L’abbiamo sentito spesso: l’AI rivoluzionerà il nostro modo di lavorare.
Per le aziende, questo significa poter sfruttare a pieno i dati aziendali, con il vantaggio di trasformare quelle informazioni in scelte di business vincenti.
Per le persone significa usare strumenti di AI semplici e intuitivi. Eppure, dietro a questa apparente semplicità si cela un sistema di informazioni e connessioni complesso.
È al cuore di questo sistema che troviamo il business knowledge graph (BKG), anche detto in italiano "grafo della conoscenza", una rete di informazioni aziendali che ne illustra le relazioni tra loro.
È un elemento fondamentale per integrare, elaborare e interpretare dati aziendali complessi. Per questo, se la tua azienda desidera sfruttare l’AI, comprendere la struttura e il funzionamento del BKG sarà imprescindibile.
In questo articolo vedremo che cos’è, com’è strutturato e quali sono le sue componenti principali. Faremo anche esempi pratici di tecnologie che puoi usare per creare un business knowledge graph e consigli per iniziare.
Come funziona un Business Knowledge Graph
Pensa a quando cerchi qualcosa su internet. Fai la tua richiesta, premi invio e il motore di ricerca ti presenta una pagina di risultati, di solito con dei link.
Spesso, però, oltre ai link, il motore di ricerca ti propone anche altri contenuti correlati, come immagini, recensioni o coordinate geografiche.
L’insieme di queste entità costituisce il knowledge graph panel, o scheda informativa, ed è alimentato da un knowledge graph, il sistema che collega tutti i tipi di dati che il motore di ricerca trova sul web. Possiamo immaginarlo come una rete di informazioni interconnesse in cui ogni nodo rappresenta un’entità e ogni collegamento un’associazione semantica.
Il business knowledge graph funziona in modo analogo, ma è declinato sulle esigenze specifiche dell’azienda. È una rete di entità - eventi, concetti, situazioni, valori - storicizzate in un database e presentate sotto forma di strutture a grafo. Il BKG non solo rappresenta le relazioni tra queste entità, ma fornisce una struttura per interpretarle in ottica aziendale.
Se applicato a strumenti di Business Intelligence che sfruttano l’AI, il knowledge graph organizza i dati grezzi dell’azienda e, tramite algoritmi di machine learning, crea collegamenti logici tra di loro. Grazie a questi collegamenti le persone in azienda possono ottenere informazioni utili e azionabili.
In poche parole, il business knowledge graph trasforma i dati aziendali in decisioni.
Componenti di un Business Knowledge Graph
Le componenti di ogni business knowledge graph sono tre e sono tutte fondamentali per il corretto funzionamento del sistema.
1. Nodi
I nodi rappresentano le entità del BKG. Possono essere oggetti reali, concetti astratti o asset aziendali. In base alla richiesta, i nodi possono includere nomi, posizioni geografiche o periodi di tempo.
Esempio: se la tua azienda desidera sapere l’aumento del margine di profitto in Q4 2024 negli Stati Uniti, i nodi saranno “Stati Uniti”, “margine di profitto” e “Q4 2024”.
2. Archi
Gli archi sono le connessioni tra i nodi e rappresentano le relazioni tra le varie entità. Queste connessioni permettono di restituire informazioni di valore e creare una conoscenza aziendale strutturata.
3. Etichette
Le etichette sono metadati che descrivono e categorizzano i nodi (le entità) e gli archi (le connessioni). In questo modo è possibile definire le relazioni all’interno del grafo.
Riprendiamo l’esempio precedente: l’etichetta dell’entità “Stati Uniti” sarà “regione” e l’etichetta dell’entità “Q4 2024” sarà “tempo”. L’etichetta degli archi che collegano le tre entità “Stati Uniti”, “margine di profitto” e “Q4 2024”, invece, saranno parole come “negli”, “in”, “raggiunto”, per restituire le informazioni in linguaggio naturale.
La rivoluzione del Business Knowledge Graph nell’analisi dati
In passato i dati erano confinati in database statici, indipendenti e non comunicanti tra di loro, come i CRM o le banche dati. Era difficile avere una panoramica comprensiva di tutti le informazioni a disposizione.
Con l’introduzione del knowledge graph è possibile raccogliere tutti i dati aziendali all’interno di un’unica rete di entità interconnesse, facilitando l’analisi e dando la possibilità di concentrarsi sulle relazioni e le connessioni tra i dati. Ed è così che le aziende possono scoprire nuove potenziali aree di valore per il business.
