Accélérez le retour sur investissement grâce à Amazon SageMaker à grande échelle avec NatWest Group

NatWest Group est l'une des plus grandes banques du Royaume-Uni. Créée officiellement en 1968, l'entreprise a des origines qui remontent à 1727. NatWest Group cherche à utiliser ses riches données héritées pour innover et personnaliser ses services bancaires aux particuliers et aux entreprises ainsi que ses services d'assurance. Pour fournir ces solutions plus rapidement, la banque avait besoin d'une approche standardisée du ML. « Nous n'avions pas de moyen cohérent d'accéder à nos données, de générer des informations ou de créer des solutions », explique Andy McMahon, head of MLOps for data innovation chez NatWest Group. « Ces défis ont eu un impact sur nos clients, car il nous a fallu beaucoup plus de temps que nous ne le souhaitions pour générer de la valeur. »

Pour déployer des solutions personnalisées à l'échelle de l'entreprise, NatWest Group a choisi d'adopter Amazon SageMaker comme principale technologie de ML. La banque a également fait appel à AWS Professional Services, une équipe internationale d'experts qui peut aider les entreprises à atteindre les résultats commerciaux souhaités avec AWS, pour la préparation du projet. Au cours d'une série d'ateliers, NatWest Group et AWS Professional Services ont travaillé de concert pour identifier les domaines d'amélioration dans le paysage ML de l'entreprise et ont conçu une stratégie de développement. Après avoir élaboré un plan complet, les équipes ont commencé à travailler sur le projet en juillet 2021.
 

En avril 2022, NatWest Group a lancé un flux de travail de ML centralisé à l'échelle de l'entreprise, alimenté par Amazon SageMaker. Et comme la banque était déjà présente sur Amazon Simple Storage Service (Amazon S3), un service de stockage d'objets offrant une capacité de mise à l'échelle, une disponibilité des données, une sécurité et des performances de pointe, ce service était le choix idéal pour la migration de son lac de données. Grâce à un accès simplifié aux données et à de puissants outils de ML, ses équipes de science des données ont conçu plus de 30 cas d'utilisation du ML sur Amazon SageMaker au cours des 4 premiers mois suivant le lancement de ce service. Ces cas d'utilisation comprennent une solution qui adapte les campagnes marketing à des segments de clientèle spécifiques et une application qui automatise des tâches simples de détection des fraudes afin que les enquêteurs puissent se concentrer sur des cas difficiles et de plus grande valeur.

Les employés de NatWest Group peuvent désormais accéder rapidement et en toute simplicité aux données et aux outils dont ils ont besoin pour créer et entraîner des modèles de ML. « Nous avons modernisé notre pile technologique, simplifié l'accès aux données et normalisé notre gouvernance et nos procédures opérationnelles de manière à maintenir les bons comportements en matière de risque », déclare M. McMahon. « Grâce à Amazon SageMaker, nous pouvons passer d'une idée sur un tableau blanc à une solution de ML opérationnelle en production en quelques mois au lieu d'un an, voire plus. » NatWest Group a lancé ses premières offres en novembre 2022. Son délai de rentabilisation, autrefois de 12 à 18 mois, a ainsi été réduit à seulement 7 mois.

Pour accélérer les flux de travail de ses employés, NatWest Group utilise AWS Service Catalog, un service qui permet aux entreprises de créer, d'organiser et de gérer des modèles d'infrastructure en tant que code. Avant que la banque n'adopte cette solution, les scientifiques et les ingénieurs des données devaient contacter une équipe centralisée s'ils souhaitaient mettre en service un environnement de ML. Auparavant, il fallait de 2 à 4 semaines avant que l'infrastructure ne soit prête à être utilisée. Désormais, NatWest Group peut lancer un modèle à partir d'AWS Service Catalog et créer un environnement de ML en quelques heures seulement. Ses équipes responsables des données peuvent commencer à travailler sur des projets bien plus rapidement. De plus, le temps gagné leur permet de se concentrer sur la création de puissants modèles de ML. Non seulement cet environnement en libre-service permet aux équipes de science des données de générer de la valeur commerciale plus rapidement, mais il favorise également la cohérence. « En tant que grande organisation, nous voulons nous assurer que toutes nos créations sont cohérentes et peuvent être mises à l'échelle », déclare M. McMahon. « Sur AWS, nous avons normalisé notre approche des données à l'aide d'un langage et d'un cadre cohérents, qui peuvent être déployés dans différents cas d'utilisation. »

NatWest Group a adopté un certain nombre de fonctionnalités sur Amazon SageMaker afin de rationaliser ses flux de travail de ML avec la sécurité et la gouvernance que l'on attend d'une grande institution financière. Le groupe a notamment adopté Amazon SageMaker Studio, une interface visuelle Web unique permettant d'effectuer toutes les étapes de développement du ML. Simple à utiliser et rapide à configurer, Amazon SageMaker Studio permet aux nouveaux utilisateurs de commencer à créer des modèles de ML plus rapidement.

Pour fournir aux équipes responsables des données les compétences nécessaires à l'exploitation de ces outils, NatWest Group a encouragé ses employés à se lancer dans des parcours d'apprentissage du cloud. Le groupe a organisé plus de 720 cours de formation AWS pour ses équipes de science des données afin de leur enseigner de nouvelles compétences, telles que l'application des meilleures pratiques pour les DevOps et la création d'un lac de données sur AWS. En outre, plusieurs employés ont obtenu des certifications AWS qui attestent de leurs compétences techniques et de leur expertise en matière de cloud et qui sont reconnues dans tout le secteur. En offrant ces opportunités, NatWest Group a donné à ses équipes de science des données les moyens de créer des modèles de ML puissants et prédictifs sur AWS à un rythme plus rapide.