數(shù)字化資產(chǎn)盤活機(jī)器人解決方案

數(shù)字化資產(chǎn)盤活機(jī)器人解決方案技術(shù)創(chuàng)新，變革未來到2025年，全球數(shù)據(jù)總量達(dá)175ZB、非結(jié)構(gòu)化數(shù)據(jù)的占比達(dá)80%，非結(jié)構(gòu)化數(shù)據(jù)在金融行業(yè)大量存在。在金融行業(yè)，因?yàn)闃I(yè)務(wù)需求必須收集大量的非結(jié)構(gòu)化數(shù)據(jù)，例如：在醫(yī)療保險(xiǎn)行業(yè)，客戶在處理案件時收集復(fù)印處方或電子收據(jù)用于理賠；在資本市場，客戶希望從金融新聞中提取財(cái)務(wù)標(biāo)簽，以預(yù)期市場的走向;在銀行業(yè)，客戶正在尋找柜面與客戶交談的柜員標(biāo)簽，以提高質(zhì)量和管理風(fēng)險(xiǎn).業(yè)務(wù)的創(chuàng)新往往受限于如何活化靜態(tài)和非結(jié)構(gòu)化方式存在的數(shù)據(jù)資產(chǎn)業(yè)務(wù)部門希望可以提高業(yè)務(wù)的自動化處理能力，并利用歷史數(shù)據(jù)進(jìn)行預(yù)測算法工程師和數(shù)據(jù)科學(xué)家，已經(jīng)在使用一些機(jī)器學(xué)習(xí)的服務(wù)來從原始數(shù)字資產(chǎn)中提取語義標(biāo)簽希望將精力集中于基于數(shù)據(jù)的業(yè)務(wù)創(chuàng)新，可以靈活的根據(jù)業(yè)務(wù)場景去定制。例如保險(xiǎn)客戶，投入不同的工作人員，以不同的格式閱讀資產(chǎn)，如接收、審計(jì)、重新審查等，其中包括了多語言的處理，由于缺乏數(shù)字標(biāo)記/記錄，難以重復(fù)使用資產(chǎn)中的常見見解進(jìn)行業(yè)務(wù)預(yù)測。希望使用自己的歷史數(shù)據(jù)來訓(xùn)練和調(diào)優(yōu)，并做到數(shù)據(jù)可控。業(yè)務(wù)場景不斷的變化和迭代，過程中希望充分的去降低訓(xùn)練的成本。什么是數(shù)字化資產(chǎn)盤活機(jī)器人解決方案數(shù)字化資產(chǎn)盤活機(jī)器人是一個將機(jī)器學(xué)習(xí)應(yīng)用于業(yè)務(wù)場景的解決方案，通過本解決方案：用戶可以將其歷史數(shù)據(jù)上傳到

Amazon

S3

中?？梢允褂脵C(jī)器學(xué)習(xí)軟件機(jī)器人在這些資產(chǎn)（例如，照片、PDF文檔、視頻等非機(jī)構(gòu)化數(shù)據(jù)）中找到知識標(biāo)簽。標(biāo)記知識將幫助用戶實(shí)現(xiàn)業(yè)務(wù)流程自動化，并為業(yè)務(wù)預(yù)測建立精確的知識圖；同時，用戶可以將機(jī)器人“拉”到自己在AWS上的生產(chǎn)環(huán)境中，既可以通過SPOT實(shí)例降低成本，又可以保護(hù)自己的數(shù)據(jù)隱私，更能針對用戶自己的數(shù)據(jù)持續(xù)的優(yōu)化更新基于自己數(shù)據(jù)定制的機(jī)器人模型；由于機(jī)器人都是開源的，用戶可以通過檢驗(yàn)代碼和模型來進(jìn)一步實(shí)現(xiàn)對數(shù)據(jù)資產(chǎn)的管控。資產(chǎn)盤活機(jī)器人典型用例OCR機(jī)器人醫(yī)療保險(xiǎn)公司擁有很多業(yè)務(wù)處理流程中的掃描文檔和圖片，過去是使用人工審核+第三方服務(wù)的方式，通過本解決方案，可以訓(xùn)練自己的模型，節(jié)省了大量人工審核的費(fèi)用，提升了準(zhǔn)確率和響應(yīng)速率。車險(xiǎn)理賠機(jī)器人當(dāng)汽車發(fā)生事故時，保險(xiǎn)公司需要定責(zé)，用戶拍的事故現(xiàn)場照片，使用本機(jī)器人，可以快速的返回事故發(fā)生的車的類型，生產(chǎn)年限信息，提高用戶體驗(yàn)。情感分類機(jī)器人金融投資公司希望調(diào)研熱點(diǎn)新聞對于股票市場的影響，通過對收集的歷史財(cái)經(jīng)新聞進(jìn)行分析建模，并對于熱點(diǎn)新聞進(jìn)行情感分析，可以得到準(zhǔn)確的市場反饋信息。病人診所醫(yī)院小病，例如費(fèi)用小于一定金額大病轉(zhuǎn)介傳統(tǒng)流程：基于語言派送到不同的審核中心對于小病，采用先賠后審大病，采用先審后配傳統(tǒng)審核團(tuán)隊(duì)審核后，數(shù)據(jù)用于防欺詐的模型增強(qiáng)OCR機(jī)器人團(tuán)隊(duì)創(chuàng)新流程：派送給OCR機(jī)器人團(tuán)隊(duì)資產(chǎn)盤活機(jī)器人典型用例:

