最近、Rの非効率性やパフォーマンスの悪さをここで良く取り上げていて、それじゃあ柏野はRが嫌いなのか、と誤解されることもあると思うので、その弁明を。

僕にとってRはかなり好きなコンピュータ言語だ。使っていてワクワクする。言語を使いながらマイナーな分野の統計学の勉強ができるフリーソフトウェア / オープンソースソフトウェアの言語なんて他には存在しない。最近ではCRANにあるevirやismev, evdを利用して極値統計学を勉強した。

クイックなプロトタイピングができるのも本当に素敵だ。よくわからないデータを探索的に調べていくためには最高のブッシュナイフだと思う。だからこそ、@ITで市井の知識労働者を対象とした連載をしている。

実践！ Rで学ぶ統計解析の基礎
http://www.atmarkit.co.jp/fcoding/index/stat.html

しかし、エンタープライズレベルに必要な最低数百GB、普通に数TBのデータを目の前にしたときに、これをどうするかということになると、Rではどうしょうもないと思う。竹槍で核爆弾に立ち向かう気分になる。全データをメモリに一度読み込んでから処理する仕様、変数割り当てや参照のたびにコピーが発生するという非効率性、名前空間やスコーピングの不備による変数の安全性問題と並列化への非対応、カッコの種類や数によって速度が変化する絶望的なパーシングの遅さを誇るインタプリタ、長いコードを書いていくと可読性が悪くなる奇妙なシンタックス、救いようがないエクセプションハンドリング、どれをとってもお金を稼ぐ現場で使うモダンな言語としての資格を備えていない。

GoogleのHal Varianも言うように、これからは"Data matters"なのだ。

Why Data Matters
http://googleblog.blogspot.com/2008/03/why-data-matters.html

ただし、その場合のデータとは、今までのような数百MB程度のデータであることは少なくなっていくだろう。Revolution Analyticsのように、Hadoopのような並列環境に強引にRを載せて、数TBのデータクランチングを行わせようという試みもあるが、筋の悪い言語設計をシステム実装でカバーするのは、将来に多大なツケを産むことになるだろう。僕自身も当初はRを並列化プラットフォームに載せて処理をするということを考えたけれど、いくつかの試みの後でそれはもうあきらめた。現在すぐに利用するならば、必要な統計関数は自前で実装するしかないと思っている。ただし、現在ではどのプラットフォームもどの言語も数学ライブラリが充実しているので、それを組み合わせる作業になるだけだからそれほどドローバックはない、という素敵な事実が背景にあるから、そう決断できるのだが。

Rはこれからも教育用の言語として生き残るだろう。また、少人数の研究者が自ら集めた比較的小さなデータに対してデータ解析・統計解析をするときには、切れ味鋭い道具であり続けるだろう。しかし、日々生まれる巨大データとこの道具で格闘して世界を変えるのは難しいというのが厳しい現実である。Rを創始した一人であるRoss Ihakaが自らRの末期ガンの宣告をしたように、下手な延命はせず、役に立つ分野ではそのまま役に立たせ、時代の要請に沿わなくなったら、そのまま逝かせてやるほうがいいと思う。そして、その屍から新たな生命が生まれるのだ。

---
コメントありがとうございます。

私も基本的にはデータを前処理するところと、解析するところ、そしてプレゼンテーションをするところは分離されていくと思っています。そしてだからこそRのような中途半端に全てを網にかけている立ち位置は、エンタープライズの世界では使われにくくなっていくのだと思います。そしてdata squashingのような技術が発達すれば、そこである程度の解析までできてしまいますから、ますます統計解析言語/環境としてRの役割は薄れていくと思います。もちろん、Rの機能としては、ますますプレゼン機能を充実させるという進化のさせかたもあります。現在別アプリであるGGobiを取り込むのはかなり良いアイディアかもしれません。

それにしても、RのS3/S4メソッド混在という文法上の不整合や、スコーピングやネームスペースの不在、そして非効率な実行速度をどうにかしないと、破綻するということは変わりないと思います。