【元数据管理】语义层、知识图，以及激活的元数据如何使它们发挥作用。

图形已经伴随我们几十年了，但自从在Matlab中编写算法以来，一些事情发生了变化：

• 图形存储：Neo4j、TigerGraph、Graphdb、Neptune、RelationalAI等等。原生图数据库允许我们构建关系模型，而不是在传统数据库中通过无休止的JOIN进行黑客攻击。
• 图形算法：深度学习现在是图形的原生技术，甚至在那之前，允许图形对齐和图形嵌入的新方法帮助我们组合、丰富和转移匿名知识。
• 自然语言处理的突破：我们中的许多人都在玩ChatGPT，并对NLP的进步以及它在不同知识领域的丰富程度感到惊讶。现在想象一下，将一个关系模型与知识图中的语义理解“结合”起来。

鉴于以上所有功能的强大，现在是使用知识图来自动化和增强数据建模、管理和发现的最佳时机。

事实上，利用元数据，我们的行为痕迹与数据和分析资产，可以给我们带来更大的胜利。这一胜利是双重的：基于使用的数据模型的自动化和在其之上生成语义层（Business Terms，Metric Store），以及对用户如何与所有这些交互的理解。

其结果是增强治理、辅助可观察性以及更快、更明智的分析。

在illumex中，我们决定专注于语义层激活来实现这一点。