Knowledge Graphs offer a way of structuring data by encoding relationships (edges of the graph) between entities (nodes of the graph) that serves to simplify the navigation and searching of information. They can be used as an abstraction layer on top of siloed data models providing a way to unify the models without having to change the source systems. An added advantage is that Knowledge Graphs have been commonly used to generate input for machine learning algorithms for reasoning with the stored data.

Radio Frequency Systems (RFS), a radio frequency solutions manufacturer, used Eccenca's Corporate Memory enterprise Knowledge Graph platform to harmonize it's data model for warehouse and production sites across 5 continents. With this approach they achieved an ROI of 250% within 1 year with 20 month of internal processes saved and a 12% reduction in working capital.

Les Knowledge Graphs offrent un moyen de structurer les données en encodant les relations (arêtes du graphe) entre les entités (nœuds du graphe) qui permet de simplifier la navigation et la recherche d'informations. Ils peuvent être utilisés comme couche d'abstraction au-dessus des modèles de données cloisonnés, offrant un moyen d'unifier les modèles sans avoir à modifier les systèmes source. Un avantage supplémentaire est que les graphes de connaissances ont été couramment utilisés pour générer des entrées pour les algorithmes d'apprentissage automatique afin de raisonner avec les données stockées. Radio Frequency Systems (RFS), un fabricant de solutions de radiofréquence, a utilisé la plateforme Corporate Memory Enterprise Knowledge Graph d'Eccenca pour harmoniser son modèle de données pour les entrepôts et les sites de production sur les 5 continents. Avec cette approche, ils ont atteint un retour sur investissement de 250 % en 1 an avec 20 mois de processus internes économisés et une réduction de 12 % du fonds de roulement.

Représentation des connaissances et graphes de connaissances