&&&&&&&&&&&&&&&
如何看懂Gartner魔力象限？再度解析Gartner 2016商业智能与分析平台魔力象限
&&&&来源：互联网&&&&作者：&&&&&&
关键字：&&&&
Magic Quadrant魔力象限以二维模型来阐述各个厂商、供应商的实力与差异，基于两个分析指标方向。
1 如何看懂Gartner魔力象限
&&& Magic Quadrant魔力象限以二维模型来阐述各个厂商、供应商的实力与差异，基于两个分析指标方向。
&&& 横轴：前瞻性（Completeness of Vision）包括厂商或供应商提供的产品底层技术基础的能力、市场领导能力、创新能力和外部投资等等。
&&& 纵轴：执行能力（Ability to Execute）包括产品的使用难度、市场服务的完善程度和技术支持能力、管理团队的经验和能力等。
&&& 最后将这些分析指标综合起来定位在四个不同的区域：
Niche Players利基者、投机者
&&& 执行能力（Ability to Execute）和前瞻性（Completeness of Vision）都不足，但是可能在特定的某个市场做的不错，同时也不会超过那些特别大型的成熟厂商或者供应商。通常是集中在某些特定领域、专业领域，或者是一些比较新的企业。
Challengers挑战者
&&& 执行能力（Ability to Execute）很强，但是前瞻性（Completeness of Vision）不足。通常情况下是指比较大型的成熟厂商，由于其本身特定市场比较成熟、市场执行能力很强，但是在新领域新市场的拓展上目前还没有做出太多的发展计划改变。作为挑战者，在继续保持强有力的执行能力的同时，如果在市场前瞻性上能够调整和突破，是非常有希望进入领导者（Leaders）区域的。
Visionaries有远见者、愿景者
&&& Visionaries本身这个词的词义是指空想主义者、愿景者，但是放在这里还是用远见者描述更加合适。通常描述前瞻性（Completeness of Vision）很不错、了解未来的市场发展动态和前景，有潜力进行创新。在执行能力（Ability to Execute）上分为有远见但是短期内无法实现的早期创业者，和一些有远见但是执行反应能力调整不及时的比较成熟的大型厂商、供应商们。所以对于在这个区域的厂商或者供应商，一般要么就是早期市场中刚成长起来的中小企业，有创新能力有远见，一旦在市场执行得到提升也是非常有希望进入到领导者（Leaders）区域。
&&& 以2016 Gartner发布的有关数据仓库及数据管理解决方案市场的魔力象限（Magic Quadrant for Data Warehouse and Data Management Solutions for Analytics）为例。
&&& 在对全球21家厂商进行对比分析后，Gartner分析报告首次出现了来自中国的公司星环科技Transwarp，唯一一家出现在该领域的中国公司，也是魔力象限远见者（Visionaries）领域中全球最具有前瞻性（横轴最远）的公司。在Hadoop发行版厂商中，在前瞻性（Completeness of Vision）上已经超过了Hadoop领域的知名初创公司Hortonworks、Cloudera和MapR。星环科技在执行能力（Ability to Execute）上来看，目前也与以上提到的三大Hadoop厂商差距不大。如果能够在执行能力上继续得到提升的话，相信在不久的将来在数据仓库及数据管理解决方案（Data Warehouse and Data Management Solutions）的领导者区域应该可以看到中国厂商的身影。
Leaders领导者、行业领袖
&&& 执行能力（Ability to Execute）和前瞻性（Completeness of Vision）得分均比较高的大型成熟公司、行业领袖。他们拥有大量的客户群体，在全球市场上都有极高的知名度。这些行业领袖在市场中有很大的影响力，有能力有实力影响和引领整个行业的发展。
&&& 还是以上图为例，在数据仓库及数据管理解决方案（Data Warehouse and Data Management Solutions）的领导者区域还是以Oracle、Teradata、IBM、SAP、Microsoft这些传统巨头为主。同时也可以看到Oracle在执行能力上要远远高于其它厂商，在前瞻性上要稍微落后于Teradata和IBM。但这幅图最可怕之处是这五大厂商在领导者区域的位置已经深入领导者象限腹地，与挑战者或是远见者的平均得分的差距还是非常大的，可以说是行业的绝对领袖。
责任编辑：
本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e- tel：027-/21。
分页导航：
12345678910
12345678910
12345678910
