تا کنون، بزرگترین دور تامین مالی در بازار گرافیک نه تنها خبر خوبی برای TigerGraph، بلکه برای کل بازار است.
نویسنده: جورج آنادیوتیس، "داده های بزرگ" |2021 Nian 2 Yue 17 Ri -15: 08 GMT (23:08 SGT) |موضوع: تجزیه و تحلیل داده های بزرگ
شرکت ها در جمع آوری داده ها خوب هستند و اینترنت اشیا آن را به سطح جدیدی می برد.با این حال، پیشرفته ترین سازمان ها از آن برای ایجاد تحول دیجیتال استفاده می کنند.
ما واقعاً قصد بررسی بازار گرافیک را نداریم.اما گاهی اوقات اخبار می تواند مانع از توسعه این طرح شود و TigerGraphic اعلام کرد که 105 میلیون دلار سرمایه در سری C جمع آوری کرده است که برنامه ما را تغییر داد.
TigerGraph یک ارائه دهنده پایگاه داده گراف است.ما از زمانی که در سال 2017 از مخفی کاری خارج شدیم در حال مطالعه آن هستیم. ما پیشرفتی که در بیش از 3 سال داشته است را به عنوان داستان کل نمودار می دانیم.سری C TigerGraph توسط Tiger Global هدایت می شود و مجموع سرمایه جمع آوری شده TigerGraph را به بیش از 170 میلیون دلار می رساند.
این پیش‌زمینه گفتگوی ما با یو خو، مدیر عامل تایگرگراف و تاد بلاشکا، مدیر عامل شرکت تایگرگراف است.ما در مورد تکامل TigerGraph و تکامل کل تصویر بحث کردیم.
آخرین تماس ما با TigerGraph یک سال پیش بود، زمانی که بحران COVID-19 شروع شد.در یک دوره یک ساله، TigerGraph یک دوره تعدیل را برای بسیاری از شرکت ها پشت سر گذاشته است.در میان آنها، با توجه به سرعت شتابان تحول دیجیتال، ارائه دهندگان داده و تجزیه و تحلیل ممکن است حتی از نظر نتایج در صدر فهرست قرار گیرند.
خو گفت که برای TigerGraph اوضاع اینگونه است.بهترین فصل در تاریخ شرکت در سال 2020. Xu و Blaschka با داستان های موفقیت متفاوتی سروکار داشته اند.مشتریان عبارتند از Intuit و Jaguar Land Rover و اداره مالیات استرالیا.
آنها همچنین موارد استفاده زیادی را ذکر کردند، از نمودارهای معمولی (مثل مشتری 360 و تجزیه و تحلیل زنجیره تامین) تا موارد استفاده غیرعادی تر (مانند تجزیه و تحلیل زنجیره بلوکی و تقلب مالیاتی).همه چیز خوب است، اما یک مشکل تقریباً قابل حل است: چرا باید بودجه جمع آوری کنیم؟
برای در نظر گرفتن این موضوع باید چند نکته را در نظر گرفت.تصویر ایجاد شده توسط تجربه TigerGraph یک بار دیگر بینش مشترک ما را با سایر تامین کنندگان در این زمینه ثابت می کند: آنها در حال حرکت از یک پایگاه داده به یک پلت فرم هستند، به حل مشکلات مشتری و ایجاد ارزش نزدیک تر می شوند.
Graph شاهد رشد انفجاری است، بودجه TigerGraph بزرگترین صندوق در این زمینه تاکنون است، که این امر را تأیید می کند.
Xu و Blaschka توضیح می دهند که چگونه می توان یک پایگاه داده گراف توزیع شده سریع و مقیاس پذیر را به عنوان نقطه شروع به دست آورد.اگرچه آنها در ابتدا کمک زیادی به نام یا داستان های موفقیت خود نکردند، اما این به آنها اجازه داد تا در بسیاری از سازمان ها جای پای خود را به دست آورند.همانطور که Xu گفت، سازمان‌ها «چاره‌ای ندارند» جز اینکه از TigerGraph برای انواع خاصی از موارد استفاده استفاده کنند.
