo de enfermedades de contacto ha sido una actividad urgente y crítica en todo el mundo. Los gráficos son ideales para analizar los patrones de enfermedad. Los analistas pueden utilizar la información sobre las personas que han probado sus interacciones con otros y lugares visitados para ayudar a localizar rápidamente puntos de acceso y conexiones para evitar nuevos brotes.
Fabricación
Convertir las materias primas en productos implica muchas relaciones, componentes y dependencias, lo que hace que las tecnologías de grafos sean perfectas para descubrir rápidamente más información.
-
Listas de materiales
Un producto puede tener decenas de miles de partes. ¿Y si necesitas encontrar rápidamente el impacto de cambiar una parte, o algunas partes? ¿Y si cada parte tiene varias dependencias? El análisis de gráficos permite el análisis interactivo en tiempo real de dichas consultas.
-
Gestión de datos maestros
En muchas fábricas de fabricación. Cada departamento puede utilizar un nombre diferente para el mismo componente. Los problemas surgen cuando necesitas obtener más información sobre ciertos casos de uso y qué componentes están involucrados para ese elemento específico. Los gráficos RDF permiten modelar diferentes componentes y utilizar las relaciones y conexiones que tienen entre sí.
-
Trazabilidad
La trazabilidad es importante en situaciones como retiros de productos cuando necesitas rastrear un componente específico que se produjo desde una fábrica específica durante ciertas fechas y horas. Identificar automóviles u otros productos en el mercado rastreando componentes puede ser muy difícil sin la tecnología de gráficos.
Marketing
Para atraer a su público objetivo, los responsables de marketing deben comprender a sus clientes y sus relaciones con sus productos.
-
Análisis de 360 grados del cliente
Hoy en día, las empresas saben más sobre los clientes a través de datos maestros, transacciones, datos de ofertas, predicciones, pero a menudo no aprovechan esta información por completo. Crear un verdadero análisis de cliente 360 es difícil incluso cuando los datos se recopilan e integran en la plataforma física. Los gráficos pueden integrar lógicamente los datos y simplificar la creación de una vista unificada de cada cliente.
-
Recomendaciones de productos.
Si bien las tecnologías que no son de gráficos pueden admitir recomendaciones, estos permiten una mayor precisión porque pueden agregar contexto. Las bases de datos orientadas a gráficos hacen hincapié en conexiones como las relaciones entre los clientes y los productos que les gusta comprar, lo que proporciona una entrada más contextual al proceso de recomendación.
-
Medios sociales
Las redes sociales están impulsadas por las relaciones, conectando a los usuarios de todo el mundo. Asegurar la validez de esos usuarios es clave. Graph puede explorar las redes sociales y los datos relacionados muy rápidamente, proporcionando recomendaciones de usuarios, imágenes, productos, al tiempo que detecta actividades fraudulentas y cuentas de títeres de calcetines.
Servicios financieros
No importa cuánto intenten disfrazarlo, los delincuentes financieros están vinculados por relaciones con otros delincuentes, ubicaciones o cuentas bancarias. La tecnología de Graph aprovecha este hecho para desplegar nuevas posibilidades para combatir a los criminales.
-
Lavado de dinero
Los delincuentes tratan de ocultar el dinero obtenido fraudulentamente a través de una larga y compleja serie de transferencias válidas entre cuentas legítimas. Los gráficos facilitan la detección de fraudes mediante el análisis de transacciones entre entidades y la identificación de aquellos con información similar, revelando cuentas que se envían dinero entre sí.
-
Detección de mulas de dinero y fraude de mulas
Tradicionalmente, las alertas de modelos basados en reglas combinadas con la inspección manual se utilizan para detectar mulas de dinero y fraude de mulas. También se utiliza aprendizaje automático para predecir las decisiones humanas. Sin embargo, la mejora de estos modelos es difícil debido a la limitada información de las cuentas. Los gráficos van más allá de esta limitación al tomar la información de la transacción como bordes y generar más funciones de las cuentas en función de las relaciones y transacciones circundantes.
-
Detección de fraudes en tiempo real
Los consumidores exigen acceso instantáneo a servicios y transferencias de dinero, creando oportunidades para los delincuentes. Como los gráficos permiten respuestas rápidas a las consultas y un mayor acceso a los datos, se han convertido en una tecnología popular en la detección de fraude en tiempo real. Los gráficos propios se utilizan a menudo, especialmente en la banca en línea y el análisis de ubicación de cajeros automáticos, porque ayudan a mejorar los algoritmos de detección de fraudes utilizando datos que de otro modo serían difíciles de asociar.
Precios de Oracle Graph
La base de datos de Graph y la analítica de grafos están integradas en Oracle AI Database y se incluyen en las licencias de bases de datos on-premises y en Autonomous Database .
Vea cómo la base de datos de grafos de Oracle facilita la exploración de relaciones y la detección de conexiones en los datos ofreciendo soporte para diferentes estructuras de grafos, analítica potente y visualización intuitiva.
La IA está remodelando fundamentalmente la forma en que concebimos los datos y las aplicaciones. En esta keynote principal de Oracle AI World, escucharás a Juan Loaiza, vicepresidente ejecutivo de tecnologías de bases de datos de Oracle y T.K. Anand, vicepresidente ejecutivo de atención médica y análisis de Oracle, mientras exploran cómo se ve el futuro impulsado por la IA.
Combina Oracle Autonomous AI Database con Apache Iceberg independiente del proveedor, lo que permite a los clientes ejecutar IA y análisis de manera segura sobre todos sus datos—disponible en OCI, AWS, Azure, Google Cloud y Exadata Cloud@Customer.
Los gráficos de conocimiento, también conocidos como ontologías, ayudan a las aplicaciones a consultar datos con el contexto asociado y permiten a los usuarios tomar decisiones empresariales basadas en el contexto. Descubre cómo Oracle Graph soporta dichas ontologías con un caso de uso de una utilidad.
Análisis de grafos para todos los datos
Melliyal Annamalai, gerente de productos destacada de Oracle
El análisis de grafos con Autonomous AI Database puede transformar las empresas aprovechando diversas fuentes de datos, incluidos los lagos de datos y las tablas de Apache Iceberg. Al permitir el análisis de grafos basado en SQL en varios formatos y nubes, las organizaciones pueden descubrir relaciones complejas, patrones ocultos e insights útiles para casos de uso que abarcan ciberseguridad, cadena de suministro, comercio en línea y más. Descubre cómo el entorno unificado de Oracle optimiza el grafo de conocimientos, simplifica la integración de datos externos y ofrece escalabilidad y seguridad de nivel empresarial.
Lee el post completo
