Return to Video

データから人気テレビ番組を作るには

  • 0:01 - 0:05
    ロイ・プライスを知っている人は
    ほとんどいないでしょう
  • 0:05 - 0:08
    でも彼こそ 2013年4月19日に
  • 0:08 - 0:15
    22分間 みなさんを
    退屈させたであろう張本人です
  • 0:15 - 0:18
    その時間が「楽しかった」と言う人も
    いるかもしれませんが
  • 0:18 - 0:20
    それほど多くはないでしょう
  • 0:20 - 0:22
    すべては その３年前に
  • 0:22 - 0:24
    ロイが下した
    ある決定にさかのぼります
  • 0:24 - 0:29
    ロイ・プライスが役員を務めるのは
    アマゾン・スタジオ すなわち
  • 0:29 - 0:32
    Amazonのテレビ制作会社です
  • 0:32 - 0:35
    彼は すらっとして
    髪を逆立てた 47歳
  • 0:35 - 0:40
    Twitterの自己紹介は「映画 テレビ
    テクノロジーとタコス 好き」です
  • 0:40 - 0:45
    Amazonが制作するオリジナル番組を
    選ぶのが彼の仕事ですから
  • 0:45 - 0:49
    責任は重大です
  • 0:49 - 0:52
    競争も激しい業界です
  • 0:52 - 0:54
    すでに大量のテレビ番組があって
  • 0:54 - 0:57
    何を選んでもいいわけではありません
  • 0:57 - 1:01
    本当にすごい番組を
    見出さなければならないんです
  • 1:01 - 1:04
    つまり このグラフの右端に来るような
  • 1:04 - 1:06
    番組を見つける必要があります
  • 1:06 - 1:09
    このグラフは IMDbというサイトに
  • 1:09 - 1:13
    掲載されている
    約2,500番組の評価の分布です
  • 1:13 - 1:16
    評価は 1から10まで
  • 1:16 - 1:19
    縦軸は その評価を得た番組の数です
  • 1:19 - 1:24
    もし 選んだ番組が９点以上の
    評価を得れば 成功と言えます
  • 1:24 - 1:26
    上位2%に入りますから
  • 1:26 - 1:29
    『ブレイキング・バッド』や
    『ゲーム・オブ・スローンズ』『ザ・ワイヤー』が
  • 1:29 - 1:32
    それに当たる番組で どれもハマりやすく
  • 1:32 - 1:35
    １シーズン見たら
    「どこで もっと見られる？」と
  • 1:35 - 1:37
    脳が欲してしまうような
  • 1:37 - 1:38
    番組です
  • 1:39 - 1:41
    一応 説明すると 左端には
  • 1:41 - 1:45
    美少女コンテスト・リアリティー番組
    『Toddlers & Tiaras』が来ます
  • 1:45 - 1:47
    （笑）
  • 1:47 - 1:49
    これで グラフの左端が
  • 1:49 - 1:51
    何を表しているか よくわかるはずです
  • 1:51 - 1:55
    ただロイ・プライスは
    左端のことは 心配していません
  • 1:55 - 1:58
    『Toddlers & Tiaras』を下回るには
  • 1:58 - 2:00
    かなりの知恵が必要ですから
  • 2:00 - 2:04
    だから 彼が心配するのは
    グラフのピーク付近です
  • 2:04 - 2:06
    これは平均的な番組の数で
  • 2:06 - 2:09
    可もなく不可もなく
    特に見たいとも思わない
  • 2:09 - 2:10
    番組なんです
  • 2:10 - 2:15
    だから 何としてもグラフの右端に
    行かなくてはなりません
  • 2:15 - 2:17
    プレッシャーは大きい上に
  • 2:17 - 2:19
    Amazonが こういう事業を
  • 2:19 - 2:21
    手がけるのは初めてですから
  • 2:21 - 2:25
    ロイ・プライスは
    賭けに出る気はありません
  • 2:25 - 2:27
    絶対 成功する方法を考えます
  • 2:27 - 2:29
    確実に成功するために
  • 2:29 - 2:31
    コンテストを開きます
  • 2:31 - 2:35
    番組の企画をたくさん集めて
  • 2:35 - 2:37
    それぞれ評価し その中から
  • 2:37 - 2:41