12345678910详细解读Gartner每年魔力象限和技术成熟度曲线报告 | 199IT互联网数据中心 | 中文互联网数据研究资讯中心-199IT
数据爱好者必备网站
扫描微信二维码,数据随身查添加微信公共帐号： i199it欢迎关注：Gartner 2016 年商业智能和分析平台魔力象限报告--百度百家
Gartner 2016 年商业智能和分析平台魔力象限报告
分享到微信朋友圈
2016年，传统BI厂商集体沦陷，全部被驱除出了领导象限。IBM、SAP、SAS、Microstrategy等无一幸免，Oracle甚至已经完全消失。全球商业智能与分析行业市场正在发生哪些剧变？
2016年，传统BI厂商集体沦陷，全部被驱除出了领导象限。IBM、SAP、SAS、Microstrategy等无一幸免，Oracle甚至已经完全消失。全球商业智能与分析行业市场正在发生哪些剧变？
这几年，全球商业智能与分析平台市场经历了从“IT主导的报表模式”往“业务主导的自服务分析模式”转折的临界点。最近发生的采购大多是现代的、以业务用户为中心的自服务数据分析平台，全新市场观念的形成，深刻地改变了全球数据分析市场格局。
战略规划设想
到2018年：
1.&作为转向部署现代BI平台的一部分，大多数业务用户和分析师都借助自服务工具进行数据准备，即自服务数据准备。
2.&大多数独立自服务数据准备工具将扩展为一站式分析平台，或者作为一部分功能集成到已有的分析平台。
3.&智能的、企业级管控的、支持Hadoop的、支持搜索和可视化的探索式分析会打包到下一代数据分析平台中，一站式平台还包含自服务数据准备和自然语言生成功能。
魔力象限评估
基于以下5个使用场景对供应商进行评估：
1.敏捷且中心化的IT驱动的交付。支持敏捷且中心化的IT驱动的BI交付。基于平台自有的数据处理能力，IT部门能实现从数据到内容的交付，整个工作流程处于良好的企业级管控之下。
2.去中心化的分析。支持业务用户实现从数据到自服务分析的工作流程。
3.良好管控下的探索式分析。在良好管控之下，支持业务用户基于数据进行自服务分析，再生成可复用的内容，再提升为系统级可复用的内容。
4.嵌入式BI。支持将数据转化为可嵌入到其他流程或应用中的BI内容。
5.公网部署。这类似第一个使用场景，但目标用户变成了外部客户、公众部门，或者普通公民。
基于以下14条标准对供应商进行评估：
一、基础构架
1.BI平台管理。具备扩展性、性能优化、高可用性，以及高容灾性等功能。
2.云BI。具备平台即服务和分析应用即服务的功能，以实现分析应用的开发、部署和管理，且支持云端部署和本地部署两种形式。
3.安全性和用户管理。具备保证平台的安全性、可监控用户行为、可审计平台的访问和使用状况等功能。
4.连接多数据源。让用户能访问结构和非结构化的数据内容，这些数据存储在各种各样的平台中，既可能在云端也可能在本地部署。
二、数据管理
5.元数据管理。让所有用户能分享同一个语义模型和元数据。利用强大且集中的功能，管理员能搜索、捕获、存储、复用各种元数据，还能把业务用户创建的数据模型提升为系统级的数据模型。
6.ETL和数据存储。具备ETL功能，可接入、融合、转换、加载数据至自有存储层，还能索引数据，管理数据加载，或通过任务计划更新数据。
7.自服务数据准备。通过拖拽式操作，用户可融合不同来源的数据，并创造分析模型，例如，自定义指标、集合、分组、层级等等，更高级的功能还包括自动语义识别、自动关联、自动可视化，数据分层，数据血统、多结构化的数据融合等。
三、分析和内容创建
8.内嵌的深度分析。让用户能轻松接入深度分析功能。除了平台自有的深度分析功能，用户也能导入或集成平台外部的分析模型。
9.分析型仪表盘。支持制作高度可交互的仪表盘和内容。当用户访问这些仪表盘时，可以进行探索式分析、深度分析、地理分析等。
10.可视化的探索式分析。支持通过操作图表的颜色、亮度、大小、形状等手法去展现数据。这也包括一系列的可视化选项，包括饼图、柱形图、线图、热量图、树状图、地图，散点图和其他特殊的图表。这些工具让用户能以可视化的交互方式来分析数据。
11.支持移动端。支持将内容交付给移动设备，这既可以是发布模式也可以是交互模式，还支持移动设备自有的各种功能，例如触屏、拍照、地理位置、自然语言查询等。
四、知识分享
12.嵌入式分析。通过SDK和API接口，以开放标准支持创建和修改分析内容，以嵌入到其他业务流程、应用，或门户中。平台既可以在应用内也可以在应用外支持这些功能，但必须简单而无缝地集成到应用内，让用户无需在不同应用之间来回切换。平台还让用户能选择需要嵌入的业务流程。
13.发布分析内容。让用户能以各种输出形式和分发方式对分析内容进行发布、部署、操作。平台应支持内容搜索、故事叙述、任务计划、预警等功能。
14.协作与社交。让用户能以帖子、聊天、注释等方式分享并讨论基础数据、分析方法、分析内容等。
评估结果：
2016年商业智能与分析市场发展趋势
