Come utilizzare i dati per creare uno spettacolo televisivo di successo

Raccogliere più dati porta a prendere decisioni migliori? Aziende competitive, esperte di dati quali Amazon, Google e Netflix hanno imparato che la sola analisi dei dati, non sempre porta a risultati ottimali. In questo monologo, il data scientist Sebastian Wernicke analizza cosa va storto quando prendiamo decisioni basate puramente sui dati - e suggerisce un modo più furbo di usarli.

Roy Price è un uomo che gran parte
di voi non ha mai sentito nominare,

anche se è stato forse il responsabile

di 22 minuti un po' mediocri
della vostra vita nel 19 Aprile 2013.

E forse è stato anche responsabile
di 22 minuti molto interessanti,

ma non per molti di voi.

E tutto ciò dipende da una scelta

che Roy dovette fare
circa 3 anni fa.

Vedete, Roy Price è un alto dirigente
degli Amazon Studios,

la società di produzione televisiva
di Amazon.

Ha 47 anni, magro, capelli a spazzola,

si autodescrive su Twitter come
"film, TV, tecnologia, taco."

Roy Price ha un compito molto importante,
perché ha la responsabilità

di scegliere gli spettacoli,
i contenuti che Amazon produrrà.

Che di certo è un'area
con molta competizione.

Voglio dire, ci sono già
così tanti show televisivi,

che Roy non può sceglierne
uno qualunque.

Deve trovare degli spettacoli
che siano davvero, davvero grandiosi.

Dunque, in altre parole, deve trovare
degli spettacoli

che andranno all'estrema destra
di questa curva.

Questa curva mostra la distribuzione
della valutazione

di circa 2.500 spettacoli televisivi
sul sito web IMDB,

e la valutazione va da 1 a 10,

e l'altezza indica quanti show
ottengono quella valutazione.

Perciò se il vostro show ha un voto
di nove punti o più, è uno vincente.

Quindi avrete uno show
nel 2% al top.

Cioè show come "Breaking Bad",
"Il Trono di Spade", "The Wire",

tutti quegli spettacoli
che danno dipendenza,

che se ne guardate una stagione,
il vostro cervello è tipo:

"Dove posso guardare altri episodi?"

Quel tipo di spettacoli.

Sul lato sinistro, tanto per chiarire,
lì in fondo,

avete uno spettacolo chiamato
"Toddlers and Tiaras"

(Risate)

che dovrebbe dirvi abbastanza

di cosa succede
su quel lato della curva.

Ora, Roy Pice non è preoccupato
di finire sul lato sinistro della curva,

perché credo che vi servano
delle capacità mentali notevoli

per svendere "Toddlers and Tiaras".

Perciò quel che lo preoccupa
è la gobba qui nel mezzo,

la gobba della tv mediocre,

sapete, quegli show che non sono
né eccezionali né pessimi,

che non vi entusiasmano molto.

Perciò dev'essere sicuro
di stare davvero qui sul lato destro.

Quindi la pressione è alta,

e di certo è anche la prima volta

che Amazon fa qualcosa di questo genere,

dunque Roy Price non vuole correre rischi.

Vuole progettare con cura il successo.

Gli serve un successo garantito,

e quindi quel che fa è
organizzare un concorso.

Raccoglie alcune idee
per degli show televisivi,

e da queste idee,
dopo averle valutate,

scelgono otto candidati
a diventare spettacoli televisivi,

poi semplicemente realizza
il primo episodio di ciascuno show

e li mette in rete gratuitamente
per farli vedere a chiunque.

E dunque, quando Amazon
offre cose gratis,

le prendete, giusto?

Dunque milioni di spettatori
stanno guardando quegli episodi.

Ciò di cui non si accorgono è che,
mentre guardano i loro show,

sono loro a venire osservati.

Vengono osservati da Roy Price
e dal suo team,

che registrano tutto.

Registrano quando qualcuno preme play,
quando qualcuno mette in pausa,

quali parti saltano,
quali parti guardano di nuovo.

Quindi raccolgono
moltissimi dati,

perché vogliono avere questi dati

per poi decidere
quale show trasmettere.

E sicuri di sè,
raccolgono i dati,

fanno tutti i calcoli,
e una risposta emerge,

e la risposta è:

"Amazon dovrebbe fare una sitcom
su quattro senatori repubblicani in USA".

Hanno fatto quella serie.

Qualcuno sa come si intitola?

(Pubblico: "Alpha House")

Sì, "Alpha House",

ma sembra che non molti di voi qui
ricordino questo spettacolo, in realtà,

perché non si è rivelato un granché.

