Константин Гинзбургский
Константин Гинзбургский
Банк Открытие Начальник Отдела интеграционных технологий розничных рисков Департамента анализа розничных рисков
Внедрение Feature store и MLOps в розничных рисках. Снижение TTM и модельного риска
В современном мире у всех специалистов в области технологий обработки данных на слуху слова Data Engineering и MLOps. Команда розничных рисков банка «Открытие» убедилась в том, что это не просто слова, а вполне материальные технологии, приносящие ощутимую пользу бизнесу.
Обобщая опыт нашей команды, можно выделить следующие ключевые факторы успешного применения MLOps:
• Снижение риска расхождения входных данных в обучении и применении ML моделей.
• Построение жизненного цикла ML моделей с четким разделением функций как специалистов, так и систем.
• Стандартизация интеграции ML моделей с системами принятия решений (СПР).
• Использование инструментов автоматизации тестирования и мониторинга.
Основным измеримым результатом, которого удалось добиться, является снижение на 43% Time To Market подключения моделей к СПР.
Но результаты, которые сложнее оценить количественно, еще важнее:
• Data Science специалисты стали счастливее от того, что могут больше заниматься исследованиями, а рутинным тестированием и мониторингом меньше.
• Клиенты «Открытия» стали счастливее от того, что мы сделали наши модели более точными и надежными.
Обобщая опыт нашей команды, можно выделить следующие ключевые факторы успешного применения MLOps:
• Снижение риска расхождения входных данных в обучении и применении ML моделей.
• Построение жизненного цикла ML моделей с четким разделением функций как специалистов, так и систем.
• Стандартизация интеграции ML моделей с системами принятия решений (СПР).
• Использование инструментов автоматизации тестирования и мониторинга.
Основным измеримым результатом, которого удалось добиться, является снижение на 43% Time To Market подключения моделей к СПР.
Но результаты, которые сложнее оценить количественно, еще важнее:
• Data Science специалисты стали счастливее от того, что могут больше заниматься исследованиями, а рутинным тестированием и мониторингом меньше.
• Клиенты «Открытия» стали счастливее от того, что мы сделали наши модели более точными и надежными.
Выпускник МФТИ. 15 лет опыт работы в IT: разработчиком, системным и бизнес аналитиком, менеджером. С 2012 года работал в крупнейших банках России: Сбербанке, ВТБ24, «Открытии». Основное достижение – собрал команду, способную решать задачи интеграции Data Science в бизнес-процессы современного крупного банка.