Een bedrijf slaat een data lake op Amazon S3 op dat Apache Parquet-gegevens uit meerdere bronnen opneemt. De gegevens vereisen verschillende transformatiestappen (anomaliefiltering, normaliseren van datum-/tijdwaarden en genereren van aggregaten) voordat analisten toegang krijgen tot de getransformeerde gegevens in S3. Het bedrijf wil een vooraf gebouwde, no-code transformatieoplossing die data lineage en data profiling biedt, en die het delen van de transformatiestappen binnen het bedrijf mogelijk maakt. Welke oplossing voldoet aan deze vereisten?

AWS Glue DataBrew is een visuele data-voorbereidingsservice die een no-code-interface biedt voor het opschonen en normaliseren van gegevens. Het ondersteunt data lineage en data profiling, en de transformatiestappen worden vastgelegd als 'recipes' die eenvoudig gedeeld en hergebruikt kunnen worden binnen de organisatie. Dit voldoet aan alle gestelde eisen. AWS Glue Studio visual canvas is een code-gebaseerde oplossing die weliswaar visueel is, maar geen no-code is en niet specifiek gericht is op data profiling en lineage op dezelfde manier als DataBrew. Amazon EMR Serverless is een platform voor het uitvoeren van big data frameworks zoals Apache Spark en Hive, wat code vereist en geen no-code oplossing is. Amazon Athena is een queryservice en geen transformatietool die data lineage of profiling biedt.