Beschleunigte Nutzung des Geschäftswerts mithilfe von Amazon SageMaker bei der NatWest Group

Die NatWest Group ist eine der größten Banken im Vereinigten Königreich. Das 1968 offiziell gegründete Unternehmen hat seinen Ursprung im Jahr 1727. Die NatWest Group möchte ihre umfangreichen Altdaten zur Innovation und Personalisierung ihrer Bank- und Versicherungsdienstleistungen für Privat-, Geschäfts- und Firmenkunden verwenden. Um diese Lösungen schneller bereitstellen zu können, benötigte die Bank einen standardisierten ML-Ansatz. „Wir hatten keine einheitliche Methode, um auf unsere Daten zuzugreifen, Erkenntnisse zu gewinnen oder Lösungen zu entwickeln“, sagt Andy McMahon, Head of MLOps für Dateninnovation bei der NatWest Group. „Unsere Kunden spürten diese Herausforderungen, weil es viel länger dauerte, einen Mehrwert zu schaffen, als wir eigentlich wollten.“

Um personalisierte Lösungen auf Unternehmensebene einzusetzen, entschied sich die NatWest Group für Amazon SageMaker als zentrale ML-Technologie. Zur Vorbereitung des Projekts beauftragte die Bank außerdem AWS Professional Services, ein globales Expertenteam, das Unternehmen dabei unterstützt, ihre gewünschten Geschäftsergebnisse durch den Einsatz von AWS zu erzielen. In einer Reihe von Workshops arbeiteten die NatWest Group und AWS Professional Services zusammen, um Verbesserungsmöglichkeiten innerhalb der ML-Umgebung des Unternehmens zu identifizieren und eine Entwicklungsstrategie zu erstellen. Nach der Erstellung eines umfassenden Plans begannen die Teams im Juli 2021 mit der Arbeit an dem Projekt.
 

Im April 2022 führte die NatWest Group einen unternehmensweiten, zentralisierten ML-Workflow ein, der durch den Einsatz von Amazon SageMaker unterstützt wird. Und da die Bank bereits mit Amazon Simple Storage Service (Amazon S3) arbeitete – einem Objektspeicher-Service, der branchenführende Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung bietet – war dies der Service der Wahl für die Data-Lake-Migration. Dank des einfacheren Zugangs zu Daten und leistungsstarken ML-Tools haben die Datenwissenschaftsteams des Unternehmens in den ersten 4 Monaten nach der Einführung über 30 ML-Anwendungsfälle auf Amazon SageMaker erstellt. Zu diesen Anwendungsfällen gehören eine Lösung, die Marketingkampagnen auf bestimmte Kundensegmente zuschneidet, und eine Anwendung, die einfache Betrugserkennungsaufgaben automatisiert, sodass sich Ermittler auf schwierige Fälle mit höherem Wert konzentrieren können.

Die Mitarbeiter der NatWest Group haben jetzt schnellen und einfachen Zugriff auf die Daten und Tools, die sie zum Erstellen und Trainieren von ML-Modellen benötigen. „Wir haben unseren Technologie-Stack modernisiert, den Datenzugriff vereinfacht und unsere Unternehmensführung und unsere betrieblichen Verfahren so standardisiert, dass das richtige Risikoverhalten beibehalten wird“, sagt McMahon. „Mit Amazon SageMaker können wir in wenigen Monaten von einer Idee auf einem Flipchart zu einer funktionierenden ML-Lösung in der Produktion übergehen, anstatt in einem Jahr oder mehr.“ Die NatWest Group hat ihre ersten Angebote im November 2022 auf den Markt gebracht und damit die Zeit bis zur Wertschöpfung von 12–18 Monaten auf nur 7 reduziert.

Um die Workflows ihrer Mitarbeiter zu beschleunigen, verwendet die NatWest Group den AWS Service Catalog, den Unternehmen zum Erstellen, Organisieren und Verwalten von Infrastructure-as-Code-Vorlagen verwenden. Bevor die Bank diese Lösung einführte, mussten Datenwissenschaftler oder Techniker ein zentralisiertes Team kontaktieren, wenn sie eine ML-Umgebung bereitstellen wollten. Bisher dauerte es 2–4 Wochen, bis die Infrastruktur einsatzbereit war. Jetzt kann die NatWest Group eine Vorlage aus dem AWS Service Catalog starten und in nur wenigen Stunden eine ML-Umgebung einrichten. Die Datenteams können viel früher mit der Arbeit an Projekten beginnen und haben mehr Zeit, sich auf die Erstellung leistungsfähiger ML-Modelle zu konzentrieren. Diese Self-Service-Umgebung ermöglicht es Datenwissenschaftsteams nicht nur, schneller geschäftlichen Nutzen zu erzielen, sondern fördert auch die Konsistenz. „Als großes Unternehmen möchten wir sicherstellen, dass alles, was wir entwickeln, skalierbar und konsistent ist“, sagt McMahon. „Bei AWS haben wir unseren Datenansatz mithilfe einer konsistenten Sprache und eines einheitlichen Frameworks standardisiert, die für verschiedene Anwendungsfälle eingeführt werden können.“

Die NatWest Group hat eine Reihe von Funktionen auf Amazon SageMaker eingeführt, um ihre ML-Workflows mit der Sicherheit und Governance zu optimieren, die ein großes Finanzinstitut erfordert. Insbesondere entschied sich die NatWest Group für Amazon SageMaker Studio, eine einzige webbasierte visuelle Oberfläche, auf der alle ML-Entwicklungsschritte ausgeführt werden können. Da Amazon SageMaker Studio einfach zu verwenden und zu konfigurieren ist, können neue Benutzer es schnell einrichten und so schneller mit der Entwicklung von ML-Modellen beginnen.

Um ihre Datenteams mit den Fähigkeiten auszustatten, die sie für den Umgang mit diesen Tools benötigen, hat die NatWest Group ihre Mitarbeiter ermutigt, sich auf Cloud-Lernreisen zu begeben. Das Unternehmen hat mehr als 720 AWS-Schulungen für seine Datenwissenschaftsteams zur Vermittlung neuer Skills abgehalten, beispielsweise zur Anwendung bewährter Methoden für DevOps und zum Entwickeln eines Data Lake in AWS. Darüber hinaus erhielten mehrere Mitarbeiter AWS Certifications. Dabei handelt es sich um branchenweit anerkannte Qualifikationen, die technische Fähigkeiten und Cloud-Expertise belegen. Durch die Bereitstellung dieser Möglichkeiten hat die NatWest Group ihren Datenwissenschaftsteams die Möglichkeit gegeben, leistungsstarke, prädiktive ML-Modelle in AWS schneller zu entwickeln.