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

技术创新，变革未来

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,AmazonWebServices,Inc.oritsailiates.Allrightsreserved.

•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、重新审于基于数据的历史数据来训练的变化和迭

查等，其中包括了多语言的处理，由于缺乏务创新，可以灵和调优，并做到代，过程中希

数字标记/记录，难以重复使用资产中的常活的根据业务场数据可控。望充分的去降

见见解进行业务预测。景去定制。低训练的成

本。

©2020,AmazonWebServices,Inc.oritsailiates.Allrightsreserved.

什么是数字化资产盘活机器人解决方案

数字化资产盘活机器人是一个将机器学习应用于业务场景的解决方案，通

过本解决方案：

用户可以将其历史数据上传到AmazonS3中。可以使用机器学习软件机器人在这些资产（例

如，照片、PDF文档、视频等非机构化数据）中找到知识标签。标记知识将帮助用户实现业务流

程自动化，并为业务预测建立精确的知识图；

同时，用户可以将机器人“拉”到自己在AWS上的生产环境中，既可以通过SPOT实例降低成本，

又可以保护自己的数据隐私，更能针对用户自己的数据持续的优化更新基于自己数据定制的机

器人模型；

由于机器人都是开源的，用户可以通过检验代码和模型来进一步实现对数据资产的管控。

©2020,AmazonWebServices,Inc.oritsailiates.Allrightsreserved.

资产盘活机器人典型用例

OCR机器人

医疗保险公司拥有很多务处理流程中的扫描文档和图片，过去是使用人工审核+第三方服务的

方式，通过本解决方案，可以训练自己的模型，节省了大量人工审核的费用，提升了准确率和

响应速率。

车险理赔机器人

当汽车发生事故时，保险公司需要定责，用户拍的事故现场照片，使用本机器人，可以快速的

返回事故发生的车的类型，生产年限信息，提高用户体验。

情感分类机器人

金融投资公司希望调研热点新闻对于股票市场的影响，通过对收集的历史财经新闻进行分析建

模，并对于热点新闻进行情感分析，可以得到准确的市场反馈信息。

©2020,AmazonWebServices,Inc.oritsailiates.Allrightsreserved.

资产盘活机器人典型用例:OCR机器

人

传统流程：基于语言派送到