R for Business Analytics

R for Business Analytics به برخی از متداول ترین وظایف انجام شده توسط تحلیلگران تجاری نگاه می کند و به کاربر کمک می کند تا اطلاعات زیادی را در R و بسته های 4000 آن هدایت کند. با این اطلاعات خواننده می تواند بسته هایی را انتخاب کند که می تواند به پردازش وظایف تحلیلی با حداقل تلاش و حداکثر سودمندی کمک کند. استفاده از رابط های گرافیکی کاربر (GUI) در این کتاب برای کاهش بیشتر و خم کردن منحنی یادگیری معروف در یادگیری R مورد تاکید قرار گرفته است. این کتاب با هدف کمک به شما در شروع کار با تجزیه و تحلیل از جمله فصل هایی در مورد تجسم داده ها، مثال های کد در وب است. تجزیه و تحلیل و تجزیه و تحلیل رسانه های اجتماعی، خوشه بندی، مدل های رگرسیون، متن کاوی، مدل های داده کاوی و پیش بینی. این کتاب سعی می کند خواننده را در معرض وسعتی از موضوعات تجزیه و تحلیل تجاری قرار دهد بدون اینکه کاربر را در عمق بی مورد دفن کند. ارجاعات و پیوندهای گنجانده شده به خواننده این امکان را می دهد که موضوعات تجزیه و تحلیل تجاری را دنبال کند.

این کتاب برای تحلیل‌گران کسب‌وکار با مهارت‌های برنامه‌نویسی اولیه برای استفاده از R برای تجزیه و تحلیل کسب‌وکار است. توجه داشته باشید که دامنه کتاب نه تئوری آماری است و نه تحقیقاتی در سطح تحصیلات تکمیلی برای آمار، بلکه برای متخصصان تحلیل تجاری است. تجزیه و تحلیل کسب و کار (BA) به حوزه اکتشاف و بررسی داده های تولید شده توسط مشاغل اشاره دارد. هوش تجاری (BI) انتشار یکپارچه اطلاعات از طریق سازمان است که در درجه اول شامل معیارهای تجاری گذشته و فعلی برای استفاده از پشتیبانی تصمیم گیری در مشاغل است. داده کاوی (DM) فرآیند کشف الگوهای جدید از داده های بزرگ با استفاده از الگوریتم ها و روش های آماری است. برای تمایز بین این سه، BI عمدتاً گزارش‌های جاری است، BA مدل‌هایی برای پیش‌بینی و استراتژی‌سازی است و DM الگوها را در داده‌های بزرگ مطابقت می‌دهد. نرم افزار آماری R سریع ترین پلتفرم تحلیلی در حال رشد در جهان است و در دانشگاه ها و شرکت ها برای استحکام، قابلیت اطمینان و دقت ایجاد شده است.

این کتاب از سخنان معروف آلبرت انیشتین در مورد ساده‌تر کردن همه چیز، اما نه ساده‌تر، استفاده می‌کند. این کتاب آخرین شک و تردیدهای باقی مانده را در ذهن شما در مورد استفاده از R در محیط کسب و کارتان منفجر خواهد کرد. حتی کاربران غیر فنی نیز از نمونه های آسان برای استفاده لذت خواهند برد. مصاحبه با سازندگان و کاربران شرکتی R کتاب را بسیار خواندنی کرده است. نویسنده قاطعانه معتقد است که آیزاک آسیموف نویسنده بهتری در گسترش علم نسبت به هر نویسنده کتاب درسی یا مجله بود.

R for Business Analytics looks at some of the most common tasks performed by business analysts and helps the user navigate the wealth of information in R and its 4000 packages. With this information the reader can select the packages that can help process the analytical tasks with minimum effort and maximum usefulness. The use of Graphical User Interfaces (GUI) is emphasized in this book to further cut down and bend the famous learning curve in learning R. This book is aimed to help you kick-start with analytics including chapters on data visualization, code examples on web analytics and social media analytics, clustering, regression models, text mining, data mining models and forecasting. The book tries to expose the reader to a breadth of business analytics topics without burying the user in needless depth. The included references and links allow the reader to pursue business analytics topics.

This book is aimed at business analysts with basic programming skills for using R for Business Analytics. Note the scope of the book is neither statistical theory nor graduate level research for statistics, but rather it is for business analytics practitioners. Business analytics (BA) refers to the field of exploration and investigation of data generated by businesses. Business Intelligence (BI) is the seamless dissemination of information through the organization, which primarily involves business metrics both past and current for the use of decision support in businesses. Data Mining (DM) is the process of discovering new patterns from large data using algorithms and statistical methods. To differentiate between the three, BI is mostly current reports, BA is models to predict and strategize and DM matches patterns in big data. The R statistical software is the fastest growing analytics platform in the world, and is established in both academia and corporations for robustness, reliability and accuracy.

The book utilizes Albert Einstein’s famous remarks on making things as simple as possible, but no simpler. This book will blow the last remaining doubts in your mind about using R in your business environment. Even non-technical users will enjoy the easy-to-use examples. The interviews with creators and corporate users of R make the book very readable. The author firmly believes Isaac Asimov was a better writer in spreading science than any textbook or journal author.