ERGO Hestia 藉助 Lakebase 和 Mosaic AI Model Serving 縮短上市時間

波蘭領先的保險公司 ERGO Hestia 通過採用 Databricks Lakebase 和 Mosaic AI Model Serving，成功實現了其實時定價引擎的現代化改造。該公司將數據、特徵和決策統一在一個湖倉原生平台上，實現了毫秒級的定價響應，同時大幅加快了新模型的上市速度，並通過 Unity Catalog 實現了統一的治理與合規管理。

此前，ERGO Hestia 的架構採用多跳模式，涉及外部 PostgreSQL 數據庫和自定義適配層。隨着業務規模增長，這種架構逐漸暴露出數據提取開銷大、治理分散、模型部署速度慢以及數據新鮮度不足等問題。在監管嚴格的保險行業中，這些瓶頸嚴重製約了創新速度。

為了解決這些挑戰，ERGO Hestia 與 Databricks 緊密合作，將定價引擎的核心組件遷移到湖倉一體架構。新架構以 Lakebase 作為在線特徵存儲，通過 Mosaic AI Model Serving 端點直接向定價引擎提供 API 訪問，完全消除了外部數據庫和適配層。Unity Catalog 統一了數據和模型的管理，確保了從訓練數據到生產模型的完整可追溯性，滿足了監管要求。

遷移過程採用分階段策略以降低風險。第一階段（概念驗證，1-3周）在有限的數據端點上驗證了架構，測試顯示在每秒 40 個請求的高負載下，延遲僅為 20 毫秒，CPU 利用率低於 5%。第二階段（生產部署，3-6周）從低關鍵性端點開始，逐步擴展到核心系統。第三階段（流量拆分）將一半客户流量路由到新系統，在實際生產環境中驗證了架構的穩定性和性能。整個遷移過程對客户零影響。

業務成果顯著：模型上市時間從數週縮短到數天，運營複雜性大幅降低，因為不再需要維護外部數據庫和自定義中間件。Unity Catalog 提供了自動化的審計軌跡和版本控制，確保了合規性。定價團隊現在可以直接在 Databricks 生態系統中迭代模型，並實時響應市場變化，將定價從 IT 瓶頸轉變為戰略增長引擎。ERGO Hestia 的這一實踐展示了湖倉一體架構在實時決策場景中的巨大潛力，為金融保險行業提供了可參考的現代化路徑。