不論資訊科技演進如何顛覆IT的樣貌，從大型主機（Mainframe）、主從式（Client-Server）架構，發展至今的第三平台（Third Platform），雲端運算、行動化、社交網路、大數據（Big Data）分析等應用模式，「資料」始終是支持企業營運的核心命脈。
關聯式資料庫整合R實作
以實作面來看，常見的作法是建置R伺服器，把檔案與資料庫中的表單全數載入，才執行後續的統計與探勘。R得以透過JDBC介接資料庫系統，取得所需的資料表。當然，資料庫亦必須提供介接指令，讓R得以預先載入Library，例如在R伺服器上建立Oracle工具包，只要依據操作指引，輸入指令即可連線到資料庫系統。
黃久安指出，R的特性是記憶體內運算（In-memory），藉此加快處理速度，但檔案與資料表的大小則因此受限。「資料採礦大多是基於迴歸演算法，反覆地執行相同步驟，在記憶體內運行速度確實可顯著提升。因此R伺服器的規格配置相當關鍵，記憶體要夠大，否則無法執行過多的計算。但即便擴充到最大，可承載的資料量也有上限。」
為協助排除R伺服器運行過程會遇到檔案大小的限制，Oracle提出另一種作法，可直接在R的環境中輸入指令，將載入資料表的動作轉變為指定開啟，接下來的統計、資料探勘語法，只要Oracle資料庫得以辨識，即可直接在系統中運算執行，而不是交給R伺服器。基於資料庫系統的高規格硬體配置運行，才不致出現效能瓶頸。況且Oracle資料庫引擎可支援同時幾百萬筆資料的行為，記憶體若不夠用，搭配磁碟機的I/O即可，檔案再大皆可運行。
此外，Oracle資料庫也有針對Hadoop環境建立預存程序，讓用戶直接在R環境呼叫執行。「畢竟Hadoop為分散式作業系統，欲執行統計或探勘，必須改寫成HDFS格式才可運行。Oracle已預先撰寫約十?多種預存程序，讓企業用戶以授權方式選用。」黃久安說。
R語言躍升為資料分析要角
近年來本土產業相當看重大數據協助的創新營運，但是台灣微軟資深產品行銷協理邱敏珍實際接觸客戶的經驗，發現各行各業雖然都認同大數據的重要性，卻往往不知道該如何把資料轉換成有價值的資訊。自去年開始，企業端的應用才逐漸出現較清晰的輪廓。
對企業而言，大數據資料分析的目的較著重在預測。邱敏珍認為，其實大數據的關鍵價值，並非經由分析過後的資訊掌握歷史軌跡、比較現況的差異，更重要的是預測未來資料模型，並且設計對應的方案。如此概念下，落實在不同產業，即產生出各種應用情境，比如說金融業，藉此估算壽險的組合方案，針對平均壽命拉長、未婚率逐年攀升的現況，推出新的長期照護保險；或是投資部門，需要預估房價，選定地點擬定投資規畫。
「過去企業推展大數據應用，普遍會面臨亟需資料科學家協助，市場人才卻短缺的狀況。但是自從去年在客戶端推動SQL Server 2016新版本的概念驗證時，發現金融業中的精算部門員工，其實已經相當接近資料科學家的雛形，因為精算師相當清楚需要的數據，並且過去在學時期，教授大多是以R語言為基礎指導決策樹、類神經網路等預測模型，因此也懂得運用R來執行日常工作。」邱敏珍說。
商業版資料庫之所以增添對於R的支援，主要即是看重大學科系中，過去較冷門的科系，近年來變得相當熱門，錄取分數也大幅拉高。「其實R在台灣已累積許多人才，除了學校課堂上學習以外，亦有台灣R社群（Taiwan R User Group）持續推廣，成立至今已四年，微軟在收購取得Revolution R技術後接觸該社群，發現自主參與者相當多，且每個星期一固定聚會，分享實際應用R的經驗。」
邱敏珍認為，擅長運用R的人才以終端用戶居多，思維邏輯、實作等方面，與既有的資料庫管理師（DBA）不盡相同，但不代表彼此會相互取代。傳統DBA還是必須熟悉SQL語法的專業，畢竟公司內部營運資訊系統仍舊以關聯式資料庫為主。當然，若DBA同時懂得R語言，可發揮的領域將更為廣泛。如今SQL Server 2016引擎中即內建R服務，經啟用後，DBA即可透過熟悉的Transact-SQL（T-SQL）呼叫R Script執行預測模型為資料評分，或直接回傳R所繪製的視覺化圖形，以Reporting Services報表工具來呈現。