Feature Store

Feature Store adalah lapisan infrastruktur yang berfungsi sebagai repositori terpusat untuk fitur machine learning - mengatasi masalah duplikasi, inkonsistensi, dan kesulitan sharing fitur antara tim dan antara training dan serving.

Masalah yang Dipecahkan Feature Store

Tanpa Feature Store, tim ML sering menghadapi:

• Setiap tim menghitung fitur yang sama secara independen → duplikasi kerja
• Fitur training dihitung berbeda dari fitur serving → training-serving skew
• Tidak ada katalog fitur → tidak tahu fitur mana yang sudah ada
• Fitur sulit di-reuse antar model → lambat iterasi

Online vs Offline Feature Store

Aspek	Offline Feature Store	Online Feature Store
Storage	Data Warehouse / Data Lake	Low-latency store (Redis, DynamoDB)
Latency	Menit - jam	Milidetik
Throughput	Sangat tinggi (batch)	Ribuan QPS
Penggunaan	Training model	Real-time inference
Contoh data	Fitur historis 12 bulan	Fitur paling baru pelanggan

Arsitektur Feature Store

Alur data dalam Feature Store:

1. Sumber Data (DB, Event Stream)
2. Feature Computation (dbt, Spark, Python)
3. Feature Store (Feast, Tecton, Vertex AI)
   • Offline Store → untuk training model
   • Online Store → untuk serving real-time (<10ms)

Fitur yang Baik untuk Feature Store

• Reusable: dapat digunakan oleh lebih dari satu model
• Stable: tidak berubah definisi terlalu sering
• Documented: ada deskripsi, owner, dan SLA
• Versioned: perubahan fitur dapat dilacak