Blockdit Logo
Blockdit Logo (Mobile)
สำรวจ
ลงทุน
คำถาม
เข้าสู่ระบบ
มีบัญชีอยู่แล้ว?
เข้าสู่ระบบ
หรือ
ลงทะเบียน
BDI-Big Data Institute
•
ติดตาม
28 มี.ค. 2022 เวลา 04:07 • วิทยาศาสตร์ & เทคโนโลยี
Gartner บริษัทวิจัยและผู้ให้คำปรึกษาด้านเทคโนโลยีสารสนเทศชั้นนำของโลกเลือกให้การวิเคราะห์เชิงกราฟ (Graph Analysis / Network Analysis) เป็น 1 ในเทรนด์การวิเคราะห์ข้อมูลที่น่าสนใจและจะช่วยพัฒนานวัตกรรมใหม่ขององค์กรในอีก 5 ปีข้างหน้า
หลายอุตสาหกรรมจึงนิยมนำการวิเคราะห์เชิงกราฟมาประยุกต์ใช้กันอย่างแพร่หลาย
แล้วการวิเคราะห์เชิงกราฟคืออะไร? สามารถนำไปใช้ทำอะไรได้บ้าง?
Graph Analysis การวิเคราะห์เชิงกราฟเบื้องต้น
การวิเคราะห์เชิงกราฟ คือ การนำหลักการของทฤษฎีกราฟ (Graph Theory) มาใช้วิเคราะห์ข้อมูลเพื่ออธิบายความสัมพันธ์เชิงลึกระหว่างข้อมูลสองสิ่งที่เชื่อมโยงเป็นกันเป็นเครือข่าย ทำให้เกิดมุมมองการวิเคราะห์ข้อมูลในมิติใหม่ ดังนั้นกราฟในทฤษฎีกราฟจึงมีส่วนประกอบที่สำคัญ 2 ส่วน
1. จุดยอด (Node) คือ ตัวแทนของจุดข้อมูลจุดหนึ่งที่เราต้องการติดตามในเครือข่าย
2. เส้นเชื่อม (Edges) คือ เส้นเชื่อมต่อระหว่างจุดยอด ใช้กำหนดความหมายและทิศทางของความสัมพันธ์ระหว่าง 2 จุดยอด
ส่วนประกอบของกราฟ
ในภาพนี้จุดยอด คือ สมหญิง สมชาย สองปองและสมหมาย
ส่วนเส้นเชื่อมบอกได้ว่าสมปองและสมชายรู้จักทุกคนในกราฟความสัมพันธ์ ทิศทางของความสัมพันธ์เป็นกราฟที่ไม่ระบุทิศทาง
จากข้อมูลนี้วิเคราะห์ได้ว่า “สมหญิงและสมหมายมีความสัมพันธ์หรือมีความสนใจใกล้เคียงกัน เพราะสมหญิงและสมหมายต่างก็รู้จักสมชายและสมปอง”
การเก็บข้อมูลแบบตารางข้อมูล
โดยส่วนใหญ่แล้วองค์กรจะเก็บข้อมูลในรูปแบบของตารางข้อมูล (Relational Database) ที่แยกตามหัวข้อ การหาข้อมูลจะทำได้โดยการเชื่อมความสัมพันธ์ระหว่างตารางข้อมูลที่ถูกจัดเก็บอยู่ในหลาย ๆ ตาราง
หากต้องการหาข้อมูลที่ซับซ้อนหรือมีการเชื่อมโยงมาก ๆ วิธีนี้อาจจะไม่สามารถตอบโจทย์ที่ต้องการได้
การเก็บข้อมูลในรูปแบบกราฟ (Graph Database)
1. การเก็บข้อมูลในรูปแบบกราฟ (Graph Database)
เป็นการเก็บข้อมูลใหม่เป็นก้อนข้อมูล 1 ชุดและกำหนดความสัมพันธ์ระหว่างข้อมูลใหม่และข้อมูลชุดเดิมที่มีอยู่แล้ว ทำให้การสืบค้นนั้นมีประสิทธิภาพมากขึ้น
