Осенью 2021 года банком «Открытие» была внедрена специальная платформа для разработки и эксплуатации моделей внешнего обучения или просто IRIS. Павел Николаев, управляющий директор департамента интегрированных рисков банка «Открытие» рассказывает об эффективности платформы, преимуществах реализации подобного решения, а также о точности банковской аналитики.
IRIS – что это такое
Крупнейшие банки, которым является и банк «Открытие», не обходятся в своей деятельности без специальной системы аналитики. Она направлена на решение таких задач как:
- методы привлечения новых клиентов и удержания старых;
- оценка потенциальных рисков;
- поиск эффективных каналов коммуникации с клиентом.
Аналитика становится сложней, базы данных больше – влияние машинного обучения с каждым годом пропорционально возрастает. Используемая в аналитической деятельности модель может полностью заменить человека, но чаще всего выступает в качестве инструмента, позволяющего сотруднику банка принять более точное и правильное решение, и, что немаловажно, с наименьшими временными потерями.
Платформа IRIS на базе MLops для банковской системы стала ощутимым технологичным шагом вперед. Так на примере банка «Открытия» видно, как с помощью IRIS можно объединить в единую промышленную систему все процессы разработки и внедрения моделей.
Она основана на принципах OpenSource. Реализованная в ней среда применения моделей интегрирована с пятью банковскими СПР:
- две из них розничные,
- две кредитные конвейера КИБ, МСБ
- и кредитный конвейер нового блока Автобизнес.
СМОТРИТЕ ТАКЖЕ: Обзор сервиса бизнес.ру
Внедрение моделей за 1 день
Любая модель, отвечающая на принятие решения, может быть перенесена из одной среды в другую, то есть из разработки в применение, причем буквально за считанные минуты. Платформа способна автоматически перенести модель. Но при этом для полноценной интеграции моделей потребуются незначительные изменения на стороне СПР. Это делается для того, чтобы придать модели необходимый вектор.
Автоматизированные процессы переноса моделей дают возможность в дальнейшем значительно сократить time-to-market в вопросе внедрения машинного обучения и технологии принятия банком конкретных решений. В таких условиях интеграция в рабочую среду нового специалиста не должна отнимать более одних суток. Также важно учесть, что каждая команда разработчиков трудится в собственной среде, которой свойственно динамическое расширение, а также имеются ресурсы для обучения модели.
После внедрения IRIS у банка «Открытие» появилась уникальная возможность переносить модели из одной среды в другую для разных команд. Гибкость платформы – это один из главных плюсов, которые успели оценить уже многие специалисты из области банковской системы.
Не меньше ценится отказоустойчивость такого решения. В случае возникновения технического сбоя, отказа основного сервера, она автоматически переходит на резервный сервер, а работающие в платформе модели попросту не ощущают сбоев и функционируют в привычном режиме.
Несмотря на надежность такого решения, за восемь месяцев работы платформы в условиях системы банка «Открытие» не было зафиксировано ни одного подобного сбоя. Для этого в ней предусмотрены специальные системы мониторинга, которые способны обнаруживать проблемы в самом начале их появления, своевременно принимать конкретные действия и не допускать масштабного технического сбоя.
За счет гибкого, а главное эффективного распределения имеющихся вычислительных мощностей у разработчиков появилась возможность внедрять модели, на интеграцию которых ранее попросту не хватало мощности. Как только платформа начала эксплуатироваться, происходит масштабный переход на нее пользователей и последующая кастомизация.
ВАМ МОЖЕТ БЫТЬ ИНТЕРЕСНО: Teachbase — сервис для дистанционного обучения
Сфера применения
В моделировании, развивающемся в банковском секторе, платформа решает абсолютно разные задачи. Например, большую часть инструментов составляют специальные модели, способные оценивать платежеспособность клиента и потенциальные риски. То есть с помощью простых, но довольно эффективных алгоритмов можно определить стоит ли давать кредит конкретному физическому лицу или нет.
Решение о выдаче кредита
Решение о том, стоит ли выдавать кредит конкретному физическому лицу или нет, основывается на результатах аналитических данных. Оценивается финансовая устойчивость заемщика, достоверность предоставленных им данных, но в первую очередь оценивают кредитную историю. Чтобы система исправно функционировала, за ней нужно постоянно присматривать.
Задача специалистов – грамотно внедрить платформу в банковскую систему и после ввода в эксплуатацию отслеживать основные процессы, которые происходят. Крайне важно постоянно отслеживать работу системы в соответствии с заданными на начальном этапе параметрами и условиями.
Для этого предусмотрены различные механизмы, например, пакетное и интеграционное тестирование. Таким образом, можно проверить, насколько правильно будет функционировать модель, например, если возраст заемщика будет указан 100 лет. Интеграционное тестирование направлено на проверку правильности внедрения модели через платформу IRIS в основные бизнес-процессы.
ИНТЕРЕСНО: Обзор сервиса HRM Talantix
Вероятность стать клиентом
На практике применяются и другие модели – лидогенераторы, бизнесовые, определяющие вероятность того, что конкретное физлицо станет клиентом банка. Также важны модели, отвечающие за информационную безопасность. Сфера применения и использования платформы действительно широкая, поскольку позволяет решать обширный спектр задач, следовательно, на этой модели работают все крупнейшие бизнес-линии финансового учреждения.
Использование микросервисов Kubernetes
Для обеспечения необходимых условий работы и эффективного моделирования платформа была основана на промышленной середе микросервисов Kubernetes. Она создала условия для гибкости и масштабируемости, что высоко ценится среди разработчиков.
Сейчас в банке происходит работа по обеспечению условий для миграции данных, которые задействованы в процессе моделирования, на промышленный лад, а это в свою очередь должно привести к росту стабильности и отказоустойчивости.
