【IT168 编译】我们比较了Gartner 2018年数据科学魔力象限，机器学习平台与其2017版本，发现了其领导者和挑战者的显著变化，包括IBM、SAS、RapidMiner、KNIME、Alteryx、H2O.ai和Domino。

　　提到这个报告，Gartner一直不断更改它的名称(并且暗示市场部分)，2018年2月23日发布的最新2018年版本被称为“数据科学和机器学习平台的魔力象限”。 2017年它的名称为“数据科学平台MQ”，2014-2016年为“高级分析平台MQ”。这一名称的变化反映了行业在内容和能力方面的快速变化。以及反映人工智能和机器学习成长的不断演变的品牌。

　　Gartner将数据科学和机器学习平台定义为：

　　一个有凝聚力的软件应用程序，提供了基本构建块的混合，这对于创建多种数据科学解决方案以及将这些解决方案整合到业务流程、周围的基础设施和产品中至关重要。

　　正如下面所解释的，2018年产生的变化非常重要。

　　2018年报告根据多个标准对16家分析和数据科学公司进行评估，并根据愿景的完整性和执行能力将它们放置在4个象限中。

　　请注意，虽然Python和R这样的开源平台在数据科学市场中扮演着越来越重要的角色，但Gartner的研究方法并不包括它们。

　　▲图1：Gartner 2018年数据科学和机器学习平台魔力象限

      涉及的公司包括：

　　领导者(5)：KNIME、Alteryx、SAS、RapidMiner、H2O.ai

　　挑战者(2)：MathWorks、TIBCO软件(新)

　　有远见者(5)：IBM、微软、Domino Data Lab、Dataiku，Databricks(新)

　　特定领域者(4)：SAP、Angoss、Anaconda(新)、Teradata

　　2017年新增三家公司：TIBCO Software、Anaconda和Databricks。

　　在2017年的MQ中，还有3个被删除:FICO、Quest和Alpine Data。我们注意到，Alpine Data公司和Quest的统计资产是由TIBCO收购的，TIBCO出现的位置接近2017年的Quest的位置。

　　本文将最新的2018年魔力象限与其以前的版本进行了比较。我们在下面将具体分析、研究这些变化以及胜者和输家。

▲图2：Gartner数据科学和机器学习平台的魔力象限比较，2018年和2017年

　　图2显示的是2017年MQ(灰色背景图像)与2018年MQ(前景图像)的比较，箭头连接同一公司的圆圈。如果公司的地位发生显著改善(远离原点)，箭头会变成绿色，如果位置变弱，则箭头变为红色。绿色圆圈表示新公司，而红色Xs标志着该供应商在2018年下降。

　　领导者：

　　自2014年以来，我们第一次在这里做出改变。基于较低的执行能力，过去属于领导者的IBM放弃了梦想。 KNIME在视觉轴的完整性方面大幅提前，SAS则在同一轴上移动，而RapidMiner在执行能力上下降了一些。

　　2018年，两家公司首次加入领导者：H2O.ai，由Visionaries和Alteryx提升，从挑战者中脱颖而出。

　　以下是每个公司的简短摘要。有关完整报告，请参阅下面的指示。

　　KNIME提供开源的KNIME分析平台，全球用户超过10万。 KNIME为企业部署的协作、安全和性能提供商业支持和扩展。 2017年，KNIME为其AWS和微软Azure平台增加了云版本，改进了数据质量功能，并扩展了深度学习能力。

　　Gartner表示：

　　该供应商表现出对市场的深刻理解、强大的产品策略以及在所有用例中的优势。这些属性共同巩固了其作为领导者的地位。

　　Alteryx平台使公民数据科学家能够在单一工作流程中建立模型。 2017年，Alteryx成功上市，后来收购了专注于模型部署和管理的数据科学供应商Yhat。

　　Gartner表示：

　　Alteryx从挑战者象限发展到领导者象限。这要归功于强大的执行力(无论是收入增长还是客户获取)，令人印象深刻的客户满意度以及专注于帮助组织灌输数据和分析文化而无需聘请专家数据科学家的产品愿景。

　　SAS为分析和数据科学提供了许多软件产品。对于此MQ Gartner评估了SAS Enterprise Miner(EM)和SAS Visual Analytics产品套件。

　　Gartner表示：

　　SAS仍然是一名领导者，但在愿景的完整性和执行能力方面已经失去了一些基础。由于其Viya云就绪架构，Visual Analytics套件显示了它的前景，该架构比以前的SAS架构更开放，可以让广泛的用户更容易地访问分析。然而，一种令人困惑的多产品方法已经使SAS的愿景完整性恶化，并且许可成本过高的观念影响了其执行能力。随着市场焦点转向开源软件和灵活性，SAS提供一个有凝聚力的开放平台的速度已经受到影响。

　　RapidMiner平台包括RapidMiner Studio模型开发工具(同时提供免费版本和商业版本)、RapidMiner Server和RapidMiner Radoop。

