Palantir的起源
Palantir曾被稱為是美國最神祕的創業公司，因為它的客戶中包括了美國的CIA和FBI等情報部門和反恐機構。非政府客戶中包括了摩根大通、美國銀行、美國證券交易委員會等金融機構。目前Palantir估值在410億美金，預計明年IPO上市。這樣一家明星公司是和大數據相關的，並且通過大數據幫助政府進行安防以及反欺詐的分析。
在2001年11月2日，安然公司宣告破產，這起美國歷史上最大的倒閉事件震驚全球。同時，安然留下的30萬封電子郵件，成為了當時最大規模的公開司法信息數據庫。Palantir通過數據整合，對電子郵件進行自然語義分析，發現近千條郵件提及到Mariner公司，並通過關聯挖掘發現安然CEO David對Mariner公司的公允價值計算虛假高估，同時通過關聯計算髮現David郵件中的人員，有很多人在Mariner公司擔任要職。
在美國安防領域Palantir也扮演了重要的情報分析角色，此前美國政府追捕本拉登行動中，CIA正是依靠Palantir的協助，才找到了本拉登的蹤跡。如今Palantir軟件已經遍佈美國的警務市場，在加州洛杉磯警察局，每天使用Palantir進行辦公已經成為了必備的工具。當然Palantir成立的起因並不是針對警務市場，而是創始人Peter Thiel在早期創業中遇到的實際問題。
Peter Thiel是硅谷創業之父，也是Paypal的聯合創始人，2002年Paypal被eBay收購，他轉變成為投資人，投資了包括：Facebook，LinkedIn，Yelp，Quora等知名互聯網公司。
在Palantir成立之前，Paypal曾經深受欺詐問題的困擾。很多犯罪分子通過Paypal進行洗錢。為了防止可疑的資金轉移，Paypal工程師開發了一套軟件對交易進行一一排查。通過匹配用戶過去的交易記錄，以及正在進行的資金轉移來查找可疑的賬戶行為並進行凍結，避免了數千萬美元的損失。而在Paypal被eBay收購之後，Peter Thiel想到這一反欺詐工具可以為政府提供服務。於是Peter Thiel創立了Palantir，目前為止70%員工是研發人員。這個名字也是他起的，名字來源於《指環王》，它是一個可以穿越時空看到一切的水晶球。
Palantir的業務邏輯
Palantir最早的業務邏輯來在於PayPal的反欺詐系統。這為Palantir平臺奠定了基礎，它可以把人工業務邏輯和強大的數據引擎完美的結合起來。Palantir不僅可以同時處理多種數據來源，並且可以允許用戶通過多種方式快速瀏覽，查找和分析自己想要的信息。當然，Palantir對各種安全問題高度敏感。
在我看來，Palantir是基於知識圖譜技術，提供了數據集成、搜索、知識管理、協作、發現五大板塊的大數據分析平臺。知識圖譜是個非常有用的技術，它可以將數據轉化為信息，進一步處理加工為知識，最後通過更高級別的綜合和預測能力轉化為智慧，對知識進行具體的應用。
基於知識圖譜，Palantir提供了以下的五大支柱能力，我來一一給你講解下：
數據集成：
Palantir提供了許多方法來從不同的數據源中獲取數據，並且可以基於語義網（Ontology）來創建實體
搜索：
Palantir為分析師提供了多種搜索機制，使他們能夠找到匹配的數據，並且挖掘出數據間的關係，從而發揮數據的價值。最令人印象深刻的是它的環形檢索（Search Around），其中最常用最重要的是快速### 搜索（Quick Search）
當然這一切的基礎是需要一個很好的本體。Palantir提供了生成複雜的搜索查詢（布爾邏輯，變音位，模糊值）的能力，同時無需瞭解複雜的查詢語法。
知識管理：
Palantir的所有數據都可以根據其授權級別賦權給其他用戶。
協作：
Palantir允許分析師在私人調查中開始調查，也可以將調查結果共享給其他用戶。同樣，分析師可以選擇接受其他用戶的更新，以便進一步開展工作。
發現：
反欺詐是許多企業面臨的共性需求，在Palantir中通過尋找趨勢的算法來進行聚類預測。
