某公司將每筆金融交易記錄標記為個人或商業，並將該類別與記錄一起儲存。這描述了哪種資料準備步驟？

資料標記 (Data labeling) 是指為原始資料（例如圖像、文字或音訊）添加有意義標籤的過程，以便機器學習模型能夠學習和識別這些模式。在此情境中，將每筆金融交易記錄標記為「個人」或「商業」正是為資料賦予類別標籤，以供後續模型訓練使用。資料編碼 (Data encoding) 是將資料轉換為不同格式，通常是數值形式。資料正規化 (Data normalization) 是調整數值資料的比例，以避免某些特徵對模型訓練產生過大的影響。資料平衡 (Data balancing) 是處理不平衡資料集，以確保模型不會偏向多數類別。