详细内容或原文请订阅后点击阅览

亚马逊金融公司如何使用亚马逊基岩和亚马逊·肯德拉（Amazon Kendra）建立了AI助手，以支持分析师进行数据发现和业务见解

2025年8月28日 20:14 33 Comments
X Twitter Instagram Mail

亚马逊金融技术团队开发并管理了全面的技术解决方案，从而为财务决策和运营效率提供动力，同时在亚马逊的全球运营中进行标准化。在这篇文章中，我们通过使用亚马逊基岩和Amazon Kendra的智能搜索来利用生成AI的力量来概念化和实施这些业务挑战的解决方案。

来源:亚马逊云科技 _机器学习
在财务计划和分析过程中，亚马逊财务的财务分析师面对越来越复杂。当使用跨越多个系统，数据湖泊和业务部门的大量数据集工作时，分析师遇到了几个关键挑战。首先，他们花费大量时间手动浏览数据目录，并从不同来源进行调解数据，而留下了更少的时间进行有价值的分析和洞察力生成。其次，历史数据和以前的业务决策通常存在于各种文档和旧系统中，因此在计划周期期间很难使用过去的学习。第三，随着业务环境迅速发展，分析师需要快速访问相关指标，计划假设和财务见解，以支持数据驱动的决策。传统工具和流程在应对这些挑战方面缺乏。基于关键字的搜索通常会错过财务数据中的上下文关系，而严格的查询结构限制了分​​析师动态探索数据的能力。此外，缺乏机构知识保存意味着有价值的见解和决策原理通常会随着时间的流逝而保持孤立或迷失，从而导致多余的分析和整个团队之间的计划假设不一致。这些挑战极大地影响了财务计划效率，决策敏捷性以及业务见解的整体质量。分析师需要一种更直观的方式来访问，理解和使用其组织的集体财务知识和数据资产。亚马逊金融技术团队开发和管理全面的技术解决方案，以为财务决策和运营效率提供动力，同时在整个亚马逊的全球运营中标准化。在这篇文章中，我们解释了团队如何通过使用亚马逊基岩和Amazon Kendra的智能搜索来利用生成性AI的力量来概念化和实施解决这些业务挑战的解决方案。解决这些业务挑战，AM
财务计划 标准化 决策 数据集 驱动的 数据 分析 技术团队 业务部门 亚马逊 洞察力 使用 不一致 动态 力量 业务 敏捷性 分析师 全面的 见解 组织的 生成 以前的 概念化 严格的 过去的 财务 数据驱动 意味着 直观的 时间的 结构限制 多余的 财务的 有价值 挑战 质量