作者：Neo4j大中華區總經理方俊強

　　呈指數級增長的大數據已然超過了傳統數據庫的管理范疇。信息不僅在數量上增加，而且也更加復雜。企業正在構建與運營和客戶相關的龐大數據存儲庫，每個實體都有多個信息點和信息層。問題在于如何以有意義和及時的方式存儲、處理和分析數據。

　　許多企業正轉向圖數據科學存儲數據并產生洞察力。對圖數據科學的需求不斷增加，遍及各行各業，包括金融服務、旅游、零售、公共部門和醫療保健等，希望解決其復雜的問題。

　　數據庫平臺vs圖數據科學平臺

　　如今，通過二維或電子表格顯示客戶數據庫是一種極其有限的方法。這種方法可以存儲和查詢數據，但在數千行和單元格中，查詢模式并不是一個簡單或快速的過程。實現不同領域數據的關聯極其困難：例如，不僅要確定客戶是誰，還包括他們購買了什么、如何購買、在哪里購買以及為何購買。

　　Neo4j圖數據科學利用數十億甚至數萬億個數據點之間的關聯和關系，讓連接的數據“自己說話”，例如運行無監督圖算法在噪聲中發現信號。通過客戶數據庫，可以顯示客戶在社區如何互動，對數據分類提供有用信息。

　　使用圖捆綁產品和服務可以實現數據價值最大化，建立每個產品和服務的統一數據庫及其規則和關系，以確保捆綁適當的服務。擁有Neo4j圖數據庫使企業更容易管理其商業產品線層次結構。

　　另一個實例是一家主流汽車制造商通過創建用于測試數據的知識圖譜可以縮短新車的上市時間。來自不同領域的工程師一直在以多種方式進行測試，并使用不同工具以各種格式存儲測試數據。這導致了數據的不一致和孤立，對其他團隊毫無用處。相反，Neo4j知識圖譜關聯了所有的產品驗證生命周期數據，并允許在企業內整合領域和功能，定義關鍵元數據，例如測試類型、測量特征和測量條件。為測試、子測試和測量定義明確的語義，使工程師能夠跨域和平臺溝通。

　　預測而非應對的方法

　　在競爭激烈的行業中，企業需要領先一步。例如，金融機構通常會在欺詐已經發生時才來解決。借助Neo4j圖數據科學，個人和實體之間的可疑關聯變得可見，可以更早地實施干預。知識圖譜可以識別鏈接個體的鏈條和環，對與可疑實體有關聯的關系做質量、數量和距離的評分。

　　當識別出一個欺詐圈時，也可以使用相似度算法來識別數據中其他潛在欺詐圈。一旦確定了預測特定結果的模型，即可在未來生成更精準的預測。

　　某財政部正使用Neo4j圖數據科學繪制約150,000個人、公司和文件，以及這些實體之間的約750,000個關系。如果檢測到可疑交易，則會分析圖中所有與案例相關的信息和文件。法律專家還可以發現僅在第二或第三層次上才明顯的關系，而不是只關注表層關系。

　　解鎖供應鏈

　　過去幾年，供應鏈面臨極大挑戰。上海和香港等許多港口都強烈感受到這一點，這些港口是全球主要的樞紐和貨物運輸中轉站。解鎖極其復雜的路線和參與者網絡，嘗試重新安排每天穿越海洋的數萬艘集裝箱船只的路線是一項極具挑戰性的任務。

　　就本質而言，供應鏈管理是動態的，有許多變化的環節，并且可能在任何給定點出現瓶頸。但傳統數據庫生成的數據量大、細節多，缺乏實時、準確的信息處理能力。

　　相比較，Neo4j知識圖譜擅長繪制復雜、相互關聯的供應鏈，即使應對海量數據也能保持高性能。固有的以關系為中心的方法使他們能夠更好地管理、讀取數據并實現可視化。與傳統SQL數據庫相比，Neo4j圖數據庫的查詢響應速度通常快100倍。

　　圖數據科學對中國企業而言擁有巨大的應用潛力，中國占全球人口的1/5，不僅人口眾多，也是經濟增長最快的地區之一。通過圖數據科學等技術充分利用大數據潛力的企業理當成為其所在領域的領導者。