我们将升级这个基础应用程序代码，以处理各种各样的用例，我们将这些用例归类为案例工作者。想象一下，一个情报分析员负责某个地区，一个社会服务主管负责有风险的家庭和个人加入支持项目，一个有线索和相关账户的调查记者，或者任何需要在更大的流程中组织非结构化数据的应用程序用户。这就是案例工作者。

他们不同于数据科学家，他们分析以数据为中心的问题和目标，构建自动化流程，通过管道清理和规范所有形式的信息，以提供洞察力。他们知道数据库、编码、数学和奇怪的名字，如Spark、Kafka和Kubernetes，并将为案例工作者建立一套基础知识来进行工作。

我们的案例工作者将需要一些不同于SAP data Hub这样的数据科学工作台的东西，我们在这里也将讨论这些，但这需要更简单，同时也同样灵活。类似于我们将在下面的视频中构建的内容。

我们将在本文中使用什么？

SAP提供了3款开源产品，开发人员可以随意使用。其中一个是SAP Data Hub，它基于Docker、Kubernetes和Kafka，为用户提供了一个工作台，可以在一个引擎盖下筛选多个源，并提供了一些工具，使数据科学家能够完成从清理到复杂处理的所有工作，这些工作涉及到外部API或用Python或R构建的自定义算法。我强烈推荐的一个完整的OpenSAP课程提供了一个完整的广度范围，因此这里只会涉及一些小细节。

第二个是OrientDB，它是一个多模式数据库，带有graph、Apache Lucene和一个很好的studio接口，用于测试graph算法和遍历基本上就是您的数据湖。它从一开始就是我们的数据库，所以我们将继续看看它能做什么。我们将使用它作为我们的主要核心，为用户提供在第三个产品SAP UI5中探索数据的能力。

具体来说，从SAP UI5开始，我们将像以前一样使用NetworkGraph库，该库是可测试的，个人云服务器家用搭建，但在SAP Fiori下获得许可。有开源的替代方案，比如d3.js，但现在我们将演示如何在产品中使用is。有关NetworkGraph库的更多信息，请参阅Libor Pisa提供的优秀信息，公众号返利，包括创建自定义组织结构图和渲染。

我们将用Python的胶水将这3个元素结合起来，因为我们将基于Docker，所以我们可以将应用程序与SAP Data Hub提供的实时流同步，从而获得更好的性能业务用户体验是对SAP Data Hub的数据科学用户体验的补充。

我们还将了解SAP在SAP Fiori 3.0的下一个版本中所做的工作，该版本的重点是为用户提供来自企业数据的智能服务。这一创新概念被称为"智能企业"，其基础是将用于自动分析和机器学习的数据源结合起来，以增强用户体验，就像我们在其他新兴产品中看到的那样。例如，Word现在提供增强的建议和编辑，以改进用户的写作产品。与智能企业相同，但范围没有单一的行业或业务线，只是用户的需求。

我们的目标是什么？

鉴于案例工作者的初始定义，第4部分将研究一个结合数据集以识别风险个体的用例。在这个简化的用例中，风险将由事件与人的关联导出。事件可以是犯罪、虐待、教育、健康或与就业有关。这个人将基于模拟数据，并具有包括家庭关系在内的特征。一个用例可以是根据家庭的相关风险对其进行优先级排序。

我们正在模拟数据流，其中首先创建一个家庭，然后运行几个周期，根据模拟的人的特征，可能会发生一种类型的事件。现在我们有一个基于年龄的模拟，这样孩子就不会参与犯罪或就业，淘客公众号系统，但会受到虐待或教育。同样，一个成年人不会有教育记录，但可能有犯罪或就业。模拟将基于计算机时间运行，然后继续模拟在SAP Data Hub中设置的数据流。

目标是一个应用程序，在该应用程序中，我们可以从基于SAP Data Hub Data Scientist用户工作的数据流的业务用户体验中构建我们的智能。由于我们关注的是Fiori网络图来可视化数据，所以我们简单地称之为结构化智能，即当前图。我们将从以下要求开始：

模拟主数据族模拟运行以充当发布事务流存储在作为订户的不同数据库中创建一个新的数据库作为一个订户只为该案件工作者基本创建、检索、更新、删除（CRUD）操作从节点遍历添加新节点添加关系查看表、图表和网络图中的信息

这些元素填充在图中，为这个基础应用程序提供开发路线图上的一些方向，作为开源工作的一部分。随着用例的确定，我们将证明这种带有人、对象、位置、事件（极点）模型的多模态数据湖的思想是否有效。它不仅能服务于公共安全行业，返利软件，也能服务于公共部门，包括社会服务、医药或任何其他需要多个来源的图表来获取情报和行动的用户？

这里有一些特定于公共部门的现有用例：

问题家庭弱势群体开放访问政府