Cómo usar las estadísticas para hacer una serie exitosa | Sebastian Wernicke | TEDxCambridge

Esta charla es de un evento TEDx, organizado de manera independiente a las conferencias TED. Más información en: http://ted.com/tedx

¿Recolectar estadísticas ayuda a mejorar la toma de decisiones? Empresas como Google, Amazon y Netflix, que son expertas en recolección de estadísticas, se han dado cuenta de que el análisis de datos no basta para producir resultados óptimos. En esta charla, Sebastian Wernicke, científico experto en el análisis de datos, revela qué pasa cuando solo tomamos en cuenta los datos para tomar decisiones; y sugiere una manera más inteligente para usarlos.

Roy Price es alguien de quien
seguramente no han escuchado,

aunque quizá sea el responsable

por los 22 minutos, tal vez malos,
de sus vidas en abril del 2013.

También puede ser responsable
por 22 minutos entretenidos,

pero no para todos.

Y todo se remonta a la decisión

que Roy tuvo que tomar
hace casi tres años.

Verán, Roy Price
es un ejecutivo de Amazon Studios.

Es la productora de TV de Amazon.

Roy tiene 47 años, es delgado,
tiene el cabello parado.

Su biografía en Twitter es: "Películas,
TV, tecnología, tacos".

Roy tiene un trabajo muy importante,
porque es su responsabilidad

elegir las series originales
que Amazon va a realizar.

Lo que, por supuesto, es
una gran responsabilidad.

Quiero decir, ya hay tantas
series de TV

que Roy no puede elegir cualquiera.

Tiene que encontrar series
que sean realmente buenas.

En otras palabras,
tiene que encontrar series

que estén justo al final
de esta curva.

Esta curva de aquí
muestra las calificaciones

de casi 2500 series en la página IMDB,

las calificaciones van del 1 al 10,

y este punto muestra cuántos
programas tienen esa calificación.

Si una serie tiene una calificación
de nueve puntos o más, es muy buena.

Será una serie muy exitosa.

Son series como "Breaking Bad",
"Juego de Tronos", "The Wire",

todos esas series adictivas,

que después de ver una temporada,
tu cerebro piensa:

"¿En dónde están los demás episodios?"

Ese tipo de series.

Solo para aclarar, a la izquierda,
justo al final,

está la serie "Princesitas"...

(Risas)

eso debería bastar para saber

qué hay en ese lado de la curva.

A Royce Price no le importa
ese lado de la curva,

porque creo que hay que tener
muy pocas luces

para ver "Princesitas".

Lo que sí le importa,
es este punto de aquí,

el punto de la TV promedio,

esos programas que no son
ni buenos ni malos,

que no hacen que te emociones.

Así que tiene que asegurarse
de estar en esta parte.

Desde luego es mucha presión,

y esta es la primera vez

que Amazon hace algo así.

Así que Roy Price no quiere
correr ningún riesgo.

Quiere tener éxito.

Necesita asegurar el éxito.

Y para conseguirlo, hace un concurso.

Toma muchas ideas para una serie de TV,

y de esas ideas, mediante un análisis,

selecciona a ocho posibles
series de TV,

realiza el primer episodio
de cada una de esas series,

y los publica gratis en Internet
para que todo el mundo los vea.

Y claro que cuando
Amazon regala algo,

lo aceptas, ¿verdad?

Miles de personas ven los episodios.

Pero no se dan cuenta de que,
mientras ven las series,

en realidad, los están viendo a ellos.

Las están viendo
Roy Price y su equipo,

que graban todo.

Graban cuando le dan reproducir,
cuando le dan pausa,

la parte que se saltan,
la parte que ven otra vez.

Y, así, recolectan
cientos de estadísticas

porque quieren tener esa información

para luego decidir qué
programa deberían realizar.

Recogen la información,

procesan las estadísticas,
y llegan a una conclusión.

Y la conclusión es:

"Amazon debería hacer una serie
de cuatro senadores republicanos".

Hicieron esa serie.

¿Alguien sabe el nombre?

Público: "Alpha House".

