您現(xiàn)在的位置：數(shù)控系統(tǒng)網(wǎng)>
企業(yè)動態(tài)>圖數(shù)據(jù)科學(xué)深耕數(shù)據(jù)價值，推進(jìn)企業(yè)數(shù)字化進(jìn)程
圖數(shù)據(jù)科學(xué)深耕數(shù)據(jù)價值，推進(jìn)企業(yè)數(shù)字化進(jìn)程
2022-9-6 來源：圖數(shù)據(jù)科學(xué) 作者：Neo4j大中華區(qū)總經(jīng)理 方俊強(qiáng)
隨著社會數(shù)字化程度的不斷加深，數(shù)據(jù)量呈爆發(fā)式增長，數(shù)據(jù)關(guān)系也日益復(fù)雜。在企業(yè)的數(shù)字化進(jìn)程中，基礎(chǔ)的原始數(shù)據(jù)管理已經(jīng)無法滿足將海量數(shù)據(jù)轉(zhuǎn)化為高價值數(shù)據(jù)資產(chǎn)的需求。沒有關(guān)系，數(shù)據(jù)或?qū)⒑翢o意義，關(guān)注并挖掘數(shù)據(jù)背后的關(guān)系成為實現(xiàn)數(shù)據(jù)價值的關(guān)鍵所在。
同時隨著數(shù)據(jù)量變大，預(yù)測信號在大數(shù)據(jù)噪聲中丟失，傳統(tǒng)的數(shù)據(jù)處理方法無法揭示和有效使用數(shù)據(jù)關(guān)聯(lián)。而圖技術(shù)最重要的貢獻(xiàn)在于幫助企業(yè)發(fā)掘數(shù)據(jù)中沒有被意識到或者認(rèn)為不存在的隱藏關(guān)系和模式。據(jù)Gartner分析，50%有關(guān)AI的咨詢都涉及圖技術(shù)的使用。
Neo4j大中華區(qū)總經(jīng)理方俊強(qiáng)
“讓數(shù)據(jù)自己說話”的圖數(shù)據(jù)科學(xué)
圖數(shù)據(jù)科學(xué)讓連接的數(shù)據(jù)“自己說話”，利用數(shù)十億甚至數(shù)萬億數(shù)據(jù)點之間的關(guān)聯(lián)確定什么是重要和有意義的。關(guān)聯(lián)以知識圖譜的方式呈現(xiàn)，并在知識圖譜上運(yùn)行，獲得可解釋的結(jié)果、數(shù)據(jù)以及算法，從而進(jìn)行預(yù)測，以實現(xiàn)數(shù)據(jù)價值的最大化。
圖數(shù)據(jù)科學(xué)通過知識圖譜在關(guān)聯(lián)數(shù)據(jù)中確定所尋找的模式，圖算法使用無監(jiān)督的機(jī)器學(xué)習(xí)識別關(guān)聯(lián)、異常和趨勢，而圖原生機(jī)器學(xué)習(xí)(Graph Native Machine Learning) 使用嵌入方法來了解圖中未知的重要功能。此外，圖數(shù)據(jù)科學(xué)通過訓(xùn)練圖內(nèi)監(jiān)督機(jī)器學(xué)習(xí)的模型來預(yù)測鏈接、標(biāo)簽和缺失數(shù)據(jù)，并提供快速、成熟、可擴(kuò)展的服務(wù)。
作為圖技術(shù)的市場領(lǐng)導(dǎo)者，Neo4j圖數(shù)據(jù)科學(xué)旨在幫助企業(yè)理解數(shù)據(jù)關(guān)系，讓數(shù)據(jù)科學(xué)家通過綜合的圖分析技術(shù)挖掘數(shù)據(jù)價值，解答之前難以解決的問題。