OCR機(jī)器人資產(chǎn)盤活機(jī)器人典型用例:

OCR機(jī)器人的收益業(yè)務(wù)團(tuán)隊(duì)將歷史數(shù)據(jù)中的知識活化，可以降低“騙?！钡娘L(fēng)險(xiǎn)，和提高診所和該保險(xiǎn)公司的合作滿意度。審核團(tuán)隊(duì)對于業(yè)務(wù)審核中心，提高初次識別的準(zhǔn)確度，降低和和診所或醫(yī)院溝通成本，降低審核周期；利用機(jī)器學(xué)習(xí)，積累識別的經(jīng)驗(yàn)，將“人眼和人腦”的知識積累沉淀到“模型”；未來可以從事后審核，逐步過渡到事中風(fēng)險(xiǎn)提示和事前預(yù)警。IT團(tuán)隊(duì)從靜態(tài)索引，逐步可以提供按照業(yè)務(wù)審核的新需求去靈活的更新查詢索引；將”歷史數(shù)據(jù)資產(chǎn)“上云，降低歷史負(fù)債。數(shù)字化和業(yè)務(wù)創(chuàng)新團(tuán)隊(duì)根據(jù)自己的業(yè)務(wù)場景和歷史數(shù)據(jù)來訓(xùn)練和優(yōu)化模型，同時可控?cái)?shù)據(jù)安全性；利用Amazon

SageMaker逐步建立自己的數(shù)據(jù)活化、分析、建模和應(yīng)用的能力。展示的項(xiàng)目是汽車自動定損評估系統(tǒng)；該系統(tǒng)將減少過去僅將汽車圖片發(fā)送到系統(tǒng)中以獲取索賠表的通知過程；該系統(tǒng)有助于防止錯誤并提高評估的準(zhǔn)確性。減少各種文件的處理。資產(chǎn)盤活機(jī)器人典型用例:

車險(xiǎn)理賠機(jī)器人事故故障 派單現(xiàn)場 確認(rèn)預(yù)估維修和賠付牌照自動核損維修和賠付資產(chǎn)盤活機(jī)器人典型用例:

車險(xiǎn)理賠機(jī)器人的收益業(yè)務(wù)團(tuán)隊(duì)傳統(tǒng)的核保和理賠核損方法，都是人工在現(xiàn)場采集標(biāo)的全方位信息，然后回傳到公司，并由專人進(jìn)行車輛情況的評估。這種方法服務(wù)效率低且成本高，而且人工操作不可避免的會有工作失誤和徇私舞弊，保險(xiǎn)公司也很難責(zé)任追究。在核保環(huán)節(jié)，主要涉及到車身劃痕識別和自然場景下的OCR識別。通過算法模型的建立以及車身圖像數(shù)據(jù)對算法的訓(xùn)練優(yōu)化，可以實(shí)現(xiàn)智能核保，提升效率。理賠核損環(huán)節(jié)，通過圖像識別技術(shù)，將后臺的標(biāo)的照片以部位維度進(jìn)行智能分類，之后使用圖像識別技術(shù)進(jìn)行損傷程度的評估，并輸出核損報(bào)告。數(shù)字化和業(yè)務(wù)創(chuàng)新團(tuán)隊(duì)根據(jù)自己的業(yè)務(wù)場景和歷史數(shù)據(jù)來訓(xùn)練和優(yōu)化模型、同時可控?cái)?shù)據(jù)安全性；利用AWS

