He estado usando IBM SPSS durante un tiempo, principalmente para análisis estadísticos y proyectos de investigación, y en general es una herramienta sólida con algunas salvedades. En el lado positivo, la mayor fortaleza de SPSS es que hace que el análisis estadístico complejo sea mucho más accesible. La interfaz es mucho más fácil de usar en comparación con herramientas que requieren mucho código como R o Python, especialmente para personas que no provienen de un entorno de programación intensivo. Realizar regresiones, análisis factorial, ANOVA o incluso pruebas avanzadas se vuelve muy sencillo con los menús y opciones. Las tablas y gráficos de salida también son limpios, fáciles de exportar y listos para presentaciones, lo que ahorra mucho tiempo. Reseña recopilada por y alojada en G2.com.
Dicho esto, SPSS se siente un poco anticuado en algunas áreas. La interfaz no ha evolucionado mucho a lo largo de los años, y a veces se siente torpe en comparación con plataformas más nuevas. Tampoco es el mejor cuando se trata de manejar conjuntos de datos realmente grandes, el rendimiento puede volverse lento. Otro inconveniente es el costo. Para los estudiantes es manejable con licencias con descuento, pero para profesionales u organizaciones pequeñas, el precio es bastante elevado en comparación con alternativas gratuitas como R o Python, que son más flexibles si estás dispuesto a esforzarte en aprender a programar. Reseña recopilada por y alojada en G2.com.
