Accelerazione del time to value aziendale utilizzando Amazon SageMaker su vasta scala in NatWest Group

NatWest Group è una delle maggiori banche del Regno Unito. Fondata formalmente nel 1968, le origini dell'azienda risalgono al 1727. NatWest Group cerca di utilizzare i propri dati legacy dettagliati per innovare e personalizzare i propri servizi bancari e assicurativi privati, commerciali e aziendali. Per fornire queste soluzioni a un ritmo più rapido, la banca aveva bisogno di un approccio di ML standardizzato. "Non avevamo un modo coerente di accedere ai nostri dati, generare informazioni dettagliate o sviluppare soluzioni", sostiene Andy McMahon, Head of MLOps for Data Innovation presso NatWest Group. "I nostri clienti si sono resi conto di queste sfide, in quanto era necessario molto più tempo di quanto desiderassimo per ricavare valore".

Per implementare soluzioni personalizzate su scala aziendale, NatWest Group ha scelto di adottare Amazon SageMaker come tecnologia di ML principale. Inoltre, la banca ha coinvolto AWS Professional Services, il team globale di esperti che aiutano le aziende a raggiungere i risultati aziendali desiderati utilizzando AWS, per prepararsi al progetto. Durante una serie di workshop, NatWest Group e AWS Professional Services hanno lavorato insieme per identificare aree di miglioramento nel panorama di ML dell'azienda e hanno creato una strategia di sviluppo. Dopo aver delineato un piano completo, i team hanno iniziato a lavorare al progetto a luglio 2021.
 

Nell'aprile 2022, NatWest Group ha lanciato un flusso di lavoro di ML centralizzato a livello aziendale con tecnologia Amazon SageMaker. E poiché la banca era già presente su Amazon Simple Storage Service (Amazon S3), il servizio di archiviazione di oggetti che offre scalabilità, disponibilità dei dati, sicurezza e prestazioni all'avanguardia nel settore, ha scelto questo servizio per la migrazione dei propri data lake. Con un accesso ai dati più semplice e potenti strumenti di ML, i team di data science dell'azienda hanno sviluppato più di 30 casi d'uso di ML su Amazon SageMaker nei primi quattro mesi successivi al lancio. Tali casi d'uso includono una soluzione che adatta le campagne di marketing a segmenti di clientela specifici e un'applicazione che automatizza semplici attività di rilevamento delle attività fraudolente in modo che gli investigatori possano concentrarsi su casi complicati con maggior valore.

I dipendenti di NatWest Group ora hanno un accesso semplice e veloce ai dati e agli strumenti di cui hanno bisogno per sviluppare e addestrare modelli di ML. "Abbiamo modernizzato il nostro stack tecnologico, semplificato l'accesso ai dati e standardizzato le nostre procedure operative e di governance in modo da mantenere i corretti comportamenti di rischio", afferma McMahon. "Utilizzando Amazon SageMaker, possiamo passare da un'idea scritta alla lavagna alla produzione di una soluzione di ML funzionante in qualche mese rispetto all'anno o più necessario in precedenza". NatWest Group ha lanciato le sue prime offerte a novembre 2022, riducendo il time to value da 12-18 mesi a soli sette mesi.

Per accelerare i flussi di lavoro dei propri dipendenti, NatWest Group utilizza il Catalogo dei servizi AWS, utilizzato dalle organizzazioni per creare, organizzare e gestire modelli infrastructure-as-code. Prima che la banca adottasse questa soluzione, i data scientist o gli ingegneri dei dati dovevano contattare un team centralizzato se desideravano effettuare il provisioning di un ambiente di ML. In precedenza, erano necessarie 2-4 settimane prima che l'infrastruttura fosse pronta per l'uso. Ora, NatWest Group può lanciare un modello dal Catalogo dei servizi AWS e avviare un ambiente di ML in poche ore. I team dati possono iniziare a lavorare sui progetti molto prima e avere più tempo per concentrarsi sulla creazione di potenti modelli di ML. Questo ambiente self-service non solo consente ai team di data science di ricavare valore aziendale più rapidamente, ma promuove anche la coerenza. "In qualità di grande azienda, volevamo assicurarci che ciò che sviluppiamo sia scalabile e coerente", sostiene McMahon. "Su AWS, abbiamo standardizzato il nostro approccio ai dati utilizzando un linguaggio e un framework coerenti, che possono essere implementati in diversi casi d'uso".

NatWest Group ha adottato una serie di funzionalità su Amazon SageMaker per semplificare i flussi di lavoro di ML con la sicurezza e la governance che vengono richieste a un importante istituto finanziario. In particolare, NatWest Group ha adottato Amazon SageMaker Studio, un'interfaccia visuale unica basata sul Web in cui può eseguire tutte le fasi di sviluppo di ML. Poiché Amazon SageMaker Studio è semplice da usare e configurare, i nuovi utenti possono configurarlo rapidamente e iniziare a creare modelli di ML più velocemente.

Per fornire ai propri team dati le competenze necessarie per utilizzare questi strumenti, NatWest Group ha incoraggiato i propri dipendenti a intraprendere percorsi di apprendimento sul cloud. Ha organizzato oltre 720 corsi di Formazione AWS indirizzati ai propri team di data science per acquisire nuove competenze, come l'applicazione delle best practice di DevOps e la creazione di un data lake su AWS. Inoltre, diversi dipendenti hanno ottenuto Certificazioni AWS, credenziali riconosciute dal settore che attestano le competenze tecniche e le competenze cloud. Offrendo queste opportunità, NatWest Group ha dato ai propri team di data science le competenze necessarie per sviluppare modelli di ML potenti e predittivi su AWS a un ritmo più rapido.