跳到内容
    moodys-analytics-white

    通过转换模型开发和部署驱动客户价值和效率

    穆迪分析公司的数据科学

    穆迪分析公司提供专业知识和工具——包括数据, 模型, 软件, 以及专业服务——帮助公司高效增长和管理金融风险. 该公司为各行各业和不同地区的数千家机构提供支持,帮助它们在日益复杂的全球市场中游刃有机会. 穆迪分析(Moody 's Analytics)是穆迪公司(Moody 's Corporation)的子公司.2017年收入20亿美元,业务遍及41个国家.

    金融模型的先驱, 穆迪分析公司基于独特的金融数据集创建分析,并将其应用于解决客户的业务挑战,从而建立了竞争优势. 该公司开发了一个庞大的模型组合,涵盖从小型企业到大型银行信贷的方方面面, 并将其模型部署在现场交付的软件中, 在云中, 或软件即服务(SaaS).

    通过将一些数据科学项目集中到Domino上, 穆迪分析公司极大地提高了模型开发的效率, 并扩展了与客户和十大靠谱外围APP平台建立协作模型的能力. 要进行这种转换, 穆迪分析公司需要加快模型开发的速度,以及他们可以在开发中的模型上进行的迭代次数. 他们通过Domino实现了这一点,减少了端到端模型开发周期. 例如, 在第一次使用Domino时, 穆迪分析公司(Moody 's Analytics)将原计划9个月的项目缩短至4个月. 该公司还使用Domino增加了四倍的模型监视能力.

    挑战

    穆迪分析公司长期以来一直是金融模型领域的领导者, 随着时间的推移,它的模型被广泛采用,并成为许多公司的关键. 要在一个靠模型运作的行业中保持领先地位, 穆迪分析(Moody ' s Analytics)看到了定制其直营平台以满足特定客户需求的机会, 配置文件, 和目标. 该公司基于服务的模式已经取得了成功,穆迪分析公司的顾问为该领域的客户建立定制模型, 但这种商业模式代价高昂, 为穆迪分析公司及其客户提供服务, 尤其是在大范围内. 穆迪分析公司(Moody’s Analytics)寻求一种更具成本效益的方法来开发和交付这些定制模型, 为了更有效地为客户服务.

    穆迪分析公司在将定制模型交付服务转变为直营平台时面临的主要挑战包括:

    • 工具和技术的获取: 数据科学家很难访问支持动态计算能力的基础设施,他们需要能够构建和测试模型.
    • 模型开发和交付摩擦: 开发和部署工作流是线性的,而不是周期性的, 在将模型投入生产和随着时间的推移改进它们方面有很长一段时间的延迟. “创建一个可控的, 可审计的, 可重复的, 而且透明的过程耗时太长,” said 雅各布·格罗塔,穆迪分析公司银行运营部门总经理. “改进或更换一种型号的成本太高了.“在一个竞争激烈的行业, 该公司需要尽快将其风险模型交到客户手中,以提高他们的投资回报.
    • 筒仓的知识: 由于不同的用户和团队依赖不同的工具,例如R和SAS,该公司全球分布的团队无法轻松地协作或重新利用其他人的工作. 当一个关键团队成员离开时,他们还可能失去重要的机构知识. 继续打造世界一流的模型, 他们需要一个单一的平台,团队可以像该公司的软件开发人员多年来所做的那样进行协作.

    使用Domino使直营平台能够充分利用处理财务数据的核心优势, 建筑分析, 并将其应用到直营平台客户的业务中

    雅各布·格罗塔,穆迪分析公司银行运营部门总经理
    解决方案

    穆迪分析公司首先考虑在内部构建一个解决方案,以加快模型的开发和交付. 然而, Domino数据科学平台中的高级功能将能够完成公司的目标,同时允许内部团队继续专注于建模——他们的核心功能——而不是系统开发. 使用Domino使直营平台能够充分利用处理财务数据的核心优势, 建筑分析, 并将其应用到直营平台客户的业务中,”Grotta说.

