Магический квадрант для платформ машинного обучения и науки о данных

Подробнее

Автор/Источник: Публикация компании Gartner, Inc

Специалисты в области данных и разработчики приложений требуют профессиональных возможностей для создания, развертывания и управления аналитическими моделями. Новые вендоры этого магического квадранта, наряду с изменениями в позициях других, отражают динамичный рынок, который быстро развивается.

Определение/Описание Рынка

Магический квадрант оценивает поставщиков платформ для обработки данных и машинного обучения (ML). Это программные продукты, которые позволяют исследователям данных и разработчикам приложений создавать, развертывать и управлять своими собственными передовыми аналитическими моделями .

Платформа для обработки данных — связное программное приложение, которое предлагает комплекс основных блоков, необходимых для создания всех видов решения науки о данных, а также для включения этих решений в бизнес-процессы, окружающую инфраструктуру и продукты.

«Связность “означает, что основные строительные блоки приложения хорошо интегрированы в единую платформу, что они обеспечивают согласованный” внешний вид», и что модули являются достаточно совместимыми для поддержки аналитического конвейера. Приложение, которое не является сплоченным — которое в основном использует или связывает различные пакеты и библиотеки — не рассматривается как наука о данных и платформа ML, согласно нашему определению.
Платформа data science и ML поддерживает различных квалифицированных ученых данных в нескольких задачах через конвейер данных и аналитики. Они варьируются от приема данных, подготовки данных, интерактивных исследований и визуализации и разработки функций до расширенного моделирования, тестирования и развертывания.
В области науки о данных, ML является самой популярной областью. Это тот, который требует особого внимания со стороны тех, кто оценивает эти платформы.
Не все организации строят всю свою науку данных и модели ML с нуля. Некоторые из них могут нуждаться в помощи или расширении своих научных исследований и инициатив ML. Хотя этот магический квадрант действительно оценивает доступность предварительно упакованного контента, такого как шаблоны и образцы, он не оценивает поставщиков услуг, которые могут помочь начать или расширить науку о данных и применение ML во всей организации (как описано в «Руководстве по рынку для поставщиков услуг data science и машинного обучения”). Этот магический квадрант также не оценивает специализированных поставщиков отраслевых, доменных или функциональных решений.

Магический квадрант для платформ машинного обучения и Data Science

О TIBCO Software

TIBCO Software базируется в Пало-Альто, Калифорния, США. благодаря приобретению корпоративной отчетности и современных поставщиков платформы BI (Jaspersoft и Spotfire), описательных и прогнозных поставщиков платформы аналитики (Statistica и Alpine Data), а также поставщика потоковой аналитики (StreamBase Systems), TIBCO построил хорошо оформленную и мощную аналитическую платформу.
TIBCO перешла от «Challengers quadrant» к «Leaders quadrant», благодаря хорошо срежиссированной стратегии интеграции, которая способствует ее способности выполнять, и ее усилиям идти в ногу со скоростью инноваций на этом быстро меняющемся рынке. У TIBCO есть отличительный навык в обслуживании отраслей промышленности, ориентированных на активы. В дополнение к возможности сквозной разработки и развертывания, TIBCO успешно обращается к недостаточно обслуживаемой области Data science IoT analytics, частично в результате ее процессно-ориентированных корней.

Сильные стороны

Обратите внимание
1 Успешная консолидация: Одна платформа объединяет мощные возможности визуализации, мощную описательную аналитику и функции прогнозной аналитики (из данных Statistica и Alpine, теперь ребрендинг как «Наука о данных Spotfire»). В то же время TIBCO сохраняет масштабируемость своей платформы для сред с открытым исходным кодом. Например, открытый исходный код может быть разработан на платформе или в внешней среде, а затем легко интегрирован в рабочий процесс конвейера обработки данных. Производительность и стабильность: некоторые  клиенты определили случаи, когда производительность платформы TIBCO была неоптимальной, и отметили, что это временно замедлило процесс их разработки. Предстоящая улучшенная интеграция с внешними облачными сервисами, наряду с развитием гибридных аналитических рабочих процессов, может облегчить эту проблему.
 2 «Connected Intelligence» и IoT: в дополнение к мощному набору соединителей и API для машинных данных, сбора данных в режиме реального времени и оценки модели, TIBCO инвестировала в IoT edge analytics, чтобы предоставить разработчикам инструменты для распространения и мониторинга моделей на пограничных устройствах и шлюзах. Кроме того, сочетание Tibco Streaming и Statistica является надежным дифференциатором для стратегии Tibco Connected Intelligence. Управление данными: TIBCO предлагает сильные возможности доступа к данным и визуализации, но автоматизированные и более интегрированные возможности подготовки данных и управления должны быть неотъемлемой частью платформы, учитывая ее широкий охват. Мы ожидаем, что TIBCO инвестирует в этот важный функционал для своего предстоящего релиза.
 3 Сквозной процесс обработки и анализа данных: общая простота использования платформы TIBCO, часто отмечаемая клиентами в сочетании с функциональностью платформы. Визуальные рабочие процессы, охватывающие весь процесс обработки и обработки данных, от приема данных до управления моделями, обеспечивают прочную основу для эффективного сотрудничества всеми ролями (учеными в области данных, бизнес-аналитиками, учеными в области данных населения, инженерами-технологами и т.д.). Недостаточная оперативная ориентация: возможности управления моделями и развертывания TIBCO значительно улучшились за последний год, но многие пробелы остаются. Учитывая мощь TIBCO в широком спектре отраслей, возможности операционализации моделей, выходящие за рамки развертывания, т. е. для полного управления и процесса обработки данных для моделей в производстве, будут иметь решающее значение.