原文：
www.kdnuggets.com/2019/02/gartner-2019-mq-data-science-machine-learning-changes.html
评论 近年来，Gartner 数据科学和机器学习平台魔力象限报告的名称首次与去年基本相同。2018 年的报告名为“数据科学和机器学习平台 MQ”（在 Machine 和 Learning 之间有一个老式的短横线）。2017 年为“数据科学平台 MQ”，2016 年为“高级分析平台 MQ”。也许名称的逐渐稳定反映了数据科学和机器学习领域的某种成熟感。然而，在行业中却没有稳定性，正如您将看到的那样，供应商排名发生了许多变化。
2019 年有哪些变化？
2019 年的报告评估了 17 家供应商（比往年多了一家），并将它们根据愿景完整性（简称 愿景）和执行能力（简称 能力）分为 4 个象限。
请注意，Gartner 仅包括那些拥有商业授权产品的供应商。像 Python 和 R 这样的纯开源平台，尽管在数据科学家和机器学习专家中非常受欢迎，但并未被纳入评估。
图 1：Gartner 2019 数据科学和机器学习平台魔力象限（截至 2018 年 11 月）
涵盖的公司：
-
领导者（4 家）： KNIME, RapidMiner, TIBCO Software, SAS
-
挑战者（2 家）： Alteryx, Dataiku
-
愿景者（7 家）： Mathworks, Databricks, H2O.ai, IBM, Microsoft, Google（新增）, DataRobot（新增）
-
利基玩家（4 家）： SAP, Anaconda, Domino, Datawatch (Angoss)
2019 年报告新增了两家公司：Google 和 DataRobot。
2018 年魔力象限中的一家供应商被剔除：Teradata。
如同我们之前做的那样（见 2018 MQ 中的赢家和输家, Gartner 2017 MQ 赢家和输家），我们将最新的魔力象限与其之前的版本进行了比较。以下我们将探讨这些变化、赢家和输家。
图 2：Gartner 数据科学和机器学习平台魔力象限比较，2019 与 2018
图 2 显示了 2018 MQ（灰色背景图像）和 2019 MQ（前景图像）的比较，箭头连接了同一公司的圆圈。如果公司位置显著改善（离原点更远），箭头颜色为绿色；如果位置变弱，箭头颜色为红色。绿色圆圈表示 2 家新公司（Google 和 DataRobot），而红色 X 标记了今年下降的供应商（Teradata）。
我们看到 KNIME 和 RapidMiner 依然保持强大的领导地位，SAS 在能力上下降但仍在领导者中，TIBCO 最近收购了几家分析公司，首次进入领导者行列。Alteryx 移动到挑战者象限，并且 Dataiku 在能力轴上取得了很大进步。MathWorks 在愿景方面显著改善，并逐渐接近领导者。
如果我们审视所有三个最近年份中出现的主要公司，可以更清晰地看到长期趋势 - 参见图 3。
图 3：Gartner 数据科学和机器学习平台的魔力象限，比较了 2017、2018、2019 三年
Alteryx 在两年中在能力上都有所提升，但仍然是挑战者。
Dataiku 在 2018 年大幅下降，并在 2019 年在能力方面有了很大改善。
IBM 在两个维度上都显著下降，从领导者转变为愿景者。
H2O.ai 在 2018 年升至领导者，但在 2019 年降回到愿景者。
KNIME 在两年的愿景方面都有所进展，并且是强大的领导者。
MathWorks 在 2018 年能力上下降，但在 2019 年愿景上显著改善。
Microsoft 在每一年中在能力方面略有下降。
RapidMiner 实质上保持在领导者象限的同一位置。
SAS 在愿景和能力上都下降了，但仍然在领导者中。
这是 2019 年 Gartner MQ 中公司非常简短的总结
这个象限在 2014-2017 年曾经有相同的 4 家公司（IBM、SAS、RapidMiner 和 KNIME），但在 2018 年发生了变化，今年再次发生了变化。
Rapidminer 在能力方面略有上升。Gartner 表示
RapidMiner 依然是领导者，通过在易用性和数据科学复杂性之间取得良好的平衡。其平台的易用性受到公民数据科学家的赞扬，同时其核心数据科学功能的丰富性，包括对开源代码和功能的开放，也使其对经验丰富的数据科学家具有吸引力。
KNIME 在能力轴上下降，但在愿景方面有所进展。Gartner 表示
KNIME 凭借丰富的全方位功能，保持了其作为市场“瑞士军刀”的声誉。其免费且开源的 KNIME Analytics Platform 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相比同样出色，甚至更好。
SAS 在能力上下降。Gartner 写道：
SAS 保持了长期以来的领导者地位。尽管公司面临来自其他大型供应商、成熟的颠覆者和开源解决方案的多方面威胁，但它在市场上仍保持强劲的存在。
TIBCO Software 加入了领导者行列，并在能力和愿景两个维度上都得到了提升。Gartner 写道：
通过收购企业报告和现代 BI 平台供应商（Jaspersoft 和 Spotfire）、描述性和预测性分析平台供应商（Statistica 和 Alpine Data）以及流分析供应商（StreamBase Systems），TIBCO 构建了一个全面而强大的分析平台。
Alteryx 由于其被认为缺乏创新，已经从领导者位置转变为挑战者。Gartner 写道，尽管如此
Alteryx 强调使数据科学对公民数据科学家和其他人可及，这种做法在市场上产生了共鸣。
Dataiku 在能力维度上取得了巨大的进步。Gartner 写道
Dataiku 出现在挑战者象限，主要是由于其在执行能力和可扩展性方面的强劲表现。
Databricks 的基于 Apache Spark 的统一分析平台结合了数据工程和数据科学能力，使用各种开源语言。
Databricks 通过提供对端到端分析生命周期、混合云环境和广泛用户群体的支持，保持了愿景者的地位。
DataRobot (new):
DataRobot 平台自动化了关键任务，使数据科学家能够高效工作，公民数据科学家能够轻松构建模型。
Google (new):
Google 提供了丰富的 AI 产品和解决方案生态系统，从硬件（Tensor Processing Unit [TPU]）和众包（Kaggle）到世界一流的机器学习组件，用于处理图像、视频和文本等非结构化数据。Google 也是自动化机器学习的先驱之一（拥有 Cloud AutoML）。
H2O.ai:
相比于该魔力象限中的其他供应商，H2O.ai 在执行能力方面有所下滑，主要由于参考客户对几个关键能力的评分较低。
IBM
IBM 仍然保持着愿景者的地位，但在愿景完整性和执行能力方面相较于其他供应商有所下滑。
MathWorks
MathWorks 通过无缝整合处理非常规数据源（图像、视频和物联网数据）的高级功能，增强了 MATLAB 平台在其工程专注受众中的一致性。
Microsoft
Microsoft 仍然保持着愿景者的地位，对开源技术的广度和易用性以及在深度学习方面的卓越承诺保持不变。对于需要严格本地产品的数据科学团队和使用案例，Azure Machine Learning 并不是一个选项。
SAP、Anaconda、Domino、Datawatch（Angoss）
你可以从 Dataiku、DataRobot 及其他在 Gartner 报告中受到青睐的供应商处下载 Gartner 2019 数据科学与机器学习平台魔力象限报告。
相关：
-
Gartner 2018 数据科学与机器学习平台魔力象限的赢家与输家
-
Gartner 2017 数据科学平台魔力象限：赢家与输家
-
Gartner 2016 高级分析平台魔力象限：赢家与输家
-
Gartner 2015 高级分析平台魔力象限：谁获益，谁失利
-
Gartner 2014 高级分析平台魔力象限