Aufbereitung und Analyse von Big Data mit NoSQL

Graphdatenbanken spielen bei stark vernetzten Daten ihre Stärken aus

Seite: 3/3

Firmen zum Thema

Das Netz von Informationen in Graphdatenbanken kann direkt in eine visuelle Repräsentation überführt werden. Es sind keine zusätzlichen Verarbeitungsschritte notwendig. Der Nutzer kann sich so relevante Ausschnitte der Datenbank direkt am Beispiel zeigen lassen und so die gewünschten Informationen gewinnen. Im einfachsten Fall erfolgt das durch eine Graph-Visualisierung. Bei größeren Datenmengen unterstützen spezialisierte Visualisierungs-Tools die automatische Aggregation, Clusterfindung, Geo-Darstellung oder Vergleichbarkeit über verschiedene Datensets.

Die Technologie von Internetriesen wie Google, Facebook und LinkedIn basiert auf Graphdatenbanken. Diese Unternehmen mussten ihre eigenen Datenbanken mühsam intern entwickeln. Heute dagegen können Unternehmen auf kommerzielle Datenbank-Engines wie Neo4j zurückgreifen.

Bildergalerie

Als Ergänzung zu relationalen Datenbanken nutzen Unternehmen jeder Branche Graphdatenbanken, um Datenvernetzungen und -zusammenhänge schnell abbilden zu können. Abfragen, die in anderen Datenbank-Technologien noch Minuten oder gar Stunden dauerten, liefern jetzt in Millisekunden das Ergebnis.

Der Performance-Vorteil von Graphdatenbanken ermöglicht Unternehmen, innovative Anwendungen zu entwickeln und Wettbewerbsvorteile zu erreichen. Die Analysten von Forrester prognostizieren daher, dass 2017 über 25 Prozent der Unternehmen Graphdatenbanken verwenden werden.

Datennetzwerke schneller analysieren

Graphdatenbanken bieten beispielsweise Vorteile für Echtzeit-Routenberechnungen in komplexen Logistiknetzwerken. Große Logistikdienstleister müssen mehrere Tausend Sendungen pro Sekunde bearbeiten und die jeweils kosteneffizienteste Zustellroute in Höchstgeschwindigkeit kalkulieren. Auch neue Service-Angebote im Onlinehandel wie der Vorschlag unterschiedlicher Zustellformen während des Kaufvorgangs benötigen Echtzeit-Berechnungen. Mit relationalen Datenbanken würden die gleichen Abfragen in derselben Geschwindigkeit wesentlich mehr Rechnerleistung und Hardwarekapazitäten benötigen.

Den Onlinehandel unterstützen Graphdatenbanken zusätzlich mit Echtzeit-Produktempfehlungen. Für die Erstellung attraktiver Angebote müssen Daten zu den früheren Käufen des Kunden schnell abgefragt und Verbindungen zu Benutzern hergestellt werden, die ein ähnliches Kaufverhalten aufweisen und deren soziale Netzwerke sich mit dem des Kunden überschneiden. Diese komplexe Analyse muss in Echtzeit stattfinden, damit der Kunde nicht zur Website eines Wettbewerbers wechselt.

Ein weiterer Anwendungsfall ist die Bekämpfung von Versicherungsbetrug. Durch soziale Netzwerkanalyse lassen sich Beziehungen zwischen Personenkreisen aufdecken, die sich wie Fremde verhalten. In relationalen Datenbanken müssten dafür zahlreiche Tabellen mehrfach miteinander verknüpft werden, wodurch Berechnungen kostspielig und zeitintensiv sind. Graphdatenbanken sind zur Abfrage verschlungener Netzwerke konzipiert und können daher Betrügerringe leichter identifizieren.

Artikelfiles und Artikellinks

(ID:42986261)