그래프에서 지식 그래프로: 그래프가 어떻게 Knowledge Graph가 되는가

경쟁 우위를 확보하려는 기업에게 지식의 힘을 활용하는 건 필수적이에요.

누구나 지식을 얻고, 자신이 아는 모든 것을 연결하고 싶어하죠. 하지만 데이터를 지식으로 바꾸는 건 아직도 진행 중인 노력이에요. 발전은 있었지만, 대부분의 데이터 환경은 아직 성숙하지 못했어요. 이제 데이터를 연결해서 관리하기 쉽고 유용하게 만들 차례가 온 거죠.

이 블로그 시리즈에서는 그래프부터 Knowledge Graph까지 다룰 거예요. 작게 시작해서 즉각적인 가치를 얻고, 외부로 확장하면서 무한한 통찰력을 향한 여정을 시작하는 거죠.

1부: 데이터 동향 및 과제

3부: 실행 및 결정 Knowledge Graph

3부로 구성된 시리즈 중 두 번째 블로그에서는 그래프가 어떻게 Knowledge Graph가 되는지 알아볼게요.

Knowledge Graph란 무엇일까요?

정의는 이렇습니다.

Knowledge Graph는 의미론적으로 강화된 상호 연결된 데이터 세트예요. 그래서 기본 데이터에 대해 추론하고 복잡한 의사 결정에 자신 있게 사용할 수 있죠.

이제 이 정의를 조금씩 풀어볼까요?

연결된 데이터의 가치

데이터를 연결하면 맥락이 추가되고 결과가 더 좋아져요. 최고의 의사는 숙제를 열심히 하죠. 의사가 시간을 내서 여러분의 건강 상태, 병력, 실험실 검사, 활력 징후 등 예약 이유를 꼼꼼히 검토한다면 진료가 훨씬 더 생산적일 거예요. 의사는 맥락, 즉 여러분의 맥락을 가지고 있는 거죠.

더 와닿는 예시는 LinkedIn이에요. 연결 수는 성공의 척도로 여겨지죠 (500개 이상의 연결). 다른 유명 소셜 네트워크와 마찬가지로 LinkedIn은 그래프 데이터 구조를 기반으로 만들어졌어요.

한 위성 제조업체는 매우 복잡한 제품인 Product 360의 전체 수명 주기 동안 모든 프로세스와 데이터를 통합하고 싶어했어요.

최고 데이터 책임자(CIO)는 이렇게 말했어요. "예전에는 누군가가 실패의 근본 원인을 수동으로 찾아내야 했어요. 부품 고장에 영향을 줄 수 있는 모든 것을 살펴봤죠. 엔지니어링 문제인지, 조달 문제인지, 공급업체 문제인지, 아니면 제조 결함인지... 사람이 직접 하려면 몇 주가 걸렸는데, 그래프가 이런 순회를 빠르게 수행하고 차이를 찾아서 즉시 보고하도록 하는 게 목표였죠."

의미론 강화

데이터를 연결하면 그 데이터는 본질적으로 더 가치 있게 되고, 동적인 맥락을 제공하게 돼요. 더 많은 정보(의미론)를 추가하면 그 가치는 새로운 차원으로 올라가죠.

실제로 그래프를 만들다 보면, 화이트보드에 그래프를 그려도 좀 더 자세한 정보를 추가하고 싶어질 거예요. 추가 정보는 의미론, 즉 그래프 위에 의미를 덧씌우는 것과 같아요.

At NASA에서 David Meza는 수억 개의 문서, 보고서, 프로젝트 데이터 요약, 학습한 교훈, 과학 연구, 의학 분석 등을 Knowledge Graph에 통합하려고 했어요. Meza는 콘텐츠에 적용할 수 있는 태그를 찾아내는 주제 모델링 알고리즘을 통해 이 모든 문서의 텍스트를 실행해서 그래프를 강화했죠.

Meza에 따르면 NASA의 Lessons Learned Knowledge Graph는 화성 임무를 가속화해서 연구 개발 비용을 최소 1년, 200만 달러 이상 절약했다고 해요.

이런 경험을 바탕으로 Meza는 지금 뭘 하고 있을까요? 그는 다음 단계로 나아갔어요. 민간 부문이 깊이 관여하고 있는 이 시기에 NASA를 발전시킬 적절한 사람을 찾는 거죠.

인재는 당연히 그래프로 찾아요. NASA의 새로운 Knowledge Graph는 특정 지식, 기술, 능력을 가진 사람들을 찾는 데 사용되는데요. 역할과 직위가 표준화되어 있지 않기 때문에 Meza는 이걸 미국 노동부의 O*NET, OPM(Office of Personnel Management) 분류, EU의 ESCO를 포함한 정부 데이터베이스의 기존 온톨로지에 매핑했어요.

NASA는 인재 채용과 관련해서 특별한 요구 사항이 있지만, 이건 대부분의 조직이 직면한 광범위한 과제이기도 해요. Knowledge Graph는 어떤 임무든 도움이 될 수 있죠.

기본 데이터에 대한 이유

Knowledge Graph는 심층적이고 역동적인 맥락을 제공해요. 이걸 통해 사람들은 해당 데이터 전반의 모든 관계와 함께 모든 관련 정보를 한 곳에서 찾을 수 있죠. 정보를 더 많이 추가할수록 Knowledge Graph의 가치는 점점 더 높아져요.

