某公司使用 Amazon QuickSight 儀表板追蹤運動鞋的歷史銷售價格，這些價格是從許多零售商那裡抓取而來的。該公司希望偵測異常高的價格離群值並以視覺方式呈現。哪種方法能滿足這些要求？

這個選項是正確的，因為它直接利用 QuickSight 的內建功能來解決問題。垂直長條圖適合視覺化價格分佈，而 QuickSight 的異常偵測洞察（Anomaly Detection Insights）專為識別時間序列資料中的異常值而設計，這正是追蹤歷史銷售價格所需的。新增計算欄位將價格值平方可以幫助在視覺化中放大高價離群值的差異，使其更容易被觀察到。 其他選項不符合要求： 第一個選項的平方根計算和自訂 Lambda 函數過於複雜，且 QuickSight 內建功能已能滿足需求。 第二個選項的 REMOVEOUTLIERS 操作會刪除異常值，而不是偵測並視覺化它們，這與題目要求不符。 第四個選項只選擇最低的 10 個價格並改變顏色，無法偵測或視覺化異常高的價格離群值。