相信大多数小伙伴们都是带着疑问进来的：什么是 AntV ？什么是图可视分析？什么是解决方案？解决方案都有啥？为什么要写它？哈哈哈，小伙伴们稍安勿躁，此篇文章就是来回答这些问题的～
什么是 AntV？AntV 是蚂蚁集团全新一代数据可视化解决方案。数据可视化呢，就是数据通过某种技术手段，直观展示在人们眼前。这种技术就是可视化技术，对于常规的统计数据，我们有 AntV 的 G2/G2Plot，把它们转化为折柱饼图展示（图左）；对于地理位置信息，我们有 AntV 的 L7，将它们展示在地图上（图中）；对于关系数据呢，我们有 AntV 的 G6，将它们展示在画布上（图右）
什么是图可视分析？如上右图所示，关系数据也被称为图数据，将关系数据可视化出来，即为图可视化，在图可视化的基础上，附加交互，布局，算法，分析方案等，完成一个分析任务，即为图可视分析。
什么是解决方案？顾名思义是解决问题的方案，方案的设计往往遵循 SCQA 模型：Situation（背景），Complication（冲突），Question（问题），Answer（答案）。因此，解决方案以解决问题为导向，深入分析问题发生的背景，其中产生冲突的痛点问题，以及如何解决。
解决方案都有啥？AntV 可视分析解决方案，是一份针对图可视分析 需求方（普通用户，图领域分析师） 与 实现方（图分析业务的产品，设计，前端同学）的解决方案。
在《AntV 图可视分析解决方案》中，以解决业务中的图分析问题为导向，调研了业界 50+ 的图分析产品，将业务中的图分析模块抽象，提炼，总结，形成一套包含 产品方案，设计方案，技术方案的总论述白皮书。 在《图可视化解决方案：云安全》，《图可视化解决方案：知识图谱》，《图可视化解决方案：企业风控》，《图可视化解决方案：图数据库》中，以案例为驱动，介绍图可视化在其中的实践与沉淀总结。 针对大规模图数据场景下，海量节点/边的计算和渲染都会引发浏览器的性能问题，我们单独拎出《图可视化解决方案：性能优化》介绍了我们在极端性能挑战下的技术方案。
为什么要写它？ 此次发布的图可视分析的解决方案白皮书，是我们联合阿里集团，蚂蚁集团，参与图可视化建设的同学，一同编写而成的，过去几年的业务发展让我们意识到，相比于图技术的迭代，对于图认知的“迭代”同样需要我们重视，如何深度抽象图分析业务，又是如何利用图技术助力业务创新，这些都是我们迫切想与业界同行分享交流的，AntV，乃至整个蚂蚁体验科技，都倡导简单自由有爱的开源精神。开源解决方案，也是希望能够利用社区的力量不断完善，在尊重与协同中，让大家的图业务走的更远。
导读：《AntV 图可视分析解决方案》
PDF 阅读地址： https://gw.alipayobjects.com/os/bmw-prod/c8ddbda8-c742-4c11-9c68-3783dd5954b9.pdf
此篇白皮书，全文共计两万三千字，54 页 PDF，来自内部各条业务线共计 20+同学参与编写。调研了国内外 50+的产品，整个白皮书，从图业务的不同角色入手，针对不同人群所面临的图可视分析问题，在不同的章节里论述。
04.基本概念：介绍图、图分析、图可视化的概念，以及它们解决的问题。这应该是大部分普通用户所关心的话题。
05.行业调研：介绍图领域的行业情况，试图帮助用户看清这个完整的图领域大图。
06.产品方案：对市面上的图分析产品进行全方面调研，然后抽象出通用图分析产品的设计方案。希望能够帮助产品同学找到灵感。
07.设计方案：尝试将图产品的体验设计框架、交互流程和视觉规范等要素进行统一。以帮助图产品的产品经理或设计师快速地产出更好的设计方案。
08.技术方案：介绍常见的图可视化技术选型。同时针对布局、交互、渲染、性能这 4 个角度，深度介绍技术解决方案。希望帮助开发同学快速搭建。
09.开源工具：介绍 AntV 在图可视化领域中长期沉淀的开源工具：G6 与 Graphin。
导读：《图可视化解决方案：子领域》
云安全
在分析网络安全数据时，设备、事件、位置、IP、签名等之间的连接是发现异常、威胁和漏洞的关键。理解这些联系的最好方法就是把它们形象化。
今天，在许多大型组织、金融机构和安全咨询服务中都有网络或 IT 的安全要求。这些组织需要保护自己免受如 0day 漏洞，DDoS 或网络钓鱼攻击之类漏洞的侵害。他们从服务器、路由器或应用程序日志和网络状态中收集数据，来检测可疑活动。图可视化可以一目了然地展示这些数据并检测可疑模式。通过对连接状态的可视化探索，可以更快速定位漏洞或攻击。
详细案例请参考白皮书：《图可视化解决方案：云安全》
知识图谱
知识图谱（Knowledge Graph）是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。知识图谱将信息中的知识或者数据加以关联，实现人类知识的描述及推理计算，并最终实现像人类一样对事物进行理解与解释，推动了从弱人工智能到强人工智能的发展。 知识图谱由节点和边组成。节点可以是实体（如一个人、一个支付设备、一个企业等），也或是抽象的概念-本体类型（如人工智能、事物等）。边可以是本体类型之间的关系，也可以实体与实体之间的关系，如投资关系、支付关系等。图可视化可以更加清晰直观地描述这种结构化的关系，利于看清，是知识图谱领域的做图表示、图分析推理等重要基石。
详细案例请参考白皮书：《图可视化解决方案：知识图谱》
企业风控
随着互联网发展和数字化的进程，企业数据在规模上几何增长，越来越多的企业面临信用、合规、声誉、第三方等诸多风险，企业风险控制的需求甚至也扩大到了政府、专业机构等各类细分领域。如何结合各个细分领域、业务场景，利用数据可视化技术，帮助企业更清晰发现和识别风险，从而将数据变成实际可用的风控产品和服务，这是当下企业风控需要解决的一个问题。
详细案例请参考白皮书：《图可视化解决方案：企业风控》
图数据库
图数据库领域是最近几年大数据领域热度颇高的领域，从 DB Engines 的排名来看，自 2013 年开始，图数据库的发展就一骑绝尘。与传统关系型数据库不同，图数据技术主要关注数据间关系查询能力，是表示和查询关联关系的最佳方式。借助于图数据库技术:
- 可以快速从百亿级电商网络中匹配出刷单团伙；
- 可以快速构建出人与人的社交关系，分析特定用户的人际关系、关注度、转发量等；
- 把 IP、域名、主机等一些列实体构建成图，可以快速发现诸如木马网络的不安全因素，辅以图分析能力能够很容易对不安全因素进行追根溯源。
详细案例请参考白皮书：《图可视化解决方案：图数据库》
对图可视分析感兴趣的同学，可以加钉钉群讨论哈，注意，这个是兴趣讨论群，非答疑群哈。 技术答疑有专门的群，G6： https://github.com/antvis/g6#g6-communication-group ，Graphin： https://github.com/antvis/graphin#dingtalk
来源：oschina
链接：https://my.oschina.net/u/4406751/blog/4742991