6.2 Bloom 可视化探索:给业务人员的图画布 本节摘要:Bloom 面向的是"会提问题但不会写 Cypher"的人:运营、风控分析师、产品经理。它把图查询变成搜索框里的自然短语与可交互的画布,并用视角(Perspective)控制每个人能看到哪部分图。本节讲清它的定位边界、视角与搜索短语的配置方法,以及与 Browser 的分工。 Browser 服务工程师(4.2 节),Bloom 服务业务人员——两者界面像、定位不同。判断标准很简单:需要写 Cypher 才能回答的问题归 Browser,能用一句业务短语描述的问题归 Bloom。 一、搜索短语:把问题直接敲进搜索框 Bloom 的搜索框理解两类输入。
本节摘要:Bloom 面向的是"会提问题但不会写 Cypher"的人:运营、风控分析师、产品经理。它把图查询变成搜索框里的自然短语与可交互的画布,并用视角(Perspective)控制每个人能看到哪部分图。本节讲清它的定位边界、视角与搜索短语的配置方法,以及与 Browser 的分工。
Browser 服务工程师(4.2 节),Bloom 服务业务人员——两者界面像、定位不同。判断标准很简单:需要写 Cypher 才能回答的问题归 Browser,能用一句业务短语描述的问题归 Bloom。
Bloom 的搜索框理解两类输入。第一类是内置动作与图模式短语:
搜索框输入:Tom Hanks 的合作演员 → Bloom 解析为等价 Cypher 并渲染画布 → 节点按标签着色,关系可点选展开 搜索框输入:风险分数大于 80 的账户 → 带条件过滤的场景图,直接呈现
第二类是团队自定义短语(Search Phrase),把业务黑话绑定到固定 Cypher 模板:
自定义短语:{name} 的资金环路 绑定查询:MATCH path = (a:Account {name: $name}) -[:TRANSFER*3..5]->(a) RETURN path → 风控同事输入"张三 的资金环路"即得环路图
自定义短语是 Bloom 的价值核心:把团队最常问的十个问题做成十个短语,业务自助率立刻上一个台阶——工程师从"临时工单查询员"的角色里解放出来。
生产图往往含敏感子图(工资、内部标识)。Bloom 用视角做呈现层的数据裁剪:
视角配置(示意): 风控视角:Account、Device、IP、TRANSFER 关系 (隐藏 PersonalInfo 属性) 运营视角:User、Order、Product、Buys 关系 (隐藏成本与利润属性)
同一张底图,不同角色开不同的画布。注意视角的定位:它是展示层过滤,不能替代 3.5 的权限体系——真正的安全边界仍由角色与权限把守,Bloom 视角只决定"看哪些标签与属性",账号鉴权仍在底层。
画布上的探索结果可保存为场景(Scene),连同参数与视图设置一起分享给同事:
典型工作流: 1. 风控分析师发现一个可疑环路 → 保存场景"0801-张三环路" 2. 带参数分享给团队 → 同事打开即见同款视图,可改参数继续探索 3. 结论截图进周报 → 图说比表说先被看懂
这条"探索 → 固化 → 分享"的链路,是 Bloom 与一次性截图工具的本质区别:图探索本身成为可协作的资产。
| 维度 | Bloom | Browser |
|---|---|---|
| 目标用户 | 业务人员、分析师 | 工程师、DBA |
| 交互方式 | 搜索短语 + 画布点选 | 手写 Cypher |
| 数据管控 | 视角裁剪 | 全库可见(受权限约束) |
| 部署形态 | 企业版组件 / AuraDB 专业版起 | 随引擎内置 |
| 停车场 | 美观度优先,不出口径数据 | 精确查询与 PROFILE |
两个诚实的边界提醒:其一,Bloom 是探索工具不是报表工具——要精确口径的数据(财务对账、KPI),还是导出 CSV 或接 BI;其二,可视化渲染有节点数上限,"把全图画出来"不是合法需求,靠短语过滤与逐层展开才是正确姿势。
💡 推广 Bloom 的团队实践:上线时配套做一页"常用短语手册",把分析同事的高频问题固化成短语清单——Bloom 的价值不在于工具本身,在于这十几个短语沉淀下来的业务问答资产。
让"风控分析师小周"的一天来说明 Bloom 的位置:
上午:收到"这个设备号可疑"的线索 → Bloom 搜索框输入设备号 → 星形图展开:6 个账号挂着它 → 点击其中一个账号,展开它的转账关系 → 两个收款卡浮出 中午:发现其中三个账号的资金绕了一圈 → 换用团队短语"xxx 的资金环路" → 环路图直接呈现 下午:把环路场景保存为"0612-设备X团伙"分享给团队 → 风控例会上打开场景,截图进周报 → 工程师按图中线索写正式 Cypher 深挖(回到 Browser)
注意这条链路的分工:线索发现与呈现归 Bloom,深度取证归 Cypher。Bloom 是侦查员的望远镜,不是法医的解剖台——各取所长,证据链才完整。
诚实的反面清单同样重要:团队只有工程师、查询都能写成 Cypher、没有可视化呈现需求——Bloom 的授权成本就不划算,Browser 加 BI 导出已够用。工具跟着人走:先数一数"不写代码的图用户"有多少,再决定买不买这块画布。
自定义短语的质量决定 Bloom 的实用性,三个设计技巧:
技巧一:参数前置、语义自然。 短语写成"{账户} 的资金环路"而不是"资金环路 of {账户}"——让业务同事用说话的语序提问,自助率才上得来。
技巧二:一个短语回答一个问题。 贪多求全的"通用查询短语"会退化成让业务同事学 Cypher。宁可做十个各司其职的短语,不做一个大而全的。
技巧三:给短语配默认过滤。 绑定的 Cypher 里预置 LIMIT、时间窗与排序,让每次点击的结果都"能看"——业务同事不该操心结果集会不会把画布撑爆。
短语评审三连: 业务同事能看懂名字吗? 结果默认规模可控吗? 与既有短语会混淆吗?
Bloom 上生产前的最后一道检查,与 3.5 联动:
1. 每个视角对应的角色是否最小权限(不要借视角掩权限之不足) 2. 敏感属性在视角层隐藏的同时,底层权限是否也拒绝 3. 搜索短语的默认 LIMIT 是否与画布承载匹配 4. 分享的场景里是否包含敏感参数快照
第二行是原则性的一条:视角是"看不见",权限是"拿不到"——只有前者是遮羞布,只有后者才合规。
工具讲完两层。下一节把图直接接到前端——GraphQL 映射层。