Kundengeschichten/Finanzdienstleistungen/Brasilien
Itaú verbessert die Markteinführungsgeschwindigkeit und Produktivität von ML-Lösungen mithilfe von Amazon Web Services
Erfahren Sie, wie Itaú, Lateinamerikas größte Bank, mithilfe von Amazon SageMaker Studio die Markteinführung von ML-Modellen beschleunigt hat.
Von 6 Monaten auf 3–5 Tage
Verkürzung der Bereitstellungszeit
Schnellere Markteinführung
führt zu verbessertem Kundenerlebnis
Steigerung der Mitarbeiterproduktivität
Standardisierung
Verbesserte Lösungsintegration
für ML-Datenwissenschaftler
mehr als 3 200 Benutzer
von Amazon SageMaker Studio
Übersicht
Itaú Unibanco (Itaú), die größte private Bank in Brasilien, musste die Geschwindigkeit, Flexibilität und Skalierbarkeit ihrer Infrastruktur für Machine Learning (ML) für ihre mehr als 3 200 ML-Benutzer verbessern. Die On-Premises-Infrastruktur der Bank erforderte die Bestellung von Servern und die Durchführung von Konfigurationsaufgaben, bevor dem Data-Science-Team Lösungen zur Verfügung standen. Dieser Prozess dauerte Monate und war mit den damit verbundenen hohen Kosten für den Kauf von Servern sowie für den Betrieb und die Unterbringung eines Rechenzentrums verbunden.
Im Jahr 2020 entschied sich Itaú für Amazon Web Services (AWS) als strategischen Cloud-Anbieter und begann mit der Erneuerung ihrer Infrastruktur in AWS. Um ML-Prozesse für Datenwissenschaftler zu beschleunigen, verwendete Itaú Amazon SageMaker Studio, eine integrierte Entwicklungsumgebung, die eine einzige webbasierte visuelle Oberfläche für den Zugriff auf speziell entwickelte Tools zur Durchführung aller ML-Entwicklungsschritte bietet. Das Unternehmen war der Meinung, dass Amazon SageMaker Studio die naheliegende Wahl für seine Lösung war. Mit seiner neuen Lösung verkürzte Itaú die Zeit für die Modellentwicklung von 6 Monaten auf 5 Tage, erhöhte die Produktivität der Mitarbeiter durch Standardisierung und senkte die Kosten.
Chance | Nutzung von Amazon SageMaker Studio zur effizienten Demokratisierung von ML für Itaú
Itaú bietet Bankdienstleistungen für Kunden in Brasilien, Lateinamerika und 18 anderen Ländern auf der ganzen Welt an. Das Unternehmen beschäftigt über 95 700 Mitarbeiter, von denen etwa 15 000 in der IT tätig sind. Die ursprüngliche Infrastruktur von Itaú befand sich ausschließlich On-Premises, was zu hohen Kosten und langsamen Entwicklungszeiten führte. Die On-Premises-Infrastruktur war auch nicht skalierbar, da sie durch physischen Platz und Hardware begrenzt war. In der Datengruppe der Bank mussten Datenwissenschaftler bis zu 6 Monate warten, bis Speicher und Ressourcen zur Verfügung gestellt wurden, und das Unternehmen hatte eine Warteliste für die Bereitstellung mit über 100 ML-Modellen.
Um diese Herausforderungen zu bewältigen, beschloss Itaú, einen Teil seines Geschäfts in die Cloud zu migrieren und entschied sich dabei für AWS. „Einer der Gründe, warum wir uns für die Migration von On-Premises zur Cloud entschieden haben, war eine Strategie zur gleichzeitigen Steigerung der Wettbewerbsfähigkeit und Effizienz des Unternehmens“, sagt Diego Nogare, ML Engineering Manager bei Itaú.
