How to use data to make a hit TV show
-
0:01 - 0:05Roy Price er en mand som de fleste af jer
nok aldrig har hørt om, -
0:05 - 0:08selvom han måske er ansvarlig
-
0:08 - 0:15for 22 mere eller mindre middelmådige
minutter af jeres liv den 19. april 2013. -
0:15 - 0:18Han kan også have været ansvarlig for 22
meget underholdende minutter, -
0:18 - 0:20men ikke for særligt mange af jer.
-
0:20 - 0:22Og alt det stammer fra en beslutning
-
0:22 - 0:24som Roy var nød til at tage
omkring tre år siden. -
0:24 - 0:29Ser i, Roy Price
er en overordnet leder hos Amazon Studios. -
0:29 - 0:32Det er Amazons TV produktionsselskab.
-
0:32 - 0:35Han er 47 år gammel, slank, strithår,
-
0:35 - 0:40beskriver sig selv på Twitter
som "film, TV, teknologi, taco." -
0:40 - 0:45Og Roy Price har et meget ansvarsfuldt job,
fordi det er hans ansvar -
0:45 - 0:49at vælge de serier, det originale indhold
som Amazon skal producere. -
0:49 - 0:52Og det er selvfølgelig
et meget konkurrerende miljø. -
0:52 - 0:54Det er jo allerede
så mange TV-serier, -
0:54 - 0:57så Roy kan ikke bare vælge en hvilket som helst serie.
-
0:57 - 1:01Han bliver nød til at finde serier
som er rigtig, rigtig gode. -
1:01 - 1:04Med andre ord, skal han finde serier
-
1:04 - 1:06som er helt til højre på denne kurve her.
-
1:06 - 1:09Denne kurve her er
fordeling af bedømmelser -
1:09 - 1:13af omkring 2.500 TV serier
på hjemmesiden IMDB, -
1:13 - 1:16og bedømmelserne går fra et til 10,
-
1:16 - 1:19og højden her viser hvor mange serier
der får den bedømmelse. -
1:19 - 1:24Så hvis din serie får en bedømmelse på
ni point eller højere er det en vinder. -
1:24 - 1:25Så har du en top to procent serie.
-
1:26 - 1:29Det er serier som "Breaking Bad,"
"Game of Thrones," "The Wire," -
1:29 - 1:32Altså alle de her serier
som er vanedannende, -
1:32 - 1:35hvor når du har set en sæson,
siger din hjerne bare, -
1:35 - 1:37"Hvor kan jeg få flere af de her afsnit?"
-
1:37 - 1:38Den slags serier.
-
1:39 - 1:41På venstre side, for at gøre det klart,
i den her side, -
1:41 - 1:45er der serier som hedder
"Toddlers and Tiaras" - -
1:45 - 1:47(Latter)
-
1:47 - 1:49- hvilket burde sige det hele
-
1:49 - 1:51omkring hvad der sker i den ende
af kurven. -
1:51 - 1:55Roy Price er ikke bekymret for at ende
på den venstre side af kurven, -
1:55 - 1:58fordi jeg tror at du virkelig
skal have noget tankevirksomhed -
1:58 - 2:00for at komme under
"Toddlers and Tiaras." -
2:00 - 2:04Så det han er bekymret omkring
er bulen her i midten, -
2:04 - 2:06bulen med gennemsnitlig TV,
-
2:06 - 2:09I ved, den slags serier som ikke er
rigtig gode eller rigtig dårlige -
2:09 - 2:10- de begejstrer ikke rigtig.
-
2:10 - 2:15Så han bliver nød til at sikre sig,
at han er på den rigtige side af denne. -
2:15 - 2:17Så der er pres på,
-
2:17 - 2:19og det er selvfølgelig også første gang,
-
2:19 - 2:21at Amazon overhovedet laver sådan noget,
-
2:21 - 2:25så Roy Price vil ikke tage nogle chancer.
-
2:25 - 2:27Han vil skabe succes.
-
2:27 - 2:29Han har brug for en garanteret succes,
-
2:29 - 2:31og derfor afholder han en konkurrence.