全球商业智能与分析市场的整体份额继续扩大。根据当前Gartner对该领域的年度综合增长率的预计，市场增长率可能维持在2014年的5.8%，直至2019年。然而，伴随着购买模式和需求的变化，不高的增长率反映了一个处于转变过程中的市场：购买决策持续从IT部门的领导转换为业务线的领导和用户，他们需要更敏捷和更灵活的个性化选择——新准则是先落地再扩展。现在与以往那种带动企业两位数增长的大规模的企业级交易截然不同，那时的IT部门掌握更多的预算，并对采购决策施加着更多影响。在如此快速进化的市场中，带动商业智能与分析市场新增长的主要驱动力，正受到以下因素的影响：
1、新供应商持续出现，使得市场上有更多创新的产品供买方挑选。在以后几年，买方将从关注那些提供新型BI和分析产品的供应商中获益，他们有充足的机会去投资那些进入市场的创新产品。如果买方需要试运行大量的创新产品以及大量的供应商参与到POC验证中，随着时间累积，其不利之处在于机构可能面临技术负债——作为多个独立解决方案所体现出的商业价值急速转变为缺少对设计、实施和技术支持足够关注的产品部署。在这个快速进化的BI市场中，机构需要形成正确策略和参考架构，用于评测各种可选的产品，以此降低他们的技术债务，从而避免在未来产生较多的返工和再设计的问题。
2、随着越来越多的用户驱动的数据分析平台得以部署，监管需求正持续增长，这将触发IT部门以新的形式介入其中。最初，当市场转变时，业务用户感觉到有能力绕开IT部门通过自主采购的方式去使用能够填补他们业务缺口的BI产品。随着时间的推移，产品部署持续扩大，用户变得越来越多，使用场景变得越来越复杂——业务用户与IT部门的合作又将重新展开，他们会协同开发出敏捷的流程去支持自服务数据分析的需求，即通过适度的企业级管控，去确保恰当而负责任的使用范畴。这将促成自服务数据准备结合探索式分析产品的场景，提供敏捷而集中的使用方式去成功地替代传统的使用方式，旧的方式往往缺乏敏捷性，而且也不支持IT部门与业务用户间的协作开发。这与在这个行业多次发生的“钟摆”现象相吻合，在这个行业，最终用户的实践最终将转向以IT为中心的方式的另一极端。在业务用户生成的内容急剧扩张的背景下，对监管的需求正在使钟摆回归至更注重企业级管控和协作的中间地带。
3、市场对智能的探索式分析的了解和接纳会让探索式分析获取到更广泛的用户群体，新产品触及的范围和影响力也会随之增加。在不需要建模和写算法以及查询的前提下，这些新出现的功能让用户能从越来越多的、复杂的、多结构化的数据集里发现大量的隐藏模式。除了探索式分析，通过交互的可视化、搜索和自然语言查询等技术，业务用户和分析师还能从深度分析中直接获益（高亮和可视化诸如重要发现、相关性、集群、预测、异常值、反常、关联、趋势等结果）。有些工具还会为用户说明分析结果，例如生成自然语言的文本去突出显示模式和阐释洞察。这样可以减少发现洞察的时间，也节省了手动探索和手动建模的时间开销和专业技能要求。探索式分析并非替代了高级数据分析师和数据科学家，而是为他们增加了一群公民数据科学家。这些公民数据科学家帮助他们产生了更多的设想，再随之开展更细化的探索，数据学家可以帮着确认最终结果。
4、机构从持续增长的多结构化数据源中融合和获得洞察的需求，将推动智能的自服务数据准备和智能的探索式分析领域的持续创新。市场需要更加强大的软件功能，包括自动提取、推论、浓缩和创建搜索索引访问新数据源。以手动方式去完成这些工作将会难以匹配数据多样性和复杂度的增长，随着时间的推移这种增长将是指数级的。同时，通过自动的模式探索和洞察发现，机构可以扩大分析规模，也可以让更多的用户群体可以受益于分析洞察功能。
5、通过自然语言查询，基于搜索的探索式分析将让更多的用户获益。由于BI和分析平台对自然语言查询支持得越来越好，更多的非技术用户能以对话提问的方式来分析数据，新用户将更有可能参与到利用探索式分析中。业务驱动的自然语言查询需要底层的基于多结构化数据的搜索功能，这一领域的进展将不断提升该功能的易用性和可信度。
6、市场将不断扩张且更加成熟，这将为机构创造更多的机会去购买或销售分析应用。一个活跃的市场可以让买家和卖家汇聚起来交换分析应用、聚合数据源、自定义可视化和算法，这将增加对BI和分析领域的需求，并推动其未来的增长。成熟起来的市场将为BI供应商们提供新的销售渠道，基于他们平台的分析应用可以在自有的渠道和合作伙伴的渠道销售。这一成熟市场的主要好处在于这是一个面向终端用户的市场，他们几乎可以获得想要的任何分析应用，以用于内部解决方案和流程的开发。
7、为更好地支持物联网，机构需要支持实时动态和流数据抓取。为了使机构能处理在这个互联世界中由设备、传感器和人产生的大量数据，机构必须在捕捉和加工这种数据上进行投资。BI和分析市场的竞争者们也需要在类似方面进行投资——让买家在同一平台中合并实时动态和流数据以及其他来源的数据，去开发新一代的具备很大影响的分析应用，让用户能利用这种实时洞察能力。
分享到微信朋友圈
在手机阅读、分享本文
还可以输入250个字
推荐文章RECOMMEND
阅读：1002
资本市场再次关照了企业级服务领域，移动CRM首当其冲成为焦点，纷享销客D...
