严重的数据科学
严重的数据科学
是
开源
全面而值得信赖
首先代码
灵活和可重复使用
集中
云或本地
对您的数据科学投资推动更大的影响
最终，数据科学团队有两个关键责任：
- 建立宝贵的见解，利用他们的数据科学专业知识，所有可用数据和可用的分析工具。
- 分享这些见解以影响决策，由于任何不影响决策的见解都没有真正的价值。
但是，太多的数据科学团队努力履行这些关键责任，因此未能为他们的组织带来尽可能多的价值。这些团队可能：
- 努力创造见解，因为他们无法招募足够的数据科学家使用其专有工具，因为他们的工具在分析中施加了太多的黑匣子约束，或者需要太多时间进行配置和维护，或者因为孤立的团队导致了多余的工作和缺乏协作。
- 不影响决策，因为他们的利益相关者不了解团队在需要时提供的见解，或者无法访问相关的最新见解。
- 随着时间的流逝而难以增强其影响，因为他们不断被迫重新发明轮子，因此发现很难繁殖并基于以前的分析。
开源
- 轻松招募和培训
- 全面的分析和可视化
- 用互操作性分解分析孤岛
- 最小化供应商锁
首先代码
- 灵活地建立和共享见解，该见解是针对分析问题和利益相关者的需求而量身定制的
- 快速迭代和更新
- 可重复使用，可扩展和可检查
集中
- 减少数据科学团队的不必要工作
- 增强团队内部和决策者的协作
- 支持包装管理的可重复性
- 简化管理和维护
Rstudio曾与许多不同的组织合作，因为他们努力如何充分利用数据科学工作，并发现成功的三个关键支柱：
开源
通过采用开源核心，您可以更轻松地招募和保留数据科学家，而开源的全面性质可确保您始终为任何分析问题提供正确的工具，包括与所有其他分析投资建立联系的能力。您还避免将自己受到任何特定供应商的摆布，因为您的核心数据科学工作基于R或Python。
- 阅读更多有关bwin sports 支持免费和开源软件。
- 直接听到我们的创始人，J.J。Allaire，为什么Rstudio成为一家公共福利公司，重点关注开源软件。
- 了解有关Rstudio支持的伟大开源项目的更多信息，包括bwin500 对于开源数据科学，平淡无奇收集包装以使R更易于学习和使用，并且闪亮的，用于创建交互式Web应用程序的R框架。
首先代码
复杂的，有时清晰定义的分析问题需要代码的力量。代码是灵活的，没有任何黑匣子约束，使您可以访问，转换和组合所有数据。代码启用快速迭代和更新，以应对反馈或新情况。最重要的是，从其大自然中，可以重复使用，可扩展和可检查，使您可以修改并将其应用于新问题，并跟踪发生更改的地方。代码成为您组织中知识产权的核心来源，其价值随着时间的推移而增长。
- 手表为什么您的企业需要代码优先的数据科学，免费按需网络研讨会。
- 阅读或听为什么Rstudio专注于代码第一数据科学，博客文章和播客。
集中
通过集中数据科学基础架构，您可以分解障碍您的生产力。这使您可以减少维持单个数据科学家环境的不必要的时间，并促进协作。将团队的数据科学工作部署给利益相关者，使他们可以自助访问何时何地的见解，从而大大增加了团队工作的影响。集中您的开发和部署环境使管理，安全和管理变得更加容易，包装管理会随着时间的推移促进可重复性。
