Gartner 2019年AI 平台魔力象限

我们将Gartner 2019年数据科学和机器学习平台魔力象限与前两年的版本进行了比较，发现领导者和挑战者出现了显著的变化，包括RapidMiner、KNIME、TIBCO、Alteryx、Dataiku、SAS和MathWorks。

这份备受期待的Gartner数据科学和机器学习平台魔力象限报告的名称实际上与上一年相同，这可是几年来头一次。2018年，该报告名为《数据科学和机器-学习平台魔力象限》（“机器”与“学习”之间有老式的连号）。2017年名为《数据科学平台魔力象限》。2016年名为《先进分析平台魔力象限》。也许这个名称的稳定性反映了数据科学和机器学习领域具有了一定的成熟度。但是这个行业毫无稳定性可言，供应商排名出现了诸多变化，如下所示。

2019年有什么变化？

2019年的报告评估了17家供应商（比往年多了一家），基于前瞻性（简称前瞻）和执行能力（简称能力），与往常一样将它们列在四个象限中。

请注意，Gartner仅包括拥有商业许可产品的供应商。尽管像Python和R这些纯粹的开源平台在数据科学家和机器学习专业人士当中大受欢迎，但并未包括在内。

Gartner 2019年数据科学和机器学习平台魔力象限（截至2018年11月）

图1

涵盖的公司包括：

领导者（4家）：KNIME、RapidMiner、TIBCO Software和SAS

挑战者（2家）：Alteryx和Dataiku

有远见者（7家）：Mathworks、Databricks、H2O.ai、IBM、微软、谷歌（新增）和DataRobot（新增）

特定领域者（4家）：SAP、Anaconda、Domino和Datawatch（Angoss）

2019年报告中新增两家公司：谷歌和DataRobot。

2018年魔力象限中的一家公司跌出了象限：Teradata。

正如我们之前所做的那样，我们将最新的魔力象限与之前的版本进行了比较。下面不妨看看变化、赢家和输家。

Gartner数据科学和机器学习平台魔力象限，2019年与2018年比较：

图2

图2显示了比较2018年魔力象限（灰色背景图）和2019年魔力象限（前景图）的结果，箭头连接代表同一家公司的圆圈。如果公司位置大幅改善（远离原位置），箭头标以绿色，如果公司位置下降，箭头标以红色。绿色圆圈表示2家新公司（谷歌和DataRobot），红色X标志着今年跌出象限的供应商（Teradata）。

我们看到KNIME和RapidMiner仍处于强势领导地位，SAS在能力方面有所下降，但仍然是领导者之一，最近收购了几家分析公司的TIBCO首次进入领导者行列。Alteryx移到了挑战者象限，另一个挑战者是Dataiku，它在能力方面大有进步。MathWorks在前瞻性方面取得了显著进步，逼近领导者。

3年来的比较

如果我们仔细看看近三年都出现在魔力象限上的主要公司，可以更清楚地看清长期趋势，见图3。

图3：Gartner数据科学和机器学习平台魔力象限2017年、2018年和2019年3年来的比较。

图3

Alteryx这两年在能力方面都有所提高，但仍然是挑战者。

Dataiku在2018年的位置大幅下滑，2019年能力方面大幅提升。

IBM这两年在前瞻性和能力这两个方面都大幅下滑，从领导者跌入到有远见者。

H2O.ai在2018年进入到领导者，但2019年跌回到了有远见者。

KNIME这两年在前瞻性方面都取得了进步，是强有力的领导者。

MathWorks 2018年在能力方面有所下滑，但2019年在前瞻性方面大幅提升。

微软每年在能力方面都下滑了一点。

RapidMiner在领导者象限中实际上保持同一个位置。

SAS在前瞻性和能力方面都有所下滑，但仍然跻身于领导者。

下面非常简要地总结了目前2019年Gartner魔力象限中的这些公司。

领导者：

这个象限在2014年至2017年有同样的4家公司（IBM、SAS、RapidMiner和KNIME），但2018年发生了变化，今年又发生了变化。

Rapidminer在能力方面略有提升。Gartner写道：RapidMiner仍然是领导者，很好地兼顾了易用性和数据科学先进性。其平台的可接近性受到平民数据科学家的称赞，其核心数据科学功能的丰富性（包括对开源代码的开放性和功能）使其对经验丰富的数据科学家也颇具吸引力。

KNIME在能力方面有所下滑，但在前瞻性方面有所提升。Gartner写道：凭借丰富而全面的功能，KNIME保持了其市场“瑞士军刀”的声誉。免费开源的KNIME分析平台涵盖了85%的关键功能，KNIME的愿景和路线图与大多数竞争对手一样好或更好。

SAS在能力方面有所下滑。Gartner写道：SAS保持了长期作为领导者的地位。虽然该公司在多个方面面临其他大供应商、日渐成熟的颠覆者和开源解决方案的威胁，但它在市场上仍牢牢占有一席之地。

TIBCO Software加入了领导者象限，在能力和前瞻性方面都有所提升。Gartner写道：通过收购企业报表和现代商业智能（BI）平台供应商（Jaspersoft和Spotfire）、描述性和预测分析平台供应商（Statistica和Alpine Data）以及数据流分析供应商（StreamBase Systems），TIBCO已构建了一个全面而强大的分析平台。

挑战者：

由于明确缺乏创新，Alteryx的位置从领导者降到了挑战者。尽管如此，Gartner写道：Alteryx注重让平民数据科学家及其他人通过端到端分析管道易于使用数据科学，这在市场中引起了共鸣。

Dataiku在能力方面取得了巨大的进步。Gartner写道：Dataiku出现在挑战者象限中，主要归功于其强大的执行力和可扩展性方面日益强大的功能。

有远见者：

Databricks基于Apache Spark的统一分析平台结合了使用众多开源语言的数据工程和数据科学功能。

Databricks仍然是有远见者，它为众多用户支持端到端分析生命周期、混合云环境和可访问性。

DataRobot（新增）

DataRobot平台可使关键任务实现自动化，让数据科学家能够高效地工作，并让平民数据科学家能够轻松构建模型。

谷歌（新增）

谷歌提供AI产品和解决方案组成的丰富生态系统，从硬件（张量处理单元 [TPU]）、众包（Kaggle），到用于处理图像、视频和文本等非结构化数据的世界级机器学习组件，不一而足。谷歌还是自动化机器学习（拥有Cloud AutoML）领域的先驱之一。

H2O.ai

相对这个魔力象限中的其他供应商，H2O.ai在执行能力方面的名次有所下滑，主要是由于参考客户在几项关键功能方面给它打的分数比较低。

IBM

IBM仍然是有远见者，但相对其他供应商，它在前瞻性和执行能力方面都有所下滑。

MathWorks

MathWorks通过无缝集成用于处理非常规数据源（图像、视频和物联网数据）的高级功能，为注重工程的用户夯实了MATLAB平台的一致性。

微软

微软仍然是有远见者，它仍然致力于在与深度学习有关的开源技术集成和卓越性方面确保广泛性和易用性。Azure Machine Learning这种方案并不适合需要完全是内部部署型产品的数据科学团队和使用场合。

特定领域者：

SAP、Anaconda、Domino和Datawatch（Angoss）