每天早上，租車公司都需要關於前一天預訂需求的自動化洞察。資料應近乎即時地串流到 S3，偵測每個地點的高需求車輛，並顯示在自動重新整理的儀表板上。哪種方法能以最少的開發工作達成此目標？

這個方法以最少的開發工作滿足了所有要求。Amazon Kinesis Data Firehose 能夠將串流資料近乎即時地傳輸到 S3，無需管理伺服器。Amazon QuickSight 的 ML Insights 功能可以直接在 QuickSight 內部偵測異常值，並提供自動重新整理的儀表板，無需額外的機器學習模型開發或部署。 其他選項需要更多的開發工作。使用 Kinesis Data Streams 需要管理 Kinesis shards，並且通常需要額外的 Lambda 函數或其他服務來處理資料。在 SageMaker 中訓練和部署 Random Cut Forest (RCF) 模型雖然可行，但會增加開發和維護的複雜性，不符合「最少開發工作」的要求。