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(guān)系也日益復(fù)雜。在企業(yè)的數(shù)字化進程中，基礎(chǔ)的原始數(shù)據(jù)管理已經(jīng)無法滿足將海量數(shù)據(jù)轉(zhuǎn)化為高價值數(shù)據(jù)資產(chǎn)的需求。沒有關(guān)系，數(shù)據(jù)或?qū)⒑翢o意義，關(guān)注并挖掘數(shù)據(jù)背后的關(guān)系成為實現(xiàn)數(shù)據(jù)價值的關(guān)鍵所在。
同時隨著數(shù)據(jù)量變大，預(yù)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(guān)聯(lián)。而圖技術(shù)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(guān)系和模式。據(jù)Gartner分析，50%有關(guān)AI的咨詢都涉及圖技術(shù)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(xué)
圖數(shù)據(jù)科學(xué)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(guān)聯(lián)確定什么是重要和有意義的。關(guān)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(jié)果、數(shù)據(jù)以及算法，從而進行預(yù)測，以實現(xiàn)數(shù)據(jù)價值的最大化。
圖數(shù)據(jù)科學(xué)通過知識圖譜在關(guān)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(xué)習(xí)識別關(guān)聯(lián)、異常和趨勢，而圖原生機器學(xué)習(xí)(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(xué)通過訓(xùn)練圖內(nèi)監(jiān)督機器學(xué)習(xí)的模型來預(yù)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(wù)。
作為圖技術(shù)的市場領(lǐng)導(dǎo)者，Neo4j圖數(shù)據(jù)科學(xué)旨在幫助企業(yè)理解數(shù)據(jù)關(guān)系，讓數(shù)據(jù)科學(xué)家通過綜合的圖分析技術(shù)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(xué)以圖技術(shù)為基礎(chǔ)，提供比傳統(tǒng)技術(shù)更好的預(yù)測。作為一個統(tǒng)一的數(shù)據(jù)科學(xué)平臺，Neo4j圖數(shù)據(jù)科學(xué)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(xué)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(guān)系，應(yīng)用覆蓋欺詐檢測、市場推薦、客戶360以及供應(yīng)鏈和物流等諸多領(lǐng)域。
更有效地檢測欺詐
使用Neo4j圖數(shù)據(jù)科學(xué)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(fēng)險被檢測到。。企業(yè)可以在不更改機器學(xué)習(xí)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(wù)局(Danish Business Authority)采用Neo4j圖數(shù)據(jù)科學(xué)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(wù)局首席顧問Marius Hartman表示：“由于習(xí)慣了某些地址或名稱，客戶的欺詐檢測會有風(fēng)險，導(dǎo)致只強調(diào)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)?！?/FONT>
精準細分市場推薦
全球領(lǐng)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(xué)，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(luò)結(jié)構(gòu)識別重要意見領(lǐng)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(xué)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(fù)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(xué)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(guān)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(yīng)對物流和供應(yīng)鏈挑戰(zhàn)
海事軟件公司OrbitMI公司面臨根據(jù)距離、成本和內(nèi)部邏輯規(guī)劃海上航線的挑戰(zhàn)。Neo4j圖數(shù)據(jù)科學(xué)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(yīng)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(xué)驅(qū)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(chǔ)設(shè)施。這正是我們選擇 Neo4j 的原因所在?！?/FONT>
作為全球領(lǐng)先的圖數(shù)據(jù)平臺領(lǐng)導(dǎo)者，Neo4j以現(xiàn)代數(shù)據(jù)科學(xué)基礎(chǔ)——圖技術(shù)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(xué)平臺。Neo4j圖數(shù)據(jù)科學(xué)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(zhuǎn)型。
（轉(zhuǎn)載）
