数据科学笔记本和平台
SaaS Browser 跟踪 270 数据科学笔记本和平台 家软件公司，其中 14 家是在过去 30 天内新增的。 数据科学笔记本和平台 SaaS 的主要国家包括 United States (33), Germany (5), Canada (5)。
数据科学笔记本和平台 的关键数据点
270
全面软件1
14
新增（过去 30 天）2
8
联盟计划3
4
平均年龄（岁）4
+147
新增（过去 365 天）5
47
过去一年流失率6
24.2%
年度客户流失率7
37.4%
免费试用8
公司规模分布9
4
大型（201-1,000）
6.6% 总
9
中型（51-200）
14.8% 总
48
小型（2-50）
78.7% 总
最知名的 数据科学笔记本和平台 公司
| 公司 | 雇员 | 域名排名 | 创立 | 额外 |
|---|---|---|---|---|
| Plotly | 200 | 57 | 2013 | 2025-02-11 |
| LM Studio | 200 | 56 | 2018 | 2025-02-28 |
| Posit | 500 | 54 | 2009 | 2025-01-23 |
| Dataquest | 50 | 53 | 2015 | 2025-02-28 |
| GraphPad | — | 53 | — | 2025-02-06 |
| KNIME | 500 | 53 | 2008 | 2025-02-09 |
| Paperspace | — | 46 | — | 2025-02-10 |
| Deepnote | 50 | 46 | — | 2025-02-05 |
| Hex | 200 | 44 | 2019 | 2025-02-06 |
| Ray | 500 | 44 | 2019 | 2025-02-28 |
数据科学笔记本和平台 SaaS 排名前十的国家/地区
根据我们对 270 软件产品的数据，以下国家/地区代表了大多数 数据科学笔记本和平台 SaaS 公司的总部所在地。
| 国家 | 数数 | 占总数的百分比 |
|---|---|---|
| United States | 33 | 12.2% |
| Germany | 5 | 1.9% |
| Canada | 5 | 1.9% |
| India | 5 | 1.9% |
| United Kingdom | 4 | 1.5% |
| France | 3 | 1.1% |
| Netherlands | 2 | 0.7% |
| Norway | 2 | 0.7% |
| Denmark | 1 | 0.4% |
| Bangladesh | 1 | 0.4% |
数据科学笔记本和平台 的 SEO 和域名权重
平均域名排名10
12
与 8 的总体平均值相比
平均引荐域名11
4
与 2 的总体平均值相比
数据科学笔记本和平台 的定价数据
平均起价（美元）12
$2/月
平均最高价格（美元）13
$39/月
数据科学笔记本和平台 的市场饱和度
该评分由产品总数、域名权威性、引荐域名、公司成立时间、流量增长、定价和企业影响力等因素综合计算得出。
饱和度评分14
44 / 100 (中等的)
数据科学笔记本和平台 中的联盟计划
8 数据科学笔记本和平台 SaaS 公司提供联盟计划（占总数的 3.0%）。
平均佣金15
28%
佣金类型分配
一度
1
再次发生的
3
最新添加 数据科学笔记本和平台 SaaS
Lattice
添加了 2026-07-23
Python Playground
添加了 2026-07-22
Frisky
添加了 2026-07-22
SubEtha Studio
添加了 2026-07-22
Clawdeck
添加了 2026-07-22
Lunapad
添加了 2026-07-19
Crane
添加了 2026-07-18
Xalec AI
添加了 2026-07-17
QuackNinja
添加了 2026-07-16
PaperPilot
添加了 2026-07-09
数据科学笔记本和平台 SaaS 公司的平均年龄
平均而言，数据科学笔记本和平台 SaaS 公司成立于 4.0 年前（平均成立年份：2022）。
数据科学笔记本和平台 的 B2B / B2C 细分16
136
无论是B2B还是B2C
50.4%
134
企业（B2B）
49.6%
基于 270 家拥有消费者类型数据的公司（占总数的 100.0%）。
数据科学笔记本和平台 的 SaaS 发现趋势
数据科学笔记本和平台 的月度 SaaS 发现数量与其占所有已发现 SaaS 的比例对比。比例上升表明该细分市场的增长速度快于整体市场。
Loading...
探索 数据科学笔记本和平台 SaaS
显示过滤器
高级过滤器
十
Fenn
所有者已验证此页面上显示的个人资料信息。
Fenn is an open-source framework designed to streamline deep learning workflows by automating configuration management, structured logging, experiment tracking, and monitoring, all while allowing full access to underlying PyTorch code. Its main features include YAML-based experiment configuration, automated logging and hyperparameter tracking, seamless integration with dashboards and notification systems for real-time updates, and pre-built training templates to enhance reproducibility and efficiency for machine learning practitioners. This tool addresses common challenges faced by data scientists and ML engineers such as experiment reproducibility, cumbersome configuration management, inconsistent logging, and difficulty monitoring long-running training processes, making it ideal for researchers, developers, and teams working on complex deep learning projects.
