Een enkel Amazon Redshift-cluster is de enige databron van het bedrijf en bevat enkele gevoelige velden. Een data scientist heeft toegang nodig tot enkele gevoelige kolommen zonder de brongegevens te wijzigen of geanonimiseerde kopieën in de database op te slaan. Welke oplossing vereist de minste implementatie-inspanning?

Dynamische datamasking in Redshift is de meest efficiënte oplossing omdat het direct op de brongegevens werkt zonder kopieën te maken of de data te wijzigen. Het past maskeerregels toe tijdens query-uitvoering, wat betekent dat de data scientist alleen de gemaskeerde versie ziet, terwijl de originele data intact blijft. Dit minimaliseert implementatie-inspanningen en beheerscomplexiteit. Een materialized view vereist het opslaan van een kopie van de gemaskeerde data. Het verplaatsen van data naar S3 met Athena of Glue voegt extra stappen en services toe, wat de implementatie-inspanning aanzienlijk verhoogt.