　　Gartner表示：

　　通过为全方位的数据科学家和数据科学团队提供全面和易于使用的平台，RapidMiner始终保持领先地位。 RapidMiner通过引入新的生产力和性能功能，继续强调核心数据科学以及模型开发和执行的速度。

　　H2O.ai提供开源机器学习平台，其中包括H2O Flow核心组件; H2O Steam工具; H2O Sparkling Water，用于Spark整合; 和提供深度学习功能的H2O Deep Water框架。

　　Gartner表示：

　　H2O.ai已经从先前的魔力象限的远见者发展到领导者。它通过重大的商业扩张继续取得进展，并巩固了其作为思想领袖和创新者的地位。

　　挑战者：

　　·MathWorks在高级分析领域的高度知名度，庞大的安装基础和强大的客户关系的支持下，仍然是挑战者。然而，由于某些客户的分数很低，其视觉完整性受到工程和高端金融案例的限制。

　　·TIBCO软件(新)通过2017年6月从Quest Software公司收购著名的Statistica平台进入该市场。2017年11月，它还收购了2017年MQ的远见者的Alpine Data。对于执行能力，此MQ仅使用Statistica平台评估TIBCO能力。 TIBCO的其他收购仅对其愿景的完整性作出贡献。

　　远见者

　　·IBM提供了许多分析解决方案。对于此MQ，Gartner评估了SPSS Modeler和SPSS Statistics，但未评估数据科学体验(DSX)，该数据科学体验未达到Gartner评估执行轴能力的标准。

　　Gartner表示：

　　IBM现在是一个有远见的“人”，相对于其他供应商而言，在愿景的完整性和执行能力方面已经失去了基础。但是，IBM的DSX产品有可能激发更全面和创新的愿景。 IBM已经宣布计划在2018年为其SPSS产品提供一个新接口，其中一个将SPSS Modeler完全集成到DSX中。

　　·微软为数据科学和机器学习提供了多种产品。对于In-Cloud计算，这些计算包括Azure机器学习、Azure数据工厂、Azure流分析、Azure HDInsight、Azure Data Lake和Power BI。

　　对于内部部署计算，Microsoft为SQL Server提供机器学习服务。只有Azure机器学习工作室符合此MQ的纳入标准。

　　Gartner表示：

　　微软也是一位有远见的“人”，它在这方面的地位归因于市场响应能力和产品可行性分数低，因为Azure机器学习工作室的云仅限于自然界限制了其适用于需要本地选项的许多高级分析用例的可用性。

　　Domino(Domino Data Lab)数据科学平台是专家数据科学团队的端到端解决方案。该平台侧重于整合来自开源和专有工具生态系统的工具、协作、可重复性以及模型开发和部署的集中化。Domino仍然处于远见象限，但它显著提高了执行的能力。

　　Gartner表示：

　　Domino...虽然有所改进，但执行能力仍受机器学习生命周期开始阶段(数据访问、数据准备、数据探索和可视化)功能较弱的功能障碍。然而，在过去的一年里，Domino已经证明了在竞争激烈的市场赢得新客户并获得牵引力的能力。

　　Dataiku提供数据科学工作室(DSS)，重点关注跨学科协作和易用性。

　　Gartner表示：

　　Dataiku属于远见者......让用户能够快速启动机器学习项目。它对愿景的完整性的立场是由于其合作和开源支持，这也是其产品路线图的重点。由于用例方面的广度较差以及自动化和数据流的缺陷，其愿景整体完整性低于先前的MQ。

　　Databricks(新增)在云中提供基于Apache Spark的Databricks统一分析平台。它还提供了用于安全性、可靠性、可操作性和性能的专有功能。

　　Gartner表示：

　　Databricks是这个魔力象限的新参与者。作为远见者，它借鉴了开源社区和Spark的专业知识，为许多人提供了一个易于访问和熟悉的平台。除了数据科学和机器学习外，Databricks还专注于数据工程。

　　2017年D轮融资1.4亿美元的资金为Databricks提供了大量资源来扩大其部署选项并实现其愿景。

　　特定领域者

　　·SAP再次将其平台从SAP Business Objects Predictive Analytics更名为SAP Predictive Analytics。由于客户满意度低，缺乏思想共享，零散的工具链以及云、深度学习和Python技术的巨大差距，它仍然是一个特定领域者。

　　·Angoss于2018年1月被Datawatch收购，但由于收购延迟，仍在本文档出现。 Angoss拥有忠实的客户，但仍然是小众播放器，因为它仍被视为桌面环境的供应商。

　　·Anaconda(新)提供基于交互式笔记本概念的开源开发环境Anaconda Enterprise 5.0。它还提供了一个分布式环境，可以访问各种开源开发环境和开源库。

　　·Teradata提供Teradata统一数据架构，这是一个企业分析生态系统，结合了开源和商业技术来提供分析功能。由于缺乏数据科学开发方面的凝聚力和易用性，它仍然是一个特定领域型企业。