2019 GARTNER DATASCIENCE & MACHINE LEARNING

Gartner-2019

Dynacentrix est intégrateur de solutions dans les domaines de l’Intelligence Artificielle et l’Excellence Opérationnelle pour les projets de Data Science as a Service, Enterprise AI, Big Data et Industrie 4.0- IoT industriel. Dynacentrix est spécialisée dans les analyses de données « nouvelle génération », permettant d’exécuter des Analyses Prédictives grâce aux solutions collaboratives de Machine Learning ou Deep Learning aux standards du marché. Nous sommes certifiés Microsoft Gold Analytics et Dataiku. Knime et Databricks font partie de nos déploiements Machine Learning.

Dans ce résumé préparé par KDnuggets, nous comparons le Magic Quadrant (MQ) de Gartner pour la Data Science / plateformes de Machine Learning en 2019 aux versions précédentes et indiquons les changements notables des leaders et challengers, comprenant RapidMiner, KNIME, TIBCO, Alteryx, Dataiku, SAS, and MathWorks.

Deux nouvelles entreprises paraissent dans le rapport 2019 : Google et DataRobot.

Une entreprise présente dans le MQ 2018 n’y figure plus : Teradata.

Comme nous l’avons fait précédemment, (voir Gainers and Losers in 2018 MQGartner 2017 MQ Gainers and losers, en anglais), nous avons comparé le dernier Magic Quadrant avec sa version précédente. Ce qui suit est un résumé des fournisseurs qui ont changé de place, progressé et régressé.

Gartner-2019

Le graphique Fig 2 montre une comparaison du MQ 2018 (l’image en arrière-plan, gris) au MQ 2019 (l’image en premier-plan), les flèches reliant les cercles d’une même entreprise. Les flèches sont vertes si la position du fournisseur a progressée, et rouges si sa position s’est dégradée. Les cercles vertes indiquent 2 fournisseurs qui paraissent pour la première fois (Google et DataRobot), tandis que la croix rouge X indique un fournisseur qui a disparu du MQ en 2019 (Teradata).

On peut noter que KNIME et RapidMiner maintiennent leur forte position de Leadership,  SAS a reculé dans la catégorie “ability” (capacité à exécuter) mais reste parmi les leaders, et TIBCO, qui a récemment fait l’acquisition de plusieurs autres fournisseurs dans le domaine des analytiques, a rejoint les leaders pour la première fois. Alteryx s’est déplacée vers le quadrant Challengers et y est rejoint par Dataiku qui s’est beaucoup améliorée dans la catégorie capacité à exécuter. MathWorks a fait une progression significative dans la catégorie Vision et s’approche des Leaders.

Comparaison sur 3 ans

Examinons les tendances plus long-terme en regardant les entreprises qui figurent dans tous les rapports des trois dernières années

Fig 3: Gartner Magic Quadrants for Data Science and Machine Learning Platforms compared for 3 years, 2017, 2018, 2019

Alteryx s’est améliorée chaque année dans la catégorie capacité à exécuter mais reste challenger.

Dans cette même catégorie, Dataiku a beaucoup baissée en 2018 mais s’est grandement améliorée en 2019.

IBM a baissé de façon significative chaque année, dans toutes les catégories, et se trouve déplacée du quadrant Leaders vers Visionnaires.

H2O.ai était avec les Leaders en 2018 mais a reculée vers Visionnaires en 2019.

KNIME s’est améliorée chaque année dans la catégorie Vision est reste un leader fort.

MathWorks a baissé en capacité à exécuter en 2018 mais s’est beaucoup améliorée en Vision en 2019.

Microsoft a reculée légèrement chaque année en capacité à exécuter.

RapidMiner maintient sa position dans le quadrant leaders.

SAS a baissée à la fois en Vision et ensuite en capacité à exécuter, mais reste parmi les Leaders.

En bref, voici comment Gartner qualifie chaque fournisseur dans le MQ 2019.

Leaders:

De 2014-2017 les 4 leaders étaient toujours IBM, SAS, RapidMiner, et KNIME, mais celà a changé en 2018 et encore en 2019.

