Data Science em uma instituição financeira moderna
•
16 recomendaciones•12,107 vistas
Data Science em uma instituição financeira moderna
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a Data Science em uma instituição financeira moderna
Similar a Data Science em uma instituição financeira moderna (20)
Último
Último (9)
Data Science em uma instituição financeira moderna
- 1. Sandor Tucakov Caetano @SandorCaetano sandor.caetano@gmail.com Data Science em uma instituição financeira moderna
- 2. Índice O Nubank Ajustando limites de crédito Pessoas Dados Modelos Políticas Mantendo tudo sob controle SÃO PAULO, BRASIL
- 3. O Nubank SOUTHEAST BRAZIL REGION FROM SPACE
- 4. >1000 pessoas! >150 serviços Clojure >21 modelos em produção >140 na engenharia >45 analistas de negócios >16 data scientists
- 5. Nubank ▪ Nubank é uma empresa de tecnologia ▪ Oferecemos um produto gratuito ▪ Intensivo em capital ▪ Limite de crédito vale "pra sempre" ▪ Decisões de crédito demoram meses para serem validadas ▪ Não há margem para erro!
- 6. ▪ Curva de crescimento ditou boa parte das estratégias ▪ Distribuição de dados ▪ Treino/Teste < > Realidade ▪ ex. Sul / Sudeste — Brasil ▪ Praticamente sem histórico Nubank
- 7. Ajustando limites de crédito SOUTHEAST BRAZIL REGION FROM SPACE
- 8. Precisamos resolver ▪ Limite de crédito perfeito para cada cliente ▪ Alto demais —> Exposição ▪ Baixo demais —> Inatividade / Custo de oportunidade
- 9. O Loop Churn Dados Renda Risco Gasto Previsto Limite de Crédito Gasto Observado Dados t-1 Resultados Nubank
- 10. Pessoas SOUTHEAST BRAZIL REGION FROM SPACE
- 11. Os Data Scientists - Quem somos ▪ 16+ Data Scientists ▪ Estatísticos, Físicos, Cientistas da Computação, Engenheiros, Economistas, etc ▪ Áreas em que atuamos: ▪ Crédito - Aprovação, limites, Marketing e cobranças e atendimento ao cliente ▪ Que tipo de profissional buscamos? ▪ Portfolio de projetos ▪ Experiência em Machine Learning ▪ Kaggle
- 12. Squads, Chapters e Tribos ▪ Tribes ▪ Credito ▪ Cobranças ▪ Atendimento ▪ … ▪ Chapters ▪ Engenharia ▪ Analistas ▪ Data Scientists ▪ … ▪ Squads ▪ Acquisition ▪ Valuation ▪ Customer Management ▪ …
- 13. Chapter Data Science ▪ Espalhados em squads ▪ Pares ou trios ▪ Unidos por habilidades em comum ▪ Rituais: ▪ Standup ▪ Chapter meeting ▪ Article Reading Group ▪ Meetup - Machine Learning Big Data Engenharia 😏 Data Scientists Engenheiros Analistas 😏😏 😏 😏😏 😏 😏😏 Squad Squad Squad
- 14. Exemplos de modelos em produção ▪ Diversos modelos de risco de crédito ▪ Gastos / Comportamento ▪ Cobranças - Ligações ▪ Contexto - FAQ - "Me ajuda" ▪ Resposta automática - emails ▪ Marketing ▪ Chat routing ▪ Fraude ▪ …
- 15. Dados SOUTHEAST BRAZIL REGION FROM SPACE
- 16. 2014 - O Plano
- 17. Escolhas tecnológicas (2014 - 2016)
- 18. [ Db ] - Datomic + Clojure ▪ BD —> fotografia dos seus dados em um certo ponto no tempo ▪ "Como o Git para seus dados” ▪ Permite os data scientists darem um “replay" nos dados ▪ Porém… ▪ …Queries em Clojure
- 19. Python ▪ Modelos e análises —> Python ▪ 70/30% IDE ou Jupyter Notebook ▪ Análises Ad hoc - Jupyter Notebook ▪ Todo modelo, na pratica, era um modelo online
- 20. ETL Separando os ambientes Transacional e Analítico - BI em um mundo de Micro-serviços SOUTHEAST BRAZIL REGION FROM SPACE
- 21. Queremos o melhor de 02 mundos ▪ Ambiente Transacional ▪ Alta velocidade para escrever dados ▪ Fragmentado ▪ Necessária “supervisão" de um engenheiro ▪ Ambiente analítico ▪ Alta velocidade e disponibilidade de leitura ▪ Global ▪ Autonomia
- 23. ETL ▪ Disponibilidade ▪ Autonomia ▪ Data Scientists e Analistas têm acesso a “tudo” ▪ Shipar datasets batch é “fácil” ▪ Shipar modelos batch é "fácil"
- 24. Logs + Pickles Cliente faz algo Database (Datomic) Live Batch Datomic Logs Dataset Dataset Dataset Dataset do Modelo Spark / ETL "Big Data" S3 Dataset Parquet File Treinar Modelo Python 1x Github Diário Previsões Parquet Python MonitoramentoPolítica
- 25. Modelos SOUTHEAST BRAZIL REGION FROM SPACE
- 26. Métricas ▪ Qual a métrica mais importante que queremos mover? Exemplos: ▪ Quanto ter uma melhor previsão de risco pode ajudar? ▪ Qual o custo de oportunidade de errar as previsões de gasto? ▪ É possível identificar os clientes que vão usar o rotativo?
