Gartner 2019年數據科學和機器學習平台魔力象限（截至2018年11月）
2019年的報告評估了17家供應商（比往年多了一家），基於前瞻性（簡稱前瞻）和執行能力（簡稱能力），與往常一樣將它們列在四個象限中。
請注意，Gartner僅包括擁有商業許可產品的供應商。盡管像Python和R這些純粹的開源平台在數據科學家和機器學習專業人士當中大受歡迎，但並未包括在內。
Gartner數據科學和機器學習平台魔力象限，2019年與2018年比較。2018年魔力象限（灰色背景圖）和2019年魔力象限（前景圖）的結果，箭頭連接代表同一家公司的圓圈。如果公司位置大幅改善（遠離原位置），箭頭標以綠色，如果公司位置下降，箭頭標以紅色。綠色圓圈表示2家新公司（谷歌和DataRobot），紅色X標志着今年跌出象限的供應商（Teradata）。
開源的數據科學分析平台KNIME
KNIME是一個開源的企業級分析平台，專為數據科學家而設計。KNIME的可視化界面包含從提取到呈現數據的所有節點，並強調統計模型。KNIME數據分析平台最引人注目的是其強大的數據和工具的集成能力，KNIME與其他幾種數據科學工具（包括R，Python，Hadoop和H2O）以及許多結構化和非結構化數據類型集成。
推薦這款軟件的主要優點是：
1-Knime軟件開源，有大量帶數據案例可以學習
2-Knime支持圖形界面，細分非常小的節點和過程
3-knime支持Python、R和Weka語言，當然還有原生的Java編程，很容易語言集成
4-Knime有社區和實驗室，Community Nodes和Knime Labs 不斷更新處理新事物
RapidMiner快速挖掘[ˈræpɪd][ˈmaɪnər]
RapidMiner是世界領先的數據挖掘解決方案，通過在圖像化界面拖拽建模，輕松實現了數據准備、機器學習和預測模型部署，無需編程，簡單易用。下圖展示了其工作流程
其具有如下優勢：
- 統一的平台：
一個平台，一個用戶界面，一個系統，支持從數據准備，模型部署到正在進行的模型管理的完整工作流程。
- 可視化工作流設計：
快速易學和方便使用的拖放方法加速了端到端的數據科學，從而提高生產力。
- 廣泛的功能：
超出其他可視化平台更多的預定義機器學習函數和第三方庫。
- 開源創新：
廣泛接受的開源語言和技術，超過250K的數據科學專家的社區和強大的marketplace與不斷發展的數據科學需求保持同步。
- 廣泛的連接：
超過60種connectors可以輕松訪問所有類型的數據：結構化、非結構化和大數據。
- 各種規模的數據科學：
在內存中或hadoop中運行工作流，為各種規模的項目提供最佳選擇。
參考文章：