한 은행이 온프레미스에 CSV 파일 형태로 10년치 고객 데이터를 보유하고 있습니다. 데이터 과학 팀은 SageMaker에서 프로덕션 모델을 구축하기 전에 최소한의 개발 노력으로 데이터를 빠르게 변환하고 탐색하기를 원합니다. 어떤 접근 방식이 노력을 최소화하고 빠른 변환 및 인사이트를 가능하게 할까요?

정답은 CSV 파일을 Amazon S3 버킷에 업로드하고, SageMaker에 액세스 권한을 부여한 다음, 데이터를 SageMaker Data Wrangler로 가져와 변환하고 탐색하는 것입니다. SageMaker Data Wrangler는 데이터 준비 및 탐색을 위한 시각적 인터페이스를 제공하여 최소한의 코딩으로 데이터를 빠르게 변환하고 인사이트를 얻을 수 있습니다. 온프레미스 데이터를 S3에 업로드하는 것은 AWS 서비스와 통합하기 위한 표준적이고 효율적인 방법입니다. 다른 옵션들은 다음과 같은 이유로 최적이 아닙니다. CSV 파일을 Data Wrangler 콘솔에 직접 업로드하는 것은 대량의 데이터(10년치 고객 데이터)에는 적합하지 않으며, S3를 통한 통합이 더 효율적입니다. QuickSight를 사용하는 옵션은 추가적인 단계를 포함하며, 질문의 목표인 "최소한의 개발 노력으로 데이터를 빠르게 변환하고 탐색"하는 데는 불필요합니다. SageMaker Studio 노트북을 사용하는 옵션은 Data Wrangler보다 더 많은 코딩 노력이 필요하므로 "최소한의 개발 노력"이라는 요구사항에 부합하지 않습니다.