Spiludvikler genstartede BI: Vi havde behov for at blive voksne

Onlinespillet World Of Tanks har fået millioner af brugere verden over til at bekrige hinanden i virtuelle kampvogne. I 2014 vandt spilselskabet bag – Wargaming – D.I.C.E-prisen som året onlinespil. Og siden spillet udkom i 2010, er Wargaming vokset fra få hundrede mennesker i et kontor i Minsk, til at tælle næsten 5.000 mennesker på verdensplan.

Man kunne let tro et sådan selskab, med de ekstreme datamængder som millioner af online-computerspillere genererer, ville have en robust Business Intelligence-strategi.

Men det var langtfra tilfældet for få år siden, fortæller Jonathan Crow, der er Senior Director of Advanced Analytics and Business Intelligence i Wargaming.

Et spilselskab som Wargaming går på to ben – dem, der laver spil, og dem, der udgiver og sælger det. I begge halvdele af organisationen var der i 2013 ikke meget plads til Business Intelligence.

»Begge dele af organisationen var meget drevet af instinkt og den kreative proces. Så de kunne ikke rigtig interessere sig mindre for BI,« forklarer Jonathan Crow.

I 12 år havde Wargaming, grundlagt af den hviderussiske fysiker Victor Kislyi, produceret videospil uden nogen større succes. Med World Of Tanks kom det globale gennembrud – og med det kom et datakaos med servere og spilstudier over hele verden.

»Kommunikationen begyndte at bryde samme, siloer blev bygget over det hele, og beslutninger blev taget willy-nilly,« forklarer Jonathan Crow.

Wargamings CEO Victor Kislyi så et behov ‘for at blive voksen', at komme tilbage til en enkelt kilde til sandhed, så afdelinger ikke endte i interne diskussioner.

»Det gode ved at arbejde i en virksomhed med en østeuropæisk kultur er, at når CEO’en siger noget, siger alle andre ‘yes, sir’,« bemærker Jonathan Crow.

Spild af penge

Trods den solide opbakning fra CEO’en var tilliden til den nystartede analyseafdeling ikke høj. I de første to år undrede selskabets topledere sig højlydt over, hvorfor man ønskede at spilde så mange penge på Business Intelligence.

»Men vi blev ved med at presse på, og vi arbejdede med mellemledere og hjalp dem med at tage beslutninger, og vise dem data om konsekvenserne af de beslutninger, de tog,« fortæller Jonathan Crow.

Fra laget af mellemledere begyndte forståelsen for dataens værdi at boble op til topledelsen, til det punkt, at der i dag ikke er et bestyrelsesmøde eller et ledermøde, hvor beslutninger bliver truffet, hvor man ikke spørger, hvad Business Intelligence har at sige om sagen.

»Det er et dramatisk kulturskifte,« siger Jonathan Crow.

Tre måneder at sætte model i produktion

Sammen med et hold af data scientists begyndte Crow at opbygge modeller til hele selskabets forretning – fra at opdage snydere i spillet til at forudsige, hvilke spillere der kommer til at falde fra.

Analytikerne arbejdede med R, Python og Java, de værktøjer, de var mest tilpasse med, og lavede velfungerende algoritmer, men produktionstiden var ekstremt langsommelig.

Det tog generelt BI-afdelingen tre måneder at tage en model fra prototype til produktion. På det tidspunkt hyrede selskabet en CRM-specialist, der var vild med modellerne – og ville have dem implementeret på tværs af spiller-segmenter, spil og regioner.

»Vi regnede os frem til, at det med den daværende arkitektur ville tage 6.000 år at føre ud i livet,« bemærker Jonathan Crow.

For at løse problemet så Wargaming på Oracle R Enterprise, der har biblioteker specifikt til at sætte algoritmer i produktion. Men alligevel skulle al management af modellerne scriptes i hånden for at vide, hvornår de skulle gentrænes.

