解説

選択肢BのAWS Glue DataBrewは、コードを書かずに250種類以上の組み込み変換を使ってデータのプロファイリング、クレンジング、正規化を行えるビジュアルなデータ準備サービスです。GUIで操作した変換ステップが「レシピ」として保存・再利用でき、S3上のデータを直接操作できます。SQLやPythonの知識がないアナリストでも独立してデータ品質の改善が可能です。 選択肢AのAWS Glue Studioはビジュアルインターフェースを持つETLジョブ構築ツールですが、変換ロジックにSpark/SQLの知識が必要で、非エンジニアが直感的にデータプロファイリングや欠損処理を行うには適していません。 選択肢CのAmazon SageMaker Data Wranglerは機械学習パイプライン向けの特徴量エンジニアリングツールであり、MLワークフローとの統合が主目的です。一般的なデータクレンジングのセルフサービス用途には機能が過剰で高コストです。 選択肢DのAmazon AthenaはSQLベースのクエリサービスであり、コードの記述が必要です。再利用可能なレシピ管理機能もなく、非エンジニアのアナリストが主体的に操作する用途には向きません。