Graph Database Engineer

En graph database engineer arbejder med databaser, der gemmer data som noder (punkter) og relationer (forbindelser mellem punkterne). Hver node og relation kan have egenskaber, fx navn, beløb eller dato. Det er en anden tankegang end rækker og kolonner i en SQL-database.

Styrken er spørgsmål om sammenhænge. Hvem kender hvem? Hvilke konti sender penge videre til hinanden? Hvor mange led er der mellem to punkter? Den slags spørgsmål kræver tunge joins i SQL. I en graf er de hurtige.

Typiske opgaver:

• Designe grafmodellen: hvad skal være en node, hvad skal være en relation, og hvilke egenskaber hører hvor.
• Skrive og optimere forespørgsler i Cypher (Neo4j's sprog) eller Gremlin (Apache TinkerPop).
• Bygge pipelines, der henter data ind i grafen fra SQL-databaser, API'er, CSV-filer og Kafka-strømme.
• Lægge indeks og constraints (regler for entydighed) på, så forespørgsler ikke løber tør for hukommelse.
• Køre grafalgoritmer: korteste vej, centralitet (hvor vigtig er en node) og community detection (klyngefinding).
• Drifte klyngen: backup, replikering, opgraderinger, overvågning og kapacitet.
• Rådgive udviklere om, hvornår en graf er det rigtige valg — og hvornår en almindelig database er nok.

En almindelig arbejdsdag starter tit med at kigge på langsomme forespørgsler fra i går. Så et møde med et team, der vil koble to datakilder sammen. Derefter modellering på tavlen, kode i Cypher, og test på et udsnit af data. Sidst på dagen måske en indlæsning af nye data, der skal køre om natten.

Meget af arbejdet er oversættelse. Forretningen siger "vi vil se, om de her kunder hænger sammen". Din opgave er at gøre det til en model og en forespørgsel, der svarer på under et sekund.

Hvor bruges det i Danmark:

• Banker og forsikring: svindel, hvidvask og kontrol af ejerskab. Hvidvaskloven pålægger pengeinstitutter at overvåge transaktioner og kende den reelle ejer, og Finanstilsynet fører tilsyn. Grafer gør det lettere at følge kæder af selskaber og konti.
• Telebranchen og forsyning: netværk, kabler og afhængigheder mellem komponenter.
• Detailhandel og streaming: anbefalinger baseret på hvad ligende brugere har valgt.
• Medicinal og biotek: sammenhænge mellem gener, proteiner, stoffer og studier.
• IT-drift: CMDB'er og afhængighedskort — hvad går ned, hvis den her server falder.
• Identitet og adgang: hvem har adgang til hvad, gennem hvilke roller og grupper.
• Offentlige myndigheder og forskning: vidensgrafer (knowledge graphs), der binder registre sammen.
• AI-projekter: vidensgrafer som fundament for GraphRAG, hvor en sprogmodel henter fakta fra grafen i stedet for at gætte.

Grafer kobler ofte persondata sammen på tværs af systemer. Netop derfor fylder dataminimering, formålsbegrænsning og sletning meget i arbejdet. EU's databeskyttelsesforordning (GDPR) stiller krav om det, og Datatilsynet fører tilsyn i Danmark. En graf, der viser relationer mellem mennesker, kan afsløre mere end de enkelte datafelter gør hver for sig.

Karriereveje: mange kommer fra backend-udvikling, databaseadministration eller data engineering. Videre herfra går vejen typisk mod data- eller løsningsarkitekt, knowledge graph architect, specialist i graph data science, eller konsulent hos en leverandør eller et rådgivningshus. Nogle bliver tekniske lead på et dataplatformsteam.

Der findes ingen dansk uddannelse, der hedder graph database engineer. Man kommer ind via en IT-uddannelse og specialiserer sig bagefter.