    ８つの番組を候補として選びます
  • 2:41 - 2:44
    それから それぞれ１話を
    オンラインで公開し
  • 2:44 - 2:47
    誰でも見られるようにします
  • 2:47 - 2:50
    Amazonが無料で配信すれば
  • 2:50 - 2:51
    誰だって見ますよね
  • 2:51 - 2:56
    その結果 数百万人が
    番組を見ることになります
  • 2:56 - 3:00
    ただ視聴者が気付いていないのは
    番組を見ている間
  • 3:00 - 3:02
    実は自分が見られていることです
  • 3:02 - 3:04
    ロイのチームは すべてを記録して
  • 3:04 - 3:06
    視聴者を観察します
  • 3:06 - 3:09
    いつ再生し いつ一時停止したか
    どこを飛ばし
  • 3:09 - 3:12
    どこをもう一度見たか
    記録するんです
  • 3:12 - 3:14
    こうして数百万の
    データポイントを集めます
  • 3:14 - 3:16
    このデータポイントを使って
  • 3:16 - 3:19
    どの番組を制作するか 決定します
  • 3:19 - 3:21
    すべてのデータを集めて
  • 3:21 - 3:24
    データを分析すると
    答えが見えてきました
  • 3:24 - 3:25
    その答えとは
  • 3:25 - 3:30
    「制作すべき番組は４人の共和党
    上院議員が主役のホームコメディである」
  • 3:30 - 3:32
    そして制作しました
  • 3:32 - 3:34
    どの番組かわかりますか？
  • 3:35 - 3:36
    （観客）『アルファ・ハウス』
  • 3:36 - 3:38
    そう 『アルファ・ハウス』です
  • 3:38 - 3:42
    でも思い出せない方が多かったのは
  • 3:42 - 3:44
    大した番組ではなかったからです
  • 3:44 - 3:45
    文字通り平均点の番組です
  • 3:45 - 3:50
    このグラフの平均は7.4ですが
    『アルファ・ハウス』は7.5でしたから
  • 3:50 - 3:52
    まさに普通というか
  • 3:52 - 3:54
    少しマシな程度の番組です
  • 3:54 - 3:57
    当然 ロイ・プライスたちの
    狙いとはかけ離れています
  • 3:58 - 4:01
    話かわって 同じ頃
  • 4:01 - 4:03
    別の会社で
  • 4:03 - 4:07
    もう一人の重役がデータ分析で
    ヒット番組を作ろうとしていました
  • 4:07 - 4:09
    彼の名前は
  • 4:09 - 4:12
    テッド・サランドス
    Netflix社のコンテンツ部門代表です
  • 4:12 - 4:14
    ロイと同じように 最高の番組を
  • 4:14 - 4:16
    見つけるのが仕事です
  • 4:16 - 4:18
    彼もデータを活用しますが
  • 4:18 - 4:20
    方法は少し違います
  • 4:20 - 4:24
    彼のチームは
    コンテストを開くのではなく
  • 4:24 - 4:27
    Netflixの視聴者に関する
    全データを分析しました
  • 4:27 - 4:29
    番組の評価や視聴履歴
  • 4:29 - 4:32
    どんな番組が好まれるか
    といったデータです
  • 4:32 - 4:34
    そして ここから視聴者に関する
  • 4:34 - 4:37
    こまごまとした情報を
    探っていくのです
  • 4:37 - 4:38
    視聴者が好む番組や
  • 4:38 - 4:40
    プロデューサー
    俳優についてです
  • 4:40 - 4:43
    そして情報をすべて組み合わせ
  • 4:43 - 4:44
    腹をくくって
  • 4:44 - 4:47
    ライセンス契約を決めたのは
  • 4:47 - 4:49
    ４人の上院議員のコメディではなく
  • 4:49 - 4:52
    １人の上院議員が登場する
    ドラマシリーズでした
  • 4:53 - 4:54
    わかりますよね
  • 4:54 - 4:56
    （笑）
  • 4:56 - 4:59
    そう『ハウス・オブ・カード
    野望の階段』で Netflixは
  • 5:00 - 5:02
    少なくとも２シーズンは成功しました
  • 5:02 - 5:06
    （笑）（拍手）
  • 5:06 - 5:09
