SlideShare une entreprise Scribd logo
1  sur  55
Télécharger pour lire hors ligne
Introduction
à Neo4j
7 / Top 10
20 / Top 25
7 / Top 10
Commerce
Finance
Edition de logiciels
Déploiement au choix
Neo4j - L’entreprise des graphes
Le plus important investissement de l’industrie dans les graphes
2
Inventeurs du Graphe de
propriétés et de Cypher le
langage à l’origine de GQL
(ISO project)
Des milliers de clients
Siège dans la Silicon Valley,
bureaux à Londres, Munich,
Paris et Malmö
Les principaux industriels
utilisent Neo4j
On-Prem
DB-as-a-Service
Dans le Cloud
Les Graphes sont les SGBD à la plus forte croissance
Neo4j est le principal acteur de la catégorie
La croissance la plus rapide Très populaire auprès des développeurs
La plus grande communauté
DéveloppeursCompétences
LinkedIn
41k+
membres avec
220k+
Meetups
72k+
Membres de groupes
Les connections entre les données ont autant de
valeur que les données elles-mêmes
Réseau de personnes Réseau de transactions
Bought
Bought
Viewed
Returned
Bought
Réseau de connaissance
Plays
Lives_in
In_sport
Likes
Fan_of
Plays_for
Ex : Gestion du risque, chaînes
d’approvisionnement,
paiements
Ex : Employés, Clients,
Fournisseurs, Partenaires,
Influenceurs
Ex : Référentiels, Domaines
spécifiques, eCommerce,
revue de presse
Know
s
Knows
Knows
Knows
5
Exploiter les connections produit de la valeur
Prise de décision
augmentée
Hyper
Personalisation
Intégration de données
massive
Innovation par la
compréhension des
données
Recommandations produit
Suivi médical personnalisé
Média et publicité
Prévention de la Fraude
Analyses réseau
Contrôle du respect de la loi
Elaboration de Médicaments
Renseignement
investigation criminelle
Innovation produit et processus
Vue 360° du client
Conformité
Optimisation des
opérations
Science de la donnée
Apprentissage machine
IA
Prédiction de fraude
Parcours de soins
Identification des clients
Transformation de secteurs industriels
“Étant native, Neo4j permet de
refléter des entités et leurs
relations dans des structures de
graphes complexes très
naturellement”
“Le modèle de données de
graphes . . . tolère de
nombreuses contraintes du
monde réel que les SGBDR ne
peuvent pas”
Juin 2019
Enterprise Reviewer
“Identifier des relations en lien
avec des combinaisons de
données diverses, en utilisant
la technique des graphes à l’
échelle, constitue les fondation
des données et analyses
modernes”
Mai 2020
Top 10 Trends in Data and Analytics
“Neo4j est clairement le leader
du marché des graphes.
Neo4j possède le plus
d’utilisateurs, utilise et pilote un
langage de requête largement
adopté. Dans de nombreux
aspects, Neo4j à été
constamment plus innovant que
ses concurrents.”
Juin 2020
Bloor InBrief
Les Graphes sont un atout unique
La base de données de graphes native et ses outils pour les entreprises
• Stocke, révèle et requête les données des relations
• Traverse et analyse plusieurs niveau de profondeur en temps réel
• Ajoute du contexte au systèmes d’IA et aux structures en réseau utilisées en science de la donnée
7
Technologie de graphes Native
• Performance
• Transactions ACID
• Agilité sans schéma
• Algorithmes de graphes
Conçu, construit et testé nativement
pour les graphes depuis l’origine pour :
• Productivité des développeurs
• Optimisation des perfs. serveurs
• Echelonnement des perfs.
• Adoption des graphes
Outils
d’analyse
Transactions de Graphes
Intégration de données
Dev.
et Admin
Pilotes et Librairies Découverte et Visualisation
Analyses de
Graphes
8
• “Cyber Monday” ventes record
• 35 M de transactions quotidiennes
• De 3 à 22 saut par transaction
• Requêtes en moins de 4 ms
• Remplacement IBM Websphere commerce
• 300 M de calculs de prix par jour
• 10 fois plus de transactions sur moitié moins
de matériel comparé à Oracle
• Remplacement d’une base Oracle
• Grand service postal de 500 000 employés
• Neo4j route 7 M de colis par jour de pics et
plus de 5,000+ opérations de routage par
secondes
Gérer de grandes quantités de données
pour les entreprises
Promotion temps-réel
Recommandations
Calcul de prix
temps-réel
Routage de colis en
temps réel (Poste EU)
Grande synergie entre les graphes
l’apprentissage machine (AM) et l’IA
9
MONTEE DE
L’INTERET
CONTEXTE POUR IA
ET l’AM
Publications scientifiques
graphes et IA
+100K téléchargements, 20K en 2 semaines
MULTI INDUSTRIES
German Center for
Diabetes Research
De meilleures décisions avec
les graphes de
connaissances IA
Meilleure précision pour
l’AM avec les fonctions
d'ingénierie de graphes
10
• Majorité d’utilisateurs anonymes
multi-terminaux et sites avec des cookies
changeants
• 4.4 To : +14 Mi de noeuds +20 Mi rels
• Identifié + 160 M d’utilisateurs uniques pour
créer des profils persistants
• Près de 70% de fraudes n’étaient pas détectées
• + 1 Mi de noeuds et + 1 Mi de Relations à
analyser
• Analyses de graphes avec des requêtes et
algorithmes pour identifier 10 M de fraudes la
première année
Améliorarion des analyses IA et AM
Fraude financière
Détection et recouvrement
Top 10 Bank
• 3 années de visites, tests et diagnostics et
des dizaines de millions d’enregistrements
• Recherche de similarités dans les parcours
de soins
• Algorithmes de graphes pour identifier des
communautés et les meilleurs points
d’intervention
AstraZeneca
Parcours client
Meredith Marketing
Identification des anonymes
La technologie Neo4j
11
Outils
d’analyse
Transactions de graphes
Intégration de données
Dev.
et Admin
Pilotes et librairies Découverte et Visualisation
Analyses et science
de la données
Developpeurs
Admins
Applications Utilisateurs métier
Analystes de
données
Statisticiens
Technologie de graphes pour les applications et analyses
Graphe de propriété - Simple et puissant
Employé VilleEmployeur
Les noeuds
représentent des
objets (noms)
Les relations ont une direction
Les relations qui connectent
les noeuds représentent des
actions (verbes)
Les relation portent des
propriétés (Clés/Valeurs)
Les noeuds ont des
propriétés
(Clés/Valeurs)
nome: Amy Peters
date_Naissance: 1984-03-01
employé_ID: 1
:EST_PDG
date_début: 2008-01-20
:Située
14
Bases de données de Graphes :
Conçues pour les données connectées
RELATIONNEL
Stocke et extrait
NoSQL
Agrège et filtre les données
Inter-connections
Vision temps réel sur les connections
Requête longues et filtration
“Notre solution Neo4j est littéralement des milliers de fois plus rapide
que la précédente solution MySQL, avec des requêtes ayant 10-100 fois
moins de lignes”
Volker Pacher, Senior Developer
Passer des silos deconnectés aux
connections inter-silos
Gère des listes
15
Stocke et permet un contrôle
bas niveau aux données les plus
sensibles
Conçu pour des charges adaptées aux entreprises
Découvrir des connexions et
valoriser des milliards de noeuds
Passage à l’échelle Sécurité Flexibilité
Etend votre base de graphe
à de nouveaux cas d’usages
pour la science des données de graphes
“Graph Data Science™“
Neo4j “Graph Data
Science Library”
Algorithmes de graphes à
l'échelle et analytique
Graphe natif
Création & Persistance
Base Neo4j
Exploration et prototypage
visuel
Neo4j
Bloom
Pratique Intégré Intuitif
Algorithmes de graphes robustes
• Calculer des métriques de connectivité et découvrez la
topologie de votre graphe
• Hautement parallélisé et passage à l’échelle de dizaines de
milliards de noeuds
17
Librairie de science des données de graphes (GDSL )
Espace de travail en
mémoire
Graphe de calculs
Graphe de stockage natif
Espace de travail efficace et flexible
pour les analyses
• Transforme automatiquement des graphes transactionnels
en graphes d’analyses en mémoire
• Optimisé pour les analyses avec traversées globales et les
agrégations
• Créer des flux de travail et des couches d’algorithmes
• Degree Centrality
• Closeness Centrality
• Harmonic Centrality
• Betweenness Centrality & Approx.
• PageRank
• Personalized PageRank
• ArticleRank
• Eigenvector Centrality
• Triangle Count
• Clustering Coefficients
• Connected Components (Union Find)
• Strongly Connected Components
• Label Propagation
• Louvain Modularity
• Balanced Triad (identification)
Plus de 50 Algorithmes de graphes dans Neo4j
• Shortest Path
• Single-Source Shortest Path
• All Pairs Shortest Path
• A* Shortest Path
• Yen’s K Shortest Path
• Minimum Weight Spanning Tree
• K-Spanning Tree (MST)
• Random Walk
• Breadth & Depth First Search
• Triangle Count
• Local Clustering Coefficient
• Connected Components (Union Find)
• Strongly Connected Components
• Label Propagation
• Louvain Modularity
• K-1 Coloring
• Modularity Optimization
• Euclidean Distance
• Cosine Similarity
• Node Similarity (Jaccard)
• Overlap Similarity
• Pearson Similarity
• Approximate KNN
Recherche et
cheminement
Centralité /
Importance
Détection de
communautés
Similarité
Prediction
de liens
• Adamic Adar
• Common Neighbors
• Preferential Attachment
