Under kølerhjelmen hos MobilePay: Cowboy-analytikere og Excel-ark, der crasher

I 2015 står MobilePay ved en kritisk skillevej.

Den ellers støt stigende kurve af brugere begynder at flade ud, løsningen er på vej ind i både fysiske og online-butikker, og cheferne i Danske Bank kræver bedre og flere analyser af data fra app’en, der på få måneder har snuppet et helt marked for mobilbetaling bag om ryggen på konkurrenterne.

Alt imens forsøger analytikere i den selvstændige MobilePay-organisation at følge med.

Processen med at udnytte og analysere MobilePays data har langtfra været problemfri, viser et bachelorprojekt fra ITU, der giver et sjældent indblik i MobilePays maskinrum – nærmere bestemt afdelingen Operational Excellence, der står for business intelligence i betalingsløsningen.

»På det her tidspunkt har MobilePay kun eksisteret i halvandet år,« fortæller Kim Fuglsang, der er leder af afdelingen, til Version2.

»Det er en drøm for enhver forretning at se stigninger uge for uge, dag for dag. Og der er det vigtigt, at det ikke får en til at gå i stå.«

Chefer skriger på statusopdateringer

Af samme grund er mange på dette tidspunkt interesseret i, hvad MobilePays brugerdata siger om kundebasen, for at finde ud af, hvor udviklingskræfterne skal sættes ind. Men de data har MobilePays analytikere kun begrænset adgang til.

At »eksportere data fra systemer og mainframe er en ressourcetung tung opgave – det vil sige, det kan tage adskillige måneder at trække kundedata ud for et år, fordi jobbet med at ekstrahere data skal planlægges mellem mange andre jobs«, forklarer rapporten.

MobilePay er nemlig – for at spare tid – bygget oven på Danske Banks infrastruktur. Og her er afdelingen, der drifter hele bankens mobile økosystem, påpasselig med at give adgang til produktionsmiljøet, fordi »‘selv de mest simple og små ændringer i systemet kan have kritiske konsekvenser.«

Danske Banks BI-afdeling tilbyder at bygge et datawarehouse, men når analytikerne spørger, hvornår de kan få adgang til tal lyder svaret, ‘en gang i september’.

»Det er ikke fordi vi ikke vil have en fin datamodel, hvor alting kører som et urværk,« fortæller en kilde i rapporten.

»Vi kan bare ikke vente. Jeg mener, med chefer hele vejen op, der bare skriger på statusopdateringer,« fortæller en kilde i rapporten.

Lovløse

Løsningen bliver hurtig og beskidt: En fasttrack-løsning, der kopierer rå, umodelleret MobilePay-data ud af produktionsmiljøet uden kvalitetstjeks.

Hent Profilanalysen og årets ranglister

Profilanalysen 2023

Hos Danske Banks BI-afdeling er man bestemt ikke er tilfredse med fremgangsmåden. Her døbes det cowboy-stilen, fordi analytikerne opfører sig som lovløse, der tager genveje og bryder reglerne, uddyber rapporten.

Kim Fuglsang beskriver episoden mindre dramatisk, men bekræfter at det forkromede datawarehouse, som var BI-afdelingens ide om en løsning, på ingen måde passede med, hvad analyseholdet havde brug for.

»Udfordringen er, at det tager lang tid at lave et sådan system,« siger han til Version2 og fortsætter:

»Oven i vidste vi ikke på det her tidspunkt, hvilke analyser vi havde brug for – det ændrede sig hver uge.«

Eller som en kilde i rapporten formulerer det:

»De bygger en limousine, når det eneste vi har brug for er en cykel.«

Excel-ark i arv

Et andet modsvar på manglende dataadgang kom i form af en såkaldt Excel-workbook, der har 20-30 Excel-ark med flere hundrede tusind datarækker. I filen findes en SQL-query, der henter ustruktureret data fra produktionsmiljøet.

Opgaven med at lave den rå data om til analyser ligger hos en studentermedhjælper, der har arvet Excel-filen fra tidligere ansatte. Arbejdet er besværliggjort af, at filens størrelse betyder at Excel crasher, når man ‘leger med data’, fremgår det af ITU-projektet.

Sponseret indhold

Webinar: Det er ikke nok at sikkerhedskopiere din data

It-sikkerhed

»Frem for at bygge et system, hvor vi kunne få nye data hvert kvartal, så satte vi en person til lave engangs-analyser og løbende justere dataudtrækket,« forklarer Kim Fuglsang til Version2.

Det hele skete i fuld dialog med IT, understreger han.

»Når du har med transaktionsdata at gøre, er det ikke hvem som helst, der får adgang til produktionsmiljø. Og det skal ske på et tidspunkt, hvor der ikke er maksimal pres på produktionsmiljøet.«

Analyseholdet har desuden haft en jurist på fuldtid tilknyttet, for at sikre sig, at analyserne holdt sig inden for reguleringen, fortæller ITU-rapporten.

Høj intensitet

Startup-mentaliteten og ad-hoc-tilgangen var en ‘integral del af MobilePays hurtige udvikling og korte time-to-market’ – men skabte i sidste ende ‘problemer med dataprocesserne’, konkluderer ITU-projektet blandt andet.

Sponseret indhold

Når Hasse trækker i kedeldragten, kan du være sikker på, at han er i gang med at optimere fabriksgulvet

Smart Factory

Kim Fuglsang fortæller da også i rapporten, at man ikke så længere end tre måneder frem.

»Det er høj intensitet,« uddyber Kim Fuglsang over for Version2.

»Du sidder udvikler, forretningsfolk og analytikere tæt sammen. Frem for, at analytikeren laver en analyse, og kommer tilbage ugen efter, så sidder man sammen og spørger: hvad siger de her tal dig. Det er også sådan hele udviklingen af MobilePay har fungeret,« beretter han.

Afdelingslederen kan også godt se, hvorfor den strategi kan give gnidninger, når den møder bankens IT- og analysefolk:

»Når du laver analyse på en forretning, der har kørt igennem mange år, så har du en lang historik, du skal trække læring ud af. Det har vi ikke i MobilePay. Vi har brug for analyser, som ikke bare beskriver verden i dag, men også hvordan den kan blive.«

Et fundament, vi ikke havde før

Siden de studerende udførte deres interviews har bank og ‘startup’ fået mere fælles fodslag, fortæller Kim Fuglsang.

»Business Intelligence fik en bedre forståelse for, hvordan vi arbejder, og hvorfor et klassisk datawarehouse ikke var godt nok. Vi blev også klogere på, hvorfor ‘man ikke bare lige’ kunne gøre, som vi gerne ville.«

En del af de faste analyser er i dag blevet automatiseret, tilføjer Kim Fuglsang.

»Så vi har et fundament nu, og det havde vi ikke før. Og så kan vi bruge den kreative analytiker til nye ting,« siger han og fortsætter:

»I takt med at MobilePay vokser, stiller det større og større krav. Og den del af vores analytics-arbejde, der ligger fast vokser. Vi er meget opmærksomme på, at det ikke skal ske på bekostning af agiliteten på toppen.«

Hvordan sikrer man det?

»Man skal være meget opmærksomme på hvornår man diskuterer det ene og hvornår man diskuterer det andet. Når du bygger ting op hurtigt, så tager du nogle fravalg, og laver det der kaldes et minimum viable product. Hver gang vi tager hul på en opgave skal vi være klar over, om vi bygger kernen mere solid eller prøver noget helt nyt, og hvilke fravalg vi tager undervejs.«