Guía paso a paso para configurar analítica dentro de la base de datos con SQL Server y R

By Mirko Peters · 2026-08-12

Bienvenido a nuestra guía completa sobre cómo configurar la analítica dentro de la base de datos con SQL Server y R. Si alguna vez has sufrido exportar millones de filas desde una base de datos solo para hacer modelado estadístico en R, sabrás lo frustrantes que son la latencia de los datos, los errores de memoria y los cuellos de botella de seguridad. Afortunadamente, las integraciones modernas d

Automatically translated with AI from the original post. Read the English original

Bienvenido a nuestra guía completa sobre cómo configurar la analítica dentro de la base de datos con SQL Server y R. Si alguna vez has sufrido exportar millones de filas desde una base de datos solo para hacer modelado estadístico en R, sabrás lo frustrantes que son la latencia de los datos, los errores de memoria y los cuellos de botella de seguridad. Afortunadamente, las integraciones modernas de bases de datos cierran la brecha entre la gestión de datos relacionales y la computación estadística avanzada. En este artículo repasaremos los pasos prácticos para configurar tu entorno para cambiar entre R y SQL con un solo botón, optimizar tus consultas y ejecutar scripts de alto rendimiento justo donde están tus datos.

Esta guía complementa directamente nuestro reciente episodio del podcast, Stop R Freezing on Millions of SQL Server Rows. En ese episodio profundizamos en por qué la extracción tradicional de datos falla con conjuntos de datos masivos y en cómo cambiar el contexto de ejecución lo transforma todo, tanto para los analistas de datos como para los administradores de bases de datos. ¡No te pierdas el episodio después de leer este recorrido!

Integración con un solo botón: R y SQL

La integración de Microsoft R y SQL Server te ofrece una forma potente de trabajar con datos. Puedes usar un solo botón para cambiar entre R y SQL, lo que hace tu flujo de trabajo más rápido y eficiente. Esta integración funciona bien para analistas de datos, desarrolladores y cualquiera que necesite manejar grandes volúmenes de datos y realizar análisis avanzados.

Plataformas compatibles

Puedes usar la función de un solo botón tanto en SQL Server Management Studio como en Azure Data Studio. Estas plataformas admiten la integración de R y SQL, para que puedas escribir, editar y ejecutar scripts en cualquiera de los dos lenguajes. SQL Server Management Studio es muy popular para administrar bases de datos de servidor y ejecutar consultas SQL. Azure Data Studio ofrece una interfaz moderna y funciona bien en proyectos basados en la nube. En ambas herramientas puedes usar el botón único para pasar de R a SQL y viceversa sin salir de tu espacio de trabajo.

Consejo: Si usas funciones avanzadas de Excel, te resultará familiar y fácil de adoptar la integración con SQL y R.

Cómo funciona el botón

El botón único actúa como un selector de lenguaje. Al abrir un script, puedes elegir si escribir en SQL o en R. Seleccionas el lenguaje con el botón situado en la parte superior de la ventana del editor. Así puedes ejecutar consultas SQL para gestionar datos y después cambiar a R para el análisis o la visualización. No necesitas mover datos entre sistemas. El servidor mantiene tus datos seguros y procesa tus comandos con rapidez.

Esta es una tabla con los principales beneficios de combinar la gestión de datos de SQL con la analítica de R:

Configuración del entorno

Para usar la integración de un solo botón, necesitas configurar tu entorno. Sigue estos pasos para empezar:

1. Instala SQL Server 2019 (15.x) en una distribución de Linux compatible, como Red Hat Enterprise Linux, SUSE Linux Enterprise Server o Ubuntu.
2. Actualiza SQL Server 2019 a la Actualización acumulativa 3 (CU3) o posterior.
3. Configura los repositorios adecuados para permitir la instalación y la actualización de SQL Server en Linux.
4. Actualiza el paquete mssql-server a la última actualización acumulativa para garantizar la compatibilidad.

Puedes elegir entre implementaciones locales o en la nube. Las configuraciones locales te dan control total sobre tu servidor y tus datos. Tú gestionas el hardware, la seguridad y el mantenimiento. Las implementaciones en la nube ofrecen flexibilidad y un escalado sencillo. Pagas solo por los recursos que usas, y el proveedor gestiona el servidor. Ambas opciones son compatibles con la integración de un solo botón para flujos de trabajo de R y SQL.