• Resource Allocations
• Same Community
• Total Neighbors
... Auxiliary Functions:
• Random
graph generation
• Graph export
• One hot encoding
• Distributions & metrics
Imbrications
• Node2Vec
• Random Projections
• GraphSAGE
La première méthode pratique pour faire de la science
de la données en entreprise
Librairies drastiquement
simplifiées et standardisées
permettant des configurations
personnalisées et flexibles
Documentation, formation et
exemples permettant un
démarrage simple
Explorez les graphes et les
algorithmes avec l’outil de
visualisation Bloom
Partagez la connaissance avec les
membres des équipes pour une
meilleure collaboration
Expérience de travail agréable
grâce à des gardes-fous tels que
gestion de la mémoire et
suggestion d’erreurs
Remodelage, noeuds et relations
Agrégations et dédoublonnage
Algorithmes multiparité
20
# Points
de vues
Chercher
Visualiser
Explorer
Inspecter
Editer
Explorez et Collaborez
Avec Neo4j Bloom
Explorez les graphes visuellement
Prototypez des concepts plus
rapidement
Collaborez avec vos équipes
Interface utilisateurs
intuitive de
Neo4j Bloom
21
Recherche avec completion
Couleurs, tailles et icônes
personnalisables
Visualisez, Explorez et Découvrez
Zoom et selection
Navigateur et éditeur de données
22
Neo4j usages typiques
Quelques exemples
Recommandations Gestion des risques Ressources humaines
Sécurité Orchestration des données
Neo4j dans le Cloud
23
Neo4j Cloud: Modèle de déploiement flexible
24
SaaS entièrement géré
Tarif basé sur la consommation
Natif-Cloud
déploiement Self-service
Pas d’accès à l’infrastructure
sous-jacente
Service premium géré par les
experts Neo4j
Déploiement entièrement
personnalisable par les services
professionnels Neo4j
Opération dans vos propres
infrastructures physiques ou
virtualisées
Database-as-a-Service
Cloud Managed
Services (CMS)
Pour des clouds privés ou
hybrides types
Bring-your-own-license
Contrôle complet de vos
environnements
Opération dans n’importe quel
Cloud du marché avec vos propres
comptes utilisateurs
Auto-hébergement
La base de données de graphes la
plus populaire du monde, dans un
service Cloud
Entièrement automatisé avec zéro
administration
Passez à l’échelle à la demande
dynamiquement
La Sécurité et la Fiabilité sans les soucis
Tarification à la consommation
25
Neo4j Aura : pour la meilleure expérience développeur
Le coeur open source de Neo4j soutenu par la plus forte communauté des graphes propose la meilleure expérience développeur pour
construire rapidement de riches applications basées sur les graphes
26
Facile
Démarre dans la minute
Mises à jour automatiques
A l’échelle à la demande
Zéro interruption
Puissant
Des requêtes rapides comme l’
éclair avec un moteur natif
Modèle de données flexible
“Tableau blanc”
Cypher - Expressif, efficace et
rapide
Pilotes pour la majorité des
langages de programmation
Fiable
Chiffrement point à point
Toujours allumé
Disponible à travers le globe
Auto-reparation, durable
Transactions ACID
Abordable
Payez à la consommation
Tarification basé sur la capacité
Facturation à l’heure
Coûts simples et prédictibles
Minka
Neo4j for ACH Transaction
Processing
Background
● Minka, a Colombian fintech startup, along with ACH Colombia
modernizing the country’s ACH payments system
● Enable real-time payments transactions with a new Blockchain
based system, Transferencias Ya
Business Problem
● Need to convert an outdated batch processed ACH to the new
system and scale
● Need a robust, durable solution with guaranteed ACID
transactions to build trust among users
Solution and Benefits
● Aura powers transaction records and references for
Transferencias Ya
● With Aura, day to day operations taken care of while system
reliably operates and scales
● Pilot with 8 banks successful, expanding to all 27 banks
supporting hundreds of complex transactions every second
Neo4j Cloud Managed Services (CMS)
Enterprise-class, white-glove managed services for day-to-day operations,
service and support of your Neo4j environment
Dedicated team,
always on-call
Advanced monitoring and
preventative maintenance
Enterprise-grade security
and compliance
24x7x365 remote services
and support
Public or Private Cloud
Deployments
Your data in your
infrastructure, fully
controlled versioning
The CMS Advantage
Focus on
Innovation
… while we manage
your day-to-day
infrastructure
operations
Achieve Faster
Time-to-value
… with experts
to manage your
environment from day
one. Minimize hiring,
in-house training, and
ramp-up.
Reduce your
Risk
… and meet your
security, compliance
and business continuity
needs with proven best
practices.
Accelerate your
Cloud Journey
… by enabling a fully
managed enterprise
cloud environment and
moving your production
Neo4j environment
within days.
Cas d’usages
30
Highly Valuable Connected Data Use Cases
Drive Enterprise Adoption
Network &
IT Operations
Fraud
Detection
Identity & Access
Management
Knowledge
Graph
Master Data
Management
Real-Time
Recommendations
Dun & Bradstreet
Neo4j for Tracking Beneficial
Ownership
Background
● Regulations and requirements around beneficial
ownership
● Needed to let B2B clients book new business promptly
via accelerated due diligence investigations
Business Problem
● Investigations call for highly trained staff, and this activity is
hard to scale. A single request might tie up key people for
10-15 days, resulting in lost revenue
Solution and Benefits
● Use Neo4j to quickly query historic relationships between
business owners and companies
● Query responses take milliseconds versus days of skilled
manual research
Adobe Behance
Social Network of 10M
Graphic Artists
Background
● Social network of 10M graphic artists
● Peer-to-peer evaluation of art and works-in-progress
● Job sourcing site for creatives
● Massive, millions of updates (reads & writes) to Activity Feed
● 150 Mongos to 48 Cassandras to 3 Neo4j’s!
Business Problem
● Artists subscribe, appreciate and curate “galleries” of works of their own
and from other artists
● Activities Feed is how everyone receives updates
● 1st implementation was 150 MongoDB instances
● 2nd implementation shrunk to 48 Cassandras, but it was still too slow and
required heavy IT overhead
Solution and Benefits
● 3rd implementation shrunk to 3 Neo4j instances
● Saved over $500k in annual AWS fees
● Reduced data footprint from 50TB to 40GB
● Significantly easier to introduce new features like, “New projects in your
Network”
US Army / Calibre
Systems
Equipment Logistics
Background
● US IT consulting firm helped US Army streamline equipment
deployments and maintenance spending
● Saving lives by improving the operational readiness of Army
equipment like tanks, radios, transports, aircraft, weaponry, etc.
Business Problem
● Needed to modernize procurement, budget and logistics processes for
equipment & spare parts
● Millions of connections among a tank’s bill-of-materials, for example
● Improve “what if” cost calculations when planning missions and troop
deployments
● Mainframe systems required over 60 man-hrs to calculate changes…
planning took too long
Solution and Benefits
● Shed cost estimation times by 88%
● Improved parts delivery timing and accuracy
● DBA labor required dropped by 77%
● Equipment TCO more predictable
● Safer soldiers
COMCAST
Xfinity xFi
Smart Home/ IoT
Background
● Largest Cable TV & Internet Provider in US with 3rd Largest
network on the planet
● xFi is consumer experience in 3M houses with internet, router,
devices, security, voice & telephony
Business Problem
● Integrate all experience in a smart home
● Create innovative ideas based on cross-platform and household member
preferences
● Add integrated value of xFinity triple play & quad-play services (internet,
VoIP, cable TV & home security)
Solution and Benefits
● Custom content per household member
● Security reminders (kids are home, garage left open)
● Serves millions of households
● Makes content recommendations based on occupant, time of day,
permissions and preferences
Caterpillar
Heavy Equipment
Manufacturing
Background
● Fortune 100 heavy equipment manufacturer
● 27 Million warranty & service documents parsed
Business Problem
● Improve maintenance predictability
● Need a knowledge base for 27 million warranty documents and
maintenance orders
● Graphs gather context for AI to identify ‘prime examples’ of connections
among parts, suppliers, customers and their mechanics anticipate when
equipment will need servicing and by whom
Solution and Benefits
● Knowledge graph created through Natural Language Processing (NLP) of
decades of historical service documents
● Common ontology for complaints, symptoms & parts
● Anticipates when equipment will need servicing
● Improves customer and brand satisfaction
● Maximizes lifespan and value of equipment
Meredith Inc.
Digital Media Identity
