SAS

Ejecutar modelos de SAS/Enterprise Miner desde SAS/Enterprise Guide

Muchos de los procesos de analítica que habitualmente realizamos en los proyectos SAS  quedan soportados por las funcionalidades de SAS/Enterprise Guide, en los casos en los que trabajamos con modelos más avanzados una de las herramientas de SAS que permite hacerlos es SAS/Enterprise Miner.

En este post vamos a ver cómo integrar un modelo generado en Miner en un flujo de proceso de Guide..

Conectando SAS y R

SAS

En los procesos de tratamiento de datos de los proyectos de Data Science es habitual encontrarse con la necesidad de conectar dos herramientas. Por ejemplo, podemos encontrarnos el caso de realizar la obtención y la preparación del dato en SAS y su modelización y análisis en R. Es una opción útil sobre todo si trabajamos con altos volúmenes de datos para los que R puede tener alguna limitación al trabajar en memoria. Haciendo el tratamiento previo en SAS podemos dejar la información depurada y agregada para R.

Analisis predictivo en SAS: árboles de decisión

Una de las técnicas más utilizadas dentro del análisis predictivo son los árboles de decisión. Esta técnica tiene múltiples aplicaciones en el campo de la estadística, pero nos vamos a centrar en su uso para realizar predicciones, concretamente obtener probabilidades de eventos. En este post revisamos una posible forma de hacerlo con el software de uno de los principales fabricantes del software de business analytics: SAS

Migración de SAS a R

Migración de SAS a RPoco a poco y sin hacer ruido R empieza a entrar en el panorama empresarial español y salen proyectos de migración de SAS a R. No voy a entrar a valorar si una herramienta es mejor que otra, simplemente comentar que la realidad actual del departamento de análisis de las empresas españolas es SAS, pero los expertos en data science se decantan por R..

SAS, SPSS y R: Ejemplos de componentes para tratamiento de datos. Equivalencias entre herramientas

Equivalencias entre SAS, SPSS y RExisten en el Mercado numerosas herramientas para tratamiento de datos. En este post, nos vamos a centrar en algunas de las más utilizadas: SAS, SPSS y R. Sin entrar a valorar la mejor o peor adecuación de cada una de ellas al tipo de proyecto en el que trabajemos, sus ventajas o sus inconvenientes,  lo que es evidente es que son tres herramientas muy extendidas.