Etwa 6 Monate nach Beginn der Migration entschied sich Itaú für Amazon SageMaker – einen Service zum Erstellen, Trainieren und Bereitstellen von ML-Modellen für jeden Anwendungsfall mit vollständig verwalteter Infrastruktur, Tools und Workflows – als flexible, cloudnative ML-Lösung. „Wir haben unsere Software und Daten mithilfe von AWS transformiert und brauchten eine Lösung, die perfekt in AWS funktioniert“, sagt Vitor Azeka, Data Science Superintendent bei Itaú. „Amazon SageMaker war die naheliegende Wahl.“ Im Jahr 2024 sind bereits rund 60 Prozent der Software und Daten des Unternehmens modernisiert, um in der Cloud ausgeführt zu werden.“
Wir können schneller bereitstellen. Wir haben die Standardisierung und Integration verbessert und können AWS nutzen, um uns weiter zu verbessern.“
Rodrigo Fernandes Mello
Distinguished Data Scientist, Itaú
Lösung | Verkürzung der Modellbereitstellungszeit von 6 Monaten auf 5 Tage mithilfe von AWS
Itaú hat mithilfe von AWS eine Komplettlösung für seine Datenwissenschaftler entwickelt. Zunächst werden Daten mit AWS Glue erfasst, einem Serverless-Datenintegrationsservice, der das Auffinden, Vorbereiten, Verschieben und Integrieren von Daten aus mehreren Quellen für Analysen, ML und Anwendungsentwicklung erleichtert. Diese Daten werden dann verwendet, um Experimente mit Amazon SageMaker Studio zu starten. Itaú verwendet Amazon SageMaker Studio als flexible Entwicklungslösung für seine internen Datenwissenschaftler zum Experimentieren. Als Nächstes werden ML-Modelle mithilfe anderer Amazon-SageMaker-Tools wie Endpoints, Batch Transform und Asynchronous Inference bereitgestellt. Das Unternehmen überwacht Modelle mithilfe von Amazon CloudWatch, das Protokolle, Metriken und Ereignisdaten nahezu in Echtzeit in automatisierten Dashboards erfasst und visualisiert, um die Infrastruktur- und Anwendungswartung zu optimieren. Durch die gemeinsame Nutzung all dieser AWS-Services können Datenwissenschaftler ihre Anforderungen erfüllen.
Itaú stellte im August 2021 seine erste Lösung mit Amazon SageMaker Studio als integrierte Entwicklungsumgebung bereit. Im April 2023 hatte das Unternehmen mehr als 3 200 Einzelbenutzer für den AWS-Service, darunter rund 350 Datenwissenschaftler.
Itaú hat keine Warteliste mehr für die Bereitstellung von ML-Modellen. Mithilfe von Amazon SageMaker Studio hat das Unternehmen die Bereitstellungszeit in einigen Fällen von bis zu 6 Monaten auf 3–5 Tage reduziert. Diese verkürzte Bereitstellungszeit beschleunigt die Markteinführung für das Unternehmen. „Wenn wir Amazon SageMaker Studio verwenden, können wir unsere Pipeline ausführen und die Lösung sehr schnell an unsere Kunden liefern“, sagt Nogare. „So können wir das Kundenerlebnis verbessern.“ Itaú spart auch Kosten im Vergleich zu seiner alten On-Premises-Infrastruktur.
Seit November 2021 trifft sich Itaú wöchentlich mit dem AWS-Team, um Architektur, Sicherheit und deren Roadmap zu besprechen. „Die Unterstützung durch AWS war sehr wichtig, um die Ergebnisse zu erzielen, die wir heute aufzeigen können“, sagt Nogare. „Jedes Mal, wenn wir ein Problem mit unserer Lösung oder unseren Governance-Anforderungen sahen, unterstützte uns das AWS-Team dabei.“ Einige der Governance-Anforderungen werden mithilfe von Amazon SageMaker Studio erfüllt. Wenn das Unternehmen Pipelines betreibt, um den Benutzern Amazon SageMaker Studio zur Verfügung zu stellen, sind Governance- und Sicherheitsprobleme bereits gelöst.