    『ハウス・オブ・カード』は
    9.1の評価を得ていて
  • 5:09 - 5:12
    まさに思惑通りです
  • 5:12 - 5:14
    ここで当然 疑問が湧いてきます
  • 5:15 - 5:17
    競争力が高くデータに強い
    ２つの会社があり
  • 5:17 - 5:20
    どちらも数百万のデータポイントを
    組み合わせていますが
  • 5:20 - 5:22
    片方は とてもうまくいき
  • 5:22 - 5:24
    もう片方は うまくいかない
  • 5:24 - 5:26
    なぜでしょう？
  • 5:26 - 5:29
    論理的には常にうまくいくはずです
  • 5:29 - 5:32
    つまり ある決定を下そうとする時に
  • 5:32 - 5:33
    データポイントが数百万あれば
  • 5:33 - 5:36
    かなりうまくいくはずなんです
  • 5:36 - 5:38
    200年の歴史を持つ統計学と
  • 5:38 - 5:41
    高性能のコンピュータが
    力を貸してくれます
  • 5:41 - 5:45
    平凡な番組に終わるはずなど
    ないでしょう
  • 5:46 - 5:49
    ただ もしデータ分析が
    思い通りにならなかったら
  • 5:50 - 5:52
    恐ろしいことです
  • 5:52 - 5:55
    というのも テレビ以外の
    様々な重要な決断を下す時
  • 5:55 - 6:00
    ますますデータに頼る時代に
    私たちは生きているんですから
  • 6:01 - 6:04
    Multi-Health Systems という会社を
    知っている方はいますか？
  • 6:05 - 6:07
    いませんね　よかった
  • 6:07 - 6:10
    Multi-Health Systems は
    ソフトウェア会社ですが
  • 6:10 - 6:13
    ここに お世話になる人が
    いないといいですね
  • 6:13 - 6:16
    もし お世話になるとすれば
    その人は
  • 6:16 - 6:18
    受刑者だからです
  • 6:18 - 6:19
    （笑）
  • 6:19 - 6:23
    アメリカで刑務所に入っている人が
    仮釈放を申請すると
  • 6:23 - 6:27
    許可するかどうかを決めるために
    この会社のデータ分析ソフトが
  • 6:27 - 6:31
    使われる場合が多いんです
  • 6:31 - 6:33
    AmazonやNetflixと同じ原理ですが
  • 6:33 - 6:38
    テレビ番組の良し悪しを
    決めるのではなく
  • 6:38 - 6:41
    １人の人間の善悪を決めるんです
  • 6:41 - 6:47
    22分間 退屈な番組を見るのは
    苦痛かもしれませんが
  • 6:47 - 6:49
    さらに数年 刑務所で過ごすのは
    ずっときついでしょう
  • 6:50 - 6:54
    ただ残念なことに データ分析では
    大量のデータがあったとしても
  • 6:55 - 6:59
    常に最適な結果を出せるとは
    限らないという証拠があります
  • 6:59 - 7:01
    これはMulti-Health Systemsなどの企業が
  • 7:02 - 7:03
    データの扱い方を知らないからではなく
  • 7:03 - 7:05
    極めてデータに強い企業でも誤ります
  • 7:05 - 7:08
    そう Googleさえ 時に間違うんです
  • 7:09 - 7:13
    2009年 Googleは ある発表をしました
  • 7:13 - 7:17
    検索データを分析することで
    感染力の強いインフルエンザの
  • 7:17 - 7:21
    流行を予測できたというのです
  • 7:21 - 7:25
    予測は かなりうまくいき
    大きなニュースになりました
  • 7:25 - 7:27
    科学界 最大の栄誉である
  • 7:27 - 7:30
    ネイチャー誌への掲載も果たしました
  • 7:30 - 7:33
    予測は翌年も次の年も
    うまくいっていましたが
  • 7:33 - 7:35
    ある年 失敗しました
  • 7:35 - 7:37
    確かな理由は誰にもわかりませんでした
  • 7:37 - 7:39
    いきなり失敗したんです
  • 7:39 - 7:41
    もちろん これも大きなニュースになり
  • 7:41 - 7:43
    ネイチャー誌の論文も
  • 7:43 - 7:45
