
IBM、SAS和SAP, 三大供應(yīng)商引起的大數(shù)據(jù)預(yù)測(cè)
對(duì)于大數(shù)據(jù)預(yù)測(cè)分析企業(yè)有很多固定的選擇。
美國(guó)市場(chǎng)研究公司Forrester剛剛發(fā)布了2015年第二季度對(duì)大數(shù)據(jù)預(yù)測(cè)分析解決方案。
也就是說(shuō),F(xiàn)orrester的分析師Mike Gualtieri和Rowan Curran他們?cè)u(píng)估的產(chǎn)品有很大的不同。
數(shù)據(jù)科學(xué)家更容易欣賞一些,而業(yè)務(wù)分析人員會(huì)喜歡其它的。
他們都可以用來(lái)準(zhǔn)備數(shù)據(jù)集,使用統(tǒng)計(jì)和機(jī)器學(xué)習(xí)算法開(kāi)發(fā)模型,部署和管理預(yù)測(cè)分析生命周期,這些對(duì)數(shù)據(jù)科學(xué)家,業(yè)務(wù)分析人員和應(yīng)用程序開(kāi)發(fā)人員來(lái)說(shuō)都是工具。
General Purpose:
重要的是要注意有很多強(qiáng)大的預(yù)測(cè)分析解決方案提供商并不包括在這一塊,但是這并不是因?yàn)樗麄兊漠a(chǎn)品沒(méi)有任何好處。
而Forrester特別關(guān)注“通用”的解決方案,而不是那些針對(duì)特定目的像客戶(hù)分析,交叉銷(xiāo)售,智能物流,電子商務(wù)等等。
作者還指出,開(kāi)源軟件社區(qū)推動(dòng)預(yù)測(cè)分析成為主流。開(kāi)發(fā)人員有一個(gè)豐富的API的選擇范圍,他們可以利用通過(guò)流行的編程語(yǔ)言,如Java、Python和Scala準(zhǔn)備數(shù)據(jù)和預(yù)測(cè)模型。
不僅如此,根據(jù)報(bào)道,許多BI平臺(tái)還提供了“一些預(yù)測(cè)分析能力”。信息建筑商例如:MicroStrategy和Tibco可以與R輕松集成。
BI解決方案的“開(kāi)源”像Birt,OpenText和Tibco,Jaspersoft使R集成更簡(jiǎn)單。
Fractal Analytics, Opera Solutions, Teradata’s也提供有價(jià)值的解決方案,并指出選擇購(gòu)買(mǎi)軟件。作者還指出,較大的咨詢(xún)公司 Accenture, Deloitte, Infosys 和 Virtuasa 都有預(yù)測(cè)分析和大數(shù)據(jù)實(shí)踐。
總的來(lái)說(shuō),Forrester觀望著13供應(yīng)商:Alpine Data Labs, Alteryx, Agnoss, Dell, FICO, IBM, KNIME, Microsoft, Oracle, Predixion Software, RapidMiner, SAP and SAS。
Forrester的選擇標(biāo)準(zhǔn)最一般意義上的利率根據(jù)他們目前提供解決方案提供商(組件包括:架構(gòu)、安全、數(shù)據(jù)分析、模型管理、可用性和工具,務(wù)應(yīng)用程序)和策略(組件包括收購(gòu)和定價(jià),執(zhí)行能力,實(shí)現(xiàn)支持,解決方案路線圖,和銷(xiāo)售增長(zhǎng)率。)每一個(gè)主要類(lèi)別有50%的比重。
Leading the Wave:
IBM、SAS和SAP 三個(gè)值得信賴(lài)的供應(yīng)商——領(lǐng)先這Forrester的眼界:
IBM完美實(shí)現(xiàn)了標(biāo)準(zhǔn):數(shù)據(jù),可用性和工具、模型管理、執(zhí)行能力,實(shí)現(xiàn)支持,解決方案路線圖和首選市場(chǎng)增長(zhǎng)率?!芭c客戶(hù)產(chǎn)生的見(jiàn)解從數(shù)據(jù)集的數(shù)以萬(wàn)計(jì)的特性,IBM的預(yù)測(cè)分析有權(quán)承擔(dān)真正大數(shù)據(jù)和關(guān)鍵的見(jiàn)解”。IBM不足在哪里?主要是在收購(gòu)和定價(jià)的范疇。
SAS是預(yù)測(cè)分析的鼻祖,像IBM,它多次取得了完美的分?jǐn)?shù)。有趣的是,它在所有分析供應(yīng)商中得到了最高的分?jǐn)?shù)。然而,缺點(diǎn)是通過(guò)其戰(zhàn)略領(lǐng)域的銷(xiāo)售增長(zhǎng)率和收購(gòu)和定價(jià)。這可能不是一個(gè)大問(wèn)題到明年的話,至少如果Gartner這個(gè)最近MQ BI和分析平臺(tái)上的領(lǐng)導(dǎo)人,他指出SAS意識(shí)到了這個(gè)缺點(diǎn)并會(huì)解決這個(gè)問(wèn)題。
“SAP無(wú)情的投資分析回報(bào)”Forrester在其報(bào)告中指出。我們多次重申,供應(yīng)商的預(yù)測(cè)產(chǎn)品包括一些時(shí)髦的差異化特性等分析工具,您不必使用數(shù)據(jù)科學(xué)家,只需要一個(gè)可視化工具,允許用戶(hù)分析幾個(gè)數(shù)據(jù)庫(kù),為SAP 的客戶(hù)來(lái)分析大數(shù)據(jù)。
The Strong Performers:
RapidMiner的預(yù)測(cè)分析平臺(tái)不僅包括1500多個(gè)方法預(yù)測(cè)分析生命周期的所有階段,而且通過(guò)單擊它們也可以集成到云。還有一個(gè)漂亮的“群眾的智慧”特性,它幫助用戶(hù)避開(kāi)在過(guò)去犯的錯(cuò)誤和更快的見(jiàn)解。的缺點(diǎn)是什么?實(shí)施支持和安全。
