비트나인 Graph it

Introduction 데이터 플로우 모델링은 기존의 DFD(Data Flow Diagram)를 통해 데이터 정보의 흐름을 논리적으로 모델링하는 기법으로, 시스템 내에서 데이터가 어떻게 처리되는지를 파악하고 관리하는데 활용됩니다. 그러나 그래프 데이터베이스를 이용하여 데이터 플로우 모델링을 구현할 경우, 데이터의 동적인 흐름을 더욱 직관적으로 파악하고 설계할 수 있습니다. 이 글에서는 그래프 데이터플로우 모델링의 적용 가능성과 다양한 예시를 상세히 살펴보겠습니다. 그래프 데이터플로우 모델링의 적용 예시 1. 행위에 대한 경로 모델링 (Pathfinding) 그래프 데이터플로우 모델을 이용하여 위치와 공간 정보를 노드로 표현하고, 경로의 전후 관계를 에지로 모델링함으로써 행위에 대한 동적인 데이터 흐름을 ..

그래프 데이터베이스(DB)는 여러 방식으로 연결된 복잡한 데이터를 저장할 수 있는 데이터베이스 관리 시스템(DBMS)이자, 데이터의 성능을 가장 효율적으로 활용할 수 있는 강력한 분석 솔루션입니다. 지식그래프 분야에서 잘 알려져 있는 것처럼 가장 유용한 그래프 DB의 활용 영역 중 하나는 자연어 처리(NLP) 및 Chat GPT 모델과 같은 챗봇, 나아가 인공지능(AI)의 영역입니다. Chat GPT : 챗봇을 더욱 인간답게 만드는 기술 챗봇(Chatbot)은 인간이 질문(Chat)을 하면, 데이터베이스 시스템에 저장된 지식을 검색하고 응답하는 인공지능(Bot)입니다. 물론 챗봇이 전혀 새로운 기술은 아닙니다. 그리고 우리가 이미 체감하고 있는 대로, 시장에 존재하는 많은 챗봇들의 성능이 그리 만족스럽지..

사람들의 군집 현상, 교통 체증, 인터넷 사용량 증가, 전력의 과부하 같은 어떤 매체가 한곳에 집중되어 제 기능을 수행하지 못하게 되는 현상은 우리 사회의 큰 문제점으로 자리 잡고 있다. 그래서 비트나인은 그래프 데이터를 기반으로 현상에 대한 분석뿐 아니라 모델링을 통해 향후 발생 가능성이 있는 집단 현상에 대하여 매체 분산을 목적으로 하는 해결책을 제시해본다. 포스팅 Part 1에 이어서 도로에서 정체가 발생했을 때, 상황 해결을 위한 판단 조건을 부여했다면, 이번 글에서는 조금 더 큰 차원인 도로·교차로로 이루어진 그래프 모델로 알아보고자 한다. 도로 그래프 모델링 대중에게 인기 있는 지역은 더 집중되고 자주 거쳐야 하는 곳의 통행을 선호한다는 가정을 기반으로 그래프 데이터에 대한 조건은 다음과 같다..

우리는 운전을 시작하기 전, 내비게이션을 켜고 보통 최단거리의 경로를 찾는다. 이때 내비게이션은 최단거리의 경로를 향하는 차가 많거나 그 도로가 복잡할 경우, 다소 돌아가더라도 밀집도가 적은 경로를 추천하기도 한다. 이번 글에서는 위와 같이 최단거리의 경로를 찾거나 밀집도가 높은 지역을 피해 돌아갈 수 있는 방법을 찾기 위한 그래프 분석 사례를 준비했다. 이를 이해하면 단순히 내비게이션의 작동 원리를 이해하는 것뿐만 아니라, 나아가 보행자가 많은 지역의 보행 흐름을 모니터링할 수 있게 되거나 그를 해소시킬 수 있는 방안을 찾을 수도 있을 것이다. 실제로 수 년 전에도 그래프 이론으로 서울 내 지역들의 골목길을 네트워크 구조로 표현하여 분석한 연구 사례가 있었다. 이 연구에 활용한 그래프 분석 지표와 사례..

지난해는 그래프 기술이 NoSQL 데이터베이스 중 주류가 된 해였습니다. 그래프 DB는 일반적인 사례(예: 사기 탐지, 자금 세탁 방지 및 CRM 등) 외에도 새로운 사례(예: 암 치료 개선, 암호화폐 의심 거래 탐지, 조세 회피 조사)에도 활발하게 적용되고 있습니다. 올해 그래프 DB는 기업들이 꼭 활용해야 할 ‘필수’ 데이터베이스가 될 것입니다. 이미 많은 기업과, 고객들이 그래프 기술로부터 이익을 보게 되면서 기술력은 입증된 바 있습니다. 앞으로 그래프는 계속해서 데이터 환경의 질을 높여나갈 예정입니다. 요즘 글로벌 시장에서는 그래프 기술을 빠르게 발전하는 ‘그래프 데이터 사이언스’라고 부르는데요, 이 화제거리인 키워드에 그래프 기반 ‘디지털 트윈’이 핵심이라고 합니다. 그래프 DB: 데이터 환경의..