Ein produzierendes Unternehmen speichert die Produktionsvolumendaten des letzten Jahres in einer PostgreSQL-Datenbank. Geschäftsanalysten (die keinen Code schreiben) müssen in der Lage sein, die Daten vorzubereiten und ein Modell zur Vorhersage des zukünftigen Produktionsvolumens zu erstellen. Welche End-to-End-Lösung erfordert den geringsten Aufwand und keine Programmierung?

Die korrekte Lösung ist die effizienteste und codefreie Option. AWS Glue DataBrew ermöglicht Geschäftsanalysten (ohne Code) die direkte Verbindung zu PostgreSQL, um Daten zu bereinigen und vorzubereiten. Amazon SageMaker Canvas ist ein No-Code/Low-Code-Tool, mit dem sie Modelle erstellen und Vorhersagen treffen können, ohne eine einzige Zeile Code schreiben zu müssen. Dies erfüllt die Anforderungen an geringen Aufwand und keine Programmierung. Die anderen Optionen sind weniger geeignet: Die Verwendung von AWS DMS und EMR erfordert mehr Konfiguration und EMR erfordert oft Code (z.B. Spark), was die Anforderung "keine Programmierung" verletzt. Die Kombination von AWS DMS, AWS Glue (für die Datenvorbereitung) und SageMaker Canvas ist zwar teilweise codefrei, aber AWS Glue erfordert für die Datenvorbereitung oft Skripte (z.B. Python oder Scala), was die No-Code-Anforderung nicht vollständig erfüllt. Die Verwendung von AWS Glue DataBrew und Amazon SageMaker Studio ist nicht optimal, da SageMaker Studio zwar leistungsfähig ist, aber typischerweise von Data Scientists mit Programmierkenntnissen genutzt wird, was der Anforderung "kein Code" widerspricht.