Date: Sat, 10 Jan 2009 10:41:48 To: Lista General de Discusión Sobre Software Libre<[email protected]> Subject: [Softwarelibre] El poder de R. Traducción libre del artículo publicado en el New York Times el 7 de enero (http://www.nytimes.com/2009/01/07/technology/business-computing/07program.ht...) Creo que vale la pena comentarlo. ===== 7 de enero de 2009 Los analistas de datos, cautivados por la Potencia R Por ASHLEE VANCE Para algunas personas R es sólo la decimoctava letra del alfabeto. Para otros, es la calificación de películas subidas de tono, una medida del aislamiento de un ático o lo que dicen los piratas en las películas. R es también el nombre de un popular lenguaje de programación utilizado por un número creciente de analistas de datos dentro de las empresas y el mundo académico. Se está convirtiendo en su "lingua franca" en parte debido a que la minería de datos ha entrado en una edad de oro, ya sea para fijar los precios de anuncios, encontrar nuevos medicamentos con mayor rapidez o perfeccionar modelos financieros. Empresas tan diversas como Google, Pfizer, Merck, Bank of America, el InterContinental Hotels Group y Shell lo utilizan. Pero R también ha juntado seguidores rápidamente porque estadísticos, ingenieros y científicos sin capacidades de programación lo encuentran fácil de usar. "R es realmente importante hasta el punto de que es difícil sobrevalorarlo", dijo Daryl Pregibon, un científico investigador de Google, que utiliza el software ampliamente. "Permite a los estadísticos a hacer análisis muy intrincados y complejos sin conocer la sangre y las tripas de los sistemas de computación." También es libre. R es un programa de código abierto, y su popularidad refleja un cambio en el tipo de software utilizado en las empresas. El software de código abierto es libre de utilizar y modificar para cualquier persona. IBM, Hewlett-Packard y Dell hacen miles de millones de dólares al año vendiendo de servidores que ejecutan sistema operativo de código abierto Linux, que compite con Windows de Microsoft. La mayoría de los sitios web son desplegados usando una aplicación de código abierto llamada Apache, y las empresas confían cada vez más en la base de datos de código abierto MySQL para almacenar su información crítica. Muchas personas visualizan los resultados finales de toda esta tecnología a través del navegador web Firefox, también un software de código abierto. R es similar a otros lenguajes de programación, como C, Java y Perl, en la medida en que ayuda a las personas a realizar una amplia variedad de tareas de computación, dándoles acceso a distintos comandos. Para los estadísticos, sin embargo, R es particularmente útil porque contiene una serie de mecanismos incorporados para organizar los datos, ejecutar cálculos sobre la información y crear representaciones gráficas de los conjuntos de datos. Algunas personas familiarizadas con R lo describen como una versión repotenciada de la hoja de cálculo Excel de Microsoft que puede ayudar a iluminar las tendencias de datos con más claridad de lo que es posible introduciendo la información en filas y columnas. Lo que hace tan útil R - y ayuda a explicar su rápida aceptación - es que los estadísticos, ingenieros y científicos pueden mejorar el código del software o escribir variaciones para tareas específicas. Los paquetes escritos para R añaden algoritmos avanzados, gráficos a color y texturizados, y técnicas de minería para escarbar hondo en las bases de datos. Cerca de 1600 paquetes diferentes estan alojados en uno de los muchos sitios web dedicados a R, y el número de paquetes ha crecido de manera exponencial. Un paquete, llamado BiodiversityR, ofrece una interfaz gráfica que tiene por objetivo facilitar los cálculos de las tendencias ambientales. Otro paquete, llamado Emu, analiza los patrones del habla, mientras que GenABEL se utiliza para el estudio del genoma humano. La comunidad de servicios financieros ha demostrado una afinidad particular con R; existen decenas de paquetes dedicados específicamente al análisis de derivados. "La gran belleza de R es que se puede modificar para realizar todo tipo de cosas", dijo Hal Varian, economista jefe de Google. "Y tienes un montón de cosas empaquetadas que ya se encuentran disponibles, de modo que estás parado sobre los hombros de gigantes". R apareció por primera vez en 1996, cuando los profesores de estadística y Ross Ihaka y Robert Gentleman de la Universidad de Auckland en Nueva Zelanda liberaron el código como un paquete de software libre. Según ellos, la idea de diseñar algo como R surgió durante una conversación de pasillo. Ambos querían la tecnología más adecuada para sus estudiantes de estadística, quienes necesitaban analizar los datos y producir modelos a partir de información. La mayoría de las aplicaciones similares habían sido diseñadas por científicos y habían demostrado ser difíciles de usar. A falta de profundidad de formación en ciencias de la computación, los profesores consideraban sus esfuerzos de codificación más un juego académico que cualquier otra cosa. Sin embargo, a partir 1991 más o menos, se empezó a trabajar en R a tiempo completo. "Estábamos bastante inseparables durante cinco o seis años", dice el Sr. Gentleman. "Una persona hacía la mecanografía y la otra el pensamiento." Algunos estadísticos que le dieron una revisión temprana al software lo consideraron áspero en algunas aristas. Pero a pesar de estos inconvenientes, R inmediatamente después ganó la atención de gente que vio las posibilidades de personalizar este software libre. John M. Chamber, un ex investigador de Bell Labs, que es ahora profesor consultor de estadística en la Universidad de Stanford, fue un campeón inicial. En Bell Labs, el Sr. Chambers había ayudado a desarrollar S, otro proyecto de software estadístico, dieñado con el fin de dar a los investigadores de todo tipo una herramienta accesible de análisis de datos. Sin embargo, no era un proyecto de código abierto. El software no había generado mucho interés y, en última instancia los derechos de S terminaron en manos de Tibco Software. R está superando lo que el Sr. Chamber había imaginado posible con S. "La diversidad y la emoción en torno a lo que todas estas personas están haciendo es grande," dijo el Sr. Chambers. Si bien es difícil calcular exactamente cuántas personas utilizan R, los más familiarizados con el software calculan que cerca de 250.000 personas trabajan con él regularmente. La popularidad de R en las universidades podría amenazar al SAS Institute, la empresa privada empresa de software que se especializa en software de análisis de datos. SAS, con más de $ 2 mil millones en ingresos anuales, ha sido la herramienta preferida de los académicos y directores de empresas. "R en este momento realmente ha convertido en la segunda lengua para personas que salen de la universidad, y hay una increíble cantidad de código está escrito para este sistema", dijo Max Kuhn, director asociado de estadísticas no clínicas en Pfizer. "Usted puede ver los foros de mensajes de SAS y encontrará que hay una disminución proporcional en el tráfico." SAS dice que se ha dado cuenta de la creciente popularidad de R en las universidades, a pesar de los descuentos educacionales sobre su propio software, pero desestima esta tecnología como de interés para un conjunto limitado de personas que trabajan en tareas difíciles. "Creo que se refiere a un nicho de mercado gama alta para los analistas de datos que desea código libre y disponible", dijo Anne Milley H., directora de mercadeo de productos de tecnología en SAS. Y añade: "Tenemos clientes que construyen motores para aviones. Me alegro de que no están usando sotware gratuito* cuando me subo a un jet ". Pero mientras el SAS desdeña el atractivo corpoativo de R, empresas como Google y Pfizer dicen que usan el software para casi cualquier cosa que pueden. Google, por ejemplo, tantea R como ayuda para entender las tendencias de precios en los anuncios y para arrojar luz sobre patrones en los datos de búsqueda que recolecta. Pfizer ha creado paquetes personalizados para R que permiten a sus científicos manipular sus propios datos durante sus estudios sobre drogas no clínicas en lugar de enviar la información a un estadístico. Lo co-creadores de la R expresan su satisfacción que estas empresas se beneficien de los frutos de su labor y la de cientos de voluntarios. El Sr. Ihaka sigue enseñando estadísticas de la Universidad de Auckland y quiere crear software más avanzado. El Sr. Gentleman está aplicando un software basado en R llamado Bioconductor en el trabajo que está haciendo sobre la biología computacional en el Fred Hutchinson Cancer Research Center en Seattle. "R es una verdadera demostración del poder de la colaboración, y no creo que se puede construir algo como esto de otra manera", dijo el Sr. Ihaka. "Podríamos haber optado por hacerlo comercial, y habríamos vendido cinco copias del software." ===== * Estrategia FUD (http://es.wikipedia.org/wiki/FUD) en donde la representante de SAS juega con el hecho de que en inglés "free" se aplica tanto a libre como a gratuito. francisco.palm -- Diego Saravia [email protected] NO FUNCIONA->[email protected]