Nota: Los entornos locales ofrecen mayor control y seguridad, mientras que los entornos en la nube permiten el aprovisionamiento instantáneo y un uso flexible de los recursos.

Con la configuración adecuada, puedes usar un solo botón para cambiar entre R y SQL, lo que hace que tus proyectos de datos sean más rápidos y seguros.

Paso a paso: cambio con un solo botón

Cambiar entre R y SQL con un solo botón te da un flujo de trabajo rápido y flexible. Puedes gestionar datos, ejecutar consultas y realizar análisis sin salir de tu espacio de trabajo. Sigue estos pasos para aprovechar al máximo esta integración.

Abrir un script de SQL o de R

Empieza abriendo tu script en SQL Server Management Studio, Azure Data Studio o RStudio. Puedes elegir trabajar con un script de SQL o con uno de R. Si usas RStudio, puedes abrir scripts que contengan código R y bloques SQL en rmarkdown. Así puedes combinar la gestión de datos y el análisis en un mismo documento.

Al abrir un script, ten en cuenta estos errores habituales:

• Podrías borrar tu espacio de trabajo sin comprobar antes las variables de sesión importantes. Esto puede eliminar datos o configuraciones que necesitas para la ejecución.
• Puede que olvides revisar los tipos de datos al mover datos entre R y SQL Server. Ajusta las variables para que coincidan con los requisitos de cada entorno.
• Si aparecen errores, prueba a depurar tu script en un entorno de RStudio dedicado. Esto te ayuda a encontrar problemas antes de ejecutar consultas en la configuración integrada.

Consejo: Previsualizar SQL en RStudio te ayuda a revisar tus consultas antes de ejecutarlas. Esto reduce los errores y te ahorra tiempo.

Botón de selección de idioma

El botón de idioma te permite cambiar entre R y SQL. Puedes seleccionar el idioma en la parte superior de la ventana del editor. Esta función facilita ejecutar consultas y análisis en el mismo proyecto.

Cambiar a R

Si quieres usar R para el análisis, haz clic en el botón para cambiar a R. Puedes escribir código para modelado estadístico, visualización o aprendizaje automático. También puedes usar bloques SQL en rmarkdown para ejecutar consultas directamente desde tu script de R. Esto resulta útil para usar SQL en RStudio y combinar la gestión de datos con análisis avanzados.

Para configurar tu entorno para la ejecución de R:

1. Instala los paquetes de R necesarios. Usa install.packages("DBI") y install.packages("odbc").
2. Carga las bibliotecas en tu script:

   library(DBI)
   library(odbc)

3. Configura una conexión usando el nombre de tu origen de datos ODBC:

   con <- dbConnect(odbc::odbc(), "oracledb", UID="samples", PWD= rstudioapi::askForPassword("Samples User Password"))

4. Enumera las tablas disponibles para ti:

   dbListTables(con, schema = "SAMPLES")

5. Si no ves las tablas, comprueba que el nombre del esquema coincide en mayúsculas y minúsculas.
6. Usa los métodos de DPLYR para consultar la base de datos sin traer los datos a R:

   db_orders <- tbl(con, "ORDERS")

Nota: Puedes usar la previsualización de SQL en RStudio para revisar tus consultas antes de ejecutarlas. Esto te ayuda a evitar errores y a comprobar que tus variables son correctas.

Cambiar a SQL

Si necesitas gestionar datos o ejecutar consultas, cambia a SQL con el botón. Puedes escribir consultas para seleccionar, actualizar o eliminar datos. SQL te da control sobre conjuntos de datos grandes y te permite organizar la información para el análisis.

Para configurar tu entorno para la ejecución de SQL:

1. Asegúrate de tener instalados R y los Progress DataDirect Drivers.
2. Configura un nuevo DSN para ODBC y prueba la conexión.
3. Instala el paquete RODBC con RGui.
4. Crea una conexión en R:

   library(RODBC)
   conn <- odbcConnect("Spark Next")

5. Ejecuta consultas SQL con:

   sqlTables(conn)
   sqlQuery(conn, "SELECT * FROM table_name")

También puedes usar RJDBC para conexiones JDBC. Especifica la ruta al controlador JDBC y crea una conexión:

conn <- dbConnect(driver, "jdbc:datadirect:sparksql://hostname:11111;Database=databaseName;", "username", "password")

Enumera las tablas y ejecuta consultas:

dbListTables(conn)
dbGetQuery(conn, "SELECT * FROM table_name")

Consejo: Comprueba siempre la conexión antes de ejecutar consultas. Esto garantiza una ejecución fluida y previene errores.

