提到圖，大家可能不怎么了解，但是提到知識圖譜(knowledge graph)，絕對是當(dāng)前的熱門話題。近年來，各個行業(yè)涌現(xiàn)出大量的垂直應(yīng)用及服務(wù)提供商，各個企業(yè)，從技術(shù)到業(yè)務(wù)的各個條線，紛紛學(xué)習(xí)知識圖譜的概念、技術(shù)、建設(shè)方法。知識圖譜，是對現(xiàn)實(shí)世界的抽象，通過點(diǎn)和邊描述實(shí)體之間的關(guān)系，構(gòu)成一個大型的語義網(wǎng)絡(luò)，提供一種從關(guān)系的視角來觀察世界的方法。但究其本質(zhì)，知識圖譜其實(shí)只是圖的其中一種應(yīng)用。那除了知識圖譜，圖還能做什么呢?

一、圖直觀體現(xiàn)了實(shí)體之間的聯(lián)系

提到一個新的東西，首先要知道它是什么。相信之前對圖有了解的小伙伴，一下子就能說出圖的概念：圖(graph)是由一組或多組點(diǎn)以及點(diǎn)和點(diǎn)之間的關(guān)系(也被稱為邊)組成的。比如知識圖譜，實(shí)際上是把知識提取出來做連接，如果僅僅是把數(shù)據(jù)連接起來，那可能只是一個數(shù)據(jù)圖譜。但是在我們與客戶實(shí)際交流的過程中發(fā)現(xiàn)，只知道圖的概念，是沒辦法真正切換到圖的思維方式的，而圖的思維方式，對于重新思考業(yè)務(wù)，有著非常大的價值。

什么是圖的思維方式呢?讓我舉個例子，這個場景大家一定不會陌生。白板是公司里最常使用的工具之一。當(dāng)遇到一個問題需要群策群力的時候，我們會召集一些小伙伴，到一個會議室里進(jìn)行頭腦風(fēng)暴。首先，拋出幾個議題，大家發(fā)散思維，將想到的東西盡可能多的寫在白板上。然后，將這些信息進(jìn)行分類、排序，或者繪制一些流程。當(dāng)苦苦思索，陷入僵局的時候，我們會緊盯著白板上的信息，飛快地運(yùn)轉(zhuǎn)自己的大腦，期望能想出一些新的點(diǎn)子。忽然，靈光一現(xiàn)，可能是白板上的某些東西和自己腦中的信息產(chǎn)生了碰撞，也可能是白板上某些信息之間，貌似有一些新的聯(lián)系，就這樣，一個新的點(diǎn)子產(chǎn)生了，我們可以就這個點(diǎn)子進(jìn)行新的討論，并重復(fù)這個過程。而解釋這種想法，我只需要把自己的想法寫在白板上，并重新理清關(guān)系。

聽起來很熟悉吧?沒錯，這其實(shí)就是我們自然的思考方式，也就是圖的思維方式。這個例子中，最重要的是聯(lián)系(connection)，我們需要把每個人腦中的信息聯(lián)系起來，去發(fā)現(xiàn)一些新的東西，同樣地，當(dāng)我們向別人解釋自己的想法，用圖的方式去解釋這些信息如何聯(lián)系在一起，構(gòu)成一個想法，別人也更容易接受。

[[332468]]

在偵探電影中，我們經(jīng)常看到偵探把案情的所有信息貼在墻上，去發(fā)現(xiàn)里面一些隱藏的關(guān)系，因?yàn)檫@很有可能是破案的關(guān)鍵。如果家里的實(shí)體書種類繁多，散落在各處，我們在思考的時候，很有可能偶然看到某本書，想到了其中的某些內(nèi)容，把它們和思考的內(nèi)容結(jié)合起來產(chǎn)生一些新的想法。跨學(xué)科思維，其實(shí)也是將一些可能看起來毫不相干的內(nèi)容聯(lián)系起來，產(chǎn)生新的想法或者解決方案。

二、圖思維其實(shí)就是發(fā)現(xiàn)聯(lián)系的過程

所以圖思維，核心是聯(lián)系(connection)，當(dāng)我們思考的重點(diǎn)在于事物之間如何聯(lián)系，或者期望通過聯(lián)系事物去產(chǎn)生一些新的思考的時候，其實(shí)已經(jīng)運(yùn)用了圖思維。

