Témoignages de clients / Logiciels et Internet / États-Unis
Petal étend l’accès au crédit à la consommation à l’aide d’AWS
Découvrez comment la start-up Petal, spécialisée dans les cartes de crédit, a redéfini la solvabilité des consommateurs à l’aide des services AWS.
Capacité de mise à l’échelle améliorée
pour traiter des millions de demandes de cartes de crédit
Itération
rapide facilitée
Augmentation
de la productivité
Maintien
d’une haute disponibilité
Mission avancée
de démocratisation du crédit
Présentation
La start-up Petal, spécialisée dans les cartes de crédit, est une pionnière en matière d’élargissement de l’accès au crédit à la consommation. Les consommateurs peuvent utiliser leurs antécédents bancaires afin de se qualifier pour les cartes de crédit Petal, au lieu de se fier uniquement à leurs antécédents de crédit pour démontrer leur solvabilité. Cette approche transformatrice de la souscription de crédits, dont Petal est la pionnière, a permis à des centaines de milliers de consommateurs, généralement refusés par les émetteurs de cartes traditionnels, d’accéder au crédit et d’établir un historique de crédit.
Petal a vu le jour en 2016, après que l’un de ses fondateurs a rencontré des difficultés pour obtenir un crédit aux États-Unis, alors qu’il venait y étudier en tant qu’étranger sans aucun antécédent de crédit dans le pays. Cela a incité les fondateurs à repenser le processus de décision en matière de crédit, afin de mieux servir les personnes ayant peu ou pas d’antécédents de crédit.
Opportunité | Création d’une solution de crédit évolutive, fiable et adaptée à la mission à l’aide d’AWS
Pour mener à bien la mission de Petal, son équipe a cherché à mettre en place une infrastructure capable d’évoluer et de croître en même temps que ses activités. Lors du lancement de sa première carte de crédit, l’équipe de Petal a dû itérer rapidement sur son produit. En tirant parti de l’infrastructure AWS, l’équipe d’ingénieurs de Petal a pu se concentrer sur la création d’un parcours applicatif fluide et d’une expérience de carte de crédit convaincante pour ses clients. De nombreux parcours de candidature et sources de données, y compris des données bancaires, ont été intégrés afin de maximiser les taux d’approbation des candidats refusés par des émetteurs plus traditionnels. Des incitations comportementales, des options de paiement transparentes, des informations sur les dépenses et d’autres fonctionnalités ont été ajoutées à l’application Petal pour encourager une utilisation responsable du crédit. En s’appuyant sur les solutions évolutives d’AWS, l’équipe d’ingénieurs a également pu éviter de nombreux écueils liés à la capacité de mise à l’échelle auxquels sont confrontées les start-ups en pleine croissance. Lorsqu’ils rencontraient des défis techniques, ils pouvaient simplement tirer parti de la plateforme AWS pour augmenter leur infrastructure horizontalement, ou contacter AWS Support et l’équipe responsable de leur compte AWS.
« La disponibilité et la capacité de mise à l’échelle de notre pile AWS nous permettent de nous concentrer sur la mission de notre entreprise », déclare John Wang, vice-président de l’ingénierie chez Petal. « Elles ont été essentielles pour agir rapidement en tant que petite start-up et nous concentrer sur la fourniture de fonctionnalités et de produits importants pour nos clients. »
La disponibilité et la mise à l’échelle de notre pile AWS nous permettent de nous concentrer sur la mission de notre entreprise. »
John Wang
Vice-président de l’ingénierie, Petal
Solution | Utilisation d’Amazon SageMaker pour entraîner des modèles de ML et des services de la plateforme Amazon afin de créer et mettre à l’échelle rapidement
L’infrastructure pilotée par les données de Petal s’exécute sur les services AWS, de l’infrastructure backend au paysage des applications de front office. Lorsque les clients demandent une carte de crédit, ils sont reconduits vers l’application Web pour remplir les informations personnelles requises. Petal héberge l’interface utilisateur de ces premières pages Web en utilisant 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 premier plan. « Nous voulons que la première interaction soit très résiliente », explique John Wang. « En utilisant Amazon S3, nous pouvons maintenir la haute disponibilité de notre page de candidature pour nos millions de candidats. »
Pour le stockage des données, Petal utilise Amazon Relational Database Service (Amazon RDS) for PostgreSQL afin de stocker ses principales données commerciales transactionnelles. Amazon RDS est une base de données relationnelle entièrement gérée qui simplifie la configuration, l’exploitation et la mise à l’échelle des bases de données PostgreSQL dans le cloud. RDS a aidé Petal à adapter rapidement et facilement ses besoins en matière de traitement des données transactionnelles pendant les périodes de croissance rapide. Petal utilise également Amazon Redshift et S3 pour stocker des données analytiques et de recherche. La plupart de ces données sont introduites dans les modèles de ML exclusifs de Petal utilisés lors de la souscription et de la gestion des comptes clients. Pour entraîner ses modèles prédictifs, Petal utilise Amazon SageMaker, que les entreprises peuvent utiliser pour créer, former et déployer des modèles de ML pour pratiquement tous les cas d’utilisation avec une infrastructure, des outils et des flux de travail entièrement gérés. SageMaker a permis à Petal d’itérer plus rapidement et plus efficacement sur ses modèles de ML, y compris le modèle CashScore, qui fait partie intégrante de la souscription et de la mission de Petal, visant à mieux servir les personnes ayant peu ou pas d’antécédents de crédit. « En utilisant Amazon SageMaker, notre équipe de science des données peut gérer et configurer de manière indépendante les types d’instances nécessaires pour entraîner ses modèles de ML », explique John Wang. « Il possède les capacités dont notre équipe a besoin. »