Neo4j圖數(shù)據(jù)科學(xué)以圖技術(shù)為基礎(chǔ)，提供比傳統(tǒng)技術(shù)更好的預(yù)測。作為一個統(tǒng)一的數(shù)據(jù)科學(xué)平臺，Neo4j圖數(shù)據(jù)科學(xué)可兼容用戶的生態(tài)系統(tǒng)，輕松與企業(yè)的數(shù)據(jù)倉庫、AutoML等集成，是目前唯一提供支持、可擴(kuò)展性、細(xì)粒度安全性、MLOps和混合部署的平臺。Neo4j圖數(shù)據(jù)科學(xué)擁有業(yè)界最健全的超65種圖算法，已被廣泛采用并大規(guī)模實施，輕松處理數(shù)千億個節(jié)點和關(guān)系，應(yīng)用覆蓋欺詐檢測、市場推薦、客戶360以及供應(yīng)鏈和物流等諸多領(lǐng)域。
更有效地檢測欺詐
使用Neo4j圖數(shù)據(jù)科學(xué)進(jìn)行欺詐檢測，能夠從真實的匿名客戶數(shù)據(jù)集收集數(shù)據(jù)，87%以上的欺詐風(fēng)險被檢測到。。企業(yè)可以在不更改機(jī)器學(xué)習(xí)管道的情況下從已有數(shù)據(jù)中檢測出更多的欺詐行為。通過這種方式分析歷史數(shù)據(jù)，也許會發(fā)現(xiàn)尚可追回的欺詐行為，從而增加收入。一旦發(fā)現(xiàn)欺詐跡象模式，可將其納入實時運(yùn)營欺詐檢測系統(tǒng)，以避免未來造成此類損失。
丹麥商務(wù)局(Danish Business Authority)采用Neo4j圖數(shù)據(jù)科學(xué)來正確識別存在欺詐行為的賬戶持有人，欺詐檢測增加300%，提升10%的正確率（行業(yè)標(biāo)準(zhǔn) < 1%），并在減少錯誤率的同時支付流增加了150%。丹麥商務(wù)局首席顧問Marius Hartman表示：“由于習(xí)慣了某些地址或名稱，客戶的欺詐檢測會有風(fēng)險，導(dǎo)致只強(qiáng)調(diào)普通欺詐而忽略高明的欺詐。這些高明的欺詐往往不容易被發(fā)現(xiàn)。”
精準(zhǔn)細(xì)分市場推薦
全球領(lǐng)先的制藥公司阿斯利康(AstraZeneca)在將新藥推向市場時，面臨尋找合適患者并教育潛在受眾市場的挑戰(zhàn)。阿斯利康全球商業(yè)IT洞察與分析高級總監(jiān)Joseph Roemer說：“我們使用圖算法來查找具有特定旅程類型和模式的患者，然后找到其他相近和相似的患者。”
借助Neo4j圖數(shù)據(jù)科學(xué)，阿斯利康從為期三年的健康記錄中攝取4B+數(shù)據(jù)點，通過圖嵌入成功獲取患者身份的獨(dú)特原型，并基于網(wǎng)絡(luò)結(jié)構(gòu)識別重要意見領(lǐng)袖，從而更加精準(zhǔn)地鎖定目標(biāo)患者，充分發(fā)揮受眾數(shù)據(jù)的價值，為市場推廣提供可靠的依據(jù)。
深度理解客戶
Neo4j幫助美國媒體集團(tuán)Meredith Corporation向僅由數(shù)十億第一方和第三方cookie識別的匿名用戶開展?fàn)I銷。Neo4j圖數(shù)據(jù)科學(xué)確定了1.63億個唯一的用戶畫像，使用中心性算法識別角色，通過圖嵌入降低復(fù)雜性，實現(xiàn)了個人畫像訪問量增加500%，接觸點長度增加1621%，同時使客戶理解力提升了20-30%，幫助該集團(tuán)更好地了解客戶并開展高效營銷。
Meredith Corporation高級數(shù)據(jù)科學(xué)家Ben Squire表示：“圖數(shù)據(jù)的價值存在于數(shù)據(jù)點之間的關(guān)系所講述的故事中。圖數(shù)據(jù)本身就可以直觀地講述一個故事，它可以提供即時洞察力，而這是行和列數(shù)據(jù)格式無法實現(xiàn)的。”
應(yīng)對物流和供應(yīng)鏈挑戰(zhàn)
