기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 금융 서비스 산업에서 대규모로 데이터의 가치 실현
<a name="introduction"></a>

*Amazon Web Services(AWS)의 Brian Cavanagh, Maira Ladeira Tanke, Amine Ait el harraj, Junaid Baba, Maren Suilmann, Pauline Ting, Sokratis Kartakis*

*2022년 9월*([문서 기록](doc-history.md))

금융 서비스(FS) 산업은 은행업의 디지털 트랜스포메이션에 앞장서고 있는 금융 기술 기업(핀테크)과 디지털 전용 은행으로 인해 큰 혼란에 직면해 있습니다. 이러한 혁신은 인공 지능 및 기계 학습(AI/ML) 기술을 기반으로 하는 은행 상품 및 서비스 개발을 특징으로 합니다. McKinsey & Company의 [AI-bank of the future: Can banks meet the AI challenge?](https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banks-meet-the-ai-challenge)에 따르면, FS 조직은 관련성 유지를 위해 AI/ML 기술을 대규모로 배치해야 합니다. AI/ML 기술을 대규모로 배포하려면 FS 조직은 먼저 데이터의 비즈니스 가치를 실현해야 합니다.

FS 조직은 방대한 양의 데이터를 보유하고 있지만 이 데이터에서 대규모로 가치를 추출하는 데 어려움을 겪고 있습니다. 데이터의 가치를 실현함으로써 FS 조직은 고객과 파트너에게 더욱 심층적이고 개인화된 제품, 인사이트 및 지원을 제공할 수 있습니다. 또한 가치 실현은 FS 조직이 자본 시장에서 제조 운영에 이르는 현재 프로세스의 비효율성을 신속하게 드러내는 동시에 최적화가 필요한 영역에 대한 우선순위가 지정된 인사이트를 제공하는 데 도움이 될 수 있습니다. 이 전략은 조직의 ML 기능을 개발하여 대규모로 데이터의 가치를 실현하는 방법을 설명합니다. 이 전략의 대상에는 은행 및 자산 관리 업계의 CEO, CFO, CIO 및 고위 관리자가 포함됩니다.

이 전략은 다음을 이해하는 데 도움이 됩니다.
+ 조직에서 ML 기능을 시작하기 위한 비즈니스 성과
+ 운영 성공을 위한 지표 및 목표 점수
+ 조직의 ML 기능을 혁신하기 위한 확장 가능한 ML 프레임워크
+ AWS 규모 조정 모범 사례(수백 개의 고객 구현 기반)