每天早上，一家租车公司都需要关于前一天预订需求的自动化洞察。数据应近乎实时地传输到 S3，检测每个地点的高需求车辆，并显示在自动刷新的仪表板上。哪种方法能以最少的开发工作量实现此目标？

正确答案是最佳选择，因为它利用了无服务器服务，最大限度地减少了开发工作量。Kinesis Data Firehose 是一种完全托管的服务，可将流数据直接传输到 S3，无需管理服务器。QuickSight 的 ML Insights 功能可以直接在 QuickSight 内部识别异常值，无需单独的机器学习模型开发和部署。这两种服务的结合提供了端到端解决方案，满足了近实时数据传输、异常检测和仪表板可视化的所有要求，且开发工作量最少。 其他选项涉及使用 Kinesis Data Streams 或在 SageMaker 中训练 RCF 模型。Kinesis Data Streams 需要额外的消费者应用程序来处理数据，增加了开发和维护的复杂性。在 SageMaker 中训练和部署 RCF 模型虽然可行，但需要更多的机器学习专业知识和开发工作，与“最少开发工作量”的要求不符。