»Vi endte op med at have data scientists, der var nødt til konstant at arbejde og rette til for at sikre, at modellen forblev stabil, i stedet for at bruge tid på at bygge nye modeller,« siger Crow og fortsætter:

»Du kan skalere ved at hyre flere data scientists, men de er dyre. Så på det tidspunkt begyndte vi at ramme muren. Vi kunne sætte få modeller i produktion, men det var ikke holdbart. Vi var nødt til at finde en anden løsning.«

Proof-of-concept gav løftestang

Wargaming undersøgte en række leverandører i jagten på en, der ikke krævede håndskrevne scripts for at skalere og håndtere tusindvis af analysemodeller.

»Når først du har så mange modeller i dit produktionsmiljø, så vil vi gerne undgå at gentræne alle modeller hver uge, fordi vi har begrænsede ressourcer. Så vi er nødt til at være i stand til at vide, hvilke modeller der skal gentrænes og fokusere på dem,« understreger Jonathan Crow.

Valget endte på SAS, selvom dele af ledelsen i første omgang ikke brød sig om prisskiltet. De ville hellere bruge pengene på at hyre flere folk. Jonathan Crow forsikrede dem om, at de ikke behøvede at ‘købe Cadillacen’ med det samme, og de gik med til at finansiere et halvt års proof-of-concept med SAS.

»Det var ikke det, vi havde forestillet os, men i det mindste kunne vi bruge det som løftestang over for ledelsen,« siger Jonathan Crow og fortsætter:

»Vi var i stand til at generere så meget værdi på seks måneder, så da vi kom tilbage til ledelsen havde de intet problem med at skrive under på den større regning for den fulde løsning.«

Holder fast i open source

Overgangen til SAS er stadig i gang. I første omgang fik analytikerne ikke besked på at skifte deres foretrukne open source-miljøer ud med SAS. I stedet forsøgte holdet at oversætte modellerne til SAS og finde de features i SAS, der minder mest om det, modellen allerede foretager sig.

»Generelt fandt vi, at der ikke var det store tab i præcision ved at bruge nogle af de mere traditionelle algoritmer, der eksisterer i SAS.«

Over de seneste seks måneder har Crow og hans kolleger derfor rykket en lang række modeller over i SAS-miljøet. Men samtidig har selskabet implementeret en softwarepakke, der lader analytikerne køre R direkte i SAS.

»Vi har tilpasset løsningen, så de data scientist, der hellere vil udvikle og kode i R, har mulighed for at gøre det, mens vi udnytter SAS til produktion og management-aspektet.«

Jonathan Crow vurderer, at Wargaming langtfra er alene om at have gode analysemodeller, men ringe muligheder for at håndtere dem og bringe dem i spil.

»Det er det punkt, hvor mange virksomheder har en tendens til at komme til kort. De lægger så meget vægt på data scientists, som bygger modellerne, men de glemmer behovet for data engineers, som rent faktisk er dem, der kan hjælpe med at sætte det hele i produktion,« understreger Jonathan Crow.

Artiklen stammer fra Ingeniørens nyeste PRO-medie DataTech, som er målrettet professionelle i såvel private virksomheder som offentlige organisationer, der arbejder med data og analytics.

DataTech sætter fokus på anvendelse af data i en stadig mere digitaliseret verden. Udgivelsen følger danske virksomheder, kommuner og institutioners arbejde og strategier med at skabe mere værdi ud af data.

Du får inspiration, råd og erfaringer om, hvordan du analyserer og udnytter data, hvordan du navigerer ansvarligt og effektivt i junglen af love og regler på området, samt hvordan du udbreder værdien af dataanalyse til alle hjørner af organisationen.

DataTech giver dig viden om de nyeste teknologiske løsninger på tværs af fagområder, markeder og landegrænser. Og er medspiller i en fælles mission om at fostre etisk og sikker brug af data fordel for virksomheder og borgere.