Большинство потребителей, заказавших в прошлом году автомобили на заказ, покидали автосалоны в меньшем восторге, чем им хотелось бы. Вместо того, чтобы держать в руках квитанции и предполагаемые даты получения, большинству не сообщали, когда именно они будут доставлены.

Почему? Конечно, потому что Земля была в эпицентре глобальной пандемии. И даже после того, как заводы по сборке автомобилей снова открылись, это не означало, что то же самое можно сказать и о производителях и поставщиках более 30 000 компонентов, необходимых для создания автомобиля или внедорожника. Фактически, во многих случаях сборки невозможно было даже запланировать или спрогнозировать, потому что были нарушены целые цепочки поставок, и было трудно понять, как одна, казалось бы, несопоставимая часть или процесс связаны со следующей и как они связаны с какой-либо конкретной сборкой. . В результате повороты стали практически невозможными, и некоторые потребители, заказавшие автомобили в августе 2020 года, не знали, получат ли они доставку до или после января 2021 года.

Покупатели автомобилей Jaguar и Land Rover испытали совершенно другой опыт, потому что производитель автомобилей использовал решение графической аналитики (точнее, TigerGraph) еще до начала пандемии.

В результате они могли выполнять запросы и перераспределять части для удовлетворения спроса. «Процесс, который в прошлом мог занять несколько дней, был смоделирован и оценен за меньшее время, чем на написание слайда PowerPoint, чтобы представить идею», - сказал в презентации Гарри Пауэлл, директор по данным и аналитике Jaguar Land Rover. .

Во время утреннего Саммита по графам и искусственному интеллекту, который проходит виртуально, аналитик Forrester Ноэль Юханна отметил, что искусственный интеллект и машинное обучение могут помочь прогнозировать проблемы в цепочке поставок, пока еще есть время на их устранение. График и AI / ML могут помочь определить, какие поставки следует расставить по приоритетам и куда перенаправить .

Причина, по которой TigerGraph может решить эту проблему так, как не могут традиционные базы данных, заключается в том, что данные в графе уже связаны, объяснил Тодд Блашка, главный операционный директор TigerGraph. «Это проблема в форме графа», - добавил он. «В течение 40 лет люди пытались ответить на бизнес-вопросы, используя данные, чтобы они могли моделировать в реальном времени».

Компания Jaguar Land Rover перешла от запросов к ответам, проанализировав массив собранных данных, а затем применив машинное обучение (ML) и ИИ для решения таких проблем, как «спрос на Land Rover Range Rover Eclipse стремительно растет. Могу ли я взять дубликаты деталей для Land Rover Discovery, которые сейчас не нужны для соблюдения сроков доставки. Где эти совместимые детали? »

Причина, по которой TigerGraph может решить проблему Jaguar Land Rover так, как не смогли бы другие графические технологии, заключается в том, что он легко масштабируется по мере роста данных. Более того, по словам Гаурава Дешпанде, вице-президента по маркетингу TigerGraph, TigerGraph работает «чрезвычайно быстро (до 1000 раз быстрее, чем у ближайшего конкурента) даже на самых сложных данных. Это включает в себя потоковую передачу данных, чтобы решения можно было принимать в режиме реального времени ».

Graph имеет практически неограниченное количество вариантов использования во многих отраслях промышленности. Учтите, что на сегодняшнем саммите по графам и искусственному интеллекту Брэд Спирс, исполнительный директор JPMorgan Chase, рассказал о том, как можно объединить искусственный интеллект с графическим и машинным обучением для улучшения бизнес-результатов. Хизер Адамс, управляющий директор Accenture, рассказала о том, как графики и аналитика используются для борьбы с финансовыми преступлениями. Джеспер Ванг, аспирант кафедры медицинских технологий, биологии онкологических систем, Технический университет Дании, рассказал о том, как аналитику графов можно объединить с областями искусственного интеллекта, машинного обучения и трансляционной биоинформатики для создания моделей, которые могут прогнозировать риск рецидива и токсичность при лечении острого лимфобластного лейкоза.

Стоит отметить, что возможность выполнять чувствительные ко времени, рентабельные запросы к объемам потоковых и статических данных с использованием технологий графов все еще нова (TigerGraph коммерчески запущен в 2017 году), а варианты использования бесконечны. Что интересно, теперь вы можете получить ответы на вопросы, которые раньше не могли себе позволить.