Resolution
Background
● Media conglomerate with $3.2 Billion revenue
● Owner of popular web properties including: People,
Travel+Leisure, Better Homes & Gardens
Business Problem
● Users are often anonymous across sites and devices with online cookies
that constantly change
● External data is expensive, hard to validate and quickly suffers from
cookie loss
● Poor understanding of visitor behavior reduces recommendation
effectiveness, leading to fewer clicks and less revenue
Solution and Benefits
● 612% Increase in visits tracked per profile
● 4.4 TB of data: +14 Bn nodes +20Bn relationships
● Graph algorithms to find data “clusters” that represent unique user
behavior
● Transformed 346M cookies to 163M unique users with richer & longer
lived profiles
● Connecting various data streams for continuous user identification
AstraZeneca
Patient Journey Analytics
Background
● Global pharmaceutical with $22.1Billion revenue
● Focus on oncology, cardiovascular, renal, metabolism, respiratory
Business Problem
● Complex diseases develop over years with many, many doctor visits, tests
and evolving diagnosis
● How to identify early warnings, intervene faster & improve outcomes
● No two patients are the same, so how are similarities found
Solution and Benefits
● Used Neo4j Graph Data Science Library to map and predict patient
journeys
● Kidney disease intervention project
● 3 yrs of visits, tests & diagnosis with 10’s of Bn of records
● Knowledge Graph, graph queries & algorithms
● Community detection to help find similarities over time
● Finding influence points where experienced physicians may be able to
guide and assist
39
Neo4j Leadership and Commitment
First mover advantage and product maturity
Thriving ecosystem; world’s largest
graph community & partner network
Thought leadership and vision Deep IP that is difficult to replicate
Proven GTM success with Enterprise - referenceable case studies from
marquee customer base and track record of customer success, stickiness &
expansion
Runs everywhere – all major cloud
environments, hybrid & private clouds,
on-premise and OEM embedded
Prenez date :
- 16 Sept. Formation Neo4j les Basiques
- 9 Oct. Formation Modélisation Neo4j
www.neo4j.com/events
Quel sera votre prochain
projet de graphe
avec ?
Démonstration
Appendix
43
2010 2011 2012 2013 2015 2017
Introduced
Cypher -
Leading
language for
graph queries
First open
source GA
version of
a property
graph
database
O’Reilly
Graph
Database —
first definitive
book for
graph
professionals
Introduced
labels to
simplify
graph
modeling
openCypher.org
open sourced
Cypher query
language as de
facto standard
Industry’s
1st Graph
Platform
Graph
Algorithms for
data scientists
Developer’s
Neo4j Desktop
2014
Visual Graph
Query
Browser
2016
Causal
Consistency
for Graphs
Neo4j—The Graph Innovator
2018 2019
O’Reilly Graph
Algorithms
Book
Neo4j Aura
GQL ISO
Standard
Project
Neo4j Bloom
visual discovery
Cypher for
Apache Spark
Cypher for
Gremlin
GQL Manifesto
2020
Neo4j 4.0
Neo4j for Graph
Data Science
BI Connector
45
Adapt & Optimization
by Harnessing Connections
Hyper-
Personalization
Product Recommendations
Personalized Health Care
Media and Advertising
Better Decisions
Fraud Prevention
Network Analysis
Forecasting
Massive
Data Integration
360 view of Customers, Data
Compliance
Optimize Operations
Data Science
AI & ML
Behavior Prediction
Patient/Customer Journey
Disambiguation
Data Driven
Discovery & Innovation
Drug Discovery
Intelligence & Security
Product & Process Innovation
46
Neo4j Graph Platform
Development &
Administration
Analytics
Tooling
BUSINESS USERS
DEVELOPERS
ADMINS Graph
Transactions
Data Integration
Discovery & Visualization
DATA
ANALYSTS
DATA
SCIENTISTS
Drivers & APIs
APPLICATIONS
AI
Cloud
Graph
Analytics
Neo4j — Changing the World
ICIJ used Neo4j to uncover the world’s largest
journalistic leak to date, The Panama Papers,
exposing criminals, corruption and extensive
tax evasion.
The US space agency uses Neo4j for their
“Lessons Learned” database to connect
information to improve search ability
effectiveness in space mission.
German Centre for Diabetes Research
(DZD) uses Neo4j to make research more
accessible with multiple perspectives as
well as for machine learning
Knowledge Graph for humans & MLFraud Detection Knowledge Graph for humans
eBay App for
Google Assistant
Online Retail
Background
● Personal shopping assistant
● Converses with buyer via text, picture and voice to provide
real-time recommendations
● Combines AI and natural language understanding (NLU) in Neo4j
Knowledge Graph
● First of many apps in eBay's AI Platform
Business Problem
● Improve personal context in online shopping
● Transform buyer-provided context into ideal purchase recommendations
over social platforms
● "Feels like talking to a friend"
Solution and Benefits
● 3 developers, 8M nodes, 20M relationships
● Needed high-performance traversals to respond to live customer
requests
● Easy to train new algorithms and grow model
● Generating revenue since launch
CAR
DRIVES
name: “Dan”
born: May 29, 1970
twitter: “@dan”
name: “Ann”
born: Dec 5, 1975
since:
Jan 10, 2011
brand: “Volvo”
model: “V70”
Latitude: 37.5629900°
Longitude: -122.3255300°
Nodes
• Can have Labels to classify nodes
• Labels have native indexes
Relationships
• Relate nodes by type and direction
Properties
• Attributes of Nodes & Relationships
• Stored as Name/Value pairs
• Can have indexes and composite indexes
• Visibility security by user/role
Neo4j Invented the Property Graph Model
MARRIED TO
LIVES WITH
OW
NS
PERSON PERSON
49
Conceive
Code
Compute
Store
Non-Native Graph DBNative Graph DB RDBMS
Optimized for graph workloads
Connectedness Differentiates Neo4j
● Operational workloads
● Analytics workloads
Real-time Transactional
and Analytic Processing
● Native property graph model
● Dynamic schema
Agility
● Cypher - Declarative query language
● Procedural language extensions
● Worldwide developer community
Developer Productivity
● Manage 10’s billions of nodes
● Run graph algorithms on billions of nodes
Scalability
Your Neo4j Advantage
Performance
● Index-free adjacency
● Millions of hops per second
● Interactive graph exploration
● Graph representation of data
Discovery and Visualization
Neo4j Services Organization
52
PROFESSIONAL SERVICES
Global team of graph experts deliver Speed-to-Value, Risk Reduction and Knowledge-transfer based
on best practices.
GRAPH ACADEMY
Education team develops and delivers wide of range of courses in multi-modal formats.
CUSTOMER SUCCESS
A global team that builds deep customer relationships to deliver superior customer
experience and outcomes.
CUSTOMER SUPPORT
World-class, SLA-based, 24x7x365 Neo4j enterprise product support.
SOLUTIONS
Our solution architects build tools, accelerators and pre-built solution frameworks to
enable customer speed-to-value.
INNOVATION LAB
A Design thinking approach to drive innovation through connected data.
Neo4j Solutions [accelerate adoption]
Solutions Mission
Ideate, market and support the sale and delivery of innovative, market-leading,
Neo4j-based Business Solutions for our Enterprise Customers and Partners
Customer Benefits
Lowers Risk and TCO
Speeds up POCs &
solution visualization for
internal selling
Rapid Time-To-Value,
reduces development &
testing time by 50%
Built on extensible &
customizable frameworks
supported by Neo4j
Patient
Journey
Human Capital ManagementFraud & AML
Framework
Supply Chain
Framework
Hive
Knowledge
Graph
• Content management
• Collaboration & reuse
• Analytical tools for increasing enterprise efficiency
• Workforce rebalancing & analysis
• Skills assessment
• Predict employee flight risk, plan successions, analyze
lifetime value
• Unintended drug efficacy
• Journey map & prediction
• At-risk population identification
• Procedure risk score
• Reduce false positives
• Find collaborators & rings
• Support compliance and
investigations
• Outbound supply chain logistics
• Route planning and network
analysis
Cypher
Workbench
Risk Management Keymaker
(Applied Analytics Pipeline)
• Cloud modeling environment
• Online and offline modes
• Collaboration features
• Model validation and constraints
• Investment / Credit / Party Risk Management
• Compliance (FRTB, BCBS 239, CCAR, BASEL)
• Faster decisions using suggestions / predictions
• Combine ML & Connected Data analysis into single analytics pipeline
• Hyper-Personalization
• Explainable scored results
• Highly performant & scalable architecture
Kettle/HOP
for Neo4j
• Privacy compliance
(GDPR, CCPA, LGPD, FCPL, …)
Privacy
Shield
• Fast visual data ingestion pipeline development
• Support for most popular data sources out of the box
• Templated best practice pipelines
• Maintainability of ingestion logic
• Citizen journey / 360
• Pseudo-anonymization

