数据科学和ML平台魔力象限胜者输家一览

　　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。

（编辑：PHP编程网 - 黄冈站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!