阅读：12万
阅读：10万
热门文章HOT NEWS
城市拥堵造就了共享出行市场的千亿市值，滴滴出行一年烧掉100个...
首席发言者
娱乐资本论
百度新闻客户端
百度新闻客户端
百度新闻客户端
扫描二维码下载
订阅 "百家" 频道
观看更多百家精彩新闻当前位置： →
从2016年魔力象限看全球大数据厂商风起云涌
一. Summary
大数据存储与分析市场风云变换，全球行业对于大数据分析与处理的需求加速增长，无论是数据采集、数据分析及IT基础支撑都需要强有力的技术功底。各大数据厂商也纷纷提出自己的解决方案，但不同的解决方案有相应的适用场景，本文基于Gartner 2016年发布的魔力象限对全球大数据管理与分析行业的市场现状进行阐述，可对企业大数据解决方案选型提供最具前沿的参考价值。
二. 什么是Gartner魔力象限
Gartner魔力象限描述了Gartner公司依据标准对市场内的厂商所进行的分析。Gartner公司并不对在魔力象限中描述的任何厂商、产品或服务出具官方认可，也不建议技术用户只选择那些位于&领导者&象限里的厂商。魔力象限仅用作一种研究工具，并不意味着是行动的具体指导。Gartner公司对该项研究不承担任何明示或默示的担保，包括适销性或适用于某一特定用途的任何担保。
魔力象限的四个象限依次分别为领导者、挑战者、有远见者和特定领域者（Niche Players）：
特定领域者：公司发展前景的完备性和执行能力方面都得低分的公司也许占有一定的市场份额，但还是比不上规模大一些的厂商。这些公司通常关注功能性或其他特定领域，要么就是新成立的公司。
有远见者：了解市场动态并且有潜力进行创新，但也许尚缺乏执行这些的能力。虽然这是早期市场中的企业标准，但是在较为成熟的市场中，有远见者则常常要么是设法实现的小企业，要么是不想按常理出牌的大厂商。
挑战者：执行能力高，但缺少强劲的发展势头。挑战者往往是大型一点的成熟厂商并且不愿打破其当前的发展计划。随着公司的发展他们完全有实力成为行业领袖。
领导者：公司发展前景的完备性和执行能力方面均得高分的行业领袖往往是大型的成熟公司、拥有大量客户群并且在市场上知名度极高。行业领袖在市场中有巨大的拉力，甚至有实力影响市场的整体发展方向。其提供的产品应包含额外的功能，且能提高市场对这些功能的重要性的认识，从而显示出对市场的影响能力。
三. 市场需求描述
目前的大数据分析市场，企业需要一套能够管理和处理各种类型、不同格式、不同数据来源的数据管理与分析解决方案。除了企业信息化的数据之外，可能还包括一定的监测与交互数据，如物联网传感器的数据等。随着数据量和数据种类的增加，经常面临对企业已存在的数据仓库系统及架构进行改造。本文提及的数据管理与分析解决方案（The Data Warehouse and Data Management Solutions for Analytics, DMSAs）主要包括：
1.支持不同文件管理系统（XML，TEXT）和异构数据库的数据整合
2.能够进行结构化的数据查询与处理
3.支持不同的数据访问接口
四. Gartner定义的四类数据仓库
数据仓库不仅是一个单一的数据库，它是一整套的数据管理系统，包含很多的辅助工具、一些设计理念和管理方法。
1.传统数据仓库：一般指存储处理各种结构化历史数据的数据管理系统，不同数据源通过批处理的方式加载到仓库。这类数据仓库采用集中化的架构，处理的数据量能力有限，水平扩展能力较差。
2.操作型数据仓库：操作型数据仓库把对数据的实时访问和操作进行了提升。数据不再是T+1的模式，而是T+0或准实时的模式，也就是说当天，甚至是几分几秒，都可以访问到数据。
3.逻辑数据仓库：逻辑数据仓库的数据不再局限于结构化数据，还包括非结构化数据，如视频、音频、文档等格式。逻辑上是一个大的数据仓库，底层可以包括各类数据源，进行关联处理。
4.上下文无关的数据仓库：通过利用新的机器学习的统计方法，不仅做传统SQL的统计，还能够从数据关联上面发现规律、关联模式、时序上的特征。通过对它进行一些预测分析，能够发现统计学意义上的因果关系。
五. Gartner魔力象限详述
　　Source: Gartner (February 2016)
横轴：前瞻性（Completeness of Vision），包括厂商或供应商提供的产品底层技术基础的能力、市场领导能力、创新能力和外部投资等等。
纵轴：执行能力（Ability to Execute），包括产品的使用难度、市场服务的完善程度和技术支持能力、管理团队的经验和能力等。
下面结合魔力象限对各解决方案厂商进行概要性的阐述：
1. 1010data
1010data是一个致力于管理服务的数据仓库提供商。它的DBMS和BI主要面向金融服务、零售、电信、政府和健康领域。
1）1010data近几年一直处于快速增长阶段，目前已经超过750家客户。当前集中在基于云的解决方案方面。
2）其交互式数据分析的简单易用、查询的高效性、数据加载的性能受到一致好评。
3）1010data目前仅局限于逻辑数据仓库（LDW）。主要关注于基于1010data云的数据管理与分析支撑；
