數(shù)據(jù)與機器學習領域進展緩慢 2018年這些公司成為最大贏家

　　Gartner調(diào)查顯示，企業(yè)在數(shù)據(jù)和分析方面進展緩慢。很少有組織能夠在“轉(zhuǎn)型”級別使用數(shù)據(jù)，并且接近Gartner調(diào)查的三分之二組織仍在考慮“企業(yè)報告，以處理他們最關鍵的數(shù)據(jù)和分析應用”。

　　Gartner副總裁Nick Heudecker提供了一些警示性建議：“機器學習和人工智能很容易被‘盜走’。但傳統(tǒng)形式的分析和商業(yè)智能仍然是組織當今如何運作的關鍵部分，而這在短期內(nèi)不太可能改變。”

　　企業(yè)如何判斷自己是否應當在人工智能和機器學習計劃中“踩剎車”?數(shù)據(jù)和分析行業(yè)日趨成熟的方式有問題嗎?

　　Gartner的這份報告總結了數(shù)據(jù)與機器學習領域的最大贏家，或許可以幫助你找到答案。

　　2018年的報告采用多個標準評估了16家分析和數(shù)據(jù)科學公司，并基于產(chǎn)品前瞻性和執(zhí)行力將它們放置在4個象限中，具體情況如下：

　　領導者 (5)：KNIME， Alteryx， SAS， RapidMiner， H2O.ai

　　挑戰(zhàn)者 (2)：MathWorks， TIBCO 軟件 (新進入)

　　遠見者 (5)：IBM、微軟、Domino 數(shù)據(jù)實驗室、Dataiku、Databricks(新進入)

　　特定領域者 (4)：SAP、Angoss、Anaconda (新進入)、Teradata

　　2018年Gartner數(shù)據(jù)科學和機器學習平臺的魔力象限

　　過去一年，TIBCO 軟件、Anaconda 和 Databricks三家公司被納入這一象限中。FICO、Quest和Alpine數(shù)據(jù)則被撤掉。

　　上圖顯示了2017 MQ(灰色背景圖像) 和 2018 MQ(前景圖像) 的對比狀況，箭頭連接的圓點表示同一家公司。

　　調(diào)查顯示，過去3年，納斯達克、Tableau、Qliktech這3家供應商保持領先。liktech意外地停留在領導者的象限中，盡管他們的首席執(zhí)行官Thoma Bravo在公司以30億美元被收購一個半月后離職。

　　IBM過去曾屬于領導者，但由于執(zhí)行能力較低，它被放到了遠見者象限。

　　甲骨文在2016年被撤出該象限，2017年又重回榜單，目前正處于“利基”的范疇中。

　　MicroStrategy是業(yè)內(nèi)最早的供應商之一，被納入挑戰(zhàn)者范疇。

　　該象限也有一些案例可能超出人們的預期，包括——Alteryx、ClearStory Data、ZoomData、Datameer和Pentaho。

　　這一領域在過去一年中見證了很多變化。行業(yè)分析師Jen Underwood表示，新員工競爭加劇。機器學習和數(shù)據(jù)科學的新模式可能即將出現(xiàn)。

　　盡管人工智能和機器學習引起轟動，Gartner仍然對采用這項新技術持謹慎態(tài)度。

　　Gartner研究副總裁Jim Hare警告說，在他們計算出其“數(shù)據(jù)戰(zhàn)略”之前，急于采用人工智能的企業(yè)稱，近三分之一的CIO們正計劃部署人工智能。他表示：“數(shù)據(jù)是人工智能的助推劑，因此組織需要現(xiàn)在準備為人工智能計劃存儲和管理更大量的數(shù)據(jù)。”

　　Gartner還在報告中指出了一些機器學習和數(shù)據(jù)科學方面的關鍵趨勢：

　　46%的CIO制定了部署人工智能的計劃，但只有4%真正落實。

　　谷歌和亞馬遜仍在這一領域大筆投資。微軟并沒有進入領導者象限。

　　定義

　　Gartner對數(shù)據(jù)科學和機器學習平臺的定義是：它是一個具有凝聚力的軟件應用程序，提供基本的融合各構件模塊的能力，既可以創(chuàng)建各種數(shù)據(jù)科學的解決方案，又可以將這個解決方案集成到業(yè)務流程及所涉及的周邊基礎設施及產(chǎn)品中去。