数字化资产盘活机器人解决方案.pdf

数字化资产盘活机器人解决方案 到2025年，全球数据总量达175ZB、非结构化数据的占比达80% ， 非结构化数据在金融行业大量存在。 在金融行业，因为业务需求必须收集大量 的非结构化数据，例如： • 在医疗保险行业，客户在处理案件时收 集复印处方或电子收据用于理赔； • 在资本市场，客户希望从金融新闻中提 取财务标签，以预期市场的走向; © 2020, Amazon Web Services, Inc. or its affiliates. All rights reserved. • 在银行业，客户正在寻找柜面与客户交 谈的柜员标签，以提高质量和管理风险. 业务的创新往往受限于如何活化静态和非结构化方 式存在的数据资产 业务部门希望可以提高业务的自动化处理 算法工程师和数据科学家，已经在使用一些机器学习 能力，并利用历史数据进行预测 的服务来从原始数字资产中提取语义标签 例如保险客户，投入不同的工作人员，以不 希望将精力集中 希望使用自己的 业务场景不断 同的格式阅读资产，如接收、审计、重新