Ejecutar el código

Después de seleccionar tu idioma, puedes ejecutar tu código. El entorno integrado te permite ejecutar consultas y análisis sin mover los datos. Puedes usar SQL para la gestión de datos y R para el análisis en el mismo proyecto.

• Usa el botón de ejecución para lanzar tu script. Puedes ver los resultados en la ventana del editor.
• Si usas RStudio, puedes ejecutar bloques SQL en rmarkdown para una ejecución combinada. Así puedes gestionar datos y realizar análisis en un único flujo de trabajo.
• Puedes usar variables para almacenar los resultados de las consultas y utilizarlas en código R para análisis posteriores.
• Puedes ejecutar varias consultas en secuencia y usar los resultados para modelado o visualización.

Nota: La ejecución en el entorno integrado mantiene tus datos seguros y reduce la latencia. Obtienes resultados más rápidos y puedes centrarte en el análisis.

Esta tabla muestra los pasos principales para cambiar entre R y SQL:

Consejo: Usar SQL en RStudio te permite combinar la gestión de datos y el análisis. Puedes ver una vista previa de tus consultas y resultados antes de la ejecución final.

Ahora puedes cambiar entre R y SQL con un solo botón. Puedes ejecutar consultas, gestionar datos y realizar análisis en un flujo de trabajo sin interrupciones. Esta integración te ayuda a ahorrar tiempo y a mejorar tus proyectos de datos.

Flujo de trabajo: integración de SQL y R

Cuando cambias entre SQL y R en un flujo de trabajo integrado, gestionas los datos, el código y la salida de forma fluida. Esta sección explica cómo puedes manejar datos, ejecutar código y gestionar resultados para un análisis eficiente.

Gestión de datos

Puedes mover datos entre R y SQL Server sin salir de tu espacio de trabajo. La integración utiliza conexiones ODBC para la ejecución remota. Esto significa que puedes enviar consultas desde R a SQL Server y recibir los resultados como data frames. La arquitectura incluye servicios como launchpad, RLauncher, BxlServer y SQL Satellite. Estos componentes te ayudan a transferir datos y ejecutar scripts sin problemas.

• Usas conexiones ODBC para enviar datos y consultas entre R y SQL Server.
• El servicio launchpad inicia el proceso para ejecutar scripts de R.
• RLauncher y BxlServer gestionan la ejecución de scripts y la transferencia de datos.
• SQL Satellite gestiona la conexión y devuelve la salida a tu entorno.
• Puedes ejecutar scripts de R dentro de la base de datos o desde un cliente remoto, y recibir los resultados como data frames.

Consejo: Revisa siempre los tipos de datos al mover datos entre R y SQL Server. Asigna las variables con cuidado para evitar errores y mantener la precisión de tu salida.

Ejecución de código

El código se ejecuta de forma distinta según uses scripts de R o consultas T-SQL. La tabla siguiente muestra las principales diferencias en ejecución, permisos y gestión de paquetes.

Ejecutas scripts de R con el procedimiento sp_execute_external_script. Esto te permite usar análisis avanzados y modelos estadísticos dentro de SQL Server. En el caso de las consultas T-SQL, las escribes y ejecutas directamente en el entorno del servidor. Debes configurar los permisos adecuados para ambos métodos. Los scripts de R necesitan más permisos porque utilizan paquetes externos. Las consultas SQL usan funciones integradas, por lo que no necesitas gestionar paquetes.

Nota: Revisa siempre los permisos antes de ejecutar código. Así evitarás errores durante la ejecución.

Gestión de resultados

Después de ejecutar el código, necesitas gestionar y exportar la salida. Tienes varios métodos para tratar los resultados de los flujos de trabajo integrados de R y SQL. La tabla siguiente enumera los métodos más comunes y sus descripciones.

Puedes usar el paquete Rio de R para importar y exportar datos con facilidad. La función import() te permite leer datos de CSV, JSON o incluso de URL. La función export() te ayuda a guardar la salida en formatos como CSV o Excel. Si ejecutas código R desde SQL Server, puedes usar sp_execute_external_script para obtener la salida de análisis avanzados. Puedes compartir los resultados con tu equipo o usarlos para análisis posteriores.

