Es un software de uso común en departamentos de business intelligence dentro de las empresas, pero también es utilizado en investigación.

Esta pensado para poder trabajar con muchos datos, es ideal para el trabajo en bigdata. Asimismo, no solo es capaz de tratar los datos sino que también es capaz de tomar esos datos, de tal forma que podemos automatizar el proceso de toma de datos (útil si esos datos se encuentran en internet y son elaborados por terceros).

Al tratarse de un software pensado en clave estadística, dispone de una mayor varidedad de gráficos de los que puedan tener otros sistemas más sencillos y fáciles de usar como el Excel

El New York Times publicó una nota recientemente sobre sobre el lenguaje de programación R, destacando el hecho de que se trata de software libre, siendo los analistas de datos los más cautivados

La operación de procesar datos es utilizada tanto para fijar precios, perfeccionar modelos financieros o encontrar nuevas medicinas, es así que R se utiliza en Pfizer, Merck, Google, el InterContinental Hotels Group, Bank of America o Shell, empresas muy diversas.

¿Y por qué R es tan utilizado? Porque científicos, ingenieros, estadísticos que no son expertos en programación pueden emplearlo rápidamente.

se comparan con el software estadístico R. Sobre la base de este análisis, se propone el uso de R en ciencias ecológicas e ingeniería en Latinoamérica y en países del tercer mundo en general, porque ofrece el uso gratuito de un software de primer nivel, así como también un mayor control de los análisis conducidos, extensa documentación, y un ambiente de programación desarrollado para aplicaciones estadísticas y con capacidad para ser empleado en otras áreas cuantitativas de diversas disciplinas.

¿Por qué comprar un programa estadístico si existe R?

R muestra los datos, o una porción de ellos, según se requiera, aunque empleando la función "fix" también es posible mostrar y editar los datos en una ventana. Debido a que tanto SAS como R emplean sintaxis y procedimientos que afectan a los datos en una memoria virtual, cualquier modificación en los datos (e.g., crear una variable que no existe en el archivo) no es guardada físicamente en el archivo (a menos que se requiera al finalizar una sesión). Es decir, uno puede incorporar transformaciones a un archivo de datos, dejando intacto el archivo original. Esta es una gran ventaja ya que por muchos análisis que se realicen, siempre es posible partir de un único archivo de datos, evitando la duplicación de versiones.

Es el nombre de un proyecto de código abierto consistente en un lenguaje de programación y un software de código abierto. Este software nos permite poder analizar datos de múltiples formas.

Es un software de uso común en departamentos de business intelligence dentro de las empresas, pero también es utilizado en investigación. 

Al tratarse de un software de código abierto, podemos decir que está vivo. La comunidad de R trabaja constantemente en desarrollar nuevas versiones mejoradas y en elaborar paquetes específicos para diferentes tipos de análisis. Así podemos encontrar paquetes de todo tipo (4293 a fecha de hoy), desde específicos para biólogos o genetistas, hasta modelos de hábitos de compra para marketing, pasando evidentemente por paquetes estadísticos de todo tipo y calidad.

Jim Guszcza (Predictive Analytics lead at Deloitte Consulting and Assistant Professor at UW-Madison) who gave a great webinar presentation yesterday

R is used for exploratory data analysis and modeling, with a live examples of fitting a mixute distribution to bimodal claims data, and calculating loss reserves using Poisson regression.

With data analysis showing up in domains as varied as baseball, evidence-based medicine, predicting recidivism and child support lapses, judging wine quality, credit scoring, supermarket scanner data analysis, and “genius” recommendation engines, “business analytics” is part of the zeitgeist. This is a good moment for actuaries to remember that their discipline is arguably the first – and a quarter of a millennium old – example of business analytics at work.

This session will include an overview of the R statistical computing environment as well as a sequence of brief case studies of actuarial analyses in R. Case studies will include examples from loss distribution analysis, ratemaking, loss reserving, and predictive modeling.

Las jornadas son el reflejo de la importancia creciente de R en diversas áreas y disciplinas, tanto en la universidad como fuera de ella.