而意識到這是一種圖思維，會有什么樣的意義呢?還是舉個例子，這其實(shí)會讓我們多一種解決問題的方式。

這是斯坦福大學(xué)《數(shù)理邏輯與人工智能》中的一個問題。

看到這個問題的第一反應(yīng)，你可能會想著用純邏輯推理的方式來解決這個問題。但是如果用圖的思維方式，我們將解決問題的重點(diǎn)放到了情況之間的聯(lián)系上。我們可以先構(gòu)造一個認(rèn)知圖(Epistemic graph)，列出所有的8種可能情況，通過不確定邊來連接可能情況，去看每個人的認(rèn)知和可能情況之間的聯(lián)系，然后根據(jù)條件結(jié)合每個結(jié)點(diǎn)的鄰邊，不斷縮小圖中的結(jié)點(diǎn)的范圍，最后推理出結(jié)論。這種方式會讓這個問題變得更加簡單。

圖是一個高度抽象的模型，數(shù)據(jù)中的各種關(guān)系都能用圖表示。圖中的點(diǎn)和邊，可以非常靈活，不局限于現(xiàn)實(shí)意義的實(shí)體。最直接能想到的當(dāng)然是某個人可以是點(diǎn)，某個產(chǎn)品可以是點(diǎn)，它們之間的聯(lián)系是邊;路口是點(diǎn)，路口與路口連接的XX路是邊。但你完全可以把某個產(chǎn)品的某個特性抽象成點(diǎn)，比如顏色、重量;XX路抽象成點(diǎn)，路口也抽象成點(diǎn)，XX路和YY路的連接是邊。甚至再擴(kuò)展到一些虛擬的實(shí)體，比如可能的情況是點(diǎn)，某筆交易是點(diǎn)，某個訂單是點(diǎn)。甚至到某些分子是點(diǎn)，分子之間的連接是邊(沒錯，圖是可以用在化學(xué)/生物等學(xué)科上的)。圖由你自由定義，可以連接人，連接物，連接知識，連接數(shù)據(jù)，連接規(guī)則，連接過程，連接抽象的和實(shí)際的實(shí)體。

三、圖在企業(yè)中的實(shí)際應(yīng)用和價值

圖能給企業(yè)帶來什么價值呢?上述的兩個例子可能已經(jīng)給了你一些啟發(fā)。圖非常擅長通過聯(lián)系發(fā)掘數(shù)據(jù)中隱藏的價值。在國外，其實(shí)已經(jīng)有非常多行業(yè)的客戶在用圖做實(shí)際應(yīng)用，囊括了金融、電信、電商、能源、醫(yī)療、供應(yīng)鏈、制造、政府等各個行業(yè)。圖本身并不是一個垂直行業(yè)的技術(shù)，而是通用的技術(shù)。

在金融行業(yè)，圖可以進(jìn)行申請反欺詐、反盜刷、信用卡追逃、洗錢團(tuán)伙發(fā)現(xiàn)，事前事中發(fā)現(xiàn)潛藏風(fēng)險，事后降低損失;在電信行業(yè)，圖可以和機(jī)器學(xué)習(xí)結(jié)合，幫助客戶進(jìn)行電信反欺詐，實(shí)時識別出欺詐電話、廣告電話、騷擾電話、正常電話，并及時報送公安部門;在電商行業(yè)，圖可以構(gòu)建用戶360畫像，幫助客戶進(jìn)行實(shí)時個性化產(chǎn)品推薦;在能源行業(yè)，可以構(gòu)建電網(wǎng)一張圖，進(jìn)行潮流分析，實(shí)現(xiàn)超實(shí)時計(jì)算;在醫(yī)療行業(yè)，圖可以對用戶進(jìn)行實(shí)時護(hù)理路徑推薦;在供應(yīng)鏈行業(yè)，客戶可以通過圖及時了解某項(xiàng)因素發(fā)生變化時，對上下游及總體成本的影響，發(fā)現(xiàn)產(chǎn)品延誤、裝運(yùn)狀態(tài)及其他質(zhì)量控制和風(fēng)險問題;在制造行業(yè)，圖可以找到復(fù)雜生產(chǎn)工藝的最佳路徑;在政府行業(yè)，圖可以改進(jìn)社會福利服務(wù)管理。在通用行業(yè)，圖可以進(jìn)行數(shù)據(jù)治理中的數(shù)據(jù)血緣分析、實(shí)體解析，網(wǎng)絡(luò)&IT資源優(yōu)化，為機(jī)器學(xué)習(xí)提供圖特征。

