Amazon SageMaker를 대규모로 사용하여 비즈니스 가치 창출 기간을 단축한 NatWest Group

NatWest 그룹은 영국 최대 은행 중 하나입니다. 1968년에 정식으로 설립된 이 회사의 시작은 1727년으로 거슬러 올라갑니다. NatWest Group은 풍부한 레거시 데이터를 사용하여 개인, 비즈니스, 기업 뱅킹 및 보험 서비스를 혁신하고 개인화하고자 합니다. 이러한 솔루션을 더 신속하게 제공하려면 표준화된 ML 접근 방식이 필요했습니다. NatWest Group의 Head of MLOps for Data Innovation인 Andy McMahon은 “데이터에 액세스하거나 인사이트를 생성하거나 솔루션을 구축할 일관된 방법이 없었습니다. 가치를 창출하는 데 예상보다 시간이 훨씬 더 오래 걸렸기 때문에 고객도 문제를 인식할 수 있었습니다.”라고 말합니다.

NatWest Group은 개인화된 솔루션을 엔터프라이즈 규모로 배포하기 위해 Amazon SageMaker를 핵심 ML 기술로 도입하기로 결정했습니다. 또한 기업이 AWS를 사용할 때 원하는 비즈니스 성과를 실현하도록 도울 수 있는 글로벌 전문가 팀인 AWS Professional Services의 도움을 받아 프로젝트를 준비했습니다. 일련의 워크숍에서 NatWest Group과 AWS Professional Services는 협업을 통해 이 회사의 ML 환경 내에서 개선이 필요한 부분을 찾아내고 개발 전략을 수립했습니다. 전반적인 계획을 수립한 후 팀은 2021년 7월에 프로젝트 실무에 착수했습니다.
 

2022년 4월, NatWest Group은 Amazon SageMaker를 사용하여 전사적인 중앙 집중식 ML 워크플로를 출시했습니다. 이 은행은 이미 업계 최고 수준의 확장성, 데이터 가용성, 보안 및 성능을 제공하는 객체 스토리지 서비스인 Amazon Simple Storage Service(S3)를 이용하고 있었기 때문에 이 서비스를 데이터 레이크 마이그레이션을 위한 솔루션으로 선택했습니다. 데이터에 대한 간편한 액세스와 강력한 ML 도구 덕분에 데이터 과학 팀은 출시 후 첫 4개월 동안 Amazon SageMaker에서 30개가 넘는 ML 사용 사례를 구축했습니다. 이러한 사용 사례로는 특정 고객 세그먼트에 맞게 마케팅 캠페인을 조정하는 솔루션의 사례, 조사 담당자가 어렵고 가치가 높은 사례에 집중할 수 있도록 간단한 사기 탐지 업무를 자동화하는 애플리케이션의 사례 등이 있습니다.

이제 NatWest Group 직원은 ML 모델을 구축하고 훈련하는 데 필요한 데이터와 도구에 빠르고 간단하게 액세스할 수 있습니다. McMahon은 “기술 스택을 현대화하고 데이터 액세스를 간소화했으며 적절한 위험 행동을 유지 관리하는 방식으로 거버넌스 및 운영 절차를 표준화했습니다. Amazon SageMaker를 사용하면 화이트보드에 있는 아이디어를 1년이 넘는 기간이 아니라 단 몇 개월 만에 프로덕션 환경에서 제대로 작동하는 ML 솔루션으로 만들어낼 수 있습니다.”라고 말합니다. NatWest Group은 2022년 11월에 첫 오퍼링을 출시하면서 가치 창출 기간을 12~18개월에서 단 7개월로 단축했습니다.

NatWest Group은 직원의 워크플로를 가속화하기 위해, 조직에서 코드형 인프라 템플릿을 생성, 구성 및 제어하는 데 사용되는 AWS Service Catalog를 사용합니다. 이 솔루션을 채택하기 전에는 데이터 사이언티스트 또는 엔지니어가 ML 환경을 프로비저닝하려면 중앙의 팀에 요청해야 했습니다. 이전에는 인프라를 사용할 수 있도록 준비하기까지 2~4주가 걸렸습니다. 이제 NatWest Group은 AWS Service Catalog에서 템플릿을 시작하고 몇 시간 만에 ML 환경을 가동할 수 있습니다. 데이터 팀은 훨씬 더 빨리 프로젝트 작업을 시작할 수 있고 강력한 ML 모델을 구축하는 데 그만큼 더 많은 시간을 할애할 수 있습니다. 이 셀프 서비스 환경은 데이터 과학 팀이 비즈니스 가치를 더 빠르게 창출할 수 있도록 할 뿐만 아니라 일관성도 높여줍니다. McMahon은 “대규모 조직인 만큼 확장 가능하고 일관성이 유지되는 방식으로 모든 솔루션을 구축하기를 원합니다. AWS를 기반으로 우리는 일관된 언어와 프레임워크를 사용하여 데이터에 대한 접근 방식을 표준화했으며, 이를 다양한 사용 사례에 적용할 수 있게 되었습니다.”라고 말합니다.

NatWest Group은 주요 금융 기관에 요구되는 보안 및 거버넌스와 관련한 ML 워크플로를 간소화하기 위해 Amazon SageMaker의 여러 기능을 도입했습니다. 특히 모든 ML 개발 단계를 수행할 수 있는 단일 웹 기반 시각적 인터페이스인 Amazon SageMaker Studio를 도입했습니다. Amazon SageMaker Studio는 사용 및 구성이 간단하기 때문에 신규 사용자가 빠르게 설정하고 ML 모델 구축을 더 빨리 시작할 수 있습니다.

NatWest Group은 데이터 팀이 이러한 도구를 사용하는 데 필요한 기술 역량을 갖출 수 있도록, 직원들에게 클라우드 학습 여정을 시작할 것을 장려했습니다. 특히 데이터 과학 팀이 DevOps 모범 사례를 적용하고 AWS에 데이터 레이크를 구축하는 등의 새로운 기술 역량을 익힐 수 있도록 720여 가지 AWS 교육 과정을 개설했습니다. 또한 몇몇 직원이 기술력과 클라우드 전문성을 검증하는 업계 공인 자격증인 AWS 자격증을 취득했습니다. NatWest Group은 이러한 기회를 제공함으로써 데이터 과학 팀이 AWS에서 강력하고 예측 가능한 ML 모델을 더 빠르게 구축할 수 있도록 지원했습니다.