1.图数据库和知识图谱将成为2022年的主导力量许多人预测图数据库将成为2022年的秘密武器。IDC研究副总裁CarlOlofson预计，未来10年图数据库的使用量将增长600%，从今年。在分析师DaveVellante撰写的一篇文章中，总结了典型的关系数据库的使用方式及其局限性：“使用关系数据库，你可以（找到关系，看看链中有多少层），但这需要大量的编程。在事实上，你几乎可以用关系数据库做以上任何事情，但问题是，你必须对它进行编程。每当你想编程时，就意味着你无法跟踪它，你无法定义它。只是功能，你不能发布它，而且随着时间的推移，它真的、真的很难维护。”在图形数据库中，用户可以克服关系数据库的通常限制，因为它旨在提供丰富的关系分析和上下文映射。由于它们实际上是各种类型数据的可视化网络，因此它们可用于跟踪数据中的连接，因此公司可以全面了解所有数据、文档等。虽然知识图谱很流行以适应2022年的数据管理趋势，但知识图谱通常描述起来有点复杂，这有时会让普通用户感到不舒服。数据科学家呼吁越来越多地教授知识图是什么以及它们如何工作，以便更多的公司可以采用它们并从中获益。什么是知识图？它们有什么好处？对于初学者来说，它们提供了一种非常聪明的方法来做这样的事情：创造财富数据点之间的连接；定义数据对象的概念及其属性，以便可以轻松地搜索它们；合并孤立的数据结构，以便数据i可在一处访问；通过自然语言处理(NLP)解释非结构化文本，使其具有可操作性。知识图谱虽然看起来很复杂，但实际上讲的是构成它的数据，通过知识图谱，可以按照人们自然思考和提问的方式存储信息。举个例子：莉莉是一个人，她对达芬奇很感兴趣，达芬奇画了蒙娜丽莎，蒙娜丽莎在巴黎的卢浮宫，詹姆斯就住在那里，詹姆斯是莉莉的朋友。我们绕了一圈，很容易理解，因为我们沿着数据点的方向走，从而追踪到图形的关系。跟踪客户购买历史、供应链运营、人力资源劳动力结构等的公司数据也是如此。2.关注非结构化数据知识图有助于丰富非结构化数据，数据管理者将继续将非结构化数据作为资产优先考虑是一件好事。过去，公司忽视了他们的非结构化数据，因为处理和从中获取见解太麻烦了，现在人们将其视为分析数据不同方面的机会。语义AI帮助我们更好地解释非结构化数据，因为它将机器学习和NLP技术与知识图谱相结合，使算法不仅可以处理单词，还可以理解底层概念及其上下文，从而更好地分析文本。换句话说，语义人工智能会告诉计算机，一份购车市场文件是关于豪华汽车品牌捷豹的，而不是关于丛林动物捷豹的。非结构化数据无处不在，因此使用可以从数百页中提取相关术语并从中获取有用信息的软件符合用户的最大利益。3.智能文档处理和内容管理2022年的另一个数据管理趋势是将内容管理放在数据战略的最前沿。如果人们开始关心他们的非结构化数据，那么他们自然也会关心内容管理系统(CMS)的工作方式。除了基于文本的内容带来的典型问题（例如上面描述的语言歧义）之外，使用它的主要缺点之一是如果没有适当地策划和标记，处理内容会变得非常困难。搜索特定内容可能会很乏味，这就是为什么需要自动分类和文档标记来提高典型CMS的精确搜索能力的原因。Gartner将智能文档处理(IDP)定位为未来几年的必要实践，因为它能够将复杂的文档捕获、消化和重新处理为可操作的数据，而NLP和知识图谱将广泛用于此功能。4.数据治理使用语义作为数据管理策略的一大优势是它优先使用元数据。简单地说，元数据是提供有关其他数据的信息的数据。例如：一部小说可以按流派、作者、平装本与精装本、出版公司和版权日期等各种形式的元数据的所有示例进行描述。分类法、概念标签和知识图谱很好地促进了元数据的创建和维护，这对于数据治理很重要。数据治理是一个框架，用于定义如何根据内部数据标准和政策处理数据，在数据管理社区中越来越受欢迎。在对今年趋势的预测中，Dataversity声称“数据安全、数据审计和数据质量正变得越来越复杂。因此，组织正在制定更全面的数据治理策略。”除了帮助遵守法规和业务需求外，数据治理还有助于评估数据源变化的影响。通过建立标准化的数据模型，安全和风险专业人员可以根据风险和安全需求对数据进行分类，从而主动应对潜在问题。5.2022年及以后的语义人工智能业务将越来越依赖语义人工智能来满足他们的需求，尤其是在涉及非结构化数据和修复数据孤岛时。图数据库和语义人工智能被证明是收集、管理和获取数据的高性能方法，以至于它们不仅会成为2022年的数据管理趋势，而且会成为未来许多年的主流。
