Una empresa rastrea los precios de venta de zapatillas a lo largo del tiempo en un panel de Amazon QuickSight utilizando precios obtenidos de muchos minoristas. La empresa quiere detectar valores atípicos de precios inusualmente altos y mostrarlos visualmente. ¿Qué enfoque satisface estos requisitos?

La opción correcta utiliza las perspectivas de detección de anomalías de QuickSight, que están diseñadas específicamente para identificar puntos de datos inusuales en series temporales, como los precios de venta. Un gráfico de barras vertical es adecuado para visualizar estos valores atípicos. Un campo calculado que eleva al cuadrado los valores de los precios puede ayudar a exagerar las diferencias entre los precios normales y los atípicos, mejorando la visibilidad en el gráfico. Las opciones incorrectas son: La primera opción sugiere usar una función Lambda para escanear anomalías, lo cual es innecesario ya que QuickSight tiene capacidades integradas para esto. Tomar la raíz cuadrada de los precios atípicos no ayuda a visualizarlos mejor. La segunda opción propone eliminar los valores atípicos con AWS Glue DataBrew, lo cual va en contra del requisito de mostrar los valores atípicos. Almacenar las filas eliminadas en DynamoDB no contribuye a la visualización en QuickSight. La cuarta opción solo filtra los 10 precios más bajos, no los más altos, y no utiliza ninguna lógica de detección de anomalías.