Ciencia de datos: ¿quién se destaca en este pesado mercado?

AWS aparece en Magic Quadrant for Data Science, ya que IBM emerge como el «Líder». ¿Cómo ve Gartner el mercado cambiante?

MLOps, una debilidad por Ciencia de los datos ? Gartner no llegó tan lejos con Magic Quadrant, pero sí apunta a la falta de herramientas. Los prototipos no solo pueden tardar en ejecutarse, sino que muchos de ellos simplemente no se implementan a la escala esperada, dice el Gabinete de EE. UU.

Su percepción es que el mercado está «más ajetreado y turbulento que nunca». Detrás de las empresas de peso pesado hay un grupo de empresas en crecimiento. En este contexto, la innovación tiene prioridad sobre la implementación. Y plataformas Ciencia de los datos Las congregaciones se vuelven cada vez más complejas, se alimenta de ellasFuente abierta Y asociaciones. Se están abriendo a más audiencias y, por lo tanto, se acercan a BI yAnalítica. Eso sigue la misma dinámica de convergencia a través de la integración de funciones aritméticas.

A pesar de esta afinidad funcional, el Ciencia de los datos Todavía se parece poco a la inteligencia empresarial. No tiene un «líder» común con este último, y tiene el doble de ese número. Seis en este caso.

Científicos de datos & C

Aspectos destacados de DataikuAccesibilidad Desde su presentación (Data Science Studio) a audiencias no especializadas: desarrollar sin código, explicar modelos, ayudar a usarAutoML… Gartner también destaca opciones Personalización Y la capacidad de integrarse Especificaciones especiales Industrias.

La empresa de origen francés no recibe la misma cantidad de elogios por parte de la cooperación. Gartner también lamenta el alto costo de sus ofertas para equipos pequeños y el gran uso de Enchufar/ Accesorios.

En términos de acceso no especializado, DataBricks no sirve de nada, a pesar de integrar capacidades SQL gracias a la adquisición de Redash. Por otro lado, la oferta de plataforma de datos unificada fue bienvenida Suficiente para sus necesidades Científicos de datos. Así como para ella Ofertas y esto es Capacidad de escalado. Las asociaciones con súper talentos tienen mucho que ver con esto, pero ahora son competidores. AWS, por ejemplo, el Ciencia de los datos.

Casos de uso en las extremidades

entre HipercontracciónUno, «pionero»: IBM, con Watson Studio, se fusionó en Cloud Pak for Data. Gartner aprecia Modularidad Del espectáculoMarco empresarialY el Analítica, PNL, etc.) y la elección de portátiles que promueven cooperación. Otro buen punto: el progresoAmnistía Internacional «Ética» (Detección de sesgos, interpretabilidad, especificidad diferencial, etc.). Sin embargo, Big Blue aún tiene que encontrar un lugar en la mente de los expertos y hacer que su oferta sea más legible: todavía es difícil vincular la licencia correcta al caso de uso correcto.

En MathWorks, no hay un buen punto de vista sobre accesibilidad, escalabilidad o ética. Gartner distingue, por el contrario, Más Desde la plataforma MATLAB. Como hacerse cargo de Casos de uso especial (Gestión de riesgos, análisis de flotas, mantenimiento predictivo, etc.) utilizando herramientas específicas.

Encontramos esta característica en TIBCO. Más precisamente en El campo de la Internet de las cosasGracias, entre otras cosas, con integración con ofertas borde De Microsoft y AWS. Cooperación y Puertas Analítica Son los otros puntos fuertes de su plataforma. La gestión del ciclo de vida del modelo no lo es, al igual que la apertura a los no especialistas.

Como IBM, SAS es un «graduado» de TI. Se enfrenta al mismo desafío de marketing: desenredar la «vieja» marca a la que tendemos a atribuirnos. También vemos que es muy caro ofrecerlo. Todavía es difícil de entender, a pesar de estar organizado en grupos. Sin embargo, la última versión es Desarrollado para la nube Puede ser alimentado Muchos ladrillos Fuente abierta. La plataforma VDMML (Visual Data Mining and Machine Learning) también está ganando interés por parte de Gartner Capacidades de automatización.

Principio de ilustración © agsandrew – shutterstock.com