Matas opretter egen data science-afdeling: Løftet fra hyldevarerne holdt ikke
AI-modeller ender alt for ofte som engangsfornøjelser, mener Matas, der er færdig med standardmodeller. Det fortæller head of data science Shumail Ahmed.
Når leverandører præsenterer deres standardmodeller, er forventningerne høje - men resultaterne holder ikke praksis, hvor kompleksiteten både udhuler modellens ydelse og fordelen ved at vælge en hyldevare.
Sådan lyder oplevelsen hos Matas, der i det seneste år har etableret egen data science-afdeling og oprustet på business intelligence for at udvikle og drifte analysemodeller selv.
»Løftet fra standardsystemerne holdt ikke,« forklarer Shumail Ahmed, head of development og data science hos Matas.
»Udbyderne fortæller, at det bare kan sluttes til og bruges inden for få måneder. Men med den kompleksitet, der er i vores sortiment, katalog, kampagner, lovgivning og en masse andet, så tager de så lang tid at komme i gang, at man ikke får værdien af kort time-to-market. Samtidig er man bundet af det, produktet kan,« siger Shumail Ahmed og fortsætter:
»Derfor begyndte vi at tænke på, om vi selv kunne lave noget bedre for de penge, vi ellers skulle give til en udbyder.«
Prøv Tech Management GRATIS i en måned her
Egen model slog standardløsning
Historisk har forretningsanalytikere hos Matas udviklet kundesegmentering med mere ud fra standardmodeller, men for at udvikle selskabets digitale platforme - inklusive avancerede analysemodeller - har Matas været afhængig af leverandører og forskellige konsulenthuse. Efter at have taget mere af det arbejde hjem, er det tydeligt for Shumail Ahmed, at skræddersyede data science-projekter er vejen frem, hvis potentialet skal forløses.
Det gælder for eksempel for Matas' recommendation engine, der på tværs af app, webshop, nyhedsbrev og fysisk butik skal anbefale produkter til kunder.
»Når vi laver de her tests af algoritmer, har vi altid en kontrolgruppe. Så en delmængde af kunder får anbefalinger med den nye model, og den del får anbefalinger efter et andet system. Og hos dem, der har fået anbefalinger fra vores egen model, er konverteringen to til fem gange så høj,« fortæller Shumail Ahmed.
Modellen, som er bygget af Matas' data science-afdeling, blev blandt testet mod tidligere brugte standardmodeller, og mod en metode, der er styret af forretningsregler. Begge så sig solidt slået af den hjemmebyggede model.
»Der findes rigtig mange udbydere, men der er meget forskel på den type data, man ligger ind med. Vi har også en meget andet data ved siden. Vi har kunder, der deltager i begivenheder i butikkerne, og vi har medarbejdere, der giver anbefalinger til kunder, som vi også kan tage med som input. Og det er noget, som mange standardsystemer ikke er bygget til at kunne tage med,« siger Shumail Ahmed.
Foruden en recommendation engine har Matas data science-hold blandt andet udviklet modeller til såkaldt send time-optimering - for at finde det ideelle tidspunkt for hver kunde til at modtage mail - og til beregning af priselasticitet til konceptet 'Fast lav pris'.
Platform skal gøre det nemt
Matas' nye data science-afdeling - der p.t. tæller to data scientists og en data engineer - skal ikke udvikle alting selv. Men måden, som eksternt udviklede modeller leveres på, skal ændres, understreger Shumail Ahmed.
»Der er en erkendelse hos mange leverandører, at det de laver mange gange bliver en engangsøvelse, hvor det bliver brugt af forretningen en gang, men derefter aldrig bliver holdt ved lige,« siger han.
Den tendens er uholdbar, og heller ikke i leverandørernes interesse, understreger Shumail Ahmed.
»Vi kommer ikke til at lave noget, der er one-off. Alt, vi får leveret, skal være noget, vi kan videreudvikle og drifte. Så i stedet for færdige løsninger er det langt mere custom-udvikling, som er lavet for os og med os.«
På it-fronten har det betyder, at it-afdelingen har måttet skabe en platform, der faciliterer, at Matas griber bolden, når eksterne leverandører leverer. Valget er faldet på analytics-platformen Databricks.
»Vi har forsøgt at lave en platform, der er attraktiv for de fleste, så de ikke skal lære en ny teknologi eller udvikle anderledes,« siger Shumail Ahmed, der beskriver Databricks som en udvidelse af Apache Spark, hvor man kan udvikle i Python, R , Scala og samtidig har adgang til alle de nødvendige tredjepartsbiblioteker.
»Det er en platform, som gør os i stand til at tage det, der bliver udviklet eksternt, og overtage det. Det vigtige er, at det ikke bliver et standardprodukt, vi tager ned fra hylden, men at det er udviklet til os og til vores miljø.«
Prøv Tech Management GRATIS i en måned her
Trial and error
Ifølge Shumail Ahmed er selskabet fortsat ved at komme frem til formen på data science-arbejdet hos Matas.
»I softwareudviklingen har vi været meget glad for scrum. Når det drejer sig om vores data science-projekter, har det været meget trial end error,« siger han.
»Vi bruger Git til versionsstyring af Notebooks. Når vi har en trænet model eller et andet data-produkt, så er det en leverance til en DevOps-rolle, der skal sikre deployment, drift og tracking af modellen samt at der er f.eks. ikke er access keys i en notebook.«
Til versionsstyring af ML-modeller bruger afdelingen MLflow, et framework til at registrere og monitorere forskellige modeller.
»Så hvis vi har forskellige versioner af den samme model med forskellige hyper-parametre, kan vi sammenligne performance over de forskellige variationer,« forklarer Shumail Ahmed.
»Vi er ikke i mål, men vi har gjort os umage med at prøve at få de udviklingsprincipper, som kan overføres, med os for at sikre agilitet og driftstabilitet.«
Som tak for din interesse Du kan gratis få: Tilmeld dig via dette link, og start din prøve i dag.