-
2:31 - 2:35Han tager en bunke idéer til TV-serier
-
2:35 - 2:37og gennem en evaluering af de idéer
-
2:37 - 2:41bliver otte kandidater til TV-serier valgt
-
2:41 - 2:44og så laver han kun den
første episode til hver serie -
2:44 - 2:47og lægger dem online
så alle kan se dem gratis. -
2:47 - 2:50Og når Amazon giver dig noget gratis
-
2:50 - 2:51så tager du imod det, ikke?
-
2:51 - 2:56Så millioner af seere ser disse episoder.
-
2:56 - 3:00Hvad de ikke indser er
at mens de ser deres serie -
3:00 - 3:02bliver de faktisk selv iagttaget.
-
3:02 - 3:04De bliver iagttaget af Roy Price
og hans hold -
3:04 - 3:06som optager alting,
-
3:06 - 3:09De optager når nogen trykker play.
når nogen trykker pause, -
3:09 - 3:12hvilke dele de springer over,
hvilke dele de ser igen. -
3:12 - 3:14Så de samler millioner af data point,
-
3:14 - 3:16fordi de vil have de data point
-
3:16 - 3:19til når de skal beslutte hvilken serie de vil lave.
-
3:19 - 3:21Som sagt så gjort,
de samlede al data, -
3:21 - 3:24de analyserede denne
og et svar dukkede op, -
3:24 - 3:25og det svar er,
-
3:25 - 3:30"Amazon bør lave en komedieserie
om fire republikanske senatorer." -
3:30 - 3:32De lavede den serie.
-
3:32 - 3:34Er der nogen der kender navnet på den serie?
-
3:35 - 3:36(Publikum: "Alpha House.")
-
3:36 - 3:37Ja, "Alpha House,"
-
3:38 - 3:42men det virker som om der ikke er så
mange af jer som faktisk husker den serie, -
3:42 - 3:43fordi den endte med ikke
at blive så god. -
3:44 - 3:45Det er faktisk kun
en gennemsnitlig serie -
3:45 - 3:50endda bogstavelig talt,
fordi gennemsnittet på denne kurve er 7,4 -
3:50 - 3:52og "Alpha House" er på 7,5,
-
3:52 - 3:54så en lige over gennemsnittet serie,
-
3:54 - 3:57men helt sikkert ikke hvad Roy Price
og hans hold gik efter. -
3:58 - 4:01I mellemtiden,
-
4:01 - 4:03i et andet firma,
-
4:03 - 4:07lykkedes det en anden leder at skaffe en
top serie ved hjælp af data analysering, -
4:07 - 4:09og hans navn er Ted,
-
4:09 - 4:12Ted Sarandos, som er
Chief Content Officer hos Netflix. -
4:12 - 4:14og ligesom Roy, er han på
en konstant mission -
4:14 - 4:16for at finde en god TV-serie,
-
4:16 - 4:18og til det bruger han også data,
-
4:18 - 4:20bortset fra,
at han gør det lidt anderledes. -
4:20 - 4:24I stedet for at afholde en konkurrence,
han - og hans hold selvfølgelig - -
4:24 - 4:27så på al den data
de allerede havde om Netflix seere. -
4:27 - 4:29I ved, de bedømmelser
de giver deres serier, -
4:29 - 4:32afspilningshistorik,
hvilke serier folk kan lide, osv. -
4:32 - 4:34Og så bruger de den data til at opdage
-
4:34 - 4:37alle disse små dele
af informationer om seererne: -
4:37 - 4:38hvilken slags serier,
-
4:38 - 4:40producere, skuespillere de kan lide.
-
4:40 - 4:43Og når de havde samlet alle disse dele,
-
4:43 - 4:44tog de en chance,
-
4:44 - 4:47og de besluttede at lave
-
4:47 - 4:49- ikke en komedieserie om fire senatorer -
-
4:49 - 4:52men en drama serie om en enkelt senator.
-
4:53 - 4:54Kender i denne serie?