Consejo: Revisa siempre el formato de la salida antes de exportarla. Así te aseguras de que tus datos están listos para compartirlos o para generar informes.

Ahora ya sabes cómo gestionar datos, código y resultados al cambiar entre R y SQL. Este flujo de trabajo te ayuda a mantener tus análisis eficientes y tus resultados precisos.

Casos de uso: R y SQL Server

Cambiar entre R y SQL te ofrece un flujo de trabajo flexible para la gestión de datos a nivel empresarial y el análisis avanzado. Puedes usar cada herramienta por sus fortalezas y mejorar la calidad de tus estadísticas, resultados y visualizaciones.

Limpieza de datos con SQL

Empiezas tu flujo de trabajo limpiando los datos en SQL. Este paso prepara tus datos para obtener estadísticas y análisis precisos en R. SQL te ayuda a gestionar conjuntos de datos grandes y asegura que tus datos estén listos para una exploración más profunda.

• SQL identifica y corrige problemas en grandes conjuntos de datos de forma rápida.
• Filtras los datos irrelevantes, de modo que solo permanece la información importante para tus estadísticas.
• SQL estandariza el formato, lo que mantiene tu conjunto de datos coherente.
• Detectas y eliminas los duplicados, lo que evita errores en tus estadísticas.
• SQL gestiona los valores faltantes, protegiendo la integridad de tus resultados.

Al usar SQL para la limpieza de datos, sientas unas bases sólidas para tus estadísticas y para el análisis posterior en R. Los datos limpios producen mejores resultados y estadísticas más fiables.

Análisis con R

Después de limpiar tus datos en el servidor, pasas a R para el análisis avanzado. R te ofrece herramientas potentes para estadística, modelado y machine learning. Puedes aplicar funciones de transformación a los datos que obtuviste de SQL Server, lo que mejora tus estadísticas y resultados.

• R te permite realizar análisis estadísticos complejos sobre tus datos limpios.
• Usas R para crear modelos de machine learning que predicen tendencias o clasifican información.
• R admite funciones de transformación, de modo que puedes reestructurar tus datos para obtener mejores estadísticas.
• Creas visualizaciones flexibles y personalizables con paquetes como ggplot2.
• R te ayuda a explorar tus resultados y a encontrar patrones que SQL por sí solo podría pasar por alto.

Obtienes una visión más profunda combinando la potencia de gestión de datos de SQL Server con las capacidades de estadística y análisis de R. Este enfoque mejora tus resultados y favorece la toma de decisiones más acertadas.

Informes y visualización

Una vez terminado el análisis, necesitas compartir tus resultados y estadísticas con otras personas. Las herramientas integradas de informes y visualización te ayudan a convertir tus resultados en visualizaciones y reportes claros.

Simplificas la toma de decisiones usando paneles y visualizaciones. Estas herramientas te ayudan a detectar tendencias, comparar métricas y descubrir información oculta en tus estadísticas. También mejoras la colaboración al compartir tus resultados y estadísticas con tu equipo. Este flujo de trabajo aumenta la eficiencia operativa y garantiza que todos trabajen con los datos más recientes.

Consejo: Usa R y SQL juntos para agilizar tu flujo de trabajo. Limpia tus datos en SQL, analízalos en R y presenta tus resultados con visualizaciones claras.

Solución de problemas: problemas con botones y SQL

Cambiar entre R y SQL puede presentar a veces desafíos. Es posible que encuentres problemas que afecten al rendimiento de tu consulta o que interrumpan tu flujo de trabajo. Comprender estos problemas y saber cómo resolverlos te ayuda a mantener una experiencia fluida.

Problemas comunes

Kernel no encontrado

Es posible que veas un error "Kernel no encontrado" al intentar ejecutar scripts de R o SQL. Normalmente ocurre cuando tu entorno no reconoce el kernel del lenguaje. Para solucionarlo, revisa tu instalación. Asegúrate de haber instalado todos los paquetes y controladores necesarios. Reinicia el editor o la sesión si el error persiste. También puedes actualizar tu entorno a la última versión para garantizar la compatibilidad.

Errores de transferencia de datos

Los errores de transferencia de datos pueden ralentizar tu flujo de trabajo. Suelen producirse al mover datos entre R y SQL Server. Debes verificar tus conexiones ODBC o JDBC. Comprueba tus credenciales y los nombres de los esquemas. Si ves errores, revisa tus tipos de datos y asegúrate de que coincidan entre R y SQL Server. Asignar correctamente las variables evita problemas de transferencia y mejora el rendimiento.

