Banregio acelera su tiempo de salida al mercado con el análisis de datos en la nube de AWS
2021
Banregio Grupo Financerio (BanRegio) adoptó Amazon Sagemaker para ayudar a desarrollar el aprendizaje automático y el análisis de big data en la nube. La tecnología ha permitido a la empresa estudiar el comportamiento de los consumidores y acelerar su tiempo de salida al mercado con nuevos productos, algo que no podría haber hecho en un ambiente on-premises. El banco también tiene previsto utilizar los servicios de Amazon Web Services para el procesamiento del lenguaje natural y la transcripción de voz a texto.
Después de una minuciosa evaluación, hemos seleccionado la plataforma de ML/AI de AWS como nuestra solución de facto para todo lo relacionado con analíticos”
Alfredo Pequeño
Chief Data Officer, Banregio
Desafío
Banregio Grupo Financiero (BanRegio) es una institución de banca múltiple en México, con sede en San Pedro Garza García, dentro del área metropolitana de Monterrey NL, que ofrece servicios bancarios para pequeñas y medianas empresas, así como banca patrimonial y de consumo.
La empresa quería empezar a aprovechar la analítica de big data para explorar grandes conjuntos de datos y encontrar patrones de comportamiento y preferencias de los clientes para poder personalizar las ofertas bancarias.
El banco necesitaba centralizar sus datos. A medida que el uso de la analítica de big data comenzó a crecer, Banregio se dio cuenta de lo caro que sería mantener todo en un entorno on-premises y de las ventajas en términos de ahorro de costos y flexibilidad que podría ofrecer una infraestructura en la nube.
¿Por qué AWS?
Después de estudiar las opciones de análisis de big data con otros proveedores, Banregio comenzó a probar la plataforma de big data con
Amazon EMR. El servicio permite la automatización de tareas que consumen mucho tiempo, como el aprovisionamiento y la configuración de clústeres. Con Amazon EMR, Banregio pudo implementar entornos como Python, R y SQL.
La institución entonces vio la necesidad de aumentar la capacidad y comenzó a liderar la implementación de
Amazon SageMaker, un servicio totalmente administrado que permite construir, entrenar e implementar modelos de aprendizaje automático (ML) rápidamente. Aldo Valadez, director de analítica, explica que Amazon SageMaker elimina el trabajo pesado de cada paso del proceso de Machine Learning para facilitar el desarrollo de modelos de alta calidad.
La empresa comenzó a construir clústeres para realizar cómputos paralelos en grandes grupos de datos. Con esos clústeres, los grupos de datos se organizan en estructuras que son más fáciles de entender y manipular.
“La primera área que nació nativa en AWS – y en lo consecuente ya las demás – fue la de inteligencia comercial, ahí ya tienen motores de generación de leads, venta cruzada y retención de clientes. En seguida, se formó el área de Prevención de Fraude, donde ahí ya se generó un motor de detección de anormalidades para transferencias internacionales, reconocimiento facial para el proceso de onboarding digital y de desarrollo de modelos de detección de anormalidades y fraude en transferencias nacionales, y TDD/TDC”, detalla Alfredo Pequeño.
El área de minería de datos de las aplicaciones también nació 100% nativa en AWS, con la cual Banregio está extrayendo información de comportamiento dentro de las aplicaciones y canales Web.
Además, Banregio construyó un data lake. En la actualidad, Banregio alberga 22,7 terabytes de datos en la nube de AWS y de los 67 ingenieros que trabajan con AWS, 25 se dedican a la ciencia de los datos.
Beneficios
Para Banregio, un diferenciador clave con la migración a la nube de AWS fue la velocidad con la que puede desarrollar el modelado de datos, que es el proceso de clasificación y almacenamiento de datos. “Un buen modelado de datos puede ayudar a una empresa a reducir significativamente la redundancia de datos innecesarios, a reutilizar los datos útiles, y a reducir los costos de almacenamiento y de computación del sistema de big data”, indica Alfredo Pequeño.
"Lo primero que notamos fue la rapidez y la reducción del tiempo necesario para desarrollar nuevos modelos de datos. Antes tardábamos unos dos años. Redujimos ese tiempo a seis meses y ahora lo hemos acortado a un lapso de entre dos semanas y un mes", dijo Valadez.
En términos de costos, al utilizar AWS para el modelado de datos, Banregio gasta ahora entre una octava y una décima parte de lo que habría gastado utilizando una herramienta diferente. Además, el análisis de big data ha permitido a Banregio automatizar cosas como el estudio del historial crediticio del cliente antes de aprobar un préstamo.
"El tiempo de salida de un producto al mercado es más rápido. Los productos que antes tardaban meses en salir ahora se lanzan en semanas. Muchos de estos productos salen al mercado prácticamente sin intervención humana", añadió.
Planes futuros
De cara al futuro inmediato, en el ámbito de la analítica, Banregio tiene previsto trasladar todo su procesamiento de big data a Amazon Sagemaker y
Amazon Sagemaker Studio. Valadez añade que el banco planea empezar a armar flujos de MLOPs via Sagemaker Studio, que cumplan el marco de gobierno de datos que existe bajo la normatividad interna. "Todo esto para tener aún más velocidad y control sobre el proceso end-to-end del ciclo de vida de un producto analítico", explica.
La empresa está empezando a trabajar con modelos para el procesamiento de lenguaje natural o de texto, que requieren una capacidad de cómputo muy elevada. Para ello, Banregio planea utilizar AWS Transcribe, una herramienta de aprendizaje profundo de voz a texto, y Sagemaker studio.
Acerca de Banregio
Banco Regional, S.A., conocido como
Banregio Grupo Financiero o simplemente Banregio, es una Institución financiera fundada en 1994, con base en Monterrey, Nuevo León, México. Cuenta con 155 sucursales y se enfoca en créditos a la Pequeña y Mediana empresa, con un modelo basado en la relación con clientes.
Beneficios con AWS:
- Capacidad escalable para crear nuevos modelos de análisis de big data
- Análisis más rápido del comportamiento de los clientes y tiempo de salida al mercado con nuevos productos
- Exploración del procesamiento del lenguaje natural y la transcripción de voz a texto
- Menor intervención humana en la aprobación de créditos
AWS Services Used
Amazon SageMaker
Amazon SageMaker ayuda a los científicos de datos y a los desarrolladores a preparar, crear, entrenar e implementar con rapidez modelos de aprendizaje automático de alta calidad.
Amazon ElasticMap Reduce
Amazon EMR es una plataforma para procesar, analizar y aplicar rápidamente el machine learning (ML) a los big data mediante marcos de código abierto.
Amazon Transcribe
Amazon Transcribe permite a los desarrolladores agregar funcionalidades de voz a texto a sus aplicaciones. Es prácticamente imposible para los equipos buscar y analizar datos de audio.
Amazon Comprehend
Amazon Comprehend es un servicio de procesamiento de lenguaje natural (NLP) en el que se utiliza el machine learning para descubrir información y conexiones valiosas en textos.
Comenzar ahora
Empresas de todos los tamaños en todas las industrias están transformando sus negocios todos los días con AWS. Contacte nuestros expertos y comience hoy mismo su propia jornada en la nube de AWS.