Erfolgreiche TV-Shows durch Datenanalyse?

Führt erhöhte Datensammlung zu einer besseren Entscheidungsfindung? Konkurrierende, Daten versierte Unternehmen wie Amazon, Google und Netflix haben gelernt, dass Datenanalyse allein nicht immer optimale Ergebnisse erzielt. In diesem Vortrag erklärt der Datenexperte Sebastian Wernicke, was falsch läuft, wenn wir unsere Entscheidungen ausschließlich auf Daten stützen, und schlägt dabei einen klügeren Weg zur Nutzung von Daten vor.

Von Roy Price haben
die meisten noch nie gehört,

obwohl er wahrscheinlich

für 22 mittelmäßige Minuten Ihres Lebens
am 19. April 2013 verantwortlich ist.

Wahrscheinlich auch für
22 sehr unterhaltsame Minuten,

aber nicht für sehr viele von Ihnen.

Das geht auf die Entscheidung zurück,

die Roy vor drei Jahren traf.

Roy Price ist leitender Angestellter
bei Amazon Studios,

der TV-Produktionsfirma von Amazon.

Er ist 47 Jahre alt, schlank,
hat eine Igelfrisur

und beschreibt sich auf Twitter
als "Filme, TV, Technik, Tacos".

Roy hat einen sehr wichtigen Job,
weil er dafür verantwortlich ist,

die Shows und den Inhalt auszusuchen,
den Amazon produzieren wird.

Natürlich ist das eine
sehr hart umkämpfte Branche.

Es gibt schon so viele TV-Serien,

dass Roy nicht irgendeine auswählen kann.

Er muss Shows finden,
die sehr, sehr gut sind.

In anderen Worten, er muss Shows finden,

die sich ganz rechts
auf dieser Kurve befinden.

Diese Kurve ist die Bewertungsverteilung

von über 2500 TV-Serien
auf der Website IMDB.

Die Bewertung geht von 1 bis 10

und die Höhe zeigt, wie viele Shows
diese Bewertung erhalten.

Wird Ihre Show mit neun und
höher bewertet, ist diese ein Gewinner.

Dann hat man eine erfolgreiche Show.

Das sind Shows wie "Breaking Bad",
"Game of Thrones", "The Wire" --

all die Shows, die süchtig machen,

wo, nachdem man eine Staffel
geschaut hat, Ihr Gehirn fragt:

"Wo gibt es mehr von diesen Episoden?"

Diese Art von Show.

Auf der linken Seite, hier an diesem Ende,

sind Shows wie "Toddlers and Tiaras" --

(Lachen)

-- das sollte Ihnen genug sagen,

was an diesem Ende der Kurve abgeht.

Roy Price sorgt sich nicht darum,
auf die linke Seite der Kurve zu geraten,

denn ich glaube man braucht
schon besondere Intelligenz,

um "Toddlers and Tiaras" zu unterbieten.

Er macht sich mehr Gedanken
über die mittlere Ausbeulung,

das durchschnittliche Fernsehen --

die Shows, die weder gut
noch schlecht sind,

sie begeistern einfach nicht.

Also muss er sicherstellen, dass er
wirklich auf der richtigen Seite ist.

Der Druck ist vorhanden,
und natürlich ist es auch das erste Mal,

dass Amazon so etwas macht,

deshalb will Roy Price nichts riskieren.

Er will Erfolge kreieren.

Er benötigt garantierten Erfolg,

also hält er einen Wettbewerb ab.

Er nimmt viele Ideen für TV-Shows

und wählt durch eine Auswertung

acht Kandidaten für TV-Shows aus,

dann produziert er die erste Episode
jeder dieser Shows

und stellt sie online, wo sie jeder
kostenlos anschauen kann.

Und wenn Amazon umsonst Sachen
herausgibt, greift man doch zu, richtig?

Millionen von Zuschauern
schauen sich diese Episoden an.

Jedoch wissen sie nicht, dass sie
beim Anschauen dieser Shows

beobachtet werden.

Sie werden von Roy
und seinem Team beobachtet,

die alles aufnehmen.

Sie erfassen, wann man die Show startet,
wann man pausiert,

welche Teile man überspringt
bzw. nochmal anschaut.

Sie sammeln Millionen von Daten,

um mit diesen Daten dann zu entscheiden,

welche Show sie produzieren sollten.

In der Tat sammeln sie die Daten,

verarbeiten diese und daraus
ergibt sich die Antwort,

und diese lautet:

"Amazon sollte eine Sitcom über
vier republikanische US-Senatoren machen."

Sie machten diese Show.

Kennt jemand den Namen dieser Show?

(Publikum: "Alpha House")

Ja, "Alpha House",

aber es scheint, dass sich nicht viele
an diese Show erinnern können,

weil sie nicht so gut war.

Es ist nur eine Durchschnittsshow

-- im wahrsten Sinne des Wortes --

da der Durchschnitt
dieser Kurve 7,4 beträgt

und Alpha House landet bei 7,5 --

also etwas über dem Durchschnitt,

aber nicht gerade das, worauf
Roy und sein Team hinarbeiteten.

