2017年Gartner數據科學平臺（在2016年被稱作“高級分析平臺”）的魔力象限報告于近期出爐，哪些企業成為MQ的新寵兒？

[[186256]]

2017年Gartner數據科學平臺（在2016年被稱作“高級分析平臺”）的魔力象限報告于近期出爐了。今年的報告對16個數據分析公司進行了15個標準的評估，并基于前瞻性（Completeness of Vision）和執行能力（Ability of Execute），將他們按評分放置在四個象限中（魔力象限的橫坐標表示的是前瞻性，縱坐標表示的則是執行能力）。

盡管像Python和R這種開源的平臺在數據科學市場發揮著重要的作用，但是Gartner研究方法論不涉及它們，因此本報告只評估了商業化的廠商。

圖一：2017年Gartner數據科學平臺魔力象限

據了解，這16個公司分別是：

• 領導者（四名）：IBM, SAS, RapidMiner, KNIME
• 挑戰者（四名）：MathWorks (新入圍), Quest (前身是Dell), Alteryx, Angoss
• 有遠見者（五名）：Microsoft, H2O.ai (新入圍), Dataiku (新入圍), Domino Data Lab (新入圍), Alpine Data
• 特定領域者（三名）：FICO, SAP, Teradata (新入圍)

Gartner指出，即使是MQ得分最低的廠商也依然是目前熱門的數據科學市場前100的供應商中排名TOP16的。

本次新入圍的五個廠商分別是MathWorks, H2O.ai, Dataiku, Domino Data Lab, and Teradata，而對應的從2016年報告中消失的廠商則是Lavastorm, Megaputer, Prognoz, Accenture, Predixion Software。

今年，KDnuggets的Gregory Piatetsky將2016年和2017年的魔力象限報告進行對比，就今年的變化、贏家和輸家逐個進行分析，我們做了詳細編譯：

圖二將2016年的MQ（灰色背景圖層）和2017年的MQ（前景圖層）表現在一張圖片上，并用箭頭將同一個公司在2016年與2017年的位置進行連接。當該公司今年的位置相對于去年大幅提高，則箭頭標記為綠色；當該公司位置發生了削弱，則標記為紅色；綠色的○形表示新入圍的公司，而紅色的×則表示今年落榜。

領導者

今年的領導者依然是四大供應商：IBM, SAS, RapidMiner, 和KNIME，他們自2014起就一直保持象限中的領導者地位。Dell software在2016年11月被收購了，并重新命名為Quest。今年它的產品Statistica Analytics則從領導者行列中掉隊成為了挑戰者。

2017年的MQ顯示了IBM今年在前瞻性上的獲勝一籌，而SAS則在執行能力上丟了一些分數。RapidMiner在執行力上表現強勁，而KNIME和RapidMiner同在前瞻性上表現式微。

IBM：基于SPSS Modeler和SPSS Statistics產品的優質表現，IBM今年又是領導者。盡管Gartner今年并沒有對其新的數據科學體驗平臺（DSx）進行評估，但DSx對IBM在橫坐標前瞻性的提升上貢獻顯著。IBM的優勢包括其龐大的客戶基礎和持續創新的數據科學和機器學習能力。但其產品的廣度（包括SPSS, IBM Watson, DSx, Cognos ）則造成了市場的困惑，并且SPSS的產品線還具有互操作性的問題。

SAS：SAS為數據科學提供了多種產品。Gartner的評估涵蓋了產品SAS Enterprise Miner（EM）和SAS Visual Analytics Suite（VAS）。SAS更專注于VAS的交互建模，同時繼續支持其傳統的基礎SAS。今年SAS在領導者里面依舊處于強勢地位，但市場在選擇其多個產品時的困惑和對其高額成本的擔憂則導致了SAS今年在執行能力上的下滑。

KNIME：KNIME提供了開源的KNIME分析平臺，平臺為高級數據分析師提供了強大功能。在部分行業，特別是生產和生命科學領域功能強勁。但相對于其他領導者，由于KNIME在營銷和創新能力的減弱，它在前瞻性上輸掉了一些。

RapidMiner：RapidMiner提供了數據科學平臺的圖形可視化界面，這對于初學者和數據分析專家都十分適宜。它還提供了源代碼的訪問權限。同時，RapidMiner有兩個版本，免費版和企業版（帶有為大數據設計的額外功能并可連接多數據源）。由于其市場占有額和成熟的產品，RapidMiner今年繼續保持領導者地位。

挑戰者

Mathworks：因其MATLAB產品今年新入圍Gartner魔力象限。Matlab的產品在工程師中很受歡迎，并為使用者提供了豐富的工具箱。

Quest：Dell Software在2016年被出讓的產物，現在銷售Statistica平臺。今年Quest進入了挑戰者象限（去年Dell在領導者象限），掉隊的原因歸結于未來3年中Statistica產品擁有權的第二次變化和Quest缺乏與云相關的產品改進（盡管這點在其發展路標上）。

Alteryx：提供了便于使用的數據科學平臺，帶有自主數據準備和高級分析的功能。除此之外，還具備了數據模擬和優化的能力。由于其穩定的客戶增長，它從去年的有遠見者象限跳躍上升至今年的挑戰者象限。

Angoss：提供了可視化數據挖掘和預測分析工具，包括歸一化的數據分析和優化工具。今年它繼續保持了去年在象限中的位置。

有遠見者

Microsoft：微軟的評估是基于Azure的數據學習平臺（微軟Cortana智能套件的一部分），它提供了一個基于數據科學平臺的強大的云。Gartner將微軟繼續放在有遠見者象限的原因則歸結于其缺乏可比的現場解決方案。

H2O.ai：新入圍，提供了開源的數據科學平臺，并在深度學習和其他高級機器學習方法上執行力強。

Dataiku：新入圍，它的產品Data Science Studio（DSS）具備創新性、開放性和協作功能，適合不同技能水平的使用者。因此，Gartner將其評為有遠見者。

Domino Data Lab：新入圍，其產品Domino數據科學平臺專注協作，主持多種開源技術。

Alpine Data：它的產品“城市數據科學”平臺，Chorus，給業務分析師和一線用戶在構建和運行工作流時的協作提供了方便。相較于2016年，Alpine依然處在有遠見者象限，但是因其擴張市場份額的困頓，在執行能力表現上評分下滑。

特定領域者

SAP：SAP將其數據科學平臺更名為SAP BusinessObjects Predictive Analytics。SAP執行能力的下降導致了它從挑戰者象限降級，并導致了它在產品活力、開源支持和云布局的落后。

FICO：其產品決策管理套件（DMS）提供了多個分析工具。它和去年一樣，保持在特定領域者象限，但是今年評估其在前瞻性和執行能力上都有一些失分。

Teradata：提供了Aster分析平臺，其具有三個層：解析引擎，預置的解析函數和Aster應用中心，其應用可進行數據分析并可連接外部BI工具。因其低使用率，今年Gartner繼續將其評為特定領域者。

深入解讀《Gartner2017年商業智能和分析平臺魔力象限報告》

Gartner發布2016年數據倉庫和數據管理解決方案關鍵能力報告