Gartner：2018年数据科学和机器学习平台魔力象限

会员服务 ·

Gartner：2018年数据科学和机器学习平台魔力象限

2018 年 2 月 24 日 云头条

Gartner分析师：CarlieJ. Idoine、Peter Krensky、Erick Brethenoux、Jim Hare、Svetlana Sicular和Shubhangi Vashisth

概要：数据科学和机器学习平台使企业能够采取一种全面的方法来构建和部署数据科学模型。该魔力象限评估了16家厂商，帮助你找出适合贵企业要求的那家厂商。

市场定义/描述：该魔力象限评估供应数据科学和机器学习平台的厂商。数据科学家使用这种软件来帮助他们开发和部署自己的数据科学和机器学习解决方案。更确切地说，Gartner将数据科学和机器学习平台定义为：

一种连贯一致的应用软件，提供了一系列必要的基本构建模块，便于构建多种类型的数据科学解决方案，并将这类解决方案整合到业务流程、周边基础设施和产品中。
机器学习是数据科学的一个热门子集，评估这些平台时理应得到特别的关注。
连贯一致是数据科学和机器学习平台的一个重要属性。基本构建模块应整合到单一平台上。该平台的各部分应具有一致的“外观和感觉”，并且可以在从访问和分析数据到运用和管理内容的整条分析“管道”（pipeline）中实现协同操作。
数据科学和机器学习平台支持数据科学家在整条数据和分析管道中高效执行任务。这包括与数据访问及摄取、数据准备、交互式探索及可视化、特征工程、高级建模、测试、训练、部署以及性能工程有关的任务。
然而，在内部构建自己的数据科学和机器学习模型并不是唯一的选择。想了解外包方面的选择，请参阅《数据科学和机器学习服务提供商市场指南》。此外，一些厂商提供专注于特定行业或分析类型的分析解决方案。该魔力象限并没有专门评估这类厂商，但确实评估了入围的厂商是否提供预包装内容以满足特定要求。
今年的魔力象限在标题中包含“机器学习”一词（2017年的标题是《数据科学平台魔力象限》）。虽然数据科学和机器学习略有不同，但它们通常被放在一起考虑，还常常被认为是同义词。“机器学习”是厂商的营销材料中最常用的术语，它常出现在这个市场的研究报告中。魔力象限的新名称体现了机器学习的发展势头以及它对数据科学这门更广泛的学科的重大贡献。

读者应该知道：

由于数据科学家们对用户界面和工具有不同的偏好，Gartner邀请多种多样的数据科学平台厂商参与评估过程，看看是否有可能入围该魔力象限。一些人喜欢用Python或R编写数据科学模型，另一些人偏爱Scala或Apache Spark；一些人喜欢在电子表格中运行数据模型，另一些人更习惯于通过点击式用户界面创建可视化管道，以此构建模型。工具的多样性是这个市场的一个重要特征。
一系列广泛的可用产品提供了丰富多样的功能以及开发和部署模型的多种方法。因此，评估厂商时评估你的具体要求很重要。比如说，领导者象限中的一家厂商也许不是你的最佳选择。想了解针对每个平台的功能特性的详细评价，请参阅《数据科学和机器学习平台的关键能力》。
如果开源平台没有厂商支持它们作为商业许可产品，不包括在该魔力象限中。商业许可开源平台包括在其中。我们还认识到商业平台日益使用开源代码库和内容这股潮流。开源解决方案为企业带来了机会，只需要少量的前期投入就可以上手数据科学和机器学习。
人工智能（AI）是备受炒作的话题，但不容忽视。数据科学无疑是关乎AI发展的一门核心学科。机器学习是AI的核心推动者，但不是全部。机器学习旨在创建和训练模型，而AI旨在使用模型，在某些条件下推断结论。比如说，自动驾驶汽车具有机器学习能力，但其AI需要的远不止于此。

2018年数据科学和机器学习平台魔力象限：

2017年数据科学和机器学习平台魔力象限：

2016年数据科学和机器学习平台魔力象限：

新增和跌出的厂商

由于市场不断变化，我们相应审查并调整了魔力象限的入围标准。由于这番调整，入围任何魔力象限的厂商组合可能会随时间而变化。一家厂商出现在某一年的魔力象限，但未出现在下一年的魔力象限，这未必表明我们改变了对这家厂商的看法。这可能表明了市场发生变化、因而评估标准发生变化，或者这家厂商关注的重心发生变化。

新增的厂商：

Anaconda
Databricks
TIBCO Software

跌出的厂商：

FICO，原因是没有跨过入围的门槛。
Quest，原因是其平台Statistica已被TIBCO Software收购。
Alpine Data，原因是TIBCO Software宣布有意收购该公司。由于相对编制魔力象限的过程，这一新闻事件发生得较晚，我们只在Statistica平台上对TIBCO进行了评估。