2017最佳数据科学平台

我们对比了Gartner2017年数据科学平台魔力象限和它2016年的版本在“领头羊”（Leaders）和“黑马”（Challengers）中的明显改变，其中包含IBM, SAS, RapidMiner, KNIME, MathWorks, Microsoft 和Quest等公司。

Gartner上周公布了2017年新的数据科学平台（在2016年被称作“高级分析平台”）的魔力象限。2017年的报告评估了一组在15个标准下的16个分析和数据科学公司，并且把他们依照视觉上的完整性和执行能力划分到四个象限中。

虽然诸如Python和R的开源平台在数据科学的市场发挥了重要的作用，但是高德纳的研究方法不包括他们，所以本报告只评估供应商。

图1：Gartner 2017数据科学平台魔力象限

包括公司：

• 领头羊（Leaders）：IBM, SAS, RapidMiner, KNIME
• 黑马（Challengers）：MathWorks(新), Quest(原戴尔), Alteryx, Angoss
• 远见者（Visionaries）：微软，h2o.ai（新），Dataiku（新），DominoData Lab (新), Alpine Data
• 投机者（Niche Players）：FICO, SAP, Teradata (新)

Gartner指出，即使在魔力象限中得分最低的公司，也仍然是竞争激烈的数据科学市场100大厂商中的第16名。

5个新的公司加入了2017年的魔力象限中（MathWorks, H2O.ai, Dataiku, Domino Data Lab 和 Teradata），而且5个2016年魔力象限中的企业并未上榜（Lavastorm, Megaputer, Prognoz, Accenture, Predixion Software）

图2：高德纳2017年与2016年数据科学平台魔力象限对比

图2显示了2016年魔力象限（灰色背景图像）与2017魔力象限（前景图片）的对比，其中由箭头连接的圆圈是同一家公司。绿色的箭头表示公司地位显著提高（远离原点），红色箭头表示公司地位下降。绿色圆圈表示新的公司，红色叉表示被标记的公司在2017年没有进入魔力象限。

领头羊

与之前相同的四个公司：IBM, SAS, RapidMiner 和 KNIME，他们是2014-2016年的领导者并且今年又一次进入了领导者象限。戴尔软件在2016年11月出售并更名为Quest，同时他们的统计分析套件由领导者象限移动至挑战者象限。

2017年的魔力象限显示IBM在视觉方面有小幅进步，而SAS在执行能力方面有小幅下降，但是KNIME和RapidMiner在视觉方面都有缺失。

IBM：由于SPSS模型制作者和SPSS统计又一次成为领导者。高德纳没有评估IBM新的数据科学经验（DSx）平台，但DSx在视觉轴线方面促使了IBM的地位提升。IBM加强了其强大的客户基础和数据科学以及机器学习能力的继续研发。然而IBM产品的广度（SPSS, IBM Watson, DSx, Cognos）在市场制造了一些混淆并且SPSS线存在互用性问题。

SAS：提供了许多分析与数据科学的软件。高德纳评估了包含SAS Enterprise Miner(EM)和 SAS Visual Analytics Suite (VAS)。SAS现在更关注使用VAS交互建模，而不是继续支持其传统的基础SAS。SAS保持了在领导者象限的优势地位，但是其多产品的混乱和高成本的担忧导致执行能力下降。

KNIME：为领先的数据科学家们提供了具有强大功能的开源KNIME分析平台。它在许多领域中都很强大，特别是在制造业和生命科学方面。与其他领导者相比，由于KNIME营销和创新能力的减弱，它在视觉维度上损失了一些。

RapidMiner：提供基于GUI的数据科学平台，适合初学者和专家的数据科学家，同时它还提供开源代码路径。RapidMiner拥有免费版和商业版（具有大数据和连接更多数据资源的额外功能）。于其存在的市场和成熟的产品，RapidMiner位于领导者象限。

黑马

MathWorks：是MATLAB产品的一个新条目，它在工程师中十分流行，而且提供了一组丰富的工具箱。

Quest ：是2016年将戴尔软件卖给一家私人股份公司的结果，现在他们售卖Statistica平台。Quest处于挑战者象限（尽管戴尔曾处于领导者象限）是由于Statistica三年内两次更改所有权而且缺乏云端相关产品的改进（尽管在技术路线中）。

Alteryx：提供了一个易于使用的数据科学平台，而且拥有自助准备数据和先进的分析方法，同时它也增加了仿真与优化功能。与2016年相比，它从有远见者象限移动至挑战者象限是由于其稳固的客户增长。

Angoss：提供可视化数据挖掘和预测分析工具，同时也具有规范分析和优化功能。Angoss在挑战者象限几乎保持了与2016年同样的位置。

远见者

微软：评估是基于Azure Machine Learning平台，它是Azure Machine Learning的一部分而且提供了一个强大的基于云的数据科学平台。由于缺少具有竞争力的现场解决方案，高德纳将微软保持在有远见者象限。

H2O.ai：一个提供开源数据科学的平台的新条目，它拥有快速执行深度学习和其他先进机器学习方法。

Dataiku和它的数据科学实验室（DSS）是一个新条目。它被置于有远见者象限是由于DSS的创新性、开放性、协作功能和适应不同技能的水平。

DominoData Lab和它的 Domino Data Science平台是一个新条目，他们重视合作和支持多种开源技术。

Alpine Data提供了一个”公民数据科学“平台Chorus，它能使商业分析师与在建设和运行分析工作流程的前台用户合作。与2016年相比，Alpine保留在有远见者象限，但是由于努力争取市场份额，其执行力下降了。

投机者

SAP：将其数据科学平台更名为SAP BusinessObjectsPredictive Analytics。SAP的执行能力下降导致了它从挑战者象限下降至投机者象限，并且它在Spark integration、开源和Python支持、云技术发展方面滞后。

FICO决策管理套件（DMS）提供多分析工具。它2016年就处于投机者象限，并且在两个维度上都有缺失

Teradata：提供了Aster分析平台，它拥有三个层级：解析引擎、预置解析函数、Aster AppCenter外部BI工具的分析和连接。它在投机者象限并且采用程度低。

译者介绍

权雪薇

统计学僧一枚。

END

投稿和反馈请发邮件至holly0801@163.com。转载大数据公众号文章，请向原文作者申请授权，否则产生的任何版权纠纷与大数据无关。