Gartner

Los científicos de datos deberían saber algo, los rudimentos al menos, de los sistemas de recomendación. Saber, como poco, que los hay personalizados y no personalizados. Así como las ventajas e inconvenientes de unos y otros.

Gartner ha publicado su informe de herramientas de ciencia de datos de 2018. Que es una especie de sistema de recomendación. Obviamente, no personalizado.

Es raro que ningún artículo que haya leído sobre el asunto (escritos por más o menos presuntos científicos de datos) haya hecho hincapié en el asunto.

A la gente de Gartner le encanta su (impropiamente denominado) cuadrante mágico, que es una cosa tal como

Dispone Gartner sobre él los productos de diversos proveedores (de informática de gestión) en función de dos variables, ability to execute y completeness of vision. El cuadrante está partido en cuatro sectores en los que se ubican:

• Los líderes (leaders), que son los que obtienen buena calificación en ambas dimensiones.
• Los aspirantes (challengers), a los que falta visión.
• Los visionarios (visionaries): mucho abarcan, poco aprietan.
• Los nichos específicos (niche players): dizque están especializados en algunos mercados concretos.

Pero siempre que lo veo me surge la siguiente pregunta: ¿son verdaderamente relevantes las dos variables mágicas? Veamos… IBM supera en ambas variables a SAS y SAP (y a muchos otros proveedores). Eso puede significar dos cosas mutuamente opuestas: