
IBM、SAS和SAP, 三大供应商引起的大数据预测
对于大数据预测分析企业有很多固定的选择。
美国市场研究公司Forrester刚刚发布了2015年第二季度对大数据预测分析解决方案。
也就是说,Forrester的分析师Mike Gualtieri和Rowan Curran他们评估的产品有很大的不同。
数据科学家更容易欣赏一些,而业务分析人员会喜欢其它的。
他们都可以用来准备数据集,使用统计和机器学习算法开发模型,部署和管理预测分析生命周期,这些对数据科学家,业务分析人员和应用程序开发人员来说都是工具。
General Purpose:
重要的是要注意有很多强大的预测分析解决方案提供商并不包括在这一块,但是这并不是因为他们的产品没有任何好处。
而Forrester特别关注“通用”的解决方案,而不是那些针对特定目的像客户分析,交叉销售,智能物流,电子商务等等。
作者还指出,开源软件社区推动预测分析成为主流。开发人员有一个丰富的API的选择范围,他们可以利用通过流行的编程语言,如Java、Python和Scala准备数据和预测模型。
不仅如此,根据报道,许多BI平台还提供了“一些预测分析能力”。信息建筑商例如:MicroStrategy和Tibco可以与R轻松集成。
BI解决方案的“开源”像Birt,OpenText和Tibco,Jaspersoft使R集成更简单。
Fractal Analytics, Opera Solutions, Teradata’s也提供有价值的解决方案,并指出选择购买软件。作者还指出,较大的咨询公司 Accenture, Deloitte, Infosys 和 Virtuasa 都有预测分析和大数据实践。
总的来说,Forrester观望着13供应商:Alpine Data Labs, Alteryx, Agnoss, Dell, FICO, IBM, KNIME, Microsoft, Oracle, Predixion Software, RapidMiner, SAP and SAS。
Forrester的选择标准最一般意义上的利率根据他们目前提供解决方案提供商(组件包括:架构、安全、数据分析、模型管理、可用性和工具,务应用程序)和策略(组件包括收购和定价,执行能力,实现支持,解决方案路线图,和销售增长率。)每一个主要类别有50%的比重。
Leading the Wave:
IBM、SAS和SAP 三个值得信赖的供应商——领先这Forrester的眼界:
IBM完美实现了标准:数据,可用性和工具、模型管理、执行能力,实现支持,解决方案路线图和首选市场增长率。“与客户产生的见解从数据集的数以万计的特性,IBM的预测分析有权承担真正大数据和关键的见解”。IBM不足在哪里?主要是在收购和定价的范畴。
SAS是预测分析的鼻祖,像IBM,它多次取得了完美的分数。有趣的是,它在所有分析供应商中得到了最高的分数。然而,缺点是通过其战略领域的销售增长率和收购和定价。这可能不是一个大问题到明年的话,至少如果Gartner这个最近MQ BI和分析平台上的领导人,他指出SAS意识到了这个缺点并会解决这个问题。
“SAP无情的投资分析回报”Forrester在其报告中指出。我们多次重申,供应商的预测产品包括一些时髦的差异化特性等分析工具,您不必使用数据科学家,只需要一个可视化工具,允许用户分析几个数据库,为SAP 的客户来分析大数据。
The Strong Performers:
RapidMiner的预测分析平台不仅包括1500多个方法预测分析生命周期的所有阶段,而且通过单击它们也可以集成到云。还有一个漂亮的“群众的智慧”特性,它帮助用户避开在过去犯的错误和更快的见解。的缺点是什么?实施支持和安全。
Alteryx需要痛苦的数据准备,这往往是最难和最悲惨的对一个数据工人的工作。他们还提供了一个工具,可以帮助数据科学家与业务用户通过可视化工具。添加到画廊,分析应用程序帮助用户与其他用户共享他们的数据准备和建模工作流程,建立一个公司需要什么带来可行的见解。Alteryx在数据、架构和安全,执行的能力,和销售增长率,有改进的空间。
Oracle作为一个强大的表现,尽管它并没有提供一个单一目的的解决方案。根据Forrester的咨询来看,相反Oracle SQL开发人员工具包括一个可视化界面允许数据分析师创建分析工作流程和模型。不仅如此,Oracle也为分析利用开源R,并修改了一些算法利用Oracle的数据库和Hadoop架构。
FICO,是的,Forrester的谈论信用得分,,已多年的经验在可行的预测分析并建立了一个解决方案,它的使用是光滑的和可用的。它可能是一个宝石为数据的科学家们不断构建和部署模型。FICO的市场提供了许多改进的数据空间和业务应用程序。
Agnoss旨在方便用于科学家忙于预测分析工具通过支持服务为发展预测模型和直观的界面。而解决方案中还提供了决策树,这个功能,有助于高级用户从树创建更复杂的模型。
Alpine Data Labs提供了“最全面的协作工具的所有供应商在Forrester中,而且还能使界面简单、熟悉用户的主流社交媒体网站” Gualtieri and Curran 在报告中写道。这一事实似乎并没有足够多的人购买高山Alpine的产品问题。这可能是收购和定价选项,在这里, Alpine在所有供应商中获得是最低分数。
Dell计划进行大数据和预测分析。收购获得Statistica时进入市场。戴尔在第二波供应商架构中获得了最低分数,所以有很多需要改进的地方。
Make Room for Contenders:
Microsoft 和 Predixion Software给市场带来一些别人没有的价值体系。
他们似乎芽等着开花结果。微软,就其本身而言,它最近收购了有其新的Azure机器学习以及革命的资产分析。不仅如此,该公司的市场范围和雄厚资产。微软获得的分数低于许多供应商但是它是可原谅的,因为它的大数据和预测分析的解决方案可能是最年轻的。
Predixion Software,根据Forrester的咨询来看,提供了一个独特的工具,即(MSLM),一个机器学习的语义模型,包转换,可以部署的数据分析和评分,Java OSGI容器。“这意味着用户可以嵌入整个预测工作流和应用程序”该报告说。
Plenty of Good Choices:
Forrester关键的研究表明,更多的类似用户现在可以获得“现代预测能力”,预测分析现在允许组织嵌入智慧和洞察力。
当然,分析师建议你下载他们的报告,事实上,这可能值得做。这是一个快速发展的市场和供应商在迅速升级他们的产品。
如果没错,组织最好的利用数据将赢得未来,然后使用正确的工具可能是一个重要的区别。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13