Neo4j kündigt Zusammenarbeit mit Snowflake an
Integration von "Neo4j Graph Analytics" in die "Snowflake AI Data Cloud" vereinfacht Einsatz von "Knowledge Graphen", Graph-Algorithmen und ML-Tools für KI-Analysen
Die neuen Funktionen von "Neo4j Graph Data Science" in "Snowflake Data Cloud" sind ab sofort als Preview und über Early Access-Zugang verfügbar
Neo4j, Anbieterin von Graphdatenbanken und Graph Analytics, kündigt die native Integration ihrer "Graph Data Science"-Lösung in die "Snowflake AI Data Cloud" an. Das gaben beide Unternehmen im Rahmen des Snowflake Data Cloud Summit 2024 bekannt. Anwender der Snowflake-Plattform erhalten damit direkten Zugriff auf die umfassende Neo4j Library mit Graph Algorithmen sowie ML-Tools und können so Graph-Funktionalitäten in der gewohnten Snowflake-Umgebung nutzen, ohne ihre Daten verschieben zu müssen.
Ziel der Integration ist es, Komplexität und administrative Hürden zu reduzieren und für Kunden von Snowflake den Einsatz von Graphtechnologie zu vereinfachen. Gerade für KI/ML, prädiktive Analysen und GenAI-Anwendungen ist dieser einfache Einstieg entscheidend. Unternehmen können ihre sicheren, verwalteten Daten nativ in Snowflake nutzen, skalieren und sie mit den Graph-Analytics-Funktionen von Neo4j erweitern. Die dadurch gewonnen Erkenntnisse helfen Unternehmen schneller zu Entscheidungen zu gelangen, Zeit und Ressourcen einzusparen und die Time-to-Value von Projekten zu beschleunigen.
Die neuen Funktionen von Neo4j Graph Data Science in Snowflake Data Cloud sind ab sofort als Preview und über Early Access-Zugang verfügbar. Die allgemeine Verfügbarkeit folgt im Laufe des Jahres über den Snowpark Marketplace.
>> Out-of-the-box Graph-Algorithmen: Anwender können in der Snowflake Data Cloud die Programmiersprache SQL verwenden, um Knowledge Graphen zu generieren und mehr als 65 vorkonfigurierte Graph-Algorithmen auszuführen – darunter einfach zu bedienende Tools für Maschinelles Lernen (ML). Die Neo4j Library ist als nativer Service in Snowflake integriert. Da die Graph-Algorithmen als SQL-Funktion zur Verfügung stehen, können Nutzer ML-Pipelines um Graph-Features erweitern (z. B. Influencer Score, Community-Identifier, Page Rank) und die Genauigkeit ihrer MLs verbessern. So lassen sich zum Beispiel Anomalien im Rahmen der Betrugsaufdeckung und des Supply Chain Managements aufdecken und Recommendation Engines für den Kundenservice optimieren.
>> Zero ETL (Extrahieren, Transformieren, Laden): Zero ETL vereinfacht Sicherheit, Daten-Workflows und reduziert den Overhead. Anwender können die Neo4j Library einschließlich Graph-Algorithmen direkt nutzen, ohne ihre Daten zuvor extrahieren, transformieren und in eine andere Datenbank laden zu müssen. Eine Freigabe durch das IT-Procurement und die IT-Sicherheit für den Datentransfer zu einem anderen SaaS-Anbieter ist ebenfalls nicht mehr nötig.
>> Gewohnte Snowflake Umgebung, Tools und Sprachen: Mit der Integration werden die Graph Data Science-Funktionalitäten von Neo4j Teil des ganzheitlichen Toolsets der Snowflake-Plattform. Data Scientists und Entwickler können weiterhin Snowflake SQL für ihre Arbeitsabläufe verwenden, eine agile Entwicklung sicherstellen und schnell und einfach mehr Nutzen aus ihren Daten ziehen. Neo4j arbeitet mit den neuen, auf dem Snowflake Data Cloud Summit vorgestellten Snowpark Container Services (SPCS).
>> Teil des GenAI Stacks: Mit der Neo4j Graphdatenbank lassen sich Knowledge Graphen und Vektoren generieren, die auf strukturierten und unstrukturierten Daten sowie den Beziehungen zwischen den Daten basieren. Diese Fähigkeit ist Teil des umfassenden GenAI-Stacks in Snowflake, der sowohl die Vektorsuche als auch die Snowflake Arctic LLM-Modelle umfasst. Daten lassen sich damit auf eine Art und Weise repräsentieren, die Antworten von GenAI-Anwendungen verständlicher, erklärbarer und nachvollziehbarer macht.
>> Cloud-nativ und flexibel: Anwender können Graph Data Science-Umgebungen nahtlos aus Snowflake SQL heraus erstellen und zahlen mit Snowflake Credits für die während der Laufzeit der Algorithmen genutzten Snowflake Ressourcen. Die temporären Umgebungen sind so konzipiert, dass sich Aufgaben der Nutzer an die spezifischen Anforderungen anpassen, was eine effiziente Ressourcenzuweisung und niedrige Kosten garantiert. Graph Analytics-Ergebnisse lassen sich ebenfalls nahtlos in Snowflake integrieren, was die Interaktion mit anderen Data Warehouse-Tabellen vereinfacht. (Neo4j: ra)
eingetragen: 25.06.24
Newsletterlauf: 06.08.24
Sie wollen mehr erfahren?
Die Integration der Graph Data Science-Funktionen von Neo4j in die Snowflake AI Data Cloud ist für unsere gemeinsamen Kunden ein großer Schritt nach vorn.
Neo4j: Kontakt und Steckbrief
Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.