-
4:54 - 4:56(Latter)
-
4:56 - 4:59Ja, "House of Cards," og Netflix
selvfølgelig ramte rigtig med den serie, -
5:00 - 5:02i hvert fald de første to sæsoner,
-
5:02 - 5:06(Latter) (Klapsalver)
-
5:06 - 5:09"House of Cards" får 9,1 på denne kurve,
-
5:09 - 5:12så det er præcis der hvor
de gerne ville have den skulle være. -
5:12 - 5:14Så er spørgsmålet selvfølgelig
hvad skete der her? -
5:15 - 5:17Du har to konkurrencedygtige,
data-kløgtige firmaer. -
5:17 - 5:20De samler alle de her
millioner af data point, -
5:20 - 5:22Og det fungerer fantastisk for en af dem
-
5:22 - 5:24og det virker ikke for den anden.
-
5:24 - 5:26Hvorfor?
-
5:26 - 5:29Fordi logisk set burde det
egentlig fungerer hver gang. -
5:29 - 5:32Hvis du samler millioner af data point
-
5:32 - 5:33til en beslutning du skal tage,
-
5:33 - 5:36så burde du kunne tage
en ret god beslutning. -
5:36 - 5:38Du har 200 års statistik
at falde tilbage på. -
5:38 - 5:41Det forstærker du
med kraftfulde computere. -
5:41 - 5:45Det mindste du kan forvente
er vel god TV, ikke? -
5:46 - 5:49Og hvis data analyse
ikke virker på den måde, -
5:50 - 5:52så er det faktisk lidt skræmmende,
-
5:52 - 5:55fordi vi lever i en tid
hvor vi bruger data mere og mere -
5:55 - 6:00til at tage seriøse valg langt udover TV.
-
6:01 - 6:04Er der nogen her der kender firmaet
Multi-Health Systems? -
6:05 - 6:07Ingen. Okay, det er faktisk godt.
-
6:07 - 6:10Okay, så Multi-Health Systems
er et software firma, -
6:10 - 6:13og jeg håber ikke at nogen i dette lokale
-
6:13 - 6:16nogensinde kommer i kontakt
med den software, -
6:16 - 6:18fordi så betyder det at I er i fængsel.
-
6:18 - 6:19(Latter)
-
6:19 - 6:23Hvis nogen her i USA er i fængsel og
ansøger om prøveløsladelse, -
6:23 - 6:27så er det meget sandsynligt,
at data analyse software fra det firma -
6:27 - 6:31vil blive brugt til at bestemme om
der skal gives prøveløsladelse. -
6:31 - 6:33Så det er det samme princip
som Amazon og Netflix, -
6:33 - 6:38men i stedet for at bestemme om
en TV-serie bliver god eller dårlig, -
6:38 - 6:41bestemmer man om en fange
bliver god eller dårlig. -
6:41 - 6:47Og middelmådig TV, 22 minutter,
det kan være ret dårligt, -
6:47 - 6:49men flere år i fængsel,
går jeg udfra, er endnu værre. -
6:50 - 6:54Og uheldigvis er der faktisk bevis for.
at denne data analyse, -
6:55 - 6:59på trods af masser af date,
ikke altid producerer optimale resultater. -
6:59 - 7:01Og det er ikke fordi et firma
som Multi-Health Systems -
7:02 - 7:03ikke bruger den data korrekt.
-
7:03 - 7:05Selv de mest data-kyndige
firmaer fejler. -
7:05 - 7:08Ja, selv Google fejler noglegange.
-
7:09 - 7:13I 2009 annoncerede Google,
at de var i stand til, med data analyse, -
7:13 - 7:17at forudse udbrud ad influenza,
den slemme slags, -
7:17 - 7:21ved at lave data analyse
på deres Google søgninger. -
7:21 - 7:25Og det virkede fantastisk, og det
blev en stor historie i nyhederne, -
7:25 - 7:27inklusiv højdepunktet
i videnskabelig succes: -
7:27 - 7:30en udgivelse i tidskriftet "Nature."
-
7:30 - 7:33Det virkede fantastisk
år efter år efter år, -
7:33 - 7:35indtil det et år fejlede.
-
7:35 - 7:37Og ingen kunne forklare præcis hvorfor.
-
7:37 - 7:39Det virkede bare ikke det år,
-
7:39 - 7:41og det blev selvfølgelig også en nyhed,
-
7:41 - 7:43med efterfølgende tilbagetrækning
-
7:43 - 7:45af udgivelsen i tidskriftet "Nature."
