使用此映像檔建立的 Jupyterlab 開發環境可直接使用所有 Lab 產品
協助建立設定檔與範例程式碼，降低使用者門檻
讓使用者建立的 Jupyterlab 開發環境可連線到 既有的 Beaver Hadoop cluster 執行工作
在一個分析案中，定義好分析問題之後，經常需要花費分析師們大量的時間來進行資料收集 & 整理。尤其在國泰這樣資料量豐富且龐大的環境中，快速的資料收集就顯得更為重要。 DataStudio 能根據使用者定義好的 Label Table，快速的從指定的資料庫中找出最適合本次建模分析的特徵， 讓分析師們能有更多的時間與業務單位溝通、了解需求。
DataStudio 運用了 Spark 技術，在資料海中，先計算了許多統計指標，加速接續的特徵重要度計算。有趣的是，這些統計指標是可以共享的，在各個專案中互相參照，省下更多時間。
如果您好奇 DataStudio 的特徵重要度的演算法，歡迎參照我們的使用者文件喔！
Python: 3.6+
Spark: 2.4.0+
DataStudio 現在有 UI 可以省去艱澀難懂的程式碼，讓您輕鬆完成資料搜尋的設定，您可以剪下貼上自動產生程式碼，就可以運行 DataStudio 的程序了
對於常用 Python 的分析師來說，您也可以直接使用 DataStudio Library，透過 pip install （行內專用）來幫助您， 透過 DataStudio API 您可以使用完整的 DataStudio 的功能喔
過往單一產品建模需要三個月至半年以上的開發時間，在通路導航專案上開發三個通路總共 24 項產品本需一年以上的開發時間，但透過 DataStudio 在通路導航專案上的應用，我們加速了特徵選取的時間，最後僅花兩個月的時間完成模型建模與驗證，且獲得令人滿意的成效。
為了推動銀行各項業務，要從巨量顧客資料中發掘客戶屬性標籤，然而因為資料過於龐大，標籤繁多，若人工建立標籤模型，需要數年才能完成；因此使用了 DataStudio，自動化在大量的客戶資料表中搜尋，由領域專家調校細部參數，最後，成功在六個月完成數十個標籤模型。