По моему опыту - в R отлично делается MVP, который

уже можно испытать, доказать бизнесу что есть польза, а дальше - да как хотят, можно в докер и встроить в прод, а можно - отдать на разработку и техподдержку решения другой команде...
хотя в R очень красиво смотрится набор пакетов - есть все от разработки с нуля до вывода в прод, так что мне сейчас не очень ясно, с чего R бояться использовать в проде?

Поиск специалистов, их на по-рядок меньше. Страх в основном на этом и основан где я буду искать людей которые смогут это поддерживать

ну да, экономика решает

Вот-вот. Именно так.

Потому что он узкий по целям.

ну все-таки R - это не COBOL и вопрос поддержки по-моему несколько преувеличивается

ну мы тут как бы о данных и обо всем вокруг, почему у нас упорно питон, а не R, мы об этом, понятно что питон - он для всего, впрочем и на R сейчас тоже много что можно, но зачем?

потому что желание каждого конкретного разработчика или аналитика вторичны и есть слишком много других факторов, которые влияют на распространенность и формы использования языка

рыночек решает, если короче))

не совсем. решают корпорации, которые начинают использовать какой-то язык то есть, важна еще и просто какая-то поддержка со стороны индустрии, а не просто сообщество. у R такая поддержка есть со стороны академия, но этого мало.

Мне кажется, тут акая же история может получиться, как с тем же Хаскелем. У которого девиз - избегай популярности любой ценой. С одной стороны меня это немного печалит. Потому что я тут ходил общаться в Яндекс с руководителем команды по разработке внутренней платформы данных в Яндексе. И он со мной полностью согласился в части того, что функциональный стиль и метапрограммирование гораздо лучше ложатся на работу с данными. Но всё равно большинство продакшн кода у них в питоне. И как-то хочется это развивать, строить сообщество, популяризировать язык. А потом думаешь - а зачем? Есть преданные люди и они не откажутся. А придёт масса и язык превратится в клон питона. Так что хорошо всё с R))

любопытно на julia смотреть. И R и python как языки придуманы были в 90-х.

и для julia есть неплохой интерфейс в R

тоже поглядываю)) пока малочисленность сообщества является главным препятствием. Аналог dplyr/data.table/pandas там очень слабый.

если считать S, то сильно раньше %)

считать пельмени ужасно скучно и можно и на хадупе. а заниматься серьезными расчетными алгоритмами (ml через обертки не в счет) — надо голову иметь и хороший инструмент. julia в этом ключе весьма интересна

Я больше про подсчёт пельменей, потому с этой стороны сужу)) ml для меня так, побаловаться, посмотреть, в команде есть датасаентист, он пусть занимается. Я понимаю, что "все расчёты по максимуму надо проводить на стороне БД". Но досчитать что-то может иметь больше смысла уже в сессии ЯП. И не соглашусь, считать пельмени очень интересно))

1. иногда тоже пельмени считаю. 2. мы из БД просим только тупые агрегаты, чтобы снизить нагрузку память и время передачи по сети. Желание писать многостраничные запросы давным давно отпало. на R все дотачивается куда проще и удобнее. 3. в пельменях масса нюансов, но есть еще масса интересных задач, которые не на мейнстриме. но от этого они не становятся проще или менее ресурсоемкими или менее нужными.

Я как раз тот человек, который для таких как вы делает агрегаты)) это очень инетересно и нетривиально бывает. Особенно когда задача от бизнеса, который вот хочет так и никак иначе))

навряд ли. мы и их сами делаем. только в CH

тоже CH))