Consejo: Revisa siempre la configuración de tu conexión antes de ejecutar los scripts. Así evitarás errores de transferencia de datos y mantendrás tu flujo de trabajo eficiente.

Consejos para cambiar de forma fluida

Puedes mejorar el rendimiento de tus consultas y evitar errores comunes siguiendo estas estrategias de ajuste:

1. Reescribe las consultas no SARGable como consultas SARGable. Por ejemplo, cambia WHERE UnitPrice * 0.10 > 300 por WHERE UnitPrice > 300/0.10. Así tus consultas serán más rápidas y más fáciles de optimizar.
2. Usa el comando ALTER TABLE para añadir columnas calculadas. Esto te ayuda a optimizar las consultas y a mejorar el rendimiento.
3. Identifica y crea los índices que faltan a partir de los planes de ejecución. Los índices aceleran la recuperación de datos y reducen el uso de CPU.
4. Comprueba si hay seguimientos de SQL Trace o XEvent. Pueden afectar al rendimiento y provocar un uso elevado de CPU. Ejecuta consultas para identificar los seguimientos activos y deténlos si es necesario.

Nota: Añadir índices y optimizar las consultas son pasos clave para ajustar tu flujo de trabajo. Puedes aumentar el rendimiento y reducir los retrasos.

Atajos de SSMS

Usar atajos de teclado en SQL Server Management Studio te ayuda a trabajar más rápido y con mayor eficiencia. Estos son algunos atajos útiles:

• Mostrar el plan de ejecución estimado: Ctrl+L
• Cancelar la consulta en ejecución: Alt+Break
• Incluir el plan de ejecución real en la salida de la consulta: Ctrl+M
• Mostrar los resultados en una cuadrícula: Ctrl+D
• Mostrar los resultados en formato de texto: Ctrl+T
• Guardar los resultados en un archivo: Ctrl+Shift+F
• Mostrar u ocultar el panel de resultados de la consulta: Ctrl+R
• Alternar entre el panel de consulta y el de resultados: F6
• Ejecutar la parte seleccionada del editor de consultas o todo el editor si no hay nada seleccionado: F5
• Analizar la parte seleccionada del editor de consultas o todo el editor si no hay nada seleccionado: Ctrl+F5

Consejo: Usar atajos ahorra tiempo y te ayuda a centrarte en el ajuste y el análisis de los planes de ejecución.

Puedes abordar problemas como las cláusulas WHERE que faltan, los desencadenadores y la limitación de CPU revisando tus consultas y optimizando tu flujo de trabajo. Mejoras el rendimiento usando índices y ajustando tus scripts. Además, haces más eficiente tu flujo de trabajo usando los atajos de SSMS y revisando los planes de ejecución con regularidad.

Optimizar el flujo de trabajo: R y SQL Server Management Studio

Maximizar la productividad con R y SQL Server Management Studio empieza por organizar tus scripts y resultados. Puedes usar rstudio para guardar tu código y tu salida, lo que te ayuda a hacer seguimiento de tu progreso y a compartir tu trabajo con otras personas. Cuando ejecutas estadísticas en el servidor, a menudo tienes que volver a revisar tus scripts para actualizarlos o mejorarlos. Guardar tus scripts en rstudio te permite llevar un registro de tus estadísticas y de tu análisis. Puedes exportar tus resultados a archivos CSV o Excel, lo que facilita compartir tus estadísticas con tu equipo. Si usas server para la administración, puedes almacenar tus scripts en una ubicación central para que todo el mundo acceda a la última versión.

Guardar y compartir scripts

Puedes usar rstudio para guardar tus scripts y estadísticas en carpetas organizadas. Así es fácil encontrar tu trabajo cuando necesites actualizar tu análisis. También puedes usar herramientas de control de versiones como Git para hacer seguimiento de los cambios en tus scripts. Compartir tus scripts con el equipo ayuda a que todos estén en la misma página. Puedes enviar tus estadísticas y su salida por correo electrónico o subirlas a un servidor compartido. Cuando usas server para la administración, puedes configurar permisos para que solo los usuarios autorizados accedan a las estadísticas sensibles.