這五大支柱都是Palantir的技術支柱，在實際應用過程中，需求往往是個性化的，包括案件的內容以及破案的邏輯，因此需要人類智慧和大數據產品的結合。我們可以用這個流程圖代表大數據運作的基本原理。首先需要有數據，這裡就需要有數據採集、清洗、集成。然後是建模，建模是高度依賴於任務的，因此也是依賴於人的經驗總結，比如犯罪分子可能存在的行為特徵。最後指導任務的完成，這個過程，當我們把各種數據集成，建立各種模型後，就可以自動化的執行任務。當然我們知道，需求非常多樣化，因此也需要多樣化的任務處理模型，來處理不同的任務。而且任務和任務之間往往是有關聯的。Palantir是個非常龐大複雜的系統，但是基本原理也離不開下面的流程圖。這個是拆分成最小任務單元的流程圖。
Palantir是如何使用知識圖譜進行破案的？
知識圖譜技術可以讓我們從完成從數據端到智慧端的過程，具體實現途徑如下圖所示。
在數據端，一般數據量巨大，我們採用分佈式數據採集系統，可以支持文檔、網頁、視頻、傳感器等採集的數據，先進行清洗存儲，輸出為基礎數據。
在信息端，我們對數據進行語義處理，比如特徵提取、事件識別、文本挖掘等，然後通過實體識別、角色識別、關係識別輸出語義結構化數據。
在知識端，我們對知識進行建模，需要對本體進行建模、映射、存儲，構建知識體系，輸出知識庫。
在智慧端，我們需要業務規則，包括進行圖分析等計算，最後轉化為人機可視化的交互方式方便用戶進行可視化關聯分析、問答、語義搜索等。
我們以Palantir介入安然破產的數據分析案例為例。首先Palantir面臨的問題是：安然公司破產，指控其CEO（David Delaney）與Mariner公司發生內幕交易，缺乏證據。
在數據層：司法將安然內部的30萬封郵件進行了公開
在信息層：Palantir需要對文本進行分類，實體抽取，事件抽取，並對文本中的角色、關係進行識別。發現郵件中指導的人員都是在哪個公司擔任什麼樣的角色。並且對郵件中提到的內容及事件進行識別。
在知識層，Palantir可以發現有近千條提及Mariner公司的郵件中，David發出的3封郵件對其公允價值進行計算。並通過進一步的關聯挖掘，得到相應的知識：
1）David對Mariner公司的公允價值計算虛假高估
2）郵件發出的時間 vs. David出售Mariner公司股票時間同軸匹配
3）全部郵件中的人名抽取，關聯分析David關聯人員
在智慧層，綜合以上的知識，可以得出：
1）David 發出虛估Mariner公司公允價值的郵件時間節點與其出售該公司股票的時間吻合
2）David郵件關聯人員中，有多人在Mariner公司重要部門擔任要職
做別人不擅長的，並提供更高的價值
現如今Palanti公司總共擁有兩大產品線：Palantir Gotham和Palantir Metropolis，分別應用於國防安全與金融領域。我們能看出來，這兩個產品的邏輯都是大數據VS反欺詐。
首先數據量巨大，整個美國國土的數據，以及線上互聯網的公開數據，以及各個渠道可以收集上來的數據都是Palantir的數據源。這樣的數據體量基本上是其他機構沒法獲得，也無法處理的。另外Palantir讓人們記住的還是他能做別人做不來的業務，比如分析出安然CEO的交易內部，本拉登的蹤跡，包括給各大銀行提供用戶反欺詐行為分析。
當然這個過程也不是一蹴而就的，Palantir成立於2004年，到了到了2008 年，也就是公司成立四年後，美國情報機構依然是 Palantir 的唯一客戶。但情報機構的使用，最終成為了 Palantir 進入其它市場的“門票”。賣給政府要花的時間更多，整個流程很長，但是一旦成功切入，你就獲得了非常有價值的客戶。而得到 CIA的背書，大銀行就會非常願意與Palantir合作。
這個漫長的過程，就好比Palantir做大數據收集和分析一樣，不僅僅是個技術活，還是個長期的工作。在長期積累這件事上，Palantir就已經打敗了其他競爭對手，提供了其他公司無法提供的價值，因此也在市場上具有更高的定價權。使用Palantir軟件的費用在500萬到1000萬美金不等，需要預付20%，在使用滿意後再付尾款。並且Palantir是一家沒有市場、沒有公關沒有銷售團隊的公司。這對現在競爭激烈的市場來說，是非常神奇和難得的。