Alteryx需要痛苦的數(shù)據(jù)準(zhǔn)備,這往往是最難和最悲慘的對(duì)一個(gè)數(shù)據(jù)工人的工作。他們還提供了一個(gè)工具,可以幫助數(shù)據(jù)科學(xué)家與業(yè)務(wù)用戶(hù)通過(guò)可視化工具。添加到畫(huà)廊,分析應(yīng)用程序幫助用戶(hù)與其他用戶(hù)共享他們的數(shù)據(jù)準(zhǔn)備和建模工作流程,建立一個(gè)公司需要什么帶來(lái)可行的見(jiàn)解。Alteryx在數(shù)據(jù)、架構(gòu)和安全,執(zhí)行的能力,和銷(xiāo)售增長(zhǎng)率,有改進(jìn)的空間。
Oracle作為一個(gè)強(qiáng)大的表現(xiàn),盡管它并沒(méi)有提供一個(gè)單一目的的解決方案。根據(jù)Forrester的咨詢(xún)來(lái)看,相反Oracle SQL開(kāi)發(fā)人員工具包括一個(gè)可視化界面允許數(shù)據(jù)分析師創(chuàng)建分析工作流程和模型。不僅如此,Oracle也為分析利用開(kāi)源R,并修改了一些算法利用Oracle的數(shù)據(jù)庫(kù)和Hadoop架構(gòu)。
FICO,是的,F(xiàn)orrester的談?wù)撔庞玫梅郑?已多年的經(jīng)驗(yàn)在可行的預(yù)測(cè)分析并建立了一個(gè)解決方案,它的使用是光滑的和可用的。它可能是一個(gè)寶石為數(shù)據(jù)的科學(xué)家們不斷構(gòu)建和部署模型。FICO的市場(chǎng)提供了許多改進(jìn)的數(shù)據(jù)空間和業(yè)務(wù)應(yīng)用程序。
Agnoss旨在方便用于科學(xué)家忙于預(yù)測(cè)分析工具通過(guò)支持服務(wù)為發(fā)展預(yù)測(cè)模型和直觀的界面。而解決方案中還提供了決策樹(shù),這個(gè)功能,有助于高級(jí)用戶(hù)從樹(shù)創(chuàng)建更復(fù)雜的模型。
Alpine Data Labs提供了“最全面的協(xié)作工具的所有供應(yīng)商在Forrester中,而且還能使界面簡(jiǎn)單、熟悉用戶(hù)的主流社交媒體網(wǎng)站” Gualtieri and Curran 在報(bào)告中寫(xiě)道。這一事實(shí)似乎并沒(méi)有足夠多的人購(gòu)買(mǎi)高山Alpine的產(chǎn)品問(wèn)題。這可能是收購(gòu)和定價(jià)選項(xiàng),在這里, Alpine在所有供應(yīng)商中獲得是最低分?jǐn)?shù)。
Dell計(jì)劃進(jìn)行大數(shù)據(jù)和預(yù)測(cè)分析。收購(gòu)獲得Statistica時(shí)進(jìn)入市場(chǎng)。戴爾在第二波供應(yīng)商架構(gòu)中獲得了最低分?jǐn)?shù),所以有很多需要改進(jìn)的地方。
Make Room for Contenders:
Microsoft 和 Predixion Software給市場(chǎng)帶來(lái)一些別人沒(méi)有的價(jià)值體系。
他們似乎芽等著開(kāi)花結(jié)果。微軟,就其本身而言,它最近收購(gòu)了有其新的Azure機(jī)器學(xué)習(xí)以及革命的資產(chǎn)分析。不僅如此,該公司的市場(chǎng)范圍和雄厚資產(chǎn)。微軟獲得的分?jǐn)?shù)低于許多供應(yīng)商但是它是可原諒的,因?yàn)樗拇髷?shù)據(jù)和預(yù)測(cè)分析的解決方案可能是最年輕的。
Predixion Software,根據(jù)Forrester的咨詢(xún)來(lái)看,提供了一個(gè)獨(dú)特的工具,即(MSLM),一個(gè)機(jī)器學(xué)習(xí)的語(yǔ)義模型,包轉(zhuǎn)換,可以部署的數(shù)據(jù)分析和評(píng)分,Java OSGI容器?!斑@意味著用戶(hù)可以嵌入整個(gè)預(yù)測(cè)工作流和應(yīng)用程序”該報(bào)告說(shuō)。
Plenty of Good Choices:
Forrester關(guān)鍵的研究表明,更多的類(lèi)似用戶(hù)現(xiàn)在可以獲得“現(xiàn)代預(yù)測(cè)能力”,預(yù)測(cè)分析現(xiàn)在允許組織嵌入智慧和洞察力。
當(dāng)然,分析師建議你下載他們的報(bào)告,事實(shí)上,這可能值得做。這是一個(gè)快速發(fā)展的市場(chǎng)和供應(yīng)商在迅速升級(jí)他們的產(chǎn)品。
如果沒(méi)錯(cuò),組織最好的利用數(shù)據(jù)將贏得未來(lái),然后使用正確的工具可能是一個(gè)重要的區(qū)別。
數(shù)據(jù)分析咨詢(xún)請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類(lèi)核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢(xún)效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類(lèi)型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專(zhuān)業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專(zhuān)業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶(hù)體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷(xiāo)案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷(xiāo)成為企業(yè)突圍的核心方 ...
2025-09-11