Jak využít data ke stvoření skvělé TV show

Vede sbírání více dat k lepším rozhodnutím? Soupeřivé, v datech zběhlé firmy jako Amazon, Google a Netflix zjistily, že datová analýza nemusí vždycky vyprodukovat optimální výsledky. V této přednášce rozebírá Sebastian Wernicke, vědec zabývající se daty, proč je špatné spoléhat se při rozhodování pouze na data a nabízí inteligentnější způsob jejich využití.

Roy Price je muž, o kterém
většina z vás nikdy neslyšela,

přestože jste možná díky němu

strávili 19.dubna 2013
22 minut tak nějak podprůměrně.

Možná někteří z vás díky němu strávili
22 minut života velmi zábavně,

ale nejspíš už ne tolik z vás.

A toto všechno díky rozhodnutí,

které Roy musel udělat.

Roy Price je vedoucí pracovník
v Amazon Studios,

což je firma Amazonu
zaměřená na TV produkci.

Je mu 47, je štíhlý, má zježené vlasy,

popisuje se na Twitteru takto:
"filmy, TV, technologie, tacos."

A Roy Price má velmi zodpovědnou práci,
protože jeho zodpovědností je

vybrat pořady, které pak
Amazon natočí.

A to je samozřejmě vysoce
konkurenční oblast.

Vezměte si, kolik televizních seriálů
již bylo natočeno.

Roy proto nemůže vybrat
jen tak nějaký seriál.

Musí najít seriál,
který je vážně, vážně skvělý.

Jinými slovy, musí najít seriály,

které by byly na úplném
konci tady této křivky.

Ta křivka značí rozmístění
asi 2500 TV seriálů na IMDB

podle jejich hodnocení,

které je od 1 do 10,

a výška tady ukazuje, kolik
seriálů toho hodnocení dosáhlo.

Takže váš seriál vyhrává,
jestliže dostane 9 nebo více bodů.

Pak máte show v horních 2 %.

To jsou seriály jako "Perníkový táta",
"Hra o trůny", "The Wire",

všechny takové ty návykové seriály,

u kterých vám mozek po zhlédnutí
série v podstatě říká:

"Kde seženu další epizody?"

Takový typ seriálu.

Jen pro ujasnění, na levé straně,
tady na konci,

se nachází show nazvaná
Toddlers and Tiaras (Batolata a čelenky) -

(smích)

- což by mělo dost vypovídat o tom,

co se děje na konci té křivky.

Teď, Roy Price se nebojí toho,
že by se mohl dostat na levý konec křivky,

protože si myslím,
že k trumfnutí "Batolat a čelenek"

musíte mít opravdu ohromnou inteligenci.

To, co jej znervózňuje je ta
výduť tady uprostřed,

výduť průměrné televize,

takové ty seriály, které nejsou
ani dobré ani špatné,

které vás tak moc nenadchnou.

On si potřebuje zajistit, aby se jeho show
dostala úplně na pravý konec křivky.

Takže je pod tlakem,

a také je to samozřejmě poprvé,

co Amazon zkouší něco takového,

takže Roy Price nechce riskovat.

Chce sestrojit úspěch.

Potřebuje garantovaný úspěch,

a tak uspořádá soutěž.

Takže vezme pár nápadů na TV seriály,

a po zvážení z nich

vyberou osm kandidátů na TV seriály.

Pak natočí jen první epizodu
každého z těchto seriálů

a dají je pro všechny zadarmo na internet.

A když Amazon rozdává věci zadarmo,

tak to vezmete, ne?

A tak milióny diváku
sledují tyto epizody.

To, co ale neví, je,
že zatímco sledují tyto epizody,

jsou sami sledováni.

Sleduje je Roy Price a jeho tým,

a vše zaznamenávají.

Zaznamenávají, když někdo zmáčkne přehrát,
když někdo video pozastaví,

které části lidé přeskakují
a které sledují znova.

Takže shromažďují milióny dat,

protože chtějí ta data,

aby pak mohli rozhodnout,
který seriál natočit.

A tak jsou tedy data shromážděna,

zanalyzována, a pak se objeví odpověď,

a ta odpověď je:

"Amazon by měl udělat sitcom
o čtyřech republikánských senátorech."

Oni to natočili.

Zná teda někdo jméno toho seriálu?

(obecenstvo: "Alpha House.")

Ano, "Alpha House."

Ale nezdá se, že by si mnoho
z vás pamatovalo ten seriál,

protože to nakonec nebylo tak skvělé.

Ve skutečnosti je to průměrný seriál,

a to doslova, protože průměr
na křivce je tady na 7,4

a "Alpha House" se umístil na 7,5,

takže jen kousek nad průměrem,

kam ale určitě Roy Price
a jeho tým nemířili.

