为什么推理是实现数据全部潜力的关键

利用知识图谱的推理能力，组织可以推断新的数据连接并解释他们创建的任何新连接。

数字化转型风靡一时，在大多数情况下，数字化转型的目标是将数据视为资产。在某些情况下，这意味着将数据货币化，而在其他情况下，目标是更有效地利用数据来获得洞察力以做出更好的决策。然而，在现实中，两者都很难实现。数字化转型需要从日益混合、多样化和不断变化的数据中获得快速洞察，但传统的数据集成平台并非针对当今环境而设计。因此，组织无法再跟上数据日益复杂的步伐，也无法识别数据之间隐藏的关系和联系以发现新的机会。越来越需要一种推理能力，使公司能够将不同的数据集放在一起并分析它们以获得洞察力。

只有当 IT 团队能够摆脱僵化的数据结构和过时的集成方式时，才能在当今不断获取数据的复杂世界中推动增长和创新。

敏捷性是业务成功的关键，企业迫切希望数据在重要时可用，不是为了明天或下周的答案，而是为了现在。

但是，无论格式、来源或底层技术如何，都需要能够根据数据的商业意义连接数据。从机器学习和其他来源获得的大量数据需要能够关联存储在不同来源中的相关信息，然后应用丰富的关系网络来发现新的关联。这是实现数字化转型承诺的关键。但是如何实现这一目标呢？

从前提转移到逻辑结果：datafabrics 如何提供所需的推理

当今的组织正在采用数据结构等现代集成方法来支持协作、跨职能的项目和产品，并避开反应式工作流程。他们将来自内部孤岛和外部来源的数据编织在一起，创建了一个信息网络，为业务的应用程序、人工智能和分析提供动力。简而言之，它们通过在存储在不同来源的信息之间建立联系来支持当今复杂企业的全部范围。

知识图谱是有效数据结构不可或缺的一部分，因为它们创建了可重用的信息网络，表示各种结构的数据，并支持多种模式。创建对企业和第三方数据的语义理解，知识图谱作为数据结构的核心——丰富和加速现有投资，并提供对业务洞察力的关键访问。更重要的是，知识图将数据转化为支持情境变化的机器可理解的真实世界知识，因此意义会根据情况而变化。一旦建立，知识图谱还使用这个丰富的关系网络来发现数据中的新关联。这些推断的关系创建了对企业数据的更丰富、更准确的视图。

通过提供概念之间的分层关联，知识图提供了细致入微的理解，因此知识驱动的组织可以识别新发现。它们还提供数据中经常缺少的上下文，因为知识图是专门为支持知识的波动性质而构建的。结果是数字化运营的基础更加灵活，因为该技术可以轻松接受新的数据、定义和要求。

知识图的数据模型，通常称为本体或词汇表，列出实体之间的常见关系，并允许公司描述复杂领域。以医学为例。为了开发一种新疗法，制药公司必须能够访问多个事实、建模结构和业务规则，所有这些都必须相互交互以暗示新的联系。这种推理能力使制造商可以通过他们使用的应用程序将人员与基础设施联系起来。它还有助于他们根据新事件与过去事件的相似性来应用控制，并根据正在调查的条件找到研究人员和治疗领域之间的推断联系在学习中。名单还在继续。

同时将多个数据模型应用于数据结构使组织能够支持需要对相同数据进行不同解释的多个应用程序。传统的数据集成方法（例如数据湖或数据仓库）在这种能力方面受到限制，因为它们难以支持多个模式。这是企业必须为每个新应用程序、项目或分析不断创建新数据孤岛的原因之一。这种方法降低了执行推理分析的能力。

为成功的 Data Fabric 启用连接的企业附加组件

利用知识图的推理能力，组织不仅可以推断新的数据连接，还可以解释它创建的任何新连接。与无法为其结果提供任何解释或理由的黑盒推荐系统相比，知识图谱可以根据数据、模式和业务规则来解释所有推论和结果。这种解释性的透明度使用户能够查看知识图是如何得出答案的，以及为此参考的业务逻辑。这不仅对于在组织内提供可信的结果和问责制至关重要，而且对于某些法律和监管要求也是必要的。

虽然知识图是数据结构的关键组成部分，但它并不是组织成功所需的唯一因素。有效的数据结构需要利用和连接现有的源系统。它还需要能够连接到现有数据目录、数据湖、数据库和其他数据管理平台。对于数据结构部署，利用数据目录中完成的工作是加速数据发现和语义丰富的关键。使用数据目录作为输入，知识图构建企业数据资产的数据图，通过部分自动学习和自动学习进一步加速数据结构的创建。 - 现有资源的映射。

创建企业范围的数据模型是有关部署数据结构的另一个常见问题。许多人认为这是该计划的潜在昂贵且耗时的先决条件，但实际上，他们只需要根据初始用例的需要定义尽可能多的概念。首先确定一个关键业务问题，以引领更广泛的 Data Fabric 计划。以 MVP 思维方式处理 Data Fabric，只关注完成第一个业务目标所需的最少工作量。

各种规模的组织都更加关注和投资数字化转型。尽管重新受到关注，但基本数据挑战仍然是主要障碍。数字化转型需要掌握数据，并且由于 IT 的遗留问题，实现起来并不容易。需要管理的东西太多了：数据格式、标准、数据类型、速度、模式、系统、数据库、孤岛、方法论、模型等。现代企业 IT 环境的多样性令人生畏。

利用知识图谱的现代方法，组织不仅可以以一种有意义的新方式连接其内部数据孤岛，而且还可以通过推理发现隐藏的事实和关系，否则这些推理将无法大规模捕捉。通过捕捉不同业务部门可能对同一实体的细微差别，组织可以创建一个可重复使用的数字基础，以保持市场持续变化的空间，并为接下来的任何事情做好准备。