Presentació de Josep Tarruella, de Graph Everywhere, duta a terme a la 20a edició de la Trobada dels Serveis Informàtics de les Universitats de Catalunya (TSIUC'19) celebrada el 12 de desembre de 2019 a la Universitat Autònoma de Barcelona (UAB).
8. AGENDA
Qué son los grafos
El valor de las relaciones
Tecnología de grafos
Casos de uso
Algunos proyectos
9. “En astrofísica y cosmología física, se denomina materia oscura a un tipo
de materia que corresponde al 80% de la materia del universo …”
Primer telescopio: sobre 1600
Primer radiotelescopio: sobre 1940
10. “Las relaciones son la materia oscura de nuestras BBDD actuales. El mayor
conocimiento de la realidad surge del entendimiento de las relaciones entre
los datos”
11. “Increasingly we're learning that you can make
better predictions about people by getting all the
information from their friends and their friends’
friends than you can from the information you
have about the person themselves”
James Fowler David Burkus
James Fowler
Albert-Laszlo
Barabasi
Relaciones
El mejor predictor del comportamiento!
19. NEO4J: AMIGOS DE MIS AMIGOS
Pedro Josep
Encontrar amigos de amigos en una red social, hasta
una profundidad máxima de cinco niveles.
Red de 1.000.000 de personas
Cada persona tiene unos 50 amigos aprox.
Bea Gregor Cristina
PRESENTACIÓN BY GRAPH EVERYWHERE
20. NEO4J: MAS ALLA DE LA SIMPLICIDAD
Nivel
Profund
Relacional
Tiempo (seg)
Neo4j
Tiempo
(seg)
Registros
Devueltos
2 0,016 0,010 ⋍ 2.500
3 30,267 0,168 ⋍ 110.000
4 1.543,505 1,359 ⋍ 600.000
5 No Termina 2,132 ⋍ 800.000
*Partner y Vukotic’s Experiment - Graph Databasesby Ian Robinson, Jim Webber, and Emil
Eifrem
PRESENTACIÓN BY GRAPH EVERYWHERE
21. Navegación
Navegación visual entre los datos.
Trabajo en equipo
Visualización
Capacidad de analizar y visualizar
los datos y las conexiones entre
ellos. Productividad Analítica Avanzada
ML y Graph Analytics. Integración
pipelines de machine learning de la
organización
Motor nativo Grafos
Sistema gestor de datos en grafo
potente y escalable, con seguridad,
HA, …
Gestión datos sencilla
Capacidad de realizar modificaciones de
modelo y consultas dinámicamente: Cypher
Refactoring, alertas, …
Integración Datos
Integración e Ingesta de datos
internos y externos. Gran
volumetría
Solución grafos. Arquitectura Tecnológica
22. AGENDA
Qué son los grafos
El valor de las relaciones
Tecnología de grafos
Casos de uso
Algunos proyectos
23. INICIATIVAS
GESTIÓN
EDUCATIVASoluciones con Impacto directo en la operación
7
Knowledge
Graph
El conocimiento aparece
cuando hacemos visibles las
conexiones ocultas entre los
datos.
Mejora modelos
ML & IA
Las relaciones son clave para
mejorar los sistemas de análisis de
datos mediante Machine Learning
e Inteligencia Artificial
B
Sistemas de
Recomendación
Capacidad de implantar
soluciones de recomendación de
cursos, contenidos, personas, …
Uso híbrido de Grafos y ML.
Social Graph
Entender las relaciones entre toda la
red de estudiantes, colaboradores,
proveedores, empresas, … con los
que interactua la organización ,
proporciona un valor altísimo tanto
en la toma de decisiones como en la
operación
24. 3
Identity&Access
Management
Los sistemas de control de acceso
son poco flexibles. Con grafos
podemos dar una granularidad muy
grande y tiempos de respuesta muy
buenos y asegurando requisitos de
seguridad, GDPR, ...
!
Ciberseguridad
Detección de intrusiones y
seguimiento de la expansión de la
misma dentro de la red, afectación,
análisis de impacto, …
T
Network & IT
Operations
Análisis de impacto de
incidencias en la red, mejora y
optimización de procesos de
carga de datos, monitorización
de los sistemas y peticiones de
servicios/microservicios, …
SOLUCIONES
TECNOLÓGICAS
CROSS
Tecnología con un Impacto directo en el negocio
o
MDM
Iniciativas de Master Data
Management. El valor de datos
maestros aumenta si somos
capaces de identificar las
relaciones entre ellos: Usuarios,
Productos, …
25. Grafos: Las redes sociales
Scoring de
recomendación de
personas
PRESENTACIÓN BY GRAPH EVERYWHERE
26. Analytics Transactions
Sistemas de Recomendación
Detección de Fraude & Blanqueo
Knowledge Graph
Master Data Management
Operaciones Red & IT
Product & Service Marketing
Pattern Matching Algorithms
Traversal & Pathfinding
Connectivity
Community Detection
Centrality
Density & Diameter
Soluciones
operacionales
Enrichment
Discovery &
Design
27. AGENDA
Qué son los grafos
El valor de las relaciones
Tecnología de grafos
Casos de uso
Algunos proyectos
29. Enterprise Metadata Repository
University of Washington
• Más de 30.000 personas
• Entorno y modelo de datos muy
complejo
Reto
Q
Solución
P
https://www.dataversity.net/case-study-university-washington-facilitates-change-enterprise-metadata-repository/#
31. Nuevas variables para los modelos ML
Las relaciones son el mejor marcador de la verdad
Feature Engineering es cómo combinamos y procesamos los datos
para crear nuevas y mejores variables, como clustering o métricas de
conectividad.
Add More Descriptive Features:
- Influence
- Relationships
- Communities
Extraction
32. • Los modelos actuales de ML ignoran la estructura de red y las relaciones complejas
• Los grafos agregan características altamente predictivas a los modelos ML existentes
• De lo contrario, predicciones basadas en relaciones no se pueden hacer
Mejora las predicciones
Integración con tus datos en el pipeline ML & AI