最近Gartner發布了數據科學和機器學習(DSML)平臺魔力象限報告。數據科學、機器學習和人工智能的市場格局極為分散，競爭激烈且難以理解。Gartner嘗試根據明確定義的標準對廠商進行了排名。

Gartner根據廠商是否面向數據科學平臺支持完整的、端到端的管道進行了評估。商業可用性和客戶對平臺的采用，是影響廠商排名的主要因素。Gartner特別強調了平臺是否支持公有云、混合云和本地數據中心。Gartner還認為，AutoML是這種平臺的關鍵組成部分，讓非開發者也能夠構建機器學習模型?；谶@些因素的權重，影響廠商在該象限中的排名。

領導者象限

據Gartner稱，DSML市場中的領導者擁有強大的影響力和品牌知名度，領導者擁有在整個數據探索、模型開發和運營過程中的深度和廣度。

今年有6家公司進入了領導者象限，他們之間有一個共同點，就是都提供了端到端的數據科學平臺。SAS、TIBCO、MathWorks一直致力于構建基于數據和分析的平臺。而Alteryx、Databricks和Dataiku等年輕公司也在這個象限中有了一席之地。

領導者象限中的所有廠商都提供了商業可行的、與平臺無關的、成熟的數據科學平臺。

挑戰者象限

Gartner稱，挑戰者是那些已經站穩腳跟、有信譽、有生存能力、有強大產品能力、但還未能成為領導者的廠商。

IBM是挑戰者象限的獨行俠。IBM將傳統的SPSS與現代的Watson Studio相結合，成為強有力的競爭者。Watson Studio的定位是用于本地部署的ML PaaS和IBM Cloud Paks，這讓IBM成為市場中的一個獨特玩家。但是IBM頻繁的品牌重塑和產品組合重命名，一定程度上影響了Watson成為ML和AI頂級品牌的能力。

特定領域者象限

Gartner稱，特定領域者具有在特定行業的優勢或者方法，或者能夠與特定技術堆棧完美結合。特定領域的購買方可以考慮這些廠商。

Altair和Anaconda共享這個象限。Altair通過收購Datawatch進入這一象限，后者又收購了Angoss。Datawatch和Angoss也曾是2019年特定領域者象限的一員。

Anaconda是一家專注于數據科學的公司，提供開源和商業平臺。龐大的社區，再加上Python和R庫和程序包的簡化，使Anaconda成為了該市場中一個特定領域者廠商。

遠見者象限

Gartner將遠見者定義為那些擁有可潛在影響市場的產品的廠商，其中可能覆蓋了早期初創公司到成熟的平臺公司，但他們的產品都是比較新的。

這是Gartner今年DSML魔力象限中最“擁擠”的一個象限，共有7家廠商進入這個象限，是一個值得關注的象限。

DataRobot、Domino、谷歌、H20.ai、KNIME、微軟和RapidMiner都成為該市場的遠見者。谷歌和微軟通過市場營銷活動讓大家覺得他們可能是出于領導者象限的，但根據Gartner的標準，微軟和谷歌都缺乏可行的本地DSML平臺.

谷歌的愿景是美好的，但平臺中許多構建模塊長期處于Beta測試階段。如果谷歌的Cloud AI平臺和本地AI平臺能夠實力相當的時候，谷歌就有機會成為領導者。

微軟一直致力于讓開發者和數據科學家都可以使用人工智能和機器學習，但是搖擺不定的工具和開發者體驗戰略讓微軟浪費了不少時間。當前基于Azure ML的ML PaaS的戰略看起來是有成功希望的。如果微軟將Azure ML引入Azure Arc和Azure Stack，將有望成為挑戰者。

意料之外

今年Gartner把AWS、SAP、Oracle和Teradata等大廠商，以及Cloudera、FICO和Iquazio等初創公司放進了榮譽候選名單中。

令人意外的是，Gartner公布的魔力象限中并沒有見到AWS的影子。如果把谷歌和微軟列為遠見者，那么AWS似乎也應該在遠見者象限中占有一席之地。

AWS沒有能做到這一點的原因之一，是SageMaker Studio和SageMaker Autopilot的發布是在魔力象限截止期之后。這兩項功能都是在去年12月re:Invent大會上公布的，而Gartner的截止日期是11月。另一個原因是這些新產品仍處于預覽階段，僅在一個地區(US-East-2)是可用的。

如果SageMaker Studio和SageMaker Autopilot今年全面上市，同時AWS把機器學習平臺作為托管服務移植到AWS Outposts中，那么Amazon很有可能加入谷歌和微軟的行列。

Oracle和SAP都在改造自己的DSML平臺，上周Oracle發布了Cloud Data Science Platform。

總體來看，Gartner今年的數據科學和機器學習象限反映了當前的市場狀況，與往常一樣，Gartner的評估和建議是準確且恰當的。