Gartner：2018年數據科學和機器學習平台魔力象限

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

概要：數據科學和機器學習平台使企業能夠採取一種全面的方法來構建和部署數據科學模型。該魔力象限評估了16家廠商，幫助你找出適合貴企業要求的那家廠商。

市場定義/描述：該魔力象限評估供應數據科學和機器學習平台的廠商。數據科學家使用這種軟體來幫助他們開發和部署自己的數據科學和機器學習解決方案。更確切地說，Gartner將數據科學和機器學習平台定義為：

一種連貫一致的應用軟體，提供了一系列必要的基本構建模塊，便於構建多種類型的數據科學解決方案，並將這類解決方案整合到業務流程、周邊基礎設施和產品中。

機器學習是數據科學的一個熱門子集，評估這些平台時理應得到特別的關注。

連貫一致是數據科學和機器學習平台的一個重要屬性。基本構建模塊應整合到單一平台上。該平台的各部分應具有一致的「外觀和感覺」，並且可以在從訪問和分析數據到運用和管理內容的整條分析「管道」（pipeline）中實現協同操作。

數據科學和機器學習平台支持數據科學家在整條數據和分析管道中高效執行任務。這包括與數據訪問及攝取、數據準備、互動式探索及可視化、特徵工程、高級建模、測試、訓練、部署以及性能工程有關的任務。

然而，在內部構建自己的數據科學和機器學習模型並不是唯一的選擇。想了解外包方面的選擇，請參閱《數據科學和機器學習服務提供商市場指南》。此外，一些廠商提供專註於特定行業或分析類型的分析解決方案。該魔力象限並沒有專門評估這類廠商，但確實評估了入圍的廠商是否提供預包裝內容以滿足特定要求。

今年的魔力象限在標題中包含「機器學習」一詞（2017年的標題是《數據科學平台魔力象限》）。雖然數據科學和機器學習略有不同，但它們通常被放在一起考慮，還常常被認為是同義詞。「機器學習」是廠商的營銷材料中最常用的術語，它常出現在這個市場的研究報告中。魔力象限的新名稱體現了機器學習的發展勢頭以及它對數據科學這門更廣泛的學科的重大貢獻。

讀者應該知道：

由於數據科學家們對用戶界面和工具有不同的偏好，Gartner邀請多種多樣的數據科學平台廠商參與評估過程，看看是否有可能入圍該魔力象限。一些人喜歡用Python或R編寫數據科學模型，另一些人偏愛Scala或Apache Spark；一些人喜歡在電子表格中運行數據模型，另一些人更習慣於通過點擊式用戶界面創建可視化管道，以此構建模型。工具的多樣性是這個市場的一個重要特徵。

一系列廣泛的可用產品提供了豐富多樣的功能以及開發和部署模型的多種方法。因此，評估廠商時評估你的具體要求很重要。比如說，領導者象限中的一家廠商也許不是你的最佳選擇。想了解針對每個平台的功能特性的詳細評價，請參閱《數據科學和機器學習平台的關鍵能力》。

如果開源平台沒有廠商支持它們作為商業許可產品，不包括在該魔力象限中。商業許可開源平台包括在其中。我們還認識到商業平台日益使用開源代碼庫和內容這股潮流。開源解決方案為企業帶來了機會，只需要少量的前期投入就可以上手數據科學和機器學習。

人工智慧（AI）是備受炒作的話題，但不容忽視。數據科學無疑是關乎AI發展的一門核心學科。機器學習是AI的核心推動者，但不是全部。機器學習旨在創建和訓練模型，而AI旨在使用模型，在某些條件下推斷結論。比如說，自動駕駛汽車具有機器學習能力，但其AI需要的遠不止於此。

2018年數據科學和機器學習平台魔力象限：

2017年數據科學和機器學習平台魔力象限：

2016年數據科學和機器學習平台魔力象限：

新增和跌出的廠商

由於市場不斷變化，我們相應審查並調整了魔力象限的入圍標準。由於這番調整，入圍任何魔力象限的廠商組合可能會隨時間而變化。一家廠商出現在某一年的魔力象限，但未出現在下一年的魔力象限，這未必表明我們改變了對這家廠商的看法。這可能表明了市場發生變化、因而評估標準發生變化，或者這家廠商關注的重心發生變化。

新增的廠商：

Anaconda

Databricks

TIBCO Software

跌出的廠商：

FICO，原因是沒有跨過入圍的門檻。

Quest，原因是其平台Statistica已被TIBCO Software收購。

Alpine Data，原因是TIBCO Software宣布有意收購該公司。由於相對編製魔力象限的過程，這一新聞事件發生得較晚，我們只在Statistica平台上對TIBCO進行了評估。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！