Andreas Pranatalta
PERKEMBANGAN dunia digital semakin pesat dan terus memberikan inovasi yang memudahkan para penggunanya. Seiring dengan kemajuan tersebut, data yang menjadi pilar dari dunia digital, akan semakin intens dikelola. Salah satu tren yang akan berkembang pesat di masa depan adalah graph technologies atau yang disebut Teknologi Graph.
Teknologi Graph akan menjadi tren dan kebutuhan dalam pengelolaan data. Pada 2025, tren implementasi Teknologi Graph diprediksi meningkat hingga 80 persen dibandingkan total utilisasi Teknologi Graph di 2021 ini yang hanya sekitar 10 persen. Prediksi ini sesuai dengan visi penyedia graph analytics TigerGraph untuk terus berinovasi menyediakan platform layanan Teknologi Graph.
Tren digitalisasi bukanlah jargon semata, melainkan sebuah kebutuhan vital bagi pelaku usaha untuk bisa semakin maju. Instrumen analitik graph bisa menjadi solusi untuk meningkatkan intensitas manajemen data yang bisa memberikan output yang dibutuhkan oleh dunia usaha.
Vice President Product and Innovation TigerGraph Dr Jay Yu mengatakan, Graph database akan menjadi komponen analisis dan manajemen data yang penting dalam lanskap digitalisasi data 2022.
Baca juga:
“Ada empat alasan besar terhadap pentingnya Graph database,” ujarnya berdasarkan keterangan remi yang diterima Merah Putih.
Pertama, Graph menjadi solusi inovatif bagi perusahaan di berbagai sektor. Seiring dengan meningkatnya volume data yang dibuat dan direplikasi oleh perusahaan, Teknologi Graph yang terskala dengan baik mampu menjadi katalisator penghubung penting antar data yang berlimpah.
Teknologi dari Graph dengan cepat menyoroti, menemukan, dan memprediksi hubungan kompleks dalam data sehingga dapat menyajikan masukan yang berguna. Salah satu kelebihan dari Teknologi Graph adalah bisa mengungkap kemungkinan penipuan keuangan (fraud) atau pun membantu memecahkan masalah logistik dalam rantai pasok industri.
Kedua, Graph akan semakin terintegrasi dengan Machine Learning dan Artificial Intelligence. Sepanjang 2022, diprediksi akan ada lebih banyak perusahaan yang menerapkan graph analytics untuk mendukung penggunaan data analisis dan machine learning untuk memetakan problematika khusus seperti deteksi penipuan dan pencucian uang.
Ketiga, Graph Query Language (GQL) segera terstandarisasi. TigerGraph saat ini sedang memfinalisasi standar LDBC-SNB Versi 100 Terabyte untuk bisa rampung di 2022. Tahun depan diharapkan standardisasi GQL mengalami kemajuan signifikan dan memasuki tahap finalisasi.
Baca juga:
Terakhir, kesadaran terhadap Graph Data meningkat pesat. Pada tahun-tahun mendatang, masyarakat akan menyaksikan adopsi yang cepat juga masif dari Graph Data Science. Karena data dan pembelajarannya saling berkaitan serta berkembang. Hal tersebut menyebabkan adanya kebutuhan peningkatan hasil yang diharapkan dari machine learning konvensional tidak lagi hanya sebatas hasil yang umum.
Berdasarkan empat alasan tersebut, dapat disimpulkan bahwa Graph Data Science memberikan nilai tambah yang sangat signifikan terhadap machine learning melalui analitik graph. Oleh sebab itu akan lebih banyak perusahaan yang beralih dari pola pikir eksplorasi ke produksi pada 2022. (and)
Baca juga:
