El lenguaje R aplicado a la Inteligencia de Negocios
una poderosa herramienta de Software Libre para el desarrollo de soluciones destinadas a las empresas
R es un poderoso lenguaje de programación implementado como software libre inicialmente orientado a usuarios del mundo de la estadística. Con el transcurso del tiempo se ha vuelto una de las principales opciones para el procesamiento de los datos trayendo de manera implícita que los avances alcanzados sirvan para distintas áreas del conocimiento siendo una de estas la Inteligencia de Negocios donde se identifican grandes potencialidades para ser usado como una herramienta para los procesos de Extracción, Transformación y Carga (ETL), la construcción de cuadros de mando (dashboards), visualizaciones y funcionalidades de minería de datos, ahorrando costos en adquisición de licencias y dando una gran libertad al usuario en moldear el producto acorde a sus necesidades.
I. EL INICIO: DESPUÉS DE S VIENE R
El lenguaje R inicialmente estaba destinado principalmente a la manipulación, simulación, cálculo y graficación de datos [1] . Sus orígenes se encuentran en la implementación de una versión libre del lenguaje de programación S el cual se orientaba a cálculos estadísticos. El proyecto R fue iniciado por Robert Gentleman y Ross Ihaka del departamento de Estadística en la Universidad de Auckland en 1995. El desarrollo de R funciona en simultáneo como un software y lenguaje de programación. R es distribuido bajo los términos del GNU General Public Licence (Licencia Pública General de GNU) garantizando la libertad de usar, copiar y modificar el software. Que su sintaxis resulte sencilla y directa para el usuario final, el entorno de desarrollo en que se ejecuta, sus velocidades de procesamiento, que sea un lenguaje interpretado, lo que lleva a que al tipear un comando sea directamente ejecutado sin la necesidad de construir-compilar completo el programa, entre otros factores, han hecho que este lenguaje haya ganando adeptos para muchos usos que van más allá de la estadística, siempre y cuando su aplicación tenga que ver con el procesamiento de datos.
II. USO ACTUAL
Este lenguaje se ha convertido en uno de los más usados en lo concerniente a los datos, llegando a estar paralelo al Python en cantidad de usuarios para dicha finalidad. La encuesta anual hecha por el sitio de internet KDnuggets en 2018 lo sitúa como el tercer software con más usuarios en la comunidad de analítica, ciencia de datos y aprendizaje automatizado [2] . Puede ser instalado en los sistemas operativos Linux, Windows y MacOS. La versión más reciente disponible es la 3.5.2 .
A. Comunidad R
El lenguaje R funciona con la filosofía de software libre con código abierto lo que hace que los desarrollos y aplicaciones que se implementan son altamente contributivos entre la comunidad de usuarios. Los usuarios pueden crear paquetes que faciliten la ejecución de procesos. El sitio de internet www.r-project.org es el principal repositorio de desarrollos que se distribuyen en forma de paquetes. Actualmente sólo en este sitio se encuentran más de trece mil paquetes que abarcan distintas utilidades como pueden ser procesamiento de datos crudos, graficación de mapas, algoritmos de aprendizaje automatizado entre muchos otros. Igualmente existe una diversidad de sitios donde se almacenan otros paquetes pudiendo citar la página del proyecto Bioconductor que contiene paquetes que son usados en la investigación del genoma [3] . Es importante que sepamos que todos estos paquetes están disponibles para libre uso de la comunidad de manera libre y sin ninguna correspondencia de pago .
B. Entornos de desarrollo:
Para este lenguaje se disponen pocas opciones de entorno de desarrollo integrado (IDE) siendo algunas de ellas:
1) R Studio
2) Eclipse
3) Visual Studio for R
La primera de las opciones es la más conocida y es ampliamente usada por la facilidad que representa la visualización de todo el entorno de paquetes, variables, consola y editor para el usuario. Este entorno de desarrollo fue lanzado en 2011 y pertenece a la compañía rstudio.inc . Sus versiones para usuario final son libre y de código abierto, aunque también ofrecen versiones para ser instaladas en servidores de la propia compañía que sí tienen costos asociados. Particularmente este IDE representa un tópico de gran interés para esta investigación ya que el software permite la ejecución exclusiva de una serie de paquetes que facilitan la generación de tableros y cuadros de control que en conjunto con gráficas constituyen los dashboards que serán abordados más adelante en este trabajo.
III. R PARA INTELIGENCIA DE NEGOCIOS
Si entendemos la Inteligencia de Negocios (I.N.) como el conjunto de procesos mediante los cuales buscamos extraer conocimiento de los datos para convertirlos en información que de sustento a la toma de decisiones por parte de los gerentes de una organización podemos proyectar que el lenguaje R representa una sólida opción en los procesos que se incluyen dentro del área de la Inteligencia de Negocios. Hay que ser muy enfáticos en aclarar que la implementación de cualquier proceso de I.N. será muy distinto a como se hace en las plataformas tradicionales como por ejemplo Pentaho, Tableau, Power BI, ya que este tipo de softwares en gran medida facilitan al diseñador y programador de la solución una gran cantidad de pasos mediante las herramientas de programación visual o métodos similares los cuales difieren radicalmente del proceso que se tendría que ejecutar en R. Sin embargo las potencialidades de este lenguaje permiten que todos los requerimientos del usuario final puedan ser moldeados para dar cumplimiento a los demandas más exigentes, ya que R cuenta con la capacidad de efectuar todos los procesos necesarios y por la gran comunidad de desarrolladores con que cuenta todo el tiempo se están creando nuevas funcionalidades. Al adoptar R como la base sobre la que se desarrolle la solución de negocio se hará necesario que en el equipo de trabajo se incluyan expertos en la programación de este lenguaje. Posiblemente también sea necesario complementar con otro lenguaje como PHP o Python algún requerimiento que R no sea capaz de procesar pero sí de integrarse con estos otros recursos. A continuación vamos a listar los procesos de la I.N. en los cuales R puede ser usado.
A. ETL-Extracción, Transformación y Carga
imagen extraída de https://blog.bismart.com/es/que-hacemos-etl
La extracción de datos en R es viable ya que permite la conexión con las más usadas bases de datos en Oracle, mySQL, mariaDB, Postgree. El desarrollo de múltiples paquetes da diversas opciones que permiten la conexión y extracción deseada [4]. También es capaz de procesar una gran cantidad de tipos de archivos que contengan datos como los provenientes de excel, csv y cualquier otro estándar. Posteriormente a la extracción este lenguaje tiene una gran cantidad de opciones para hacer las transformaciones y limpieza de los datos obtenidos con altos niveles de exigencia y rendimiento. Todas las transformaciones clásicas es posible realizarlas como joins, uniones e intersecciones, concatenaciones, procesamiento de expresiones regulares -regex-, filtros, etc. El almacenado de los datos procesados también queda claro que es posible ejecutarlo en este lenguaje.
B .Visualizaciones:
Una de las mayores fortalezas que presenta este lenguaje son las representaciones gráficas que se pueden hacer ya que cuenta con varios sistemas gráficos altamente desarrollados. El uso de diversos paquetes facilita la generación de reportes permitiendo visualizar roll ups y drill downs y semejantes operaciones de agregación o disgregación de datos. Exportar los reportes a distintos formatos o su visualización en entorno web son otros de los recursos con que cuenta este lenguaje.
IV. APLICACIONES EN R, EL NEGOCIO DE LA INTELIGENCIA DE NEGOCIOS
El hecho de que este software sea libre abre diversas opciones para el desarrollo de soluciones y aplicaciones para las empresas en el área de desarrollo informático en el campo de la inteligencia de negocios. Es viable la obtención de ingresos para una empresa de software tanto en el desarrollo como en el mantenimiento de las aplicaciones. A diferencia de algunos usos que se le puede dar a R para estudios puntuales sobre distintas variables, la implementación de soluciones en este campo implican el acompañamiento a la organización que la adopta e igualmente el mantenimiento, adaptaciones y mejoras al sistema donde claramente también estará incluido el Dataware House.
V. PAQUETES R DE UTILIDAD PARA LA I.N.:
A. Tidyverse: es una colección de paquetes que permiten
generar una gran cantidad de procesos que inician con la carga de los datos, las transformaciones que sean requeridas, almacenamiento en formatos que R maneja de manera más eficiente y las visualizaciones. Ha sido desarrollado por el mismo equipo de Rstudio.inc. Todos estos paquetes usan una gramática similar para darle coherencia a todo el proceso que sea ejecutado. Esta colección está compuesta por: ggplot 2 (creación de gráficos), dplyr (manipulación de datos), tidyr (organización de los datos), readr (lectura de archivos), purr (uso de funciones y vectorizaciones para remplazar loops), tible (almacenamiento de datos), strinr (procesamiento de expresiones de textos) [6].
suite tidyverse
B. Shiny:
Es un paquete que permite generar aplicaciones web interactivas con visualización de reportes, tablas y gráficos en el navegador web y permite al usuario interactuar con los datos disponibles. Puede ser alojado bajo la modalidad standalone o en un servidor [7].
C. Radiant:
Basado en shiny incrementa las potencialidades en la visualización y procesamiento interactivo con el usuario de los datos ya que se destina principalmente a la analítica de negocios [8].
D. mssqlR:
Conexiones a distintas bases de datos con sintaxis de MySQL Server [9]
E.. knitr:
Generación de informes integrados a procesos realizados en códigos de programación.
VI. FRONTERA
Una vez realizados los clásicos procesos que constituyen la I.N. El lenguaje R puede fácilmente ejecutar procesos que siguen de forma natural para cualquier organización que haya consolidado su plataforma. Podemos mencionar los siguientes procesos:
A. Minería de datos
1) Análisis de segmentos: implementar algoritmos de
segmentación con los que se pueda entender cómo se componen las agrupaciones por ejemplo de clientes de una empresa. Saber cuáles clientes se parecen más unos que con los otros.
ejemplo de clusters
2) Regresiones lineales: por medio de estos procesos
de la estadística realizar predicciones sobre los valores que pueda tener una determinada variable en el tiempo.
3) Clasificaciones : para determinado problema de
una organización donde sea necesario mediante una serie de características, atributos, lograr efectuar una clasificación de un ejemplo nuevo.
B. Big Data
R permite conectarse a servidores de las grandes companías del cloud computing para ejecutar procesos paralelos y distribuidos que funcionen en ambientes hadoop o similares lo que brinda otra fortaleza en el escalamiento de las necesidades de la organización.
VII.CONCLUSIONES
R con toda claridad es un lenguaje que puede usarse en la Inteligencia de Negocios pudiendo brindar múltiples beneficios a los usuarios, no obstante es necesario que tanto lops desarrolladores de aplicaciones en principio, como los usuarios finales entiendan las ventajas y desafíos que plantea el uso de R. Para nuestro país o en situaciones presupuestarias de empresas donde los recursos financieros son reducidos el lenguaje R es una alternativa de bajo coste y alta eficiencia. Para los desarrolladores de aplicaciones R también constituye una posible fuente de ingreso a la que se le puede sumar el mantenimiento de las plataformas que se implementen.
REFERENCIAS
[1] W.J. Owen, The R Guide Version 2.5, Department of Mathematics and Computer Science, University of Richmond, 2010.
[2] Piatetsky, Gregory (2018) the 19 th anual Kdnuggets software pool [online] Avaible: https://www.kdnuggets.com/2018/05/poll-tools-analyticsdata- science-machine-learning-results.html
[3] (2019) Bioconductor Project. avaible: https://www.bioconductor.org
[4] Gendron, Jay, Introduction to R for Business Intelligence, Packt Publishing, 2016.
[5] Barry Dwight, Business Intelligence with R, 2016.
[6] (2019) Tidyverse: a collection of R packages .Avaible: https://www.tidyverse.org/
[7] (2019) Shiny: a R package for buid web apps. Avaible: https://shiny.rstudio.com/
[8] (2019) A brower-based interfaced for Business Analytics. Avaible: http://vnijs.github.io/radiant/
[9] (2019) A R package for query data from Mysql Server. Avaible: https://cran.r-project.org/web/packages/mssqlR/index.html
){kind=avatar}
José Miguel Avendaño I.
Economista con Maestría en Ciencias de la Computación (por culminar)
Investigación y desarrollo de productos de Machine Learning.