國內(nèi)的應(yīng)用場景主要集中在金融行業(yè)。當(dāng)然，圖用來做反欺詐、反洗錢等，是非常適合的，這些也是很成熟的應(yīng)用。其他行業(yè)為什么沒有對圖進(jìn)行大規(guī)模的應(yīng)用呢?其實(shí)是因?yàn)椋瑢D有了解的人，基本集中在學(xué)術(shù)和計(jì)算機(jī)領(lǐng)域。而想要將圖的價值發(fā)揮出來，需要業(yè)務(wù)人員的參與和思考，因?yàn)闃I(yè)務(wù)人員是最懂業(yè)務(wù)的。理解和使用圖的思維方式，是應(yīng)用圖解決實(shí)際問題的第一步。

四、應(yīng)用圖分析的條件和工具

我們通常把這種用圖去分析問題的方式叫做圖分析(Graph Analysis)。我們認(rèn)為，如果想要應(yīng)用圖分析給企業(yè)帶來真正的價值，需要圖的思維方式(產(chǎn)生需求&問題)+企業(yè)數(shù)據(jù)(解決問題的數(shù)據(jù)基礎(chǔ))+解決方案(解決問題的方法)+工具(選擇合適的工具解決問題)。

圖的思維方式

由于歷史原因(有興趣的小伙伴可以了解一下數(shù)據(jù)庫的歷史，導(dǎo)航數(shù)據(jù)庫-關(guān)系型數(shù)據(jù)庫-nosql數(shù)據(jù)庫-圖數(shù)據(jù)庫)，當(dāng)我們思考業(yè)務(wù)和數(shù)據(jù)結(jié)合的時候，往往會考慮技術(shù)的限制，應(yīng)用關(guān)系型數(shù)據(jù)庫的方式，也就是用表的思路來思考，這會極大的限制我們的思路。而現(xiàn)在有了新的工具——圖數(shù)據(jù)庫，可以將我們的想法更直接的與工具結(jié)合，不需要再將最初的想法打碎成一個個表格，再通過表格來表示實(shí)際業(yè)務(wù)。

舉一個企業(yè)反薅羊毛的實(shí)際場景，薅羊毛是指商家或金融機(jī)構(gòu)為了拉新會舉辦一些推廣活動，比如每邀請一個新用戶注冊，可以獲得一定的積分獎勵，這些積分可以兌換現(xiàn)金、優(yōu)惠券或者獎品。活動上線會吸引黑產(chǎn)團(tuán)伙，這給推廣方造成了大量的資金浪費(fèi)。薅羊毛和反薅羊毛成為了黑產(chǎn)團(tuán)伙和推廣方之間的博弈。

針對這種推廣活動，關(guān)系型數(shù)據(jù)庫里最簡單的存儲方式是分為邀請注冊表和積分兌換表兩張表，通過統(tǒng)計(jì)的方式去識別黑產(chǎn)團(tuán)伙，比如每個獨(dú)立設(shè)備登陸的賬戶數(shù)，每個IP上登陸的賬戶數(shù)等等。然而黑產(chǎn)團(tuán)伙可以通過群控設(shè)備，虛擬IP等等技術(shù)來繞開這些檢測。

但如果轉(zhuǎn)換成圖的思維方式，著重從關(guān)系的角度去分析，會發(fā)現(xiàn)一些非常有趣的模式。用戶邀請注冊的這些新用戶，他們既沒有產(chǎn)生新的交易，也沒有邀請新的人，甚至還按時間形成非常有序的排列，這毫無疑問也是薅羊毛的一種模式，單純通過統(tǒng)計(jì)很難發(fā)現(xiàn)。(詳情可參考https://beader.gitbook.io/tigergraph-tutorials/usecases/invite-graph-econnoisseur-detection/background)

