The big data 市场呈上升趋势，行情强劲 CAGR of 13.5%. 与此同时，对可重复性研究的需求也越来越大. 为了应对这些激增, r是一种为专门的数据分析而设计的功能强大的编程语言，它一直在不断地扩展和发展. 经历了某些R函数 增长了十倍 在不到十年的时间里，它被广泛使用，并且根据 TIOBE index.
大数据的增长和R的互补优势加剧了对熟练的R程序员的竞争, 导致工资上涨，人才库萎缩. 对于涉及大量统计分析等专业任务的项目， 复杂的数据可视化或者综合报告，雇佣R开发人员可以确保最佳的项目结果. 由于该语言广泛收集了针对医疗保健等领域量身定制的软件包, pharmaceuticals, and academia, R程序员填补了一个高度专业化的细分市场.
数据可视化 and manipulation – Skilled candidates excel in data visualization; they can harness the powerful capabilities of R to communicate complex visual information clearly and effectively. 这种能力可以帮助涉众快速掌握洞察力并做出明智的决策. In addition, 数据操作和清理 技能对于有效处理混乱和非结构化数据以及生成准确可靠的分析至关重要.
On the whole, 与Python开发人员相比，R工程师的通用性较差，可用的AI或机器学习(ML)库也较少, 谁使用通用编程语言. However, 当涉及到强大的统计计算方法和数据可视化或报告功能时，R工程师最好是Python开发人员，从事这些类型项目的招聘经理应该选择精通R的候选人.
R vs .的用例. SQL Developers
R和SQL开发人员在数据分析方面扮演着不同但互补的角色:
R developers 最适合统计建模、数据分析和数据可视化项目. R为这些目的提供了更复杂的工具集, with a vast array of statistical tests and models readily available; however, 它不是为处理数据库中的数据检索而设计的.
最后，你必须决定是投资高级人才还是初级人才. 这个决定取决于项目的复杂性和紧迫性. 初级工程师通常足以胜任不太复杂或风险较低的项目，在这些项目中，学习曲线较低，数据结构良好. 另一方面, senior developers are necessary for tasks that require specialized skills and a deep understanding of the subject matter; they can handle complex problems and build innovative solutions with minimal supervision. 当数据不容易获得或分析需要高级工具时，高级人才是理想的选择 scraping、ML算法或交互式仪表板. 公司应该仔细评估他们的项目需求, complexity, 以及权衡雇用高级人才和初级人才的利弊的紧迫性.
应试者应该熟悉(并具有实际经验)常用的软件包，例如 Tidyverse，需要R工程师进行数据分析. In addition, they should be well equipped to compose good visualizations; experienced candidates may detail the visualization tools they have used, such as Plotly or Tidyverse’s ggplot2. However, 这些工具没有应聘者构建简单且可解释的图表的能力重要. Finally, 如果您希望在仪表板中实现高度交互的可视化, 确保应聘者熟悉Shiny.