    撤回されました
  • 7:46 - 7:50
    AmazonやGoogleといった
    極めてデータに強い企業でさえ
  • 7:50 - 7:52
    時に誤るんです
  • 7:52 - 7:55
    一方 このような失敗にも関わらず
  • 7:55 - 7:59
    データは すごいスピードで
    日常の意思決定にも
  • 7:59 - 8:01
    仕事の場にも 法執行機関にも
  • 8:01 - 8:02
    医療の現場にも
  • 8:03 - 8:04
    入り込んでいます
  • 8:04 - 8:08
    だからデータが本当に
    役立っているか 確認すべきです
  • 8:08 - 8:11
    私自身もデータとの格闘を
    目の当たりにしてきました
  • 8:11 - 8:13
    私は計算遺伝学を研究していますが
  • 8:13 - 8:15
    この分野でも頭の切れる人たちが
  • 8:15 - 8:19
    想像もつかない量のデータを使って
    がんの治療や
  • 8:19 - 8:23
    新薬の開発といった
    重大な決断を下しています
  • 8:24 - 8:26
    ここ数年 私は
    データを使った意思決定が
  • 8:26 - 8:28
    成功する場合と失敗する場合の間に
  • 8:28 - 8:31
    ある種のパターンというか
    規則性のようなものが
  • 8:31 - 8:33
    あることに気づきました
  • 8:33 - 8:37
    このパターンは
    伝える価値があると思います
  • 8:39 - 8:41
    複雑な問題を解決する場合
  • 8:41 - 8:42
    主に２つのことをします
  • 8:42 - 8:46
    はじめに 要素を深く分析できるように
  • 8:46 - 8:48
    問題を細かく分割し
  • 8:48 - 8:50
    それから 次に進みます
  • 8:50 - 8:53
    要素を全部 もう一度組み合わせ
  • 8:53 - 8:54
    結論を引き出すんです
  • 8:54 - 8:57
    同じことを
    繰り返す場合もありますが
  • 8:57 - 8:58
    やることは常に この２つ
  • 8:58 - 9:01
    分割し 組み立て直すんです
  • 9:02 - 9:04
    ここで重要なのは
  • 9:04 - 9:07
    データと その分析が有効なのは
  • 9:07 - 9:09
    最初の部分だけだという点です
  • 9:09 - 9:12
    データと分析が いかに強力だろうと
  • 9:12 - 9:16
    役に立つのは 問題を分割して
    要素を理解するところまでです
  • 9:16 - 9:20
    要素を組み立て直して
    結論に至るには
  • 9:20 - 9:21
    適していないのです
  • 9:22 - 9:24
    私たちには 結論を引き出す
    別のツールがあります
  • 9:24 - 9:26
    それは 脳です
  • 9:26 - 9:28
    脳には得意なことがあります
  • 9:28 - 9:30
    不完全な情報しかない場合でも
  • 9:30 - 9:32
    要素を組み立てて
  • 9:32 - 9:33
    適切な結論を出すことです
  • 9:33 - 9:36
    特に専門家の脳は そうです
  • 9:36 - 9:39
    Netflixが成功した理由は
  • 9:39 - 9:43
    データと脳を それぞれ適した場面で
    利用したからでしょう
  • 9:43 - 9:46
    まずデータを使って
    視聴者に関する情報を理解しました
  • 9:46 - 9:50
    そうしなければ そこまで
    深く理解できなかったでしょう
  • 9:50 - 9:52
    一方で 要素を全部集めて組み立て直し
  • 9:52 - 9:56
    『ハウス・オブ・カード』のような
    データからは出てこない
  • 9:56 - 9:57
    番組を制作しました
  • 9:57 - 10:01
    ゴーサインを出すと決断したのは
    テッド・サランドスのチームです
  • 10:01 - 10:04
    つまり彼らは この決断によって
  • 10:04 - 10:06
    個人的に大きなリスクを負ったのです
  • 10:06 - 10:09
    それに対して
    Amazonは方法を誤りました
  • 10:09 - 10:12
    意思決定の全過程でデータを使ったのです
  • 10:12 - 10:15
    最初に企画コンテストを開いた時も
