Jeden Morgen benötigt ein Mietwagenunternehmen automatisierte Einblicke in die Reservierungsnachfrage des Vortages. Daten sollen nahezu in Echtzeit zu S3 gestreamt werden, Fahrzeuge mit hoher Nachfrage pro Standort erkennen und auf einem Dashboard erscheinen, das sich automatisch aktualisiert. Welcher Ansatz liefert dies mit dem geringsten Entwicklungsaufwand?

Die korrekte Option nutzt Kinesis Data Firehose für das Streaming zu S3, da es im Vergleich zu Kinesis Data Streams weniger Verwaltungsaufwand erfordert und sich für das direkte Laden von Daten in S3 eignet. QuickSight ML Insights ist die effizienteste Lösung für die Erkennung von Ausreißern und die Visualisierung, da es integrierte ML-Funktionen bietet, die direkt in QuickSight genutzt werden können, ohne ein separates SageMaker-Modell trainieren und bereitstellen zu müssen. Die anderen Optionen erfordern entweder mehr Entwicklungsaufwand durch die Verwendung von Kinesis Data Streams oder das Training eines SageMaker-Modells, was nicht dem Kriterium des geringsten Entwicklungsaufwands entspricht.