שפת SQL שרדה המון תהפוכות בעולם הדאטה. במהלך השנים הספידו אותה וניסו להדיח את הדומיננטיות שלה, אך היא תמיד שרדה.
זה התחיל עם גישת ה- NO-SQL והקמתם של דאטה-בייסים Hadoop, והמשיך בהבטחה של שפת פייתון להיות כלי ניתוח הנתונים המוביל. אך למרות כל הניסיונות, שפת SQL נשארה דומיננטית ורק השתכללה עם פונקציות וגישות חדשות לניתוח נתונים (פונקציות חלון, עבודה עם JSON ועוד ועוד…)
על אף זאת, האם ייתכן שאנחנו חוזים כיום באתגור הדומיננטיות של שפת SQL ככלי המוביל לניתוח נתונים?
אין איום ישיר על שפת SQL. לא צמחה שפה חדשה שמבטיחה להחליף אותה, אבל מתודולוגיות העבודה החדשות שמשלבות AI, משום מה, נוטות להעדיף את שפת פייתון כשהן מנתחות נתונים.
אם בעבר אנליסטים היו יושבים מול מנוע SQL וכותבים שאילתות, היום הם ניגשים לכלי AI שכותב קוד, שככל הנראה ייכתב בשפת פייתון ללא שימוש ב-SQL.
האם קוד בפייתון עדיף קוד ב- SQL?
לדעתי האישית, לא.
שפת SQL אינה שפת תכנות, ולכן היא קריאה וקלה יותר לתחזוקה מקוד שנכתב בפייתון. כמו כן, כאשר מריצים SQL על מנוע של דאטה-בייס, השאילתה תהיה כנראה מהירה ויעילה יותר מקוד בפייתון.
יחד עם זאת, יש גם יוצאים מן הכלל.
מי שעובד עם מסדי נתונים גדולים כמו Snowflake או BigQuery ודאי שם לב שבתוך הכלים כבר קיימים כלי בינה מלאכותית שמכירים את מבנה הטבלאות (Semantic Layer) ויכולים לכתוב עבורו שאילתות SQL.
אבל האם זאת תהיה דרך העבודה הדומיננטית של אנליסטים? האם אנליסטים יעבדו על מנועי SQL ויריצו שאילתות, או שיעבדו עם קוד בפייתון שה-AI מציע ? (השאלה היותר מעניינת היא האם בכלל יהיו אנליסטים, אבל זה נושא לפוט אחר)
אני לא יודע מה יקרה לדומיננטיות של שפת SQL בהמשך אבל לראשונה יש אתגר אמיתי לדומיננטיות שלה מכיוון לא צפוי.
