使用案例： 用于图数据科学的 Neo4j
利用现有网络结构改进预测
当今企业面临着极其复杂的挑战和机遇，这需要更灵活、更智能的方法。
这就是Neo4j为数据科学家创建首个企业级图框架的原因——旨在改进预测，从而推动更好的决策和创新。
Neo4j for Graph Data Science™ 将现有数据中的关系和网络结构的预测能力融入其中，以回答以前难以解决的问题，并提高预测准确性。
Neo4j 企业级图数据科学
从指针到模式再到预测，只有Neo4j能在集成的企业环境中提供如此广度和深度的先进图分析和数据科学能力。
我们高效的属性图模型将节点及其对应关系存储在一起，因此您只需跟随指针即可进行实时查询。Neo4j图算法检查全局结构以查找重要模式，现在，通过分析工作区内的图嵌入和图数据库机器学习训练，我们可以对您的图进行预测。
Neo4j 图数据科学包含以下产品
-
Neo4j 图数据科学™ 库
一个包含灵活数据结构用于分析的工具包，以及一个包含五种强大图算法的库。
-
Neo4j 图数据库
一个高度可扩展的原生图数据库，专为持久化和保护关系而构建。
-
Neo4j Bloom
一个图可视化和探索工具，允许用户可视化算法结果并使用无代码搜索查找模式。
图数据科学帮助各行业企业利用高度预测性但大部分未被充分利用的关系和网络结构来解决棘手的问题。
例如，跨多个平台和联系人进行用户消歧，以提供更个性化的服务和营销；识别复杂患者旅程中的早期干预措施以改善结果；以及通过看似无害的行为序列预测欺诈。
为了实现这些目标，组织会探索图算法的结果，然后使用预测性特征进行进一步分析、机器学习或支持AI系统。通过这种方法，Neo4j客户正在证明图为高级分析、机器学习和AI带来了巨大的价值。
阅读白皮书《人工智能与图技术：通过语境和连接增强AI》，了解图技术如何通过在底层数据中提供语境和连接来增强机器学习和AI项目。
快速通道
-
图数据科学傻瓜书
学习图数据科学的基础知识，并深入了解利用机器学习等技术解决实际问题的图分析和算法。
获取免费书籍 -
案例研究：NYP 利用 Neo4j 推进分析以追踪感染
了解NYP医院的分析团队如何使用图数据科学关联所有事件数据，从而能够追踪感染并采取战略行动加以控制。
阅读案例研究 -
Neo4j 图数据科学沙盒
与我们的图数据科学沙盒一起试用Neo4j Bloom和GDS库——这是最快的实验方式，因为无需安装或加载数据。
试用沙盒 -
图如何增强人工智能，Neo4j 的 Amy Hodler 访谈
Neo4j 分析与AI项目经理Amy Hodler在GraphTour上发表演讲，讲述图技术如何增强AI，并提供图数据科学的战术步骤。
观看视频
业务成果
改进预测
在高级分析和机器学习中融入关系的预测能力，使您能够持续提高预测准确性。
解答棘手问题
图算法是数据科学算法的一个子集，旨在分析网络结构，从而帮助您更好地理解复杂系统并回答更复杂的问题。
信心十足地投入运营
利用行业领导者的产品将基于图的特性添加到现有数据科学流程中，是一种低风险且能更快地将更准确模型投入生产的方法。
挑战
数据受限
分析和机器学习需要大量数据来提高准确性，但目前大多数模型并未利用其关于关系和网络结构的现有数据。
迭代
数据科学本质上是迭代的，因此使用一个能够引入高度预测性关系，同时简化从数据到分析、可视化再到数据的过程的框架至关重要。
缺乏规模与支持
数据科学家需要企业级规模、生产功能以及专业的图数据科学支持，包括打包和测试过的算法。
为什么选择 Neo4j？
可扩展的图分析
Neo4j 图数据科学库创建了一个友好的分析工作区，其强大的图算法可以处理数百亿个节点和关系。
集成原生图存储
Neo4j 图数据库原生存储相互关联的数据以实现持久化，并自动化数据重塑以进行分析。
直观的图可视化
Neo4j Bloom 使图初学者和专家能够直观地探索结果，快速原型化概念并与不同团队协作。
利用图数据科学进行金融欺诈检测
图算法与可视化如何更好地预测新兴欺诈模式
了解图数据科学如何增强您现有的欺诈分析和机器学习流程，从而减少欺诈交易并保护收入来源。