4）1010data仍然主要在美国。近期开放了德国数据中心，用于欧洲运营。
Actian提供了基于Actian分析平台的数据仓库和数据管理解决方案。该平台包括3个产品：Matrix，MPP（massively paralell processing）DBMS引擎；Vortex，基于Hadoop的分析平台，Vector，SMP（symmetric multiprocessing） DBMS引擎。
1）Actian提供了集成的数据仓库解决方案，号称可以支持4类数据仓库功能。基于Vortex，可以提供集成的数据分析能力。
2）市场反映，Actian提供的逻辑数据仓库和上下文无关数据仓库功能可以处理多种数据格式。总体上，Actian的查询性能和分析能力值得肯定。
3）Actian Matrix是Amazon Redshitf的基础数据库。但matrix和redshitf在技术和架构演进战略上并不一致。Actian用户无法使用两种技术进行基于混合云和本地化的部署，但Actian可以将Matrix部署于第三方云服务提供商进行服务提供，如微软的Azure和Rackspace。这样，用户可以使用部署于云上的Matrix进行系统部署和测试。
4）目前在市场上，Actian的使用度并不广，但Actian声称其增长速度已经超过了市场平均水平。
3. Amazon Web Services
Amazon Web Services(AWS)提供了Amazon Redshift（基于云的数据仓库服务），AWS Kinesis（流数据处理），Amazon Simple Storage Services S3（简单存储服务），Amazon Elastic MapReduce EMR 几种服务。
1）AWS被认为是云数据仓库平台服务提供商的领导者。它基于云平台的可扩展性、技术的灵活性进行快速的应用。
2）AWS联合多种数据管理解决方案，能够提供不同类型的应用。例如，使用S3进行数据湖的支撑建设，利用Redshift进行数据分析。
3）大量用户表示，他们打算追加更多的投资到Redshift，表明了其对此产品的满意度。
4）所有主流的服务提供－IBM，Microsoft, Oracle，SAP和Teradata，现在都积极地通过数据仓库即服务和AWS在云计算领导进行竞争。对于在价格和产品功能上持续竞争，尽管用户对于云产品可以有了更多的选择，但用户需要有一定的产品辨识度。
4. Cloudera
Cloudera提供基于Apache Hadoop生态系统的数据存储和处理平台。同时也提供一些用于系统设计、部署、维护、管理的专有系统和数据管理工具。
1）Cloudera不同于其它Hadoop系统提供商，其专注于某些能力的贡献，比如持续跟进Hadoop开源项目，持续提升Cloudera导航器（提供元数据管理、血统管理和审计）。
2）Cloudera将其解决方案作为传统数据仓库的有力补充，并且充分利用了其与传统DBMS提供商的联合，如Oracle。
3）Cloudera持续在全球上进行扩张，如在欧洲、亚洲、拉丁美洲的用户数增长很快。同时，在其全球生态系统上的合作伙伴也一直在增强。
4）尽管Cloudera表现出了对于云部署的兴趣，但Cloudera仅仅把云平台作为IaaS使用，并没有提供可伸缩的、弹性的、可管理的服务支持。Cloudera通过提升Cloudera Director来满足对于云平台部署的需求。
5）Hadoop的模块化设计，允许新的模块能够轻松的加入系统，Cloudera持续扩展它的组件，来满足新的业务需求。
Exasol提供基于内存的列存储DBMS，它提供免费的单节点安装版本，集群部署解决方案和Dell Appliance的集成。 它同时也提供基于EXACloud云平台之上的全管理解决方案，以及基于第三方云服务提供商的解决方案，如AWS, 微软的Azure和Rackspace。
1）Exasol的市场表现在持续增长，目前已经超过100家客户。尽管它的用户大部分在欧洲，Exasol正在美国寻求新的突破。
2）Exasol基于现有的并行分布系统，引入虚拟模式开发（对于外部数据源）和脚本语言容器。这种结合使得用户或合作方可以使用任何语言（R，Scala，Java，Lua，Python）在Exasol上开发、部署、运行他们的模型。
3）Exasol缺乏市场远见。这种情况在2016年很可能依然如此，因为公司主要选择通过合作方进行欧洲以外市场的扩展。尽管近期在美国的取得了成功，但Exasol于2015年进行了相应比例的缩减。
4）Exasol客户报告Exasol缺乏部署和生命周期管理能力，例如集群的缩减和SQL客户端的功能。另外，Exasol提供的相关文档不够充分，并且缺乏一些市场策略。
6. Hitachi
Hitachi利用Hitachi Advanced Data Binder(HADB)于2014年进入数据仓库和DMSA市场。 主要提供三方面服务：Desktop, &entry& 模型和&standard& 模型. 它的售价依赖于期望的存储容量、CPU处理器的核数和内存总量。
