Firma śledzi ceny sprzedaży sneakersów w czasie w panelu Amazon QuickSight, korzystając z cen pobranych od wielu sprzedawców detalicznych. Firma chce wykrywać nietypowo wysokie wartości odstające cen i wizualnie je przedstawiać. Które podejście spełnia te wymagania?

Prawidłowa odpowiedź wykorzystuje wbudowane możliwości QuickSight do wykrywania anomalii i wizualizacji. Funkcja wykrywania anomalii w QuickSight jest przeznaczona do identyfikowania nietypowych punktów danych, takich jak nietypowo wysokie ceny. Pionowy wykres słupkowy jest odpowiednią wizualizacją do przedstawiania tych wartości. Dodanie pola obliczeniowego podnoszącego ceny do kwadratu może pomóc w podkreśleniu różnic między wartościami, czyniąc wartości odstające bardziej widocznymi. Pozostałe opcje są nieprawidłowe, ponieważ: Pierwsza opcja sugeruje użycie funkcji Lambda do skanowania danych, co jest niepotrzebne, gdy QuickSight ma wbudowane możliwości wykrywania anomalii. Pierwiastek kwadratowy z cen nie jest standardową metodą wizualizacji anomalii. Druga opcja sugeruje usunięcie wartości odstających, podczas gdy celem jest ich wykrycie i wizualizacja, a nie usunięcie. Czwarta opcja dotyczy filtrowania najniższych cen, a nie wykrywania i wizualizacji nietypowo wysokich wartości odstających.