Contenu connexe

Tendances

Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleLilia Sfaxi
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopLilia Sfaxi
 
Neo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j
 
Présentation des bases de données orientées graphes
Présentation des bases de données orientées graphesPrésentation des bases de données orientées graphes
Présentation des bases de données orientées graphesKoffi Sani
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQLkamar MEDDAH
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceLilia Sfaxi
 
Base de données graphe, Noe4j concepts et mise en oeuvre
Base de données graphe, Noe4j concepts et mise en oeuvreBase de données graphe, Noe4j concepts et mise en oeuvre
Base de données graphe, Noe4j concepts et mise en oeuvreMICHRAFY MUSTAFA
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQLLilia Sfaxi
 
Intro to Cypher
Intro to CypherIntro to Cypher
Intro to CypherNeo4j
 
Intro to Neo4j and Graph Databases
Intro to Neo4j and Graph DatabasesIntro to Neo4j and Graph Databases
Intro to Neo4j and Graph DatabasesNeo4j
 
BigData_TP4 : Cassandra
BigData_TP4 : CassandraBigData_TP4 : Cassandra
BigData_TP4 : CassandraLilia Sfaxi
 
BigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingBigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingLilia Sfaxi
 
BigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherBigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherLilia Sfaxi
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesLilia Sfaxi
 
Base de données NoSQL
Base de données NoSQLBase de données NoSQL
Base de données NoSQLOussama ARBI
 
Cours Big Data Chap5
Cours Big Data Chap5Cours Big Data Chap5
Cours Big Data Chap5Amal Abid
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkAmal Abid
 
BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4JLilia Sfaxi
 

Tendances (20)

Chp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation MultidimensionnelleChp3 - Modélisation Multidimensionnelle
Chp3 - Modélisation Multidimensionnelle
 
BigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans HadoopBigData_TP2: Design Patterns dans Hadoop
BigData_TP2: Design Patterns dans Hadoop
 
Neo4j et ses cas d'usages
Neo4j et ses cas d'usagesNeo4j et ses cas d'usages
Neo4j et ses cas d'usages
 
Présentation des bases de données orientées graphes
Présentation des bases de données orientées graphesPrésentation des bases de données orientées graphes
Présentation des bases de données orientées graphes
 
Les Base de Données NOSQL
Les Base de Données NOSQLLes Base de Données NOSQL
Les Base de Données NOSQL
 
BigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-ReduceBigData_Chp2: Hadoop & Map-Reduce
BigData_Chp2: Hadoop & Map-Reduce
 
Base de données graphe, Noe4j concepts et mise en oeuvre
Base de données graphe, Noe4j concepts et mise en oeuvreBase de données graphe, Noe4j concepts et mise en oeuvre
Base de données graphe, Noe4j concepts et mise en oeuvre
 
BigData_Chp4: NOSQL
BigData_Chp4: NOSQLBigData_Chp4: NOSQL
BigData_Chp4: NOSQL
 
Intro to Cypher
Intro to CypherIntro to Cypher
Intro to Cypher
 
Les BD NoSQL
Les BD NoSQLLes BD NoSQL
Les BD NoSQL
 
Intro to Neo4j and Graph Databases
Intro to Neo4j and Graph DatabasesIntro to Neo4j and Graph Databases
Intro to Neo4j and Graph Databases
 
BigData_TP4 : Cassandra
BigData_TP4 : CassandraBigData_TP4 : Cassandra
BigData_TP4 : Cassandra
 
BigData_Chp3: Data Processing
BigData_Chp3: Data ProcessingBigData_Chp3: Data Processing
BigData_Chp3: Data Processing
 
BigData_Chp5: Putting it all together
BigData_Chp5: Putting it all togetherBigData_Chp5: Putting it all together
BigData_Chp5: Putting it all together
 
Graph databases
Graph databasesGraph databases
Graph databases
 
Chp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de DonnéesChp2 - Les Entrepôts de Données
Chp2 - Les Entrepôts de Données
 
Base de données NoSQL
Base de données NoSQLBase de données NoSQL
Base de données NoSQL
 
Cours Big Data Chap5
Cours Big Data Chap5Cours Big Data Chap5
Cours Big Data Chap5
 
Cours Big Data Chap4 - Spark
Cours Big Data Chap4 - SparkCours Big Data Chap4 - Spark
Cours Big Data Chap4 - Spark
 
BigData_TP5 : Neo4J
BigData_TP5 : Neo4JBigData_TP5 : Neo4J
BigData_TP5 : Neo4J
 

Similaire à Introduction à Neo4j

Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4jNeo4j
 
Les cas d’usages populaires de Neo4j
Les cas d’usages populaires de Neo4jLes cas d’usages populaires de Neo4j
Les cas d’usages populaires de Neo4jNeo4j
 
GraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4jGraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4jNeo4j
 
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...Neo4j
 
Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4jNeo4j
 
Découverte de la Graph Data Science
Découverte de la Graph Data ScienceDécouverte de la Graph Data Science
Découverte de la Graph Data ScienceNeo4j
 
Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel businessMouhsine LAKHDISSI
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Excelerate Systems
 
Text mining pour industrie
Text mining pour industrieText mining pour industrie
Text mining pour industrieAli Kabbadj
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013ADBS
 
Oxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigDataOxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigDataLudovic Piot
 
La voie du succès avec les bases de données de graphes, la Graph Data Scie...
 La voie du succès avec les bases de données de graphes, la Graph Data Scie... La voie du succès avec les bases de données de graphes, la Graph Data Scie...
La voie du succès avec les bases de données de graphes, la Graph Data Scie...Neo4j
 
La Logical Data Fabric au secours de la connaissance client
La Logical Data Fabric au secours de la connaissance clientLa Logical Data Fabric au secours de la connaissance client
La Logical Data Fabric au secours de la connaissance clientDenodo
 
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...IBM France Lab
 
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxBigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxExcelerate Systems
 
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesBig data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesKezhan SHI
 
Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?Denodo
 
Analytics & Machine Learning avec la Data Virtualization
Analytics & Machine Learning avec la Data VirtualizationAnalytics & Machine Learning avec la Data Virtualization
Analytics & Machine Learning avec la Data VirtualizationDenodo
 
OWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysanceOWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysanceParis Open Source Summit
 

Similaire à Introduction à Neo4j (20)

Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4j
 
Les cas d’usages populaires de Neo4j
Les cas d’usages populaires de Neo4jLes cas d’usages populaires de Neo4j
Les cas d’usages populaires de Neo4j
 
GraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4jGraphTour Paris - Cas d'usages populaires Neo4j
GraphTour Paris - Cas d'usages populaires Neo4j
 
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...
Comment le contexte rend l’IA plus fiable et plus efficace ? - Webinaire 11 f...
 
Introduction à Neo4j
Introduction à Neo4jIntroduction à Neo4j
Introduction à Neo4j
 
Découverte de la Graph Data Science
Découverte de la Graph Data ScienceDécouverte de la Graph Data Science
Découverte de la Graph Data Science
 
BigData on change d'ère !
BigData on change d'ère ! BigData on change d'ère !
BigData on change d'ère !
 
