Master
R

R ist eine Programmiersprache und Entwicklungsumgebung für statistische Analysen.

R wurde für End-User entwickelt und bietet Lösungen für unterschiedlichste statistische Probleme. Mit den vielen verfügbaren sogenannten Programmbibliotheken lassen sich statistische Berechnungen und Datenvisualisierungen durchführen. 


Diese umfangreiche Analyseumgebung kann Ihre Data Scientists dabei unterstützen, effektiver und produktiver zu arbeiten.

Beschreibung

R ist eine Programmiersprache und Entwicklungsumgebung, mit der statistische Berechnungen durchgeführt und Grafiken erstellt werden können.

Vorteile

R hat sich als Programmiersprache etabliert und bewährt. Die zahlreichen Programmbibliotheken bieten schnelle Lösungsansätze für Statistikfragen aller Art.

Trade-offs

Unter Umständen kennen sich nicht alle Ihre Data Scientists mit R aus. Außerdem ist die Skalierung nicht ohne Weiteres möglich. Das kann zu Problemen führen, wenn Sie R in Produktionsumgebungen einsetzen möchten.

Anwendung

Mit R werden deskriptive oder explorative Datenanalysen erstellt sowie Hypothesenprüfungen zur Validierung von statistischen Modellen durchgeführt.

Beschreibung


R ist eine Programmiersprache und Entwicklungsumgebung für statistische Analysen. Data Scientists nutzen sie häufig, um Datensätze und Statistiken auszuwerten sowie große Datenmengen grafisch darzustellen. Eine umfangreiche Programmbibliothek mit R-spezifischen Funktionen, Daten und kompiliertem Code unterstützt Data Scientists bei ihrer Arbeit. Die Programmiersprache ist in Wirtschaft und Wissenschaft weit verbreitet.

Vorteile


Data Scientists können in der leistungsstarken statistischen Analyseumgebung schnell und problemlos verschiedenste Hypothesen überprüfen. Anhand der kurzen Iterationen ist direkt erkennbar, was funktioniert und was nicht. 


Die Programmiersprache lässt sich leicht erlernen und richtet sich an alle, die mit Statistiken arbeiten. 


R ist außerdem eine sogenannte „höhere Programmiersprache“, die es Data Scientists leicht macht, erstellte Modelle, z. B. zur Preiselastizität oder Werbewirksamkeit, kurz und prägnant darzustellen.


R wird häufig in der Wissenschaft eingesetzt und spielt deshalb bei der Weiterentwicklung von Datenanalysen eine große Rolle, weil innovative Algorithmen von Forschenden umgehend in die R-Bibliotheken aufgenommen werden.

Trade-offs


Es gibt auch andere weitverbreitete und verlässliche Alternativen zu R, z. B. Python. Viele Data Scientists, die mit Statistiken arbeiten, kennen R nicht.


R kann nicht einfach skaliert werden. Aufgrund des Designs ist die Programmiersprache nicht unbedingt für die leistungsstarken Umgebungen von heute geeignet. Wenn Sie R in Produktionsumgebungen einsetzen möchten, müssen Sie unter Umständen eine Reihe von Behelfslösungen erstellen. Das kann zeitaufwendig und kostenintensiv sein. Fazit: R funktioniert gut in Analyseumgebungen, für die Produktionsumgebung sind jedoch andere Lösungen möglicherweise besser geeignet.

Anwendung


R ist eine leistungsstarke Plattform zur Auswertung und grafischen Darstellung von Datensätzen und Statistiken.

Sie möchten mehr erfahren?

Welches Thema sollen wir für Sie entschlüsseln?

Hinterlassen Sie Ihre E-Mail-Adresse und wir melden uns, wenn der Begriff decodiert wurde.