Il BKG è essenziale per analizzare i dati aziendali e rispondere a domande in linguaggio naturale per due motivi:
1. Approfondimenti contestuali
Quando prendi una decisione, è importante avere un’idea chiara del contesto e di tutti gli elementi a disposizione. Il business knowledge graph fa proprio questo: fornisce una panoramica completa di tutta la conoscenza aziendale, presente e passata. In questo modo puoi prendere decisioni più informate.
Riprendiamo l’esempio di prima: se un’azienda vuole sapere l’incremento del margine di profitto in Q4 2024 negli Stati Uniti, il grafo prenderà in considerazione anche informazioni contestuali come l’impatto sulle vendite di una particolare stagione (come il Natale), i trend di vendita regionali o l’efficacia delle campagne di marketing.
2. Arricchimento dei dati
Più dati hai a disposizione, maggiori sono le connessioni di senso che il knowledge graph è in grado di creare. In altre parole, più dati hai, migliori sono le risposte che l’AI potrà darti.
Seguendo l’esempio sopra, un arricchimento delle informazioni potrebbe voler dire incorporare report di ricerche di mercato, in grado di fornire maggior contesto sulle abitudini di consumo delle persone.
Vantaggi di un Business Knowledge Graph
Esploriamo quattro dei numerosi vantaggi che il BKG può portare alle aziende.
1. Integrazione dei dati
La rete di informazioni del knowledge graph è in grado di creare un ecosistema unificato in cui i dati non sono più confinati in silos, ma comunicanti.
2. Governance dei dati
Il livello semantico strutturato del knowledge graph permette di avere metadati standardizzati e una terminologia chiara e coerente; in questo modo migliora non solo la qualità del dato, ma anche l’accessibilità.
3. AI-ready framework
Il knowledge graph offre dati contestualizzati che potenziano le prestazioni dell’AI. In questo modo può anche fare da base per automazioni e applicazioni più avanzate e aiutare le aziende a rimanere competitive.
4. Sviluppo agile e scalabile
Lo sviluppo agile del knowledge graph garantisce la scalabilità dell'integrazione dei dati. Inoltre, la sua flessibilità permette una crescita iterativa che mantiene rilevanti le infrastrutture dati anche con l'emergere di nuove fonti.
Come usare il Business Knowledge Graph in azienda
Se la tua azienda ha deciso di investire in uno strumento di Decision Intelligence basato sull’intelligenza artificiale, ecco come implementare e usare il knowledge graph.
Fase 1: imposta il Business Knowledge Graph
Prima di iniziare l’analisi, ci sono alcuni elementi fondamentale da preparare.
I. Crea un database
Costruisci un database dal quale il BKG possa estrarre le informazioni. Puoi connettere diverse fonti dati, come i CRM, i dati del servizio clienti, i dati ERP. L’insieme di questi dati costituirà l’ossatura del knowledge graph.
II. Definisci chi userà lo strumento
Un altro aspetto fondamentale da chiarire all’inizio del processo di implementazione è chi userà lo strumento e come. Non tutti, infatti, avranno lo stesso accesso e non tutti useranno le stesse funzionalità. Di solito, i profili sono due: admin e member. L’admin è la persona che si occupa di configurare lo strumento e di dare gli accessi a tutti gli altri collaboratori. È importante sottolineare che tutti i BKG devono essere conformi ai requisiti di regolamentazione, come il GDPR o il CCPA, e limitare l’accesso ai dati sensibili.
III. Definisci il linguaggio aziendale
Terzo, ma non meno importante, il BKG deve attingere a informazioni specifiche dell’azienda, come il gergo, le parole chiave o in generale tutti quei dettagli fondamentali per poter comprendere il contesto. In questo modo il knowledge graph potrà restituire le informazioni in linguaggio naturale in linea con il gergo dell’azienda.
Fase 2: allena il Business Knowledge Graph
Una volta impostate le basi, il knowledge graph è pronto per essere utilizzato e, proprio come un cervello umano, non smette mai di imparare e perfezionarsi. Ecco come:
IV. Interazione e apprendimento
Il BKG si perfeziona a ogni interazione. Più fai domande ed esplori argomenti suggeriti, più il BKG apprende e acquisisce le tue abitudini, preferenze e interessi. In questo modo avrai risposte personalizzate sui tuoi obiettivi di business.
