一家公司对数据湖中的数据进行季度分析，以运行库存检查。数据工程师使用 AWS Glue DataBrew 查找数据中有关客户的任何个人身份信息 (PII)。公司的隐私规则包含一些自定义 PII 类别，这些类别不属于 DataBrew 的内置数据质量规则。工程师必须更新流程，以扫描数据湖中许多数据集的这些自定义 PII 类别。哪种方法能够以最少的运营开销满足要求？

在 DataBrew 中创建自定义数据质量规则是最佳选择，因为它直接解决了问题中自定义 PII 类别的需求，并能以最少的运营开销应用于多个数据集。DataBrew 旨在处理数据质量和 PII 检测，其自定义规则功能允许工程师定义特定于公司隐私规则的模式。一旦创建，这些规则可以轻松地集成到现有的 DataBrew 流程中，实现自动化扫描，而无需额外的基础设施或持续的手动干预。手动审查数据集效率低下且容易出错，不适合大规模或重复性任务。编写自定义 Python 脚本虽然可行，但会增加开发和维护开销，并且需要将脚本集成到 DataBrew 之外的单独流程中。在 ETL 过程中使用正则表达式提取 PII 是一种方法，但它将 PII 检测与数据质量检查分离，并且可能不如 DataBrew 的集成功能灵活或易于管理，尤其是在需要更新或添加新规则时。