主要指標
概觀
Itaú Unibanco (Itaú) 是巴西規模最大的私營銀行，需要為其 3,200 多名機器學習 (ML) 使用者提升 ML 基礎設施的速度、靈活性和可擴展性。該銀行的內部部署基礎設施需要訂購伺服器並完成組態任務，才能夠將解決方案提供給資料科學團隊。這個過程需要數月的時間，而且購買伺服器以及執行和安置資料中心產生了非常高額的成本。
Itaú 在 2020 年選擇 Amazon Web Services (AWS) 作為策略雲端供應商，並開始在 AWS 上整建其基礎設施。為了加快資料科學家的機器學習程序，Itaú 使用 Amazon SageMaker Studio，這是一個整合式開發環境，可提供單一基於 Web 的視覺化介面，以存取特定的工具來執行所有 ML 開發步驟。該公司認為 Amazon SageMaker Studio 解決方案是不二選擇。藉助這個新的解決方案，Itaú 將模型開發時間從 6 個月縮短至 5 天，透過標準化方式提高了員工生產力，同時還降低了成本。
關於 Itaú Unibanco
Itaú 是巴西規模最大的私營銀行，提供完整銀行服務，包括企業銀行、投資銀行和零售銀行投資。該公司於 2008 年由 Banco Itaú 和 Unibanco 合併而成。
機會 | 使用 Amazon SageMaker Studio 高效地為 Itaú 實現機器學習大眾化
Itaú 為巴西、拉丁美洲和全球其他 18 個國家/地區的客戶提供銀行服務。該公司擁有超過 95,700 名員工，其中約 15,000 名參與 IT 作業。Itaú 的原始基礎設施全都位於內部，導致成本高、開發緩慢。受限於實體空間和硬體，內部部署基礎設施也無法擴充。在銀行的資料工作組中，資料科學家需要等待長達 6 個月的時間，才能取得記憶體和資源，而且該公司還有 100 多個機器學習模型正等待部署。
為了解決這些問題，Itaú 決定將其部分業務遷移到雲端，並選擇使用 AWS。Itaú 機器學習工程經理 Diego Nogare 表示：「我們選擇從內部部署遷移到雲端的原因之一，就是為了同時提高業務競爭力和效率。」
遷移開始大約 6 個月後，Itaú 選擇 Amazon SageMaker — 一項服務，可以針對任何使用案例建置、訓練和部署具有完全受管理的基礎架構、工具和工作流程的 ML 模型，作為靈活的雲端原生 ML 解決方案。Itaú 資料科學總監 Vitor Azeka 表示：「我們使用 AWS 來轉換軟體和資料，並需要一個能夠在 AWS 上完美運作的解決方案。Amazon SageMaker 是不二選擇。」 截至 2024 年，該公司大約 60％ 的軟體和資料已經過現代化，可在雲端上執行。
解決方案 | 使用 AWS 將模型部署時間從 6 個月縮短至 5 天
Itaú 使用 AWS 為其資料科學家建置完整的解決方案。首先，使用 AWS Glu e 收集資料，這是一項無伺服器資料整合服務，可讓您更輕鬆地探索、準備、移動和整合來自多個來源的資料，以進行分析、ML 和應用程式開發。然後，這些資料就會用於在 Amazon SageMaker Studio 開始實驗。Itaú 將 Amazon SageMaker Studio 用作靈活的開發解決方案，讓內部資料科學家得以進行實驗。接下來，使用其他 Amazon SageMaker 工具 (例如端點、批次轉換和非同步推論) 部署機器學習模型。該公司使用 Amazon CloudWatch 監控模型，該模型會在自動化儀表板中收集和視覺化近乎即時的日誌、指標和事件資料，以簡化基礎架構和應用程式維護。同時使用所有這些 AWS 服務，資料科學家就可以滿足其需求。
Itaú 於 2021 年 8 月使用 Amazon SageMaker Studio 作為整合開發環境，交付了第一個解決方案。截至 2023 年 4 月，該公司擁有超過 3,200 名 AWS 服務使用者，其中包括約 350 名資料科學家。
Itaú 部署機器學習模型不再需要等待。使用 Amazon SageMaker Studio，該公司在某些使用案例中將部署時間從 6 個月縮短至 3-5 天。部署時間的縮短可加快公司產品上市的速度。Nogare 表示：「使用 Amazon SageMaker Studio，我們可以很快地執行管道並向客戶交付解決方案，因此，我們可以提供更好的客戶體驗。」 與舊的內部部署基礎設施解決方案相比，這還能為 Itaú 節省成本。
自 2021 年 11 月以來，Itaú 每週與 AWS 團隊開會，針對架構、安全性和藍圖進行討論。Nogare 表示：「對於我們如今取得的成果，AWS Support 起到了非常重要的作用。每當我們遭遇解決方案或治理需求方面的問題，AWS 團隊都會給予我們協助。」 使用 Amazon SageMaker Studio 滿足了部分治理需求。當公司執行管道向使用者提供 Amazon SageMaker Studio 時，治理和安全性問題早已解決。
解決方案的標準化意味著 Itaú 可以更輕鬆地納入新員工，並將資料科學家從一個部門轉換到另一個部門。更新變得更簡單，因為一切都是以虛擬的方式進行，而公司不再依賴實體機器。使用 AWS 整合資料科學家的管道，如此就可以在相同的資料管道中部署和監控機器學習模型。這進一步提高了資料科學家的效率。
Itaú 傑出資料科學家 Rodrigo Fernandes Mello 表示：「最終，我們就可以縮短交付時間、改善標準化和整合情況，而且還可以使用 AWS 持續進行改善。」
成果 | 使用 AWS 進行標準化實現更高效率
Itaú 想持續改善標準化情況。資料科學家下一步的內部標準化工作，就是讓更多員工使用 IARA 解決方案。此解決方案以 AWS 為基礎，使用了多種服務，包括 Amazon SageMaker Studio。Itaú 將繼續使用 Amazon SageMaker 內部的工具來開發其管道，例如 Amazon SageMaker 管線，該工具用於大規模建立、自動化和管理 ML 工作流程。Itaú 正在執行測試，使用 AWS 工具讓管道更加標準化。
Azeka 表示：「這個專案可大幅提升資料科學家團隊的效率。使用 Amazon SageMaker Studio，我們可以在發佈其他內容的同時測試新內容，還可以使用大型語言模型探索最先進的解決方案。這點讓我們的資料科學家為能在 Itaú 工作而感到自豪。」
我們可以縮短交付時間。我們已經改進了標準化和整合，並且我們可以使用 AWS 繼續改進。
羅德里戈·費南德斯·梅洛
傑出數據科學家，伊塔烏開始使用
找到今天所需的資訊了嗎？
讓我們知道，以便我們改善頁面內容的品質