統合されたグラフデータベース
グラフを使用し、データにおけるつながりを見つけ、関係を探ることができます。Oracle Graphは、オラクルのコンバージド・データベースの統合的な機能であり、個別の個別のグラフ・データベースおよびデータ移動が不要になります。アナリストと開発者は、財務上の不正検出と製造のトレーサビリティを含むさまざまなユースケースに対応し、エンタープライズクラスのセキュリティ、データ取り込みの容易さ、運用ワークロードの強力なサポートを得ることができます。
エンタープライズ向けの生成開発（GenDev）の発表
EVPのホアン・ロアイザが、Oracle CloudWorld基調講演で、革新的なAI中心型アプリケーション開発インフラストラクチャについて語ります。
Oracle Graphが使用される理由
-
想定外のことの検出
データ連携されています。80以上のデフォルトのアルゴリズム、自動分析、可視化ツール、RDFやプロパティグラフを使用したAIによるグラフ分析により、隠れたパターンを発見し、新しいインサイトを簡単かつ迅速に見つけることができます。
-
リアルタイムのグラフ分析
Oracle Databaseにある運用データおよびトランザクション・データに基づくグラフ分析により、十分な情報に基づいたビジネスの意思決定を行うことができます。
-
エンタープライズグレード
グラフ分析の実行時に、スケーラビリティ、高可用性、セキュリティ、AI機能、およびOracle Databaseのその他のコンバージド・データベース機能による利点を得られます。
セキュリティ
セキュリティは、今日の組織にとって不可欠です。グラフは、相互にリンクされた IT システムや犯罪ネットワークなど、複雑なネットワーク・データ内のつながりを迅速に特定できるよう支援するため、組織は脅威への対応を強化し、悪質なアクターを特定することができます。
-
サイバーセキュリティ
グラフは、ITインフラストラクチャ内の複雑なネットワークにおけるアクティビティとイベントをキャプチャしてモデリングするため、サイバーセキュリティには理想的なツールです。グラフ分析と機械学習（ML）を組み合わせて、膨大なデータ・セット内のつながり、パターン、異常を迅速に発見し、脅威、無効なトラフィック、マルウェアの検出のためにセキュリティ・データを探索するインタラクティブで視覚的な方法を提供します。脅威インテリジェンスにおいてグラフ分析を自動化することで、手作業による調査と比較して従業員の時間と労力を抑えることができます。
-
犯罪捜査
犯罪はあまり個別に起こるものではありません。多数の人、組織、場所が相互に関連していることがよくあります。データをグラフに入れることで、法執行機関は犯罪ネットワークを効率的に特定し、パターンを発見することができます。
-
データのプライバシーとGDPR
多層的なソフトウェアが関与している場合、特定のデータ要素にアクセスできるユーザーを見つけることは面倒なタスクになる可能性があります。グラフは、このような間接的な関係を追跡することを支援し、組織による規制コンプライアンスの証明を容易にします。
AIと機械学習
AIと機械学習は、ビジネスの成果を向上させ、新たな影響を生み出すことが期待されていることから、重要性の高い新たなテクノロジーです。グラフは、データを補完するビューを提供するため、MLモデルからの予測の精度を向上させる上で役立ちます。
-
特徴量エンジニアリング
特徴量エンジニアリングのタスクの中には複雑なものがありますが、グラフはこれらのタスクの簡素化を支援できます。たとえば、エンティティ間の間接的な関係を考慮したり、密接に連携されたエンティティのクラスタを決定することは、グラフを使用しないと煩雑になる可能性があります。データ・セットに対してグラフ・アルゴリズムを実行すると、充実したデータが作成され、それを機能として機械学習モデルに使用することができます。
-
グラフニューラルネットワーク
推奨エンジンとしてのグラフの使用はよく知られていますが、グラフは予測の推奨にも使用できます。たとえば、あるオンライン小売業者が、顧客がそのアイテムを使い切ると予測されるタイミングで、おすすめを送信したいと考えています。グラフニューラルネットワークは、機械学習やニューラルネットワークの入力としてグラフそのものを捉えることができ、グラフは関係表よりも多くの情報を保持できるため、より高い精度をもたらす可能性があります。
Government
政府は、グラフ・テクノロジーを防衛や治安維持に活用したり、市民のための公衆衛生の取り組みや連携したオープン・データの取り組みを支援できます。
-
税金詐欺
リソースに余裕のない政府は、巧妙で抜け目のない犯罪者に対処しています。グラフは、組織によるシェル企業の構造の理解、可視化ツールによる手作業による調査の改善、複雑なネットワークにおける最終的に詐取者につながる経路をトレースするための疑わしいパターンの見極めを支援できます。
-
犯罪捜査
大規模な犯罪では、多くの人、組織、場所が相互に関連していることがよくあります。データをグラフに入れることで、法執行機関は犯罪ネットワークを効率的に特定し、パターンを発見することができます。
-
接触者のトレース
疾病接触者のトレースは、世界中で一刻を争う緊急の課題となっています。グラフは疾患パターンの分析に最適です。アナリストは、検査で陽性と判定された人の情報（他の人との交流や訪れた場所など）を利用して、ホットスポットや接点を迅速に特定できるよう支援し、さらなる感染拡大を防ぐことができます。
製造業
原材料を製品にするには、多くの関係、構成要素、依存関係が必要であり、グラフ・テクノロジーは、より多くの情報を迅速に見出すために最適です。
-
部品構成表
