通常情况下，精通SQL的业务分析师会执行企业分析工作。在这方面，随着预测机器学习从研究实验室转移到主流企业，除传统的BI技术外，我们也开始看到新的分析技术出现。

虽然SQL分析工具仍然在广泛应用，但新型分析和机器学习工具已经促使供应商将其语言支持扩展到SQL外。对于甲骨文来说，这种需求推动他们今年早些时候收购DataScience.com，这家小公司拥有数据科学平台，其平台可充当工作台式中心，用于开发、测试和部署预测和机器学习模型。

那些使用高级分析工具的人很可能使用像R和Python这样的语言，正如他们使用SQL。但是数据科学和SQL分析之间的差异并不只是在语言。

从BI报告说起

甲骨文合作伙伴Vlamis Software Solutions公司副总裁兼分析策略师Tim Vlamis表示，通过传统BI，你可通过定期询问设定的问题，将数据分成更小的部分。他说，数据科学和机器学习不同于典型的BI报告。

Vlamis说：“在这些方法中，我们要求数据告诉我们模式显示的内容，而不是询问查询并获得直接答案。这是不同的处理数据的方式，在这种方式中，很多非常优秀的业务分析师可能会遇到困难。”

根据Gallup在2017年的调查显示，企业对数据科学和分析技能的需求将越来越高。该研究表明，到2021年，69％的雇主希望雇佣具有数据科学和分析技能的人才。

Python进入战斗

根据Forrester Research分析师Mike Gualtieri的说法，收购DataScience.com对甲骨文非常重要，这有助于巩固其作为云提供商的地位。

他表示：“甲骨文试图建立非常具有竞争力的云产品组合，就像微软和亚马逊那样。”他指的是微软的Azure机器学习服务和AWS的Amazon SageMaker。

在甲骨文收购DataScience.com前，Forrester研究公司一直在追踪DataScience.com。 Gualtieri表示，该创业公司在构建企业工作台平台，该平台支持重要的数据科学开源工具，但在甲骨文收购前尚未获得很多客户支持。它还面临来自IBM、Cloudera和Domino Data Lab等供应商类似平台的竞争。

尽管如此，DataScience.com可支持数据科学家的工作，而这是甲骨文原本没有办法完全支持的角色。企业中数据科学家主要负责为分析团队改进协作和工作流管理。

Gualtieri指出，甲骨文和微软几年前都支持将R作为其关系数据库产品的一部分，但Python仍然是数据科学语言的基础。他表示，DataScience.com为甲骨文提供了一个可处理R、Python和其他语言的平台，尽管这些语言尚未用于机器学习和预测分析。

解决企业差距

甲骨文对DataScience.com的收购交易于2018年5月公布，并于6月完成。在最近举行的2018年甲骨文全球大会表明，对于甲骨文来说，现在还不是时候去进一步详细说明收购时概述的计划，即通过新的Data Science Cloud Service将DataScience.com添加到其云和大数据产品中。

跟据甲骨文云基础设施产品管理总监Mahesh Thiagarajan表示，DataScience.com可帮助填补创新的新机器学习工具和企业需求之间的差距。而PyTorch、TensorFlow等工具很难管理。

Thiagarajan说：“开源社区正在不断创新，而你希望获得创新。但企业客户面临的最大问题是那里有太多工具。”

此外，虽然构建预测和机器学习模型的大部分工作都发生在数据科学家的笔记本电脑或桌面系统，但在企业级正确保护数据非常重要。他指出：“你不会希望暴露这些数据。”

据Thiagarajan称，DataScience.com将帮助甲骨文实现这一目标，同时“在企业范围内实现云端协作。”

IDC分析师Dan Vesset也表示，他认为DataScience.com可帮助甲骨文在企业级实现多样化的高级分析工作。

他指出：“在很多公司都有很多离散的数据科学项目，“这些通常都是一次性概念证明。”

Vesset指出，这里有机会优化该平台以在甲骨文基础架构上运行，但数据本身可以来自任何来源。他将DataScience.com描述为管理分析建模操作的平台。

甲骨文面临的一个挑战是如何传达这样一个信息，即这是针对数据科学家的平台。同时，人们认为甲骨文是一家沉浸在SQL分析中的数据库公司，这是不太容易改变的观念。