Etwa zur gleichen Zeit

bei einer anderen Firma

hat ein anderer Manager eine Top-Show
durch Datenanalyse plaziert.

Sein Name ist Ted,

Ted Sarandos, der Manager
für Programmgestaltung von Netflix.

Genau wie Roy ist er immer auf der Suche,

diese eine Super-Show zu finden

und er benutzt auch Daten dafür,

aber er macht es etwas anders.

Anstatt einen Wettbewerb zu veranstalten,
haben er und sein Team

sich die vorhandenen Daten
über die Netflix-Zuschauer angeschaut,

also die Bewertungen,
die sie den Shows geben,

deren Verlauf, welche Shows sie mögen etc.

Dann nutzen sie diese Daten,

um diese kleinen Details
über die Zuschauer herauszufinden:

welche Shows sie mögen,

welche Produzenten, welche Schauspieler.

Als sie all die Teile zusammen hatten,

gingen sie ein Wagnis ein

und entschieden sich dazu,

nicht eine Sitcom über vier Senatoren,

sondern eine Drama-Serie
über einen Senator zu machen.

Kennen Sie diese Show?

(Lachen)

Ja, "House of Cards".

Netflix hat damit einen Hit gelandet,
zumindest für die ersten zwei Staffeln.

(Lachen) (Applaus)

"House of Cards" bekommt
eine 9,1-Bewertung auf dieser Kurve.

Also genau dort, wo sie hin wollten.

Natürlich ist nun die Frage:
Was ist hier passiert?

Man hat zwei sehr kompetitive,
Daten versierte Firmen.

Sie verbinden diese
vielen Daten miteinander

und es funktioniert super
für eine von ihnen,

aber nicht für die andere Firma.

Woran liegt das?

Weil die Logik irgendwie besagt,
dass das bei allem funktionieren sollte.

Wenn man Millionen Daten sammelt,
für eine Entscheidung, die man trifft,

dann sollte man eine
gute Entscheidung treffen können.

Man hat 200 Jahre
an Statistik als Back-Up.

Man optimiert es durch
sehr leistungsfähige Computer.

Das Mindeste, was man erwarten kann,
ist gutes Fernsehen, oder?

Wenn Datenanalyse so nicht funktioniert,

dann ist dies etwas erschreckend,

weil wir in einer Zeit leben, in der wir
mehr und mehr zu Statistiken greifen,

um ernsthafte Entscheidungen zu treffen,
weit über das Fernsehen hinaus.

Kennt jemand hier
die Firma Multi-Health Systems?

Niemand. Ok, das ist sogar gut.

Multi-Health Systems
ist eine Software-Firma

und ich hoffe, dass niemand in diesem Raum

jemals in Berührung
mit dieser Software kommt.

Kommen Sie damit in Berührung,
sind Sie im Gefängnis.

(Lachen)

Wenn jemand hier in den USA
im Gefängnis ist und um Entlassung bittet,

ist es wahrscheinlich,

dass die Datenanalyse
dieser Firma benutzt wird,

um zu bestimmen, ob
eine Entlassung erfolgt oder nicht.

Genau wie bei Amazon und Netflix.

Aber anstatt zu entscheiden,
ob eine Show gut oder schlecht sein wird,

wird entschieden, ob eine Person
gut oder schlecht sein wird.

Mittelmäßiges Fernsehen, 22 Minuten,
das kann echt schlecht sein,

aber noch mehr Jahre im Gefängnis
sind schlimmer.

Leider gibt es Beweise dafür,

dass diese Datenanalyse,
trotz der vielen Daten,

nicht immer die besten Resultate erzeugt.

Das liegt nicht daran,

dass eine Firma wie Multi-Health Systems
nicht weiß, wie man Daten nutzt.

Auch die Daten versiertesten Firmen
liegen mal falsch.

Ja, selbst Google macht manchmal Fehler.

2009 gab Google bekannt,
dass sie durch Datenanalyse

Ausbrüche von Grippe,
der schlimmen Art, voraussagen können --

durch Datenanalyse der Google-Recherchen.

Es funktionierte wunderbar
und war eine große Nachrichtensensation.

Der Erfolg gipfelte in einer
Veröffentlichung im Magazin "Nature".

Es funktionierte einwandfrei,
Jahr um Jahr um Jahr,

bis es plötzlich nicht mehr funktionierte,

und niemand konnte sagen warum.

Es funktionierte einfach nicht,
dies war erneut eine Sensation,

einschließlich des Widerrufs
der Veröffentlichung im Magazin "Nature".

Selbst die Daten versiertesten Firmen
wie Amazon und Google

missverstehen manchmal etwas.

Trotz all dieser Fehler

strömen Daten zusehends
in Entscheidungen des Lebens ein --

am Arbeitsplatz,

bei der Rechtsdurchsetzung,

in der Medizin.

Also sollten wir lieber sicherstellen,
dass Daten hilfreich sind.

