Petal amplia l'accesso al credito dei consumatori con AWS

L'infrastruttura basata sui dati di Petal funziona sui servizi AWS, dall'infrastruttura di backend al panorama delle applicazioni front-office. Quando i clienti richiedono una carta di credito, vengono indirizzati all'applicazione Web per inserire le informazioni personali richieste. Petal ospita l'interfaccia utente per queste prime pagine Web in Amazon Simple Storage Service (Amazon S3), un servizio di archiviazione di oggetti che offre scalabilità, disponibilità dei dati, sicurezza e prestazioni all'avanguardia nel settore. “Vogliamo che la prima interazione sia molto resistente”, afferma Wang. “Utilizzando Amazon S3, possiamo mantenere un'elevata disponibilità della nostra pagina di candidatura per i nostri milioni di richiedenti”.

Per l'archiviazione dei dati, Petal utilizza Amazon Relational Database Service (Amazon RDS) per PostgreSQL per archiviare i suoi principali dati aziendali transazionali. Amazon RDS è un database relazionale completamente gestito che semplifica la configurazione, il funzionamento e la scalabilità dei database PostgreSQL nel cloud. RDS ha aiutato Petal a scalare rapidamente e facilmente le sue esigenze di elaborazione dei dati transazionali durante i periodi di rapida crescita. Petal sfrutta anche Amazon Redshift ed S3 per l'archiviazione di dati analitici e di ricerca. Gran parte di questi dati viene inserita nei modelli di ML proprietari di Petal utilizzati durante la sottoscrizione e la gestione degli account dei clienti. Per addestrare i suoi modelli predittivi, Petal utilizza Amazon SageMaker, che le aziende possono utilizzare per creare, addestrare e implementare modelli di ML praticamente per qualsiasi caso d'uso con infrastruttura, strumenti e flussi di lavoro completamente gestiti. SageMaker ha permesso a Petal di iterare in modo più rapido ed efficace sui suoi modelli ML, incluso il modello CashScore, che è parte integrante della sottoscrizione e della missione di Petal di servire meglio chi ha poca o nessuna storia creditizia. “Utilizzando Amazon SageMaker, il nostro team di data science può controllare e configurare in modo indipendente i tipi di istanze necessarie per addestrare i propri modelli di ML”, afferma Wang. “Ha le capacità necessarie”.

La scalabilità è stata fondamentale per Petal poiché i suoi flussi di lavoro e i suoi sistemi sono diventati più complessi con il costante aumento di utenti e applicazioni. Per gestire le esigenze relative alle risorse di calcolo dei suoi servizi e dell'infrastruttura di machine learning, Petal utilizza Amazon Elastic Compute Cloud (Amazon EC2), che offre una capacità di calcolo sicura e ridimensionabile praticamente per qualsiasi carico di lavoro. Per eseguire i carichi di lavoro basati su Kubernetes su Amazon EC2 in modo efficiente, l'azienda utilizza Amazon Elastic Kubernetes Service (Amazon EKS), un servizio gestito per eseguire Kubernetes nel cloud e nei data center on-premises. Su AWS, l'infrastruttura di Petal è facilmente scalabile verticalmente e orizzontalmente poiché l'azienda è passata dall'elaborazione di alcune dozzine di applicazioni alla gestione di milioni di applicazioni. Oltre alla scalabilità, i servizi Amazon aiutano a incrementare la produttività degli ingegneri Petal. “Poiché il nostro team di ingegneri è diventato più sofisticato, avevamo bisogno di strumenti migliori”, afferma Wang. “Rivolgendoci ad Amazon EKS, eliminiamo gran parte della complessità aggiuntiva legata all'esecuzione e all'hosting nativo di Kubernetes per il nostro piccolo team”.

Infine, Petal attribuisce il successo ottenuto grazie ad AWS alla relazione che il suo team ha instaurato con AWS. Lavorando in modo proattivo e collaborativo con il suo team AWS, Petal ottiene l'accesso alle più recenti tecnologie, a competenze essenziali, programmi unici e prospettive preziose, che le hanno permesso di portare avanti i suoi progetti aziendali più importanti. Wang spiega: “L'account AWS e il personale del supporto tecnico hanno collaborato a stretto contatto con Petal per aiutarci a sfruttare tutto ciò che AWS ha da offrire, tra cui assistenza nella risoluzione dei problemi tecnici, revisioni tecniche della progettazione e opportunità di conversazione e networking”.