Un'azienda tiene traccia dei prezzi di vendita delle sneaker nel tempo in una dashboard Amazon QuickSight utilizzando i prezzi acquisiti da molti rivenditori. L'azienda desidera rilevare outlier di prezzo insolitamente elevati e mostrarli visivamente. Quale approccio soddisfa questi requisiti?

L'opzione corretta sfrutta le funzionalità native di QuickSight per il rilevamento delle anomalie e la visualizzazione. QuickSight offre insight di rilevamento delle anomalie che possono identificare automaticamente valori insolitamente elevati o bassi nei dati, rendendolo ideale per rilevare outlier di prezzo. Un grafico a barre verticali è un modo efficace per visualizzare questi outlier. L'aggiunta di un campo calcolato che eleva al quadrato i valori dei prezzi può essere usata per amplificare visivamente le differenze tra i prezzi, rendendo gli outlier ancora più evidenti, sebbene la trasformazione specifica dipenda dagli obiettivi di visualizzazione. Le altre opzioni sono meno adatte: La prima opzione suggerisce l'uso di una funzione Lambda personalizzata per la scansione delle anomalie, il che è un approccio più complesso e meno integrato rispetto alle funzionalità native di QuickSight. La radice quadrata non è una trasformazione standard per evidenziare gli outlier in questo contesto. La seconda opzione propone di rimuovere gli outlier con AWS Glue DataBrew, il che va contro l'obiettivo di mostrare visivamente gli outlier. L'archiviazione delle righe rimosse non aiuta a visualizzarle nella dashboard. La quarta opzione si concentra sui 10 prezzi più bassi, mentre la richiesta è di rilevare e mostrare i prezzi insoliti e più elevati.