如果您在职业生涯中使用过数据，那么您很有可能使用过商业许可的数据分析软件，例如 SAS、SPSS 或 MatLab。在过去的 40 年里，大型分析软件开发商作为领先的分析软件主导了大多数行业，这是有充分理由的。商业分析软件通常预先打包交付具有数百种分析功能、流程管理软件和易于使用的 GUI，当它们组合在一起时，可以对大数据进行无缝分析。他们在统计分析领域毫无争议，直到数据量、数据频率和数据格式复杂性暴露出缺点。为了解决这些问题，开源社区已经开发了编程语言（例如 Python 和 R）和这些语言的分析包，比如 Python 的 Pandas 和 R 的 Dplyr。简而言之，随着功能的强化和解决问题，开源解决方案正变得越来越重要。机器学习的不断变化的需求。

什么是开源？

严格来说，开源只是意味着源代码可供所有用户自由访问和/或修改。这通常是通过开源许可证实现的，例如 GPL（GNU 通用公共许可证）。任何根据 GPL 修改程序源代码的人都必须公开其代码。因此，开源软件通常是免费分发的，因为它可供任何相关方访问和修改。Python、R 和 Spark 都是在不同的开源许可证下实现的。与使用商业许可软件相比，采用开源软件工具是一种截然不同的关系。通过与开源社区互动，用户群有机会直接影响特性和功能。实际上，

我为什么要转型？

过渡到开源分析平台有三个主要好处：(1) 降低成本，(2) 创新能力，以及 (3) 资源可用性。向您的分析团队引入如此巨大的变化是很困难的，而且过渡期可能具有挑战性。对迁移进行投资的组织告诉我们，他们希望早点开始这项工作。收益超出了纯粹的金钱范围，包括动态扩展分析、推动创新（而不是响应市场）以及寻找有创造力和有效人才的能力，这些收益提供了组织收益，这将在未来几年产生第二级影响。

开源软件的演变很有趣：市场为商业许可的竞争者提供了可行且强大的分析替代方案。 

最近的 Burtch Works 软件调查（图 1.行业经验对数据处理的语言偏好。图表来自 Burtch Works LLC，2019 年 SAS、R 或 Python 调查更新：数据科学家和分析专家更喜欢哪种工具？，2019 年。Web . )，突出了过去 6 年来 Python 和 R 相对于 SAS 等传统工具的偏好趋势。  

很明显，通过消除购买硬件、软件许可证和管理实施的人员的需要，将实现直接的底线影响，同时用云计算资源和开源软件替换功能。   

转向由社区维护和贡献的开源语言，开源选项正在持续集成机器学习和人工智能功能。因此，开源项目不仅在创新，它们还为企业提供创新工具：创建新产品的工具、发展客户体验的工具以及为复杂问题提供解决方案的工具。

最后，吸引数据科学和机器学习的人才库越来越多地采用 R 和 Python 作为首选工具。为了竞争和创新，您的基础设施必须与人才库的需求相匹配。这一趋势继续获得动力，并表明新的分析团队将精通开源，并希望继续他们的技能集开发。 

下图由 Burtch Works 年度 SAS、R 和 Python 调查制作，显示了 2019 年行业经验对语言的偏好，清楚地表明新的行业进入者对开源有着深刻的理解。

图 2.行业经验对数据处理的语言偏好。图表来自 Burtch Works LLC，2019 年 SAS、R 或 Python 调查更新：数据科学家和分析专家更喜欢哪种工具？, 2019. 网络。

是时候采取行动了

诚然，迁移到云端并非易事。该决定需要领导层的承诺和仔细规划。遗留代码需要重构，数据科学家需要重新培训，这对于拥有数十年商业许可软件经验的职业专业人员来说是一项艰巨的任务。但是，过渡是必要的，越早进行，越早实现收益。在最近一次 InfoQ 采访中，Continuum Analytics 的数据科学家 Christine Doig 被引用：“Python 数据科学生态系统在过去的 2-4 年中发展迅猛。它有一个很棒的社区，用于科学和数组计算的成熟开源库是算法开发的基础。许多用户正在从商业工具转向 SAS、Matlab 或 R 等语言，因为它们具有通用性和广泛的库” 3 。一旦理解了这种转变的动机，通常会看到员工变得精力充沛。

DecisivEdge 已经过渡到开源环境。因此，我们在利用新开发的技术将业务解决方案推向市场的同时，体验了更快的模型开发周期和团队成员的生产力提高。 

请留意我们的下一篇博文，因为我们将讨论基于云基础设施的机器学习开发和部署的好处。

智程网络科技_智能营销笔记本软件开发_大数据营销笔记本系统定制_营销软件-曲阜市智程网络科技有限公司