尽管大多数企业收集数据的速度超过了其分析和利用其商业价值的速度，但数据过载正成为各类企业面临的真正挑战。
这不仅仅关乎数量。现代大数据中，多达 93% 的数据都是非结构化数据，其中大部分（如果不是全部的话）都最终成为暗数据，即只被收集但未被分析。
从大量非结构化组织数据中释放大规模知识正迅速成为当今企业最迫切的需求之一。
这方面的共同主题包括连接数据的重要性、在情境中应用知识的价值以及使用人工智能将数据情境化和创造知识的好处。
此外，对互联、情境化数据的 贝宁手机数据 需求以及人工智能的持续发展，导致人们对知识图谱的兴趣日益浓厚，将其作为生成基于情境的洞察的一种手段。事实上，Gartner 认为图谱技术是现代数据和分析的基础，并指出大多数客户对人工智能主题的咨询通常都涉及对图谱技术的讨论。
知识图谱简史
1735 年的柯尼斯堡，瑞士数学家莱昂哈德·欧拉使用节点/对象和链接/关系的概念，证明了没有一条穿过城市四个区域的路线需要恰好穿过其相互连接的七座桥梁中的每一座一次，从而为图论奠定了基础。
时间回到现代，1956 年，语义网络（知识图谱的著名祖先）诞生，用于自然语言的机器翻译。快进到 21 世纪初期，蒂莫西·约翰·伯纳斯-李爵士提出了一种语义网，它使用关于网页及其相互链接的结构化和标准化元数据，使存储在这些关系中的知识可被机器读取。
不幸的是，这个概念并没有真正实现规模化，但搜索和社交公司很快就意识到了超大图谱的价值以及从中提取知识的潜力。谷歌在 2012 年推出了谷歌知识图谱，重塑了语义网并普及了知识图谱，这被认为是谷歌的功劳。
第一批大型知识图谱大多来自谷歌、IBM、亚马逊、三星、eBay、彭博、纽约时报等公司，它们将非专有信息汇编成单一图表，以满足广泛的兴趣。企业知识图谱作为第二波浪潮出现，使用本体来阐明不同企业系统中使用的各种概念模型（模式、分类法、词汇表等）。