Na semana passada, eu comentei na página O Estatístico do Facebook, sobre a minha experiência com as linguagens de programação. Na ocasião, também compartilhei algumas dicas do Gabriel Ferreira, de “como se tornar um grande desenvolvedor” (entenda programador).

Se eu tivesse acesso a essas dicas 15 anos atrás, talvez eu fosse especialista em Linguagem R, Linguagem Python ou qualquer outra. Mas na verdade, não sou especialista em nenhuma linguagem de programação (ainda). Talvez por querer aprender todas, ou por não ter seguido alguns passos primordiais para tirar o melhor dessas ferramentas de análise de dados.

Eu tive algumas experiências positivas e negativas com softwares. Já programei em Cobol, Clipper, C++, Delphi (lá no passado). Nos últimos 10 anos, aprendi SAS, R, SQL, Python, Minitab, SPSS, TerraView, QlikView, e até WinBugs.

Mas agora estou fascinado com a linguagem R. Resolvi estudar de verdade, e vou compartilhar com você algumas razões de “por que devemos aprender a programar em R. Se você está cheio de dúvidas como eu estava, vem com a gente, e conheça bons motivos para aprender já!

Plataforma abrangente de análises estatísticas

Oferece tudo quanto é tipo de análise estatística, para as mais variadas áreas do conhecimento, como atuária, economia, biologia, genética, ciências sociais. Com a grande quantidade de “pacotes estatísticos” disponíveis é possível manipular dados de forma eficaz e armazená-los. Há uma coleção crescente de ferramentas de análise de dados com o “poder” de resolver problemas diversos.

Segundo uma pesquisa recente, realizada pela O’Reilly, é uma das 4 ferramentas mais utilizadas em Data Science. O R tem a adesão de profissionais acadêmicos e daqueles que buscam soluções mais personalizadas. Se você não quer ficar de fora da crescente demanda mundial por profissionais, capazes de extrair informações úteis, então você deve aprendê-la.

Obtém dados de outras fontes

Obter dados de outras fontes pode ser extremamente útil para sua análise. Com a Linguagem R, você pode facilmente importar dados de uma variedade ampla de fontes, como bancos de dados, textos, repositórios especializados, como por exemplo o GitHub, além de códigos de outras linguagens, como Python, e softwares como o Excel. O grande diferencial é que você também pode gravar seus dados em outro sistema.

Os gráficos são espetaculares

Se você é daqueles que gostam de visualizar o comportamento dos dados das mais variadas formas, e ainda sim, apresentar os resultados de forma impressionante, então a linguagem R é para você. Novos pacotes surgiram, como “ggplot2”, deixando os gráficos mais elaborados e profissionais. Além disso, você pode facilmente exportar os gráficos para anexar em um documento ou apresentação, sem perder a qualidade da imagem.

A linguagem R tem recursos gráficos impressionantes que permitem visualizar dados complexos quase como uma arte.

gapminder-oestatistico

Mapa dinâmico

Trabalha com código aberto

Há um número significativo de pessoas investindo seu tempo e conhecimento para desenvolver mais “pacotes estatísticos”, a fim de melhorar a experiência do usuário com a linguagem R.  Aprender essa linguagem, que surgiu para realizar análises estatísticas, é um grande desafio, diante da quantidade de novo pacotes que surgem todos os anos.

Por causa dessa singularidade, a linguagem R fornece uma plataforma inigualável para programação de novos métodos estatísticos, de uma forma simples e fácil; tornando-se naturalmente extensível.

Crescimento exponencial de pacotes estatísticos

Em uma recente pesquisa sobre a popularidade de softwares (linguagens) para análise de dados foi possível identificar aqueles que estão em ascensão e declínio nos últimos 2 anos. O R não ganhou notoriedade à toa. O crescimento vertiginoso de pacotes estatísticos, como ChainLadder (estimativa de créditos em reservas; seguros), Bioconductor (genética) e RStoolbox (análise de sensoriamento remoto), impulsionaram a ferramenta a ocupar uma posição de destaque.

O crescimento exponencial de pacotes estatísticos

O crescimento exponencial de pacotes estatísticos

É de graça

Aprender uma linguagem de programação é semelhante a estudar um novo idioma. Da mesma forma que você deve praticá-lo, seja ouvindo músicas, assistindo jornais, lendo livros, exercitando a conversação ou viajando para locais onde o idioma é nativo; você também precisa continuar programando na linguagem que você aprendeu na faculdade ou no trabalho.

Mas o que geralmente acontece é a perda do contato com a linguagem, principalmente se ela é paga. Os softwares comerciais de análise estatística custam caro. Mas com a linguagem R não haveria mais esse problema, uma vez que ela é de domínio público. E como você pode ver, os benefícios são enormes.

Lembrando que ela é compatível com os sistemas operacionais Windows, Mac e Linux, podendo ser facilmente instalada sem exigir muito know-how para isso.

A linguagem de programação R retrata de forma fantástica o conceito do conhecimento colaborativoSegundo Ross Ihaka, um dos criadores, “R é uma demonstração real do poder da colaboração, e eu acho que você não poderia construir algo como isso de outra maneira”.

É claro que existem várias outras razões para você aprender a programar em R, mas acredito que estas são suficientes para começar a incentivá-lo.

E aí? Ficou motivado para aprender a programar em R? Quer melhorar suas análises? Temos mais algumas outras dicas para você. Acesse o link: Existem muitos caminhos para aprender a linguagem R


Fontes

Amirtha, Tina. “Why the R programming Language is good for business”. FastCompany; May 5, 2014: http://bit.ly/2fVRBd0

Krill, Paul. “Why R? The pros and cons of the R language”. InfoWorld; June 30, 2015: http://bit.ly/2gYleLu

Muenchen, Bob. “Fastest growing software for scholarly analytics: Python, R, KNIME”. R-Bloggers: R news and tutorials contributed by (600) R bloggers. Consultado em 10/11/2015. Disponível em https://www.r-bloggers.com/fastest-growing-software-for-scholarly-analytics-python-r-knime/

Smith, David. “The number of R packages is growing exponentially”. R-Bloggers: R news and tutorials contributed by (600) R bloggers. Consultado em 10/11/2015. Disponível em https://www.r-bloggers.com/the-number-of-r-packages-is-growing-exponentially/

Vance, Ashlee. “Data Analysts Captivated by R’s Power”. The New York Times; January 6, 2009:  http://nyti.ms/2gLOl5z

YouTube. (2009, setembro 8). Reasons to learn the R Programming Language [arquivo de vídeo]. Encontrado em: https://www.youtube.com/watch?v=W2GZFeYGU3s

Amplie seu conhecimento

Kabacoff, Robert. “R in Action: Data Analysis and Graphics with R”. Manning Publications; edição 2. June 6, 2015. 608p: http://amzn.to/2gLPdqC

Material usado

Imagem da linguagem R: http://bit.ly/1l0Azgb

Imagem do mapa mundial no R com ggplot2: http://bit.ly/1LiYFby

Imagem da popularidade das linguagens de programação: http://bit.ly/1r1cNfU

Siga-nos nas redes sociais

Facebook: https://www.facebook.com/oestatistico

Twitter: https://twitter.com/oestatisticoweb

Instagram: https://www.instagram.com/oestatistico

Pinterest: https://br.pinterest.com/estatisticoblog