1）日立的路标瞄准解决日本市场的需求。HADB是一个致力于工业界的高速、传统数据分析解决方案，主要针对结构化数据分析（包括传感器数据）。
2）日立客户会考虑将大量交易数据、传感器数据和地图数据转成结构化数据，通过HADB进行数据分析。特殊地，HADB用户利用它的out-of-order执行特性，可以绕过传统的同步操作来增加处理器I/O的并发度。
3）日立客户极度责怪日立提供的服务支撑。他们报告说明，通过使用HADB极大提升了自己操作的能力。
4）Hitachi在日本市场提供基础的数据仓库解析方案，目前比较成熟高效。在最近的发展策略下，Hitachi正在北美寻求市场。
5）Hitachi在2015年在市场方面增长有限，导致了仅有一小部分的产品增长。因此，Hitachi在魔力象限中处于不利位置。
6）Hitachi的HADB定位于处理大量结构化数据的高性能分析，并没有解决逻辑数据仓库（LDW）的问题，也就是无法处理非结构化数据。然后，Hitachi的Pentaho acquistion作为LDW的替代品已经出现于市场之上。
7. Hortonworks
Hortonworks提供基于Linux和Windows的Hortonworks数据平台（HDP）。同时也提供基于不同云服务提供商且运行于Linux之上的Hortonworks数据流工具HDF。Hortonworks与微软（具体是它的Azure HDInsight服务）合作，进行远端混合云的部署。基于此，Hortonworks提供免费的桌面沙箱HDP版本。
1）在2014年12月，Hortonworks成为第一个Hadoop发行版提供商进入公众视野，证明了Hadoop对于企业的活力和流行度。Hortonworks公开其自从上市后新客户有显著增加。
2）Hortonworks由于持续合作伙伴的增加，包括传统的数据库厂商 ，越来越受到市场的认可。Hortonworks避免与其直接竞争，这也正符合其对hadoop发行版扩大数据仓库市场的期望和作用。
3）Hortonwork通过与大数据生态的深度合作与集成，保持自身hadoop的特性，这无疑将是一个巨大的挑战。因为其它大数据服务商如微软、Teradata也在同其它Hadoop服务商进行合作。
Hewlett Packard Enterprise&s(HPE&s)致力于数据管理与分析解决方案。HPE的Vertica，是一个列式存储的分析型DBMS。同时Vertica也支持基于云计算的部署，并且提供与Hadoop的集成和基于Hadoop的SQL查询。
1）用户可能使用Vertica进行各种use case和各类数据的分析。
2）HPE Vertica能够满足主要的市场需求和趋势，如LWD，基于库内运算等。
3）HPE满足了一定的用户需求，但Gartner的客户调查显示其客户群体量不大。这表明HPE在增加其市场扩展方面面临着不小挑战。
4）用户提出HPE的DBMS在管理上的问题与挑战，尽管它在逐渐的提升。
5）目前HPE Vertica在中国的销售遇到不小的困难，主要原因是其按存储容量进行报价。
IBM提供单机的DBMS解决方案、数据仓库专用设备、z/OS解决方案和Hadoop发行版BigInsights。其专用设备包括IBM PureData分析系统，IBM PureData运营分析系统、IBM DB2分析加速器和IBM智能分析系统。IBM提供基于分析加速器Blu Acceleration的IBM DB2，以及数据仓库管理服务。IBM在2014年10月发布了dashDB(基于IBM旗舰产品DB2关系型数据库的BLU Acceleration内存计算技术。)
1）IBM推出dashDB和DataWorks的云服务。用户可以在一个弹性的环境中通过此服务进行快速的数据分析模型部署。可以解决快速增长的数据分析需求。
2）2015年，IBM提出了IBM Fluid Query，可以连接关系型和Nosql数据库。IBM还致力于Apache Spark开源项目，将为IBM在流式计算、数据挖掘、高级分析带来产品的竞争力。
3）目前dashDB的使用范围不确定，尽管IBM宣称已经大范围使用，但Gartner仅接到小部分的用户使用报告。
10. Infobright
Infobright是一家全球公司，提供基于Mysql-postgre sql API的列存储、高压缩比的DBMS。主要销售商业版本的Infobright。目前有试用版可下载。
1）用户对于Infobright的处理速度十分满意。主要归功于Infobright的处理方式、压缩比、数据载入速率和对索引的依赖。
2）2014年，Infobright经历了一次重组，导致了现金流转的变化。其中就包括减少对于产品的支持。
3）物联网数据为Infobright提供了机会。已经计划在这方面进行技术的变革与创新。
4）根据用户反映，一些Mysql数据类型Infobright软件不支持。
11. Kognitio
Kognitio提供了Kognitio分析平台，它即是一个数据仓库DBMS，也是一个专用设备。Kognitio提供公有云或私有云的云解决方案，也在AWS上提供公有云服务。
