Was ist R?

Die Programmiersprache für Statistik und Analyse – eine Einführung

Data Science und Datenanalyse haben für Unternehmen über die letzten Jahre hinweg stark an Bedeutung gewonnen. „R“ ist eine Programmiersprache, die im Zuge dessen enorm an Bedeutung gewonnen hat und zunehmend als Standardsprache für Aufgaben in den Bereichen Analyse, Statistik aber auch künstliche Intelligenz gilt.

Die Vorteile für Unternehmen beim Einsatz von R

Für Unternehmen erlaubt das kostenlose und mächtige Tool die Automatisierung wiederkehrender Berichte und Reports, statistische Auswertungen, die Anbindung unterschiedlicher Datenquellen, das Erstellen hochwertiger Visualisierungen, den Export von PDF bis hin zu interaktiven Portalen oder die Entwicklung von Vorhersagemodellen. Gegenüber Excel-Auswertungen lässt sich die Effizienz steigern, indem wiederkehrende Tätigkeiten vermieden werden.

Open-Source und kostenlos

R ist Open-Source-Software und kostenlos. Entsprechend der Aussagen des Kern-Entwicklerteams von R können Sie problemlos R kommerziell einsetzen (mehr). Grundlage ist die zugrunde liegende GPL 2-Lizenz (dies stellt keine Rechtsberatung dar).

Entwicklungsumgebung RStudio

R wird ideal ergänzt durch die integrierte Entwicklungsumgebung (IDE) RStudio. Neben einem interaktiven Eingabebereich gibt es hier einen Bereich für die Entwicklung von Code, eine übersichtliche Integration der Hilfe-Funktionen und Ausgabebereiche für Grafiken. Außerdem werden die genutzten Datenquellen angezeigt und Daten können ohne den Wechsel in ein anderes Tool in Tabellenform angesehen werden. Auch RStudio ist in der Desktop-Version kostenlos. Ist Enterprise-Support gewünscht oder soll RStudio auf Servern mit Parallelisierung laufen, gibt es kostenpflichtige Versionen.

Von Statistikern entwickelt

Die Programmiersprache R wurde in von Statistikern entwickelt und 1992 veröffentlicht. Die Herkunft zeigt sich darin, dass statistische Funktionen bereits im Core von R, d.h. ohne das Einbinden zusätzlicher Bibliotheken, verfügbar sind. So lässt sich beispielsweise ein lineare Regression mit einer einzigen Programmzeile ausführen, anschließend werden die Koeffizienten sowie deren Konfidenzintervalle ausgegeben.

Erweiterbarkeit durch R-Pakete

Das volle Potenzial entfaltet R jedoch durch die Vielzahl an Paketen bzw. Bibliotheken (Libraries). Das Archiv CRAN stellt über zehntausend Pakete zur Verfügung, die direkt aus RStudio heraus installiert werden können. So lassen sich vielfältige Problemstellungen effizient lösen, ohne das Rad neu zu erfinden. Mit über 25 Jahren Geschichte von R ist die Landschaft der Bibliotheken teilweise unübersichtlich: hier lohnt sich am Anfang etwas Recherche oder der Rat von einem erfahrenen R-Nutzer, um von vornherein die am besten geeigneten Pakete zu nutzen.

Potenzial durch Automatisierung von Berichten

Besondere Stärken besitzt im Reporting: mit den entsprechenden Paketen lassen sich PDF-Dateien oder Word-Dateien erstellen, Websites und interaktive Portale und Dashboards erstellen. Selbst ein Buch kann prinzipiell in R geschrieben werden. Diese Stärke erklärt die wachsende Nutzung von R auch im Unternehmens-Bereich: wiederkehrende Routinearbeiten in Excel beispielsweise lassen sich vermeiden, indem die Analyse in R durchgeführt wird. Mit der Anbindung an Datenbanken können so regelmäßig Bereicht automatisiert werden und mit den jeweils aktuellen Daten erstellt werden.

Machine Learning und künstliche Intelligenz mit R

Neben dem Berichtswesen und der Statistik bietet R auch Bibliotheken für maschinelles Lernen. So lassen sich beispielsweise Prognosemodelle erstellen (Predictive Analytics) oder mittels unüberwachtem maschinellen Lernen Data Mining betreiben, d.h. die Entdeckung neue Zusammenhänge durch die automatisierte Exploration von Daten.

R vs. Python

Viel diskutiert ist die Rivalität zwischen den Programmiersprachen R und Python. Die Sprachen haben eine ganz unterschiedliche Herkunft – R kommt aus der Statistik, Python hingegen ist eine universelle Programmiersprache, die jedoch ebenfalls durch eine Vielzahl an Paketen aus dem Bereich Data Science erweitert werden kann. Viele Aufgaben können gleichermaßen mit beiden der Sprachen programmiert werden. Durch die Universalität der Sprache bietet Python vor allem Vorteile, wenn es darum geht einen Code in ein größeres Software-Projekt mit noch ganz anderen Schwerpunkten als Analyse, Data Science oder maschinellem Lernen, in einer einheitlichen Sprache einzubinden. Andererseits bietet R eine größere Anzahl an Paketen und speziell für den Bereich Reporting und das Erstellen von qualitativ hochwertigen Grafiken und Berichten noch Vorteile. Auch für schnelle Analysen bietet sich R deutlich eher an als Python. Über die letzten Jahre hinweg gibt es die Tendenz, dass die Stärken der einen Sprache in die jeweils andere Sprache übernommen werden – beispielsweise hatte R mit dem Paket RShiny für Dashboards einen deutlichen Vorteil, in Python wurde anschließend das Paket Dash mit ganz ähnlichem Konzept und Funktionsumfang vorgestellt. Andererseits war das Trainieren von tiefen neuronalen Netzen (Deep Learning) zunächst vor allem in Python komfortabel machbar, bis 2017 das Paket Keras auch in R aufgenommen wurde (mehr). Insgesamt hat also jede der beiden Programmiersprachen ihre Stärken, die aber oft in die Weiterentwicklung der jeweils anderen Sprache einfließen.

R lernen

Die Syntax von R unterscheidet sich von vielen anderen Sprachen, sodass auch der erste Einstieg etwas schwieriger sein kann als in mancher anderen Sprache.

Für einen schnellen Einstieg bietet IOMIDS den Kurs R für Data Science, indem Sie intensiv das notwendige Wissen vermittelt bekommen, um schnell mit R durchzustarten.