Neo4j bringt Graph-Intelligenz in Snowflakes Datenplattform
Neo4j und Snowflake bieten integrierte Werkzeuge an, mit denen Unternehmen direkt auf Snowflake-Daten Wissensgraphen erstellen und Graphanalysen durchführen können. Die Partnerschaft soll Künstlicher Intelligenz mehr Kontext in Unternehmen geben, ohne den zeitaufwendigen Prozess der Datenverschiebung.
- Virtual Graph erstellt einen Wissensgraphen aus Snowflake-Daten, ohne sie zu verschieben.
- Das System wandelt Cypher-Abfragen in SQL-Anweisungen um.
- Graph Analytics for Snowflake bietet mehr als 65 Graphalgorithmen.
- Native Neo4j-Datenbanken sind für Echtzeitaufgaben mit geringer Latenz gedacht.
- Audience Acuity verkürzte die Verarbeitungszeit von mehreren Wochen auf weniger als 24 Stunden.
Wissensgraph direkt auf Snowflake-Daten erstellen
Nach Angaben von Neo4j umfasst die am 3. November angekündigte Partnerschaft Virtual Graph for Snowflake, Graph Analytics for Snowflake und Aura Data Importer for Snowflake. Die Werkzeuge richten sich an unterschiedliche Anwendungsfälle innerhalb der Snowflake AI Data Cloud.
Virtual Graph for Snowflake ist derzeit als öffentliche Vorschau verfügbar, die allgemeine Verfügbarkeit ist für den 16. November geplant. Das Werkzeug erstellt auf Grundlage der in Snowflake gespeicherten Unternehmensdaten einen Wissensgraphen, ohne die Daten zu verschieben. Nutzer können Cypher-Abfragen gegen das Data Warehouse ausführen. Das System wandelt sie automatisch in deterministische SQL-Anweisungen um und gibt die Abfrageergebnisse als Graph zurück.
Die Lösung bewahrt bestehende Regeln für die Datenverwaltung und die Rechenumgebung von Snowflake. Neo4j zufolge kann die KI-gestützte Entwicklung des Schemas innerhalb weniger Minuten ein erstes Graphmodell erstellen. Nutzern, die mit Cypher nicht vertraut sind, kann Copilot außerdem Fragen in natürlicher Sprache in Graphabfragen umwandeln.
Daten mit SQL analysieren, ohne sie zu verschieben
Graph Analytics for Snowflake ist bereits auf dem Snowflake Marketplace verfügbar. Die serverlose, vollständig verwaltete Anwendung nutzt SQL, um aus Snowflake-Tabellen Graphen im Arbeitsspeicher zu erstellen, Algorithmen auszuführen und die Ergebnisse zurück in Snowflake-Tabellen zu schreiben.
Neo4j bietet mehr als 65 Graphalgorithmen, um Beziehungen und Muster in Daten aufzudecken. Nach Angaben des Unternehmens werden nur die tatsächlich genutzten Ressourcen berechnet, ohne monatlichen Mindestumsatz oder Gebühren für Inaktivität. Zu den möglichen Anwendungen zählen die Optimierung von Lieferketten, die Erkennung von Betrug durch Absprachen, die Auflösung von Marketing-Entitäten sowie Kundensegmentierung und Empfehlungen für die nächstbeste Aktion.
Snowflake Cortex AI und der Graphkontext von Neo4j können zusammenarbeiten, um Fragen aus dem Geschäftsbereich in natürlicher Sprache zu beantworten und dabei Beziehungen zu berücksichtigen.
Echtzeitanwendungen benötigen möglicherweise weiterhin eine separate Graphdatenbank
Nach Angaben von Neo4j können Aufgaben, die Millisekunden-Latenzen, CRUD-Operationen, ACID-Transaktionen oder Abfragen über mehrere Datenquellen hinweg erfordern, weiterhin eine native Neo4j-Graphdatenbank nutzen. Beispiele sind die Analyse von Cyberbedrohungen, Empfehlungen für die nächstbeste Aktion, Ursachenanalysen bei Netzwerk- und IT-Ausfällen sowie die Erkennung von Betrug in Echtzeit.
Nutzer können relevante Teilgraphen, sogenannte Hotspots, in eine Neo4j-Datenbank migrieren. Aura Import Service unterstützt Snowflake als Datenquelle, während AuraDB der vollständig verwaltete Graphdatenbankdienst von Neo4j ist.
Neo4j nennt außerdem ein Kundenbeispiel: Audience Acuity beschleunigte die Auflösung von Identitäten mithilfe von mehr als 2 Milliarden verknüpften Datensignalen und verkürzte die Verarbeitungszeit von mehreren Wochen auf weniger als 24 Stunden. Das Unternehmen sagt, Virtual Graph for Snowflake könnte mehr als 12 tausend Organisationen die Möglichkeit geben, Snowflake-Daten direkt vor Ort als Graph abzufragen.
