Neo4J, une base de données graphe pour exploiter des données hétérogènes

L’expertise de l’agence Kernix sur Neo4J

Kernix est partenaire Neo4J depuis de nombreuses années et a contribué à son adoption grâce à la publication de livres techniques.

Notre agence utilise Neo4J en production pour :

• La modélisation de données complexes :
  Tout ensemble de données peut se représenter par des entités et des relations entre entités, où chaque entité ou relation est caractérisée par des propriétés. La simplicité de ce modèle et son universalité le rendent puissant pour la modélisation. Neo4J nous a par exemple permis d’accompagner Deolan à modéliser les interactions entre les nombreux sous-traitants dans le domaine du transport aérien. La mise en place d’un schéma de données évolutif et une visualisation claire sont les principaux atouts de Neo4J dans ce contexte. Cela facilite l’analyse exploratoire en amont de phases d’exploitation. Par exemple, notre modélisation des données du réseau et de circulation de la SNCF ont permis d’améliorer la maintenance prédictive.
• Des systèmes de recommandation :
  La multiplicité des données utiles pour créer des systèmes de recommandation pertinents nécessite une modélisation adaptée. Les possibilités d’analyse exploratoire et de visualisation des données contribuent à la conception de systèmes de recommandation sur mesure. En particulier, l’ajout de contraintes et règles métiers est facilité. Parmi les nombreux systèmes de recommandation que nous avons réalisés, la recommandation d’articles scientifiques pour Servier, les recommandations du site WeLoveCinema de BNP Paribas, ou encore notre recommandation pour Konbini ont été réalisées avec Neo4J.
• La détection de communautés et d’influenceurs :
  Les réseaux sociaux se prêtent naturellement à la modélisation sous forme de graphe : les utilisateurs et les posts sont des entités qui sont connectées par différents types de relations (partages, likes, etc.). Les applications facilitées par Neo4J sont nombreuses dans ce domaine là. Par exemple, la cartographie des usages culinaires sur les réseaux sociaux pour le Groupe SEB repose sur la modélisation et l’exécution d’algorithmes adaptés aux graphes. Des analyses de réseaux sociaux via la détection de communautés et d’influenceurs sont présentées sur notre blog.
• L’optimisation de parcours :
  Le parcours de relations est un des avantages majeurs des bases de données graphes. Dans la plateforme Neo4J, les données sont physiquement disposées (sur le disque dur) de manière à ce qu’accéder à une autre entité via une relation soit extrêmement rapide. Les algorithmes de parcours de graphe exploitent cette propriété et permettent ainsi de calculer les chemins les plus courts entre deux entités. L’optimisation des services de transport de colis de La Poste est l’exemple le plus caractéristique.
• La détection d’anomalies :
  Agréger des données au sein d’une même base de données graphe permet de parcourir des relations et d’identifier des motifs récurrents, mais aussi des motifs anormaux. À l’instar des révélations liées aux Panama Papers avec Neo4J, nous avons détecté des fraudes et des anomalies pour Colas. La détection d’anomalies s’opère par la visualisation interactive des données ou bien par l’utilisation d’algorithmes spécifiques.

Pour mener à bien certains projets et exploiter les avantages de Neo4J avec les avantages d’autres bases de données, Kernix a développé un système de persistance polyglotte synchronisant efficacement les données de MongoDB et de Neo4J.

Créer votre projet sous Neo4J avec Kernix

Créer votre projet utilisant Neo4J avec Kernix, c’est la garantie d’une expertise technique et opérationnelle pour le mener à bien. Si vous pensez que Neo4J peut correspondre à votre projet ou voulez un avis, n’hésitez pas à nous contacter. Nos data scientists & engineers, devOps et développeurs seront là pour tirer le meilleur parti de vos données. Nos équipes design et frontend sauront aussi les mettre en valeur pour une expérience utilisateur réussie.