企业中某成员的不正常交易，就属于分析出一种不合理的「边」。
边可以是有向的，也可以是无向的。在无向图中，连接两个节点的边具有单一含义。在有向图中，连接两个不同节点的边，根据它们的方向具有不同的含义。
比如家庭成员中，父和子的关系，就属于两个节点所构建的一条边，在两个方向上的不同含义。
这样一种数据库对于处理和分析文科知识体系来说是最合适的，因此周至决心要发展它，甚至直接将其命名为「文科狗数据库」。
但是这个理由其实最多占到了一半，剩下的另一半，却是因为图数据库到了周至穿越过来的那一世，成了最常见的社交网络数据存储分析的最佳工具，成了查巧及深度遍历大量复杂且互连接的数据的最佳工具。
随着社交网络、电子商务以及资源检索等领域的爆炸性发展，采用图形数据库这种可以处理复杂关联的存储技术，而进一步组织存储、计算分析挖掘低结构化且互连的数据变得尤为有效，因此很快就得到了蓬勃发展，并且延伸出了图的匹配、关键字查询、图的分类、图的聚类和频繁子图挖掘这五个研究方向。
带来的好处，就是能够优
化检索高达十亿级别的数据，极大提高了数据遍历速度及遍历稳定性，大大减少了检索过程中的服务器压力，减少系统开销，不受数据海量增长影响，完成互联网时代尤关系型数据库根本无法胜任的工作。
不过图数据库是随着后世分布式存储，大数据分析，AI检索等高端工具一起进入大家的视野的，因此导致很多人认为这是一个新的东西。
其实这是一个误会，比如大数据的数学理论，其实完成时间是在四几年，完全是当时的应用场景和软硬件工具都无法将之实现而已。
图数据库的发展其实也有着非常长的历史。早在六十年代，Ibm的ImS导航型数据库已经支持了层次模型以及树状结构，不过形式较为特殊。
六十年代后期，网络模型数据库已经诞生，而且已经可以支持图结构。
dASYL（数据系统语言委员会）于1959年定义了boL，1969年定义了网络数据库语言。
只不过还是因为硬件的性能无法支持复杂的查询需求，没有大范围的推广使用而已。
在三十年的时间里，图数据库其实一直在随着计算机性能的不断改善而进化发展，不过现在依然还处于实验室研究阶段，大家作为高端学术在玩，一时
…。。