为 Python 和开源选择企业平台：面向买家的清单

介绍

Marc Andreessen 在 2011 年 8 月的一篇博文中以这句话开头：“软件正在吞噬世界。”他的预测是软件开发将颠覆传统行业。事实上，像 Airbnb、Netflix 和 Uber 这样的公司作为“按需”经济中的众多赢家之一，以显著且持久的方式颠覆了旅游、娱乐和购物等行业。

大约一年后，在 2012 年 10 月，哈佛商业评论报道称数据科学家是“21 世纪最性感的职业”，承诺能够“从非结构化数据中挖掘宝藏”的专业人士。而结构化数据的竞赛开始了，各个组织开始仔细审视其杂乱无章的数据，并找到方法使其更便于机器使用。

快进七年到 2019 年 10 月，麦肯锡全球研究院发表了关于“人工智能的春天即将到来”的激动人心而又发人深省的话语。他们的研究表明，数百个商业案例共同拥有每年创造 3.5 万亿美元至 5.8 万亿美元价值的潜力。随着组织应用人工智能，他们发现人工智能可以产生巨大的商业价值。数据科学能力已成为高性能人工智能的先决条件，因此组织增加了对技术、数据科学团队以及机器学习和深度学习等技术的投资。

在 2022 年 8 月，Stable Diffusion凭借其使用 Python 和深度学习构建的文本到图像模型震惊了视觉艺术界，该模型可以根据文本提示生成详细的图像。它激发了世界对人工智能的迷恋，并掀起了新一轮人工智能浪潮：生成式人工智能。

最后，三个月后的 2022 年 11 月，OpenAI 发布了另一个生成模型：ChatGPT，这是一种大型语言模型 (LLM)，它利用 OpenAI 的 GPT-3 和 GPT-4 LLM 进行训练，可以根据用户的提示生成文本。在很短的时间内，LLM 席卷了众多行业，并带来了新产品和新功能，使程序员能够与机器一起编写和调试代码，以及作家能够与人工智能合作创作内容，仅举几个日益增长的用例。

寻找企业平台

随着所有这些进步，似乎每个组织都应该以某种方式将这些新技术融入其研究、产品和运营中。但是，要充分发挥这些技术的潜力，需要一组功能齐全的工具、干净且结构化的数据、专家团队以及开源软件的力量，这些都得到了活跃的制作者和维护者社区的支持。

在整个企业组织中利用开源软件的力量需要构建和部署安全 Python 解决方案的能力。现在出现了大量可供选择的工具，这些工具可以使团队能够协作并使用数据科学和机器学习构建强大的应用程序。但是，将工具拼凑在一起以将预测模型部署到生产环境中并不是创建平台的最佳方法，您的组织可以依赖该平台来提供卓越的结果。而且构建自己的平台可能会很昂贵且复杂，因为您需要维护自己创建的平台。

找到一个能够提供所需开源软件包、允许您在生产环境中再现和扩展模型的托管环境以及保护您的组织免受不良代码和不良行为者的安全工具的企业平台可能是一项艰巨的挑战。这就是本指南的意义所在——探讨在选择使用 Python 和开源软件的企业平台以实现组织的开发目标时，需要考虑哪些因素。

什么是平台？

对平台的一种流行描述来自微软首席执行官比尔·盖茨，由 Charmath Palapithiya 转述：“平台是指，所有使用它的人的经济价值超过了创建它的公司的价值。”在评估平台时，请考虑这些基本特征，这些特征将帮助您利用社区的创新，让您的团队使用 Python 与开源软件开发和部署应用程序。

• 个人用户数量：用户越多，发现其他人分享的新技术的机会就越多，更快地识别和解决安全风险的机会就越多，以及从丰富的软件制造商和维护者社区中受益的机会就越多。
• 企业用户数量：企业用户越多，该平台在规模上的测试就越充分。用户数量可以用某个组织或企业的总群体的百分比来表示，例如财富 500 强。
• 经验年限：一个组织开发其平台的时间越长，其团队在工具、技术和用例方面的专业知识就可能越多。

跨行业客户：平台应用的行业越多，该平台及其支持团队遇到的集成、用例和数据类型就可能越多。

Python、开源、数据科学和企业

数据科学彻底改变了企业运营的方式。如今，似乎每个人都在以某种方式处理数据，无论是分析客户行为、构建预测模型还是创建生成模型。随着对数据驱动洞察的需求不断增长，Python 已成为数据科学工作的不二之选。

事实上，Python长期以来一直是数据科学工作的黄金标准，这在很大程度上要归功于它的简洁性和多功能性。与其他语言不同，Python允许用户轻松地操作和分析数据，使其成为从数据可视化到机器学习的各种任务的理想选择。此外，众多开源库和框架的可用性确保了 Python 仍然是数据科学家的热门选择。

开源软件让开发者可以访问全球贡献者网络，这些贡献者不断更新和改进代码，使公司能够比以往更快、更高效地创建应用程序。根据Synopys 2023 年开源软件风险分析报告，绝大多数（96%）的代码库包含开源软件。

开源软件的广泛应用是有道理的；开源不仅帮助公司节省了许可费用，而且还使他们能够利用开源社区的集体知识来创建满足其特定业务需求的定制解决方案。因此，开源已成为希望在快节奏的技术世界中保持领先地位的组织的必不可少的战略工具。

然而，在过去的几年里，在企业组织中管理 Python 开发变得更加复杂和困难。这在一定程度上是由于 Python 社区内部的快速发展，导致定期发布新工具和新技术。其中一些工具是专有的，而另一些则是开源的。虽然从根本上说，这对使用数据的团队来说是一个积极的发展，但它也可能使他们难以跟上最新的技术和最佳实践。

尽管存在这些挑战，但 Python 仍然是可用于数据科学工作的最强大和最通用的工具之一。随着行业不断发展，Python 将仍然是任何成功的 数据科学团队工具箱中的关键组成部分。