本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在金融服务行业大规模释放数据价值
<a name="introduction"></a>

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

*2022 年 9 月*（[文档历史记录](doc-history.md)）

金融服务（FS）行业正面临来自金融科技公司（Fintech）和纯数字银行的重大颠覆，这些公司和银行正在引领银行业的数字化转型。这种转型的特征愈发明显，这种特征即开发基于人工智能和机器学习（AI/ML）技术的银行产品和服务。根据 a [i-bank of the future：银行能否应对人工智能的挑战？](https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banks-meet-the-ai-challenge) 来自 McKinsey & Company，金融服务组织要想保持相关性，就必须大规模部署 AI/ML 技术。要大规模部署 AI/ML 技术，金融服务组织必须首先释放其数据的商业价值。

FS 组织拥有大量数据，但很难大规模地从这些数据中提取价值。通过释放数据价值，FS 组织可以为其客户和合作伙伴提供更深入、更个性化的产品、见解和支持。释放的价值还可以帮助 FS 组织迅速揭露，从资本市场到生产运营等当前流程中效率低下之处，同时为需要优化的领域提供优先见解。该策略介绍如何通过在组织中开发 ML 功能来大规模释放数据价值。该策略的目标受众包括 CEOs、 CFOs CIOs、以及银行和财富管理行业的高级管理人员。

该策略可帮助您了解以下内容：
+ 在组织中启动 ML 功能的业务成果
+ 运营成功的指标和目标分数
+ 用于转变组织 ML 功能的可扩展 ML 框架
+ AWS 扩展的最佳实践（基于数百个客户实施方案）