最佳搭档！Data Fabrics与知识图谱之间的共生关系

梦里梦外; 2022-12-26 10:25 16阅读 0赞

> 全文共2220字，预计学习时长6分钟

![5db7595f700c70fcee994dc725c4176b.png][]

图源：ontotext

Datafabric的概念正逐渐得到数据分析师团体的青睐，它和我们多年以来使用的知识图谱（KnowledgeGraphs）有许多相似之处。这两种技术都能根据特定的业务需求把相关的数据链接起来，这也就是为什么世界上最顶尖的公司都在使用它们。

亚马逊的知识图谱保留了关于其庞大产品阵列的元数据，谷歌的知识图谱能捕捉到网络用户兴趣爱好的详尽数据。那些相对不太出名的公司也都部署了这些机制来处理公司的一切事务，从全面的客户评估到生产流程。

Datafabrics 与知识图谱的运行有着独特的共生关系。Datafabrics极大地简化了从这些平台浩如烟海的原始资料中提取数据的过程；反过来，知识图谱提供了一些基本功能，使Datafabrics能够实现这一目标。

因此，Data fabrics相当重要，它被认为是协调和集成数据的最成熟的手段。在知识图谱技术的支持下，Datafabrics可以为任何独立的业务需求提供校准所有类型数据的最佳方式。

**数据集成成熟度**

尽管存在几个相互矛盾的Data fabric定义（这些定义大多来自其供应商的宣传），但几乎所有这些定义都明确提出了一种可以收集、集成、管理以及共享数据的衔接手段，无论这些数据是何种类型、格式、技术和位置。

Datafabrics被认为是最成熟的数据集成手段，因为它们可以把数据质量、数据沿袭、元数据管理以及半结构化、非结构化和结构化数据交互的管理细节系统化，同时提供对所有数据的单一访问点。它们比其它方法要好，其中就包括下列这几种方法（按成熟度升序排列）：

· Silos：它的特点是数据都被存储在独立的数据库和应用程序中，有的业务项目要用到多个源的信息，Silos需要为每一个这样的业务项目编写新的应用程序。

· 主数据管理（Master DataManagement）和数据仓库（Data Warehouses）：尽管这两种方式都能提供真实数据的单一版本，但这种能力是以众多庞杂的数据仓库为前提，以主数据管理的跨组织受损为代价的。

另外，如果没有高级的数据集市来解决特定的业务问题，它们相关的技术就并不适用非结构化数据和机器学习。

· 数据湖（Data Lakes）: 不管结构怎么变化，数据湖都能匹配任何数据，但它本质上缺乏可持续的手段管理数据质量、元数据管理和可追溯性。

**后端知识图谱**

由于最有效的Data fabrics协调了各种数据和方法的组合，所以它们也囊括了可以降低数字资产管理复杂度的后端知识图谱。这些图谱对于管理访问管理、数据来源和数据质量等内容非常重要，同时它们还能规范统一描述这些资产的术语。

Datafabrics附带有数字资产知识图谱，后者对企业跨业务线的每个数据库和应用程序内容的了解能助Datafabrics一臂之力。这些附带知识图谱的存储库对这类数据的一切了如指掌——包括表、列和数据库系统(dbs)中的数据类型、数据的模式、所有者、数据所应用的应用程序、运行数据的设备等等。这些基础信息是Datafabrics协调和集成数据的基础。

![576739ecec851e5bd1d7840348eef37d.png][]

图源：unsplash

**前端知识图谱**

反过来，前端知识图谱（如上文中介绍过的谷歌、亚马逊、customer 360s和其它至关重要的应用）得益于Data fabrics的数据转换能力。这种协调数据的方法最主要的好处在于它可以对ETL（Extract-Transform-Load提取-转换-装载）或者ELT（Extract-Load-Transform提取-装载-转换）进行单一的、易重复的处理。

完善一项业务功能需要把许多不同种类的信息填入知识图谱中——比如LinkedIn的图谱，它将世界上大多数劳动力与他们过去和现在的雇主联结起来，整体Data fabrics的规模对于知识图谱的补充完善至关重要。

事实上，这一新兴领域的发展，使得知识图谱通过实体建模的方法更易实现——同时能使其企业价值倍增。企业只需定义驱动其业务的关键实体（医疗保健领域的患者、金融领域的客户等），然后按照时间将这些实体的所有有关信息形成简单的事件对象。

这类信息通常包括与患者或客户的互动、他们目前的状态以及其它相关因素。这样所有不同的数据都以统一的形状排列，这种统一的形状排列支持对Datafabric中任意范围的源进行专门分析。这种统一性同样适用于机器学习特征工程。

知识图谱和Datafabrics是集成、分析和创建来自数据驱动技术知情操作（informed action）的最佳组合。后端数字资产知识图谱加强了Data fabrics的管理能力。

而这些综合性的框架简化了集成工作关键点的转换，可以连续不断地向前端业务需求知识图谱提供形成具体信息所需的数据种类。它们一起为企业提供了所有源的相关信息，通过数据传播优化决策制定和盈利能力。

![1d2b7f6b5e06fba18cd6c24bd7b9aa8d.png][]

**一起分享AI学习与发展的干货**

**欢迎关注全平台AI垂类自媒体 “读芯术”**

![format_png][]

（添加小编微信：dxsxbb，加入读者圈，一起讨论最新鲜的人工智能科技哦～）

[5db7595f700c70fcee994dc725c4176b.png]: /images/20221120/c3dcb12a02ab4675a8e5a8c46b2ea0f8.png
[576739ecec851e5bd1d7840348eef37d.png]: /images/20221120/afed8177c6eb4cb3a68a14f4bef8f27d.png
[1d2b7f6b5e06fba18cd6c24bd7b9aa8d.png]: /images/20221120/315e3f38fba742cb953d96848fb7a69f.png
[format_png]: /images/20221120/af7e983e69d84fce9782e5f696b3474d.png