-
7:46 - 7:50Så selv de mest data-kyndige firmaer,
Amazon og Google, -
7:50 - 7:52fejler sommetider.
-
7:52 - 7:55Og på trods af disse fiaskoer,
-
7:55 - 7:59rykker data hastigt ind det virkelig livs
beslutningstagen - -
7:59 - 8:01ind på arbejdspladsen,
-
8:01 - 8:02retshåndhævelsen,
-
8:03 - 8:04lægevidenskab.
-
8:04 - 8:08Så vi må hellere være sikker på.
at data hjælper. -
8:08 - 8:11Personligt har jeg set megen af denne
kamp med data selv, -
8:11 - 8:13da jeg arbejder med databehandletgenetik,
-
8:13 - 8:15hvilket også er et felt
hvor mange meget smart folk -
8:15 - 8:19bruger utrolige mængder data til
at træffe nogle ret seriøse beslutninger, -
8:19 - 8:23såsom valg vedrørende kræft terapi
eller udvikle et medikament. -
8:24 - 8:26Og i årenes løb
har jeg lagt mærke til et mønster -
8:26 - 8:28eller en slags regel, om du vil,
om forskellen -
8:28 - 8:31mellem succesfuld
beslutningstagen med data -
8:31 - 8:33og fejlende beslutningstagen,
-
8:33 - 8:37og jeg fandt dette mønster værd at dele,
og det er sådan her. -
8:39 - 8:41Hver gang du løser
et kompleks problem, -
8:41 - 8:42gør du i virkeligheden to ting.
-
8:42 - 8:46Den første er at du deler problemet
op i mindre stykker -
8:46 - 8:48så du kan analysere disse stykker i dybden
-
8:48 - 8:50og så laver du selvfølgelig
den anden del. -
8:50 - 8:53Du samler alle disse stykker igen
for at komme -
8:53 - 8:54frem til din konklusion.
-
8:54 - 8:57Og noglegange skal du begynde forfra,
-
8:57 - 8:58men det er altid disse to ting:
-
8:58 - 9:01skille det ad
og samle det igen. -
9:02 - 9:04Og den vigtige del er,
-
9:04 - 9:07at data og data analyse
-
9:07 - 9:09er kun brugbart til den første del.
-
9:09 - 9:12Data og data analyse,
uanset hvor stærk, -
9:12 - 9:16kan kun hjælpe med at skille problemet ad
og forstå stykkerne. -
9:16 - 9:20Det er ikke lavet til at samle
stykkerne igen -
9:20 - 9:21og komme frem til en konklusion.
-
9:22 - 9:24Der er et andet værktøj der kan gøre det
og alle har det, -
9:24 - 9:26og det værktøj er hjernen.
-
9:26 - 9:28Hvis det er en ting hjernen er god til,
-
9:28 - 9:30så er det at samle stykker sammen igen,
-
9:30 - 9:32selv hvis du ikke har al informationen,
-
9:32 - 9:33og nå en god konklusion,
-
9:33 - 9:36især hvis det er en eksperts hjerne.
-
9:36 - 9:39Og det er derfor jeg tror,
at Netflix var så succesfulde -
9:39 - 9:43fordi de brugte data og hjerne
der hvor de passede i processen. -
9:43 - 9:46De brugte først data til at forstå
en masse stykker af deres seere -
9:46 - 9:50som de ellers ikke kunne have
forstået på sådan et niveau, -
9:50 - 9:52men beslutningen om at tage
alle disse stykker -
9:52 - 9:56og samle dem igen
og lave en serie som "House of Cards," -
9:56 - 9:57var ikke i nærheden af data.
-
9:57 - 10:01Ted Sandaros og hans hold
tog beslutningen om at lave den serie, -
10:01 - 10:04hvilket i øvrigt også betød,
at de løb -
10:04 - 10:06en ret stor personlig risiko
med den beslutning. -
10:06 - 10:09Og Amazon, på den anden side,
de gjorde det på den forkerte led. -
10:09 - 10:12De brugte data hele vejen
i deres beslutningstagen, -
10:12 - 10:15først da de afholdte konkurrencen
med TV idéer -
10:15 - 10:18senere da de valgte at lave
"Alpha House" til en serie. -
10:18 - 10:21Hvilket selvfølgelig var
en sikker beslutning for dem -
10:21 - 10:23fordi de altid kunne
pege på dataen og sige: -
10:23 - 10:25"Dette er hvad dataen fortalte os."
