本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 大規模釋放金融服務業資料的價值
<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* ([文件歷史記錄](doc-history.md))

金融服務 (FS) 業正面臨著來自金融科技公司 (Fintechs) 和純數位銀行的重大干擾，其正在引領銀行業的數位轉型。這種轉型的特點越來越多地體現在開發基於人工智能和機器學習 (AI/ML) 技術的銀行產品和服務。根據 McKinsey & Company 的[未來的 AI 銀行：銀行能否應對 AI 挑戰？](https://www.mckinsey.com/industries/financial-services/our-insights/ai-bank-of-the-future-can-banks-meet-the-ai-challenge)，金融服務組織如果想要站穩腳跟，必須大規模部署 AI/ML 技術。若要大規模部署 AI/ML 技術，金融服務組織必須先釋放其資料的商業價值。

金融服務組織擁有大量資料，但難以大規模地從此資料中體現價值。透過釋放資料的價值，金融服務組織可以為其客戶和合作夥伴提供更深入且更個人化的產品、見解和支援。釋放的價值還可以協助金融服務組織快速暴露從資本市場到製造營運的當前流程中的效率低下，同時針對需要優化的領域提供優先洞察。此策略描述了如何透過在組織中開發機器學習功能，大規模釋放資料的價值。此策略的目標受眾包括銀行和財富管理產業的 CEO、CFO、CIO 和高級經理。

此策略可以協助您了解以下內容：
+ 用於在組織中啟動機器學習功能的業務成果
+ 營運成功的指標和目標分數
+ 可擴展的 ML 架構，用於轉換組織的機器學習功能
+ AWS 擴展的最佳實務 （根據數百個客戶實作）