Feature Store de ML industrializado

Contexto

Banco de varejo com mais de 20 modelos ML em produção (scoring de crédito, fraude, churn, pricing, AML). Cada equipe de data science calcula suas próprias features de forma independente, gerando duplicações e inconsistências. Um mesmo cliente pode ter um score de risco diferente conforme o modelo, pois as features 'renda' ou 'antiguidade' são calculadas de formas diferentes por cada equipe.

Problema & Desafio

Features recalculadas independentemente por cada equipe: 60% de duplicação de esforço. Inconsistências entre modelos: um mesmo cliente tem scores contraditórios dependendo das features utilizadas. Tempo de desenvolvimento de um novo modelo: 3 meses dos quais 70% dedicados ao feature engineering. Nenhum versionamento das features: impossível reproduzir um modelo em uma data específica. Features em tempo real impossíveis: cada modelo recalcula em tempo de execução, impactando os tempos de resposta.

Solução & Entregas

Feature Store centralizado com 500+ features versionadas e documentadas. Duplo serving: batch (para treinamento) e tempo real (para inferência) via a mesma definição. Catálogo de features com linhagem, estatísticas e monitoramento de drift. Pipeline de cálculo de features industrializado com scheduling e monitoramento. Redução do time-to-model de 3 meses para 3 semanas graças à reutilização.

Tecnologias