Big Data Des méandres des outils au potentiel business
Big Data   Des méandres des outils au potentiel businessBig Data   Des méandres des outils au potentiel business
Big Data Des méandres des outils au potentiel business
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
 
Text mining pour industrie
Text mining pour industrieText mining pour industrie
Text mining pour industrie
 
Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013Big Data, Charles Huot, Aproged,février 2013
Big Data, Charles Huot, Aproged,février 2013
 
Oxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigDataOxalide MorningTech #1 - BigData
Oxalide MorningTech #1 - BigData
 
La voie du succès avec les bases de données de graphes, la Graph Data Scie...
 La voie du succès avec les bases de données de graphes, la Graph Data Scie... La voie du succès avec les bases de données de graphes, la Graph Data Scie...
La voie du succès avec les bases de données de graphes, la Graph Data Scie...
 
La Logical Data Fabric au secours de la connaissance client
La Logical Data Fabric au secours de la connaissance clientLa Logical Data Fabric au secours de la connaissance client
La Logical Data Fabric au secours de la connaissance client
 
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...
IBM Bluemix Paris Meetup #22-20170315 Meetup @VillagebyCA- Bluemix, présent &...
 
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de BordeauxBigDataBx #1 - Journée BigData à la CCI de Bordeaux
BigDataBx #1 - Journée BigData à la CCI de Bordeaux
 
Big data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuairesBig data analytics focus technique et nouvelles perspectives pour les actuaires
Big data analytics focus technique et nouvelles perspectives pour les actuaires
 
Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?Quel est l'avenir des stratégies de données?
Quel est l'avenir des stratégies de données?
 
Analytics & Machine Learning avec la Data Virtualization
Analytics & Machine Learning avec la Data VirtualizationAnalytics & Machine Learning avec la Data Virtualization
Analytics & Machine Learning avec la Data Virtualization
 
OWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysanceOWF12/BIG DATA Presentation big data owf ysance
OWF12/BIG DATA Presentation big data owf ysance
 

Plus de Neo4j

GraphAware - Transforming policing with graph-based intelligence analysis
GraphAware - Transforming policing with graph-based intelligence analysisGraphAware - Transforming policing with graph-based intelligence analysis
GraphAware - Transforming policing with graph-based intelligence analysisNeo4j
 
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product Updates
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product UpdatesGraphSummit Stockholm - Neo4j - Knowledge Graphs and Product Updates
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product UpdatesNeo4j
 
KLARNA - Language Models and Knowledge Graphs: A Systems Approach
KLARNA -  Language Models and Knowledge Graphs: A Systems ApproachKLARNA -  Language Models and Knowledge Graphs: A Systems Approach
KLARNA - Language Models and Knowledge Graphs: A Systems ApproachNeo4j
 
INGKA DIGITAL: Linked Metadata by Design
INGKA DIGITAL: Linked Metadata by DesignINGKA DIGITAL: Linked Metadata by Design
INGKA DIGITAL: Linked Metadata by DesignNeo4j
 
Your enemies use GenAI too - staying ahead of fraud with Neo4j
Your enemies use GenAI too - staying ahead of fraud with Neo4jYour enemies use GenAI too - staying ahead of fraud with Neo4j
Your enemies use GenAI too - staying ahead of fraud with Neo4jNeo4j
 
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptx
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptxBT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptx
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptxNeo4j
 
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit Milan
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit MilanWorkshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit Milan
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit MilanNeo4j
 
Workshop - Architecting Innovative Graph Applications- GraphSummit Milan
Workshop -  Architecting Innovative Graph Applications- GraphSummit MilanWorkshop -  Architecting Innovative Graph Applications- GraphSummit Milan
Workshop - Architecting Innovative Graph Applications- GraphSummit MilanNeo4j
 
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...Neo4j
 
GraphSummit Milan - Visione e roadmap del prodotto Neo4j
GraphSummit Milan - Visione e roadmap del prodotto Neo4jGraphSummit Milan - Visione e roadmap del prodotto Neo4j
GraphSummit Milan - Visione e roadmap del prodotto Neo4jNeo4j
 
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with Graph
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with GraphGraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with Graph
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with GraphNeo4j
 
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...Neo4j
 
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale Ibrida
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale IbridaUNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale Ibrida
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale IbridaNeo4j
 
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...Neo4j
 
From Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptxFrom Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptxNeo4j
 
Novo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMsNovo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMsNeo4j
 
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...Neo4j
 
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...Neo4j
 
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and BioinformaticiansQIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and BioinformaticiansNeo4j
 
EY_Graph Database Powered Sustainability
EY_Graph Database Powered SustainabilityEY_Graph Database Powered Sustainability
EY_Graph Database Powered SustainabilityNeo4j
 

Plus de Neo4j (20)

GraphAware - Transforming policing with graph-based intelligence analysis
GraphAware - Transforming policing with graph-based intelligence analysisGraphAware - Transforming policing with graph-based intelligence analysis
GraphAware - Transforming policing with graph-based intelligence analysis
 
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product Updates
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product UpdatesGraphSummit Stockholm - Neo4j - Knowledge Graphs and Product Updates
GraphSummit Stockholm - Neo4j - Knowledge Graphs and Product Updates
 
KLARNA - Language Models and Knowledge Graphs: A Systems Approach
KLARNA -  Language Models and Knowledge Graphs: A Systems ApproachKLARNA -  Language Models and Knowledge Graphs: A Systems Approach
KLARNA - Language Models and Knowledge Graphs: A Systems Approach
 
INGKA DIGITAL: Linked Metadata by Design
INGKA DIGITAL: Linked Metadata by DesignINGKA DIGITAL: Linked Metadata by Design
INGKA DIGITAL: Linked Metadata by Design
 
Your enemies use GenAI too - staying ahead of fraud with Neo4j
Your enemies use GenAI too - staying ahead of fraud with Neo4jYour enemies use GenAI too - staying ahead of fraud with Neo4j
Your enemies use GenAI too - staying ahead of fraud with Neo4j
 
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptx
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptxBT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptx
BT & Neo4j _ How Knowledge Graphs help BT deliver Digital Transformation.pptx
 
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit Milan
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit MilanWorkshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit Milan
Workshop: Enabling GenAI Breakthroughs with Knowledge Graphs - GraphSummit Milan
 
Workshop - Architecting Innovative Graph Applications- GraphSummit Milan
Workshop -  Architecting Innovative Graph Applications- GraphSummit MilanWorkshop -  Architecting Innovative Graph Applications- GraphSummit Milan
Workshop - Architecting Innovative Graph Applications- GraphSummit Milan
 
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
 
GraphSummit Milan - Visione e roadmap del prodotto Neo4j
GraphSummit Milan - Visione e roadmap del prodotto Neo4jGraphSummit Milan - Visione e roadmap del prodotto Neo4j
GraphSummit Milan - Visione e roadmap del prodotto Neo4j
 
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with Graph
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with GraphGraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with Graph
GraphSummit Milan & Stockholm - Neo4j: The Art of the Possible with Graph
 
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
LARUS - Galileo.XAI e Gen-AI: la nuova prospettiva di LARUS per il futuro del...
 
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale Ibrida
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale IbridaUNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale Ibrida
UNI DI NAPOLI FEDERICO II - Il ruolo dei grafi nell'AI Conversazionale Ibrida
 
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...
CERVED e Neo4j su una nuvola, migrazione ed evoluzione di un grafo mission cr...
 
From Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptxFrom Knowledge Graphs via Lego Bricks to scientific conversations.pptx
From Knowledge Graphs via Lego Bricks to scientific conversations.pptx
 
Novo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMsNovo Nordisk: When Knowledge Graphs meet LLMs
Novo Nordisk: When Knowledge Graphs meet LLMs
 
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...Workshop - Best of Both Worlds_ Combine  KG and Vector search for  enhanced R...
Workshop - Best of Both Worlds_ Combine KG and Vector search for enhanced R...
 
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
Neo4j - How KGs are shaping the future of Generative AI at AWS Summit London ...
 
