近日，Gartner发布了数据科学与机器学习（DSML）平台魔力象限报告。数据科学、机器学习和人工智能市场格局极其分散、竞争激烈且难以理解。Gartner试图根据明确定义的标准对供应商进行排名。Gartner根据供应商是否支持完整的端到端数据科学平台管道来评估供应商。该平台的商业可用性和客户采用度是影响供应商排名的主要因素。Gartner特别强调该平台是否支持公有云、混合云和本地数据中心。Gartner还将AutoML视为此类平台的关键组件，使非开发人员能够构建机器学习模型。根据这些因素的权重，影响厂商在该象限中的排名。领导者象限根据Gartner的数据，DSML市场的领导者具有强大的影响力和品牌知名度，领导者在数据探索、模型开发和运营的整个过程中具有深度和广度。今年领导者象限中有6家公司，它们的共同点是都提供端到端的数据科学平台。SAS、TIBCO和MathWorks一直致力于构建基于数据和分析的平台。而Alteryx、Databricks、Dataiku等年轻公司也在这一象限中占有一席之地。领导者象限中的所有供应商都提供商业上可行的、平台不可知的、成熟的数据科学平台。挑战者象限根据Gartner的定义，挑战者是指已经站稳脚跟、有信誉、有生存能力、产品能力强，但尚未成为领导者的厂商。IBM是挑战者象限中的独行侠。IBM将传统SPSS与现代WatsonStudio相结合，成为强有力的竞争者。WatsonStudio针对本地MLPaaS和IBMCloudPaks的定位使IBM成为市场上独一无二的参与者。但IBM频繁的品牌重塑和产品组合更名，在一定程度上影响了Watson成为ML和AI领域第一品牌的能力。根据Gartner的SpecificFieldPersonnel象限，特定领域人员在特定行业具有优势或方法，或者可以与特定技术栈完美结合。特定领域的买家可以考虑这些供应商。Altair和Anaconda共享这个象限。Altair通过收购Datawatch进入了这个象限，后者又收购了Angoss。Datawatch和Angoss也是2019年利基象限的一部分。Anaconda是一家专注于数据科学的公司，提供开源和商业平台。庞大的社区，加上Python和R库和包的简化，使Anaconda成为这个市场的利基玩家。VisionariesQuadrantGartner将Visionaries定义为那些拥有可能对市场产生潜在影响的产品的供应商，可能涵盖早期初创企业到成熟的平台公司，但他们的产品相对较新。这是今年Gartner的DSML魔力象限中最“拥挤”的象限。共有7家供应商进入该象限。这是一个值得关注的象限。DataRobot、达美乐、谷歌、H20.ai、KNIME、微软和RapidMiner都已成为这个市场的远见者。谷歌和微软利用他们的营销活动让自己看起来像是处于领导者象限，但按照Gartner的标准，微软和谷歌都没有可行的原生DSML平台。谷歌的愿景是美好的，但平台中的许多构建块已经处于beta测试中很长时间了。如果谷歌的CloudAI平台和本地AI平台能够相提并论，谷歌就有机会成为领导者。微软一直致力于让开发人员和数据科学家都能使用人工智能和机器学习，但摇摇欲坠的工具和开发人员体验策略让微软损失了很多时间。当前基于AzureML的MLPaaS战略看起来很有前途。如果微软将AzureML带入AzureArc和AzureStack，将有望成为挑战者。没想到，今年Gartner将AWS、SAP、Oracle、Teradata等大公司，以及Cloudera、FICO、Iquazio等初创公司都列入了荣誉入围名单。令人意外的是，在Gartner发布的魔力象限中，并没有看到AWS的影子。如果谷歌和微软被列为远见者，那么AWS似乎也应该在远见者象限中占有一席之地。AWS未能做到这一点的原因之一是SageMakerStudio和SageMakerAutopilot的发布是在魔力象限截止日期之后。这两项功能都是在去年12月的re:Invent上宣布的，而Gartner的截止日期是11月。另一个原因是这些新产品仍处于预览阶段并且仅在一个区域（US-East-2）可用。如果SageMakerStudio和SageMakerAutopilot今年普遍可用，并且AWS将机器学习平台作为托管服务迁移到AWSOutposts，亚马逊很可能加入谷歌和微软的行列。甲骨文和SAP都在改造他们的DSML平台，上周甲骨文发布了云数据科学平台。总体而言，今年Gartner的数据科学和机器学习象限反映了当前的市场状况，而且与往常一样，Gartner的评估和建议是准确和适当的。
