Банк «Санкт-Петербург» совместно с GlowByte повысил эффективность платформы моделирования с помощью новых MLOps-инструментов

2024

Внедрение MLOps-инструменты для повышения эффективности работы платформы моделирования

Банк «Санкт-Петербург» при поддержке интегратора GlowByte внедрил MLOps-инструменты для повышения эффективности работы платформы моделирования. Об этом GlowByte сообщил 13 января 2025 года. Проект позволил ускорить цикл обновления моделей, централизовать процессы подготовки данных, обучения моделей и их развертывания, а также внедрить автоматизированную систему для управления версиями кода моделей.

В рамках проекта были внедрены инструменты Airflow, Gitlab CI/CD и DVC (Data Version Control), благодаря которым происходит управление жизненным циклом моделей. Airflow обеспечивает координацию задач и автоматический запуск процессов, с помощью инструмента Gitlab CI/CD построен единый пайплайн вывода модели от стадии разработки до применения в продакшене, DVC позволяет сохранять данные в S3, а также версионировать большие файлы данных, модели и другие артефакты.

Мы интегрировали все этапы разработки и тестирования с системой контроля версий GitLab, благодаря чему автоматизировали процессы сборки для моделей машинного обучения и процесс продуктивизации моделей, сделали прозрачной историю всех изменений в кодовой базе. Кроме того, Airflow дал возможность автоматизировать запуск batch-моделей, а также позволил оптимизировать управление ресурсами кластера Kubernetes, – пояснил Сергей Новоселов, архитектор Advanced Analytics GlowByte.

Внедрение MLOps-подходов повысило интерес к использованию ML-платформы, что, в свою очередь, способствовало привлечению большего числа бизнес-пользователей в банке «Санкт-Петербург». 

В банке «Санкт-Петербург» ML-платформа существует уже достаточно давно. В 2024 году благодаря совместным работам с GlowByte она получила дополнительный импульс к развитию на пути к единому пространству банка для решения сложных многофакторных задач. Внедренные инструменты не только повысят эффективность разработчиков моделей, но и существенно облегчат доступность их результатов для пользователей, сказал Кирилл Светлов, управляющий директор Дирекции Казначейство ПАО «Банк "Санкт-Петербург"».

В дальнейшем планируется продолжать развитие платформы, улучшая стабильность ее работы за счет более эффективного управления ресурсами в кластере Kubernetes и применения современных подходов в области машинного обучения и MLOps, в том числе инструмента MLFlow для отслеживания экспериментов с моделями.

Автоматизация подготовки отчетности для ЦБ

Банк «Санкт-Петербург» при поддержке ИТ-партнера GlowByte автоматизировал подготовку отчетности, запрашиваемой Банком России в рамках надзорных мероприятий по показателю долговой нагрузки (ПДН) клиентов – физических лиц. Специалисты Банка теперь получают данные в формате, запрашиваемом ЦБ, через интерфейс BI-системы из единого хранилища данных на базе Hadoop. Об этом GlowByte сообщил 22 апреля 2024 года.

Автоматический процесс сборки отчетов по ПДН по установленному расписанию захватывает обновленные данные без участия специалиста с последующим обновлением отчетных данных в BI-системе. Данное решение позволило сократить время на подготовку отчетности с двух месяцев до двух дней.

При этом хранилище данных на базе Hadoop, внедренное несколькими годами ранее с участием GlowByte, обеспечивает необходимый уровень надежности и качества данных для отчетности ЦБ.

В каждой кредитной организации всегда остро стоит вопрос отчетности перед регулятором. Разные банки решают эту задачу по-разному, но преобладающим инструментом работы остается ручное формирование отчетности. Наш проект с GlowByte по автоматизации отчетности ПДН позволил не только сэкономить ресурсы специалистов Банка, но и ускорить процесс подготовки, – отметил Виталий Тишин, руководитель направления Дирекции поддержки массовых продуктов Банка «Санкт-Петербург».

В проектах для наших клиентов мы в первую очередь делаем акцент на практической значимости результатов для бизнеса. Мы рады, что проект автоматизации отчетности по ПДН принес банку значимые выгоды и что созданные отчеты позволяют банку не только оперативно предоставлять качественные данные регулятору, но и производить систематический внутренний аудит кредитного процесса, – сказала Ксения Белоусова, куратор проекта со стороны GlowByte.