Big Data
Semantische Graphen: Basis für neue Anwendungen
Um wettbewerbsfähig zu bleiben, ist es für Unternehmen wichtig, datengetrieben zu agieren. So können sie zu schnelleren und besseren Entscheidungen kommen. Welche Rolle in diesem Zusammenhang semantischen und Metadaten zukommt.
In den vergangenen zehn Jahren konnte mit Self-Service-Analytics bereits viel erreicht werden, wenn es um die Auswertung von Daten und die Nutzung daraus resultierender Ergebnisse ging. Diese Option war jedoch vor allem auf diejenigen Unternehmen beschränkt, die die Zeit, die Fähigkeiten und die Bereitschaft mitbrachten, ihre eigenen Analysen durchzuführen. Zudem wussten diese Unternehmen genau, wo sie die benötigten Daten finden konnten. Business-Intelligence-fremde Unternehmensbereiche allerdings waren schnell abgehängt.
Strukturiert, unstrukturiert, modelliert
Um diesem Missstand abzuhelfen, greift man immer häufiger auf ein Modell aus den 1960er Jahren zurück: das semantische Netz beziehungsweise den semantischen Graphen. Indem zwischen einzelnen Begriffsknoten Beziehungen hergestellt werden, soll das gesamte Wissen eines Unternehmens besser zugänglich, besser lesbar und vor allem in einen sinnvollen Zusammenhang gesetzt werden. Dies gelingt unter anderem durch Machine Learning. Vereinfacht gesagt: Ein Algorithmus kann bei Eingabe eines Suchbegriffes eine Relevanzbestimmung vornehmen und entsprechend Ergebnisse ausgeben. Durch die Interaktion des Users lernt die Maschine beziehungsweise der Algorithmus zudem stetig dazu. Auch das Tagging, also die Zuordnung bestimmter Begrifflichkeiten zu Dokumenten oder Datensätzen, kann die Modellierung eines eigenen Enterprise Data Graph unterstützen. Vorab müssen jedoch sämtliche strukturierten und unstrukturierten Daten vereinheitlicht und in einer Datenbasis zusammengefasst werden. Unstrukturierte Daten sind dabei oftmals eine Hürde, denn nicht alle Tools erlauben es, Fließtext unkompliziert in die Struktur umzuwandeln, die für den semantischen Layer benötigt wird. Einige Tools jedoch bieten Erweiterungen an, die genau dies abbilden können und somit die Basis für erfolgreiches Handeln auf Datenbasis schaffen.
Datenmengen im Griff behalten
Weshalb wieder vermehrt das Graphen-Modell genutzt wird, ist einfach erklärt: Unternehmen und Organisationen sind stärker von Daten abhängig als je zuvor. Darüber hinaus wächst der Datenbestand in unüberschaubarer Geschwindigkeit und Menge. Dieser Masse Herr zu werden, sie zu indizieren und heterogene Daten zu organisieren, ist nur mithilfe einer semantischen Grundlage möglich. Indem man Datenbestände in einem einzigen, schlüssigen semantischen Modell zusammenführt, wird die Basis für eine zuverlässige und geregelte Analyse geschaffen. Damit ist es künftig einfacher, neue Einblicke zu gewinnen, vertrauenswürdige Anwendungen zu erstellen und letztlich auch die Akzeptanz bei Mitarbeitern und bei Kunden zu erhöhen.
- Semantische Graphen: Basis für neue Anwendungen
- Metadaten um Nutzungstelemetrie bereichern
Lesen Sie mehr zum Thema
