Ответ
У меня сильный опыт в обоих, но SQL — мой основной инструмент для работы с данными.
SQL использую для сложных запросов, агрегаций, оконных функций и оптимизации производительности. Например:
SELECT
user_id,
SUM(revenue) OVER (PARTITION BY user_id ORDER BY date) AS cumulative_revenue
FROM transactions
WHERE date >= '2023-01-01';
Python применяю для анализа (Pandas, NumPy), автоматизации (Airflow) и ML (Scikit-learn). Пример:
import pandas as pd
df = pd.read_sql("SELECT * FROM users", engine)
df['cohort'] = df['signup_date'].dt.to_period('M')
Если нужно выбрать — SQL для ETL и анализа данных, Python для более сложной обработки и автоматизации.