- 27. "Se o AUC fosse 15% pior, você mudaria sua decisão?"
- 28. Métricas Taxa de aprovação Risco Modelo 2 Modelo 1 Aleatório
- 29. Target e Score time ▪ Onde os debates mais "acalorados" acontecem ▪ Viabilidade do Target vs Numero de linhas ▪ Quando vai rodar? ▪ No dia do vencimento da fatura? ▪ Primeiro dia do mês?
- 30. Processos e o “Model Deck” ▪ Serve para eliminar reduzir o risco do modelo ▪ Scores em prod < > Scores treino/teste ▪ Model Deck é um check list ▪ Boas práticas ▪ Documentação
- 31. Validação ▪ Simulamos como seria colocar o modelo em produção várias vezes ▪ Validação cruzada ▪ Fora do tempo ▪ Fora dos ids ▪ Curvas de aprendizado
- 32. fkit-learn ▪ Biblioteca interna do Nubank para treinar / colocar modelos em produção ▪ Versão "funcional" do scikit.learn ▪ Score(X) = fn(…f3(f2(f1(X)))…) ▪ Ajuda manter coesão entre os Data Scientists ▪ Reprodutibilidade
- 33. fkit-learn
- 34. Política SOUTHEAST BRAZIL REGION FROM SPACE
- 35. Politica de limites (2014-2016) ▪ Dados ▪ Serasa + Utilização ▪ Histórico inexistente ▪ Ajustava o limite dos clientes de forma a manter uma utilização do limite de crédito compatível com o risco ▪ Rodado Manualmente (Jupyter notebook)
- 36. Política de Limites ▪ Tipos: ▪ Proativa - Aumenta limites automaticamente ▪ Reativa - Deixa um aumento pronto caso o cliente solicite
- 38. Mantendo tudo sob controle SOUTHEAST BRAZIL REGION FROM SPACE
- 39. O Loop Churn Dados Renda Risco Gasto Previsto Limite de Crédito Gasto Observado Dados t-1 Resultados Nubank
- 40. Teste e controle SOUTHEAST BRAZIL REGION FROM SPACE
- 41. Framework de teste e controle ▪ Todas as decisões que impactem clientes ▪ Salvas ▪ Facilmente acessíveis ▪ Facilmente testáveis
- 42. Política A Política B Política C Framework de experimentação Serving LayerSaída da política ETL Serviço I Serviço II Serviço III Decisão Decisão Decisão Serviços Framework de teste e controle
- 43. “Testar é fácil… Se random.random() < p, faça algo”
- 44. Armadilhas ▪ Randomização não ortogonal ▪ Mesmo números "aleatórios" usados em diferentes experimentos ▪ Ignorar efeitos de carry-over ▪ O que acontece depois de 3 meses de teste? ▪ Filtrar antes de atribuir o numero aleatório ▪ Possível viesar o teste
- 45. Monitoramento SOUTHEAST BRAZIL REGION FROM SPACE
- 46. Monitoramento
- 47. Monitoramento