NerdWallet は AWS で機械学習を利用して推奨プラットフォームを強化

NerdWallet は個人金融スタートアップで、顧客が借金を完済し、最高の金融商品やサービスを選択して、家の購入や退職後の貯蓄などの主要な人生の目標に容易に取り組めるようにするツールとアドバイスを提供しています。同社は、データサイエンスと機械学習 (ML) を大幅に活用して、顧客とパーソナライズされた金融商品を結び付けています。「当社は、データサイエンスが、よりパーソナルな製品とユーザーエクスペリエンスを構築するために不可欠であることに早くから気づいていました」と、NerdWallet のシニアエンジニアリングマネージャーである Ryan Kirkman 氏は言います。

同社のエンジニアリングチームが最初の ML モデルを本番環境にデプロイし始めたとき、Kirkman と彼のチームは、プロセスに予想よりもはるかに長い時間がかかることに気付きました。「プロトタイプから本稼働に移行するには数か月かかり、その過程で多くの非効率性がありました」と彼は言います。

当時、NerdWallet のデータサイエンティストは、ML ライブラリの管理に主に手動アプローチを用いていましたが、これはコストやワークフローの観点からは最適ではありませんでした。「当社のデータサイエンティストは、手作業で物を設置し、前任のデータサイエンティストがマシンに残した環境に対処する必要がありました」と NerdWallet のスタッフソフトウェアエンジニアである Sharadh Krishnamurthy 氏は述べます。

同社は、データサイエンティストが ML モデルをより効果的にトレーニングし、概念から納品までのプロセスをスピードアップし、価値の高いプロジェクトにより集中できるように、エンジニアリングの配置問題を解決する必要がありました。「モデルを本稼働に迅速に移せるほど、データサイエンスチームはモデルをより速く反復でき、製品エクスペリエンスを向上させることができます」と Kirkman 氏は言います。「フィードバックループを減らすことで、データサイエンスプロジェクトを実行する能力が大幅に向上します」

スタートアップとして、NerdWallet には車輪の再発明に必要なリソースがありませんでした。「スタートアップにとって重要な問題は、「どうすればビジネス価値を最速で追加できるか」です。 一部の大企業のような機械学習プラットフォームが必要でしたが、それに多くの投資をする用意がありませんでした」と Krishnamurthy 氏は言います。

NerdWallet は、Amazon Elastic Compute Cloud (Amazon EC2) や Amazon Elastic Container Service (Amazon ECS) など、既に多くのアマゾン ウェブ サービス (AWS ) ソリューションを利用していました。チームは、Amazon SageMaker も併せて利用することにしました。このフルマネージドサービスにより、同社は NVIDIA V100 Tensor Core GPU を備えた Amazon EC2P3 インスタンスを含む基盤となる Amazon EC2 インスタンスと、既存の Amazon ECS イメージ構築パイプラインを活用して、ML モデルのトレーニングにかかる時間を短縮できます。「Amazon SageMaker は基本的に、サービスとしての機械学習を提供してくれました」と Kirkman 氏は言います。

Amazon SageMaker を採用することで、NerdWallet はデータサイエンスエンジニアリングのプラクティスを迅速に最新化することができました。「私たちは基本的に 2 か月でビジネス価値を解き放ちました」と Kirkman 氏は言います。「Amazon SageMaker がなければ、それは不可能だったでしょう」

新しいソリューションは、会社が障害を取り除き、納品までの時間を短縮するのにも役立ちました。「Amazon SageMaker により、データサイエンティストは、複数のハンドオフを抱えてすべてを再実装することなく、業務の中心的な所有者および推進者に簡単になれます」と Kirkman 氏は言います。「当社は、プラットフォームとエンジニアリングの観点から、このような周辺的なインフラストラクチャ問題を手引きを受けながら簡単に解決できるパスを用意するのと同時に、データサイエンティストの作業を加速しています。それはお互いにとって有利です」

新しいアプローチを活用した NerdWallet の最初のプロジェクトは、TensorFlow を利用した推奨プラットフォームでした。以前、NerdWallet は潜在的なクレジットカードのリストを顧客に提供していましたが、受け入れられる可能性を予測する方法がありませんでした。現在、Amazon SageMaker と機械学習を利用することで、同社は効果的に顧客により適した金融商品を紹介することができます。

NVIDIA V100 Tensor コア GPU で Amazon SageMaker および Amazon EC2 P3 インスタンスを使用することで、NerdWallet の柔軟性とパフォーマンスも向上し、データサイエンティストが機械学習モデルをトレーニングするために必要な時間が短縮されました。「以前は、モデルの起動と反復に数か月かかりました。今では数日しかかかりません」と Kirkman 氏は言います。

Amazon SageMaker により、NerdWallet のデータサイエンティストは戦略的に突き詰めることにより多くの時間を費やすことができます。Kirkman 氏は、「これで、当社はユーザーのために解決している問題への洞察という、競争上の優位性があるエリアにより多くのエネルギーを傾けることができるようになりました」と言います。

例えば、NerdWallet は現在、推論ストレージシステムを構築しています。これにより、チームはデータサイエンティストが会社の他の領域で作成している予測に簡単にアクセスして利用できるようになります。「データサイエンティストが現在持っているトレーニングの合理化されたワークフローがなければ、そのシステムをビジネスに活用することはできなかったと思います」と Kirkman 氏は言います。「それはコストが高すぎ、リスクがありすぎたことでしょう。ワークフローを合理化し、標準化を可能にすることで、当社にとって非常に大きな価値を解き放つことができました」

Amazon SageMaker は、NerdWallet がコストを抑えるのにも役立っています。会社はインフラストラクチャを際限なく実行するために支払うことなく、使用ごとに支払うことができるため、費用はコンピューティングリソースが必要な場合にのみ発生します。「トレーニングするモデルの数を増やしながらも、トレーニングコストを約 75% 削減することができました」と Kirkman 氏は言います。「これができるのは、1 つの大きな Amazon EC2 インスタンスを 24 時間年中無休で実行するモデルから、Amazon SageMaker を介して必要なインスタンスタイプをオンデマンドで実行するモデルに移行したためです」

Amazon SageMaker で ML プラットフォームを構築することは、NerdWallet の小規模な IT チームが業界の進歩をすぐに活用できることも意味します。「インフラストラクチャとテクノロジーの観点から、Amazon SageMaker を利用すると、機械学習プラットフォームの取り組み、性能、機能を大幅に向上させることができます」と Kirkman 氏は言います。「また、AWS と連携することで、効果的に大船に乗ることができます」

機械学習と Amazon SageMaker の利用は、NerdWallet がテクノロジーを活用して競合ひしめく金融サービス市場で差別化する方法に、変化があったことを表しています。今後、Kirkman 氏と彼のチームは、テクノロジーを利用して付加価値のあるサービスを提供し続ける所存です。「お客様があらゆる種類の経済的決定を行う際に支援し、消費者と歩調を合わせることは、当社にとって重要な差別化要因です」と Kirkman 氏は言います。「データサイエンスと機械学習を利用することで、その取り組みを倍増させることができます」

詳細については、thinkwithwp.com/sagemaker をご覧ください。