Neo4j PoC+
Neo4j PoC+の特徴
- ゴールまで併走
- エンジニア育成
もっとも大きな特徴は、ユーザー企業のエンジニアとNeo4jに精通した弊社エンジニアとで新たなチームを組成し、ゴールまで併走することです。
一般的なPoCのように技術検証だけに留まらず、同じチームメンバーとしてグラフデータベースのノウハウや使い方の共有をしながら、ゴールへ向かってパスをつないでいく。プロジェクトが終了する頃には、ストーリーを伴う分析結果が得られるだけでなく、生きたスキルを持つNeo4j技術者がユーザー企業内で育成できます。
このように、この「Neo4j PoC+」はプロジェクト遂行とエンジニア育成を兼ねる新しいPoCサービスです。
Neo4jをご検討の方、グラフデータベースを活用して望む結果を得たい方、社内のグラフデータベースエンジニアを育成したい方は、ぜひお問い合わせください。
PoC対応ケース
- 1新規のNeo4jモデル構築
-
お客様のデータをもとに、目的に応じたNeo4jモデルを構築します。
ExcelやJSON形式のデータをお客様のニーズに応じて、Neo4jのグラフモデルにします。ユースケースを実現するのに適したモデルを検討・作成でき、モデル構築の知見を得られます。

- 2RDBからNeo4jへデータモデル移行
-
一般的に、RDBに保存されているデータをNeo4jのグラフモデルに移行することは簡単ではありません。
なぜならば、例えば次のようなステップを踏む必要があるからです。①RDBの各テーブルレコードをファイルへ出力し、Neo4j Nodeに変換する
②RDBのテーブル間の接続関係をNeo4j Relationshipに変換するこれらの作業を共同で行い、お客様のユースケースに即したグラフモデルへ移行することを補助します。

- 3Cypherクエリ・GDSを使ったデータ抽出
-
Cypherクエリやグラフデータサイエンスライブラリを使用して、既存のデータからユースケースに応じて、必要な特徴を抽出します。
Cypherクエリやグラフデータサイエンスライブラリの使用方法に関するノウハウを共有できます。
実データにアルゴリズムを適用し、結果を分析します。どのアルゴリズムが分析に適しているか、ユースケースに応じた使用方法に関する知見を得ることができます。【過去の事例】
銀行の送金データなどから中心性アルゴリズムとコミュニティ検出アルゴリズムを使用して、インフルエンサーを特定

事前準備 / 納品物
-
PoC用のデータの整理・提供
- PoC対象のデータをご提供いただきます。そのまま提供できない場合やまだ存在しない場合はダミーデータをご提供ください
※PoC用のデータを使ってどのような検索または情報抽出をするか、現状のヒアリングや課題整理に関しても対応可能ですので、ご相談ください
-
ドキュメントの整理・提供
- ER図などのPoC用のデータの詳細が分かる資料をご提供ください
・各項目の定義やユニークキー
・フラグやカテゴリ区分の定義
-
成果物・納品物
- 各プロジェクトごとに応相談になります。フォーマットとしては下記を想定しております
・Dumpファイル
・CSV出力ファイル
・打ち合わせ資料
・Cypher クエリ
・構築環境