Bflows - 图数据库与分析 - Neo4j 图数据库

利用 Neo4j 推动更快的现金流管理

总部位于意大利的初创公司 Bflows 正在使用 Neo4j 来改变企业处理发票的方式，颠覆了传统的应付账款和应收账款模式。

图数据库是这一变革的核心：要看到一切的相互关联性，需要图的力量。

Bflows 将自身定位为现金流管理解决方案。通过利用强大的算法和图数据科学，Bflows 为企业创造了一种更有效地管理营运资本的方式。

数据：Bflows

金融机构目前将客户之间的支付视为债务人和债权人之间的个体关系。

借助 Neo4j，Bflows 收集并重新组织相同的信息，将其构建成一个图，评估债务人和债权人之间现有的相互关联，有效地创建了一个未付发票网络。这种网络本质上是不断增长和变化的。

“这是一个图问题，”Bflows 首席技术官 Rinaldo Bonazzo 说。尝试用关系数据库来管理它，随着网络的扩展，很快就会占用过多的处理能力。但关系数据库也不擅长建立数据中的关系和查找连接。

“图数据库非常有助于调查网络、分析传入的数据、查找集群和查找异常，”Bonazzo 说。

在创建了包含公司所有未付发票的网络后，Bflows 应用机器学习来开始处理付款。算法的规则是自动支付网络中尽可能多的发票，利用找到的流动资金。通过分析网络中所有可能的支付周期，并找到那些如果优先支付，就会反过来解锁更多支付的节点，Bflows 能够减少一些阻碍支付无缝流动的瓶颈。

在 Bflows 应用程序中，每个人都获得了一个“用于处理交易和进行付款的钱包”，Bonazzo 说。在完成一轮支付后，Bflows 会更新其 Neo4j 数据库并进行分析，以了解为什么某些节点未付款或为什么某些节点的付款多于其他节点。

Bonazzo 表示：“我们还会进行一些预测分析和季节性分析，以确定在哪里可以帮助公司提高参与度和活跃度，从而更快地获得付款。这就是我们如何利用数据。”

到 2022 年第二季度，Bflows 的图数据库中已拥有超过 50,000 家公司的网络。Bonazzo 表示，他的团队通常使用 NetworkX 进行分析，但Neo4j 图数据科学让他们能够更快地分析其图。 Neo4j Bloom 使可视化和共享发现变得轻而易举。

“假设我们有 9000 万张发票需要处理。通常，我需要三周或更长时间才能完成分析。使用 Neo4j，我能够在四天内获得第一次粗略的分析结果，”Bonazzo 说。

Bflows 拥有宏伟的未来计划，包括拓展意大利以外的市场。在此过程中，Bonazzo 及其团队依靠强大的 Neo4j 开发者社区来充分利用 Neo4j 图数据库和 Neo4j 图数据科学。

“我可以说 Neo4j 社区非常好，”Bonazzo 说。“我可以与社区成员分享一些需求或信息，并获得良好的反馈。他们可能会提供我们从未想到过的解决方案，这最终可能成为最佳途径。”