在資料分析的過程中，花最多時間的事就是在理出資料處理的邏輯，要花很多時間與資料互動，就像第二天提到資料探勘流程中的三個階段：資料準備（Data Preparation）、建模（Modeling）、評估（Evaluation），其實都會需要一直迭代的，直到取得有效的結果或可行的方案，資料處理更是佔了整個探勘流程多數的時間。所以AWS和市面上許多ETL的工具，都希望可以幫使用者優化這個流程。接著介紹Glue ETL功能中可以與資料互動的工具。

Notebook：
先建立開發端點Dev endpoint，可以在左方工具欄的中下方找到

建立端點後需要等待點時間

待開發端點建立好，可以到notebook分頁建立互動開發環境

有兩種環境可以依使用習慣選擇，SageMaker是AWS的服務(後面會介紹)，而SageMaker notebook使用上和jupyter notebook 幾乎一樣。

另一個新功能是Glue Studio：
Glue Studio與 notebook的差別是，Glue Studio提供更高階的圖形化界面讓，使用者能用點選的方式就建立資料處理程式碼。
Glue工具欄點選後點選後會轉跳到Glue Studio專屬頁面

從左方工具來點選至Jobs分頁即可建立新的處理任務

就會進入圖形化開發平台

在中央畫布上方的工具列中點選source，選取資料源

多資料源可以直接新增

點選Trainsform新增處理流程，可以調整這兩份資料要如何交集

設定合併條件/合併欄位

新增mapping處理程序，可以在這個節點設定資料格式或拿掉不要的欄位

設定儲存目的地

在Script分頁可以看到剛剛點選的流程安排所對應的程式碼，右上方可以點選save

利用視覺化工具將處理邏輯整理成程式碼，可以節省時間也減少一些不必要的輸入錯誤。