Um provedor de saúde tem dados de pacientes coletados no último ano e precisa de relatórios mensais de análise de tendências para surtos de doenças. Eles devem incluir insights do mês mais recente e desejam a abordagem de inferência mais econômica. Qual método de inferência eles devem escolher?

A transformação em lote (Batch transform) é a abordagem mais econômica para gerar relatórios mensais de análise de tendências. Ela processa um grande volume de dados de uma só vez, o que é ideal para tarefas que não exigem resultados imediatos, como relatórios mensais. A inferência em tempo real e a inferência serverless são mais caras, pois são projetadas para respostas imediatas a solicitações individuais, o que não é necessário para relatórios mensais. A inferência assíncrona também pode ser mais cara e complexa do que a transformação em lote para este caso de uso específico, pois envolve a gestão de filas e callbacks, adicionando sobrecarga desnecessária para um processamento mensal.