Graph analytics

Graph analytics is een categorie hulpmiddelen die wordt gebruikt om algoritmen toe te passen die de analist helpen de relatie tussen grafiekdatabase-items te begrijpen.

De structuur van een grafiek is opgebouwd uit knooppunten (ook wel vertices genoemd) en randen. Knooppunten geven punten in de grafiekgegevens aan. Bijvoorbeeld, accounts, klanten, apparaten, groepen mensen, organisaties, producten of locaties kunnen allemaal worden weergegeven als een node. Randen symboliseren de relaties, of communicatielijnen, tussen knooppunten. Elke rand kan een richting hebben, in één richting of in twee richtingen, en een gewicht, om de sterkte van de relatie weer te geven.

Als de grafische database eenmaal is opgebouwd, kunnen analyses worden toegepast. De algoritmen kunnen worden gebruikt om waarden te identificeren of inzichten in de gegevens aan het licht te brengen, zoals de gemiddelde padlengte tussen knooppunten, knooppunten die uitschieters zouden kunnen zijn en knooppunten met dominante activiteit. Het kan ook worden gebruikt om de gegevens op nieuwe manieren te ordenen, zoals het partitioneren van informatie in secties voor individuele analyse of het zoeken naar knooppunten die aan specifieke criteria voldoen.

Een aantal veelgebruikte tools voor het maken van grafiekanalyses zijn Apache Spark GraphX, IBM Graph, Gradoop, Google Charts, Cytoscape en Gephi.

Typen grafiekanalyses

Er zijn vier hoofdtypen analyses die kunnen worden toegepast op grafieken:

  1. Padanalyse- Deze richt zich op de relaties tussen twee knooppunten in een grafiek. Dit type grafiekanalyse kan helpen het kortste pad tussen knooppunten te identificeren, het breedste pad tussen gewogen knooppunten te vinden en een spanningboom rond een middelpunt te berekenen.
  2. Connectiviteitsanalyse- Deze richt zich op het gewicht van de randen tussen knooppunten. Het kan worden toegepast om zwakke plekken in een systeem of anomalieën zoals abnormaal hoge of lage activiteit te identificeren.
  3. Gemeenschapsanalyse- Dit richt zich op de interacties tussen nodes. Het clustert knooppunten in gelabelde groepen van soortgelijke objecten om te helpen bij de organisatie.
  4. Centraliteitsanalyse- Dit richt zich op de relevantie van elk knooppunt in een grafiek. Het kan worden gebruikt om populariteit of invloed tussen knooppunten te rangschikken.

Voorbeelden van toepassingen voor graph analytics

Graph analytics kan worden gebruikt voor een verscheidenheid aan toepassingen, zoals:

  • Opsporen van cybercriminaliteit, zoals witwassen, identiteitsfraude en cyberterrorisme.
  • Analyse toepassen op sociale netwerken en gemeenschappen, zoals het monitoren van statistieken en het identificeren van beïnvloeders.
  • Het uitvoeren van analyses op het verkeer en de kwaliteit van de dienstverlening voor computernetwerken.
  • Het optimaliseren van de logistiek voor de productie- en transportindustrie.
  • Het bepalen van de analytics van pagina's en het bijhouden van hun populariteit of het aantal kliks.
  • Het analyseren van de onderdelen van een softwaretoepassing en hoe ze op elkaar inwerken om potentiële problemen te vinden.