圖數據科學深耕數據價（jià）值，推進企業數字化進程
2022-9-6 來源：圖數據科學 作者：Neo4j大中（zhōng）華區總（zǒng）經理 方俊強
隨著社會數字化（huà）程度的不斷（duàn）加深，數據量呈爆發式增長，數（shù）據關係也日（rì）益複雜。在企業的數字化進程中，基礎的原始（shǐ）數據管理已經無法滿足將海量數據轉化為高價值數據（jù）資產的需求。沒有關係，數據或（huò）將毫無意義，關注（zhù）並（bìng）挖掘數據背後（hòu）的關係成（chéng）為實現數據價值的關鍵所在。
同時（shí）隨著（zhe）數（shù）據量變大，預測信號在大數（shù）據噪聲中丟失，傳統的數據處理方法無法（fǎ）揭示和有效使用數據關聯。而圖技術最重要（yào）的貢獻在於幫助企業發掘數據（jù）中沒有被意識到或者認為不存在的隱藏關係和模式。據（jù）Gartner分析，50%有關AI的谘詢（xún）都涉及圖技術（shù）的使（shǐ）用。
Neo4j大中華區總經理（lǐ）方（fāng）俊強
“讓數據自己說話”的（de）圖數據科學
圖數（shù）據科學讓連接的數據“自（zì）己說話”，利用數十億甚至數萬億數據點之間的關聯確定什麽是（shì）重要和有（yǒu）意義（yì）的。關聯以知識圖譜（pǔ）的（de）方式呈現，並在知識圖譜上運行，獲得可解釋的結果、數據以及（jí）算法，從而進行預測，以實現數據價值的最大（dà）化。
圖數據科（kē）學通過知識圖譜在關聯數據中確定所（suǒ）尋找的模式（shì），圖算法使用無監（jiān）督的機器學習識別關聯、異（yì）常和趨勢，而圖原生機器學習(Graph Native Machine Learning) 使用嵌入方（fāng）法來了（le）解圖中（zhōng）未知的重要功能。此外，圖數據科學通（tōng）過訓練圖內監督機器學習的模型來（lái）預測鏈接、標簽和缺失數據，並提供快（kuài）速、成（chéng）熟、可擴展（zhǎn）的服務。
作為圖技術（shù）的市場領導者，Neo4j圖數據科學（xué）旨在幫助企業理解數據關（guān）係，讓數據科（kē）學家通過綜（zōng）合的圖分析技術（shù）挖掘數據價值，解答之前難以解決（jué）的問題。
Neo4j圖數據（jù）科學以圖技術為基礎，提供比傳統技術更好的預（yù）測。作為（wéi）一個統一的數據科學平台，Neo4j圖數據科學可兼（jiān）容用（yòng）戶的生態係統，輕鬆（sōng）與企業的數（shù）據（jù）倉（cāng）庫、AutoML等集成，是目前唯一提供支持、可擴（kuò）展性、細粒度安全性、MLOps和混合部署的平台。Neo4j圖數據科學擁（yōng）有業（yè）界最健全的超65種圖（tú）算法，已被廣泛采用並大規模實施，輕鬆處理數千億（yì）個節點和關係，應用覆蓋欺詐檢（jiǎn）測、市場推（tuī）薦、客（kè）戶（hù）360以及供（gòng）應鏈和物流等（děng）諸多領域。
更有效地檢測欺詐
使用Neo4j圖數據科學進行欺詐檢測，能夠從真實的匿名客戶數（shù）據集收集數據，87%以（yǐ）上的欺詐風險被檢測（cè）到。。企業可以在不更改機器學（xué）習管道的情況（kuàng）下從已有數（shù）據中檢測出更多的（de）欺詐（zhà）行為。通過這種方式分析曆史數據，也許會發（fā）現尚可追回的欺詐行為，從而（ér）增加收入。一旦發現（xiàn）欺（qī）詐跡象模式，可將其（qí）納入實時運營欺（qī）詐檢測係統，以避免未來造成此類損失。
丹麥商務局(Danish Business Authority)采用Neo4j圖數據科（kē）學來（lái）正確識別存在欺詐行為（wéi）的賬戶持（chí）有人，欺詐檢測增加（jiā）300%，提升10%的正確率（行業標準 < 1%），並在（zài）減少錯誤率的同時支付流增加了150%。丹麥商務局首席顧問（wèn）Marius Hartman表示：“由於習慣了某些地址或名（míng）稱，客戶的欺（qī）詐檢測會有風險，導致隻強調普通欺詐而忽略高明的欺詐。這些高明的欺詐（zhà）往往不容易被發現。”
精準（zhǔn）細分市場推薦
