主要观点：金融犯罪对金融机构是持续威胁，机构需构建风险管理系统，云计算进化利于风险管理中的机器学习，风险管理聚焦识别、评估等，多数风险功能需用户判断，数据是机器学习基础，数据质量重要（金融机构因数据质量年损失 1500 万美元等），存在数据标准化等挑战及相应解决办法，如定义数据管理政策、技术投资等，还介绍了云原生解决方案的架构组件（数据源等）及各组件的作用和益处，包括准确数据监测、捕获元数据等，以及数据摄入层的两种标准化方法和简单 Python 示例，最后总结实施云原生架构可整合数据管理、改善用户体验、减少数据质量错误等。

关键信息：

• 金融机构需构建风险管理系统，云计算利于机器学习。
• 风险管理的 5 个主要步骤及用户判断的重要性。
• 数据质量重要及相关数据质量挑战（缺乏标准化等）。
• 云原生解决方案的架构组件及益处。
• 数据摄入层的两种标准化方法及示例。

重要细节：

• 不同风险功能的具体步骤，如识别潜在风险等。
• 数据质量挑战的具体表现，如不同系统数据格式不同等。
• 云原生解决方案各架构组件的作用，如数据存储于不同系统等。
• 数据摄入层两种方法的优缺点及示例代码。