用例： 用于图数据科学的 Neo4j
利用现有的网络结构改进预测
今天的企业面临着极其复杂的挑战和机遇，需要更加灵活、智能的方法。
这就是 Neo4j 为数据科学家创建第一个企业图框架的原因——以改进预测，推动更好的决策和创新。
用于图数据科学的 Neo4j™ 将关系和网络结构的预测能力融入现有数据中，以回答以前难以解决的问题并提高预测准确性。
用于企业图数据科学的 Neo4j
从指针到模式再到预测，只有 Neo4j 在集成的企业环境中提供如此广泛而深入的先进图分析和数据科学功能。
我们高效的属性图模型将节点及其相应的关系存储在一起，因此您只需按照指针进行实时查询。Neo4j 图算法检查全局结构以查找重要模式，现在，借助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。
用于图数据科学的 Neo4j 由以下产品组成
-
Neo4j 图数据科学™ 库
一个具有灵活数据结构的分析工具包和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，专门用于持久化和保护关系。
-
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各业的企业利用高度预测性但尚未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对用户进行去重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，然后将预测性特征用于进一步分析、机器学习或支持 AI 系统。通过这种方法，Neo4j 客户证明了图对于高级分析、机器学习和 AI 具有巨大的价值。
阅读白皮书《人工智能与图技术：利用上下文和连接增强人工智能》，了解图技术如何通过提供底层数据中的上下文和连接来增强机器学习和人工智能项目。
快速入门
-
图数据科学傻瓜书
学习图数据科学的基础知识，深入了解图分析和算法，这些算法使用机器学习等方法解决现实世界的问题。
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来控制感染。
阅读案例研究 -
Neo4j 图数据科学沙箱
结合我们的图数据科学沙箱试用 Neo4j Bloom 和 GDS 库——这是最快捷的实验方式，因为无需安装任何内容或加载数据。
尝试沙箱 -
Neo4j 的 Amy Hodler 如何阐述图如何增强人工智能
Neo4j 的分析与 AI 项目经理 Amy Hodler 在 GraphTour 上阐述了图技术如何增强 AI，并提供了在图数据科学中如何向前推进的战术步骤。
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，以便您更好地理解复杂系统并回答更复杂的问题。
自信地进行操作
使用行业领导者将基于图的功能添加到现有的数据科学管道中，是一种低风险的方式，可以更快地将更准确的模型投入生产。
挑战
数据有限
分析和机器学习需要大量数据来提高准确性，但如今大多数模型都没有使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，因此必须使用一个框架，该框架可以引入高度预测性的关系，同时简化从数据到分析再到可视化并返回的过程。
缺乏规模和支持
数据科学家需要企业级规模、生产功能和专用的数据科学支持，其中包括打包和测试的算法。
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，其中包含强大的图算法，这些算法可以在数百亿个节点和关系上运行。
集成的原生图存储
Neo4j 图数据库以原生方式存储互连数据以实现持久性，并自动执行数据重塑以进行分析。
直观的图可视化
Neo4j Bloom 使图新手和专家能够直观地探索结果，快速原型化概念并与不同小组协作。
利用图数据科学进行金融欺诈检测
图算法和可视化如何更好地预测新出现的欺诈模式
了解图数据科学如何增强您现有的欺诈分析和机器学习管道，以减少欺诈性交易并保护收入流。