Consejo: Guardar tus scripts en rstudio y usar control de versiones te ayuda a evitar errores y a mantener tus estadísticas precisas.

Herramientas de colaboración

Las herramientas de colaboración en rstudio y SQL Server Management Studio facilitan el trabajo en equipo. Puedes usar cuadernos para ejecutar estadísticas en conjunto y compartir tus conclusiones. Muchos equipos usan plataformas en la nube para trabajar en estadísticas y scripts al mismo tiempo. Puedes comentar el código de los demás en rstudio, lo que te ayuda a mejorar tus estadísticas y a aprender nuevas técnicas. Cuando usas server para la administración, puedes configurar carpetas compartidas para scripts y estadísticas. Así tu equipo puede acceder al análisis más reciente y aportar sus propias estadísticas.

Personalización

Puedes personalizar tu entorno en RStudio para adaptarlo a tu flujo de trabajo. Seleccionas solo las herramientas que necesitas, lo que agiliza tus estadísticas y tu análisis. Muchos usuarios integran software de código abierto en RStudio, lo que hace sus estadísticas más flexibles. Puedes contribuir al desarrollo de herramientas, lo que te ayuda a entender mejor la estadística y a mejorar tu flujo de trabajo. Personalizar tu espacio de trabajo en RStudio te permite centrarte en las estadísticas que más importan. Puedes cambiar la disposición, añadir complementos y ajustar la configuración según tus preferencias.

• Elige solo las herramientas que necesitas para tus estadísticas.
• Integra software de código abierto en RStudio para estadísticas avanzadas.
• Contribuye al desarrollo de herramientas y mejora tus habilidades estadísticas.

Optimizar tu flujo de trabajo con SQL Server Management Studio y RStudio aumenta la productividad. Puedes usar Query Store para ejecutar tu carga de trabajo antes y después de los cambios, lo que te ayuda a comparar estadísticas y rendimiento. Aplicas los cambios en un momento controlado y luego revisas tus estadísticas para ver el impacto. Este proceso mejora los tiempos de ejecución de las consultas y hace que tu servidor sea más eficiente.

Nota: Personalizar tu entorno y usar herramientas de colaboración en RStudio y en la administración de servidores te ayuda a sacar el máximo provecho de tus estadísticas y tu análisis.

Puedes cambiar entre R y SQL con un solo botón, lo que hace tu flujo de trabajo más rápido y más seguro. La integración de Microsoft mejora la seguridad, aumenta el rendimiento y respalda el análisis avanzado. La siguiente tabla muestra los beneficios clave:

Explora más recursos de la comunidad de R. Puedes aprender integraciones avanzadas, usar paquetes como tidyr y dplyr, y entrenar modelos para minería de datos.

Preguntas frecuentes

¿Cómo cambias entre R y SQL en SQL Server Management Studio?

Haces clic en el botón de idioma en la parte superior del editor. Este botón te permite elegir R o SQL para tu script. Puedes alternar entre ambos según lo necesites.

¿Puedes ejecutar código R directamente dentro de SQL Server?

Sí, puedes ejecutar código R dentro de SQL Server mediante el procedimiento almacenado sp_execute_external_script. Esto te permite realizar análisis avanzados sin mover tus datos.

¿Qué permisos necesitas para usar la integración de R?

Necesitas permisos como EXECUTE ANY EXTERNAL SCRIPT, db_datareader y db_datawriter. Tu administrador de bases de datos puede ayudarte a configurarlos.

¿Necesitas instalar software adicional para usar R con SQL Server?

Debes instalar R y los paquetes de R necesarios. También tienes que configurar los controladores ODBC o JDBC para las conexiones a la base de datos. SQL Server 2019 o posterior admite esta integración.

¿Puedes usar R y SQL juntos en un mismo script?

¡Sí! Puedes usar scripts de R con consultas SQL incrustadas. Por ejemplo, en RStudio puedes usar R Markdown para combinar bloques de código R y SQL.

¿Qué debes hacer si ves un error "Kernel Not Found"?

Revisa tus instalaciones de R y de SQL. Asegúrate de que todos los controladores y paquetes estén actualizados. Reinicia el editor si el problema persiste.

¿Cómo compartes los resultados de los flujos de trabajo de R y SQL?

Puedes exportar los resultados como archivos CSV o Excel. También puedes usar paneles o compartir scripts con herramientas de control de versiones como Git.