1. 基礎圖學知識：有沒有圖差很多！
假設今天你在一個 10,000 人的集團內擔任老闆小秘書，老闆問你：「早上來報告的 Alice 隸屬於哪些部門？（急欲認識 Alice 貌）」你要怎麼辦？
身為萬能小秘書，你自信的打了通電話給集團內的資深人資主管，把問題丟給他…於是，資深人資主管很快的回覆：Alice 員工編號 815, 隸屬於 4Future、P0815 與 A42 部門…等個人資訊。
問題解決（反正只是把問題丟給別人XD），小菜一碟。
你把 Alice 的個人資訊都彙報給了老闆，預期老闆會露出志在必得的微笑。但事實是老闆嘴角只上揚了0.3秒，並接著問道：「她的朋友都是誰？給我她朋友（friends）還有朋友的朋友（friends of friends）的所有資料！」
於是乎你又打了通電話給資深人資主管（你是韓總機膩？），主管回答道：「抱歉，我不是徵信社」
好吧，你的升官運就此停止…嗎？
你想到國中老師教的兩點連成一線，你 google 如何查詢人際關係，你查到人際關係其實可以表示成一張圖（graph）
你了解到，每個人際關係圖，都有兩個基本要素組成：人員以及友誼連結。
這其實就對應到了圖論中的 G = (V, E)
＾＿＾？G就是圖（graph），V 就是點（vertex），E 就是邊（edge），懂？
你是看懂了，但是還是苦無資料。
於是你翻開覆蓋的魔法卡使出小秘書獨有賤招：「濫用特權！」，對整個集團的人發放問卷，請每個員工勾選出公司內朋友名單。
至此，你有了每個人的朋友清單，請工程師幫你整理，大概長這樣：
看起來有夠噁心！鬼知道老闆心心念念的 Alice 在哪裏…怎麼辦…
2. 圖資料庫與關聯式資料庫的差異
你問了資深人資主管，他剛剛怎麼查的。人資主管大言不慚的說：「我也是問數據庫的分析師才知道的。（公司難免會有很多人是專業總機）」於是你問分析師他會不會處理這些鬼資料，他表示：「沒有什麼很快的、可以用現有關聯式資料庫（RDBMS）快速查詢人際關係資料的方法。」
為什麼沒有很快的方法？其實有，只是不常見！
常見的數據庫，要處理如同人際關係這種網絡資料（network data），必須將「人名」與「好友」預先儲存在一張表上，以便查詢時傳喚使用。如下表，命名為 user_friend_table：
╒═══════════╤═════════════════╕
│"user_name"│"friend" │
╞═══════════╪═════════════════╡
│"Paul" │"Haruka" │
├───────────┼─────────────────┤
│"Paul" │"Matthew" │
├───────────┼─────────────────┤
│"Paul" │"John" │
├───────────┼─────────────────┤
│"Paul" │"Deb" │
├───────────┼─────────────────┤
│"Paul" │"Rebecca" │
├───────────┼─────────────────┤
│"Paul" │"Gabi" │
├───────────┼─────────────────┤
│"Paul" │"Maria" │
├───────────┼─────────────────┤
│"Paul" │"Pamela" │
├───────────┼─────────────────┤
│"Paul" │"Courtenay" │
├───────────┼─────────────────┤若使用資料庫如 MySQL 查詢 Alice 身邊的好友，則可以使用下列 SQL查詢：
如果要查Alice 身邊的好友的好友呢？你可能要分析師寫一個 semi-join（至於這是什麼？我以後也會專門撰文跟大家講解的…老高魂）
那如果老闆想要 Alice 好友一族升官發財，要的名單是好友的好友的好友呢？（三度關係）你可能分析師要寫兩個 semi-join…且速度比圖資料庫慢
那老闆如果想問他跟 Alice 中間差幾個人可以認識彼此呢？這就是一個最短路徑問題（Shortest Path）！
這時候分析師兩手一攤放棄使用 MySQL，改用了圖資料庫 Neo4j…
3. Neo4j 真心好用：學會這些讓你「找朋友」省下一堆時間
「想找 Alice 的好友一族？找 Neo4j!」分析師快樂的模仿起 trivago 一哥的口氣，開心的完成了老闆交代給小秘書交代給他的工作（你沒看錯，這就是社會現實分工狀態😩）
如何辦到的呢？首先，分析師把員工當作節點（node = vertex），讓個人資訊依附於節點上，並且依照問卷資料上的朋友資訊匯入員工彼此之間的友誼連結（relationships = edge）。這些節點與關係的資料被匯入到 Neo4j 中。（匯入資料的步驟取決於資料或檔案型態，可以是 node 一張 csv 表，relationship 一張csv表。也可以是一個 json 檔，將朋友名單儲存於 value 中）
接下來，就是見證奇蹟的時刻了…（假設你已經成功匯入資料）
使用 Cypher（圖資料庫查詢語言），不論你是老闆還是小秘書還是分析師，都可以省去一堆頭疼的複雜查詢語句。
以查詢 Alice 的好友一族（三度關係）名單為例：
三行解決，舒舒服服。
翻譯成人話：
第一句話:「找尋一種模式（pattern），員工 u 以友情關係連結到另一員工 u2。並限縮關係在三度以內。」
第二句話：「限定這個 員工 u 的名字必須要叫 Alice。」
第三句話：「回傳不重複的員工 u2 的名字，將該欄位命名為 friend_name」
如果你想讓老闆與 Alice 快速建立小小的愛情火花，你可以幫老闆查查他與 Alice 的最短路徑：
首先，創建一個虛擬的圖，命名為 myGraph，並投影（projection）節點及關係。
用 Graph Data Science Library 進行圖算法（graph algorithm)。運行最短路徑演算法（這裡使用 Dijkstra Shortest Path algorithm）。
這樣就好惹～恭喜你已經成功幫老闆 Hentai 桑找到員工 Alice 的最路徑！也成功開啟了小秘書升遷之門！（才怪）
4. 安裝指示：好吧，前面你可能都知道了，我只能教你一些煩人的…
但我現在有點懶得講，下次再補～
你英文好的話，可以看看官方文件。
結語：你可能會用到也可能不會，so what?
哈密瓜有種哈味，但是對哈密瓜過敏的人無法體會。懂？
投資一定有風險，但是投資自己學習一門新的技術很少會賠。
學習圖資料庫的重點在於學習她的 Cypehr 查詢哲學。學習如何在茫茫網絡資料中萃取出重要的資訊、如何進行圖資料科學（graph data science）、如何幫老闆促成姻緣（誤）。
學得開心最重要～希望你也能找到更多圖資料好玩的應用～
註：如果你對文中的資料如何產製有興趣，可以參閱圖或表下方的 Cypher code block。目前圖資料庫 Neo4j 廣泛應用於各大企業中，包含金融、零售、生命科學、電信、政府機關等。客戶包含但不限於：瑞士銀行（UBS）、eBay 購物網、諾華製藥（Novartis）、思科（Cisco）、美國航太總署（NASA）等。應用及發展前景相當不錯。