Un fournisseur de soins de santé dispose de données sur les patients collectées au cours de la dernière année et a besoin de rapports d'analyse des tendances mensuelles pour les épidémies. Ces rapports doivent inclure des informations du mois le plus récent et le fournisseur souhaite l'approche d'inférence la plus rentable. Quelle méthode d'inférence devrait-il choisir ?

La transformation par lots (Batch transform) est la méthode la plus rentable pour ce scénario. Le fournisseur de soins de santé a besoin de rapports d'analyse des tendances mensuelles, ce qui indique que les données sont traitées périodiquement plutôt qu'en continu. La transformation par lots est conçue pour traiter de grands volumes de données en une seule fois, ce qui est idéal pour les tâches de reporting mensuel et permet de réaliser des économies en n'allouant des ressources que lorsque le traitement est nécessaire. L'inférence en temps réel et l'inférence asynchrone sont plus coûteuses car elles maintiennent des ressources allouées en permanence ou pour des requêtes individuelles, ce qui n'est pas nécessaire pour des rapports mensuels. L'inférence serverless pourrait être une option, mais la transformation par lots est souvent plus optimisée pour les grands volumes de données et les traitements périodiques, offrant un meilleur rapport coût-efficacité dans ce cas précis.