Ale zhruba ve stejnou dobu,

v jiné společnosti,

dokázal jiný vedoucí provést
skvělou ukázku použití analýzy dat,

a jeho jméno je Ted,

Ted Sarandos, což je
vedoucí oddělení obsahu v Netflixu

a ten je stejně jako Roy
na neustálé misi,

kterou je nalezení skvělé show,

a také k tomu používá data,

jen trochu jiným způsobem.

Místo uspořádání soutěže,
on a jeho tým

prohlédli všechna ta data,
co už měli o uživatelích Netflixu,

třeba jak hodnotili různé filmy,

historie zhlédnutých filmů,
co mají lidé rádi atd.

A pak ta data použili

k zjištění všeho možného o svém publiku:

jaké typy seriálů se jim líbí,

jací producenti, jací herci.

Když měli všechny kousky po hromadě,

udělali skok do neznáma,

a rozhodli se podpořit něco,

co nebyl sitcom o čtyřech senátorech,

nýbrž drama o jediném senátorovi.

Znáte ten seriál?

(smích)

Ano, "House of Cards" a Netflix
s tou show pořádně zaválel,

aspoň teda s prvními dvěma sériemi.

(smích)
(potlesk)

"House of Cards" dostal
na této křivce hodnocení 9,1,

takže je přesně tam,
kde jej chtěli mít.

A teď se tady skýtá otázka,
co se to vlastně stalo?

Máme dvě velmi soupeřivé,
v datech zběhlé společnosti.

Spojí dohromady všechny ty milióny dat,

a pak to funguje hladce
jenom pro jednu z nich,

zatímco pro tu druhou to nefunguje.

Takže proč?

Logika říká, že by to
mělo fungovat vždycky.

Když sesbíráte taková kvanta dat,

abyste udělali nějaké rozhodnutí,

pak by vám to mělo přece
celkem dobře vyjít, ne?

Máte 200 let statistik
na které se spoléháte.

Vyhodnocujete všechno s pomocí
vysoce výkonných počítačů.

To byste mohli očekávat
alespoň slušný seriál, že?

A pokud takhle datová analýza nefunguje,

pak to začíná být celkem děsivé,

protože žijeme v době,
kdy se na data stále více a více obracíme,

aby nám pomohla učinit velmi závažná
rozhodnutí, daleko závažnější než v TV.

Znáte někdo společnost
Multi-Health Systems?

Nikdo, OK, to je vlastně dobře.

Dobře, takže Multi-Health System
je softwarová společnost,

a já doufám, že se s jejich softwarem
nesetkal nikdo z této místnosti,

protože kdyby ano,
tak by byl ve vězení.

(smích)

Protože když někdo v USA ve vězení
požádá o propuštění na podmínku,

pak je velmi pravděpodobné, že software
pro datovou analýzu té společnosti

bude použit k rozhodnutí,
jestli jej pustí.

Takže to je ten samý princip jako
u Amazonu a Netflixu,

Ale namísto určování,
jestli bude seriál špatný nebo dobrý,

teď rozhoduje, jestli bude
člověk špatný nebo dobrý.

A podprůměrný 22 minutový TV program,
to může být celkem zlé,

ale řekl bych, že další roky ve
vězení by byly daleko horší.

A naneštěstí existuje evidence,
že tyto datové analýzy

neprodukují vždycky optimální výsledky,
přestože mají spousty dat.

A to ne kvůli tomu,
že by firmy jako Multi-Health Systems

nevěděly, co dělat s daty.

I ty nejchytřejší
datové firmy se někdy zmýlí.

Ano, dokonce i Google se občas splete.

V roce 2009 Google prohlásil,
že jsou schopni pomocí datové analýzy

předvídat vypuknutí chřipky tím,

že zanalyzují své vyhledávání.

Fungovalo to krásně
a byl z toho obří poprask v médiích,

dokonce to dosáhlo
vrcholu vědeckého úspěchu:

zveřejnění v časopisu "Nature."

Rok za rokem to vše krásně fungovalo,

ale pak se to najednou pokazilo.

Nikdo nemohl říct, proč přesně.

Prostě to ten rok nefungovalo.

Samozřejmě se to zase dostalo do zpráv

a pak následovalo stažení publikace
z časopisu "Nature."

Takže i ty nejvyspělejší firmy
v oblasti dat, Amazon a Google,

to někdy spočítají špatně.

A i přes všechna tato selhání

se velká data rychle přesouvají do
rozhodovacích procesů každodenního života:

na pracoviště,

vymáhání práva,

do medicíny.

