Pythonと同様、オープンソースの「R」言語も多くのデータサイエンス専門家が利用するプログラミング言語だ。ただし、こちらの方がややシンプルで、データサイエンスに特化して構築されている。KDnuggetsの調査ではデータサイエンスツールの第3位にRが挙がっており、回答者の48.5％がRに最高評価を付けている。

　Civis Analyticsのマローン氏は、Rには機械学習と統計向けの非常に洗練された機能が備わっていると述べる。同氏のチームメンバーは、PythonだけでなくR言語も頻繁に選んでいるという。

　「これは状況次第だ。チームメンバーは数言語に通じているため、どちらも気に入っている。R言語は統計学や計量社会科学の面から利用されることがやや多い」と同氏は話す。

　人材募集プラットフォームを提供するUntaptでチーフデータサイエンティストを務めるジョン・クローン氏によると、Rはデータ探索に利用するツールだという。

　「平均、中央値、四分位数などの統計概要をすぐに確認できる。さまざまなグラフやテストデータセットを素早く作成することも可能だ。これらを簡単に共有したり、CSV形式にエクスポートしたりすることもできる」（クローン氏）

3．Jupyter Notebook

　データの視覚化やデータのやりとりを目的として、多くのデータサイエンスチームがProject Jupyterの「Jupyter Notebook」を各自のデータサイエンスツールリストに含めている。

　技術テストサービス兼求人サイトのHackerRankで、データサイエンス部門の統括責任者を務めるソファス・マクスカシー氏は次のように語る。「Jupyter NotebookはR言語とPythonに対応し、データアクセスとデータ視覚化用のライブラリを幅広く利用できる。しかもチームでのプレゼンテーション用にワークブックを簡単にエクスポートできる。データサイエンス分野ではJupyter Notebookが標準になりつつある」

　マイケル・ゴラブ氏が特に便利さを感じているのは、人気のあるほとんどのデータサイエンスライブラリを使用できるJupyter Notebookの柔軟性だ。同氏は分析ツールベンダーAnexinetでデジタルおよび分析サービス部門のシニアバイスプレジデントを務める。Jupyter Notebookはチーム内でお気に入りの共同開発環境になっているとゴラブ氏は説明する。

　「Jupyter Notebookはデータサイエンスの共同プロジェクト作業で主力になっている。教育を必要とする取り組みに携わるときにも非常に役立つ」（ゴラブ氏）

　さらに、Untaptのクローン氏によると、Jupyter Notebookはモデルのプロトタイプを対話形式で作成するのに極めて優れたツールだという。

　「Untaptではプロトタイプコードを記述するのにJupyter Notebooksを使用しているが、データのテーブル、概要メトリックス、グラフの出力にも使っている」と同氏は語る。

4．Tableau

　頑固なデータサイエンスチームと、ビジネスを重視する分析チームの隔たりを埋めるには、Tableau Softwareの「Tableau」が優れた橋渡しの役割を果たす可能性がある。

　「データサイエンティストやデータサイエンスに取り組む初心者にとって、これは素晴らしいツールだ。非常に短い学習時間で洞察や分析データを視覚化できる手軽なダッシュボードツールになっている」と語るのは、セキュリティソフトウェアベンダーEntersoft Securityで検索エンジン最適化（SEO）部門のシニアエグゼクティブを務めるプージャ・パンディ氏だ。

　Tableauはその視覚化機能とレポート機能でさまざまなユーザーに素早く洞察を提供できることが称賛を集めている。

　ローンや保険の比較サービスを提供するQuotesAdvisor.comでCEOを務めるソフィア・マイルズ氏は次のように話す。「Tableauはこれまでで最速の視覚化ツールでありビジネスインテリジェントツールだ。非常に短時間で導入でき、理解しやすく、実に直感的に使える。Tableauでは、社内のさまざまな部門がそれぞれのニーズに合わせた包括的なレポートをカスタマイズできる」

　同氏は、データの組み合わせに関して場当たり的な要求の数が減っていると説明する。ダッシュボードの柔軟性が非常に高いためだ。その結果QuotesAdvisor.comでは効率性が95％向上した。

　「従業員は、一連のレポート作成よりも、思考的業務にずっと多くの時間を費やすようになっている」（マイルズ氏）

5．Keras

　Hitachi Vantaraで最高技術責任者（CTO）オフィスのチーフデータサイエンティストを務めるウェイ・リン氏によると、最も使用しているデータサイエンスツールはPython、R、そしてオープンソースの「Keras」だという。PythonとRは前述の全ての理由で使っている。これに加えて、ディープラーニング機能を目的にKerasを使用している。

　「KerasはPythonで記述されたオープンソースのニューラルネットワークライブラリだ。ディープニューラルネットワークでの迅速な実験を可能にする。Googleの『TensorFlow』、Microsoftの『Microsoft Cognitive Toolkit』、オープンソースの『Theano』上で実行できる」とリン氏は説明する。

　同氏によると、Kerasが最適なのは高次元のパターンマッチングだという。

　「例えば、画像や自然言語の処理や、確立されたディープラーニング分析モデルのサポートなどだ。これには畳み込みニューラルネットワークやショートタームメモリ（Short-term memory）が含まれる」と同氏は述べる。

　Cindicatorのオスピアンコ氏は、Kerasの大きな魅力は大幅な時間の節約だと話す。

　「新しいツールの追加では、それによってデータサイエンティストとしての生活をどれだけ楽にできるかが主な基準になる。その一例がKerasだ。これはオープンソースの高度なラッパーであり、ニューラルネットワークを開発するプロセスを飛躍的に高速化できる。TensorFlowでニューラルネットワークを作成したことがあれば、私の言っていることが分かるだろう。Kerasは完璧ではないが、開発プロセスを変える可能性がある。他の開発者にとってはるかに読みやすいコードを記述できるようになるためだ」（オスピアンコ氏）