Rapidminer a augmenté un peu sa capacité à exécuter. Gartner écrit :

RapidMiner reste un des Leaders avec une bonne équilibre entre facilité d’utilisation et sophistication de data science. Les data scientists novices apprécient la facilité d’approche de la plateforme, et les data scientists plus expérimentés applaudissent la richesse des fonctionnalités fondamentales à la data science, y compris son ouverture vers le code open-source.

KNIME a baissée dans sa capacité à exécuter mais s’est améliorée en Vision. Gartner écrit :

Avec beaucoup de fonctionnalités généralistes, KNIME maintient sa réputation comme étant le « couteau de l’Armée Suisse » du marché. Sa plateforme gratuite et open-source KNIME Analytics Platform proposent 85% des capacités de base, et sa vision et feuille de route sont aussi bonnes, voire mieux, que celles de leurs concurrents.

SAS a baissée dans sa capacité à exécuter. Gartner écrit :

SAS maintient son statut – établit depuis longtemps – de Leader. En dépit du fait que l’entreprise doit faire face sur de multiples fronts aux menaces d’autres fournisseurs établis, ainsi que des disrupteurs émergents et des solutions open-source, SAS détient toujours une présence importante sur le marché.

TIBCO Software a rejoint les Leaders et s’est améliorée à la fois en Vision et capacité à exécuter. Gartner écrit :

A travers l’acquisition d’entreprises spécialisées dans le reporting et le BI moderne (Jaspersoft et Spotfire), d’autres dans les analytiques descriptives et prédictives (Statistica et Alpine Data), ainsi qu’un spécialiste d’analytiques streaming (StreamBase Systems), TIBCO s’est construite une solide et large plateforme dans le domaine des analytiques.

 

Challengers:

Alteryx s’est déplacée de sa position de Leader vers celle de Challenger, à cause d’une perception qu’elle ne peut pas innover. Néanmoins, Gartner écrit :

Le fait qu’Alteryx rend accessible la data science aux data scientists novices ainsi que tous ceux qui cherchent un pipeline analytique end-to-end résonne de façon positive dans le marché.

Dataiku s’est énormément améliorée dans sa capacité à exécuter. Gartner écrit :

La présence de Dataiku dans le quadrant Challengers est due en grand partie à sa forte capacité à exécuter et l’amélioration de ses capacités à gérer l’évolutivité.

Visionnaires

La Plateforme Unified Analytics basée sur Apache Spark de Databricks combine l’ingénierie des données et des capacités en data science à travers une variété de langages open-source. Databricks reste dans la catégorie Visionnaires car il gère le cycle de vie end-to-end analytiques et fonctionne dans des environnements de cloud hybride, tout en restant accessible à une grande variété d’utilisateurs.

Google (nouveau):

Google propose un large écosystème de produits et solutions AI, depuis le hardware (Tensor Processing Unit [TPU]) et le crowdsourcing (Kaggle) jusqu’aux composants ML de haute qualité pour la gestion des données non-structurées comme les images, la vidéo et le texte. Google est également l’un des pionniers dans le ML automatisé (Cloud AutoML).

H2O.ai:

H2O.ai a reculée dans sa capacité à exécuter par rapport aux autres fournisseurs dans ce MQ, car certains de ses clients de référence l’ont attribué des scores décevants concernant plusieurs fonctionnalités critiques.

IBM

IBM reste un Visionnaire, mais, comparée aux autres fournisseurs, a perdu du terrain à la fois dans l’étendu de sa Vision et sa capacité à exécuter.MathWorks

MathWorks a renforcé la cohérence de sa plateforme MATLAB pour ces clients ingénieurs en intégrant une fonctionnalité avancée pour le traitement des données de source non-conventionnelle (images, vidéo et données IoT).Microsoft

Microsoft reste un Visionnaire, grace à son engagement pour faciliter l’integration des technologies open-source et son excellent dans le domaine de deep learning. Azure Machine Learning n’est pas une option pour les clients et projets qui ont besoin d’une solution demeurant sur site.

Acteurs de Niche

SAP, Anaconda, Domino, Datawatch (Angoss)

Source: KDnuggets, 2019