概述
和那些資料科學比賽不同，在真實的資料科學中，我們可能更多的時間不是在做演算法的開發，而是對需求的定義和資料的治理。所以，如何更好的結合現實業務，讓資料真正產生價值成了一個更有意義的話題。
資料科學專案的完整流程通常是這樣的五步驟：
需求定義=》資料獲取=》資料治理=》資料分析=》資料視覺化
一、需求定義
需求定義是資料科學專案和資料科學比賽的最大不同之處，在真實情景下，我們往往對目標函式、自變數、約束條件都並不清晰。需要通過訪談、論文、文件等等形式對問題進行系統地分析，將實際問題量化為可以解決的抽象問題，確定自變數、約束條件以及目標函式。在真實情景下，需求往往是多變化的，臨時的，如何把握好需求成為了整個專案後續推進的關鍵要素。
二、資料獲取
資料獲取的形式主要包括：
- 現有資料庫的呼叫
- 現有API的呼叫
- 自行設計的爬蟲
在資料獲取中，比較重頭的一項就是爬蟲的開發，這裡 R 雖然開發了 rvest 包， 不過比起 django-scrapy 這樣完整的爬蟲排程系統不禁黯然失色，所以在第一步，我建議使用Python做爬蟲的開發。
三、資料治理
資料治理第一步就是資料的定義，而資料的定義通過 Python的各種ORM框架和admin系統，可以非常出色地完成資料倉儲的定義和管理。通過 airflow 我們又可以很好的對ETL過程做全流程的監控。
所以，在第二步，我依然建議使用Python作為資料治理的工具。
四、資料分析
資料分析首先涉及的就是探索式分析，這一點正是R語言的強項，適宜於各種強大的資料視覺化，我們可以利用R快速瞭解資料的整體特性，通過 data.table 和 Rcpp 我們也可以快速提升 R 的單機效能，省去了Cython寫wrapper的尷尬。而Python 由於需要更多約束的分析操作，在探索式分析中相比 R 少了幾分靈活性。至少是矩陣乘法我更願意接受直觀的 %*%, 而不是np.dot()。所以，第三步，我建議使用 R 完成資料的分析工作。
五、資料視覺化
資料視覺化本來是JS的天下，但是感謝 R語言生態中熱衷於給JS做封裝的開發者們，現在市面上絕大部分在BI領域會涉及到的JS庫都已經被 R 語言封裝好了，比如 echarts、highcharts、rcharts、d3等等。另一方面，通過 shiny， 我們快速極大地簡化了BI構建的流程，跳過底層jquery、boostrap、websocket等等細節，直接針對業務場景構建BI系統，幫助我們在快速構建BI原型上掃清障礙，而不是在Tornado裡面辛苦地改template。顯然，使用 R 做資料視覺化可以大大減少我們的開發時間。所以，第四部，我也建議使用 R 完成資料視覺化的工作。
總結
這樣正常資料科學專案做下來，我們需要交付一個爬蟲管理系統（django-scrapy）、一個資料倉儲管理系統(django)、一個流程監控系統(airflow)、一個BI分析系統(shiny)，真正完成對整個資料科學專案的可監控、可維護，然後在這個過程中我們不斷去迭代我們的資料產品，優化流程，完善模型，最終實現反哺業務。
總結起來，將Python作為資料科學的基礎，而R作為上層建築是一個不錯的解決方案，當然這一切都建立在資料開發人員具有過硬的開發技能，否則Python和R的隨意性會釀成巨大的慘案。