È in realtà uno show di medio livello,

letteralmente, appunto,
poiché la media di questa curva è a 7.4

e "Alpha House" si trova a 7.5,

quindi di sopra
a uno spettacolo medio,

ma di certo non è quel che Roy Price
e il suo team speravano.

Nel frattempo tuttavia,
più o meno nello stesso periodo,

un'altra azienda,

un altro dirigente è riuscito a piazzare
una serie al top analizzando i dati

e il suo nome è Ted,

Ted Sarandos, che è il direttore
dell'Ufficio Contenuti di Netflix

e, come Roy,
la sua missione è sempre

di trovare
quel grande show,

e anche lui usa i dati per riuscirci,

solo che lui lo fa un po' diversamente.

Invece di indire una competizione,
ciò che ha fatto insieme al suo team

era guardare tutti i dati
che avevano sugli utenti di Netflix,

sapete, come votano
i loro spettacoli,

la cronologia delle visualizzazioni,
quali show piacciono ecc.

Poi hanno usato quei dati per trovare

tutti questi piccoli dettagli
sul pubblico:

che tipi di show preferiscono,

quali produttori, quali attori.

E una volta messi insieme
tutti questi pezzi,

hanno fatto un salto nel vuoto,

e hanno deciso di autorizzare

non una sitcom su quattro senatori,

ma una serie drammatica
su un singolo senatore.

Conoscete quella serie?

(Risate)

Sì, "House of Cards", e ovviamente
Netflix ha sbancato grazie ad esso.

almeno per le prime due stagioni.

(Risate) (Applausi)

"House of Cards" ha una valutazione
di 9.1 su questa curva,

cioè esattamente dove
volevano essere.

Ora, l'ovvia domanda è
"cosa è successo qui?"

Avete due aziende molto forti,
esperte di statistica,

che incrociano questa
montagna di dati,

e funziona a meraviglia
per una di loro,

ma non per l'altra.

Perché?

Perché la logica vi dice che dovrebbe
funzionare sempre.

Cioè, raccogliere
milioni di dati

in vista di una decisione futura,

dovreste permettervi di prendere
una buona decisione.

Avete 200 anni di dati
in cui confidare.

Le avete amplificate con computer
molto potenti.

Il minimo che vi aspettate
è una buona TV, giusto?

E se le informazioni non funzionano
in quel modo,

c'è da preoccuparsi,

perché viviamo in un tempo
dove ci affidiamo sempre di più ai dati

per prendere decisioni molto più serie
di quelle riguardanti la televisione.

Qualcuno qui conosce l'azienda
Multi-Health System?

Nessuno. Ok, in realtà è un bene.

Ok dunque, la Multi-Health System
è un'azienda di software,

e spero che nessuno in questa stanza

abbia mai a che fare con quel software,

perché vorrebbe dire che
state in prigione.

(Risate)

Se qualcuno qui negli US è in galera
e chiede la libertà condizionale,

allora è molto probabile che il software
per l'analisi dei dati di quella società

sarà utilizzato per stabilire
se concedere la libertà condizionale.

Perciò è lo stesso principio per Amazon
e Netflix,

ma ora, invece di decidere se uno show
sarà buono o no,

state decidendo se una persona
sarà buona o no.

E una TV mediocre, 22 minuti,
può essere abbastanza spiacevole,

ma più anni in prigione,
credo siano anche peggio.

E sfortunatamente, ci sono delle prove
che questa analisi dei dati,

nonostante la grossa mole di dati,
non porta sempre ottimi risultati.

E questo non perché un'azienda
come Multi-Health Systems

non sa che fare coi dati.

Anche le aziende più esperte
sui dati sbagliano.

Si, anche Google sbaglia qualche volta.

Nel 2009 Google annunciò di essere capace,
tramite l'analisi dei dati,

di predire epidemie influenzali,
quelle brutte forme d'influenza,

facendo l'analisi dei dati provenienti
dalle loro ricerche su Google.

E ha funzionato magnificamente,
e ha fatto grande scalpore nei notiziari,

incluso il picco del successo scientifico:

una pubblicazione sulla rivista "Nature".

Ha funzionato magnificamente anno
dopo anno dopo anno,

finché un anno ha fallito.

E nessuno ha saputo dire
esattamente perché.

Non ha funzionato in quell'anno

e ovviamente ha fatto
di nuovo scalpore,

compreso il ritiro

di una pubblicazione
dal giornale "Nature".

Per cui anche Amazon e Google, le aziende
più esperte sui dati,

possono sbagliare qualche volta.

E nonostante tutti questi fallimenti,

i dati si stanno affermando rapidamente
nel processo decisionale della vita reale:

sul posto di lavoro,

sull'applicazione della legge,

in medicina.

