NatWest Group 大規模使用 Amazon SageMaker 加快實現業務價值的速度

NatWest Group 是英國最大的銀行之一。該公司正式成立於 1968 年，其淵源可追溯到 1727 年。NatWest Group 希望利用其豐富的舊式資料對他們的個人、商業和企業銀行業務以及保險服務進行創新和個人化。為了以更快速度交付這些解決方案，該銀行需要一套標準化的 ML 方法。「我們沒有一致的方式用於存取資料、產生洞見或建置解決方案」，NatWest Group 的資料創新 MLOps 主管 Andy McMahon 說道，「我們的客戶感受到這些挑戰，因為獲取價值的時間遠遠長於我們的預期。」

為了在企業層級部署個人化解決方案，NatWest Group 選擇採用 Amazon SageMaker 作為他們的核心 ML 技術。該銀行還與 AWS Professional Services 合作為專案做準備。這支由專家組成的全球團隊，可以協助公司在使用 AWS 時實現想要的業務成果。在一連串研討會中，NatWest Group 和 AWS Professional Services 合作確定了公司在 ML 領域需要改進的地方，並且制定出一套發展策略。在制定全面的計畫以後，各個團隊在 2021 年 7 月開始了專案工作。
 

2022 年 4 月，NatWest Group 啟動了一套全企業範圍的集中化 ML 工作流程，並使用 Amazon SageMaker 為其提供支援。而且因為該銀行已經在使用 Amazon Simple Storage Service (Amazon S3)，這項物件儲存服務可提供業界領先的可擴展性、資料可用性、安全性和效能，所以成為了該公司進行資料湖遷移的首選服務。由於存取資料和強大的 ML 工具變得更簡單，他們的資料科學團隊在啟動後的前 4 個月便在 Amazon SageMaker 上建立了超過 30 個 ML 使用案例。這些使用案例包括為特定客戶細分量身打造行銷活動的解決方案，以及可自動執行簡單的詐騙偵測任務的應用程式，因此調查人員可以專注於困難，而且具有更高價值的案例。

NatWest Group 員工現在可以快速而輕鬆地存取資料，以及建置和訓練 ML 模型所需的工具。「我們以可維持正確風險行為的方式對我們的技術堆疊進行現代化，簡化資料存取並標準化我們的治理和營運程序」，McMahon 表示，「藉助 Amazon SageMaker，我們可以在幾個月時間裡，將白板上的概念轉變成在生產中運轉的 ML 解決方案，而不需要 1 年或更長時間。」 NatWest Group 在 2022 年 11 月推出他們的首款產品，將實現價值的時間從 12-18 個月縮短到僅僅 7 個月。

為了加快員工的工作流程，NatWest Group 使用了 AWS Service Catalog，組織可以使用它來建立、整理和控管基礎架構即程式碼範本。在該銀行採用此解決方案以前，若資料科學家或工程師想要佈建 ML 環境，他們可能需要聯絡一支集中式團隊。在過去，基礎架構可能要在 2-4 週以後才能使用。而現在，NatWest Group 可以在短短幾個小時內啟動來自 AWS Service Catalog 的範本，進而啟動一個 ML 環境。他們的資料團隊可以更快地開始專案工作，並且用更多時間專注於建置強健的 ML 模型。這個自助式環境不僅能夠協助資料科學團隊更快地獲取業務價值，還可以提高一致性。McMahon 認為：「作為一個大型組織，我們希望確保所建立的任何東西都具有可擴展性和一致性。在 AWS 上，我們使用一致的語言和架構對處理資料的方式進行標準化，以便將其套用到不同的使用案例。」

NatWest Group 採用了 Amazon SageMaker 上的許多功能對他們的 ML 工作流程進行簡化，使其滿足一家大型的金融機構應該滿足的安全和治理要求。尤其是，NatWest Group 採用了 Amazon SageMaker Studio，這是一個單一的以 Web 為基礎的視覺化介面，可執行全部 ML 開發步驟。由於 Amazon SageMaker Studio 易於使用和設定，因此新使用者可以快速進行設定，並儘快開始建置 ML 模型。

為了使其資料團隊具備使用這些工具所需的技能，NatWest Group 鼓勵他們的員工開啟雲端學習之旅。他們為其資料科學團隊提供了超過 720 個 AWS 培訓課程，協助他們學習新的技能，例如將最佳實務套用到 DevOps 和在 AWS 上建置資料湖。此外，多名員工還取得了 AWS 認證。這些認證都得到業界公認，可證明員工具備相關技術技能和雲端專業知識。透過提供這些機會，NatWest Group 使其資料科學團隊具備了在 AWS 上以更快速度建置強健的預測 ML 模型的能力。