Gartner y su cuadrante mágico en Data Science: el Open Source queda fuera

cuadrante gartner

Vale. Hoy me voy a poner el disfraz de geek y voy a hablaros de algo diferente. En anteriores ocasiones hemos hablado de hacia dónde va la innovación en esto del Predictive analytics y Big Data. Predicciones y más predicciones que cada año demuestran hacia dónde va todo y cómo podemos enfocar nuestros esfuerzos para ello.  Hoy, señores y señoras, vamos a hablar del Cuadrante de Gartner en versión Data Science. Y no, no me he vuelto loca.

Como sabréis, Gartner realiza varios cuadrantes según el foco de atención. En este caso, veremos cómo está situada la industria en esto del análisis de datos, también llamado Data Science. El cuadrante muestra qué empresas son Líderes, Retadoras, Visionarias y jugadoras de Nicho. En cada uno de estos cuadrantes, Gartner identifica los pros y contras de cada una de ellas y nos permite tener una idea clara de hacia dónde va todo.

 

cuadrante gartner

 

Como vemos, la innovación para el mercado de Data Science se centra en la nube, Apache Spark, automatización, colaboración y capacidades de inteligencia artificial. En este cuadrante, Gartner evalúa a 16 proveedores para que las empresas tengan claro qué les va mejor, pero también nos permite a nosotros, los que trabajamos con datos y analizamos,  hacia dónde va todo y cómo podemos estar a la última en analítica, lo que a su vez, si somos una pequeña empresa o autónomo saber qué tecnología utilizar.

Lo primero es  comprobar que la dinámica del mercado está encaminada en la adopción de plataformas de código abierto. Este está permitiendo aumentar la conciencia sobre el uso de Data Science aunque, como siempre que no hay una marca detrás, no son tenidos en cuenta a la hora de realizar estos cuadrantes. Sin embargo, amiguitos científicos, el uso de Open Source está cada vez más presente incluso en las grandes corporaciones que tradicionalmente han usado o usan plataformas mundialmente conocidas.

Así que, este cuadrante está dirigido a los siguientes sectores:

Línea de negocio (LOB)  con equipos de científicos de datos, que suelen resolver entre aproximadamente tres y 20 problemas de negocios en el transcurso de tres a cinco años. Se forman en el contexto de iniciativas dirigidas por líneas de negocio en áreas como marketing, gestión de riesgos y CRM. Recientemente, algunos han adoptado herramientas de código abierto (como Python, R y Spark).

En este sector nos encontramos con los Data Scientist que dirigen sus esfuerzos hacia las estrategias del negocio desde un punto de vista global, ayudando a la toma de decisiones de la C-Suite.

La única pega que le pongo al cuadrante es que tiene en cuenta a los vendedores han satisfecho los requisitos de umbral de ingresos e identificar clientes de referencia que demuestren una tracción intersectorial y geográfica cruzada significativa.

Vamos, que no tienen en cuenta a las empresas que están haciendo cosas realmente interesantes para clientes también importantes usando Open Source, y eso que muchas de ellas han implementado ya R o Python en sus análisis.

Comments are closed.