Pourquoi les graphes de connaissances fédérés sont le chaînon manquant de votre stratégie d'IA

Un récent rapport de McKinsey intitulé "Superagency in the workplace : Donner aux gens les moyens de libérer tout le potentiel de l'IA "note qu'"au cours des trois prochaines années, 92 % des entreprises prévoient d'augmenter leurs investissements dans l'IA". Ils ajoutent que les entreprises doivent réfléchir stratégiquement à la manière dont elles intègrent l'IA. Deux domaines sont mis en avant : les "modèles de gouvernance fédérés" et la "centricité humaine". Les équipes peuvent créer et comprendre des modèles d'IA qui leur conviennent, tout en disposant d'un cadre centralisé pour surveiller et gérer ces modèles. C'est là que le graphe de connaissances fédéré entre en jeu.

Pour les responsables des données et de l'informatique qui conçoivent des plateformesentreprise modernes, le graphe de connaissances fédéré est une architecture puissante et un modèle de conception pour la gestion des données, offrant une intégration sémantique à travers des écosystèmes de données distribués. Lorsqu'il est mis en œuvre avec la Actian Data Intelligence Platformun graphe de connaissances fédéré devient le fondement de l'automatisation contextuelle, reliant votre maillage de données ou votre tissu de données à une IA évolutif et explicable.

Graphe de connaissances et graphe de connaissances fédéré

Un graphe de connaissances représente les données comme un réseau d'entités (nœuds) et de relations (arêtes), enrichi d'une sémantique (ontologies, taxonomies, métadonnées). Plutôt que d'organiser les données en lignes et en colonnes, il modélise les relations entre les concepts.

Par exemple, "Le client X a acheté le produit Y dans le magasin Z à la date D".

Un graphe de connaissances fédéré va encore plus loin. Il relie des ensembles de données disparates et distribués au sein de votre organisation en un graphe sémantique virtuel sans déplacer les données sous-jacentes des systèmes.

En d'autres termes :

• Vous n'avez Vous n'avez pas besoin a lac de données centralisé.
• Vous n'avez Il n'est pas nécessaire d'harmoniser harmoniser tous les schémas d'emblée.
• Vous construire une couche logique qui relie les données à l'aide d'une signification partagée.

Cela permet aux humains et aux machines de naviguer dans le graphe pour répondre à des questions, déduire de nouvelles connaissances ou automatiser des actions, le tout sur la base d'un contexte couvrant plusieurs systèmes.

Exemple concret d'un graphe de connaissances fédéré en action

Vos données clients se trouvent dans un CRM basé sur le cloud, vos données de commande dans SAP et Analyse Web dans un entrepôt de données cloud. Traditionnellement, vous auriez besoin d'un pipeline d'extraction, de transformation et de chargement (ETL) complexe pour relier ces ensembles de données.

Avec un graphe de connaissances fédéré :

• Les termes "Customer", "utilisateur" et "client" peuvent être résolus comme une entité unifiée.
• Les relations entre leurs comportements, leurs achats et leurs tickets d'support sont modélisées sous forme d'arêtes.
• Plus important encore, l'IA peut répondre à des questions telles que "Quels sont les clients à forte valeur ajoutée qui ont subi des frictions au niveau de support , en corrélation avec une baisse de l'engagement ?"

C'est ce type d'information qui est à l'origine de l'automatisation intelligente.

L'importance des graphes de connaissances fédérés

Les graphes de connaissances sont actuellement utilisés dans diverses applications, en particulier dans les moteurs de recommandation. Cependant, l'approche fédérée aborde l'intégration inter-domaines, ce qui est particulièrement important dans les grandes entreprises.

Dans ce contexte, on entend par "fédération" :

• Les données restent sous contrôle local (ce qui est essentiel pour une structure de données en mailles). 
• La propriété et la gouvernance restent décentralisées. 
• L'accès en temps réel est possible sans duplication. 
• La sémantique est partagée à l'échelle mondiale, ce qui permet aux systèmes d'intelligence artificielle de fonctionner dans plusieurs domaines. 

Les graphes de connaissances fédérés sont donc particulièrement utiles dans les environnements où les données sont distribuées par conception, entre les départements, les plateformes en nuage et les unités commerciales.