    Domino的几个功能使其数据科学平台成为最具吸引力的选择:

    • 完整的生命周期支持: Domino不仅仅帮助数据科学家构建模型, 它促进了端到端工作流——从构思到发现现有工作, 模型共享, 部署到生产环境(通过api支持外部模型或人工消费), 质量保证, 监控, 和文档. 这种端到端流程能够实现快速的模型交付和迭代,从而转化为更快的创新和竞争差异化.
    • 开放: 该公司在世界各地的数据科学家和分析师使用一系列工具和语言, 包括RStudio, Jupyter, Python, Apache火花, 和情景应用程序. Domino允许所有用户在使用本地开发界面中他们喜欢的工具时进行协作.
    • 再现性: Domino自动跟踪集中位置中的每个模型的沿袭, 所以公司可以很容易地重建一切,包括包版本, code, data, 参数, 结果, 并在模型开发的每次实验迭代中进行评论. 这对于法规遵从性至关重要.
    • 协作和知识管理: 一个具有自动跟踪数据科学工作的集中平台意味着团队可以轻松搭载新人, 建立在过去工作的基础上, 保存知识以防万一. 它还为管理人员提供了做出快速监控决策所需的透明度. 这一特殊功能帮助穆迪分析公司实现了一个关键的业务目标,即通过消除重复工作,并使每次迭代都能完全透明地建立在前一次迭代的基础上,从而实现更快的模型迭代.
    • 基础设施自动化: Domino充当Amazon Web Services (AWS)之上的编制层。, 提供灵活的, 弹性访问云中的计算机资源. 用户不受工作站的束缚, 只需点击一下, 他们根据所需的服务器大小访问所选择的确切工具. 过去需要几天的安装和配置现在只需几秒钟.

    穆迪分析公司已经部署Domino来构建新的模型并进行监控, 管理, 并在现有模型投入生产后对其进行增强. Domino在AWS上运行, 允许用户访问企业级平台,而不必担心其安全性或位置.

    多米诺效应

    穆迪分析公司今天能更好地为客户服务,因为该公司可以提供性能良好的模型,为每个客户的业务定制,并可以快速调整它们,以确保它们在每次迭代后继续提供更多的价值. 从模型开发到部署到生产的端到端流程已经减少了一半以上, 从九个月到四个月. 他们通过简化模型开发和部署提高了ROI. 集中式平台和自动跟踪也增强了透明度, 保存制度知识, 和改善遵从性.

    “使用穆迪分析的专业知识和工作流程, 结合Domino和AWS基础设施, 直营平台已经能够加速模型的开发, 也就是说信息能更快地到达直营平台的客户手中,”Grotta说. “直营平台的客户很兴奋,因为他们的需求将以以前不可能的新方式得到满足.”

    两个例子展示了Moody’s Analytics使用Domino所取得的影响:

    • 穆迪分析公司财务报表质量检验员, 可作为其MARQ™门户的一部分, 使用数百万条记录为客户标记感兴趣的信息, 比如,一家公司的资产与负债相比,相对于同行或上一年的报表是否变化过快. 使用Domino进行模型部署, 数据科学家能够在几天内开发一个API并与客户进行beta测试. 他们使用反馈来进行调整,并几乎立即重新部署模型, 最终将其嵌入到一个直营平台版本中. “而不是花一年时间, 这个过程花了几个月的时间, 而且部署成本也低得多,”Grotta说. 这是6倍的性能加速.
    • 穆迪分析套件的40个RiskCalc™模型被用来估计全球公司债务违约的概率. 穆迪分析公司的客户经常对以下问题感兴趣, “如果这个模型是基于特定于我的区域足迹的数据开发的呢?或者“如果模型使用了直营平台公司所关注的特定财务比例呢??穆迪利用Domino和AWS开发了模板,使其能够回答这些问题,并部署替代模型给客户进行测试和短期使用. 它还可以通过这个过程与客户进行交互, 为客户提供他们需要的透明度. “直营平台现在能够在很短的时间内回答客户的问题,并根据客户的要求调整直营平台的行业标准模型,”Grotta说. “效率和可重复性使直营平台的客户更能负担得起.”

    在Domino, 穆迪分析公司可以有效地为风险和其他分析提供定制模型,帮助大型企业运营, 并根据客户的喜好进行成本效益的部署, 在云中, 或SaaS.

    直营平台已经能够将数据标准化, 的技术, 以及直营平台与客户之间的合作方式,这样他们就能看到直营平台在做什么,”Grotta说. “Domino加速了直营平台的交付速度, 为直营平台的建模投资提供更快更好的回报.”

    看看Domino Enterprise MLOps平台能为您做些什么