12. 在企業級數據管道(ETL)中，No Code / Low Code 平台的主要角色為何？
(A) 可作為前端數據可視化工具，協助展示與分析結果
(B) 取代部分傳統 ETL 解決方案，但可能無法處理過於客製化的邏輯
(C) 僅適用於小型數據應用，對大型數據處理的效率較低
(D) 無法應用於任何數據處理場景，因整合難度過高

詳細選項解析

• (A) 可作為前端數據可視化工具：錯誤。 雖然有些平台包含圖表功能，但這屬於 BI (Business Intelligence) 工具（如 Tableau, Power BI）的角色。這題問的是在「數據管道 (ETL)」中的角色，ETL 重點在於數據的清洗與轉換，而非展示。

• (B) 取代部分傳統 ETL，但限制於客製化邏輯：正確。 這是目前企業最常見的折衷方案。

  • 優點：可以處理 80% 的通用場景（如：從 A 資料庫搬到 B 雲端，並做簡單的欄位合併、格式轉換），速度快且維護容易。

  • 缺點：面對極度複雜、需要調用特定演算法或非標準接口的客製化邏輯時，圖形化介面可能無法提供相對應的靈活性，這時仍需工程師撰寫 Python 或 SQL 代碼。

• (C) 僅適用於小型數據應用：錯誤。 現代化的企業級 Low-Code 平台（如 Azure Data Factory, AWS Glue 的視覺化介面）底層是強大的運算引擎，處理海量數據 (Big Data) 的效率並不差，關鍵在於「邏輯複雜度」而非「數據量」。

• (D) 無法應用於任何場景：錯誤。 事實上，現在越來越多企業導入 Low-Code ETL 來落實「數據民主化」，讓非技術背景的數據分析師也能自行串接管道。

No-Code / Low-Code 在 ETL 中的三位一體角色

為了更清楚理解，我們可以看這類工具在 ETL（擷取 Extract、轉換 Transform、加載 Load）各階段的功能：

1. Extract (擷取)：內建大量標準連接器 (Connectors)，點幾下就能串接 Salesforce、Google Analytics 或各種資料庫。

2. Transform (轉換)：使用視覺化工作流進行過濾、排序、格式轉換（例如將字串轉為日期），取代手寫長串 SQL。

3. Load (加載)：自動處理寫入目標位置的權限驗證與表結構對齊。