Forrester 研究报告，概述了部署 TigerGraph 的总体经济影响™ (TEI)。 该研究涉及对六家年收入在 20亿到2500亿美元之间的TigerGraph客户，通过深度访谈评估他们在采用TigerGraph后的投资回报 (ROI) 和整体业务收益。结果表明，TigerGraph 可以帮助客户在三年内实现 600% 的投资回报率和 2081 万美元的净现值 (NPV)。

对于企业而言要选择一款图数据库投入实际生产也是一个不小的挑战。图数据库的最终应用对于企业长期发展来说至关重要。面对市场上的图数据库和图分析产品，应该如何选择？产品性能自然是首要考虑的因素，除此之外，企业在选择合适的图数据库时还需要注意哪些方面？

本文节选自白皮书《智能助力反欺诈——TigerGraph金融犯罪调查工具包》。TigerGraph的实时图技术和分析工具为银行和金融服务行业提供了一个难得的机会，可以彻底转变整个反洗钱领域。基于图构建自定义的可视化仪表盘，可以大幅提高分析的有效性和决策的精准性。

电信欺诈久已有之，且有日益猖獗之势。但目前针对电信欺诈者，我们仍缺乏较有力的应对措施，新冠疫情让事情变得更糟。电信公司将面临怎样的风险？电信欺诈形式多样，我们重点关注以下两类：身份盗用和运营漏洞欺诈。借助TigerGraph打击各类欺诈。

最近，Neo4j 宣称其以100TB的规模运行 LDBC-SNB 查询，TigerGraph 工程副总裁乌明希博士，在查看了他们演示的实际内容后，发现这种所谓的100TB演示并不是对LDBC-SNB基准的合理使用；它只是一种营销策略罢了。相比之下，TigerGraph只用100 台机器就完成Neo4j所有展示（而Neo4j演示中需要1000多台机器）。

鉴于 Intuit 转向 AI 驱动的欺诈和风险平台，我们的大部分风险缓解控制都基于 ML 模型。我们实施了一个图数据库系统来反映我们的客户关系并检测可疑活动。具体而言，我们的目标是使用图洞察力将 ML/AI 模型中的欺诈实体联系起来，以加强我们的欺诈和风险控制，减少端到端生态系统中多个检查点的欺诈，并改善客户体验。