Graph Bisa Jadi Solusi Pengambilan Keputusan Investasi
Rabu, 15 Desember 2021 - 10:24 WIB
loading...
A
A
A
Tentunya, diperlukan standarisasi tersendiri bagi properti graph layaknya standarisasi digital yang sudah ada seperti SQL yaitu standar bahasa pemograman untuk tabel. Tahun depan diharapkan standardisasi GQL mengalami kemajuan signifikan dan memasuki tahap finalisasi.
"Untuk semakin memberikan layanan bagi pengguna, TigerGraph juga mengantisipasi pergeseran penerapan basis server lokal ke cloud database baik di ranah privat maupun publik," kata dia.
Selanjutnya, awareness terhadap Graph Data meningkat pesat. Di tahun-tahun mendatang, masyarakat akan menyaksikan adopsi yang cepat dan masif dari Graph Data Science karena data dan pembelajaran data saling berkaitan dan berkembang. Hal tersebut menyebabkan adanya kebutuhan peningkatan hasil yang diharapkan dari machine learning konvensional tidak lagi hanya sebatas hasil yang umum.
ML dituntut untuk menghasilkan sebuah output data yang unik dan relevan di masing-masing sektor seperti dalam industri kesehatan, rantai pasokan industri , dan layanan keuangan. Sebab itu, masyarakat akan menyaksikan bukti nyata perpaduan distribusi graph database, analisis yang berkesinambungan, dan machine learning dalam waktu dekat.
Berdasarkan empat alasan tersebut, dapat disimpulkan bahwa Graph Data Science memberikan nilai tambah yang sangat signifikan terhadap machine learning melalui analitik graph. Oleh sebab itu akan lebih banyak perusahaan yang beralih dari pola pikir eksplorasi ke produksi pada tahun depan.
Perusahaan-perusahaan ini akan mendapatkan manfaat nyata Graph Data Science yang bisa menampilkan data graph dari pola data deep-link (data yang mendalam), mengungkap pola-pola baru, dan memberikan persepsi mendalam dari rangkaian koneksi rumit data 10-20 hops.
Technical Director TigerGraph Richard Henderson mengungkapkan setelah mengalami disrupsi bisnis signifikan akibat pandemi COVID-19 dua tahun terakhir, pelaku bisnis berfokus untuk menjadi lebih tangguh secara profesional. Hal ini mendorong minat perusahaan untuk mengadopsi konsep industri manufaktur seperti “Digital Twins technology”.
Konsep tersebut mengiplementasikan sebuah model di mana perusahaan mengawasi semua yang terjadi dalam bisnisnya secara realtime beserta ekosistemnya. "Hal ini membuat teknologi Digital Twins yang didasarkan pada basis data graph analitik yang bersifat real time akan muncul dimana-mana," ungkapnya.
"Untuk semakin memberikan layanan bagi pengguna, TigerGraph juga mengantisipasi pergeseran penerapan basis server lokal ke cloud database baik di ranah privat maupun publik," kata dia.
Selanjutnya, awareness terhadap Graph Data meningkat pesat. Di tahun-tahun mendatang, masyarakat akan menyaksikan adopsi yang cepat dan masif dari Graph Data Science karena data dan pembelajaran data saling berkaitan dan berkembang. Hal tersebut menyebabkan adanya kebutuhan peningkatan hasil yang diharapkan dari machine learning konvensional tidak lagi hanya sebatas hasil yang umum.
ML dituntut untuk menghasilkan sebuah output data yang unik dan relevan di masing-masing sektor seperti dalam industri kesehatan, rantai pasokan industri , dan layanan keuangan. Sebab itu, masyarakat akan menyaksikan bukti nyata perpaduan distribusi graph database, analisis yang berkesinambungan, dan machine learning dalam waktu dekat.
Berdasarkan empat alasan tersebut, dapat disimpulkan bahwa Graph Data Science memberikan nilai tambah yang sangat signifikan terhadap machine learning melalui analitik graph. Oleh sebab itu akan lebih banyak perusahaan yang beralih dari pola pikir eksplorasi ke produksi pada tahun depan.
Perusahaan-perusahaan ini akan mendapatkan manfaat nyata Graph Data Science yang bisa menampilkan data graph dari pola data deep-link (data yang mendalam), mengungkap pola-pola baru, dan memberikan persepsi mendalam dari rangkaian koneksi rumit data 10-20 hops.
Technical Director TigerGraph Richard Henderson mengungkapkan setelah mengalami disrupsi bisnis signifikan akibat pandemi COVID-19 dua tahun terakhir, pelaku bisnis berfokus untuk menjadi lebih tangguh secara profesional. Hal ini mendorong minat perusahaan untuk mengadopsi konsep industri manufaktur seperti “Digital Twins technology”.
Konsep tersebut mengiplementasikan sebuah model di mana perusahaan mengawasi semua yang terjadi dalam bisnisnya secara realtime beserta ekosistemnya. "Hal ini membuat teknologi Digital Twins yang didasarkan pada basis data graph analitik yang bersifat real time akan muncul dimana-mana," ungkapnya.
Lihat Juga :