La capacité de mise à l’échelle a joué un rôle crucial pour Petal, car ses flux de travail et ses systèmes sont devenus de plus en plus complexes en raison de l’augmentation constante du nombre d’utilisateurs et de demandes. Pour répondre aux besoins en ressources de calcul de ses services et de son infrastructure de machine learning, Petal utilise Amazon Elastic Compute Cloud (Amazon EC2), qui offre une capacité de calcul sécurisée et redimensionnable pour pratiquement toutes les charges de travail. Pour exécuter ses charges de travail basées sur Kubernetes sur Amazon EC2 de manière efficace, l’entreprise utilise Amazon Elastic Kubernetes Service (Amazon EKS), un service géré permettant d’exécuter Kubernetes dans le cloud et dans des centres de données sur site. Sur AWS, l’infrastructure de Petal se met facilement à l’échelle verticalement et horizontalement, l’entreprise étant passée du traitement de quelques dizaines de candidatures, à ses débuts, à la gestion de millions de candidatures. En plus de la capacité de mise à l’échelle, les services Amazon contribuent à améliorer la productivité des ingénieurs de Petal. « Le travail de notre équipe d’ingénieurs étant devenu de plus en plus complexe, nous avions besoin d’un meilleur outillage », explique John Wang. « En optant pour Amazon EKS, nous éliminons une grande partie de la complexité supplémentaire liée à l’exécution et à l’hébergement de Kubernetes en mode natif pour notre petite équipe. »
Enfin, Petal attribue son succès sur AWS à la relation que son équipe a établie avec AWS. En travaillant de manière proactive et collaborative avec son équipe AWS, Petal a accès aux dernières technologies, à une expertise critique, à des programmes uniques et à des informations précieuses qui ont fait avancer ses projets cruciaux pour l’entreprise. John Wang explique : « Le personnel du compte AWS et de l’assistance technique ont établi un partenariat étroit avec Petal, pour nous aider à tirer parti de tout ce qu’AWS peut offrir, notamment en matière de résolution de problèmes techniques, de révision de la conception technique et de participation à des opportunités de prise de parole et de réseautage. »
Résultat | Ouverture de nouvelles possibilités d’accès au crédit
Petal continue d’élargir sa portée auprès des consommateurs. Après son lancement initial avec une seule carte de crédit, Petal propose désormais trois cartes, Petal 2, Petal 1 et Petal 1 Rise. Cette gamme de produits permet à Petal de servir des clients ayant des profils de crédit et des besoins variés. Quelle que soit la carte qui se trouve dans leur portefeuille, l’objectif de Petal est le même pour tous ses clients : aider ceux qui ont toujours été négligés par le système de crédit traditionnel à se bâtir un avenir financier sain.
À ce jour, grâce à AWS, Petal a facilité l’approbation de près de 400 000 consommateurs pour les cartes Petal. Plus de 40 % de ces clients approuvés au cours des deux dernières années s’étaient précédemment vu refuser un crédit par une grande banque.
« L’obtention d’un crédit continue d’être très difficile pour de nombreuses personnes », déclare John Wang. « Grâce aux solutions AWS, nous sommes en mesure de continuer à évoluer et à nous développer, en sachant que notre infrastructure est équipée pour évoluer avec nous. »
À propos de Petal
Petal aide les gens à accéder au crédit et à le créer en utilisant des données figurant déjà dans leur historique bancaire. Avec ces données, l’entreprise prend en compte les dépenses responsables et les comportements d’épargne qui ne sont pas pris en compte dans une cote de solvabilité traditionnelle, afin de rendre le crédit aussi abordable et accessible que possible.
Services AWS utilisés
Amazon RDS for PostgreSQL
PostgreSQL est devenue la base de données relationnelle open source préférée de nombreux développeurs d’entreprises et de start-ups. Elle est notamment utilisée pour des applications métier et mobiles majeures. Amazon RDS facilite la configuration, l’exploitation et la mise à l’échelle des déploiements PostgreSQL dans le cloud.
Amazon SageMaker
Amazon SageMaker s'appuie sur deux décennies d'expérience d'Amazon en matière de développement d'applications machine learning du monde réel, notamment les recommandations de produits, la personnalisation, les achats intelligents, la robotique et les appareils à assistance vocale.
En savoir plus »
Amazon EKS
Amazon Elastic Kubernetes Service (Amazon EKS) est un service Kubernetes géré qui vous permet d’exécuter Kubernetes dans le Cloud AWS et dans les centres de données sur site.
En savoir plus »
Amazon Redshift
Amazon Redshift utilise SQL pour analyser les données structurées et semi-structurées à travers les entrepôts des données, les bases de données opérationnelles et les lacs de données ; la solution utilise un matériel conçu par AWS et le machine learning pour offrir le meilleur rendement réel, quelle que soit l'échelle.
En savoir plus »
D'autres témoignages de clients du secteur des logiciels et de l'Internet
Démarrer
Les organisations de toutes tailles et de tous secteurs transforment leur activité et exécutent leurs missions au quotidien à l'aide d'AWS. Contactez nos experts et démarrez votre transition vers AWS dès aujourd'hui.