? ? 首先提出問題，根據(jù)數(shù)據(jù)憑借已有經(jīng)驗選擇合適方法洛史，（調(diào)查問卷用exel，SQL稍微大酱吝，更大用多普集群）也殖，數(shù)據(jù)來源。
數(shù)據(jù)分析范圍很大
? ? 數(shù)據(jù)檢驗务热，假設(shè)檢驗（數(shù)據(jù)分布和缺失值）忆嗜，自動化需求有監(jiān)控報表。
ETL抓取數(shù)據(jù)? 分析假設(shè)檢驗? 預(yù)測建模（分析不同因子在模型中的重要性）? 可視化模型
反饋回到提出問題的階段
（敏捷開發(fā)）通過快速迭代得到更好地結(jié)果? ? ? ?
數(shù)據(jù)分析任務(wù) 1 數(shù)據(jù)獲取ETL 2數(shù)據(jù)處理類： 交互可視化崎岂，信息匯總 量的產(chǎn)生捆毫，機器學(xué)習(xí)，假設(shè)檢驗 3后期自動化：后來對分析進行自動化：1自動可視化2 自動建模和假設(shè)檢驗 冲甘；對數(shù)據(jù)平臺的監(jiān)控
最后一點 自動化的報告 而非手動
R有點錯過了分布式計算的洪流
2012的數(shù)據(jù)科學(xué)家的問題：
1：后期參與決策绩卤，數(shù)據(jù)科學(xué)家沒有參加，改不了江醇；
2：自動化程度低濒憋，實際應(yīng)用低
2017：
大公司不怎么做模型，而是做周圍的產(chǎn)品陶夜，比如在云平臺部署（如上圖的工具特點）
三塊五的表（笑哭）
數(shù)據(jù)提攘萃浴：
SQL對不規(guī)則的，文本不方便? R：要安裝包条辟，麻煩? Py一個包解決?
數(shù)據(jù)預(yù)處理：
R Py給操作人員自由度
可視化：
很大數(shù)據(jù)要在服務(wù)器端進行辐烂，而不在內(nèi)存里遏插，再在可視化，ELK平臺好點纠修，平常的話炸服務(wù)器
實戰(zhàn)部署：
SQL有數(shù)據(jù)庫就不用部署了胳嘲。R生態(tài)有不同軟件包等等所以很麻煩。
問卷：
有大的平臺支持了扣草，很簡單入手了了牛，很完備，但是自由度不大辰妙，雖然對各個方面很細(xì)鹰祸。
1? 前期處理類：SQL R Py，自動化比較少密浑，但交互式強蛙婴；2? 全站處理類：不適合交互式分析，或只是常見場景
流程：前期用交互性強的初期分析尔破，后期結(jié)果要自動化再用自動化工具簡化流程
R Py生態(tài)街图，前期二選一，成熟后用全站的工具自動化
R里的包 生物信息學(xué)里重要的包：billconnector懒构？? R有太多小眾的統(tǒng)計包餐济，寫法可能都不一樣
Py 使用一下的通用軟件包就行了
第四個：數(shù)據(jù)讀取匯總? 5? 監(jiān)督非監(jiān)督式?
py的借口標(biāo)準(zhǔn)化可移植
