Sebab, teknologi graph dapat dengan cepat menyoroti, menemukan, dan memprediksi hubungan kompleks dalam data sehingga dapat menyajikan masukan yang berguna. Keandalan teknologi graph bisa mengungkap kemungkinan penipuan keuangan (fraud) ataupun membantu memecahkan permasalahan logistik dalam rantai pasok industri.
Kedua, graph akan semakin terintegrasi dengan machine learning dan artificial intelligence. Sepanjang tahun 2022, diprediksi akan ada lebih banyak perusahaan yang menerapkan graph analytics untuk mendukung penggunaan data analisis dan machine learning untuk memetakan problematika khusus seperti deteksi penipuan dan pencucian uang (money laundry), evaluasi dan resolusi bisnis, analisis konsumen customer 360, rekomendasi produk, infografik, keamanan siber, rantai pasok, internet of things, dan analisis jaringan.
Ketiga, Graph Query Language (GQL) segera distandardisasi. TigerGraph terus menggencarkan pengembangan graph database serta berkomitmen penuh menawarkan graph berskala petabyte atau petabita dalam dua tahun mendatang. TigerGraph saat ini sedang memfinalisasi standar LDBC-SNB Versi 100 Terabyte untuk bisa rampung tahun 2022. Tentunya, diperlukan standardisasi tersendiri bagi properti graph layaknya standardisasi digital yang sudah ada seperti SQL yaitu standar bahasa pemrograman untuk tabel.
Keempat, 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 itu menyebabkan adanya kebutuhan peningkatan hasil yang diharapkan dari machine learning konvensional tidak lagi hanya sebatas hasil yang umum.
Machine Learning dituntut untuk menghasilkan sebuah output data yang unik dan relevan di masing-masing sektor, seperti dalam industri kesehatan (untuk memberikan rekomendasi secara real-time), rantai pasokan industri (pemanfaatan analitik untuk pengambilan keputusan), dan layanan keuangan (untuk mendeteksi penipuan secara real-time). Karena itu masyarakat akan menyaksikan bukti nyata perpaduan distribusi graph database, analisis yang berkesinambungan, dan machine learning dalam waktu dekat.
Comments