Petal skaliert den Zugang zu Verbraucherkrediten mithilfe von AWS

Die datengesteuerte Infrastruktur von Petal läuft in AWS-Services, von der Backend-Infrastruktur bis hin zur Front-Office-Anwendungslandschaft. Wenn Kunden eine Kreditkarte beantragen, werden sie zur Webanwendung weitergeleitet, um die erforderlichen persönlichen Daten auszufüllen. Petal hostet die Benutzeroberfläche für diese ersten Webseiten mithilfe von Amazon Simple Storage Service (Amazon S3), einem Objektspeicher-Service, der branchenführende Skalierbarkeit, Datenverfügbarkeit, Sicherheit und Leistung bietet, gesendet. „Wir wollen eine hohe Ausfallsicherheit für die erste Interaktion“, sagt Wang. „Durch die Verwendung von Amazon S3 können wir die hohe Verfügbarkeit unserer Bewerbungsseite für unsere Millionen von Bewerbern aufrechterhalten.“

Für den Datenspeicher verwendet Petal Amazon Relational Database Service (Amazon RDS) für PostgreSQL, um seine wichtigsten transaktionalen Geschäftsdaten zu speichern. Amazon RDS ist eine vollständig verwaltete relationale Datenbank, die die Einrichtung, den Betrieb und die Skalierung von PostgreSQL-Datenbanken in der Cloud vereinfacht. RDS half Petal dabei, seine Anforderungen an die Transaktionsdatenverarbeitung in Zeiten schnellen Wachstums schnell und einfach zu skalieren. Petal nutzt auch Amazon Redshift und S3 zum Speichern von Analyse- und Forschungsdaten. Ein Großteil dieser Daten fließt in die firmeneigenen ML-Modelle von Petal ein, die bei der Risikoübernahme und bei der Verwaltung von Kundenkonten verwendet werden. Um seine Prognosemodelle zu trainieren, verwendet Petal Amazon SageMaker, mit dem Unternehmen ML-Modelle für praktisch jeden Anwendungsfall mit vollständig verwalteter Infrastruktur, Tools und Workflows erstellen, trainieren und bereitstellen können. SageMaker ermöglichte es Petal, seine ML-Modelle schneller und effektiver zu iterieren, einschließlich des CashScore-Modells, das ein integraler Bestandteil von Petals Versicherungsgeschäften und Mission ist, Unternehmen mit wenig bis gar keiner Kredithistorie besser zu bedienen. „Durch den Einsatz von Amazon SageMaker kann unser Datenwissenschafts-Team unabhängig die Arten von Instances steuern und konfigurieren, die für das Training seiner ML-Modelle erforderlich sind“, sagt Wang. „Es hat die Fähigkeiten, die sie benötigen.“

Skalierbarkeit war für Petal von entscheidender Bedeutung, da die Arbeitsabläufe und Systeme mit der stetigen Zunahme von Benutzern und Anwendungen immer komplexer wurden. Petal verwendet Amazon Elastic Compute Cloud (Amazon EC2), das sichere und anpassbare Rechenkapazität für praktisch jedes Workload bietet, um den Anforderungen seiner Services und seiner Infrastruktur für Machine Learning gerecht zu werden. Um seine Kubernetes-basierten Workloads in Amazon EC2 effizient auszuführen, verwendet das Unternehmen Amazon Elastic Kubernetes Service (Amazon EKS), einen verwalteten Service zur Ausführung von Kubernetes in der Cloud und in On-Premises-Rechenzentren. In AWS lässt sich die Infrastruktur von Petal problemlos vertikal und horizontal skalieren, da das Unternehmen von der Verarbeitung einiger Dutzend Anwendungen zu heute Millionen von Anwendungen gewachsen ist. Zusätzlich zur Skalierbarkeit tragen die Services von Amazon dazu bei, die Produktivität der Petal-Ingenieure zu steigern. „Da unser Entwicklungsteam immer ausgefeilter wurde, brauchten wir bessere Werkzeuge“, sagt Wang. „Indem wir uns für Amazon EKS entscheiden, nehmen wir unserem kleinen Team viel von der zusätzlichen Komplexität ab, die mit der nativen Ausführung und dem Hosting von Kubernetes einhergeht.“

Schließlich führt Petal seinen Erfolg bei der Entwicklung in AWS auf die Beziehung zurück, die sein Team zu AWS aufgebaut hat. Durch die proaktive und kollaborative Zusammenarbeit mit seinem AWS-Team erhält Petal Zugang zu den neuesten Technologien, kritischem Fachwissen, einzigartigen Programmen und wertvollen Perspektiven, die seine geschäftskritischen Projekte vorangetrieben haben. Wang erklärt: „Das AWS-Konto und die Mitarbeiter des technischen Supports haben eng mit Petal zusammengearbeitet, um uns dabei zu helfen, alles zu nutzen, was AWS zu bieten hat, einschließlich Hilfe bei der Behebung technischer Probleme, technische Entwurfsprüfungen und Teilnahme an Vorträgen und Netzwerkmöglichkeiten.“