V. Crescita dinamica
Il BKG è programmato per crescere in modo dinamico. Più dati gli dai in pasto, più il BKG migliora le sue performance e fornisce analisi sempre più dettagliate. Di conseguenza, lo strumento si mantiene rilevante ed efficace nel tempo ed è in grado di tenere il passo con i cambiamenti dell'azienda e l'evoluzione del mercato.
Il knowledge graph è un elemento fondamentale di ogni strumento di AI per permettere alle persone di navigare i dati aziendali, rimanere informati sui cambiamenti importanti e prendere decisioni basate sui dati.
Come costruire un Business Knowledge Graph
Ecco alcuni degli strumenti che puoi utilizzare per costruire e gestire un knowledge graph.
1. Memgraph
Memgraph è una piattaforma di database in tempo reale progettata per costruire e gestire grafi. Offre funzionalità come l'elaborazione dati ad alte prestazioni, l'analisi in tempo reale e la gestione di strutture di knowledge graph complesse. Memgraph è utile per le aziende che devono analizzare rapidamente grandi volumi di dati interconnessi.
2. Amazon Neptune
Amazon Neptune è una piattaforma di business knowledge graph di AWS che supporta sia i grafi di proprietà sia i grafi Resource Description Framework (RDF). È uno strumento versatile adatto a diversi tipi di applicazioni di BKG ed è ideale per le aziende che necessitano di una soluzione scalabile.
3. Type DB
Type DB è una piattaforma di business knowledge graph che utilizza un modello iper-relazionale per rappresentare dati complessi. È particolarmente adatto a scenari in cui le relazioni tra i dati sono intricate e multidimensionali.
4. Neo4j
Neo4j è noto per i suoi database robusti e flessibili, che lo rendono ideale per i BKG che crescono insieme alle esigenze dell'azienda.
Il Business Knowledge Graph di Crystal
Il knowledge graph permette a Crystal, lo strumento di Decision Intelligence di iGenius, di trasformare i dati aziendali in conversazioni e decisioni informate ed è unico per ogni progetto.
Viene creato insieme all'azienda, in fase di configurazione, dopo aver selezionato le fonti di dati e definito entità e semantica. Questa fase è molto importante per far sì che il BKG impari il gergo, la tassonomia e tutte le specificità della tua azienda, e crei connessioni semantiche in grado di interpretare i dati e generare risposte in linguaggio naturale.
Con il tempo e l’utilizzo, il BGK evolverà in base alle richieste che riceve su Crystal. Identificherà nuove associazioni tra i dati, imparerà dalle interazioni con le persone e fornirà risposte accurate, contestuali e affidabili.
Il business knowledge graph è molto di più di uno strumento di analisi dati. È un investimento strategico che può fare la differenza nel processo di crescita della tua azienda e garantire un vantaggio competitivo in un panorama digitale in continua evoluzione.
Domande frequenti
Sì, è possibile. Diversi studi hanno dimostrato che la combinazione di LLM e BKG permette all’AI di essere più precisa. L’unione della conoscenza strutturata di un BKG con l'elaborazione del linguaggio degli LLM migliora sia la comprensione che l'estrazione dei dati. Mentre i BKG organizzano i dati in relazioni, i modelli di linguaggio interpretano e generano approfondimenti a partire da query non strutturate. Con tecniche come il Retrieval-Augmented Generation (RAG), gli LLM estraggono dal BKG dati aggiornati e affidabili, riducendo il rischio di imprecisioni e allucinazioni. La sinergia tra queste due tecnologie permette di creare soluzioni di intelligenza artificiale non solo più affidabili ma fruibili da tutti, anche da persone meno esperte di analisi dati.
Sì, l’integrazione di un knowledge graph permette di limitare imprecisioni e allucinazioni del modello e garantisce risposte affidabili, precise e coerenti con il contesto aziendale, rendendolo adatto a settori regolamentati, come finanza, ambito legale o sanitario.
Sì, tutti i knowledge graph possono essere realizzati su misura per le specifiche esigenze aziendali integrando dati relativi ai processi, regole e gergo dell’azienda. Alcuni esempi sono la finanza, il mondo della sanità ma anche del commercio al dettaglio e il settore manifatturiero, dove i BKG permettono di gestire il lavoro, ridurre le inefficienze e ottimizzare i processi. Qualunque sia il settore in cui la tua azienda opera, il BKG sarà in grado di adattarsi e aiutarti a prendere decisioni migliori.
