Wildlife Studios prioriza dados para fazer e distribuir games

A empresa de jogos mobile Wildlife Studios tem nos cientistas e engenheiros de dados profissionais essenciais ao negócio. Afinal, como Caio Nascimento, que responde pela aquisição de talentos para cientista de dados e engenharia de aprendizado de máquina, ressaltou, a Wildlife desde o seu berço está direcionada a dados. Em dezembro, a empresa criada pelos irmãos Victor e Arthur Lazarte estava avaliada em US$ 1,3 bilhão após rodada de investimentos liderada pelo fundo norte-americano Benchmark Capital.

“Quase todas as decisões importantes que tomamos aqui sobre desenvolvimento de nossos jogos, caminhos estratégicos a seguir, onde alocamos recursos de marketing são, de alguma maneira, influenciada pela disciplina de data Science”, diz. A área de ciência de dados na Wildlife trabalha com dois pilares estratégicos: um é desenvolvendo jogos e outro é distribuindo jogos, fazendo-os chegar a todas as telas e a todas as pessoas do mundo.

“Ao desenvolver jogos queremos saber qual é o padrão de comportamento dos usuários para que possamos priorizar melhor as features e adicioná-las aos jogos. Também queremos entender como criar experiência para os usuários, como fazer ofertas personalizadas dentro dos jogos”, exemplifica. Os jogos são grátis, por isto, entender o comportamento do usuário e ao que ele estaria disposto a consumir é fundamental, por exemplo, para inserir anúncios ou para monetizar com comprar dentro do aplicativo.

No Brasil, a empresa tem um quadro de perto de 500 colaboradores e, somando o contingente de fora do país, são 700 funcionários. A Wildlife Studios conta com escritórios em Buenos Aires, Dublin, São Paulo, São Francisco, Orange County e Palo Alto; e a sede fica em São Paulo. Do total, o time de data science chega a umas 40 pessoas.

“Aqui buscamos cientista de dados full stack, ou seja, generalista. Uma pessoa que consegue tocar em todos os pontos de projetos de machine learning, desde a definição da pergunta, definição do problema, criação da estratégia de como atacar o problema, levantamento das hipóteses e experimentos para validá-las até as tomadas de decisão. Toda pergunta leva a uma resposta que gera impacto nos negócios e valorizamos alguém que possa pegar todo este fluxo”, detalha Caio Nascimento.

Busca complexa

Contudo, encontrar um profissional com esse perfil é difícil. “Geralmente, as pessoas têm qualidades que apontam para um ou outro lado. Ou a mente é muito voltada à modelagem ou a pessoa tem viés bastante programático, pensando em modelos e como escalá-los ou é alguém mais para engenharia. E nós queremos pessoas que consigam fazer tudo”, explica.

Outro desafio, segundo ele, é entender que predições podem se tornar obsoletas muito rapidamente, mas modelos de machine e deep learning, ou seja, de aprendizado profundo, estão evoluindo na esteira da maior capacidade computacional. Quanto mais dados se conseguem processar, mais complexo é o cenário. “Percebo, nos últimos dois anos, que a gente prioriza os nossos problemas pelo valor que achamos que responder às perguntas vai trazer para os negócios. E atacamos as perguntas que têm maior valor agregado para os negócios”, explica.

Nascimento relata que, com a expansão do time de data science, foi possível ampliar o leque de problemas para serem endereçados e incluir projetos mais complexos. “Problemas que são essenciais para o core dos negócios estão sendo endereçados e tem muita coisa, não apenas em desenvolvimento e distribuição de jogos, mas expandindo o uso para outras áreas como para finanças, RH”, diz, explicando que isto ocorre com o amadurecimento do entendimento da ciência de dados.