近日，全球著名信息研究公司Gartner發布了2020年DSML（數據科學和機器學習）魔力象限。Gartner對IBM、微軟、谷歌、SAS、DataRobot在內的眾多知名科技企業進行了評測。評選的維度包括：易用性、模型、樣本、客戶滿意度、科技創新、發展潛力等。MathWorks旗下的MATLAB和SAS的VDMML再次被評選為該行業的領導者；而微軟、谷歌和IBM分別被評為潛力者和挑戰者。

Gartner將DSML平臺定義為核心產品和相關集成產品、組件、庫和框架（包括專有、合作伙伴和開源）的支持產品組合。它的主要用戶是專業數據科學人員。這些人員包括數據科學家、公民數據科學家、數據工程師和機器學習（ML）工程師/專業。

DSML平臺提供了基本和高級功能的混合，這些功能對于構建DSML解決方案至關重要（主要是預測和規范模型）。該平臺還支持將這些解決方案合并到實際業務流程，組織的基礎架構，產品和應用程序中，它在數據和分析中支持各種技能，包括以下領域：

• 數據提取

• 資料準備

• 數據探索

• 特征工程

• 模型創建和訓練

• 模型測試

• 部署方式

• 監控方式

• 數據維護

DSML平臺的多樣性，很大程度上反映了使用人群的廣泛性。因此，Gartner認為DSML的主要受眾人群如下：

專業數據科學家：他們具備理解和參與數據科學生命周期各個階段的技能和知識。大部分數據科學家將時間和精力花費在模型創建上，并由諸如數據工程師和ML工程師等支持角色來承擔數據搭建和MLOps職責。終身專業可以擔任數據科學經理的角色，可以使用平臺獲得對團隊完整項目組合的可見性，并促進協作和及時交付價值。

公民數據科學家：越來越多的公民數據科學家正在構建DSML模型。這些人需要訪問DSML功能，但不具備專業數據科學家的高級技能。公民數據科學家可以來自業務分析師，業務線（LOB）分析師，數據工程師和應用程序開發人員等職位。他們需要了解DSML市場的性質以及它與分析和商業智能（BI）市場有何不同，但又相互技術補充。公民數據科學家不會代替專業數據科學家，而是與他們合作。

支持角色：這些角色包括數據工程師、開發人員、機器學習工程師和其他角色。盡管不負責模型的建立，培訓和測試，但數據科學團隊的支持對擴展操作規模，確保數據質量和一致的模型準確性至關重要。

業務線（LOB）數據科學團隊：通常，這些都是由其LOB執行官贊助的，負責解決LOB主導的營銷、銷售、財務和R＆D等方面的計劃。這些團隊專注于自己和部門的優先事項。與其他LOB數據科學團隊的協作級別有所不同。LOB數據科學團隊可以包括專業和公民數據科學家。支持角色可以駐留在LOB中，也可以從IT或其他領域分配。

企業數據科學團隊：這些團隊擁有強大而廣泛的高層管理人員充當，并且可以從整個企業范圍的可見性角度采取跨職能的觀點。除了支持數據模型構建外，他們還經常負責定義和支持用于構建和部署DSML模型的端到端流程。他們通常與多層組織中的LOB數據科學團隊合作。公司數據科學團隊通常包括專業數據科學家。支持角色可以駐留在公司數據科學團隊中，也可以從IT或其他領域分配。

資料顯示，此次被評選為DSML領導者的SAS創立于美國北卡羅來納州。主要提供了多種用于分析和數據科學的軟件產品，包括：支持統計、機器學習、文本分析、預測、時間序列分析、計量經濟學和數據優化。

SAS視覺數據挖掘和機器學習的產品VDMML是此次參選Gartner魔力象限評估的核心產品。VDMML集成了多種產品，包括可視化分析和可視化數據統計，主要針對業務分析師和公民/專業數據科學家。

繼續閱讀：

未經允許不得轉載：RPA中國 | RPA全球生態 | 數字化勞動力 | RPA新聞 | 推動中國RPA生態發展 | 流 > Gartner發布2020年DSML魔力象限：IBM成唯一挑戰者，SAS被評為領導者