-
10:25 - 10:29Men det første ikke til det exceptionelle
resultat som de håbede på. -
10:30 - 10:35Data er selvfølgelig et enormt brugbart
værktøj til at tage bedre valg -
10:35 - 10:37men jeg tror, at det går galt
-
10:38 - 10:40når data begynder at styre de valg.
-
10:40 - 10:44Uanset hvor stærk data er,
er det kun et værktøj -
10:44 - 10:47og for at huske på dette,
finder jeg denne her meget brugbar. -
10:47 - 10:48Mange af jer vil ...
-
10:49 - 10:50(Latter)
-
10:50 - 10:51Før der var data,
-
10:51 - 10:54var dette beslutningstager-enheden
man brugte. -
10:54 - 10:55(Latter)
-
10:55 - 10:56Mange af kender denne.
-
10:57 - 10:58Dette legetøj her hedder en magisk 8-ball
-
10:58 - 11:00og den er helt utrolig,
-
11:00 - 11:03fordi hvis du har et valg du skal tage.
et ja/nej spørgsmål, -
11:03 - 11:06det eneste du skal gøre er
at ryste kuglen og så får du et svar - -
11:06 - 11:09"Højst sandsynlig" - lige her
i dette vindue i realtid. -
11:09 - 11:11Jeg vil demonstrere derude senere.
-
11:11 - 11:13(Latter)
-
11:13 - 11:16Sagen er, at jeg har taget
nogle valg i mit liv -
11:16 - 11:19hvor jeg skulle have lyttet
til kuglen, set i bakspejlet. -
11:19 - 11:22Men, I ved, hvis man har data til rådighed
-
11:22 - 11:26vil man erstatte den
med noget langt mere sofistikeret, -
11:26 - 11:29såsom data analyse
for at komme frem til en bedre beslutning. -
11:29 - 11:32Men det ændrer ikke den basale opsætning.
-
11:32 - 11:35Kuglen bliver måske klogere
og klogere og klogere, -
11:35 - 11:38men jeg mener stadig,
at vi skal tage beslutningerne -
11:38 - 11:41hvis vi vil opnå noget ekstraordinært,
-
11:41 - 11:43i den højre ende af kurven.
-
11:43 - 11:47Og det mener jeg faktisk
er en meget opmuntrende besked, -
11:47 - 11:51at selv overfor masser af data
-
11:51 - 11:55betaler det sig stadig
at tage beslutninger, -
11:56 - 11:58at være en ekspert til det du laver
-
11:58 - 12:00og take chancer.
-
12:00 - 12:03For når alt kommer til alt,
er det ikke data -
12:03 - 12:07det er chancer der vil føre dig
til den højre ende af kurven. -
12:08 - 12:09Tak.
-
12:09 - 12:13(Klapsalver)
- Title:
- How to use data to make a hit TV show
- Speaker:
- Hvordan man bruger data til at lave en populær TV-serie
- Description:
-
Fører indsamlingen af mere data til bedre beslutningstagen? Kokurrencedygtige, data-kyndige firmaer såsom Amazon, Google og Netflix har lært at analysering af data ikke alene er garanti for at producere optimale resultater. I dette foredrag forklarer data forsker Sebastian Wernicke hvad der går galt når vi basere beslutninger på data alene - og foreslår en smartere måde at bruge det på.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 12:25
Anders Finn Jørgensen approved Danish subtitles for How to use data to make a hit TV show | ||
Simon Djernæs edited Danish subtitles for How to use data to make a hit TV show | ||
Simon Djernæs accepted Danish subtitles for How to use data to make a hit TV show | ||
Simon Djernæs edited Danish subtitles for How to use data to make a hit TV show | ||
Simon Djernæs edited Danish subtitles for How to use data to make a hit TV show | ||
Morten Villadsen edited Danish subtitles for How to use data to make a hit TV show | ||
Morten Villadsen edited Danish subtitles for How to use data to make a hit TV show | ||
Morten Villadsen edited Danish subtitles for How to use data to make a hit TV show |