Takže bychom si radši měli být jisti,
že ta data opravdu pomáhají.

Nedávno jsem viděl
spousty těchto potíží s daty,

protože pracuji ve výpočetní genetice,

což je obor, ve kterém
hodně velmi chytrých lidí

používá nepředstavitelná kvanta dat
k rozhodování o tak vážných věcech,

jako je rakovinová terapie
nebo vývoj léků.

A za ty roky
jsem našel určitý vzor,

či pravidlo,

v rozdílu mezi úspěšným a neúspěšným

rozhodnutím podle dat.

A tento vzor pokládám za hodný sdílení,
a pracuje to zhruba takhle:

Kdykoliv řešíte komplexní problém,

děláte v podstatě dvě věci.

Nejprve problém rozeberete
na malé kousky a části,

abyste poté mohli tyto kousky
důkladně zanalyzovat,

a pak uděláte, samozřejmě, tu druhou část.

Dáte to všechno zase dohromady,

abyste mohli dojít k závěru.

A někdy to musíte udělat znova a znova,

ale pořád děláte tyto dvě věci:

rozkládáte a znova skládáte.

A je důležité vědět,

že data a datová analýza

jsou dobré jen pro tu první část.

Data a datová analýza,
jakkoliv silné,

vám pomůžou pouze rozebrat problém
a pochopit jeho kousky.

Nejsou stvořeny pro skládání
kousků zpět dohromady

a k vytvoření nějakého závěru.

Na to je jiný nástroj,
který máme všichni,

a tím nástrojem je mozek.

Mozek vyniká v tom, že dokáže

poskládat kousky zpět dohromady,

i když nemá kompletní informace,

a dojít správnému závěru,

zvláště je-li to mozek experta.

A proto byl dle mého názoru
Netflix tak úspěšný.

Protože používají data i hlavu tam,
kam v procesu patří.

Používají data ke zjišťování
drobností o jejich publiku,

které by jinak nemohli
pochopit do takové hloubky.

Ale konečné rozhodnutí,
že to všechno zase vezmou

a seskládají a vydají seriál
jako "House of Cards,"

to už nebylo na datech.

Ted Sarantos s jeho týmem rozhodl,
že ten seriál budou licencovat,

což také mimochodem znamenalo,

že s tím rozhodnutím
na sebe vzali celkem velký risk.

Na druhou stranu v Amazonu
to vzali za špatný konec.

Používali data v celém
rozhodovacím procesu.

Nejprve vyhlásili soutěž nápadů,

z které si pak vybrali "Alpha House."

To pro ně bylo samozřejmě
velmi bezpečné rozhodnutí,

protože vždy mohli
poukázat na data a říct:

"Toto nám tvrdila data."

Ale nevedlo to k výjimečným výsledkům,
ve které doufali.

Takže data jsou samozřejmě velmi mocným
nástrojem pro zlepšení rozhodování,

ale věřím, že věci začnou jít špatně,

když necháme data
udělat ta rozhodnutí celé.

Ať jsou data jakkoliv mocná,
stále jsou pouhým nástrojem,

a k zapamatování si tohoto faktu
je dobré toto malé zařízení.

Mnoho z vás bude znát...

(smích)

před vynalezením dat
se rozhodovalo podle tohoto zařízení

(smích)

Mnoho z vás to bude znát.

Tato hračka se nazývá Magic 8 Ball,

a je opravdu úžasná,

protože když se musíte
rozhodnout mezi ano a ne,

všechno, co musíte udělat je zatřást
tou koulí, a pak dostanete odpověď -

"S největší pravděpodobností"
- tady, takřka ihned.

Budu to tu mít později
na ukázku technologie.

(smích)

No, a teď, samozřejmě -
udělal jsem v životě rozhodnutí,

kdy jsem měl prostě poslechnout tu kouli,
když se tak teď dívám zpět.

Ale to víte, kdybyste měli ta data,

rádi byste toto vyměnili
za něco mnohem sofistikovanějšího,

třeba za datovou analýzu,
pro lepší rozhodnutí.

To ale nemění základní princip.

Ta koule může být čím dál chytřejší,

ale podle mě, se musíme
rozhodnout my sami,

pokud chceme dosáhnout něčeho skvělého

na pravém konci křivky.

A myslím si, že je velmi
povzbudivou zprávou,

že i tváří v tvář
takovému množství dat,

se stále vyplatí činit rozhodnutí,

být expertem v tom, co děláte,

a riskovat.

Protože to nakonec nejsou data,
co vás dostane na pravý konec křivky,

jsou to risky.

Děkuji vám.

(potlesk)