首先對本篇主題中的一些常見名詞與討論角度做基本的定義；建立共同的出發點以利文章閱讀，並直接破題回答，或許很多人看到標題會有得疑問 : 為什麼要在雲端平台上做數據分析?

先說說問句中的「數據分析」：當事件被記錄下來，成為可以被閱讀與傳播的資訊，再利用工具對它做進一步的了解，就可以產生附加價值，便完成了廣義的數據分析流程。
當資料量不大時，常見的分析工具軟體可以使用Excel、SAS等；當資料量大到一定程度時，變成為了近十年來當紅的大數據應用場景，而這時可以選用的分析工具便見仁見智。

既然做數據分析必須要選用工具，工欲善其事；必先利其器。使用雲端平台上的工具就像是租用別人的電腦，使用者可以按照自己的需求選用最適用的工具，而且很多時候還不用自己保養工具！

舉例一個的使用場景：假設當使用者在建立模型時，只是單單想要加速運算，測試將演算法從的GBDT換成XGBoost後平行處理的效能，這時如果是在雲端平台上，只要輕鬆地在圖形化介面勾選設定選用不同kernel，便可以完成。不用在寫程式時突然要處理環境問題，你想法到哪裡，就能做到哪裡！

最後，在各有特色的大雲端平台供應商中，為什麼選用亞馬遜的AWS呢？
如同Amazon.com上面甚麼都賣，AWS(Amazon Web Service) 也是幾乎甚麼都有，單就個人經驗，還不熟悉雲端時，選用成熟的品牌*，在摸索出自己的使用架構前，可以降低一些不必要的轉換成本(帳號、帳單等)。但反之，也正因為產品很多，所以更要先釐清自己缺甚麼，進了商店才知道要知道自己要買甚麼，也才不會買錯東西。

後續的文章主要也是以這樣的思路出發，先定義問題，再介紹AWS上解決問題適用的工具，讓大家更容易在雲端建立出自己的分析工具。

*AWS 連續11年評比為第一名的領導品牌(https://aws.amazon.com/tw/blogs/aws/aws-named-as-a-leader-for-the-11th-consecutive-year-in-2021-gartner-magic-quadrant-for-cloud-infrastructure-platform-services-cips/ )