数字化资产盘活机器人解决方案（17页PPT）.pptx

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;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能力，并利用历史数据进行预测算法工程师和数据科学家，已经在使用一些机器学习的服务来从原始数字资产中提取语义标签希望将精力集中于基于数据的业务创新，可以灵活的根据业务场景去定制。例如保险客户，投入不同的工作人员，以不同的格式阅读资产，如接收、审计、重新审查等，其中包括了多语言的处理，由于缺乏数字标记/记录，难以重复使用资产中的常见见解进行业务预测。希望使用自己的历史数据来训练和调优，并做到数据可控。业务场景不断的变化和迭代，过程中希望充分的去降低训练的成本。

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。

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业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。

病人诊所医院小病，例如费用小于一定金额大病转介传统流程：基于语言派送到不同的审核中心对于小病，采用先赔后审大病，采用先审后配传统审核团队审核后，数据用于防欺诈的模型增强OCR机器人团队创新流程：派送给OCR机器人团队资产盘活机器人典型用例:OCR机器人

资产盘活机器人典型用例:OCR机器人的收益业务团队将历史数据中的知识活化，可以降低“骗保”的风险，和提高诊所和该保险公司的合作满意度。审核团队对于业务审核中心，提高初次识别的准确度，降低和和诊所或医院沟通成本，降低审核周期；利用机器学习，积累识别的经验，将“人眼和人脑”的知识积累沉淀到“模型”；未来可以从事后审核，逐步过渡到事中风险提示和事前预警。IT团队从静态索引，逐步可以提供按照业务审核的新需求去灵活的更新查询索引；将”历史数据资产“上云，降低历史负债。数字化和业务创新团队根据自己的业务场景和历史数据来训练和优化模型，同时可控数据安全性；利用AmazonSageMaker逐步建立自己的数据活化、分析、建模和应用的能力。

展示的项目是汽车自动定损评估系统；该系统将减少过去仅将汽车图片发送到系统中以获取索赔表的通知过程；该系统有助于防止错误并提高评估的准确性。减少各种文件的处理。资产盘活机器人典型用例:车险理赔机器人事故故障 派单现场 确认预估维修和赔付牌照自动核损维修和赔付

资产盘活机器人典型用例:车险理赔机器人的收益业务团队传统的核保和理赔核损方法，都是人工在现场采集标的全方位信息，然后回传到公司，并由专人进行车辆情况的评估。这种方法服务效率低且成本高，而且人工操作不可避免的会有工作失误和徇私舞弊，保险公司也很难责任追究。在核保环节，主要涉及到车身划痕识别和自然场景下的OCR识别。通过算法模型的建立以及车身图像数据对算法的训练优化，可以实现智能核保，提升效率。理赔核损环节，通过图像识别技术，将后台的标的照片以部位维度进行智能分类，之后使用图像识别技术进行损伤程度的评估，并输出核损报告。数字化和业务创新团队根据自己的业务场景和历史数据来训练和优化模型、同时可控数据安全性；利用AWSSageMaker逐步建立自己的数据活化、分析、建模和应用的