Une entreprise stocke un lac de données sur Amazon S3 qui ingère des données Apache Parquet provenant de plusieurs sources. Les données nécessitent plusieurs étapes de transformation (filtrage des anomalies, normalisation des valeurs de date/heure et génération d'agrégats) avant que les analystes puissent accéder aux données transformées dans S3. L'entreprise souhaite une solution de transformation pré-construite et sans code qui offre la lignée des données et le profilage des données, et qui permet de partager les étapes de transformation au sein de l'entreprise. Quelle solution répond à ces exigences ?

AWS Glue DataBrew est la solution la plus appropriée car elle offre une interface visuelle sans code pour la préparation des données, ce qui correspond à l'exigence d'une solution pré-construite et sans code. DataBrew fournit également la lignée des données et le profilage des données. Les étapes de transformation peuvent être enregistrées sous forme de recettes DataBrew et partagées au sein de l'entreprise, répondant ainsi à toutes les exigences. AWS Glue Studio est une option sans code, mais elle est plus orientée vers la création de pipelines ETL complexes et peut être plus lourde pour des transformations interactives. Amazon EMR Serverless nécessite des connaissances en programmation pour définir les transformations, ce qui ne correspond pas à l'exigence "sans code". Amazon Athena est un service de requête et non un outil de transformation de données sans code avec des fonctionnalités de lignée et de profilage intégrées.