通过 Neo4j 加速现金流管理

意大利初创公司 Bflows 正在利用 Neo4j 颠覆企业处理发票的方式，彻底改变传统的应付账款和应收账款模式。

图数据库是这一突破的核心：要看到万物互联，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 创造了一种让企业更有效管理营运资金的方式。

Bflows 数据一览

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 将相同的双边信息收集并重组为图，评估债务人和债权人之间现有的相互连接，从而有效地创建一个未付发票网络。这样的网络本质上是不断增长和动态的。

“这是一个图问题，”Bflows 首席技术官 Rinaldo Bonazzo 说。尝试用关系数据库管理它，随着网络扩展，很快就会占用过多的处理能力。而且关系数据库在建立关系和发现数据连接方面也不如图数据库。

“图数据库对于调查网络、分析传入数据、发现集群、发现异常非常有帮助，”Bonazzo 说。

在创建包含公司所有未付发票的网络后，Bflows 应用机器学习开始处理支付。该算法的规则是根据发现的流动性自动支付网络中尽可能多的发票。通过分析网络中所有可能的支付周期，并找到那些如果首先支付就能解锁更多支付的节点，Bflows 能够减少一些阻碍支付顺畅流动的瓶颈。

Bonazzo 说，在 Bflows 应用程序中，每个人都会获得一个“用于处理交易和进行支付的钱包”。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被支付，或者为什么某些节点获得的支付多于其他节点。

“我们还会进行一些预测性分析和季节性分析，以找出我们可以在哪里帮助公司更积极、更活跃，然后更快地获得支付，”Bonazzo 说。“这就是我们利用数据所做的事情。”

截至 2022 年第二季度，Bflows 的图谱中拥有超过 5 万家公司的网络。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图谱。Neo4j Bloom 使可视化和分享发现变得容易。

“假设我们要处理 9000 万张发票。通常我需要三周或更长时间来做分析。有了 Neo4j，我能在四天后获得第一次分析的初步表示，”Bonazzo 说。

Bflows 对未来有宏伟的计划，包括扩展到意大利以外的市场。在此过程中，Bonazzo 和他的团队一直依赖强大的 Neo4j 开发者社区，以最大限度地利用 Neo4j 图数据库和 Neo4j 图数据科学。

“可以说 Neo4j 社区非常棒，”Bonazzo 说。“我可以与社区里的人分享一些需求或信息，并得到很好的反馈。他们可能会提供我们从未想到的解决方案，这最终可能是最佳途径。”