隨著社會數(shù)字化程度的不斷加深，數(shù)據(jù)量呈爆發(fā)式增長，數(shù)據(jù)關系也日益復雜。在企業(yè)的數(shù)字化進程中，基礎的原始數(shù)據(jù)管理已經(jīng)無法滿足將海量數(shù)據(jù)轉化為高價值數(shù)據(jù)資產(chǎn)的需求。沒有關系，數(shù)據(jù)或將毫無意義，關注并挖掘數(shù)據(jù)背后的關系成為實現(xiàn)數(shù)據(jù)價值的關鍵所在。
同時隨著數(shù)據(jù)量變大，預測信號在大數(shù)據(jù)噪聲中丟失，傳統(tǒng)的數(shù)據(jù)處理方法無法揭示和有效使用數(shù)據(jù)關聯(lián)。而圖技術最重要的貢獻在于幫助企業(yè)發(fā)掘數(shù)據(jù)中沒有被意識到或者認為不存在的隱藏關系和模式。據(jù)Gartner分析，50%有關AI的咨詢都涉及圖技術的使用。
Neo4j大中華區(qū)總經(jīng)理方俊強
“讓數(shù)據(jù)自己說話”的圖數(shù)據(jù)科學
圖數(shù)據(jù)科學讓連接的數(shù)據(jù)“自己說話”，利用數(shù)十億甚至數(shù)萬億數(shù)據(jù)點之間的關聯(lián)確定什么是重要和有意義的。關聯(lián)以知識圖譜的方式呈現(xiàn)，并在知識圖譜上運行，獲得可解釋的結果、數(shù)據(jù)以及算法，從而進行預測，以實現(xiàn)數(shù)據(jù)價值的最大化。
圖數(shù)據(jù)科學通過知識圖譜在關聯(lián)數(shù)據(jù)中確定所尋找的模式，圖算法使用無監(jiān)督的機器學習識別關聯(lián)、異常和趨勢，而圖原生機器學習(Graph Native Machine Learning) 使用嵌入方法來了解圖中未知的重要功能。此外，圖數(shù)據(jù)科學通過訓練圖內監(jiān)督機器學習的模型來預測鏈接、標簽和缺失數(shù)據(jù)，并提供快速、成熟、可擴展的服務。
作為圖技術的市場領導者，Neo4j圖數(shù)據(jù)科學旨在幫助企業(yè)理解數(shù)據(jù)關系，讓數(shù)據(jù)科學家通過綜合的圖分析技術挖掘數(shù)據(jù)價值，解答之前難以解決的問題。
Neo4j圖數(shù)據(jù)科學以圖技術為基礎，提供比傳統(tǒng)技術更好的預測。作為一個統(tǒng)一的數(shù)據(jù)科學平臺，Neo4j圖數(shù)據(jù)科學可兼容用戶的生態(tài)系統(tǒng)，輕松與企業(yè)的數(shù)據(jù)倉庫、AutoML等集成，是目前唯一提供支持、可擴展性、細粒度安全性、MLOps和混合部署的平臺。Neo4j圖數(shù)據(jù)科學擁有業(yè)界最健全的超65種圖算法，已被廣泛采用并大規(guī)模實施，輕松處理數(shù)千億個節(jié)點和關系，應用覆蓋欺詐檢測、市場推薦、客戶360以及供應鏈和物流等諸多領域。
更有效地檢測欺詐
使用Neo4j圖數(shù)據(jù)科學進行欺詐檢測，能夠從真實的匿名客戶數(shù)據(jù)集收集數(shù)據(jù)，87%以上的欺詐風險被檢測到。。企業(yè)可以在不更改機器學習管道的情況下從已有數(shù)據(jù)中檢測出更多的欺詐行為。通過這種方式分析歷史數(shù)據(jù)，也許會發(fā)現(xiàn)尚可追回的欺詐行為，從而增加收入。一旦發(fā)現(xiàn)欺詐跡象模式，可將其納入實時運營欺詐檢測系統(tǒng)，以避免未來造成此類損失。