Auch ich kenne viele
Schwierigkeiten mit Daten.

Ich arbeite in der
computergestützten Genetik --

ein Gebiet, bei dem
einige sehr kluge Menschen

unvorstellbar viele Daten nutzen, um
ernsthafte Entscheidungen zu treffen,

wie die Entscheidung
für eine Krebstherapie

oder die Entwicklung eines Medikamentes.

Über die Jahre habe ich einige Muster
erkannt über den Unterschied

zwischen erfolgreichen Entscheidungen
anhand von Daten

und nicht erfolgreichen Entscheidungen.

Dieses Muster sollte verbreitet werden.

Müssen Sie je ein komplexes Problem lösen,

tun Sie hauptsächlich zwei Dinge:

Als Erstes zerlegen Sie
dieses Problem in seine Einzelteile,

sodass Sie die Einzelteile
analysieren können;

als Zweites setzen Sie
die Einzelteile wieder zusammen,

um einen Entschluss zu fassen.

Manchmal müssen Sie dies mehrmals tun,

aber es sind immer zwei Dinge:

auseinander nehmen
und wieder zusammensetzen.

Und nun das Wichtigste:

Daten und Datenanalyse sind
nur gut für den ersten Teil.

Daten und Datenanalyse,
egal wie machtvoll,

können nur dabei helfen, ein Problem
zu zerlegen und seine Teile zu verstehen.

Sie sind nicht dazu geeignet,
die Teile wieder zusammenzusetzen

und dann zu einem Entschluss zu kommen.

Dafür gibt es ein anderes Werkzeug
und wir besitzen es alle: unser Gehirn.

Wenn es etwas gibt,
bei dem das Gehirn gut ist,

ist es Teile und Stücke
wieder zusammenzusetzen,

auch wenn die Informationen
unvollständig sind,

um dann einen
guten Entschluss zu fassen --

besonders wenn es das Gehirn
eines Experten ist.

Darum, glaube ich,
war Netflix so erfolgreich,

weil sie Daten und Verstand genutzt haben,
wo sie auch im Prozess hingehören.

Sie nutzen Daten, um ihr Publikum
besser zu verstehen,

wozu sie sonst nicht fähig gewesen wären.

Aber die Entscheidung,
wie man all diese Teile nehmen,

wieder zusammensetzen und daraus
eine Show wie "House of Cards" macht,

das stand nicht in den Daten.

Ted Sarandos und sein Team
trafen diese Entscheidung für diese Show,

was bedeutete, dass sie
ein großes persönliches Risiko

mit dieser Entscheidung eingingen.

Amazon hingegen tat dies
auf die falsche Weise.

Sie nutzten Daten, um
all ihre Entscheidungen zu steuern,

zuerst als sie um TV-Ideen wetteiferten,

dann als sie "Alpha House"
als Show auswählten.

Es war eine sichere Entscheidung,

weil sie immer sagen konnten:

"Das sagen uns die Daten."

Es führte nicht zum gewünschten Ergebnis.

Daten sind hilfreich
für bessere Entscheidungen,

aber ich glaube, dass Dinge schief laufen,

wenn Daten anfangen
unsere Entscheidungen zu steuern.

Egal wie machtvoll sie sind,
Daten sind nur ein Werkzeug,

und um das nicht zu vergessen,
ist dieses Gerät ziemlich nützlich.

Vielen von Ihnen werden ...

(Lachen)

Bevor es Daten gab,

war dies das Gerät für Entscheidungen.

(Lachen)

Viele kennen es.

Es wird auch "Magic 8 Ball" genannt.

Es ist erstaunlich.

Für Entscheidungen mithilfe
einer Ja- oder Nein-Frage

müssen Sie nur den Ball schütteln,
um eine Antwort zu bekommen.

"Höchst wahrscheinlich" --
genau hier in diesem Moment.

Ich werde es später
mit einer Technikdemo ausfechten.

(Lachen)

Ich habe bisher einige Entscheidungen
in meinem Leben getroffen,

wobei ich im Nachhinein
auf den Ball hätte hören sollen.

Aber, wie Sie natürlich wissen,
wenn Sie die Daten verfügbar haben,

möchten Sie diese durch etwas
viel Ausgeklügelteres ersetzen,

wie Datenanalyse, um
bessere Entscheidungen zu treffen.

Aber dies verändert nicht den Grundaufbau.

So wird vielleicht der Ball klüger
und klüger und klüger.

Letztendlich liegt es an uns,
Entscheidungen zu treffen,

wenn wir etwas außergewöhnliches am Ende
der rechten Kurve erreichen wollen.

Und ich empfinde dies als
sehr ermutigende Nachricht,

dass es sich trotz der
großen Menge an Daten

immer noch auszahlt,
Entscheidungen zu treffen,

ein Experte in dem zu sein, was man tut,

und Risiken einzugehen.

Denn am Ende sind es nicht die Daten,

sondern die Risiken, mit denen Sie
am rechten Ende der Kurve landen.

Danke schön.

(Applaus)