1）一些Kognitio的大客户在单一的数据管理分析环境（LWD）下运行传统分析解决方案，如数据集市、数据仓库和hadoop。
2）为了和Hadoop节点融合共存，与Apache Hadoop YARN和Kerberos集成，实现JSON的解析，Kognitio很可能将其分布式分析作为一个通用的处理引擎。
3）Kognitio客户发现Kognitio与很多第三方BI和数据集成产品无法集成起来。
4）Kognitio用户也发现了数据库管理的相关问题，如内存管理等。另外，他们认为管理UI需要进行提升。
12. MapR技术
MapR提供Hahoop发行版，此发行版对Hadoop的性能、存储进行优化，具有高可用性，且具备一定的管理工具。
1）MapR扩大了其产品范畴，开始和众多合作伙伴开展融合，共同提供解决方案，如AWS, Google，HPE，IBM, Microsoft, SAP, SAS和Teradata。
2）客户称赞MapR在高可用性、集群管理等性能。另外，MapR继续提升在授权、审计等方面的能力。
3）MapR聚焦其大范围的use case。支持流式处理、分析型用例。
4）尽管MapR在市场上的努力，但它仍然缺乏市场的可见性。
5）MapR的用户表示其升级和安装是一个很大的挑战。为了解决这个问题，MapR现在已经提升了GUI的安装界面，playbooks，专业升级包等。
13. MarkLogic
MarkLogic提供NoSQL数据库，可使用XML，JSON，Text，RDF和二进制存储，提供元数据驱动的语义实体管理层。MarkLogic还包括对索引、分层存储、HDFS/Amazon S3、移动复制、全文本查询、地理空间能力、SQL/ODBC和支持。
1）MarkLogic过去三年在收入和用户群上有了快速的增长。它的客户源自全球，主要包括北美、中国、新加坡、南韩、法国、东欧等地。
2）MarkLogic用户使用它的产品多用于半结构化数据集（也含结构化）。
3）MarkLogic是一个小的服务提供商，主打个性化的服务能力。但目前能够在整个大的市场下开展竞争 。
4）尽管同期相比，Marklogic在提升，但主要还是依靠口碑进行平台的宣传与扩展。
14. MemSQL
MemSQL为事务型用例提供基于内存的DBMS，结合基于磁盘的列存储提供分析服务。
1）MemSQL的策略主要聚焦提供低时延的事务和分析用例能力。目前集成Apache Spark提供流式、事务和分析能力。
2）MemSQL于2013年进入DBMS市场，解决运营用例。现在它进入数据仓库和DMSA市场，主要致力于运营分析用例。
3）用户表示MemSQL的定价是一个问题，并且MemSQL没有提供免费的社区版本。
4）MemSQL的定位在于提供混合的交易、分析、处理（HATP）的用例，但目前仅提供初级的操作型DBMS。
15. Microsoft
微软在市场上有多种数据分析产品，SQL Server，微软分析平台系统（整合了SQL Server并行数据仓库和HDInsight），基于云的Azure SQL数据仓库和基于Hadoop的Azure HDInsight。
1）微软基于云的解决方案包括一个融合Azure SQL数据仓库和数据分析环境，目前已经吸引了大量客户关注。
2）微软Azure联合查询、Azure机器学习、Azure数据工厂为微软用户提供了自我服务的数据管理分析环境。另外，基于微软的Azure数据湖商店、Azure数据湖分析，微软的用户社区由其自己品牌的公民科学家支持。
3）用户提出一些偶然的后端和架构问题。同时也指出微软灾难性的恢复功能、SMP和MPP的整合、平台绑定展现管理以及部署问题。
4）微软对于分析型数据管理解决方案的定位并不明确，它需要明确如何同时支持个人用户和企业级用户。
16. MongoDB
MongoDB提供一个开源的文件DBMS。其支持自动分区、容错、二级索引、地理空间数据及和文档数据检索、以及相应的管理工具。他支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。
1）MongoDB由于对操作型数据强大的处理能力而被人所知。它的软件通常采用嵌入式的方式进行使用。
2）用户经常强调MongoDB在操作型数据分析上的能力，以及MongoDB所具有的管理接口。
3）尽管MongoDB满足用户操作型分析需求上的功能，但用户仍然很难将其看作是一个企业级的分析平台。
4）用户也暴露出MongoDB的一些问题，如读写锁管理、授权、复本以及网络存储的性能等。
17. Oracle
Oracle提供Oracle 数据库12c，Oracle Exadata数据库设备，Oracle大数据设备，Oracle数据库Exadata云服务，Oracle大数据管理系统，Oracle大数据SQL以及Oracle大数据连接器等产品。
1）Oracle用户表示将软件硬件整合在一套解决方案有利于部署与管理。其用户满足Oracle系统的性能与稳定性。在2015年，Oracle报告显示其在北美、EMEA、以及亚太地区，大量企业采用Oracle大数据设备。
