Acelere o tempo para obtenção de valor comercial usando o Amazon SageMaker em grande escala com o NatWest Group

O NatWest Group é um dos maiores bancos do Reino Unido. Formalmente estabelecida em 1968, a empresa tem origens que remontam a 1727. O NatWest Group busca usar seus abundantes dados herdados para inovar e personalizar seus serviços bancários e de seguros pessoais, comerciais e corporativos. Para oferecer essas soluções em um ritmo mais rápido, o banco precisava de uma abordagem padronizada de ML. “Não tínhamos uma maneira consistente de acessar nossos dados, gerar insights ou criar soluções”, diz Andy McMahon, chefe de MLOps para inovação de dados do NatWest Group. “Nossos clientes sentiram esses desafios, pois o tempo de valorização foi muito maior do que queríamos.”

Para implantar soluções personalizadas em escala corporativa, o NatWest Group optou por adotar o Amazon SageMaker como sua principal tecnologia de ML. Para se preparar para o projeto, o banco também contratou a AWS Professional Services, uma equipe global de especialistas que pode ajudar as empresas a alcançar os resultados comerciais desejados ao usar a AWS. Durante uma série de workshops, o NatWest Group e a AWS Professional Services trabalharam juntos para identificar áreas de melhoria no panorama de ML da empresa e criaram uma estratégia para desenvolvimento. Depois de elaborar um plano abrangente, as equipes começaram a trabalhar no projeto em julho de 2021.
 

Em abril de 2022, o NatWest Group lançou um fluxo de trabalho de ML centralizado em toda a empresa, que ele potencializa usando o Amazon SageMaker. E como o banco já tinha presença no Amazon Simple Storage Service (Amazon S3), um serviço de armazenamento de objetos que oferece escalabilidade, disponibilidade de dados, segurança e performance líderes do setor, este foi o serviço escolhido para a migração do data lake. Com o acesso mais simples a dados e ferramentas avançadas de ML, suas equipes de ciência de dados criaram mais de 30 casos de uso de ML no Amazon SageMaker nos primeiros quatro meses após o lançamento. Esses casos de uso incluem uma solução que adapta campanhas de marketing a segmentos específicos de clientes e uma aplicação que automatiza tarefas simples de detecção de fraudes, para que os investigadores possam se concentrar em casos difíceis e de maior valor.

Os funcionários do NatWest Group agora têm acesso rápido e simples aos dados e às ferramentas de que precisam para criar e treinar modelos de ML. “Modernizamos nossa pilha de tecnologias, simplificamos o acesso aos dados e padronizamos nossos procedimentos operacionais e de governança de forma a manter os comportamentos de risco corretos”, diz McMahon. “Usando o Amazon SageMaker, somos capazes de passar de uma ideia em um quadro branco para uma solução de ML funcional em produção em poucos meses, em vez de 1 ano ou mais.” O NatWest Group lançou suas primeiras ofertas em novembro de 2022, reduzindo seu tempo de valorização de 12-18 meses para apenas 7.

Para acelerar os fluxos de trabalho de seus funcionários, o NatWest Group usa o AWS Service Catalog, que as organizações usam para criar, organizar e governar modelos de infraestrutura como código. Antes de o banco adotar essa solução, os cientistas ou engenheiros de dados precisavam entrar em contato com uma equipe centralizada se quisessem provisionar um ambiente de ML. Anteriormente, eram necessárias de 2 a 4 semanas para que a infraestrutura estivesse pronta para uso. Agora, o NatWest Group é capaz de iniciar um modelo do AWS Service Catalog e ativar um ambiente de ML em apenas algumas horas. Suas equipes de dados podem começar a trabalhar em projetos muito mais cedo e têm mais tempo para se concentrarem na criação de modelos avançados de ML. Esse ambiente de autoatendimento não só capacita as equipes de ciência de dados a gerar valor comercial com mais rapidez, como também incentiva a consistência. “Como uma grande organização, queremos garantir que tudo o que construímos seja escalável e consistente”, diz McMahon. “Na AWS, padronizamos nossa abordagem de dados usando um framework e uma linguagem consistentes, que podem ser implementados em diferentes casos de uso.”

O NatWest Group adotou vários recursos no Amazon SageMaker para otimizar seus fluxos de trabalho de ML com a segurança e a governança exigidas de uma grande instituição financeira. Em particular, o NatWest Group adotou o Amazon SageMaker Studio, uma única interface visual baseada na Web na qual ele é capaz de realizar todas as etapas de desenvolvimento de ML. Como o Amazon SageMaker Studio é simples de usar e configurar, novos usuários podem configurá-lo rapidamente e começar a criar modelos de ML mais cedo.

Para capacitar suas equipes de dados com as habilidades necessárias para usar essas ferramentas, o NatWest Group incentivou seus funcionários a embarcarem em jornadas de aprendizado na nuvem. Ela organizou mais de 720 cursos de treinamento da AWS para que suas equipes de ciência de dados aprendessem novas habilidades, como aplicar práticas recomendadas para DevOps e criar um data lake na AWS. Além disso, vários funcionários obtiveram certificações da AWS, credenciais reconhecidas pelo setor que validam habilidades técnicas e a experiência com a nuvem. Ao oferecer essas oportunidades, o NatWest Group capacitou suas equipes de ciência de dados a criar modelos de ML avançados e preditivos na AWS em um ritmo mais rápido.