{"id":29,"date":"2015-10-23T06:28:42","date_gmt":"2015-10-23T04:28:42","guid":{"rendered":"https:\/\/preblogs.deusto.es\/bigdata\/?p=29"},"modified":"2015-10-23T06:32:30","modified_gmt":"2015-10-23T04:32:30","slug":"eligiendo-una-herramienta-de-analitica-sas-r-o-python","status":"publish","type":"post","link":"https:\/\/blogs.deusto.es\/bigdata\/eligiendo-una-herramienta-de-analitica-sas-r-o-python\/","title":{"rendered":"Eligiendo una herramienta de Anal\u00edtica: SAS, R o Python"},"content":{"rendered":"

(Art\u00edculo escrito por Pedro G\u00f3mez Tejerina, profesional del sector financiero, y profesor de nuestro\u00a0Programa de Big Data y Business Intelligence<\/a>)<\/p>\n

Probablemente si est\u00e1s leyendo este blog tengas\u00a0un problema anal\u00edtico<\/a> que quieras resolver con datos. Es posible tambi\u00e9n que tengas unos conocimientos de estad\u00edstica<\/a> que quieras poner en pr\u00e1ctica, as\u00ed que es hora de elegir una herramienta anal\u00edtica. As\u00ed que vamos a intentar orientaros en la elecci\u00f3n, aunque las tres herramientas de anal\u00edtica nos van a permitir hacer en general los mismos an\u00e1lisis:<\/p>\n

    \n
  1. Conocimientos previos de programaci\u00f3n<\/strong>. Si sabes programar y vienes de un entorno web, probablemente Python<\/a> sea el m\u00e1s f\u00e1cil de aprender. Es un lenguaje m\u00e1s generalista que los otros dos y solamente tendr\u00e1s que aprender el uso de las librer\u00edas para hacer an\u00e1lisis de datos (Pandas<\/a>, Numpy<\/a>, Scipy<\/a>, etc.). Si no es el caso y lo tuyo no es programar, SAS<\/a> es m\u00e1s f\u00e1cil de aprender que R<\/a>, que es el lenguaje m\u00e1s diferente de los tres, dado su origen acad\u00e9mico-estad\u00edstico.<\/li>\n
  2. Herramientas User Friendly y GUI<\/strong>: Tanto SAS<\/a> (SAS Enterprise Guide<\/a>, SAS Enterprise Miner<\/a>, SAS Visual Analytics<\/a>) como R<\/a> (Rattle<\/a>, RStudio<\/a>, Rcommander<\/a>) tienen buenas interfaces visuales que pueden resolver problemas anal\u00edticos sin tener la necesidad de programar. Python<\/a> dispone de menos (Orange<\/a>), aunque dispone de una buena herramienta de ense\u00f1anza: los notebooks.<\/li>\n
  3. Coste de las herramientas<\/strong>. SAS<\/a> es un software comercial y bastante caro. Adem\u00e1s el uso de cada una de sus capacidades se vende por paquetes, as\u00ed que el coste total como herramienta anal\u00edtica es muy caro. La parte buena es que tienes un soporte. Por el contrario, tanto R<\/a> como Python<\/a> son gratuitos, si bien es cierto que empresas como Revolution Analytics ofrecen soporte, formaci\u00f3n y su propia distribuci\u00f3n de R<\/a> con un coste bastante inferior a SAS<\/a>. Normalmente s\u00f3lo las grandes empresas (bancos, compa\u00f1\u00edas telef\u00f3nicas, cadenas de alimentaci\u00f3n, INE<\/a>, etc.) disponen de SAS debido a su coste.<\/li>\n
  4. Estabilidad de la herramienta<\/strong>. Al ser un software comercial, en SAS<\/a> no hay problemas de compatibilidad de versiones. R<\/a> al tener un origen acad\u00e9mico ofrece distintas librer\u00edas para hacer un mismo trabajo y no todas funcionan en versiones anteriores de R<\/a>. Para evitar estos problemas en una gran empresa recomendar\u00eda utilizar alguna distribuci\u00f3n comercial de Revolution Analytics<\/a> por ejemplo.<\/li>\n
  5. Volumen\u00a0de datos<\/strong>. Las \u00fanica diferencia es que SAS<\/a> almacena los datos en tu ordenador en vez de en memoria (R<\/a>), si bien es cierto que las 3 tienen conexiones con Hadoop<\/a> y las herramientas de Big Data<\/a>.<\/li>\n
  6. Capacidad de innovaci\u00f3n<\/strong>. Si necesitas utilizar las \u00faltimas t\u00e9cnicas estad\u00edsticas o de Machine Learning<\/a> SAS<\/a> no es tu amigo. Es un software comercial que para garantizar la estabilidad de uso entre versiones retrasa la incorporaci\u00f3n de nuevas t\u00e9cnicas. Aqu\u00ed el l\u00edder es R<\/a> seguido de Python<\/a>.<\/li>\n<\/ol>\n

    Conclusi\u00f3n<\/strong>: no es f\u00e1cil quedarse con una herramienta de anal\u00edtica y las personas que trabajamos en grandes compa\u00f1\u00edas estamos habituados a trabajar con varias. SAS<\/a> ofrece soluciones integradoras a un coste elevado. R<\/a> tiene muchas capacidades de innovaci\u00f3n debido a su origen y Python<\/a> tiene la ventaja de ser un lenguaje de programaci\u00f3n generalista que adem\u00e1s puede servir para hacer Data Mining<\/a> o Machine Learning<\/a>. La elecci\u00f3n depender\u00e1 de lo que est\u00e9s dispuesto a pagar y tus necesidades espec\u00edficas. Yo<\/strong> tengo la suerte o desgracia de trabajar en una gran empresa, as\u00ed que dispongo de las 3<\/strong>.<\/p>\n

    \"Tendencias<\/a>
    Tendencias en lo que a demanda de perfiles con conocimiento de R, SAS y Python se refiere (Fuente: http:\/\/www.statsblogs.com\/2013\/12\/06\/sas-is-abandoned-by-the-market-for-advanced-analytics\/)<\/figcaption><\/figure>\n

    M\u00e1s informaci\u00f3n en:<\/p>\n