Quindi dovremmo assicurarci meglio
che i dati stiano aiutando.

Ora, ho visto di persona
molti di questi problemi coi dati,

lavorando nella genetica computazionale,

un campo dove
moltissime persone intelligenti

usano quantità inimmaginabili di dati
per prendere decisioni alquanto serie

come decidere su una terapia per il cancro
o sviluppare un farmaco.

E negli anni ho notato
una sorta di modello

o regola, se preferite,
riguardante la differenza

tra un processo decisionale
di successo ,grazie ai dati,

e uno fallimentare,

e ritengo utile condividere questo modello
che funziona più o meno così:

quando state risolvendo
problemi complessi,

state facendo due cose:

La prima è suddividere il problema
in piccole parti

così da poterle analizzare a fondo,

e poi la seconda fase,

Rimettere tutte queste parti insieme

per arrivare alla conclusione.

E qualche volta dovete rifarlo di nuovo,

ma sono sempre due fasi:

smembrare e rimettere insieme.

Ora il punto cruciale è

che i dati e l'analisi dei dati

vanno bene solo per la prima fase.

I dati e l'analisi,
non importa quanto potenti,

possono solo aiutarvi a smontare
un problema e comprenderne le parti.

Non sono adatti a rimettere
le parti assieme

per poi arrivare ad una conclusione.

C'è un altro strumento che può farlo,
e lo abbiamo tutti,

il cervello.

Una cosa che il cervello fa bene

è rimettere insieme i pezzi,

anche quando abbiamo
informazioni incomplete,

e trarne una buona conclusione,

specialmente se è il cervello
è quello di un esperto.

Per questo credo che Netflix
abbia avuto successo,

perché hanno usato dati e cervelli
quando servivano durante il processo.

Hanno utilizzato prima i dati per capire
molti aspetti dei loro spettatori,

non avrebbero potuto capirli
così a fondo altrimenti,

ma poi la decisione di prendere
tutti questi pezzi,

rimetterli insieme
e fare una serie come "House of Cards",

non ha dipeso affatto dai dati.

Ted Sarandos e la sua squadra hanno preso
la decisione di autorizzare quella serie,

il che ha significato anche prendersi

un bel rischio personale
con tale scelta.

Quelli di Amazon invece,
l'hanno fatto al contrario sbagliando.

Hanno utilizzato solo i dati
per il processo decisionale,

prima con il loro concorso
sulle idee per la TV,

poi quando hanno selezionato
"Alpha House" per farne una serie,

Il che certamente era
una scelta sicura per loro,

potendo sempre indicare i dati dicendo

"Questo dicono i dati."

Ma ciò non li ha condotti
ai risultati eccezionali che speravano.

Perciò i dati sono di certo uno strumento
estremamente utile per decisioni migliori,

ma credo che le cose vadano a finire male

se i dati iniziano a guidare
quelle decisioni.

Non importa quanto efficienti,
i dati sono solo uno strumento

e trovo questo apparecchio molto utile
per tenerlo a mente.

Molti di voi...

(Risate)

Prima che ci fossero i dati,

questo era lo strumento
per il processo decisionale.

(Risate)

Molti di voi sapranno co'è,

Questo giocattolo è la Magica Palla 8,

ed è incredibile,

perché se c'è da fare una scelta
o rispondere si o no,

tutto quello che dovete fare è agitare
la palla e avrete la risposta -

"Quasi certo" - proprio ora
su questa finestrella, dal vivo.

Lo farò aprire
per delle demo di tecnologia.

(Risate)

Ora, ovviamente il fatto è che ho
preso alcune decisioni nella mia vita

dove, a ragion veduta,
avrei dovuto solo ascoltare la palla.

Ma sapete, di certo,
se avete i dati a disposizione,

vorrete sostituire questa con qualcosa
di molto più sofisticato,

come l'analisi dei dati,
per arrivare ad una decisione migliore.

Ma ciò non cambia l'impostazione di base.

Perciò la palla può diventare
sempre più intelligente,

ma credo che stia ancora a noi
prendere le decisioni,

se vogliamo raggiungere
qualcosa di straordinario,

sul lato destro della curva.

E trovo che questo sia un messaggio
molto incoraggiante, appunto,

che anche davanti ad una
quantità di dati enorme,

ripaga ancora il prendere decisioni,

l'essere un esperto in ciò
che state facendo

e il prendere rischi.

Perché, alla fine,non sono i dati,

ma i rischi che ti faranno raggiungere
il lato destro della curva.

Grazie.

(Applausi)