Comment les graphes de connaissances fédérés Support automatisation de l'IA

L'automatisation de l'IA repose non seulement sur les données, mais aussi sur la compréhension. Un graphe de connaissances fédéré fournit cette compréhension de plusieurs manières :

• Unification sémantique: Résout les incohérences de dénomination, de structure et de signification entre les ensembles de données.
• Inférence et raisonnement : Les modèles d'IA peuvent utiliser des graphes et des ontologies pour obtenir de nouvelles informations.
• Explicabilité: Les graphes de connaissances fédérés stockent les chemins qui sous-tendent les décisions de l'IA, ce qui permet une plus grande transparence et une meilleure compréhension. Ceci est essentiel pour la conformité et la confiance.

Pour les ingénieurs de données et les équipes informatiques, cela signifie moins de temps consacré à la maintenance des pipelines et plus de temps pour mettre en place des applications intelligentes.

Complémentarité entre Data Mesh et Data Fabric

Les graphes de connaissances fédérés ne sont pas seulement un ajout à votre architecture de données moderne ; ils amplifient ses capacités. Par exemple :

• Dans une architecture de maillage de donnéesles domaines conservent le contrôle de leurs produits de données, mais la sémantique peut devenir fragmentée. Les graphes de connaissances fédérés fournissent une couche sémantique globale qui garantit une signification cohérente entre ces domaines, sans imposer une propriété centralisée.
• Dans une approche de conception de tissu de donnéesl'accent est mis sur l'intégration, la découverte et la gouvernance automatisées des données. Les graphes de connaissances fédérés servent de couche de raisonnement au-dessus du tissu, permettant aux systèmes d'intelligence artificielle d'interpréter les relations, et pas seulement d'accéder aux données brutes.

Non seulement ils se complètent dans une configuration architecturale complexe, mais lorsqu'ils sont alimentés par un graphe de connaissances fédéré, ils permettent de créer un écosystème de données évolutif et intelligent.

Une fondation plus intelligente pour l'IA

Pour les responsables techniques, l'automatisation de l'IA consiste à donner aux modèles le contexte nécessaire pour raisonner et agir efficacement. Un graphe de connaissances fédéré fournit la base évolutif et sémantique dont l'IA a besoin, et la plate-forme Actian Data Intelligence Platform en fait une réalité.

La plateforme Actian Data Intelligence repose sur un graphe de connaissances fédéré, transformant votre patrimoine de données fragmenté en une couche de connaissances connectée et prête pour l'IA, offrant une rampe d'accès accessible pour la mise en œuvre :

• Accès aux données sans mouvement de données: Vous pouvez vous connecter à des sources de données distribuées (dans le nuage, sur site, hybrides) sans déplacer ou dupliquer les données, ce qui permet une intégration sémantique.
• Gestion desmétadonnées : Vous pouvez appliquer des métadonnées d'entreprise et des ontologies de domaine pour unifier les définitions d'entités et les relations entre les silos, créant ainsi une couche sémantique partagée pour les modèles d'IA.
• gouvernance et lignage: Vous pouvez suivre l'origine, les transformations et l'utilisation des données dans l'ensemble de votre pipeline, ce qui favorise l'IA explicable et la conformité réglementaire.
• Réutilisation: Vous pouvez accélérer le déploiement grâce à des modèles de données réutilisables et alimenter de multiples applications (telles que le 360° client et la maintenance prédictive) en utilisant la même couche de connaissances fédérées.

Démarrer avec Actian Data Intelligence

Faites une visite guidée du produit dès aujourd'hui pour découvrir l'intelligence des données alimentée par un graphe de connaissances fédéré.

À propos d'Actian Corporation

Actian permet aux entreprises de gérer et de gouverner en toute confiance les données à l'échelle, en rationalisant les environnements de données complexes et en accélérant la fourniture de données prêtes pour l'IA. L'approche d'Actian en matière d'intelligence des données combine la découverte de données, la gestion des métadonnées et la gouvernance fédérée pour permettre une utilisation plus intelligente des données et améliorer la conformité. Grâce à des capacités intuitives de libre-service , les utilisateurs professionnels et techniques peuvent trouver, comprendre et faire confiance aux actifs de données dans les environnements cloud, hybrides et sur site . Actian fournit des solutions flexibles de gestion des données à 42 millions d'utilisateurs au sein de sociétés du Fortune 100 et d'autres entreprises dans le monde entier, tout en maintenant un taux de satisfaction de la clientèle de 95 %.