Agilizar el plazo para la obtención de beneficios con Amazon SageMaker a gran escala con NatWest Group

NatWest Group es uno de los bancos más grandes del Reino Unido. La empresa, que se estableció formalmente en 1968, tiene orígenes que se remontan a 1727. NatWest Group busca utilizar sus abundantes datos heredados para innovar y personalizar sus servicios bancarios y de seguros personales, empresariales y corporativos. Para ofrecer estas soluciones a un mayor ritmo, el banco necesitaba un enfoque de ML estandarizado. «No teníamos una manera uniforme de acceder a los datos, generar información o crear soluciones», afirma Andy McMahon, head de MLOps para data innovation de NatWest Group. «Nuestros clientes sufrieron estos desafíos, ya que tardamos mucho más tiempo en obtener valor del que esperábamos».

Para desplegar soluciones personalizadas a escala empresarial, NatWest Group decidió adoptar Amazon SageMaker como tecnología principal de ML. Con el fin de prepararse para el proyecto, el banco también contrató a AWS Professional Services, un equipo global de expertos que puede ayudar a las empresas a lograr los resultados empresariales que desean cuando utilizan AWS. Durante una serie de talleres, NatWest Group y AWS Professional Services trabajaron juntos para identificar las áreas de mejora dentro del panorama de ML de la empresa y crearon una estrategia de desarrollo. Tras elaborar un plan integral, los equipos comenzaron a trabajar en el proyecto en julio de 2021.
 

En abril de 2022, NatWest Group lanzó un flujo de trabajo de ML centralizado para toda la empresa, que se potencia gracias a Amazon SageMaker. Dado que el banco ya tenía presencia en Amazon Simple Storage Service (Amazon S3), un servicio de almacenamiento de objetos que ofrece escalabilidad, disponibilidad de datos, seguridad y rendimiento líderes en el sector, este fue el servicio elegido para la migración de su lago de datos. Con un acceso más sencillo a los datos y potentes herramientas de ML, los equipos de ciencia de datos han creado más de 30 casos de uso de ML en Amazon SageMaker en los primeros 4 meses a partir del lanzamiento. Estos casos de uso incluyen una solución que adapta las campañas de marketing a segmentos específicos de clientes y una aplicación que automatiza tareas sencillas de detección de fraudes para que los investigadores puedan centrarse en casos difíciles y de mayor valor.

En la actualidad, los empleados de NatWest Group tienen acceso rápido y sencillo a los datos y herramientas que necesitan para crear y entrenar modelos de ML. «Modernizamos la pila de tecnología, simplificamos el acceso a los datos y estandarizamos los procedimientos operativos y de gobernanza de modo que podamos mantener los comportamientos de riesgo correctos», afirma McMahon. «Gracias a Amazon SageMaker, podemos pasar del esbozo de una idea a una solución funcional de ML en producción en unos pocos meses, en lugar de 1 año o más». NatWest Group lanzó sus primeras ofertas en noviembre de 2022 y redujo el plazo de generación de valor de entre 12 y 18 meses a tan solo 7.

Para acelerar los flujos de trabajo de sus empleados, NatWest Group utiliza AWS Service Catalog, que las organizaciones utilizan para crear, organizar y controlar plantillas de infraestructura como código. Antes de que el banco adoptara esta solución, si los científicos o ingenieros de datos querían aprovisionar un entorno de ML, tenían que ponerse en contacto con un equipo centralizado. Anteriormente, la infraestructura tardaba entre 2 y 4 semanas en estar lista para usar. Ahora, NatWest Group puede lanzar una plantilla desde AWS Service Catalog y poner en marcha un entorno de ML en tan solo unas horas. Los equipos de datos pueden empezar a trabajar en proyectos mucho antes y disponer de más tiempo para centrarse en crear modelos de ML potentes. Este entorno de autoservicio no solo permite a los equipos de ciencia de datos obtener valor empresarial con mayor rapidez, sino que también fomenta la uniformidad. «Al ser una organización tan grande, queremos asegurarnos de que todo lo que creamos sea escalable y coherente», afirma McMahon. «En AWS, hemos estandarizado nuestro enfoque de los datos mediante un lenguaje y un marco coherentes, que se pueden poner en práctica en distintos casos de uso».

NatWest Group ha adoptado una serie de características en Amazon SageMaker para agilizar los flujos de trabajo de ML con la seguridad y la gobernanza que exige una importante institución financiera. En particular, NatWest Group adoptó Amazon SageMaker Studio, una interfaz visual única basada en web en la que se pueden dar todos los pasos de desarrollo de ML. Dado que Amazon SageMaker Studio es fácil de usar y configurar, los nuevos usuarios pueden configurarlo rápidamente y empezar a crear modelos de ML en menos tiempo.

NatWest ha animado a sus empleados a que se embarquen en el aprendizaje sobre la nube para dotar a los equipos de datos de las competencias que necesitan para utilizar estas herramientas. Ha organizado más de 720 cursos de AWS Training para que los equipos de ciencia de datos adquieran nuevas competencias, como la aplicación de las prácticas recomendadas para DevOps y la creación de un lago de datos en AWS. Además, varios empleados obtuvieron certificaciones de AWS Certification, que son credenciales reconocidas por el sector que validan las competencias técnicas y la experiencia en la nube. Al ofrecer estas oportunidades, NatWest Group ha permitido que sus equipos de ciencia de datos creen modelos de ML potentes y predictivos en AWS a un mayor ritmo.