Gartnerの評価レポート
機械学習プラットフォームでH2O.aiやKNIMEなど小規模ベンダーが躍進
データサイエンスと機械学習の市場は急速に拡大している。調査会社Gartnerの最新レポートによると、急増する市場の需要に素早く対応できる小規模ベンダーが大手を抑えてリードしているという。
調査会社Gartnerは、データサイエンスと機械学習のプラットフォームに関する2018年版評価レポート「Magic Quadrant for Data Science and Machine-Learning Platforms」を発表した。今回はH2O.aiやKNIMEといった小規模なベンダーが大手のIBMやMicrosoft、SAPを抑えて「リーダー」として評価され、「アドバンストアナリティクス」という用語の実質的な生みの親であるSAS Instituteと並んだ。
同レポートは、アナリティクスプログラムが成熟に向かい、アプリケーション開発者などデータサイエンティスト以外にもデータサイエンスツールの需要が広がって、今後も変動が続くと予想する。実際、データサイエンスと機械学習への投資は増加しており、2016年の収益は9.3%増加して24億ドルに達した。2016年のビジネスインテリジェンス市場全体の収益増4.5%と比較すると突出している。
データサイエンスと機械学習への関心が高まり、市場にはますます多くのベンダーが参入している。なぜかこのレポートにランクインしていないGoogleやAmazon.comなどのクラウドベンダーも、この分野の技術の開発を手掛ける。従来とは異なるベンダーもアナリティクス分野に進出し、勢力を伸ばしている。例えばSalesforceは「Einstein」という技術を提供しており、人材管理・財務ソフトウェアベンダーのWorkdayはビッグデータアナリティクス企業のPlatforaを買収した。
企業の最高情報責任者(CIO)は市場のこうした目まぐるしい動きに目を配り、現在採用しているベンダーが急速な変化に対応できるのか、常に注意を払っておくべきだとGartnerは助言する。新規ベンダーの起用を検討する際は、データサイエンスと機械学習の新しいプラットフォームが既存のものと競合するのではなく補完するものになるか、よく調べる必要があるという。
同レポートは、データサイエンスソリューションの構築に必要なデータのアクセスと準備などの基本ツールを統合し、データサイエンスソリューションをビジネスプロセスやインフラストラクチャ、製品に実装するプラットフォームを提供するベンダー16社を評価した。前年とは異なり、2018年版は機械学習を対象に加え、「データサイエンスのサブセット」と位置付けており、こうしたプラットフォームを評価する際に特に注目すべき分野だとした。
このレポートは「ビジョンの完全性」と「実行能力」を軸にベンダーを評価し、その結果に基づいてベンダーを「チャレンジャー」「ニッチプレイヤー(特定市場指向型)」「ビジョナリー(概念先行型)」「リーダー」に分類する。最も有力なベンダーと見なされるリーダーに選ばれたのはAlteryx、SAS、KNIME、RapidMiner、H2O.aiだ。そのすぐ後ろには、チャレンジャーに選ばれたTIBCO SoftwareやMathWorksが迫っている。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[日本ビジネスシステムズ株式会社] 専門家が教える、Microsoft 365の「テナント統合/分離」を成功に導く秘訣 -
製品資料
[rakumo株式会社] Microsoft 365での情報埋没を防ぐ、社内ナレッジを資産化する情報ポータル活用 -
技術文書・技術解説
[NTTインテグレーション株式会社] 「耐量子計算機暗号」(PQC)に今、取り組むべき理由とは? 実現の道筋も解説 -
製品資料
[株式会社リンプレス] どうしたら非デジタル人材を「自走するDX推進者」に変えられるのか? -
製品資料
[アステリア株式会社] 既存システムをAIレディに変える「連携型モダナイゼーション」の手法とは?
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
半数がブルーカラー転向を視野に? ベテランエンジニアを追い込む“54歳の壁”
-
2
「Windows」の不要なファイルを安全に消して容量を空ける方法
-
3
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
4
生成AIが普及しても「技術書」を手放せないエンジニアの本音
-
5
IBM iのブラックボックス化を打破 資産継承と進化を実現する「IBM Bob」の実力
-
6
なぜ「Gemini 4 Argon」は出遅れたのか? Googleが狙う“逆転のシナリオ”
-
7
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
8
OpenAIやAnthropicでさえ制御不能 2026年夏「3大サイバー攻撃」の衝撃
-
9
「アップグレードできないJava」をどう守る IBMとRed HatがAIで400件超修正
-
10
ChatGPTは“検索しまくり”でGeminiは“淡泊”? データが明かすAIの裏側
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する? 超速の攻撃からエンドポイントを保護する方法
-
2
最速72分でデータが流出? 最新の脅威トレンドや侵入手法から分かった防衛策
-
3
2026年のサイバーセキュリティには何が必要か? 最新データに学ぶ傾向と対策
-
4
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
5
「IT史に名を残すシステム障害」8選
-
6
SASE選定は「見極め力」で大きな差――本当に必要な製品を選ぶための6つの視点
-
7
不審メールの経路や見せ方に変化? 2026年夏の3事例から見えた動向と対処方法
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
10
「標的型攻撃メール」事例・サンプル集
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー