Gartner发布2020年DSML魔力象限：IBM成唯一挑战者，SAS被评为领导者--RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展

近日，全球著名信息研究公司Gartner发布了2020年DSML（数据科学和机器学习）魔力象限。Gartner对IBM、微软、谷歌、SAS、DataRobot在内的众多知名科技企业进行了评测。评选的维度包括：易用性、模型、样本、客户满意度、科技创新、发展潜力等。MathWorks旗下的MATLAB和SAS的VDMML再次被评选为该行业的领导者；而微软、谷歌和IBM分别被评为潜力者和挑战者。

Gartner将DSML平台定义为核心产品和相关集成产品、组件、库和框架（包括专有、合作伙伴和开源）的支持产品组合。它的主要用户是专业数据科学人员。这些人员包括数据科学家、公民数据科学家、数据工程师和机器学习（ML）工程师/专业。

DSML平台提供了基本和高级功能的混合，这些功能对于构建DSML解决方案至关重要（主要是预测和规范模型）。该平台还支持将这些解决方案合并到实际业务流程，组织的基础架构，产品和应用程序中，它在数据和分析中支持各种技能，包括以下领域：

数据提取
资料准备
数据探索
特征工程
模型创建和训练
模型测试
部署方式
监控方式
数据维护

DSML平台的多样性，很大程度上反映了使用人群的广泛性。因此，Gartner认为DSML的主要受众人群如下：

专业数据科学家：他们具备理解和参与数据科学生命周期各个阶段的技能和知识。大部分数据科学家将时间和精力花费在模型创建上，并由诸如数据工程师和ML工程师等支持角色来承担数据搭建和MLOps职责。终身专业可以担任数据科学经理的角色，可以使用平台获得对团队完整项目组合的可见性，并促进协作和及时交付价值。

公民数据科学家：越来越多的公民数据科学家正在构建DSML模型。这些人需要访问DSML功能，但不具备专业数据科学家的高级技能。公民数据科学家可以来自业务分析师，业务线（LOB）分析师，数据工程师和应用程序开发人员等职位。他们需要了解DSML市场的性质以及它与分析和商业智能（BI）市场有何不同，但又相互技术补充。公民数据科学家不会代替专业数据科学家，而是与他们合作。

支持角色：这些角色包括数据工程师、开发人员、机器学习工程师和其他角色。尽管不负责模型的建立，培训和测试，但数据科学团队的支持对扩展操作规模，确保数据质量和一致的模型准确性至关重要。

业务线（LOB）数据科学团队：通常，这些都是由其LOB执行官赞助的，负责解决LOB主导的营销、销售、财务和R＆D等方面的计划。这些团队专注于自己和部门的优先事项。与其他LOB数据科学团队的协作级别有所不同。LOB数据科学团队可以包括专业和公民数据科学家。支持角色可以驻留在LOB中，也可以从IT或其他领域分配。

企业数据科学团队：这些团队拥有强大而广泛的高层管理人员充当，并且可以从整个企业范围的可见性角度采取跨职能的观点。除了支持数据模型构建外，他们还经常负责定义和支持用于构建和部署DSML模型的端到端流程。他们通常与多层组织中的LOB数据科学团队合作。公司数据科学团队通常包括专业数据科学家。支持角色可以驻留在公司数据科学团队中，也可以从IT或其他领域分配。

资料显示，此次被评选为DSML领导者的SAS创立于美国北卡罗来纳州。主要提供了多种用于分析和数据科学的软件产品，包括：支持统计、机器学习、文本分析、预测、时间序列分析、计量经济学和数据优化。

SAS视觉数据挖掘和机器学习的产品VDMML是此次参选Gartner魔力象限评估的核心产品。VDMML集成了多种产品，包括可视化分析和可视化数据统计，主要针对业务分析师和公民/专业数据科学家。

继续阅读：