SageMaker逐步建立自己的數(shù)據(jù)活化、分析、建模和應(yīng)用的能力。資產(chǎn)盤活機(jī)器人典型用例:

情感分類機(jī)器人資產(chǎn)盤活機(jī)器人典型用例:

情感分類機(jī)器人的收益業(yè)務(wù)團(tuán)隊(duì)隨著互聯(lián)網(wǎng)的飛速進(jìn)步和全球金融的高速發(fā)展，金融信息呈現(xiàn)爆炸式增長。如何從海量的金融文本中快速準(zhǔn)確地挖掘出關(guān)鍵信息，成為了投資者和決策者重點(diǎn)考慮的問題之一。使用金融文本中的信息主體的挖掘和面向主體的負(fù)面消息檢測，在風(fēng)控和輿情分析等領(lǐng)域有很大現(xiàn)實(shí)意義。數(shù)字化和業(yè)務(wù)創(chuàng)新團(tuán)隊(duì)根據(jù)自己的業(yè)務(wù)場景和歷史數(shù)據(jù)來訓(xùn)練和優(yōu)化模型、同時可控?cái)?shù)據(jù)安全性；利用AWS

SageMaker逐步建立自己的數(shù)據(jù)活化、分析、建模和應(yīng)用的能力。數(shù)字化資產(chǎn)盤活機(jī)器人解決方案系統(tǒng)架構(gòu)?AWS

CloudFormation模版幫助快速部署；指定所需要盤活的數(shù)據(jù)資產(chǎn)的Amazon

S3路徑及對應(yīng)所需要啟動的機(jī)器人；處理完當(dāng)前任務(wù)后會將結(jié)果寫入AmazonElasticSearch和Amazon

S3。如果某個實(shí)例發(fā)生異常，則相應(yīng)的任務(wù)會交給其他的實(shí)例來重做；可以通過Amazon

Elastic

Search查詢?nèi)蝿?wù)的結(jié)果，并且了解整個任務(wù)的執(zhí)行狀態(tài)；每個機(jī)器人都是由兩層構(gòu)成的，一層實(shí)現(xiàn)的業(yè)務(wù)需求，具體的任務(wù)可需要多個模型協(xié)作完成為業(yè)務(wù)層提供能力支持。數(shù)字化資產(chǎn)盤活機(jī)器人的特點(diǎn)之一使用內(nèi)置算法開始工作直接使用經(jīng)過預(yù)先訓(xùn)練的模型來完成諸如OCR

/車輛識別/

情感分類之類的工作;使用自己的模型利用預(yù)定義的Jupyter

Notebooks，在自己的數(shù)據(jù)集上訓(xùn)練自己的模型;使用自己的機(jī)器人按照我們的指導(dǎo)將您的預(yù)訓(xùn)練模型注冊為機(jī)器人。Use

Built-inalgorithmstostart

yourjobBringyourown

ModelBring

yourownBot數(shù)字化資產(chǎn)盤活機(jī)器人的特點(diǎn)之二可定制帶有一個基于容器的訓(xùn)練框架。用戶可以使用Amazon

Sagemaker或者其它Notebook托管服務(wù)來打開訓(xùn)練框架軟件，并導(dǎo)入自己標(biāo)注過的數(shù)據(jù)進(jìn)行訓(xùn)練。訓(xùn)練后的結(jié)果用戶可以導(dǎo)出到本解決方案的機(jī)器人框架中。部署的生產(chǎn)環(huán)境將使用二次訓(xùn)練后的模型進(jìn)行推理，以更好地適應(yīng)不同用戶的需求。數(shù)字化資產(chǎn)盤活機(jī)器人的特點(diǎn)之三成本優(yōu)化實(shí)際業(yè)務(wù)場景中在啟動階段，并不希望投入大量資金用來提取這些問題信息；該服務(wù)利用spot

instance中閑置的計(jì)算資源，可以大幅度降低客戶的資金投入。為什么要使用數(shù)字化資產(chǎn)