对于任何使用大数据技术的公司来说，使用云数据平台，维护其高效快速的运行，对整个公司的运作来说至关重要。比如说：某个调度任务失败了造成业务部门的某些报表无法正常产出；hive平台最近速度下降了，造成业务跑sql，跑半天不出结果，进而发起投诉等等。对于数据平台来说任何一个小的事故轻则造成公司的运行效率降低，重则使整个公司的业务运行异常（异常可能不会被立刻发现）等等，可以夸张点的说，数据将像电力资源一样对整个公司至关重要，而数据平台自然也是其中的“主角”。

许多组织已经收集了TB甚至PB的数据。他们希望使用更高级的分析方法（例如机器学习或自然语言处理（NLP））来分析收集到的数据。随着组织意识到数据分析的价值，对高级分析的需求持续增长。

分析大量不同的数据可能很复杂。在TDWI，我们看到组织转移数据到多个平台来支持高级分析，因为本地数据仓库可能不足以处理许多数据类型以及更高级的分析。组织还希望统一其数据以进行分析，并提供单一来源的可信数据。企业正以多种方式例如集成堆栈，数据平台和数据虚拟化来实现这一目标。

在现代数据管理和分析中越来越流行的一种方法是利用云数据平台-云上可用的单独集成的平台，其中包含各种数据并提供诸如数据仓库，数据湖，分析，治理和/或管理的服务工具。云数据平台支持多种工作负载和数据类型。它提供了一个能够存储和访问数据以供分析和其他用例使用的地方。作为平台的一部分，数据可以跨多个节点存储在仓库或数据湖中,两者都可以属于同一云平台。

云数据平台的一些优点与云的优点相同：弹性，可伸缩性和灵活性。云数据平台可以帮助提高生产力，提供跨工作负载的敏捷性并缩短实现价值的时间。