Una empresa almacena un data lake en Amazon S3 que ingiere datos de Apache Parquet de múltiples fuentes. Los datos requieren varios pasos de transformación (filtrado de anomalías, normalización de valores de fecha/hora y generación de agregados) antes de que los analistas puedan acceder a los datos transformados en S3. La empresa desea una solución de transformación preconstruida y sin código que proporcione linaje y perfilado de datos, y que permita compartir los pasos de transformación en toda la empresa. ¿Qué solución cumple estos requisitos?

AWS Glue DataBrew es la solución correcta porque es un servicio de preparación de datos visual, sin código y preconstruido que permite a los usuarios limpiar y normalizar datos fácilmente. Proporciona linaje de datos y capacidades de perfilado, y las transformaciones se pueden guardar como "recetas" que se pueden compartir y reutilizar en toda la organización. Las otras opciones son incorrectas porque: AWS Glue Studio es una interfaz visual para crear trabajos de ETL, pero requiere más configuración y no es tan "sin código" como DataBrew para la preparación de datos interactiva. Amazon EMR Serverless es un servicio para ejecutar marcos de big data como Spark y Hive, lo que implica escribir código y no es una solución preconstruida y sin código para la preparación de datos. Amazon Athena es un servicio de consulta interactiva que utiliza SQL. Si bien puede transformar datos, no es una herramienta de preparación de datos visual y sin código que proporcione linaje y perfilado de datos de la misma manera que DataBrew.