机器学习在金融中的关键作用：被忽视的后端问题和前进之路
简介
谈到金融服务的数字化转型时，两个关键问题会浮现在脑海中：传统金融职能的重要性和“技术债务”的成本。
在本文中，我将讨论机器学习如何作为连接这两个主题的桥梁，以及如何成为数字化转型官员工具箱中的关键工具。我们将使用一个例子，讨论在这些传统职能中成功进行转型的关键是审视后端流程。
为什么金融服务中的数字化转型是必要的
金融领域的数字化转型不仅仅是为了与外界保持形象的一场选美比赛；它实际上是一种生存的必要性。快速审视金融服务公司的财务状况会显示出利润率越来越薄，而保持这些利润率的一种方式是提高运营效率。而运营效率，正如您可能已经知道的，是数字化转型的目标之一。
如果是这样的话，为什么金融公司在采用数字化转型计划方面落后呢？这与“技术债务”有关。
技术债务的成本
技术债务常常被低估，它是完全数字化转型的一个看不见的障碍。技术债务，也被称为“技术债”，是将系统设计不良或软件架构问题与财务债务相提并论的一种比喻。
就像财务债务一样，技术债务随着时间的推移而积累“利息” —— 表现为更高的维护成本、降低的灵活性、增加的复杂性等等。这种债务通常是看不见的，因为它不会立即表现为问题，而是逐渐破坏效率、灵活性和……