全球領（lǐng）先的製藥公司（sī）阿（ā）斯利康(AstraZeneca)在將新藥推向市場（chǎng）時，麵（miàn）臨尋找合適患者並教育潛在受眾市場的挑戰。阿斯利康全（quán）球商業IT洞察與（yǔ）分析高（gāo）級總監Joseph Roemer說：“我們使用圖（tú）算法來查找具有特定旅程類型（xíng）和模式的患者（zhě），然（rán）後找（zhǎo）到其他（tā）相近和相似的患者。”
借助Neo4j圖數（shù）據科學，阿斯（sī）利康從為期三年的健康記錄中攝取4B+數據點，通（tōng）過圖嵌入成功獲取患者身份的獨特原型（xíng），並基於網絡結構識別重要意見領袖（xiù），從而更加精準地鎖定目標患者，充分發揮受眾數（shù）據的價值（zhí），為市場推廣提供可靠的依據。
深度理解客戶
Neo4j幫助美國媒體集團Meredith Corporation向僅由數十億第（dì）一方和第三方cookie識別的匿名（míng）用戶開展營銷。Neo4j圖數據科學確定了1.63億個（gè）唯一（yī）的用戶畫像，使用中心性算法識別角色，通過圖嵌入降低（dī）複雜性，實（shí）現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（bāng）助該集（jí）團更好地了解客戶（hù）並開展（zhǎn）高效營銷。
Meredith Corporation高級數（shù）據科學（xué）家Ben Squire表示：“圖數據的（de）價值存在於數據（jù）點之間的關係所（suǒ）講述的故事中。圖（tú）數據本身就可以（yǐ）直觀地講述（shù）一個故事，它可以提供（gòng）即時洞察力，而這是行和列數據格式無（wú）法實現的。”
應對物（wù）流和供應鏈挑戰
海事軟件公司OrbitMI公司麵臨根據（jù）距離、成本和內部邏輯（jí）規劃（huá）海上（shàng）航線的挑戰。Neo4j圖數據科學幫（bāng）助客戶配備（bèi）具有尋路功能的亞秒級（jí）路由（yóu），利用Louvain算（suàn）法完成屬地製圖，並提供可以識別具有相似性（xìng）的備選方案。最終幫助OrbitMI完成了（le）具備亞秒級響應的海上航線規劃平台（tái），並在減少（shǎo）6萬噸全球碳排放（fàng）的同時實現高（gāo）達1200-1600萬美（měi）元的投資回報。借助Neo4j圖數據科學驅動的引（yǐn）擎實現優化全球船隊的生（shēng）產力、收入和可持續性。
OrbitMI首席營銷官David Levy表示：“我們希望創建一個利用人工智（zhì）能、集（jí）成當前和曆史AIS位置以及多個數據和API的解決方案。這樣的方案無疑需要世（shì）界級的（de）基礎設施。這（zhè）正是我們選擇 Neo4j 的原因所（suǒ）在。”
作為全球領先的圖數據平台領導者，Neo4j以現代數據科學基礎——圖技術為根基，為客（kè）戶（hù）提供了一個強大的（de）、可（kě）簡便集成和擴（kuò）展的數據科學（xué）平台。Neo4j圖數據（jù）科（kē）學通過全麵豐富的功（gōng）能，協助企業挖掘數據背後的（de）潛在價值，推（tuī）進企業的數字化轉型（xíng）。
投稿箱：
如果您有機床行業、企業（yè）相關新（xīn）聞稿件發表，或進行資訊合（hé）作，歡迎聯係本網編（biān）輯部， 郵箱：skjcsc@vip.sina.com
如果您有機床行業、企業（yè）相關新（xīn）聞稿件發表，或進行資訊合（hé）作，歡迎聯係本網編（biān）輯部， 郵箱：skjcsc@vip.sina.com
更多相關（guān）信息
業界視點
| 更多
行業數據
| 更多
- 2024年（nián）11月 金（jīn）屬切削機床產（chǎn）量（liàng）數據
- 2024年11月 分地區（qū）金屬切削機床產量數據
- 2024年11月 軸承出口情況
- 2024年11月 基本型乘用車（轎車）產量數據
- 2024年11月 新能源汽車產量（liàng）數據
- 2024年11月 新能源汽車銷量情況
- 2024年10月 新能源汽車產量數據
- 2024年10月 軸承出口（kǒu）情況（kuàng）
- 2024年10月 分地區金屬切削機床產量數據
- 2024年10月 金屬（shǔ）切削機床產量（liàng）數據（jù）
- 2024年9月 新能源（yuán）汽車銷量情況
- 2024年8月 新能源汽車產量數據
- 2028年8月 基本型乘用車（chē）（轎車）產量數據
博（bó）文選萃