Suponiendo que ambos pueden hacer lo que se propuso hacer, hay algunas preguntas que hacer:
- Qué es el ecosistema primario dentro de la organización: implementaciones existentes, familiaridad con el conjunto de herramientas y la mentalidad de los usuarios principales (los estadísticos gravitan hacia R, los desarrolladores, hacia Python). R tiene un enfoque nítido, Python es un lenguaje de propósito general con bibliotecas.
- ¿Es un esfuerzo independiente (R es más fuerte) o necesita integrarse en un flujo de trabajo (Python es más fuerte)?
- Velocidad en el procesamiento. R es inherentemente más lento que Python, todas las demás cosas son iguales.
- Si necesita poner al equipo al día con la tecnología, R tiene una curva de aprendizaje mucho más pronunciada, especialmente para aquellos que no tienen una inclinación estadística.
- Money – R tiene una prima de aproximadamente 30% sobre Python cuando contrata personal experimentado
Hay pocos más, pero esto es lo que les pido a los clientes / partes interesadas con mayor frecuencia.
- ¿Qué son los grandes datos y su uso?
- ¿Debo ser un experto en el lenguaje Python para aprender ciencia de datos?
- ¿Cuánta profundidad matemática para la ciencia de datos?
- ¿Por qué crees que la ciencia de datos será tan importante?
- ¿Qué es la evidencia anecdótica en la ciencia? ¿Cómo se usa?
