微軟亞太區資料科學總監：R語言是VS生態第一順位

微軟在2015年併購R語言工具商Revolution Analytics之後，隨即在2016年，也開始在自家主力開發工具Visual Studio上，支援R語言。微軟將如何定位R語言在微軟開發工具鏈的位置？微軟亞太區資料科學總監Graham Williams直言：「R是Visual Studio生態系的第一公民！」

擁有30年資料探勘研究經歷的Graham Williams，是運用R語言來進行資料探勘研究的先驅之一，早在10年前更開發一款R語言資料探勘的圖形化工具Rattle。

他在2016年進入微軟，曾是澳洲國稅局首席資料科學家，超過10年投入各種稅務、海關、健保、金融分析研究。他也是R社群基礎入門教材的重要貢獻者之一。

「R是資料科學家最常用的分析工具！」Graham Williams一語點出目前分析工具的使用現狀，他認為，R能夠成為最多資料科學家使用的工具，不僅是因為R是個開源且免費的工具，R更是資料科學家的生態圈。

他表示，R軟體的生態圈中，有來自世界各地的資料科學家、統計學家、機器學習工程師等開發人員，都會使用R，若發現需要解決的問題，就會貢獻套件（Package）到R的CRAN（Comprehensive R Archive Network）中。

目前整個生態圈的資料科學家貢獻的套件，已高達10,450個，「身為一個資料科學家，我擁有10萬多的套件可以完成我的任務，」他舉例，無論是時間序列的分析、金融預測分析和機器學習演算法，R都有相對的資源可以運用。

除此之外，Graham Williams也補充，R軟體與其他分析工具也可以相容，像是數據分析軟體Weka，在R軟體中也可以直接呼叫Weka的套件來使用。

他認為，對資料科學家而言，R是個很強大的工具，因為只要單一工具，就可以使用相當多元的資源。

R軟體很大的優點就是有許多套件可以使用，不過，R的套件是誰在管理的呢？「R其實分為兩個部分，一小部分由R核心團隊管理，剩下的另一部分，開發人員可以貢獻經過官方審核的套件到CRAN中，」Graham Williams表示。

一般來說，開發人員貢獻的套件必須經過縝密的審核，符合核心團隊要求的套件，才能放入CRAN，而R核心團隊則負責小於100個重要的套件，且有權利修改R軟體。

Visual Studio整合R，打破兩大限制

在2015年微軟併購Revolution Analytics後，Graham Williams強調，微軟在Visual Studio上將R視為第一優先順位，提供資料科學家R語言工具R Tools for Visual Studio（RTVS），而且，R Studio所擁有的功能RTVS幾乎都有。

他認為，RTVS可以讓資料科學家不須要重新適應開發環境，可以直接在Visual Studio中使用R。

Graham Williams表示，數據分析生命週期需要完整的管理機制，Visual Studio可以提供企業監督和管理大數據開源工具的平臺，讓資料科學家在同一個平臺上，運用許多資料科學的工具。

舉例來說，Visual Studio提供R、Python、Spark和Hadoop等這些資料科學的工具，甚至，還提供資料倉儲管理和版本管理的功能。

除此之外，Graham Williams表示，微軟還突破了開源R軟體的兩項限制：第一，微軟解決了R只能分析符合記憶體的資料量，讓資料科學家能夠分析任何大小的資料量。

第二，原本開源的R只能執行單一執行緒，但是機器學習的演算法往往需要多執行緒的請求方式，Microsoft R則提供資料科學家能夠靈活地運用多執行緒。

Python和R不是競爭關係，而要共存

不過，除了R語言之外，另一個語言Python在資料科學界也越來越火紅，Graham Williams認為，開源的環境不是競爭的關係，而是和諧共存。

「我不會希望把資料科學家綁死在R，」他坦言，其實開源軟體的優勢就是，開發人員有很高的自由度可以選擇自己的工具，資料科學家可依照自己的情況，選擇最好的工具。

「我可以自由地選擇最適合我的工具，再將其他資源整合到我的生態圈，」Graham Williams指出，一般資料科學家習慣同一個環境下執行數據分析，若分析過程需要新的工具，就會將其他的工具套用進原本的環境中。

他認為，R和Python各自有不可取代的優點，像是R同時具有統計和機器學習的生態圈，或許在資料科學的領域，會維持很長一段時間領先的地位，但Python有好的套件可以串接到Hadoop和Spark。

除了這兩大數據分析語言，他也不排除，未來或許會有更新、更好的語言會出現，像是近期就有新的語言Julia出現。

「以前執行資料科學的專案，需要花費3年的時間，現在，只要5分鐘就能完成！」他說。

Graham Williams表示，現在因為有許多工具，可以讓企業的資料科學家自由地調度雲端上的運算能力，和使用各式各樣的分析工具，讓資料科學變得方便又快速，不僅如此，還可以為企業省下大筆的花費。

他指出，過去，多數企業購買了許多超級電腦來運行數據分析，還需花費資金和人力，來維護硬體設備，不過，實際運用到的資源卻不到10%，他表示，若是利用雲端上的資源，企業則可以省去建置環境的過程，並且依照使用量付費。

即使雲端運算有如此吸引人的優點，Graham Williams坦言，許多企業和政府機關對於內部的資料上雲端還是有很大的疑慮。

不過，他表示，加密的技術早就已經相當純熟，就像我們在使用的Dropbox、Google Drive等，技術可以確保資料不會外洩，只有資料的擁有人可以存取。

他認為，科技不是問題，而是要慢慢建立起企業對雲端的信任感，他也坦言，企業對資料上雲端的疑慮，是微軟目前面臨的狀況。

整合個人異質數據，更能創造資料科學新商機

對於害怕將資料上雲端的人，Graham Williams也建議，其實每個人都握有個人自身的數據，且擁有唯一的權限，可以存取數據，「若能將所有分散的異質數據整合起來，可以做到非常驚人的數據分析！」

他進一步舉例，只有自己個人知道自己有幾家銀行的戶頭，也只有自己可以存取這些資料，一家銀行只會知道客戶一個帳戶的資訊，且不會與其他銀行分享資訊。

比方說，若銀行開發一款App，能夠提供消費者在個人裝置上，像是智慧型手機，透過整合分散的異質資料，包括銀行的帳戶、稅務資訊和社群軟體的數據等，分析預測自己的投資組合或是財務狀況。

「提供機器學習演算法的模型，讓客戶在個人裝置執行分析，能創造出更多的商機，」Graham Williams舉例，使用者可以藉由分析結果來管理自己的財務，企業也可以增加推薦行銷的機會，提供客戶理財的建議與方案。

不過，他也坦言，由於企業必須在沒有取得客戶資料的情況下，先建置出精準的分析模型，提供給客戶使用，這樣的工作其實相當困難。

除此之外，Graham Williams預測，未來，機器學習和深度學習演算法，將不再局限於超級電腦或是雲端的執行環境中，可以變得更貼近我們的生活，普及在個人裝置上運行。

Visual Studio提供的R語言工具RTVS幾乎涵蓋R Studio的所有功能，讓資料科學家能在熟悉的環境完成資料分析任務，就連分析流程中重要的資料可視化，都能在繪製視窗中一一呈現，進而提升資料科學流程效率。（圖片來源／微軟）