报告行业投资评级 无相关内容 报告的核心观点 1) 微软商业应用程序在金融服务行业的应用正在不断扩大,被企业视为数字化转型的基石 [15][16][17] 2) 金融服务企业选择微软商业应用程序的主要原因包括集成能力、定制灵活性、易于实施以及云端能力 [25][26][27][28][29][30][31][32] 3) 金融服务企业对微软商业应用程序的期望包括可扩展性、创新性、数据安全性和隐私性、业务流程优化以及盈利能力提升 [35][36][37][38][39] 4) 微软商业应用程序在金融服务行业的采用水平不断提高,其中大型企业更倾向于采用 [41][42][43][44] 5) 金融服务企业在实施微软商业应用程序时面临的主要挑战包括数据迁移复杂性、用户采纳问题和实施问题 [46][47][48][49][50][51] 6) 部分企业通过外包方式来提高微软商业应用程序的实施效果,但也有企业出于数据安全等考虑而选择内部实施 [53][54][55][56][57] 根据目录分别进行总结 微软商业应用程序在金融服务行业的应用 - 金融服务企业将微软商业应用程序视为数字化转型的基石,用于提高运营效率、提取统一数据视图的洞见,并改善客户参与度 [15] - 微软Dynamics 365和微软Power Platform因与Office 365和第三方应用程序的无缝集成而广受欢迎,并具有较低的总拥有成本和更快的上市时间 [16][17] 金融服务企业选择微软商业应用程序的主要原因 - 集成能力、定制灵活性、易于实施以及云端能力是金融服务企业选择微软商业应用程序的主要原因 [25][26][27][28][29][30][31][32] - 不同规模的企业有不同的选择偏好,大型企业更看重集成能力,中小企业更看重可负担性和可扩展性 [33] 金融服务企业对微软商业应用程序的期望 - 金融服务企业期望微软商业应用程序能提供可扩展性、创新性、数据安全性和隐私性、业务流程优化以及盈利能力提升 [35][36][37][38][39] - 大型企业更关注数据安全,小型企业更关注可扩展性 [40] 微软商业应用程序在金融服务行业的采用情况 - 微软商业应用程序在金融服务行业的采用水平不断提高,大型企业采用程度更高 [41][42][43][44] - 微软365 Copilot的采用也在快速增长,得益于其生成式AI能力和与云数据服务的集成 [45] 金融服务企业在实施微软商业应用程序时面临的挑战 - 主要挑战包括数据迁移复杂性、用户采纳问题和实施问题 [46][47][48][49][50][51] 金融服务企业的微软商业应用程序外包情况 - 部分企业通过外包方式来提高微软商业应用程序的实施效果,但也有企业出于数据安全等考虑而选择内部实施 [53][54][55][56][57]

报告行业投资评级 无相关内容 报告的核心观点 - 数据正在深刻地改变企业和公共管理部门,为公民带来经济和社会价值 [2][3] - 将数据转化为价值需要公共部门首席数据官(CDO)对战略、组织能力和能力、治理、技术架构和生态系统进行协调 [2][3] - 欧盟制定了数据经济加速增长与负责任使用数据和人工智能的愿景 [5] - 公共部门CDO在确保数据的智能、互操作、可信和负责任使用方面发挥关键作用 [9][10][11][14] - 公共部门CDO需要根据组织的目标和特点采取不同的角色定位和执行方式 [27][28] 分组1: 行业投资机会 无相关内容 分组2: 行业风险 无相关内容 分组3: 其他总结 - 欧盟制定了一系列政策法规,如数据治理法案、人工智能法案等,为实现数据和人工智能的加速和负责任使用创造法律框架 [9] - 公共部门CDO需要关注公众信任、与政策目标的一致性、与生态系统的协作等方面 [11][14][15][18] - 公共部门CDO的角色正在从技术专家向战略领导者转变,需要与其他高管协调数据平台路线图、数据安全合规等 [21][22][24] - 根据CDO的目标和执行方式,可以将其划分为传道者型、策略家型、炼金师型和技术专家型四种原型 [30][31][32][33][34][35] - 公共部门CDO需要在战略、治理、架构、组织、生态系统、资金等六个方面做出明智选择 [42] - 公共部门CDO面临人才短缺、缺乏战略规划、宏观环境波动、技术债务等挑战,需要制定应对计划 [48][51]

报告行业投资评级 无相关内容 报告的核心观点 1) Pega Infinity '24是一个强大的平台,融合了AI驱动的开发与直观的高级自动化 [15][16] 2) Pega Infinity '24采用模型驱动的架构,集成了先进的AI模型,可以从历史数据中学习,预测用户需求,提供洞见 [17][18] 3) Pega Infinity '24的核心功能包括:GenAI Blueprint、GenAI Autopilot、GenAI Coach、GenAI Analyze和GenAI Automate,以及对Constellation的增强 [21] 分组1: GenAI Blueprint - 使用NLP将业务战略与应用开发紧密对齐,确保每个开发阶段都能满足并超越利益相关方的战略目标 [22][23][24][25][26] - 通过集成贯穿整个生命周期的功能,确保应用程序随业务需求的变化而持续演进 [31][32][33][34][36] 分组2: GenAI Autopilot - 自动化处理重复性任务,如数据录入、工作流配置和代码审查,提高开发人员的生产力 [39][40][41][42][43][44][45] - 确保应用程序符合行业标准和性能要求,提供优化建议并检测异常 [39][40][43][44] 分组3: GenAI Coach - 提供基于最佳实践的编码标准、架构指导和设计建议,确保应用程序质量和可维护性 [46][47][48][49][50][54][55][56][57][58] - 通过分析团队的历史开发数据,提供个性化的学习建议,帮助开发人员提升技能 [54][55] 分组4: GenAI Analyze - 提供高级数据可视化和分析功能,帮助团队深入了解应用程序性能和用户行为 [60][61][62][63][64][67][68][69][70] - 将应用程序性能与关键业务指标相关联,支持数据驱动的决策 [67][68] 分组5: GenAI Automate - 利用AI分析现有工作流程,提供预构建的自动化解决方案,加快工作流自动化部署 [72][73][74][75][76][79][80][81][82][83][84][85] - 提供集中管理和优化RPA机器人的功能,确保自动化持续优化 [83][84][85] 分组6: Constellation增强 - 提供统一的设计系统,包括可重用模板、组件和样式,提高UI开发效率和一致性 [87][88][89][90] - 集成AI驱动的建议和智能代码片段,帮助开发人员更高效地工作 [92][93]