  • 10:15 - 10:18
    『アルファ・ハウス』を選んで
    制作した時もそうでした
  • 10:18 - 10:21
    もちろん これは安全な決断でした
  • 10:21 - 10:23
    だって「データから明らかだ」と
  • 10:23 - 10:25
    言えば済むんですから
  • 10:25 - 10:29
    でも それでは彼らが望む
    並外れた成果は上げられませんでした
  • 10:30 - 10:35
    確かに よりよい意思決定には
    データはとても役立つツールです
  • 10:35 - 10:37
    ただ データが意思決定を
  • 10:38 - 10:40
    強いるようになると
    問題が起きてくると思います
  • 10:40 - 10:44
    どれほどパワフルだろうと
    データは単なる道具です
  • 10:44 - 10:47
    それを意識するには
    この装置が役立つことに気づきました
  • 10:47 - 10:48
    納得する人も多いでしょう
  • 10:49 - 10:50
    （笑）
  • 10:50 - 10:51
    データが出現する前は
  • 10:51 - 10:54
    意思決定の手段といえば
    これのことでした
  • 10:54 - 10:55
    （笑）
  • 10:55 - 10:56
    知っている方も多いでしょう
  • 10:57 - 10:58
    これは「マジック８ボール」
  • 10:58 - 11:00
    本当にすごい装置です
  • 11:00 - 11:03
    もしイエスかノーの形で
    何か決定しなければならない時
  • 11:03 - 11:06
    このボールを振るだけで
    答えが出ます
  • 11:06 - 11:09
    「可能性は高い」
    こんな風に リアルタイムで出ます
  • 11:09 - 11:11
    後でデモ会場に展示しましょう
  • 11:11 - 11:13
    （笑）
  • 11:13 - 11:16
    さて 肝心な点ですが
    これまでの私の決断には
  • 11:16 - 11:19
    後で考えると ボールに尋ねた方が
    よかったものもあります
  • 11:19 - 11:22
    でもデータが使えるなら
    こんな おもちゃではなく
  • 11:22 - 11:26
    データ分析など
    より洗練された手段を使って
  • 11:26 - 11:29
    よりよく意思決定したいと
    思うはずです
  • 11:29 - 11:32
    ただ それでも
    基本的な仕組みは変わりません
  • 11:32 - 11:35
    ボールは どんどん
    賢くなっていくかもしれませんが
  • 11:35 - 11:38
    もし私たちが グラフの右端にある
  • 11:38 - 11:41
    何か ものすごいことを
    成し遂げたいなら
  • 11:41 - 11:43
    今でも自分自身の決断が重要です
  • 11:43 - 11:47
    大量のデータを目の前にして
    それでもなお 自分で決定すること
  • 11:47 - 11:51
    そして その道の専門家として
    リスクを負うことが
  • 11:51 - 11:55
    成功につながるというのは
  • 11:56 - 11:58
    とても励みになる
  • 11:58 - 12:00
    教訓だと思います
  • 12:00 - 12:03
    結局 グラフの右端に
    達するために必要なのは
  • 12:03 - 12:07
    データではなく リスクなのです
  • 12:08 - 12:09
    ありがとう
  • 12:09 - 12:13
    （拍手）
Title:
データから人気テレビ番組を作るには
Speaker:
セバスチャン・ワーニック
Description:

たくさんデータを集めると、よりよい意思決定ができるようになるでしょうか？AmazonやGoogle、Netflixといった競争力が高くデータに強い企業は、データ分析だけでは常に最適な結果は出せないことに気づいています。データサイエンティストのセバスチャン・ワーニックが純粋にデータだけに基づいて決断する場合、どこがうまくいかないのか分析し、賢いデータの使い方を提案します。
more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
12:25

Japanese subtitles

Revisions

Our website uses cookies for analysis purposes.