2. การพัฒนาระบบแนะนำ (Recommender System)
การวิเคราะห์ข้อมูลเชิงกราฟสามารถนำมาประยุกต์ใช้ในระบบแนะนำสินค้าได้ โดยใช้รายละเอียดของสินค้าแต่ละชิ้นมาเชื่อมโยงหาสินค้าที่มีคุณสมบัติใกล้เคียงกัน
ตัวอย่างที่ 1 เป็นการวิเคราะห์จากข้อมูลของหนังที่ผู้ชมคนหนึ่งเคยดู
โดยจำแนกชุดข้อมูลจากประเภทของภาพยนตร์ นักแสดงนำ และผู้กำกับ ระบบจะนำข้อมูลมาประมวลผลเพื่อแนะนำภาพยนต์ที่มีคุณสมบัติใกล้เคียงกับเรื่องที่เคยดู
การวิเคราะห์จากข้อมูลของหนังที่ผู้ชมคนหนึ่งเคยดู
ตัวอย่างที่ 2 คือการเชื่อมโยงเครือข่ายเพื่อนบนเว็บไซต์ LinkedIn
เมื่อผู้ใช้เพิ่มข้อมูลสถานที่ทำงาน กราฟข้อมูลจะถูกนำมาประมวลเพื่อแนะนำเพื่อนที่อยู่บนเว็บไซต์และทำงานอยู่ในบริษัทเดียวกัน
การเชื่อมโยงเครือข่ายเพื่อนบนเว็บไซต์ LinkedIn
3. การช่วยค้นหาแหล่งที่มาของความสัมพันธ์
ตัวอย่างที่ 1 การประยุกต์ใช้การวิเคราะห์เชิงกราฟตรวจจับการฟอกเงิน
วิเคราะห์การเชื่อมโยงของเส้นทางธุรกรรมทางการเงินทั้งหมดที่เกี่ยวข้องกับบุคคลที่ต้องการตรวจสอบ เพื่อตรวจสอบแหล่งที่มาและเส้นทางการส่งออกไป
การประยุกต์ใช้การวิเคราะห์เชิงกราฟตรวจจับการฟอกเงิน
ตัวอย่างที่ 2 การติดตามเส้นทางการแพร่กระจายและหาสาเหตุของโรคระบาด
การวิเคราะห์ข้อมูลเชิงกราฟเป็นเครื่องมือที่เป็นประโยชน์มากในกลุ่มสาธารณสุข เช่น กรณีที่ประเทศสิงคโปร์ที่ได้นำเทคนิคนี้ไปใช้สืบหาบุคคลและพื้นที่เสี่ยง และสามารถนำผู้ป่วยมารักษาและกักตัวได้ทันเวลานี้ จึงเป็นอีกเหตุผลที่ประเทศสิงคโปร์สามารถควบคุมโรคโควิดได้อย่างมีประสิทธิภาพ
การติดตามเส้นทางการแพร่กระจายและหาสาเหตุของโรคระบาด
อ่านบทความเพิ่มเติมที่ 📘📙
https://bigdata.go.th/big-data-101/graph-analysis-introduction/
#BigData #Data #ดาต้า #ข้อมูล #digital #ดิจิทัล #Tech #Technology #เทคโนโลยี #BigData101 #graph #GraphAnalysis
datascience
bigdata
datascientist
2 บันทึก
1
2
2
1
2
โฆษณา
ดาวน์โหลดแอปพลิเคชัน
© 2024 Blockdit
เกี่ยวกับ
ช่วยเหลือ
คำถามที่พบบ่อย
นโยบายการโฆษณาและบูสต์โพสต์
นโยบายความเป็นส่วนตัว
แนวทางการใช้แบรนด์ Blockdit
Blockdit เพื่อธุรกิจ
ไทย