2）目前Oracle数据库的版本包括基于JSON数据之上的SQL能力、基于内存和列式的数据存储。
3）Oracle大数据机是一款集成设计的系统，旨在简化大数据项目的实施与管理。
4）Oracle数据集成Hadoop应用适配器通过Oracle数据集成器易于使用的界面，自动生成Hadoop MapReduce代码，简化了Hadoop应用与Oracle数据库的数据集成。
5）Oracle Hadoop装载器使客户能够利用Hadoop MapReduce处理功能建立优化的数据集，从而在Oracle数据库11g中进行高效率加载和分析。
6）Oracle Direct Connector可通过SQL语言从Oracle数据库直接访问Hadoop分布式文件系统上的数据。
18. Pivotal
Pivotal是一家由EMC、VMware和GE联合成立的公司。它提供开源的数据管理解决方案。它的产品主要包括Pivotal GreenPlum和Pivotal HDB。它也通过Pivotal实验室对外提供服务。另外，Pivotal通过它的大数据套件整合提供产品服务。
1）首先Pivotal大数据套件中的所有组件都是业界最领先的大数据产品，同时拥有大量顶级的客户案例。
2）Greenplum的开放架构受到了许多企业的青睐，除电信、金融等大企业之外，Greenplum在互联网公司也拥有广泛的应用。
3）Pivotal HD是最强的Hadoop发行版，它提供了企业级的支持与版本延续性管理。更为重要的是，Pivotal大数据套件中的所有产品都实现了无缝的集成与联动，全分布式架构涵盖了大数据处理的各个领域
4）Pivotal客户报告了其一系列优势，包括速度、分布式处理能力、稳定性和高可用性。
SAP提供SAP IQ和SAP Hana。SAP IQ，第一个列式存储DBMS，支持单机。SAP Hana是一个基于内存的列式存储系统，支持操作型和分析型的用例。SAP也提供一体机，基于云的解决方案（SAP Hana云平台）。另外，还提供基于Hana之上 的SAP商业数据仓库。
1）SAP在数据仓库方面持续取得成功。采用基于Hana的SAP商业数据仓库增加了不同的客户群。
2）SAP持续提升其在云部署方面的伸缩性和灾难恢复的高可用性。
3）SAP通过扩展SAP Hana Vora和其它DBMS与Hadoop的关系，使其作为生态系统的一部分，持续改变SAP Hana的市场定位
4）尽管SAP上下的努力，SAP Hana目前还仍然主要是被已有的SAP用户采用。这也表现出SAP扩展其分析型数据管理市场的挑战。
5）SAP用户提出SAP Hana存在的一些问题，如功能性缺失、稳定性问题。
20. Teradata
Teradata的产品包括DBMS解决方案、数据仓库设备和云数据仓库解决方案。Teradata同时提供传统数据仓库和逻辑数据仓库（LDW），也就是Teradata声称的统一数据架构（UDA）。它也提供特定硬件和基于特定分析数据库软件的融合服务，比如基于各类设备的Teradata数据仓库一体机。
1）Teradata持续开展大数据产品以满足变化的市场需求，如Teradata云，基于AWS的Teradata分析和基于Hadoop的Aster分析。这些新的方法为客户提供了一定的伸缩性，也为独立采用Teradata产品提供了机会。
2）Teradata开始处理流式数据的处理需求。在IoT时代，将会带来一定的机会。这也是一个应对市场需求与趋势的重要转变。
3）客户对于Teradata软件称赞其性能、稳定性和对工作负荷的管理。
21. Transwarp（星环科技）
Transwarp提供Transwarp数据集中器（TDH），它是一个Hadoop发行版的套件，在此之上补充了SQL引擎、机器学习算法、NoSQL查询引擎和流式处理功能。
1）尽管Transwarp是一个年轻的大数据服务提供商，其在中国市场取得了不断的提升。在18个月内获得了200个客户。
2）Transwarp拥有独特的数据能力，包括基于Apache Spark的Inceptor SQL组件，融合Oracle SQL和PL/SQL提供create, read, update, delete和ACID操作。这些组件功能被用户极度赞扬。
3）客户表示，其不仅对Transwarp的产品非常满意，对公司提供的培训和支撑也一样满意。
4）到目前为止，Transwarp仅在中国。Transwarp到目前还没有提供基于云计算的解决方案，尽管其声称云已经在其路线图中。
六. 小结：
本文主要结合Gartner魔力象限对目前全球主流数据管理与分析厂家的产品功能、市场定位进行了阐述。相关内容可作为企业大数据架构及产品选型的参考。另外，本文不涉及商业智能及数据挖掘厂商，因此，像SAS，Tableau等厂家并不在讨论范围之列。
本文为中国联通网研院网优网管部IT技术研究团队独家提供，作者：苏飞
关注官方微信
扫一扫分享本文到朋友圈
联系我们：
&(发送邮件时，请把#换成@)
投稿信箱：
&(发送邮件时，请把#换成@)
企业网版权所有}