MODELOPS SOLUTION

机遇和挑战

近年来,大数据、云计算、人工智能等技术快速发展,将商业银行的模型应用快速推进到一个新阶段。随着模型复杂程度的上升、应用场景的深化、模型数量激增,对过去“重开发,轻治理”模型管理方式提出了严峻挑战。另一方面,金融监管政策的不断收紧,银保监会于20年7月正式出台了《商业银行互联网贷款管理暂行办法》首次明确阐述风险模型使用及模型管理相关的重要内容。因此,为满足监管合规要求,需要从需求发起、开发、上线到持续监控等各个阶段实现模型全生命周期的管理。


行业痛点
  • 模型资产碎片化

    模型资产缺乏集中管理、缺乏信息安全保障、缺乏自动化盘点工具,难以实现模型资产的复用,无法将模型资产沉淀为银行重要的生产要素

  • 模型管理自动化程度低

    模型验证审批等管理步骤、模型部署上线等工程化操作大部分仍依靠人工线下操作,线上自动化程度较低。模型管理未形成标准化流程和规范操作

  • 监控体系有待完善

    缺少统一的模型监控,尤其缺少从业务口径对模型进行监控评估的指标体系,传统的报表监控手段难以满足模型全生命周期的动态监控和模型从后评估到预警到处理的管理闭环

  • 模型持续优化/迭代慢

    由于没有形成模型上线、监控、重新训练的闭环,这个过程缺少自动化流程的支持,导致线上模型性能不断衰减,影响业务表现

解决方案

基于九章云极DataCanvas ModelOps搭建全行统一的AI模型管理平台,能够通过对接各类不同的模型训练框架或平台实现模型资产的统一管理;实现模型审批流程可配置,针对不同类型/级别的模型可应用不同的审批流程。平台提供全面的模型监控指标,针对不同类型的模型可自动化适配对应的模型监控指标。通过工程化落地模型数据的回流,实现模型监控数据的闭环。实现模型自动迭代,配合模型在线监控、获取最新训练数据,实现模型定期重新训练或阈值触发重新训练。整个过程可实现自动化,更大程度地缩短了模型迭代周期。

方案优势
  • 模型全生命周期管理

    在ModelOps的基础上进一步扩展,拉通特征管理流程、模型管理流程、模型工程流程、应用开发流程,真正实现模型的全生命周期管理。

  • 统一AI资产管理

    构建特征、模型、监控指标等资产库,通过资产的集中管理实现资源全局掌控。结合访问权限控制,保障资产安全,促进AI资产共享和复用。

  • 模型敏捷部署

    结合模型上线流程自动化,降低模型部署门槛、增强持续交付能力等手段,提升模型需求响应效率,实现业务功能快速迭代。

  • 模型运维监控的闭环管理

    通过配置化、可视化方式实现模型的多维度监控,包括模型运行指标、模型业务指标等不同维度。实现模型监控、模型预警到预警处理的管理闭环。

方案价值
  • 模型管理规范化

  • 持续交付敏捷化

  • 模型成果资产化

  • 监控体系智能化

咨询