این موارد استفاده را می توان به عنوان تحلیل گرافیکی بلادرنگ توصیف کرد: به دست آوردن پاسخ هایی که نیاز به اتصال در زمان واقعی و پیمایش بسیاری از مجموعه های داده (معمولا مجموعه داده های عظیم) دارند.Xu گفت که در بسیاری از موارد، TigerGraph تنها انتخاب برای چنین موارد استفاده است.زو ادامه داد: پس از پذیرش، مشتریان نیز شروع به استفاده از آن برای موارد استفاده دیگر کردند و اکنون TigerGraph اغلب به عنوان راه حل ترجیحی برای تجزیه و تحلیل آفلاین استفاده می شود.
انتقال پشته TigerGraph به بالا به این معنی است که IDE های تجسم و توابع پرس و جو می توانند اضافه شوند، که هدف شرکت برای توسعه بیشتر است، و می توان آن را به مناطقی مانند Xu به نام «هوش تجاری نمودار» گسترش داد.Xu جزئیات بلندپروازی TigerGraph برای ساخت "Tableau for Graph" را توضیح داد.درست است که این جاه طلبی ممکن است برای ترویج آن نیاز به بودجه داشته باشد.
اما این بدان معنا نیست که TigerGraph هیچ جنبه عملیاتی رو به زمینی در نقشه راه خود ندارد.TigerGraph مدتی است که یک پایگاه داده را به عنوان یک محصول خدماتی اجرا می کند و از AWS و Microsoft Azure پشتیبانی می کند.برنامه های این شرکت شامل افزایش پشتیبانی Google Cloud و گسترش تیم خود برای پاسخگویی به تقاضای رو به رشد محصول است، اما موارد بیشتری نیز وجود دارد.
هنگام بحث در مورد محصولات ابری خود، مدیران TigerGraph اشاره کردند که نه تنها می‌خواهند پشتیبانی Google Cloud را اضافه کنند، بلکه می‌خواهند ویژگی‌های بیشتر و ادغام بهتری را به لایه‌های موجود AWS و Microsoft Azure اضافه کنند.هنگام بحث در مورد آنچه ممکن است شامل شود، Xu تأکید کرد که ادغام با کتابخانه‌های یادگیری ماشینی که توسط فروشندگان ابری پشتیبانی می‌شوند، مثال خوبی است.
Xu اشاره کرد که با استفاده از Google BigQuery به عنوان مثال، ادغام توابع یادگیری ماشین در پلتفرم های مختلف مدیریت داده انجام می شود.ایده ساده است - می تواند خط لوله داده مورد نیاز برای پردازش داده های یادگیری ماشین را کوتاه کند.هدف آسان‌تر کردن کار مهندسان داده و دانشمندان داده است.
Xu گفت که راه برای انجام این کار، ادغام برنامه های افزودنی مبتنی بر یادگیری ماشین در SQL است.TigerGraph زبان پرس و جو خود را به نام GSQL دارد، اما این ایده مدتی است که وجود داشته است.در واقع، فروشندگان گرافیک دلایل دیگری برای این کار دارند.
همانطور که قبلاً اشاره کردیم، Xu تأیید کرد که یادگیری ماشین مبتنی بر گراف حوزه ای است که توجه گسترده ای را به خود جلب کرده است.به طور خلاصه، یادگیری ماشینی مبتنی بر نمودار، به جای کاهش همه چیز به دو بعدی، در مورد پردازش داده های چند بعدی و استفاده از اتصالات است.بنابراین، استفاده از یک پلتفرم گرافیکی برای این کار منطقی است.
هنگام صحبت در مورد زبان پرس و جو گراف، Xu همچنین به GQL اشاره کرد.GQL در حال حاضر تحت نظارت ISO است، استانداردسازی زبان پرس و جوی گرافیکی در حال حاضر در حال انجام است و از بسیاری از تامین کنندگان پشتیبانی دریافت کرده است.از آنجایی که مدتی است خبر زیادی نداریم، می خواهیم وضعیت را بدانیم.
خو اطمینان بخش است.او اشاره کرد که GQL پیشرفت ثابتی داشته است و ما ممکن است حتی قبل از سال 2021 شاهد نتایج باشیم. مانند همه کارهای استانداردسازی، کارها به کندی پیشرفت می کنند.با توجه به تعداد افراد و تامین کنندگان درگیر، می توان انتظار داشت.Xu ادامه داد که این دومین زبان پرس و جو است که توسط ISO در 40 سال پس از SQL استاندارد شده است.