예를 들어 NASA의 Lessons Learned Knowledge Graph를 통해 엔지니어는 특정 부품을 살펴보고 해당 부품이 어떻게 사용되는지에 대한 통찰력을 얻을 수 있어요. 엔지니어는 특정 부품을 요청하고 해당 부품이 어떤 하위 시스템과 관련되어 있는지 알아낼 수 있죠. 서로 다른 그룹에서 관리하는 모든 하위 시스템이 어떻게 함께 모이는지 탐구하고 시스템 전체에 대한 감을 잡으려고 노력할 수도 있고요.

사기 조사관은 잠재적인 사기 행위에 대한 수천 건의 경고에 파묻히는 경우가 많아요. 이런 경고를 선별하려면 여러 시스템을 조사해야 하는데, 시간이 꽤 걸리죠. Knowledge Graph는 고객 속성, 신용 점수, 위치, 지불 내역 등과 같은 많은 데이터 소스를 통합하므로 조사관은 사기 행위를 신속하게 조사하고 다른 방법으로는 알아차리지 못했을 패턴을 확인할 수 있어요.

자신있게 사용하세요

데이터 싸움! 여러분은 술집에서 난투를 본 적은 없을 수도 있지만, 우리 대부분은 데이터 불일치(또는 좀 더 정중하게는 데이터 논쟁)를 본 적이 있을 거예요. 숫자가 일치하지 않는 불일치 때문에 발생하죠. "전화번호는 어디서 얻었나요?" 누군가 묻습니다. "그건 내 데이터가 말하는 것이 아니에요."

데이터를 어떻게 자신 있게 사용할 수 있을까요? 데이터가 어디서 왔는지, 얼마나 많은 변화를 겪었는지, 깨끗하게 정리되었는지, 언제 마지막으로 업데이트되었는지, 누가 업데이트했는지 등을 알면 돼요.

Knowledge Graph를 사용하면 이런 유형의 메타데이터를 그래프에 쉽게 추가할 수 있어요. Knowledge Graph는 데이터에 대한 세부 정보를 캡처하는 데 탁월하고, 이 메타데이터는 Knowledge Graph의 일부가 되죠. 데이터 싸움(또는 데이터 논의)이 발생하는 경우 이런 유형의 세부 정보는 불일치를 조사하는 데 매우 중요해요.

복잡한 의사결정을 위한

NASA의 수석 데이터 과학자인 David Meza는 "보유하고 있는 문서의 종류와 이를 최종 사용자를 위한 실행 가능한 지식으로 어떻게 변환할 수 있는지 살펴보기 시작하면 의사 결정이 향상됩니다."라고 말했어요.

는 프랑스에 본사를 둔 스타트업인데, 만성 통증을 겪는 사람들을 돕기 위해 Knowledge Graph 기반 플랫폼을 개발했어요. 개인의 고유한 병력을 최신 연구 및 치료법과 결합함으로써 환자와 보호자는 삶의 질을 개선하고 증상을 더 잘 관리할 수 있는 다음 단계를 신속하게 발견하죠.

무제한의 통찰력을 향한 짧은 여정

그래프는 정리 원리를 겹칠 때 Knowledge Graph가 돼요. 이런 식으로 Knowledge Graph는 데이터를 더욱 스마트하게 만들죠.

그래프에서 Knowledge Graph로의 전환은 미묘하고 유기적이에요. 예를 들어 공급망 그래프를 작성한다고 해볼게요. 해당 공급망에서 파트너와 협력한 기간, 파트너의 위치, 운송 모드, 할인, 고려해야 할 배송 지연에 대한 정보를 추가하면 Knowledge Graph가 되는 거죠.

결론

이게 바로 Knowledge Graph가 Neo4j에서 가진 아름다움이에요. 작은 규모로 시작해서 모든 종류의 실질적인 과제를 해결하고 Knowledge Graph를 점진적으로 강화해서 추가 사용 사례를 해결하고 추가 이해관계자에게 서비스를 제공할 수 있다는 점이죠.

Knowledge Graph의 구조를 조정하거나 데이터 소스를 추가하기로 결정했다면, Neo4j를 사용해서 그래프 구조를 간단하게 수정하고 데이터를 해당 구조로 리플로우할 수 있어요. 이러한 민첩성은 기본 Graph Database의 일부랍니다.

이 믿을 수 없을 정도로 간단한 구조는 고급 AI 및 Machine Learning을 지원하죠. 모든 그래프 데이터 과학 프로젝트가 Knowledge Graph로 시작된다는 건 놀라운 일이 아니에요.

다음 주 이 시리즈의 마지막 블로그에서는 Knowledge Graph의 두 가지 범주에 대해 살펴볼게요.

기업에서 Knowledge Graph의 힘을 활용하여 경쟁 우위를 확보하는 방법에 대해 자세히 알아보세요. 무료 사본 받기그래프에서 Knowledge Graph까지: 무제한의 통찰력을 향한 짧은 여정.

• 고객에 대한 360도 뷰
• nasa

---

에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.

👉 에이치시스템즈 홈페이지