丹麥商務局(Danish Business Authority)采用Neo4j圖數(shù)據(jù)科學來正確識別存在欺詐行為的賬戶持有人，欺詐檢測增加300%，提升10%的正確率(行業(yè)標準 < 1%)，并在減少錯誤率的同時支付流增加了150%。丹麥商務局首席顧問Marius Hartman表示：“由于習慣了某些地址或名稱，客戶的欺詐檢測會有風險，導致只強調普通欺詐而忽略高明的欺詐。這些高明的欺詐往往不容易被發(fā)現(xiàn)。”
精準細分市場推薦
全球領先的制藥公司阿斯利康(AstraZeneca)在將新藥推向市場時，面臨尋找合適患者并教育潛在受眾市場的挑戰(zhàn)。阿斯利康全球商業(yè)IT洞察與分析高級總監(jiān)Joseph Roemer說：“我們使用圖算法來查找具有特定旅程類型和模式的患者，然后找到其他相近和相似的患者?！?/FONT>
借助Neo4j圖數(shù)據(jù)科學，阿斯利康從為期三年的健康記錄中攝取4B+數(shù)據(jù)點，通過圖嵌入成功獲取患者身份的獨特原型，并基于網(wǎng)絡結構識別重要意見領袖，從而更加精準地鎖定目標患者，充分發(fā)揮受眾數(shù)據(jù)的價值，為市場推廣提供可靠的依據(jù)。
深度理解客戶
Neo4j幫助美國媒體集團Meredith Corporation向僅由數(shù)十億第一方和第三方cookie識別的匿名用戶開展營銷。Neo4j圖數(shù)據(jù)科學確定了1.63億個唯一的用戶畫像，使用中心性算法識別角色，通過圖嵌入降低復雜性，實現(xiàn)了個人畫像訪問量增加500%，接觸點長度增加1621%，同時使客戶理解力提升了20-30%，幫助該集團更好地了解客戶并開展高效營銷。
Meredith Corporation高級數(shù)據(jù)科學家Ben Squire表示：“圖數(shù)據(jù)的價值存在于數(shù)據(jù)點之間的關系所講述的故事中。圖數(shù)據(jù)本身就可以直觀地講述一個故事，它可以提供即時洞察力，而這是行和列數(shù)據(jù)格式無法實現(xiàn)的?！?/FONT>
應對物流和供應鏈挑戰(zhàn)
海事軟件公司OrbitMI公司面臨根據(jù)距離、成本和內部邏輯規(guī)劃海上航線的挑戰(zhàn)。Neo4j圖數(shù)據(jù)科學幫助客戶配備具有尋路功能的亞秒級路由，利用Louvain算法完成屬地制圖，并提供可以識別具有相似性的備選方案。最終幫助OrbitMI完成了具備亞秒級響應的海上航線規(guī)劃平臺，并在減少6萬噸全球碳排放的同時實現(xiàn)高達1200-1600萬美元的投資回報。借助Neo4j圖數(shù)據(jù)科學驅動的引擎實現(xiàn)優(yōu)化全球船隊的生產(chǎn)力、收入和可持續(xù)性。
OrbitMI首席營銷官David Levy表示：“我們希望創(chuàng)建一個利用人工智能、集成當前和歷史AIS位置以及多個數(shù)據(jù)和API的解決方案。這樣的方案無疑需要世界級的基礎設施。這正是我們選擇 Neo4j 的原因所在。”
作為全球領先的圖數(shù)據(jù)平臺領導者，Neo4j以現(xiàn)代數(shù)據(jù)科學基礎——圖技術為根基，為客戶提供了一個強大的、可簡便集成和擴展的數(shù)據(jù)科學平臺。Neo4j圖數(shù)據(jù)科學通過全面豐富的功能，協(xié)助企業(yè)挖掘數(shù)據(jù)背后的潛在價值，推進企業(yè)的數(shù)字化轉型。
（轉載）
