GrahamWilliams直言：「R是VisualStudio生態(tài)系的第一公民！」

    擁有30年資料探勘研究經(jīng)歷的GrahamWilliams，是運用

    R語言來進行資料探勘研究的先驅(qū)之一，早在10年前更開發(fā)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(xué)家，超過10年投入各種稅務(wù)、海關(guān)、健保、金融分析研究。他也是R社群基礎(chǔ)入門教材的重要貢獻者之一。

    「R是資料科學(xué)家最常用的分析工具！」GrahamWilliams一語點出目前分析工具的使用現(xiàn)狀，他認為，

R能夠成為最多資料科學(xué)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(xué)家的生態(tài)圈。

    他表示，R軟體的生態(tài)圈中，有來自世界各地的資料科學(xué)家、統(tǒng)計學(xué)家、機器學(xué)習(xí)工程師等開發(fā)人員，都會使用R，若發(fā)現(xiàn)需要解決的問題，就會貢獻套件（Package）到R的CRAN（ComprehensiveRArchiveNetwork）中。

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

    除此之外，GrahamWilliams也補充，R軟體與其他分析工具也可以相容，像是數(shù)據(jù)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(xué)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(dāng)多元的資源。

    R軟體很大的優(yōu)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(fā)人員可以貢獻經(jīng)過官方審核的套件到CRAN中，」GrahamWilliams表示。

    一般來說，開發(fā)人員貢獻的套件必須經(jīng)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(zé)小于100個重要的套件，且有權(quán)利修改R軟體。

    VisualStudio整合R，打破兩大限制

     在2015年微軟并購RevolutionAnalytics后，GrahamWilliams強調(diào)，微軟在VisualStudio上將R視為第一優(yōu)先順位，提供資料科學(xué)家R語言工具RToolsforVisualStudio（RTVS），而且，RStudio所擁有的功能RTVS幾乎都有。

     他認為，RTVS可以讓資料科學(xué)家不須要重新適應(yīng)開發(fā)環(huán)境，可以直接在VisualStudio中使用R。

     GrahamWilliams表示，數(shù)據(jù)分析生命周期需要完整的管理機制，VisualStudio可以提供企業(yè)監(jiān)督和管理大數(shù)據(jù)開源工具的平臺，讓資料科學(xué)家在同一個平臺上，運用許多資料科學(xué)的工具。

    舉例來說，VisualStudio提供R、Python、Spark和Hadoop等這些資料科學(xué)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，GrahamWilliams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(xué)家能夠分析任何大小的資料量。

    第二，原本開源的R只能執(zhí)行單一執(zhí)行緒，但是機器學(xué)習(xí)的演算法往往需要多執(zhí)行緒的請求方式，MicrosoftR則提供資料科學(xué)家能夠靈活地運用多執(zhí)行緒。

    Python和R不是競爭關(guān)系，而要共存

     不過，除了R語言之外，另一個語言Python在資料科學(xué)界也越來越火紅，GrahamWilliams認為，開源的環(huán)境不是競爭的關(guān)系，而是和諧共存。

     「我不會希望把資料科學(xué)家綁死在R，」他坦言，其實開源軟體的優(yōu)勢就是，開發(fā)人員有很高的自由度可以選擇自己的工具，資料科學(xué)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(tài)圈，」GrahamWilliams指出，一般資料科學(xué)家習(xí)慣同一個環(huán)境下執(zhí)行數(shù)據(jù)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(huán)境中。

    他認為，R和Python各自有不可取代的優(yōu)點，是R同時具有統(tǒng)計和機器學(xué)習(xí)的生態(tài)圈，或許在資料科學(xué)的領(lǐng)域，會維持很長一段時間領(lǐng)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(shù)據(jù)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(xiàn)，像是近期就有新的語言Julia出現(xiàn)。     「以前執(zhí)行資料科學(xué)的專案，需要花費3年的時間，現(xiàn)在，只要5分鐘就能完成！」他說。

     GrahamWilliams表示，現(xiàn)在因為有許多工具，可以讓企業(yè)的資料科學(xué)家自由地調(diào)度云端上的運算能力，和使用各式各樣的分析工具，讓資料科學(xué)變得方便又快速，不僅如此，還可以為企業(yè)省下大筆的花費。

     他指出，過去，多數(shù)企業(yè)購買了許多超級電腦來運行數(shù)據(jù)分析，還需花費資金和人力，來維護硬體設(shè)備，不過，實際運用到的資源卻不到10%，他表示，若是利用云端上的資源，企業(yè)則可以省去建置環(huán)境的過程，并且依照使用量付費。

     即使云端運算有如此吸引人的優(yōu)點，GrahamWilliams坦言，許多企業(yè)和政府機關(guān)對于內(nèi)部的資料上云端還是有很大的疑慮。

     不過，他表示，加密的技術(shù)早就已經(jīng)相當(dāng)純熟，就像我們在使用的Dropbox、GoogleDrive等，技術(shù)可以確保資料不會外泄，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(yè)對云端的信任感，他也坦言，企業(yè)對資料上云端的疑慮，是微軟目前面臨的狀況。

     整合個人異質(zhì)數(shù)據(jù)，更能創(chuàng)造資料科學(xué)新商機

     對于害怕將資料上云端的人，GrahamWilliams也建議，其實每個人都握有個人自身的數(shù)據(jù)，且擁有唯一的權(quán)限，可以存取數(shù)據(jù)，「若能將所有分散的異質(zhì)數(shù)據(jù)整合起來，可以做到非常驚人的數(shù)據(jù)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(fā)一款A(yù)pp，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(zhì)資料，包括銀行的帳戶、稅務(wù)資訊和社群軟體的數(shù)據(jù)等，分析預(yù)測自己的投資組合或是財務(wù)狀況?！柑峁C器學(xué)習(xí)演算法的模型，讓客戶在個人裝置執(zhí)行分析，能創(chuàng)造出更多的商機，」

     GrahamWilliams舉例，使用者可以藉由分析結(jié)果來管理自己的財務(wù)，企業(yè)也可以增加推薦行銷的機會，提供客戶理財?shù)慕ㄗh與方案。不過，他也坦言，由于企業(yè)必須在沒有取得客戶資料的情況下，先建置出精準(zhǔn)的分析模型，提供給客戶使用，這樣的工作其實相當(dāng)困難。除此之外，GrahamWilliams預(yù)測，未來，機器學(xué)習(xí)和深度學(xué)習(xí)演算法，將不再局限于超級電腦或是云端的執(zhí)行環(huán)境中，可以變得更貼近我們的生活，普及在個人裝置上運行。

文章來自:it33 鏈接:http:\\www.sekulawhitetailranch.com