Cada mañana, una empresa de alquiler de coches necesita información automatizada sobre la demanda de reservas del día anterior. Los datos deben transmitirse a S3 casi en tiempo real, detectar los vehículos de alta demanda por ubicación y aparecer en un panel que se actualice automáticamente. ¿Qué enfoque logra esto con el menor esfuerzo de desarrollo?

La opción correcta es la que requiere el menor esfuerzo de desarrollo. Amazon Kinesis Data Firehose es ideal para transmitir datos a S3 casi en tiempo real con una configuración mínima, ya que gestiona automáticamente el escalado y la entrega. Amazon QuickSight ML Insights puede detectar automáticamente anomalías (como la alta demanda) sin necesidad de construir y entrenar modelos de ML personalizados, y QuickSight proporciona paneles autoactualizables. Las opciones incorrectas que usan Amazon Kinesis Data Streams implican más esfuerzo, ya que Data Streams requiere que el usuario gestione el escalado y el procesamiento de los datos. Las opciones que sugieren entrenar un modelo Random Cut Forest (RCF) en SageMaker añaden una complejidad significativa, ya que requieren desarrollo, entrenamiento y despliegue de modelos, lo que va en contra del requisito de "menor esfuerzo de desarrollo".