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and BioinformaticiansQIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
QIAGEN: Biomedical Knowledge Graphs for Data Scientists and Bioinformaticians
 
EY_Graph Database Powered Sustainability
EY_Graph Database Powered SustainabilityEY_Graph Database Powered Sustainability
EY_Graph Database Powered Sustainability
 

Introduction à Neo4j

  • 2. 7 / Top 10 20 / Top 25 7 / Top 10 Commerce Finance Edition de logiciels Déploiement au choix Neo4j - L’entreprise des graphes Le plus important investissement de l’industrie dans les graphes 2 Inventeurs du Graphe de propriétés et de Cypher le langage à l’origine de GQL (ISO project) Des milliers de clients Siège dans la Silicon Valley, bureaux à Londres, Munich, Paris et Malmö Les principaux industriels utilisent Neo4j On-Prem DB-as-a-Service Dans le Cloud
  • 3. Les Graphes sont les SGBD à la plus forte croissance Neo4j est le principal acteur de la catégorie La croissance la plus rapide Très populaire auprès des développeurs La plus grande communauté DéveloppeursCompétences LinkedIn 41k+ membres avec 220k+ Meetups 72k+ Membres de groupes
  • 4. Les connections entre les données ont autant de valeur que les données elles-mêmes Réseau de personnes Réseau de transactions Bought Bought Viewed Returned Bought Réseau de connaissance Plays Lives_in In_sport Likes Fan_of Plays_for Ex : Gestion du risque, chaînes d’approvisionnement, paiements Ex : Employés, Clients, Fournisseurs, Partenaires, Influenceurs Ex : Référentiels, Domaines spécifiques, eCommerce, revue de presse Know s Knows Knows Knows
  • 5. 5 Exploiter les connections produit de la valeur Prise de décision augmentée Hyper Personalisation Intégration de données massive Innovation par la compréhension des données Recommandations produit Suivi médical personnalisé Média et publicité Prévention de la Fraude Analyses réseau Contrôle du respect de la loi Elaboration de Médicaments Renseignement investigation criminelle Innovation produit et processus Vue 360° du client Conformité Optimisation des opérations Science de la donnée Apprentissage machine IA Prédiction de fraude Parcours de soins Identification des clients Transformation de secteurs industriels
  • 6. “Étant native, Neo4j permet de refléter des entités et leurs relations dans des structures de graphes complexes très naturellement” “Le modèle de données de graphes . . . tolère de nombreuses contraintes du monde réel que les SGBDR ne peuvent pas” Juin 2019 Enterprise Reviewer “Identifier des relations en lien avec des combinaisons de données diverses, en utilisant la technique des graphes à l’ échelle, constitue les fondation des données et analyses modernes” Mai 2020 Top 10 Trends in Data and Analytics “Neo4j est clairement le leader du marché des graphes. Neo4j possède le plus d’utilisateurs, utilise et pilote un langage de requête largement adopté. Dans de nombreux aspects, Neo4j à été constamment plus innovant que ses concurrents.” Juin 2020 Bloor InBrief Les Graphes sont un atout unique
  • 7. La base de données de graphes native et ses outils pour les entreprises • Stocke, révèle et requête les données des relations • Traverse et analyse plusieurs niveau de profondeur en temps réel • Ajoute du contexte au systèmes d’IA et aux structures en réseau utilisées en science de la donnée 7 Technologie de graphes Native • Performance • Transactions ACID • Agilité sans schéma • Algorithmes de graphes Conçu, construit et testé nativement pour les graphes depuis l’origine pour : • Productivité des développeurs • Optimisation des perfs. serveurs • Echelonnement des perfs. • Adoption des graphes Outils d’analyse Transactions de Graphes Intégration de données Dev. et Admin Pilotes et Librairies Découverte et Visualisation Analyses de Graphes
  • 8. 8 • “Cyber Monday” ventes record • 35 M de transactions quotidiennes • De 3 à 22 saut par transaction • Requêtes en moins de 4 ms • Remplacement IBM Websphere commerce • 300 M de calculs de prix par jour • 10 fois plus de transactions sur moitié moins de matériel comparé à Oracle • Remplacement d’une base Oracle • Grand service postal de 500 000 employés • Neo4j route 7 M de colis par jour de pics et plus de 5,000+ opérations de routage par secondes Gérer de grandes quantités de données pour les entreprises Promotion temps-réel Recommandations Calcul de prix temps-réel Routage de colis en temps réel (Poste EU)
  • 9. Grande synergie entre les graphes l’apprentissage machine (AM) et l’IA 9 MONTEE DE L’INTERET CONTEXTE POUR IA ET l’AM Publications scientifiques graphes et IA +100K téléchargements, 20K en 2 semaines MULTI INDUSTRIES German Center for Diabetes Research De meilleures décisions avec les graphes de connaissances IA Meilleure précision pour l’AM avec les fonctions d'ingénierie de graphes
  • 10. 10 • Majorité d’utilisateurs anonymes multi-terminaux et sites avec des cookies changeants • 4.4 To : +14 Mi de noeuds +20 Mi rels • Identifié + 160 M d’utilisateurs uniques pour créer des profils persistants • Près de 70% de fraudes n’étaient pas détectées • + 1 Mi de noeuds et + 1 Mi de Relations à analyser • Analyses de graphes avec des requêtes et algorithmes pour identifier 10 M de fraudes la première année Améliorarion des analyses IA et AM Fraude financière Détection et recouvrement Top 10 Bank • 3 années de visites, tests et diagnostics et des dizaines de millions d’enregistrements • Recherche de similarités dans les parcours de soins • Algorithmes de graphes pour identifier des communautés et les meilleurs points d’intervention AstraZeneca Parcours client Meredith Marketing Identification des anonymes
  • 12. Outils d’analyse Transactions de graphes Intégration de données Dev. et Admin Pilotes et librairies Découverte et Visualisation Analyses et science de la données Developpeurs Admins Applications Utilisateurs métier Analystes de données Statisticiens Technologie de graphes pour les applications et analyses
  • 13. Graphe de propriété - Simple et puissant Employé VilleEmployeur Les noeuds représentent des objets (noms) Les relations ont une direction Les relations qui connectent les noeuds représentent des actions (verbes) Les relation portent des propriétés (Clés/Valeurs) Les noeuds ont des propriétés (Clés/Valeurs) nome: Amy Peters date_Naissance: 1984-03-01 employé_ID: 1 :EST_PDG date_début: 2008-01-20 :Située
  • 14. 14 Bases de données de Graphes : Conçues pour les données connectées RELATIONNEL Stocke et extrait NoSQL Agrège et filtre les données Inter-connections Vision temps réel sur les connections Requête longues et filtration “Notre solution Neo4j est littéralement des milliers de fois plus rapide que la précédente solution MySQL, avec des requêtes ayant 10-100 fois moins de lignes” Volker Pacher, Senior Developer Passer des silos deconnectés aux connections inter-silos Gère des listes
  • 15. 15 Stocke et permet un contrôle bas niveau aux données les plus sensibles Conçu pour des charges adaptées aux entreprises Découvrir des connexions et valoriser des milliards de noeuds Passage à l’échelle Sécurité Flexibilité Etend votre base de graphe à de nouveaux cas d’usages
  • 16. pour la science des données de graphes “Graph Data Science™“ Neo4j “Graph Data Science Library” Algorithmes de graphes à l'échelle et analytique Graphe natif Création & Persistance Base Neo4j Exploration et prototypage visuel Neo4j Bloom Pratique Intégré Intuitif
  • 17. Algorithmes de graphes robustes • Calculer des métriques de connectivité et découvrez la topologie de votre graphe • Hautement parallélisé et passage à l’échelle de dizaines de milliards de noeuds 17 Librairie de science des données de graphes (GDSL ) Espace de travail en mémoire Graphe de calculs Graphe de stockage natif Espace de travail efficace et flexible pour les analyses • Transforme automatiquement des graphes transactionnels en graphes d’analyses en mémoire • Optimisé pour les analyses avec traversées globales et les agrégations • Créer des flux de travail et des couches d’algorithmes
  • 18. • Degree Centrality • Closeness Centrality • Harmonic Centrality • Betweenness Centrality & Approx. • PageRank • Personalized PageRank • ArticleRank • Eigenvector Centrality • Triangle Count • Clustering Coefficients • Connected Components (Union Find) • Strongly Connected Components • Label Propagation • Louvain Modularity • Balanced Triad (identification) Plus de 50 Algorithmes de graphes dans Neo4j • Shortest Path • Single-Source Shortest Path • All Pairs Shortest Path • A* Shortest Path • Yen’s K Shortest Path • Minimum Weight Spanning Tree • K-Spanning Tree (MST) • Random Walk • Breadth & Depth First Search • Triangle Count • Local Clustering Coefficient • Connected Components (Union Find) • Strongly Connected Components • Label Propagation • Louvain Modularity • K-1 Coloring • Modularity Optimization • Euclidean Distance • Cosine Similarity • Node Similarity (Jaccard) • Overlap Similarity • Pearson Similarity • Approximate KNN Recherche et cheminement Centralité / Importance Détection de communautés Similarité Prediction de liens • Adamic Adar • Common Neighbors • Preferential Attachment • Resource Allocations • Same Community • Total Neighbors ... Auxiliary Functions: • Random graph generation • Graph export • One hot encoding • Distributions & metrics Imbrications • Node2Vec • Random Projections • GraphSAGE