所以第一步，需要業(yè)務(wù)人員切換到圖的思維來重新思考業(yè)務(wù)，找到那些以前解決困難或者解決不了的復(fù)雜業(yè)務(wù)問題，嘗試用圖的思維方式來解決，甚至找到一些新的業(yè)務(wù)價值點(diǎn)。

企業(yè)數(shù)據(jù)

我們的想法往往需要通過數(shù)據(jù)分析來驗(yàn)證或者落地。當(dāng)我們的數(shù)據(jù)量巨大，且類型復(fù)雜的時候，單純的統(tǒng)計(jì)分析已經(jīng)沒辦法滿足我們的需求了。業(yè)務(wù)人員在進(jìn)行探索式分析時，需要多維度思考，落地到關(guān)系型數(shù)據(jù)庫里，就體現(xiàn)為多表關(guān)聯(lián)，在數(shù)據(jù)量巨大的時候，這對關(guān)系型數(shù)據(jù)庫是個災(zāi)難。而采用數(shù)據(jù)倉庫和大寬表的方案也不盡如人意。本質(zhì)上是因?yàn)椋@些技術(shù)的重點(diǎn)并不是在數(shù)據(jù)之間的關(guān)系上。應(yīng)用圖分析平臺，業(yè)務(wù)人員和數(shù)據(jù)分析人員，都可以從數(shù)據(jù)的角度出發(fā)，去做一些探索，找到一些隱藏的聯(lián)系。嘗試從關(guān)系的角度，發(fā)掘出新的價值。

解決方案

當(dāng)有了想要解決的問題和解決問題的數(shù)據(jù)基礎(chǔ)，還需要解決問題的方法。我們可以把行業(yè)經(jīng)驗(yàn)和圖算法結(jié)合起來。可以從簡單的關(guān)系查詢開始，比如看新進(jìn)客戶是否和一個已有黑點(diǎn)連接，基于已有的規(guī)則做更深度的探索，通過子圖判斷兩個客戶是否相似。同時，還可以利用一些圖算法做輔助，比如我們想要發(fā)現(xiàn)一些隱藏的洗錢團(tuán)伙，欺詐團(tuán)伙，可以用圖中衡量群體度的算法——魯汶算法(Louvain Modularity);我們想要找到所有客戶中最有影響力的人(KOL)，可以用圖中衡量中心度的算法——頁面排名算法(PageRank)。當(dāng)找到一些模式后，可以通過圖上的模式匹配找到所有的相似客戶，并通過一些目標(biāo)值做反復(fù)的驗(yàn)證和迭代。業(yè)務(wù)人員、數(shù)據(jù)分析人員、IT人員都可以參與到其中，包括一些經(jīng)驗(yàn)豐富的解決方案提供商，都是我們有力的幫手。

工具

從業(yè)務(wù)的探索到最后的落地應(yīng)用，需要一個安全易用、穩(wěn)定可靠的工具支持。更重要的是，要選擇合適的工具。

首先，如何使用圖，是純粹的做圖的可視化?還是做圖的查詢計(jì)算?還是做圖的數(shù)據(jù)和業(yè)務(wù)探索?

其次，是否傳統(tǒng)的關(guān)系型數(shù)據(jù)庫就能解決這個問題，或者圖數(shù)據(jù)庫才能解決這個問題，還是需要多種工具結(jié)合使用。

最后，關(guān)于工具本身的功能。業(yè)務(wù)人員可能更加關(guān)注探索與交互的易用性;開發(fā)人員可能更加關(guān)注開發(fā)的便捷性，語言是否強(qiáng)大;運(yùn)維人員可能更加關(guān)注系統(tǒng)管理、資源監(jiān)控。不同的角色有不同的關(guān)注點(diǎn)，這都是工具需要解決的問題。

看完上述四個步驟，你肯定會有很多問題，比如，怎么從數(shù)據(jù)的角度在圖中做探索呢?有沒有什么已經(jīng)落地的，圖的解決方案?關(guān)于企業(yè)不同角色對于工具的關(guān)注點(diǎn)，TigerGraph能夠滿足嗎?由于篇幅有限，這些問題，我們會在后續(xù)的內(nèi)容中一一解答。

總結(jié)一下，除了知識圖譜，圖還能做什么呢?Think in graph, and you will find it.