¿Por qué debería molestarme con Python si puedo usar software para el análisis de datos (Excel, Tableau)?

Honestamente, si nunca te encuentras en una situación en la que Excel y Tableau te impiden hacer un análisis más avanzado, no creo que debas invertir tiempo en aprender Python, a menos que, por supuesto, quieras seguir aprendiendo nuevas herramientas cada vez día, que es una mentalidad admirable.

Excel y Tableau son excelentes herramientas para el análisis de datos, y probablemente conozca las razones mejor que yo.

Hace un par de años, solía hacer análisis de datos exclusivamente en hojas de Excel. Unos meses más tarde decidí aprender algunas macros de VBA para automatizar lo que estaba haciendo.

Aún así, llegó a un punto en que las funcionalidades más avanzadas no estaban disponibles en Excel, y tuve que crear funciones de análisis estadístico en VBA desde cero o descargar complementos.

Tuve la suerte de conocer algo de MATLAB y de que MATLAB funciona bastante bien con las hojas de Excel, así que comencé a mezclar estas dos herramientas.

Hasta que me enteré de Python.

Para mí, siempre pensé en Python como un lenguaje para principiantes para aprender a programar en Raspberry Pi.

Estaba profundamente equivocado.

Rápidamente descubrí que podía hacer todos mis análisis de datos y gráficos “avanzados” exclusivamente en Python, y lo mejor de todo, ¡en no más de 10 líneas de código!

Así que esta es mi historia sobre por qué me molesté con Python, a pesar de que era bastante bueno en Excel.

Si comienzas a notar que Excel y Tableau te retrasan en tus tareas de análisis de datos, ¡definitivamente deberías probar Python!

Ciencia de datos – Aprendizaje automático = Análisis de datos

El análisis de datos requiere:

EDA (Análisis de datos exploratorios, que a su vez no es más que conocer estadísticas descriptivas y trazar varias visualizaciones y extraer inferencias básicas a partir de ellas)

Pruebas estadísticas (pruebas de hipótesis) y otros métodos avanzados de análisis de datos estadísticos.

Las cosas mencionadas anteriormente se pueden hacer suficientemente usando Excel y Tableau. ¿Pero dónde están los inconvenientes? Excel es una hoja de cálculo que en realidad no está pensada para big data. Absolutamente ningún alcance del aprendizaje automático en Excel y Tableau, ya que es una herramienta de BI. No podrá hacer modelos de predicción con estos paquetes de software.

Hasta cierto punto, estos paquetes se pueden usar para análisis de negocios, pero seguramente no para ciencia de datos.

Excel es un muy buen software, pero necesita muchos recursos, si tiene que administrar grandes datos (no muy grandes) irá muy lento. Además, si aprende Python, será más fácil extraer resultados.

Tenía la misma pregunta que tú, pero cuando comencé a aprender Python, me di cuenta, ¡más fácil, más rápido!

Sé que será difícil para ti abandonar Excel y aprender algo nuevo, pero creo que vale la pena.

¿Por qué debería molestarme con Python si puedo usar software para el análisis de datos (Excel, Trableau)?

El software que estoy escribiendo maneja aproximadamente 14,000 valores de series de tiempo individuales … por minuto … por entidad … por cliente.

Estas son 20,160,000 informaciones por entidad por cliente por día.

Diviértete con Excel.

Por supuesto, Excel y Tableau son buenas herramientas para el análisis de datos. Pero Python ofrecerá ofrecer más salas para manejar sus conjuntos de datos independientemente de cuán (grandes) sean. Y también para el análisis avanzado y los gráficos agradables, el uso de Python con su capacidad para manejar cálculos potentes con pequeñas líneas de código lo ayudará a obtener excelentes conocimientos. Aprenderlo. vale la pena

Si bien es probable que pueda usar Excel si va a otro trabajo, Tableau es bastante costoso. Puede crear funcionalidades limitadas como Tableau con algo como Vega y Python.

Esto es como preguntar por qué debería usar una herramienta múltiple cuando puede hacer todo lo que quiere hacer con un par de alicates.

Son diferentes herramientas. El hecho de que haya algo de superposición en lo que puede hacer con ellos no significa que haya una superposición del 100%. Utiliza la herramienta que necesitas. Donde hay más de una herramienta que se puede usar para un trabajo determinado, use la que prefiera personalmente.

More Interesting

Como empresa de tecnología, ¿Amazon usa más Python que R para proyectos de Data Science?

¿Cómo podemos analizar y consultar sobre el diseño, implementación y evaluación de un algoritmo?

Si encripta un SSD sin primero borrar de manera segura los datos antiguos, luego llénelos con datos encriptados, ¿podrían los datos no encriptados aún ser recuperables?

¿Quiénes son los principales competidores de AlchemyAPI?

¿De qué trata el libro Big Data Baseball?

¿Podemos entender un sistema mediante la recopilación de todo tipo de datos?

Como programador competitivo, ¿qué es más probable, un trabajo de ingeniería de software o un trabajo de científico de datos?

¿Por qué se prefiere Mechanical Turk sobre Crowdflower para obtener datos etiquetados para Machine Learning?

¿Qué es ciudadano de datos?

¿Cuáles son algunas aplicaciones donde el análisis de datos topológicos tiene una ventaja sobre otros enfoques de LD?

¿Cuáles son algunos algoritmos de aprendizaje automático que no pueden tolerar la falta de datos?

¿Cuál de los siguientes 2 cursos en la India es mejor para una carrera en ciencia de datos, Udacity o Courseera?

Cómo limpiar, preparar y transformar datos en ciencia de datos

¿Cómo puede un oficial de admisiones universitarias usar la programación de computadoras y la ciencia de datos para mejorar su grupo de solicitantes?

¿Cuál es la mejor manera de encontrar la compañía adecuada para externalizar una tarea de minería de datos en la India?