De almindelige veje:

• Datamatiker: 2½ år på en erhvervsakademiuddannelse. Adgangskrav er en gymnasial eksamen med matematik på C-niveau, eller en relevant erhvervsuddannelse. Uddannelses- og Forskningsministeriet fastsætter adgangskravene, og de aktuelle krav står på Uddannelsesguiden.
• Professionsbachelor i softwareudvikling: 1½ år oven på datamatiker.
• Diplomingeniør i softwareteknologi eller IT: 3½ år.
• Bachelor i datalogi, software eller data science: 3 år, typisk fulgt af en kandidat på 2 år. Udbydes blandt andet på DTU, Aarhus Universitet, IT-Universitetet, SDU og Aalborg Universitet. Her kræves ofte matematik på A-niveau.

En kandidatgrad er ikke et krav. Til gengæld hjælper det at have haft databaser, algoritmer og datastrukturer på skemaet. Grafalgoritmer er direkte anvendelig teori i det her fag.

Vejen ind i praksis går sjældent direkte fra skolebænken. De fleste starter som backend-udvikler, databaseadministrator eller data engineer. Derefter kommer en opgave, hvor en grafdatabase er svaret, og specialiseringen begynder der. Regn med et par års erfaring med SQL og datamodellering først.

Alternative veje ind:

• Fra dataanalyse eller BI, hvis du kan kode og vil tættere på modellen.
• Fra systemintegration eller IT-arkitektur, hvor du allerede tegner afhængigheder.
• Selvlært med et portfolio. En offentlig graf over et emne du kender godt, med kode og forklaring, virker bedre end et kursusbevis alene.

Certificeringer og kurser:

• Neo4j GraphAcademy tilbyder gratis onlinekurser og certificeringerne Neo4j Certified Professional og Neo4j Graph Data Science Certification.
• AWS-certificeringer er relevante, hvis arbejdspladsen kører Amazon Neptune.
• Kurser i RDF og SPARQL, hvis du skal arbejde med vidensgrafer og standarder fra W3C.

Regn med tre til seks måneder ved siden af et job, før du er nogenlunde flydende i Cypher og grafmodellering. Det svære er ikke sproget. Det svære er at holde op med at tænke i tabeller.

Faget er ikke lovreguleret i Danmark. Der kræves hverken autorisation eller offentlig godkendelse for at kalde sig graph database engineer. Certificeringer er noget arbejdsgivere efterspørger, ikke noget loven kræver.

Grafdatabaser: Neo4j er den mest udbredte og den, flest danske stillingsopslag nævner. Derudover Memgraph, Amazon Neptune, Azure Cosmos DB med Gremlin API, ArangoDB, TigerGraph, JanusGraph og Dgraph. Til vidensgrafer bruges RDF-baserede systemer som Ontotext GraphDB, Stardog og Virtuoso.

Forespørgselssprog:

• Cypher — Neo4j's sprog, det mest udbredte i praksis.
• Gremlin — fra Apache TinkerPop, bruges af Neptune, JanusGraph og Cosmos DB.
• SPARQL — standard fra W3C til RDF-grafer.
• GQL — et fælles standardsprog for grafdatabaser, udgivet af ISO som ISO/IEC 39075. Det vil over tid samle det spredte landskab. Cypher er stadig det, du skal kunne først.

Data ind og ud: Python med den officielle Neo4j-driver, Java, JavaScript eller Go. Apache Kafka til strømmende data. Apache Spark med GraphFrames til tunge kørsler. Airflow eller lignende til at styre jobbene. SQL kan du stadig ikke slippe for — data kommer som regel fra en relationel database.

Analyse: Neo4j Graph Data Science-biblioteket med algoritmer for PageRank, centralitet, korteste vej og Louvain-klyngefinding. Grafembeddings, hvis grafen skal fodre en maskinlæringsmodel. NetworkX i Python til mindre grafer og prototyper.

Visualisering: Neo4j Browser og Bloom, Gephi, Cytoscape, yFiles, Linkurious. Visualisering er ikke pynt her. Det er ofte den eneste måde at få en forretningsbruger til at forstå modellen.

Drift: Docker og Kubernetes, Terraform, Prometheus og Grafana til overvågning. Git og CI/CD til skemaændringer og migreringer.

Nyt område: vidensgrafer kombineret med sprogmodeller, kaldet GraphRAG. Neo4j og flere andre understøtter nu vektorindeks side om side med grafen. Det trækker faget tættere på AI-projekter.