Une entreprise suit l'évolution des prix de vente des baskets au fil du temps dans un tableau de bord Amazon QuickSight, en utilisant des prix récupérés auprès de nombreux détaillants. L'entreprise souhaite détecter les valeurs aberrantes de prix anormalement élevées et les afficher visuellement. Quelle approche répond à ces exigences ?

L'option correcte utilise les capacités intégrées de QuickSight pour la détection d'anomalies et la visualisation. QuickSight peut identifier les prix anormalement élevés et les afficher sur un graphique à barres verticales. L'ajout d'un champ calculé qui met au carré les valeurs de prix peut aider à accentuer visuellement les différences entre les prix normaux et les prix aberrants, rendant les anomalies plus évidentes. La première option est incorrecte car la racine carrée des prix aberrants ne facilite pas nécessairement leur visualisation et l'utilisation d'une fonction Lambda personnalisée pour l'analyse d'anomalies est une approche plus complexe que nécessaire, étant donné les capacités de QuickSight. La deuxième option est incorrecte car elle propose de supprimer les valeurs aberrantes plutôt que de les afficher, ce qui va à l'encontre de l'objectif de l'entreprise. La quatrième option est incorrecte car elle se concentre sur les 10 prix les plus bas et ne détecte pas les valeurs aberrantes élevées.