نکته دیگری که Xu در GQL بیان کرد این است که نمودارها مانند پایگاه‌های داده کلید-مقدار یا پایگاه‌های داده اسناد نیستند.آنها یک زبان پرس و جو استاندارد ندارند و ممکن است به این زبان نیاز نداشته باشند.نمودار یک مدل داده غنی تر و پیچیده تر است که از مدل رابطه ای نیز غنی تر است و دسترسی برنامه نویسی به آن چندان منطقی نیست.
آیا این بدان معناست که سازمان ها آنها را با نمودارهای گرافیکی جایگزین می کنند تا پایگاه داده های رابطه ای اصلی خود را جایگزین کنند؟کاملا درست نیست، حداقل هنوز نه، اما خوب است.Xu از TigerGraph به عنوان نمونه ای از عملکرد سیستم ضبط یاد کرد، اما اشاره کرد که تمرکز هنوز بر روی تجزیه و تحلیل است.با این حال، با این حال، برنامه های بیشتر و بیشتری ابتدا گرافیک خواهند بود.
نویسنده: جورج آنادیوتیس، "داده های بزرگ" |2021 Nian 2 Yue 17 Ri -15: 08 GMT (23:08 SGT) |موضوع: تجزیه و تحلیل داده های بزرگ
داده ها با علم ملاقات می کنند: دسترسی باز، کد، مجموعه داده و نمودار دانش برای تحقیقات یادگیری ماشین و سایر زمینه ها
با ثبت نام، با شرایط استفاده موافقت می کنید و روش های داده های ذکر شده در سیاست حفظ حریم خصوصی را می پذیرید.
همچنین به صورت رایگان مشترک «به‌روزرسانی فناوری امروز» و اطلاعیه‌های ZDNet می‌شوید.شما می توانید در هر زمان از این خبرنامه ها لغو اشتراک کنید.
شما موافقت می‌کنید که به‌روزرسانی‌ها، هشدارها و تبلیغات را از سری شرکت‌های CBS، از جمله «به‌روزرسانی‌های فنی امروز» ZDNet و خبرنامه‌های اعلامی ZDNet دریافت کنید.می توانید در هر زمانی اشتراک خود را لغو کنید.
با امضا کردن، موافقت می‌کنید که خبرنامه‌های انتخابی را دریافت کنید که می‌توانید در هر زمان اشتراک خود را لغو کنید.شما همچنین با شرایط استفاده موافقت می‌کنید و شیوه‌های جمع‌آوری و استفاده از داده‌ها را که در خط‌مشی رازداری ما ذکر شده است، تأیید می‌کنید.
افزودن پشتیبانی REST یک استراتژی پل زدنی است که برای سازمان‌هایی که توسعه مبتنی بر API مدرن را انجام می‌دهند، اجرای کوئری‌های GraphQL خود را بدون …
استراتژی برند جدید دو سال پس از خروج از فهرست و خرید Keppel پیشنهاد شد.در این دوره، Singtel به یک پشته فناوری جدید نقل مکان کرد که 90٪ در فضای ابری اجرا می شود و برای ارائه… .
گزارش Accenture Technology Outlook 2021 "رهبر مورد نظر: استاد در حال تغییر" به پنج روند اشاره کرد که شرکت ها باید فوراً به آنها توجه کنند تا به آنها پاسخ دهند.
این حرکت منابع داده شخص ثالث را به پلتفرم علاءالدین بلک راک می آورد و Snowflake را قادر می سازد تا وارد بازارهای کلیدی شود.
مرکز سنگاپور اولین سایت مشابه آن در خارج از ایالات متحده است.
مایکروسافت همیشه در موقعیت "بالا سمت راست" در پلتفرم جدید آنالیتیکس و هوش تجاری گارتنر Magic Quadrant قرار داشته است، در حالی که رقبای اصلی در واقع بالا و پایین رفته اند.…
پلتفرم مبتنی بر Apache Spark در سال 2015 به طور کامل در AWS فهرست شد، سپس در سال 2018 در Microsoft Azure تعمیم یافت و اکنون 3 تا 3 پلتفرم بزرگ ابری را به خود اختصاص داده است.…
©2021 ZDNET، یک شرکت استارتاپ قرمز.تمامی حقوق محفوظ استسیاست حفظ حریم خصوصی|تنظیمات کوکی|تبلیغات|شرایط استفاده
زمان ارسال: فوریه-24-2021