2月13日,中国领先的数字化市场研究与咨询机构爱分析发布了《2023爱分析 · 数据科学与机器学习平台厂商全景报告》(以下简称报告),报告旨在通过对业务场景的需求定义和代表厂商的能力评估,为企业数据科学与机器学习平台的建设规划、厂商选型提供参考。

经济新常态下,如何对海量数据进行分析挖掘以支撑敏捷决策、适应市场的快速变化,正成为企业数字化转型的关键。机器学习算法能识别数据模型,基于规律完成学习、推理和决策,正广泛的应用在金融、消费品与零售、制造业、能源业、政府与公共服务等行业的各种业务场景中。企业传统的机器学习虽然能有效支撑业务决策,但由于严重依赖数据科学家,其技术门槛高、建模周期长的特点正成为企业实现数据驱动的阻碍。数据科学与机器学习平台成为解决这一问题的重要方法:数据科学与机器学习平台能显著提升建模效率、降低建模门槛,能支持并赋能企业各业务场景实现智能决策,帮助企业打造数据驱动型组织。

《报告》提到,数据科学与机器学习平台是指覆盖数据采集、数据探索、数据处理、特征工程、模型构建、模型训练、模型部署与发布、模型管理与运营等建模全流程的平台,提供一站式建模服务,能显著提升建模效率、降低建模门槛。

研究发现,企业对机器学习的应用越来越广泛。一方面,数据量的激增、算法的突破以及CPU、GPU、DPU等多种算力技术的发展,为以机器学习为基础的数据挖掘、计算机视觉、自然语言处理、生物特征识别等技术在企业的应用奠定了技术基础;另一方面,市场环境的快速变化对企业决策敏捷性要求增强,不仅推动企业将机器学习模型应用到营销、广告、风控、生产等更多业务场景,也对模型精度、模型开发敏捷性以及模型应用广度提出更高要求。然而,机器学习技术门槛高、建模周期长,难以满足企业通过基于机器学习模型提升经营效率的需求。

数据科学与机器学习平台具备工具丰富集成、建模效率提升以及模型资产复用等特点,能充分满足企业对智能应用的需求,正成为企业智能化基础设施的必要构成。不同企业对数据科学与机器学习平台的需求不同,其差异取决于企业自身机器学习建模能力和对算法的需求。

比如金融、消费品与零售、制造与能源、政府与公共服务等行业企业,对数据科学与机器学习平台的需求主要体现在以下四个方面:

1) 降低机器学习建模门槛,使非专业建模人员也能掌握机器学习建模技术,赋能业务。

2) 提供定制化算法、模型部署和运营服务,快速创造业务价值。

3) 缩短建模周期,提高业务敏捷响应度。

4) 提供咨询服务,提升模型质量。

而人工智能软件与服务提供商对数据科学与机器学习平台的核心需求主要体现在以下四个方面:

1)  提高机器学习建模效率。

2)  满足数据科学家复杂场景建模需求。

3)  对模型开发资源和计算资源进行统一管理,支持计算资源弹性扩容,加速建模计算性能。

4)  为多角色的数据科学团队提供协作平台。

欲知甲方对数据科学与机器学习平台的详细需求,及甲方对厂商的能力要求,请登录爱分析官网(https://ifenxi.com/research/content/6358)

阅读完整版《2023爱分析·数据科学与机器学习平台厂商全景报告》。