Averigüe si R es adecuado para su kit de herramientas de big data
El lenguaje de programación R puede desafiar a SAS para consultas de big data. Obtén más detalles.
S.A.S.
es un lenguaje de procesamiento de datos y análisis estadístico, escrito por
Anthony J. Barr en la década de 1960.Más tarde se convirtió en el producto principal. Instituto SAScual
Fundada en 1976 por Barr, Jim Goodnight, John Sall y Jane T. Helwig.
Hoy, las fortalezas analíticas de SAS y su vasta
Los programadores empresariales capacitados en el lenguaje lo convierten en una opción natural para las grandes empresas.
Consulta de análisis de datos. SAS permite a los proveedores de atención médica realizar análisis avanzados Que
Explorar y compartir patrones de utilización de la atención y problemas de calidad de la atención
información sobre su proveedor de red; SAS permite a los banqueros analizar las brechas de liquidez en sus sistemas globales; y SAS brinda a los minoristas una forma de estudiar la experiencia de compra en línea de los consumidores.SAS es también un lenguaje de programación procedimental que se ejecuta en IBM
Mainframe, UNIX, Linux, OpenVMS Alpha y Microsoft Windows.
Recientemente entrevisté al científico de datos David Smith
y Análisis Revolucionarioque admite ambos Comunidad R de código abierto y demanda
de usuarios empresariales R Proporcionar consultoría, capacitación y soporte técnico. Él pregunta: «La pregunta es si todos los cambios en la evolución de los grandes datos en los últimos cinco años requieren un enfoque diferente para la programación».
«SAS es de
La década de 1970 tenía una gran base de usuarios, por lo que fue un importante big data
‘Titular'», dijo Smith. «SAS se usa ampliamente, pero el análisis que proporciona se originó en una era diferente, anterior al procesamiento paralelo,
Clústeres de servidores y Hadoop.Por lo tanto, SAS no es adecuado para muchos modernos
y necesidades emergentes de big data. »
Un movimiento constante para alejarse del legado, dice Smith
Una base de datos relacional para procesamiento paralelo por lenguajes como SAS
El uso de Hadoop es la razón por la que las empresas deben volver a examinar cómo
Desarrolle programas analíticos que puedan procesar big data y producir resultados.
Porque R es un lenguaje no procedimental desarrollado específicamente para big data
Debido al procesamiento paralelo, cree que más empresas adoptarán R como parte de sus estrategias de big data.
«Al igual que Linux, R es bastante lento
Pero constantemente «, dijo Smith. «R está en varios
Profesor universitario quiere un sistema de código abierto que pueda manejar big data
Eso fue procesamiento paralelo y realmente despegó académicamente.
Comunidad, a partir de proyectos de investigación.Hoy en día, R se está enseñando en las universidades.
Por todo el país. ‘ Smith también dijo que el no procedimental de R
La flexibilidad permite a los sitios «pensar fuera de la caja» en sus datos
Más fácil de analizar que usar SAS. «En algunos casos, puede llevar una semana entera con SAS y medio día con R», dijo.
La pregunta para muchas empresas es dónde encontrar
personas que hacen el trabajo.La capacitación cruzada de los programadores de SAS también es difícil, por lo que
Él o ella también podría usar R, ya que ambos idiomas tienen una curva de aprendizaje pronunciada.
Empresas que quieren utilizar todos los programas
El enfoque que pueden usar en su trabajo de big data debe seguir estos cuatro
ritmo.
1: Echa un vistazo a R
Si es nuevo en el análisis R
idioma, debe asignar tiempo de investigación para ver qué ofrece y dónde
y cuándo podría ser el kit de herramientas de análisis de big data adecuado para usted.
2: Cree una política federada de SAS-R
Las empresas envejecen por una razón
Invertir en SAS: Tiene una larga historia de entrega de valor a las organizaciones.
Por el contrario, la nueva arquitectura informática también requerirá el lenguaje de la nueva arquitectura.
Realmente necesito un lenguaje de programación no procedimental como R
El mundo de Hadoop y el procesamiento paralelo.Los arquitectos de big data empresarial deben prestar atención
Adopte una estrategia dual, aprovechando las fortalezas de SAS y R.
3: Considere la posibilidad de conseguir nuevos graduados universitarios para hacer su trabajo R
Debido a la pronunciada curva de aprendizaje, puede
Es difícil capacitar a los empleados con antecedentes de SAS para que aprendan R.Puedes
Considere reclutar graduados universitarios que acaban de estudiar R.
4: Ajuste sus esfuerzos para adaptarse al negocio
Algunos trabajos de big data seguirán floreciendo
entorno SAS, en otros casos R sería el mejor enfoque.a pesar de
Qué lenguaje de programación elija, su enfoque siempre debe estar en
Los tipos de respuestas que las empresas necesitan de sus datos y cómo trabajas
para conseguirlos.
