什么是MLOps文化玉山靠这招让工程师与营运端手牵手打造高效沟通

导读 「我是工程师,营运的事别问我。」,「我负责营运,听不懂技术啦。」过去,企业内工程与营运部门彼此难以交流经验,往往壁垒分明,但随

「我是工程师,营运的事别问我。」,「我负责营运,听不懂技术啦。」过去,企业内工程与营运部门彼此难以交流经验,往往壁垒分明,但随着进入AI应用和机器学习的时代,在数据领域,机器得定期重新训练数据模型,以因应产品上线后的种种潜在挑战。

然而,对资料量庞大、变化亦快速的金融业而言,当团队人力和时间都很珍贵时,该如何好好管理机器学习流程?打造「MLOps文化」,就是玉山银行的解法。当「数据工程」与「营运」手牵手,玉山科技团队创造出高效率工作与沟通。

MLOps问世:来,数据工程和营运手牵手

约在2018年,微软首度提出MLOps概念:

即Machine Learning(机器学习)+DEV(开发)+OPS(营运)三个词彙的集合。

它代表的意义是:机器学习不再是纯粹的数据领域,必须要工程与营运相互携手,才能走得更快、更远。

无独有偶,国外企业也陆续打造MLOps文化以提高生产力。例如:横跨社群、电商和娱乐3大领域的知名网路企业DeNA,不只透过引入MLOps降低整体工时,同时也打破机器学习的进入障碍,让一般业务团队也能看懂,并操作机器学习。

当这个发迹于软体科技领域的概念走入玉山银行,也让银行变得不只是银行,反倒更像一间创新的软体科技公司。

如果说未来人才是横跨2、3大知识领域的「π型人才」,那未来能在数据应用领域胜出的金融企业,也将是跨界的「π型组织」。例如:专精建立基础建设、平台的工程师,也懂机器学习;负责打造产品的工程师,也涉足营运、法务、风管等相关知识;而第一线营运单位,也能与工程师讨论技术应用。

为了创造「工程与营运手牵手」的软体开发文化,玉山屏弃传统的「开需求、订规格、填表单」的瀑布式线性开发模式,约从2年前起,在内部成立虚拟的跨单位组织「Cross Function Team」。

该组织就像工程师们进行流程管理、任务指派时常用的Scrum模式,让业务、产品企划、风控法遵、建模、工程等各大单位代表成员都同时参与,并以顾客体验为核心,共同讨论出解决痛点与断点的方法。而这个虚拟跨单位组织,至今也已成为玉山各大业务单位在资料科学领域互动、交流的重要平台。

打破科层体制,先预想产品上线后的挑战

为何塑造软体开发文化,需要特地在内部成立虚拟跨单位组织呢?因为MLOps文化除了讲求工程与营运合作,更强调即时、弹性以及长期维运的思维。

2015年开始喊出FinTech,当时玉山银行就发现,多数人仍着重于UI、UX等前端顾客产品该如何呈现,却忽略了如果要走得长远,后端的长期维运、数据模型迭代训练,更重要的人才持续培训也不可少。因为在瞬息万变的数据应用领域,产品上线后并不代表结束,而是挑战的开始。

于是,玉山率先打破传统金融组织常见的科层体制,用涵盖「数据驱动」(Data-driven)以及「问题解决驱动」(Solution-driven)思维的Cross Function Team来整合各大单位。只要抛出一个议题,大家就通通「动起来」。

这样的运作模式,与过往有什么差别?先从「产品开发」谈起。以前是业者自行猜想使用者的需求、情境,再推出新服务,但玉山透过虚拟跨单位组织来共同观察使用者数据表现及使用者深度访谈,从中挖掘潜在需求,并设计新服务。例如:「手机滑世代」的时间感短暂,多等几秒钟都是煎熬,因此决定让内部徵审流程自动化,今年初玉山推出营业时间内最快58秒拨款的「e速贷」就是很好的例子。

再来则是「产品上线」。玉山近期将AI人工智慧导入信用卡盗刷侦测,透过比对持卡人资料、刷卡时间与地点,能即时判断该笔交易是否盗刷。这样的服务并非上线后就高枕无忧,因为数位交易量不断成长,机器学习的数据也必须与时俱进,因此团队打从产品上线第一天起,就预想未来各式可能挑战,除了持续专注维运,也透过自动化训练数据模型,好让AI侦测功力可以有机会跑在盗刷之前。

即时、高弹性以及长期维运,当MLOps走入玉山银行,它早已跳脱传统银行框架,成为一间以软体思维及以科技力趋动的金融服务供应企业。

团队跨界,让这群人走得又快又远

MLOps除了让玉山能提供顾客更好的服务,也提供员工更好的团队合作环境,因为它不只是技术,更是一种文化。如果整体团队都能打破既有职务内容框架,从产品的营运来「跨界」思考机器学习应用,这一大群人就能走得又快又远。例如:以前推出一套新系统前,得先经过层层审核才能上线,但MLOps文化大幅降低传统科层体制的繁琐流程,新系统、制度及架构除了兼顾传统品质把关流程,还能自动化测试、验证及效率之间取得平衡,并且能在新版本与旧版本之间直接「无痛转移」,让所有员工皆能快速又轻鬆地面对瞬息万变的客户需求。

再来,以数据驱动推动工作流程,让所有数据模型或新上线服务都能即时、弹性回应使用者需求。玉山甚至曾在同一时间内上线五种新版本,先观察各个版本成效之后再进行调整。

能有这种「随时实验、快速修正」的开放工作模式,正是来自内部长期建立的MLOps文化。虽然它是诞生于软体科技领域的概念,但融入玉山银行后,不只带来软体开发流程的高效益,更为所有员工带来跨界合作、弹性交流的工作空间。

现在,玉山的数据工程与营运能朝共同目标,开放地与团队同伴交流彼此专业领域知识,跨界创造出工作、沟通高效率。

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢

最新文章