将实现价值的时间
从 12 到 18 个月缩短到 7 个月
30 多个机器学习应用场景
4 个月内建成
720+
已完成 AWS 课程
促进自助服务环境
适用于数据科学团队
将预调配环境的时间
从 2-4 周缩短到几小时
概览
为了在快节奏的金融服务行业中保持竞争力,NatWest Group 面临着向其 1900 万客户提供越来越个性化的优质服务的压力。该银行建立了各种工作流程,以探索其数据并构建机器学习(ML)解决方案,以提供基于客户需求的定制体验。但是,其传统流程缓慢且不一致,NatWest Group 希望通过机器学习加速实现商业价值。
该银行求助于 Amazon Web Services(AWS),并采用了 Amazon SageMaker,数据科学家和工程师使用这项服务来构建、训练和部署几乎适用于任何应用场景的机器学习模型,并匹配完全托管式基础设施、工具和工作流。通过将机器学习流程集中在 AWS 上,NatWest Group 将推出新产品和服务所需的时间缩短了几个月,并在其数据科学团队中打造了一种更加敏捷的文化。
![Multiethnic mentor and intern employees sitting with laptop in office. Multiethnic mentor and intern employees sitting with laptop in office.](https://d1.awsstatic.com/fsi-case-study.d80c1f890681a53d7d3a41d3fce001ec28119f71.jpeg)
机会 | 使用 Amazon SageMaker 缩短 NatWest Group 实现价值的时间
NatWest Group 是英国最大的银行之一。其于 1968 年正式成立,历史可以追溯到 1727 年。NatWest Group 寻求利用其丰富的传统数据实现其个人、商业和企业银行和保险服务的创新和个性化。为了更快地交付这些解决方案,该银行需要标准化的机器学习方法。Andy McMahon,NatWest Group 的 Head of MLOps for Data Innovation,表示:“我们没有一种一致的方式来访问数据、生成见解或构建解决方案。我们的客户之所以感受到这些挑战,是因为获得价值所花的时间比我们希望的要长得多。”
为了在企业规模部署个性化解决方案,NatWest Group 选择采用 Amazon SageMaker 作为其核心机器学习技术。该银行还聘请了 AWS Professional Services,这是一个全球专家团队,可以帮助公司在使用 AWS 时实现预期的业务成果,为项目做好准备。在一系列研讨会上,NatWest Group 和 AWS Professional Services 共同确定了公司机器学习领域的改进对象,并制定了发展战略。在制定了全面的计划后,各团队于 2021 年 7 月开始着手该项目。
![kr_quotemark kr_quotemark](https://d1.awsstatic.com/case-studies/CustomerReferences_QuoteMark.16fc612d9e480eaec3e716161a76c4a71428c86a.png)
如果想为数据科学工作启动一个环境,可能需要 2-4 周的时间。在 AWS 上,我们可以在几个小时内启动该环境。最多需要 1 天。”
Greig Cowan
NatWest Group 的 Head of Data Science for Data Innovation
解决方案 | 使用 AWS ML 解决方案实现敏捷的 DevOps 文化
2022 年 4 月,NatWest Group 推出了一个企业级的集中式机器学习工作流,该工作流程由 Amazon SageMaker 提供支持。而且,由于该银行已经使用了 Amazon Simple Storage Service(Amazon S3),这一可提供业界领先的可扩展性、数据可用性、安全性和性能的对象存储服务,因此该服务成为其数据湖迁移的最佳选择。凭借更便捷的数据访问和功能强大的机器学习工具,其数据科学团队在成立后的前 4 个月内就在 Amazon SageMaker 上构建了 30 多个机器学习应用场景。这些应用场景包括针对特定客户细分市场量身定制营销活动的解决方案,以及自动执行简单的欺诈检测任务,以便调查人员可以专注于困难的、价值更高的案例的应用程序。
NatWest Group 员工现在可以快速而简单地访问所需数据和工具,以构建和训练机器学习模型。McMahon 表示:“我们对技术堆栈进行了现代化改造,简化了数据访问,并标准化了我们的治理和运营程序,以保持正确的风险行为。使用 Amazon SageMaker,我们可以在几个月内让想法变成生产中行之有效的机器学习解决方案,而无需一年或更长时间。” NatWest Group 于 2022 年 11 月推出了首批产品,将其价值实现时间从 12 到 18 个月缩短到仅 7 个月。
为了加快员工的工作流程,NatWest Group 使用 AWS Service Catalog,组织使用它来创建、组织和管理基础设施即代码模板。在银行采用此解决方案之前,如果数据科学家或工程师想要预调配机器学习环境,则需要联系集中式团队。以前,基础设施需要 2-4 周才能投入使用。现在,NatWest Group 可以在短短几个小时内从 AWS Service Catalog 启动模板,并启动机器学习环境。其数据团队可以更快地开始处理项目,并有更多时间专注于构建功能强大的机器学习模型。这种自助服务环境不仅使数据科学团队能够更快地获得业务价值,而且还支持一致性。McMahon 说:“作为一个大型组织,我们希望确保我们构建的任何东西都具有可扩展性和一致性。在 AWS 上,我们使用一致的语言和框架对数据处理方法进行了标准化,可以在不同的应用场景中推广。”
NatWest Group 采用了 Amazon SageMaker 的许多功能,以简化其机器学习工作流程,同时满足大型金融机构所需的安全性和治理要求。尤其值得一提的是,NatWest Group 采用了 Amazon SageMaker Studio,这是一个基于 Web 的单一可视化界面,可以在其中执行所有机器学习开发步骤。由于 Amazon SageMaker Studio 易于使用和配置,因此新用户可以快速设置它,并更快地开始构建机器学习模型。
为了让数据团队具备使用这些工具所需的技能,NatWest Group 鼓励其员工踏上云学习之旅。该公司已经为其数据科学团队举办了超过 720 次 AWS 培训课程,以学习新技能,例如应用 DevOps 最佳实践和在 AWS 上构建数据湖。此外,几名员工获得了 AWS 认证,这是业界认可的证书,可以验证技术技能和云专业知识。通过提供这些机会,NatWest Group 支持其数据科学团队在 AWS 上更快地构建功能强大的预测性机器学习模型。
成果 | 使用 Amazon SageMaker 大规模部署创新服务
关于 NatWest Group
NatWest Group 是一家英国银行公司,为个人、商业和企业客户提供范围广泛的服务。该银行为英国和爱尔兰的 1900 万客户提供服务。
使用的 AWS 服务
Amazon S3
Amazon Simple Storage Service (Amazon S3) 是一种对象存储服务,提供行业领先的可扩展性、数据可用性、安全性和性能。
Amazon SageMaker
Amazon SageMaker 建立在 Amazon 二十年来开发现实世界 ML 应用程序的经验之上,这些应用程序包括产品推荐、个性化、智能购物、机器人技术和语音辅助设备。
了解更多 »
AWS Service Catalog
利用 AWS Service Catalog,组织可以创建和管理已批准在 AWS 上使用的 IT 服务的目录。
Amazon SageMaker Studio
Amazon SageMaker Studio 提供一个基于网络的可视化界面,您可以在该界面中执行所有的机器学习开发步骤,将数据科学团队的生产率提高 10 倍。
了解更多 »
行动起来
无论行业无论规模,每天都有各种机构在使用 AWS 实现自身业务转型、实现企业愿景。欢迎您联系我们的专家,立即踏上您的 AWS 之旅。