Durch die Standardisierung seiner Lösung kann Itaú neue Mitarbeiter leichter einarbeiten und Datenwissenschaftler auch in anderen Abteilungen einsetzen. Die Aktualisierung ist einfacher, da alles virtuell ist und das Unternehmen sich nicht mehr auf physische Maschinen verlassen muss. Mithilfe von AWS werden die Pipelines für Datenwissenschaftler integriert, sodass ML-Modelle in derselben Datenpipeline bereitgestellt und überwacht werden. Dies verbessert die Effizienz von Datenwissenschaftlern weiter.
„Letzten Endes können wir schneller liefern“, sagt Rodrigo Fernandes Mello, leitender Datenwissenschaftler bei Itaú. „Wir haben die Standardisierung und Integration verbessert und können AWS nutzen, um uns weiter zu verbessern.“
Ergebnis | Standardisierung aus Gründen der Effizienz mithilfe von AWS
Itaú ist bestrebt, seine Standardisierung weiter zu verbessern. Der nächste Schritt zur internen Standardisierung für die Datenwissenschaftler besteht darin, dass mehr Mitarbeiter die IARA-Lösung nutzen, die auf AWS basiert und von mehreren Services Gebrauch macht, darunter Amazon SageMaker Studio. Itaú wird seine Pipeline mithilfe von Tools in Amazon SageMaker weiterentwickeln, z. B. Amazon SageMaker Pipelines, mit denen ML-Workflows in großem Maßstab erstellt, automatisiert und verwaltet werden. Itaú führt mithilfe von AWS-Tools Tests durch, um seine Pipeline stärker zu standardisieren.
„Dieses Projekt hat dem Team der Datenwissenschaftler viel Effizienz gebracht“, sagt Azeka. „Mit Amazon SageMaker Studio können wir neue Dinge testen und gleichzeitig andere veröffentlichen, und wir können über modernste Lösungen diskutieren, die große Sprachmodelle nutzen. Das macht unsere Datenwissenschaftler stolz darauf, bei Itaú zu arbeiten.“
Über Itaú Unibanco
Itaú ist die größte Privatbank in Brasilien und bietet sämtliche Bankdienstleistungen an, die u. a. das Firmenkundengeschäft, Investmentbanking und Privatkundeninvestitionen umfassen. Das Unternehmen wurde 2008 durch den Zusammenschluss von Banco Itaú und Unibanco gegründet.
Genutzte AWS-Services
Amazon SageMaker
Amazon SageMaker ist ein vollständig verwalteter Service, der eine breite Palette von Tools vereint, um leistungsstarkes, kostengünstiges Machine Learning (ML) für jeden Anwendungsfall zu ermöglichen.
Amazon SageMaker Studio
Amazon SageMaker Studio bietet eine große Auswahl an speziell entwickelten Tools zur Durchführung aller Entwicklungsschritte für Machine Learning (ML), von der Datenvorbereitung bis hin zur Erstellung, Schulung, Bereitstellung und Verwaltung Ihrer ML-Modelle.
AWS Glue
Der erste Schritt bei einem Analyse- oder ML-Projekt ist die Vorbereitung Ihrer Daten, um qualitativ hochwertige Ergebnisse zu erhalten. AWS Glue ist ein Serverless-Datenintegrationsservice, der die Datenaufbereitung einfacher, schneller und kostengünstiger macht.
Amazon CloudWatch
Amazon CloudWatch ist ein Service, der Anwendungen überwacht, auf Leistungsänderungen reagiert, die Ressourcennutzung optimiert und Einblicke in den Betriebszustand bietet.
Weitere Itau-Geschichten
Erste Schritte
Organisationen aller Größen aus verschiedenen Sektoren transformieren ihre Unternehmen und erfüllen ihre Missionen täglich mithilfe von AWS. Kontaktieren Sie unsere Experten und begeben Sie sich noch heute Ihren Weg zu AWS.