利用 Neo4j 提升供应链洞察
提供主动采购服务的 SaaS 公司 Scoutbee 需要为客户提供对供应商的深入洞察。通过使用 Neo4j 知识图谱，业务用户和客户能够访问和可视化复杂的现实世界供应商相互依赖关系，从而能够选择最佳的供应链合作伙伴。
Scoutbee 供应商图谱数据：
- 供应商发现：速度提高 75%
- 工作时间：减少 85%
- 平台：AWS 上的 Neo4j AuraDB 企业版，搭配 Neo4j Bloom
全球采购服务公司 Scoutbee 运营于采购和供应链行业，提供供应商情报和发现解决方案，帮助企业改进采购流程。
挑战
Scoutbee 的 AI 驱动的供应商数据平台帮助客户构建弹性供应链。为此，不仅要识别新的供应商，还要了解现有和潜在供应商在整个供应链中的运营情况。
Scoutbee 的挑战是提供情报洞察，以支持客户做出最佳的数据驱动决策。
Scoutbee 数据和机器学习副总裁 Nischal Harohalli Padmanabha 表示：“拥有大量数据很棒，但如果你找不到一种方法来理解这些数据，并通过连接数据和业务语言/词汇来连接点，那它只会让人不知所措，在某种程度上，它并不实用。”
Scoutbee 与之合作的一些制造业巨头，例如联合利华、西门子、奥迪（仅举几例）的数据分散在多达 10 个 ERP 系统中。此外，数据来自组织外部的第三方来源。数据本质上是异构的，并且存在关于数据治理、隐私和安全性的担忧。
另一个问题是，分散在不同系统中的数据没有单一的事实来源。如果缺少这种来源，会导致决策时对数据使用信任度降低。
策略
“我们希望将所有这些数据集中起来，并通过对来自各种来源和领域的數據應用本体论，创建一个知识图谱，从而提供一个数据结构。我们不能一步到位，所以去年下半年我们的策略是整合所有这些数据，消除数据孤岛，让所有应用程序和产品能够从一个中心位置以语义层的方式使用数据，”Nischal 说。
Scoutbee的目标是数据民主化，建立一个组织，让不同部门的人员都能访问数据洞察，并信任这些洞察背后的数据。为了实现这一目标，该公司实施了一项战略，利用所有可能的数据连接，以提供更完善的供应商信息、更丰富的市场信息，发现更多备用供应商，并简化供应商合作。
Scoutbee的目标是提供一个数据基础，将知识作为一种操作系统，来回答采购领域中比理解供应商资料更复杂的问题，例如理解一级供应商以外的供应商交互。
解决方案
Scoutbee使用AWS，最初曾考虑过其他图数据库技术。但是，在更深入地研究了这些选项后，Scoutbee选择了Neo4j。Nischal解释了原因：“我们开始使用Neo4j的最主要原因之一是它在Neo4j Bloom中的可视化功能。我们希望构建一种能力，让组织中更多的员工能够理解数据，理解实体，理解图，并自行导航。”
对于Nischal来说，与其将数据使用限制在数据工程师和数据科学家，不如通过交互式图可视化将知识图开放给组织中的业务用户。
“Neo4j图数据库技术使我们能够构建每个人都能使用的知识图。Neo4j帮助我们实现了数据民主化的目标，”他说。“该解决方案在业务用户、数据科学家和数据工程师之间建立了联系，同时保持合规性。这样，每个人都能从数据中获得最大价值。”
为了实现Scoutbee的数据民主化目标，Scoutbee需要与Neo4j数据库服务器建立私有的、安全的、可扩展的网络连接，以便从其他AWS服务访问数据，而不会将流量暴露给公共互联网。Scoutbee决定使用AWS PrivateLink将Scoutbee的关键数据（如供应商信息）传输到不同的系统，从而简化网络和防火墙管理规则，并降低数据输出和NAT成本。
该解决方案还提供了客户要求的可解释性。“我们不仅希望尽快准确地回答客户的问题，而且还希望提供答案背后的推理，”Nischal说。
作为完全托管的图数据库，Neo4j AuraDB Enterprise使团队能够专注于自己的解决方案：“我们无需管理自己的数据库，可以依靠Neo4j来帮助进行性能调优，处理备份，恢复备份，并在团队发展和引导其发展方面提供支持。”
“Neo4j解决方案周围还有一个庞大的社区，这非常有用，尤其是当您编写复杂的查询或想了解如何进行领域建模时。在将数据放入图中后，在图操作方面，您可以获得大量支持，”Nischal继续说道。
结果
Scoutbee现在能够为市场提供独特的价值主张，提供关于供应商在现实世界中的存在方式的智能，以及与来自不同领域的语义关系的数据。“我们提供360度的供应商视图，我们不仅从一个数据角度看待供应商，还将我们掌握的所有供应商数据整合在一起，揭示所有关系的全部范围及其相互关联，”Nischal说。
知识图解锁了图分析和机器学习，可以访问知识图的智慧：“我们的客户认为这是一个高价值的主张。这不仅仅是关于我们现在可以为他们解决的问题。这也是关于揭示他们可能在未来通过数据价值金字塔向上发展而意识不到的考虑因素。”
传统的供应商发现流程大约需要100-180个工作小时，历时24周。现在，随着更智能、自动化的新方法的出现，该流程只需8-12个小时，历时六周。
“对我们来说，一个很大的优势是迭代数据建模。一旦产品和应用程序被设置为使用特定模式，更改模式以适应不断变化的业务需求可能会很困难。迭代数据建模解决了这个问题，”Nischal说。“当您开始使用图时，您正在构建一个用于主数据管理的系统。数据完整性、合规性和治理也是关键。该解决方案提供数据完整性，清晰地显示数据源和更新。”
现在，随着更好的数据，Scoutbee的客户可以做出更好的决策，这将导致一个更美好的世界，企业可以提供最佳产品。
用例
- 供应商智能