海事軟件公司OrbitMI公司面臨根據(jù)距離、成本和內(nèi)部邏輯規(guī)劃海上航線的挑戰(zhàn)。Neo4j圖數(shù)據(jù)科學(xué)幫助客戶配備具有尋路功能的亞秒級路由，利用Louvain算法完成屬地制圖，并提供可以識別具有相似性的備選方案。最終幫助OrbitMI完成了具備亞秒級響應(yīng)的海上航線規(guī)劃平臺，并在減少6萬噸全球碳排放的同時實現(xiàn)高達(dá)1200-1600萬美元的投資回報。借助Neo4j圖數(shù)據(jù)科學(xué)驅(qū)動的引擎實現(xiàn)優(yōu)化全球船隊的生產(chǎn)力、收入和可持續(xù)性。
OrbitMI首席營銷官David Levy表示：“我們希望創(chuàng)建一個利用人工智能、集成當(dāng)前和歷史AIS位置以及多個數(shù)據(jù)和API的解決方案。這樣的方案無疑需要世界級的基礎(chǔ)設(shè)施。這正是我們選擇 Neo4j 的原因所在。”
作為全球領(lǐng)先的圖數(shù)據(jù)平臺領(lǐng)導(dǎo)者，Neo4j以現(xiàn)代數(shù)據(jù)科學(xué)基礎(chǔ)——圖技術(shù)為根基，為客戶提供了一個強(qiáng)大的、可簡便集成和擴(kuò)展的數(shù)據(jù)科學(xué)平臺。Neo4j圖數(shù)據(jù)科學(xué)通過全面豐富的功能，協(xié)助企業(yè)挖掘數(shù)據(jù)背后的潛在價值，推進(jìn)企業(yè)的數(shù)字化轉(zhuǎn)型。
投稿箱：
如果您有機(jī)床行業(yè)、企業(yè)相關(guān)新聞稿件發(fā)表，或進(jìn)行資訊合作，歡迎聯(lián)系本網(wǎng)編輯部， 郵箱：skjcsc@vip.sina.com
如果您有機(jī)床行業(yè)、企業(yè)相關(guān)新聞稿件發(fā)表，或進(jìn)行資訊合作，歡迎聯(lián)系本網(wǎng)編輯部， 郵箱：skjcsc@vip.sina.com
更多相關(guān)信息
業(yè)界視點
| 更多
行業(yè)數(shù)據(jù)
| 更多
- 2025年10月 新能源汽車銷量情況
- 2025年10月 新能源汽車產(chǎn)量數(shù)據(jù)
- 2025年10月 基本型乘用車（轎車）產(chǎn)量數(shù)據(jù)
- 2025年10月 軸承出口情況
- 2025年10月 分地區(qū)金屬切削機(jī)床產(chǎn)量數(shù)據(jù)
- 2025年10月 金屬切削機(jī)床產(chǎn)量數(shù)據(jù)
- 2025年9月 新能源汽車銷量情況
- 2025年9月 新能源汽車產(chǎn)量數(shù)據(jù)
- 2025年9月 基本型乘用車（轎車）產(chǎn)量數(shù)據(jù)
- 2025年9月 軸承出口情況
- 2025年9月 金屬切削機(jī)床產(chǎn)量數(shù)據(jù)
- 2025年8月 分地區(qū)金屬切削機(jī)床產(chǎn)量數(shù)據(jù)
- 2025年7月 新能源汽車銷量情況
博文選萃
| 更多
- 機(jī)械加工過程圖示
- 判斷一臺加工中心精度的幾種辦法
- 中走絲線切割機(jī)床的發(fā)展趨勢
- 國產(chǎn)數(shù)控系統(tǒng)和數(shù)控機(jī)床何去何從？
- 中國的技術(shù)工人都去哪里了？
- 機(jī)械老板做了十多年，為何還是小作坊？
- 機(jī)械行業(yè)最新自殺性營銷，害人害己！不倒閉才
- 制造業(yè)大逃亡
- 智能時代，少談點智造，多談點制造
- 現(xiàn)實面前，國人沉默。制造業(yè)的騰飛，要從機(jī)床
- 一文搞懂?dāng)?shù)控車床加工刀具補(bǔ)償功能
- 車床鉆孔攻螺紋加工方法及工裝設(shè)計
- 傳統(tǒng)鉆削與螺旋銑孔加工工藝的區(qū)別