云端开展无GPU需求的数据分析（含数据清洗）的成本问询

完全可以在公司搭建的云数据科学平台开展你提到的所有工作，只要配置合理，不会产生不必要的按量付费支出，具体说明如下：

你描述的所有工作需求都属于三大云厂商数据科学服务的原生支持范围，完全不需要GPU实例：

• Azure Machine Learning计算实例、GCP Vertex AI Workbench、AWS SageMaker Studio均默认提供CPU低配机型，内置开箱即用的Jupyter Notebook环境，预安装Pandas、NumPy、SQLAlchemy等主流数据分析工具包，不需要在本地安装任何软件
• 云环境可通过VPC专线、对等连接等企业预置的网络通路直接访问本地部署的关系型数据库，不需要额外做数据导出、上传操作，匹配你日常读取本地库表的工作习惯
• 云平台的Jupyter环境一般会开放用户级包安装权限，你可以直接用pip install --user命令安装所需的Python包，不需要走本地设备的软件审批流程，解决你本地装包难的问题

只要提前和公司云运维团队确认以下配置，就不会产生额外的企业支出：

• 优先申请企业预留CPU实例配额：三大云厂商对长期使用的CPU实例均支持预留实例折扣，多数企业会统一采购共享计算资源池供内部员工使用，只要你不主动升级到高配机型、不开启未申请的增值服务，不会产生单独的按量付费账单
• 如果使用按需实例做临时实验，可配置实例自动停止规则：设置 idle 1~2小时无操作后自动停止，避免忘记关闭实例产生闲置扣费
• 你的工作数据如果存储在企业统一采购的共享存储/对象存储配额内，不会产生单独的个人使用存储费用

提前和运维团队确认云环境到本地关系型数据库的网络访问白名单权限，配置完成后即可正常访问本地库表，无额外成本。

内容的提问来源于stack exchange，提问作者user121