تا کنون، بزرگترین دور تامین مالی در بازار گرافیک نه تنها خبر خوبی برای TigerGraph، بلکه برای کل بازار است.
نویسنده: جورج آنادیوتیس، نویسنده: Big Data 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 تحقیق در مورد 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 تامین مالی 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 حدود 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 به 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 غیرعادی تر (مانند تجزیه و تحلیل بلاک چین و مبارزه با تقلب مالیاتی).همه چیز خوب است، اما تقریباً یک سؤال وجود دارد که باید پرسید: چرا ما به یک دور تأمین مالی نیاز داریم؟
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 با سایر تامین کنندگان در این زمینه را تایید می کند: آنها در حال حرکت از پایگاه داده به پلت فرم هستند و به حل مشکلات مشتری و ایجاد ارزش نزدیک تر می شوند.
Graph رشد انفجاری داشته است و بودجه TigerGraph بزرگترین تا کنون در این زمینه است که این را ثابت می کند.
Xu و Blaschka نحوه دستیابی به یک پایگاه داده گراف توزیع شده سریع و مقیاس پذیر را به عنوان نقطه شروع معرفی کردند.این به آنها اجازه می دهد تا در بسیاری از سازمان ها جای پای خود را به دست آورند، حتی اگر در ابتدا شهرت یا داستان موفقیت زیادی برای نشان دادن نداشتند.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 تجزیه و تحلیل گراف بلادرنگ توصیف کرد: به دست آوردن پاسخ هایی که نیاز به اتصال در زمان واقعی و پیمایش بسیاری از مجموعه های داده (معمولاً مجموعه داده های عظیم) دارند.Xu گفت که در بسیاری از موارد، TigerGraph تنها انتخاب برای چنین موارد استفاده است.پس از پذیرش، مشتریان شروع به استفاده از آن در موارد استفاده دیگر کردند، و امروز، TigerGraph اغلب به عنوان اولین راه حل برای تجزیه و تحلیل آفلاین استفاده می شود، Xu ادامه داد.
انتقال پشته TigerGraph به بالا می تواند به مواردی مانند افزودن IDE های تجسم و توابع پرس و جو تبدیل شود.این چیزی است که شرکت قصد دارد بیشتر توسعه دهد و می‌تواند به حوزه‌هایی مانند آنچه Xu آن را «هوش تجاری گرافیکی» می‌نامد، گسترش یابد..Xu به تفصیل جاه طلبی TigerGraph را برای ایجاد "Tableau for Graph" معرفی کرد.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 محصول پایگاه داده به عنوان سرویس را 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 در نظر گرفتن BigQuery گوگل به عنوان مثال، ادغام توابع یادگیری ماشین در طیف گسترده ای از پلتفرم های 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 به دلایل دیگری باید این کار را انجام دهند.
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 بعد، استفاده از داده های چند بعدی و استفاده از اتصالات است.بنابراین، استفاده از یک پلتفرم گرافیکی برای این منظور منطقی است.
هنگام صحبت در مورد زبان پرس و جو گراف، Xu همچنین به GQL اشاره کرد.GQL در حال حاضر تحت نظارت ISO، استانداردسازی زبان پرس و جوی گرافیکی است و پشتیبانی بسیاری از تامین کنندگان را دریافت کرده است.از آنجایی که مدتی است اخبار زیادی از این جنبه به ما نمی رسد، می خواهیم بدانیم وضعیت چگونه است.
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 در ادامه افزود که این دومین زبان پرس و جو است که توسط ISO در 40 سال پس از SQL استاندارد شده است.
نکته دیگری که توسط Xu در GQL مطرح شد این است که نمودارها مانند پایگاه داده های کلید-مقدار یا پایگاه 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؟هنوز 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، نویسنده: Big Data 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، کدها، مجموعه داده ها و نمودارهای 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 خبرنامه اطلاعیه ZDNet دریافت کنید.می توانید در هر زمانی اشتراک خود را لغو کنید.
با ثبت نام، با دریافت خبرنامه انتخابی موافقت می کنید و می توانید در هر زمانی که بخواهید اشتراک آن 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.
90000 دوربین در مکان های عمومی اصلی جزیره نصب شده است و دولت سنگاپور همچنین امیدوار است که دستگاه های "تغییر کننده بازی" بیشتری را به کار گیرد.
افزونه‌های خصوصی و چند ابری IBM Public Cloud اکنون در دسترس هستند.تفاوت در سرویس IBM Cloud PaaS این پلتفرم نهفته است.…
Seabin قصد دارد امسال را در سال 2021 جدی بگیرد، زیرا برای استفاده بهتر از داده های جمع آوری شده توسط تجهیزات خود به هوش مصنوعی روی خواهد آورد.
AMP کلودرا نمی تواند جایگزین کارهای انجام شده توسط دانشمندان داده شود، اما نقطه شروعی را برای آنها فراهم می کند تا بتوانند روی کد، تفاوت های ظریف و تکرارها برای موارد استفاده تجاری تمرکز کنند.…
DataStax بدون سرور را به سرویس ابری Astra خود معرفی می کند.اگرچه AWS خدماتی را ارائه کرده است، اما این اولین باری است که بدون سرور وارد یک سرویس ابری مبتنی بر آپاچی کاساندرا می شود.
تا سال 2025، 819 میلیون کارگر در منطقه آسیا و اقیانوسیه از مهارت های دیجیتال استفاده می کنند.تعداد امروز 149 میلیون است.شرکت ها ممکن است با کمبود شدید داده، ابر و امنیت شبکه مواجه شوند…
به همین دلیل و چگونه استارتاپی که چند ماه پیش توسط گروهی از محققان ایجاد شد، مشتریان شرکت های بزرگ و پول زیادی را جذب کرد.
زمان ارسال: مارس-02-2021