Was ist Neo4j?

Neo4j ist eine der weltweit führenden Graphdatenbanken und wurde von Neo Technology, einem Startup Unternehmen mit Sitz in Malmö/Schweden und San Francisco/USA, entwickelt. Die in Java implementierte Open Source und NoSQL Graphdatenbank bietet dem Programmierer eine flexible Netzwerkstruktur von Knoten und Beziehungen anstatt von statischen Tabellen. Neben der freien Community-Variante ist Neo4j bei Bedarf auch mit kommerzieller Lizenz für den Produktiveinsatz erhältlich. Dennoch bietet Neo4j alle Vorteile einer Datenbank in Enterprise Qualität.

Neo4j Solution Partner

Wir freuen uns Neo4j Solution Partner zu sein und die zunehmende Nachfrage von Unternehmen nach Graphdatenbanken erfüllen zu können. Ihnen als Kunde schaffen wir so einen größeren Mehrwert und stehen Ihnen in Hinblick auf Graphdatenbanken beratend zur Seite. Nehmen Kontakt mit uns auf und lassen Sie sich beraten. Wir freuen uns auf Sie!

Warum Neo4j?

Die Menge anfallender Daten wächst stetig in allen relevanten Bereichen des Wirtschaftslebens. In diesem zunehmend anschwellenden Informationsvolumen sind Zusammenhänge versteckt, die es gilt entdeckt zu werden! Diese können in vielen Bereichen nutzbringend verarbeitet werden, um so Kosten zu senken und Profite zu maximieren.

Die effiziente Auswertung von solchen Datenverbindungen setzt eine geeignete Datenbank voraus, die die Daten in einem Graphen organisiert. Neo4j (http://neo4j.com) ist die weltweit führende Graphdatenbank, die schon in vielen Anwendungsszenarien in den unterschiedlichsten Branchen eingesetzt wurde.

Einsatzgebiete von Neo4j

Es existieren unzählige Anwendungsfälle, in denen Neo4j bereits in vielen großen Unternehmen sich bewährt hat. Zum Beispiel wären zu nennen:

  • Empfehlungsdienste
  • Betrugserkennung
  • Impaktanalyse
  • Routenplanung
  • soziale Netzwerke
  • Stammdatenverwaltung
  • maschinelles Lernen

Einige dieser Anwendungsfälle seien kurz beschrieben.

Empfehlungsdienste

Ein Kunde befindet sich auf der Seite eines Shops. Er durchforstet gerade die verschiedenen Produkte, die der Shop anbietet. Hilfreich wäre es für ihn, während seiner Suche geeignete Empfehlungen zu erhalten, die ihn zielsicher zu seinem Wunschprodukt zu führen.

Das Aussprechen von solchen Empfehlungen ist durch das Analysieren von Datenverbindungen hervorragend möglich, vor allem dann, wenn noch Methoden des maschinellen Lernens optimierend zusätzlich herangezogen werden. Dabei können die unterschiedlichsten Aspekte bei der Aussprechung der Empfehlung herangezogen werden, z.B.:

  • Welche Produkte hat der Kunde bereits in dem Shop erworben?
  • Welche Produkte hat sich der Kunde bereits angesehen?
  • Welche Produkte hat der Kunde bereits positiv bewertet, die mit diesem Produkt in Verbindung stehen?
  • Für welche Produkte haben sich Bekannte und Freunde interessiert?
  • Welche Produkte wurden zusammen mit dem gerade aktuell angezeigten Produkt verkauft?
  • Welche ähnliche Produkte zu dem bereits angezeigten wurden positiv bewertet?

Neo4j kann bei einer solchen Aufgabenstellung als Datenbank eingesetzt werden, die die Informationen über Produkte, Verkäufe, Bewertungen und Kunden in geeigneter Form speichert, so dass ein rasches Aussprechen von Empfehlungen möglich wird.

Betrugserkennung

Kreditkarten sind ein beliebtes Zahlungsmittel. Sie laden aber auch zu betrügerischem Verhalten ein. Es liegt daher im Interesse von Banken, Betrugsversuche frühzeitig anhand der vorgenommenen Transaktionen zu erkennen.