DataSource offers a platform for individuals to enhance their data science skills by participating in competitions and solving real-world challenges. Users can earn rewards, gain recognition through Soulbound tokens, and connect with industry experts while tackling various data science problems.
Data Science Notebooks & Platforms
此列表的类别。
This platform enables users to effortlessly deploy interactive web applications built with R's Shiny framework, eliminating the need for server management or complex configurations. Key features include secure environments for each application, scalable resources to accommodate varying user demands, and multiple subscription plans that cater to different levels of usage and support, making it ideal for data scientists, researchers, and developers looking to share their work online.
This AI-powered, modern development environment for data work enables end-to-end workflows from data exploration to deployment, letting teams generate insights, build models and APIs, and deploy interactive apps or scheduled pipelines through chat or code. It combines an AI-native, reproducible notebook with multi-language support, Git integration, and scalable deployments on cloud or on-premises, running per-cell computations on Lambda, Fargate, GPU, or Kubernetes, while enabling collaboration, automation, and governance across dashboards, APIs, jobs, and pipelines for data scientists, engineers, analysts, and product teams.
This high-throughput inference platform enables AI and data science teams to securely process, structure, and generate large unstructured datasets rapidly at scale, effectively addressing challenges related to speed, cost, and infrastructure management. It offers key features such as parallelized batch processing, seamless integration with existing data workflows via a Python SDK, synthetic data generation, model evaluation, data classification, extraction, embedding, and simulation capabilities, all designed to empower researchers, data scientists, and AI engineers in accelerating experimentation, reducing operational costs, and scaling AI projects effortlessly.
A cloud-native spreadsheet platform that replaces traditional spreadsheets for big data, enabling analysts and business users to explore massive datasets with familiar functions, charts, pivots, and a built-in Python environment for custom cleaning, modeling, and forecasting. It connects live to cloud data warehouses and object stores with built-in connectors, supports two-way data import and write-back, auto-updating linked data, and real-time collaboration while enforcing security and governance through RBAC, row-level security, data residency, single sign-on, and enterprise compliance, solving Excel’s performance constraints, security gaps, and governance challenges for teams in finance, marketing, operations, engineering, and BI-enabled analytics.
Dataquest offers a fast and effective way to learn data science, Python, and AI skills through hands-on exercises and real-world projects. With a variety of learning paths and resources, users can build their knowledge and confidence while preparing for a successful career in data.
Notebooks is an AI-powered whiteboard designed for marketers to create effective content quickly and easily. Users can upload various types of content, and the AI helps organize and generate new ideas, making the content creation process faster and more efficient.
This connected platform harnesses AI-powered data analysis to let users ask questions in natural language, run agent-driven queries, and build semantic models with contextual governance, while uniting notebooks, code and no-code workflows, SQL/Python/spreadsheet data, and interactive visualizations into a single workspace. It solves data-silo fragmentation, slow self-serve, and governance gaps by providing out-of-the-box connectors, secure embedded analytics, real-time multiplayer collaboration, trusted context, and authoring tools so data teams and non-technical stakeholders across product, marketing, sales, and customer success can create, explore, and publish dashboards, data apps, and insights.
Querybook is an open-source big data IDE designed for easy querying, analysis, and collaboration through a notebook interface. It offers features like a smart query editor, customizable visualizations, and built-in scheduling to enhance data documentation and teamwork.