  • 19. La première méthode pratique pour faire de la science de la données en entreprise Librairies drastiquement simplifiées et standardisées permettant des configurations personnalisées et flexibles Documentation, formation et exemples permettant un démarrage simple Explorez les graphes et les algorithmes avec l’outil de visualisation Bloom Partagez la connaissance avec les membres des équipes pour une meilleure collaboration Expérience de travail agréable grâce à des gardes-fous tels que gestion de la mémoire et suggestion d’erreurs Remodelage, noeuds et relations Agrégations et dédoublonnage Algorithmes multiparité
  • 20. 20 # Points de vues Chercher Visualiser Explorer Inspecter Editer Explorez et Collaborez Avec Neo4j Bloom Explorez les graphes visuellement Prototypez des concepts plus rapidement Collaborez avec vos équipes
  • 21. Interface utilisateurs intuitive de Neo4j Bloom 21 Recherche avec completion Couleurs, tailles et icônes personnalisables Visualisez, Explorez et Découvrez Zoom et selection Navigateur et éditeur de données
  • 22. 22 Neo4j usages typiques Quelques exemples Recommandations Gestion des risques Ressources humaines Sécurité Orchestration des données
  • 23. Neo4j dans le Cloud 23
  • 24. Neo4j Cloud: Modèle de déploiement flexible 24 SaaS entièrement géré Tarif basé sur la consommation Natif-Cloud déploiement Self-service Pas d’accès à l’infrastructure sous-jacente Service premium géré par les experts Neo4j Déploiement entièrement personnalisable par les services professionnels Neo4j Opération dans vos propres infrastructures physiques ou virtualisées Database-as-a-Service Cloud Managed Services (CMS) Pour des clouds privés ou hybrides types Bring-your-own-license Contrôle complet de vos environnements Opération dans n’importe quel Cloud du marché avec vos propres comptes utilisateurs Auto-hébergement
  • 25. La base de données de graphes la plus populaire du monde, dans un service Cloud Entièrement automatisé avec zéro administration Passez à l’échelle à la demande dynamiquement La Sécurité et la Fiabilité sans les soucis Tarification à la consommation 25
  • 26. Neo4j Aura : pour la meilleure expérience développeur Le coeur open source de Neo4j soutenu par la plus forte communauté des graphes propose la meilleure expérience développeur pour construire rapidement de riches applications basées sur les graphes 26 Facile Démarre dans la minute Mises à jour automatiques A l’échelle à la demande Zéro interruption Puissant Des requêtes rapides comme l’ éclair avec un moteur natif Modèle de données flexible “Tableau blanc” Cypher - Expressif, efficace et rapide Pilotes pour la majorité des langages de programmation Fiable Chiffrement point à point Toujours allumé Disponible à travers le globe Auto-reparation, durable Transactions ACID Abordable Payez à la consommation Tarification basé sur la capacité Facturation à l’heure Coûts simples et prédictibles
  • 27. Minka Neo4j for ACH Transaction Processing Background ● Minka, a Colombian fintech startup, along with ACH Colombia modernizing the country’s ACH payments system ● Enable real-time payments transactions with a new Blockchain based system, Transferencias Ya Business Problem ● Need to convert an outdated batch processed ACH to the new system and scale ● Need a robust, durable solution with guaranteed ACID transactions to build trust among users Solution and Benefits ● Aura powers transaction records and references for Transferencias Ya ● With Aura, day to day operations taken care of while system reliably operates and scales ● Pilot with 8 banks successful, expanding to all 27 banks supporting hundreds of complex transactions every second
  • 28. Neo4j Cloud Managed Services (CMS) Enterprise-class, white-glove managed services for day-to-day operations, service and support of your Neo4j environment Dedicated team, always on-call Advanced monitoring and preventative maintenance Enterprise-grade security and compliance 24x7x365 remote services and support Public or Private Cloud Deployments Your data in your infrastructure, fully controlled versioning
  • 29. The CMS Advantage Focus on Innovation … while we manage your day-to-day infrastructure operations Achieve Faster Time-to-value … with experts to manage your environment from day one. Minimize hiring, in-house training, and ramp-up. Reduce your Risk … and meet your security, compliance and business continuity needs with proven best practices. Accelerate your Cloud Journey … by enabling a fully managed enterprise cloud environment and moving your production Neo4j environment within days.
  • 31. Highly Valuable Connected Data Use Cases Drive Enterprise Adoption Network & IT Operations Fraud Detection Identity & Access Management Knowledge Graph Master Data Management Real-Time Recommendations
  • 32. Dun & Bradstreet Neo4j for Tracking Beneficial Ownership Background ● Regulations and requirements around beneficial ownership ● Needed to let B2B clients book new business promptly via accelerated due diligence investigations Business Problem ● Investigations call for highly trained staff, and this activity is hard to scale. A single request might tie up key people for 10-15 days, resulting in lost revenue Solution and Benefits ● Use Neo4j to quickly query historic relationships between business owners and companies ● Query responses take milliseconds versus days of skilled manual research
  • 33. Adobe Behance Social Network of 10M Graphic Artists Background ● Social network of 10M graphic artists ● Peer-to-peer evaluation of art and works-in-progress ● Job sourcing site for creatives ● Massive, millions of updates (reads & writes) to Activity Feed ● 150 Mongos to 48 Cassandras to 3 Neo4j’s! Business Problem ● Artists subscribe, appreciate and curate “galleries” of works of their own and from other artists ● Activities Feed is how everyone receives updates ● 1st implementation was 150 MongoDB instances ● 2nd implementation shrunk to 48 Cassandras, but it was still too slow and required heavy IT overhead Solution and Benefits ● 3rd implementation shrunk to 3 Neo4j instances ● Saved over $500k in annual AWS fees ● Reduced data footprint from 50TB to 40GB ● Significantly easier to introduce new features like, “New projects in your Network”
  • 34. US Army / Calibre Systems Equipment Logistics Background ● US IT consulting firm helped US Army streamline equipment deployments and maintenance spending ● Saving lives by improving the operational readiness of Army equipment like tanks, radios, transports, aircraft, weaponry, etc. Business Problem ● Needed to modernize procurement, budget and logistics processes for equipment & spare parts ● Millions of connections among a tank’s bill-of-materials, for example ● Improve “what if” cost calculations when planning missions and troop deployments ● Mainframe systems required over 60 man-hrs to calculate changes… planning took too long Solution and Benefits ● Shed cost estimation times by 88% ● Improved parts delivery timing and accuracy ● DBA labor required dropped by 77% ● Equipment TCO more predictable ● Safer soldiers
  • 35. COMCAST Xfinity xFi Smart Home/ IoT Background ● Largest Cable TV & Internet Provider in US with 3rd Largest network on the planet ● xFi is consumer experience in 3M houses with internet, router, devices, security, voice & telephony Business Problem ● Integrate all experience in a smart home ● Create innovative ideas based on cross-platform and household member preferences ● Add integrated value of xFinity triple play & quad-play services (internet, VoIP, cable TV & home security) Solution and Benefits ● Custom content per household member ● Security reminders (kids are home, garage left open) ● Serves millions of households ● Makes content recommendations based on occupant, time of day, permissions and preferences
  • 36. Caterpillar Heavy Equipment Manufacturing Background ● Fortune 100 heavy equipment manufacturer ● 27 Million warranty & service documents parsed Business Problem ● Improve maintenance predictability ● Need a knowledge base for 27 million warranty documents and maintenance orders ● Graphs gather context for AI to identify ‘prime examples’ of connections among parts, suppliers, customers and their mechanics anticipate when equipment will need servicing and by whom Solution and Benefits ● Knowledge graph created through Natural Language Processing (NLP) of decades of historical service documents ● Common ontology for complaints, symptoms & parts ● Anticipates when equipment will need servicing ● Improves customer and brand satisfaction ● Maximizes lifespan and value of equipment