Die Ablage der Transaktionsdaten in einer Graphdatenbank wie Neo4j erweist sich für diese Aufgabe als besonders geeignet. Denn es wird so möglich, betrügerische Verhaltensmuster rasch auf der Grundlage von Expertenwissen zu erkennen, ohne aufwendige und zeitraubende Analysen backendseitig durchführen zu müssen.

Impaktanalyse

In einem Rechenzentrum sind verschiedene Rechner über Netzwerkverbindungen und Switches miteinander verknüpft. Dabei bietet dieses Netzwerk seinen Kunden unterschiedliche Dienste an, die nach Möglichkeit nicht ausfallen sollten. Dennoch kommt es vor, dass bestimmte Teile des Netzwerks ausfallen können, etwa Switches oder Rechner.

Wünschenswert ist esdaher, präzise vorherzusagen, welche Teile des Netzwerks bzw. welche Dienste von einer konkreten Störung betroffen sind. Neo4j kann auch hier gute Dienste leisten, da sich das Modell eines solchen Netzwerks sehr gut in Neo4j speichern und analysieren lässt. Dabei können beispielsweise folgende Fragen beantwortet werden:

  • Welche Auswirkungen auf die Bereitstellung der Dienste hat der Ausfall einer bestimmten Komponente?
  • Ist es möglich, den Ausfall vorübergehend zu kompensieren, indem andere Routen im Netzwerk genutzt werden?

Maschinelles Lernen

Neo4j hat sich auch schon im Umfeld des Maschinellen Lernens bewährt, wo es darum geht, aus Daten, die von unterschiedlichen Datenquellen bereitgestellt werden, neue Erkenntnisse zu gewinnen. Seine Fähigkeit, Datenpunkte und Datenverbindungen direkt nebeneinander zu speichern, vermag maschinelles Lernen zu optimieren:

  • Neo4j kann als Speicher für den Trainingsdatensatz dienen, der durch das Zusammenführen von Daten aus den unterschiedlichsten Datenquellen gebildet wird.
  • Nach Anwendung geeigneter Algorithmen auf den Trainingsdatensatz kann Neo4j als Speicher für das Ablegen des prädiktiven Modells genutzt werden.

Neo4j – die ausfallsichere, hochverfügbare und performante Enterprise-Datenbank

Neo4j ist in zwei Editionen erhältlich, einer Community Edition (CE) und einer Enterprise Edition (EE).

Die Community Edition bietet dabei

  • die leicht erlernbare Abfragesprache Cypher zur effizienten Abfrage der Daten
  • ACID-Transaktionen
  • eine Bibliothek mit Graphenalgorithmen

Die von der Community Edition bereitgestellten Fähigkeiten reichen für den Unternehmenseinsatz oft nicht aus, denn hier werden Eigenschaften wie

  • Skalierbarkeit
  • Ausfallsicherheit
  • Hochverfügbarkeit

verlangt.

Die Enterprise Edition von Neo4j genügt genau diesen Anforderungen. Zu nenne sind hier unter anderem folgende Merkmale:

  • Causal Clustering
  • Verschlüsselung der Kommunikation innerhalb eines Clusters
  • Verwaltung mehrerer Datenzentren
  • Replikation
  • Routing und Load Balancing
  • Online- und Offline-Backups
  • rollenbasierte, fein granulare Zugriffskontrolle
  • Integration von LDAP und Active Directory
  • Unterstützung von Kerberos

Leistungen der Ancud IT

Ancud unterstützt Unternehmen auf dem Weg der digitalen Transformation durch:

  • Technologie- und Architekturberatung
  • Analyse Ihrer Anwendungsfälle und Herausarbeiten der richtigen technischen Umsetzung,
  • Entwicklung von Big Data IT-Lösungen
  • Begleitung der Migration und Integration Ihrer bestehenden Infrastruktur mit Ihren Big Data Anwendungen,
  • Schulungen, Trainings

Haben wir Ihr Interesse geweckt?

Dann nehmen Sie mit uns Kontakt auf: torsten.kurth@ancud.de.