Data Science Notebooks & Platforms
此列表的类别。
* 此页面的部分或全部内容可能是人工智能生成的，因此请独立验证任何关键信息。
常见问题解答
有多少家 数据科学笔记本和平台 型 SaaS 公司？
SaaS Browser 截至 August 2026 已跟踪 270 数据科学笔记本和平台 个软件产品。过去 30 天内新增了 14 家 SaaS 公司。
每个月新增多少家 数据科学笔记本和平台 SaaS 公司？
过去 30 天内，SaaS Browser 新增了 14 家 SaaS 公司。我们专有的爬虫基础设施会持续发现新的软件产品。
最成熟的 数据科学笔记本和平台 SaaS 公司有哪些？
按域名权威性排名，最成熟的 数据科学笔记本和平台 SaaS 公司包括 Plotly, LM Studio, Posit, Dataquest, GraphPad。这些公司在 数据科学笔记本和平台 类别中代表着最高的域名排名得分。
数据科学笔记本和平台 SaaS 公司的典型规模是多少？
在拥有员工数据的 数据科学笔记本和平台 家 SaaS 公司中，规模分布为： - 4 (6.6%), - 9 (14.8%), - 48 (78.7%)。
数据科学笔记本和平台 家 SaaS 公司的平均域名权威性是多少？
数据科学笔记本和平台 SaaS 公司的平均域名排名为 12，而 SaaS 公司的整体平均域名排名为 8。 这些公司平均拥有 4 个引用域名。
哪些国家拥有最多的 数据科学笔记本和平台 SaaS 公司？
数据科学笔记本和平台 SaaS 的主要国家是：United States (33), Germany (5), Canada (5), India (5), United Kingdom (4)。这些国家代表了全球 数据科学笔记本和平台 软件公司最集中的地区。
数据科学笔记本和平台 家 SaaS 公司中，有多少百分比提供联盟营销计划？
8 数据科学笔记本和平台 SaaS 公司提供联盟计划，占 SaaS Browser 跟踪的所有 数据科学笔记本和平台 软件的 3.0%。 平均佣金率为 28%。
数据科学笔记本和平台 SaaS 公司的平均年龄是多少？
平均而言，数据科学笔记本和平台 SaaS 公司成立于 4.0 年前，平均成立年份为 2022 年。
数据科学笔记本和平台 SaaS 公司主要面向企业还是面向消费者？
根据现有数据，数据科学笔记本和平台 SaaS 公司细分如下：无论是B2B还是B2C (50.4%), 企业（B2B） (49.6%)。
最新的 数据科学笔记本和平台 SaaS 公司有哪些？
最新发现的 数据科学笔记本和平台 SaaS 公司包括 Lattice, Python Playground, Frisky, SubEtha Studio, Clawdeck。SaaS Browser 使用专有的爬虫基础设施不断发现和索引新的软件产品。
关于 SaaS 浏览器
SaaS Browser 是互联网上最大、最新的 SaaS 数据库，是 SaaS 公司进行客户开发和研究的终极工具。
我们会在新兴工具发布数周后就发现它们，甚至早于它们出现在 Apollo、ZoomInfo 或其他数据库中。我们专门打造的平台只追踪真实软件产品，并提供经过验证的数据，这与充斥着代理机构、咨询公司和过时信息的通用产品信息搜寻工具截然不同。
从财富 500 强企业到本周刚刚起步的自筹资金创业公司——只要是 SaaS，我们都会追踪。
这些数字是如何计算的
- 全面软件. 当前为此选择列出的已发布 SaaS 公司数量。仅统计通过我们自动化质量检查的公司。
- 新增（过去 30 天）. 过去 30 天内为此选择净新增发布的 SaaS 公司数量。
- 联盟计划. 运营经过验证的联盟或推荐计划的已收录 SaaS 公司数量。
- 平均年龄（岁）. 此选择中公司的年龄中位数（以年计），基于成立年份。中位数是中间值，因此一半更年长，一半更年轻。
- 新增（过去 365 天）. 过去 365 天内为此选择发布的 SaaS 公司数量。
- 过去一年流失率. 在过去一年内发布但已不再列出的公司——它们已下线、被移除，或不再通过我们的质量检查。
- 年度客户流失率. 年度流失率——已流失公司占过去一年内所有已发布公司（仍在列加上已流失）的百分比。
- 免费试用. 此选择中提供免费试用的已收录公司所占百分比。
- 公司规模分布. 按员工人数划分的公司分布：独立（1）、小型（2–50）、中型（51–200）、大型（201–1,000）、企业级（1,000+）。百分比基于拥有员工数据的公司。
- 平均域名排名. 已收录公司的域名排名（0–100）中位数，是搜索引擎权威性的衡量指标。数值越高越强。展示时与所有 SaaS 的整体中位数进行对比。
- 平均引荐域名. 已收录公司的唯一引荐域名（链接到某公司的不同外部网站）数量的中位数。
- 平均起价（美元）. 此选择中拥有定价数据的公司的入门级月度价格（USD）中位数。
- 平均最高价格（美元）. 此选择中拥有定价数据的公司的高级月度价格（USD）中位数。
- 饱和度评分. 0–100 的市场饱和度评分，综合产品总数、域名权威性、引荐域名、公司成立时间、流量增长、定价和企业影响力。数值越高表示竞争越激烈。
- 平均佣金. 此选择中运营联盟计划的公司所提供的联盟佣金率中位数。
- B2B/B2C细分. 在拥有消费者类型数据的公司中，按目标市场——企业（B2B）、消费者（B2C）或两者兼有——划分的公司细分。