  • 37. Meredith Inc. Digital Media Identity Resolution Background ● Media conglomerate with $3.2 Billion revenue ● Owner of popular web properties including: People, Travel+Leisure, Better Homes & Gardens Business Problem ● Users are often anonymous across sites and devices with online cookies that constantly change ● External data is expensive, hard to validate and quickly suffers from cookie loss ● Poor understanding of visitor behavior reduces recommendation effectiveness, leading to fewer clicks and less revenue Solution and Benefits ● 612% Increase in visits tracked per profile ● 4.4 TB of data: +14 Bn nodes +20Bn relationships ● Graph algorithms to find data “clusters” that represent unique user behavior ● Transformed 346M cookies to 163M unique users with richer & longer lived profiles ● Connecting various data streams for continuous user identification
  • 38. AstraZeneca Patient Journey Analytics Background ● Global pharmaceutical with $22.1Billion revenue ● Focus on oncology, cardiovascular, renal, metabolism, respiratory Business Problem ● Complex diseases develop over years with many, many doctor visits, tests and evolving diagnosis ● How to identify early warnings, intervene faster & improve outcomes ● No two patients are the same, so how are similarities found Solution and Benefits ● Used Neo4j Graph Data Science Library to map and predict patient journeys ● Kidney disease intervention project ● 3 yrs of visits, tests & diagnosis with 10’s of Bn of records ● Knowledge Graph, graph queries & algorithms ● Community detection to help find similarities over time ● Finding influence points where experienced physicians may be able to guide and assist
  • 39. 39 Neo4j Leadership and Commitment First mover advantage and product maturity Thriving ecosystem; world’s largest graph community & partner network Thought leadership and vision Deep IP that is difficult to replicate Proven GTM success with Enterprise - referenceable case studies from marquee customer base and track record of customer success, stickiness & expansion Runs everywhere – all major cloud environments, hybrid & private clouds, on-premise and OEM embedded
  • 40. Prenez date : - 16 Sept. Formation Neo4j les Basiques - 9 Oct. Formation Modélisation Neo4j www.neo4j.com/events
  • 41. Quel sera votre prochain projet de graphe avec ?
  • 44. 2010 2011 2012 2013 2015 2017 Introduced Cypher - Leading language for graph queries First open source GA version of a property graph database O’Reilly Graph Database — first definitive book for graph professionals Introduced labels to simplify graph modeling openCypher.org open sourced Cypher query language as de facto standard Industry’s 1st Graph Platform Graph Algorithms for data scientists Developer’s Neo4j Desktop 2014 Visual Graph Query Browser 2016 Causal Consistency for Graphs Neo4j—The Graph Innovator 2018 2019 O’Reilly Graph Algorithms Book Neo4j Aura GQL ISO Standard Project Neo4j Bloom visual discovery Cypher for Apache Spark Cypher for Gremlin GQL Manifesto 2020 Neo4j 4.0 Neo4j for Graph Data Science BI Connector
  • 45. 45 Adapt & Optimization by Harnessing Connections Hyper- Personalization Product Recommendations Personalized Health Care Media and Advertising Better Decisions Fraud Prevention Network Analysis Forecasting Massive Data Integration 360 view of Customers, Data Compliance Optimize Operations Data Science AI & ML Behavior Prediction Patient/Customer Journey Disambiguation Data Driven Discovery & Innovation Drug Discovery Intelligence & Security Product & Process Innovation
  • 46. 46 Neo4j Graph Platform Development & Administration Analytics Tooling BUSINESS USERS DEVELOPERS ADMINS Graph Transactions Data Integration Discovery & Visualization DATA ANALYSTS DATA SCIENTISTS Drivers & APIs APPLICATIONS AI Cloud Graph Analytics
  • 47. Neo4j — Changing the World ICIJ used Neo4j to uncover the world’s largest journalistic leak to date, The Panama Papers, exposing criminals, corruption and extensive tax evasion. The US space agency uses Neo4j for their “Lessons Learned” database to connect information to improve search ability effectiveness in space mission. German Centre for Diabetes Research (DZD) uses Neo4j to make research more accessible with multiple perspectives as well as for machine learning Knowledge Graph for humans & MLFraud Detection Knowledge Graph for humans
  • 48. eBay App for Google Assistant Online Retail Background ● Personal shopping assistant ● Converses with buyer via text, picture and voice to provide real-time recommendations ● Combines AI and natural language understanding (NLU) in Neo4j Knowledge Graph ● First of many apps in eBay's AI Platform Business Problem ● Improve personal context in online shopping ● Transform buyer-provided context into ideal purchase recommendations over social platforms ● "Feels like talking to a friend" Solution and Benefits ● 3 developers, 8M nodes, 20M relationships ● Needed high-performance traversals to respond to live customer requests ● Easy to train new algorithms and grow model ● Generating revenue since launch
  • 49. CAR DRIVES name: “Dan” born: May 29, 1970 twitter: “@dan” name: “Ann” born: Dec 5, 1975 since: Jan 10, 2011 brand: “Volvo” model: “V70” Latitude: 37.5629900° Longitude: -122.3255300° Nodes • Can have Labels to classify nodes • Labels have native indexes Relationships • Relate nodes by type and direction Properties • Attributes of Nodes & Relationships • Stored as Name/Value pairs • Can have indexes and composite indexes • Visibility security by user/role Neo4j Invented the Property Graph Model MARRIED TO LIVES WITH OW NS PERSON PERSON 49
  • 50. Conceive Code Compute Store Non-Native Graph DBNative Graph DB RDBMS Optimized for graph workloads Connectedness Differentiates Neo4j
  • 51. ● Operational workloads ● Analytics workloads Real-time Transactional and Analytic Processing ● Native property graph model ● Dynamic schema Agility ● Cypher - Declarative query language ● Procedural language extensions ● Worldwide developer community Developer Productivity ● Manage 10’s billions of nodes ● Run graph algorithms on billions of nodes Scalability Your Neo4j Advantage Performance ● Index-free adjacency ● Millions of hops per second ● Interactive graph exploration ● Graph representation of data Discovery and Visualization
  • 52. Neo4j Services Organization 52 PROFESSIONAL SERVICES Global team of graph experts deliver Speed-to-Value, Risk Reduction and Knowledge-transfer based on best practices. GRAPH ACADEMY Education team develops and delivers wide of range of courses in multi-modal formats. CUSTOMER SUCCESS A global team that builds deep customer relationships to deliver superior customer experience and outcomes. CUSTOMER SUPPORT World-class, SLA-based, 24x7x365 Neo4j enterprise product support. SOLUTIONS Our solution architects build tools, accelerators and pre-built solution frameworks to enable customer speed-to-value. INNOVATION LAB A Design thinking approach to drive innovation through connected data.
  • 53. Neo4j Solutions [accelerate adoption] Solutions Mission Ideate, market and support the sale and delivery of innovative, market-leading, Neo4j-based Business Solutions for our Enterprise Customers and Partners Customer Benefits Lowers Risk and TCO Speeds up POCs & solution visualization for internal selling Rapid Time-To-Value, reduces development & testing time by 50% Built on extensible & customizable frameworks supported by Neo4j
  • 54. Patient Journey Human Capital ManagementFraud & AML Framework Supply Chain Framework Hive Knowledge Graph • Content management • Collaboration & reuse • Analytical tools for increasing enterprise efficiency • Workforce rebalancing & analysis • Skills assessment • Predict employee flight risk, plan successions, analyze lifetime value • Unintended drug efficacy • Journey map & prediction • At-risk population identification • Procedure risk score • Reduce false positives • Find collaborators & rings • Support compliance and investigations • Outbound supply chain logistics • Route planning and network analysis
  • 55. Cypher Workbench Risk Management Keymaker (Applied Analytics Pipeline) • Cloud modeling environment • Online and offline modes • Collaboration features • Model validation and constraints • Investment / Credit / Party Risk Management • Compliance (FRTB, BCBS 239, CCAR, BASEL) • Faster decisions using suggestions / predictions • Combine ML & Connected Data analysis into single analytics pipeline • Hyper-Personalization • Explainable scored results • Highly performant & scalable architecture Kettle/HOP for Neo4j • Privacy compliance (GDPR, CCPA, LGPD, FCPL, …) Privacy Shield • Fast visual data ingestion pipeline development • Support for most popular data sources out of the box • Templated best practice pipelines • Maintainability of ingestion logic • Citizen journey / 360 • Pseudo-anonymization