Nel panorama tecnologico odierno, le aziende investono massicciamente in analisi avanzate e modelli linguistici di grandi dimensioni (LLM) per estrarre informazioni preziose dai loro dati.
In questo contesto, la tecnologia dei grafi è emersa come una delle soluzioni più efficaci per comprendere relazioni complesse all’interno dei dataset, spesso difficili da individuare con i tradizionali database relazionali.
Tuttavia, mantenere e interrogare database a grafo insieme a quelli relazionali presenta sfide significative, sia in termini di complessità che di costi.
Per affrontare queste problematiche, PuppyGraph, una startup con sede a San Francisco fondata da ex dipendenti di Google e LinkedIn, ha sviluppato il primo motore di query zero-ETL al mondo.
Questo motore consente agli utenti di interrogare i propri dati relazionali esistenti come se fossero un grafo unificato, eliminando la necessità di un database a grafo separato e di lunghi processi di estrazione, trasformazione e caricamento (ETL).
Lanciato nel marzo 2024, PuppyGraph ha già attirato l’attenzione di numerose aziende che cercano di semplificare le proprie analisi dei dati. La versione per sviluppatori, disponibile gratuitamente, ha registrato un incremento del 70% nei download mese su mese, evidenziando l’interesse crescente per questa soluzione.
Tradizionalmente, l’adozione di tecnologie a grafo richiede l’implementazione di un database a grafo nativo separato, mantenendolo sincronizzato con il database sorgente. Questo processo comporta la creazione di pipeline ETL complesse e dispendiose in termini di risorse, con costi che possono raggiungere milioni di dollari e tempi di implementazione di diversi mesi, ritardando l’esecuzione di query aziendali critiche. Inoltre, una volta configurato, il database a grafo necessita di una gestione continua, aumentando ulteriormente i costi e creando problemi di scalabilità a lungo termine.
PuppyGraph affronta queste sfide offrendo un motore di query che consente alle aziende di interrogare i propri database relazionali esistenti come se fossero un grafo unificato, senza la necessità di processi ETL complessi o di un database a grafo separato. Questo approccio semplifica l’accesso alle informazioni e riduce significativamente i costi e i tempi associati alla gestione dei dati.