製品には何万もの部品が使われている場合があります。1つの部品、あるいは数個の部品を変更した場合の影響を迅速に見つける必要がある場合はどうなるでしょうか。それぞれの部品に複数の依存関係がある場合はどうでしょうか。グラフ分析では、このようなクエリをリアルタイムでインタラクティブに分析できます。
-
マスターデータ管理
多くの製造工場では、各部門が同じ部品に対して異なる名称を使用している場合があります。特定のユースケースと、その特定のアイテムに関連する要因の詳細を確認する必要がある場合に問題が発生します。RDFグラフを使用すると、さまざまなコンポーネントをモデリングし、それらのコンポーネントが相互に持つ関係や接続を使用できます。
-
トレーサビリティ
特定の日時に特定の工場で生産された特定のコンポーネントをトレースする必要がある製品リコールなどの状況では、トレーサビリティが重要になります。コンポーネントをトレースして市場に出回る自動車やその他の製品を特定することは、グラフ・テクノロジーなしでは非常に困難です。
マーケティング
ターゲットとするオーディエンスにアピールするためには、マーケティング担当者は顧客と製品との関係を理解する必要があります。
-
顧客の360度分析
今日、企業はマスターデータ、トランザクション、入札データ、予測を通じて顧客についてより多くのことを把握していますが、多くの場合、これらの情報を十分に活用していません。データが収集され、物理的なプラットフォームに統合されていても、真のカスタマー360分析を作成することは困難です。グラフはデータを論理的に統合し、各顧客の統合ビューを作成することができます。
-
おすすめ商品の提案
グラフ以外のテクノロジーでもレコメンデーションをサポートすることは可能ですが、グラフはコンテキストを追加できるため、より高い精度を実現します。グラフ・データベースは、顧客と彼らが好んで購入する製品との関係などのつながりを重視し、推薦プロセスにより多くのコンテキスト情報を提供します。
-
ソーシャル・メディア
ソーシャルメディアは、世界中のユーザーをつなぐ人間関係によって推進されています。これらのユーザーの妥当性を確認することが重要です。グラフは、ソーシャルネットワークと関連データを迅速にトラバースし、ユーザー、画像、製品のレコメンデーションを提供すると同時に、詐欺行為や偽装アカウントを検出することができます。
金融サービス
金融犯罪者は、いかに偽装しようとも、他の犯罪者、場所、銀行口座などの関係によって繋がっています。グラフ・テクノロジーはこの事実を利用し、犯罪者と戦うための新たな可能性を広げます。
-
マネーロンダリング
犯罪者は、合法的な口座間の長く複雑な一連の妥当性確認を通じて、不正に入手した資金を隠そうとします。グラフにより、エンティティ間のトランザクションを分析し、類似した情報を持つエンティティを特定することで、相互に送金しているアカウントを明らかにし、不正検出を容易にします。
-
マネー・ミュールとミュール詐欺の検出
従来、マネーミュールおよびミュール詐欺の検出には、手作業による検査と組み合わせたルールベースのモデルからのアラートが用いられています。機械学習は、人間の意思決定を予測するためにも使用されます。しかし、アカウント情報が制限されているため、このようなモデルの改善は困難です。グラフは、トランザクション情報をエッジとして取り込み、周囲の関係やトランザクションに基づいてアカウントの特徴を生成することで、この規制を超えています。
-
リアルタイムの不正検出
消費者はサービスや送金にすぐにアクセスすることを求め、犯罪者に機会を与えています。グラフはクエリ・データへのアクセスを高速化するため、リアルタイム・不正検出の一般的なテクノロジーとなっています。特にオンライン・バンキングやATMの位置分析では、グラフが不正検出アルゴリズムの強化を支援するため、プロパティ・グラフがよく使われています。
Oracle Graphの価格
グラフ・データベースとグラフ分析はOracle Databaseに統合され、オンプレミス・データベース・ライセンスとAutonomous Databaseに含まれています。
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。
データ重複なしでシンプルなSQLを使用して複雑な関係を分析するプロパティ・グラフ・モデルの作成方法を学習します。ナレッジグラフを使用して機械学習モデルと検索拡張生成（RAG）を強化し、AI搭載アプリケーションの開発に役立てる方法をご覧ください。
SQL構文を手動でコーディングすることなく、数回のクリックでSQLプロパティ・グラフ・モデルを作成および管理できます。データを複製せずに、データ内の複雑な関係性を探索できます。
オントロジーとも呼ばれるナレッジ・グラフは、アプリケーションが関連付けられたコンテキストでデータをクエリできるように支援し、ユーザーによるコンテキストに基づくビジネスの意思決定を可能にします。Oracle Graphがユーティリティのユースケースで、このようなオントロジーをサポートする方法をご覧ください。
グラフのパワーを生成AIに
Melliyal Annamalai,オラクル、Distinguishedプロダクト・マネージャ
生成AIは、利用可能なデータでトレーニングされた大規模言語モデル（LLM）を使用して、幅広いトピックに関する質問に対し人間が理解できる言語で回答します。しかし、LLMでトレーニングされていないデータ、例えば、独自のビジネスデータについてはどうでしょうか。そのようなデータに対して生成AIの力を活用するにはどうすればよいのでしょうか。その答えが「Graph RAG」です。そして、オラクルはGraph RAGのパワーをより簡単にお届けします。
全文を読む
