微软亚太区资料科学总监：R 语言是 VS 生态第一顺位
发布于 2017-05-29 01:23:30 | 203 次阅读 | 评论: 0 | 来源: 网友投递
R 数据统计分析语言
R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。
微软亚太区资料科学总监Graham Williams
微软在2015年并购R语言工具商Revolution Analytics之后，随即在2016年，也开始在自家主力开发工具Visual Studio上，支援R语言。微软将如何定位R语言在微软开发工具链的位置？微软亚太区资料科学总监Graham Williams直言：「R是Visual Studio生态系的第一公民！」
拥有30年资料探勘研究经历的Graham Williams，是运用R语言来进行资料探勘研究的先驱之一，早在10年前更开发一款R语言资料探勘的图形化工具Rattle。
他在2016年进入微软，曾是澳洲国税局首席资料科学家，超过10年投入各种税务、海关、健保、金融分析研究。他也是R社群基础入门教材的重要贡献者之一。
「R是资料科学家最常用的分析工具！」Graham Williams一语点出目前分析工具的使用现状，他认为，R能够成为最多资料科学家使用的工具，不仅是因为R是个开源且免费的工具，R更是资料科学家的生态圈。
他表示，R软体的生态圈中，有来自世界各地的资料科学家、统计学家、机器学习工程师等开发人员，都会使用R，若发现需要解决的问题，就会贡献套件（Package）到R的CRAN（Comprehensive R Archive Network）中。
目前整个生态圈的资料科学家贡献的套件，已高达10,450个，「身为一个资料科学家，我拥有10万多的套件可以完成我的任务，」他举例，无论是时间序列的分析、金融预测分析和机器学习演算法，R都有相对的资源可以运用。
除此之外，Graham Williams也补充，R软体与其他分析工具也可以相容，像是数据分析软体Weka，在R软体中也可以直接呼叫Weka的套件来使用。
他认为，对资料科学家而言，R是个很强大的工具，因为只要单一工具，就可以使用相当多元的资源。
R软体很大的优点就是有许多套件可以使用，不过，R的套件是谁在管理的呢？「R其实分为两个部分，一小部分由R核心团队管理，剩下的另一部分，开发人员可以贡献经过官方审核的套件到CRAN中，」Graham Williams表示。
一般来说，开发人员贡献的套件必须经过缜密的审核，符合核心团队要求的套件，才能放入CRAN，而R核心团队则负责小于100个重要的套件，且有权利修改R软体。
Visual Studio整合R，打破两大限制
在2015年微软并购Revolution Analytics后，Graham Williams强调，微软在Visual Studio上将R视为第一优先顺位，提供资料科学家R语言工具R Tools for Visual Studio（RTVS），而且，R Studio所拥有的功能RTVS几乎都有。
他认为，RTVS可以让资料科学家不须要重新适应开发环境，可以直接在Visual Studio中使用R。
Graham Williams表示，数据分析生命周期需要完整的管理机制，Visual Studio可以提供企业监督和管理大数据开源工具的平台，让资料科学家在同一个平台上，运用许多资料科学的工具。
举例来说，Visual Studio提供R、Python、Spark和Hadoop等这些资料科学的工具，甚至，还提供资料仓储管理和版本管理的功能。
除此之外，Graham Williams表示，微软还突破了开源R软体的两项限制：第一，微软解决了R只能分析符合记忆体的资料量，让资料科学家能够分析任何大小的资料量。
第二，原本开源的R只能执行单一执行绪，但是机器学习的演算法往往需要多执行绪的请求方式，Microsoft R则提供资料科学家能够灵活地运用多执行绪。
Python和R不是竞争关系，而要共存
不过，除了R语言之外，另一个语言Python在资料科学界也越来越火红，Graham Williams认为，开源的环境不是竞争的关系，而是和谐共存。
「我不会希望把资料科学家绑死在R，」他坦言，其实开源软体的优势就是，开发人员有很高的自由度可以选择自己的工具，资料科学家可依照自己的情况，选择最好的工具。
「我可以自由地选择最适合我的工具，再将其他资源整合到我的生态圈，」Graham Williams指出，一般资料科学家习惯同一个环境下执行数据分析，若分析过程需要新的工具，就会将其他的工具套用进原本的环境中。
他认为，R和Python各自有不可取代的优点，像是R同时具有统计和机器学习的生态圈，或许在资料科学的领域，会维持很长一段时间领先的地位，但Python有好的套件可以串接到Hadoop和Spark。
除了这两大数据分析语言，他也不排除，未来或许会有更新、更好的语言会出现，像是近期就有新的语言Julia出现。
「以前执行资料科学的专案，需要花费3年的时间，现在，只要5分钟就能完成！」他说。
Graham Williams表示，现在因为有许多工具，可以让企业的资料科学家自由地调度云端上的运算能力，和使用各式各样的分析工具，让资料科学变得方便又快速，不仅如此，还可以为企业省下大笔的花费。
他指出，过去，多数企业购买了许多超级电脑来运行数据分析，还需花费资金和人力，来维护硬体设备，不过，实际运用到的资源却不到10%，他表示，若是利用云端上的资源，企业则可以省去建置环境的过程，并且依照使用量付费。
即使云端运算有如此吸引人的优点，Graham Williams坦言，许多企业和政府机关对于内部的资料上云端还是有很大的疑虑。
不过，他表示，加密的技术早就已经相当纯熟，就像我们在使用的Dropbox、Google Drive等，技术可以确保资料不会外泄，只有资料的拥有人可以存取。
他认为，科技不是问题，而是要慢慢建立起企业对云端的信任感，他也坦言，企业对资料上云端的疑虑，是微软目前面临的状况。
整合个人异质数据，更能创造资料科学新商机
对于害怕将资料上云端的人，Graham Williams也建议，其实每个人都握有个人自身的数据，且拥有唯一的权限，可以存取数据，「若能将所有分散的异质数据整合起来，可以做到非常惊人的数据分析！」
他进一步举例，只有自己个人知道自己有几家银行的户头，也只有自己可以存取这些资料，一家银行只会知道客户一个帐户的资讯，且不会与其他银行分享资讯。
比方说，若银行开发一款App，能够提供消费者在个人装置上，像是智慧型手机，透过整合分散的异质资料，包括银行的帐户、税务资讯和社群软体的数据等，分析预测自己的投资组合或是财务状况。
「提供机器学习演算法的模型，让客户在个人装置执行分析，能创造出更多的商机，」Graham Williams举例，使用者可以藉由分析结果来管理自己的财务，企业也可以增加推荐行销的机会，提供客户理财的建议与方案。
不过，他也坦言，由于企业必须在没有取得客户资料的情况下，先建置出精准的分析模型，提供给客户使用，这样的工作其实相当困难。
除此之外，Graham Williams预测，未来，机器学习和深度学习演算法，将不再局限于超级电脑或是云端的执行环境中，可以变得更贴近我们的生活，普及在个人装置上运行。