Sí, "Alpha House".

Pero parece que no muchos
recuerdan ese programa,

porque resultó no ser tan bueno.

De hecho, es una serie promedio,

de verdad, porque la media
de esta curva es de 7,4

y "Alpha House" tiene 7,5

solo está un poco
más arriba del promedio,

pero no es lo que Roy Price
y su equipo esperaban.

Sin embargo, casi al mismo tiempo,

en otra compañía,

otro ejecutivo creó una
gran serie analizando datos;

su nombre es Ted.

Ted Sarandos, que es el jefe
de contenido de Netflix,

y que, como Roy, tiene la misión

de encontrar una gran serie,

y que también usa las estadísticas,

solo que lo hace un poco diferente.

En lugar de competir,
lo que hizo (junto con su equipo)

fue analizar las estadísticas
de la audiencia de Netflix,

los votos que les da a sus series,

el historial, las series
más vistas, etcétera.

Luego usaron los datos para descubrir

elementos clave sobre su audiencia:

las series que le gusta,

los productores, los actores.

Una vez que armaron el rompecabezas,

confiaron en su suerte,

y decidieron autorizar

no una serie de cuatro senadores,

sino un drama de un solo senador.

¿Conocen la serie?

(Risas)

Sí, "House of Cards". Netflix
dio en el clavo con esa serie,

al menos con las dos
primeras temporadas.

(Risas) (Aplausos)

"House of Cards" tiene 9,1
puntos en esta curva,

está justo donde querían
que estuviera.

La pregunta ahora es, ¿qué pasó?

Hay dos compañías expertas
en analizar datos.

Las dos conectan estos
miles de datos,

y le sale perfecto a una de ellas,

y a la otra no le resulta.

¿Por qué?

La lógica dice que esto
debería funcionar siempre.

Es decir, si recolectas
miles de datos

para una decisión que vas a hacer,

entonces deberías poder
tomar una buena decisión.

Puedes confiar en 200 años
de estadísticas.

Las estás aumentando con
computadoras muy potentes.

Lo menos que puedes esperar
es buena TV, ¿cierto?

Y si el análisis de datos
no funciona,

entonces da un poco de miedo,

porque vivimos en una época en la que
dependemos de las estadísticas

para tomar decisiones que
van más allá de la TV.

¿Alguien conoce la compañía
Multi-Health Systems?

Nadie. Bueno, no importa.

Multi-Health Systems es
una compañía de software,

y espero que nadie aquí

conozca nunca ese software

porque si lo hacen,
significaría la cárcel.

(Risas)

Si alguien de EE.UU. está en la cárcel,
y quiere la libertad condicional,

es muy probable que algún software
de análisis de esa compañía

se usará para determinar
si se le otorga o no.

Es el mismo principio que
el de Amazon y Netflix,

solo que en lugar de decidir
si una serie será buena o mala,

se está decidiendo
si una persona será buena o mala.

22 minutos de mala TV
pueden ser muy malos,

pero supongo que más años
en la cárcel es peor.

Lamentablemente, hay evidencia de
que este análisis de estadísticas,

a pesar de tener mucho qué analizar,
no siempre tiene buenos resultados.

Y no se debe a que una compañía
como Multi-Health Systems

no sepa qué hacer con los datos.

Incluso las compañías
expertas lo hacen mal.

Incluso Google lo hace mal a veces.

En 2009, Google anunció que era capaz

de predecir brotes de influenza

por medio de análisis de
estadísticas en su base de datos.

Funcionó muy bien,
y consiguió primeras planas,

incluyendo el pináculo
de la ciencia:

una publicación en la revista "Nature".

Funcionó muy bien año tras año,

hasta que un año fracasó.

Y nadie puede decir por qué.

solo no funcionó ese año,

y claro que volvió a ser noticia,

incluyendo una retractación

en una publicación
de la revista "Nature".

Así que incluso las mejores
compañías, Amazon y Google,

a veces lo hacen mal.

Y a pesar de los fracasos,

las estadísticas se mueven rápido en
el mundo real de la toma de decisiones,

en el área de trabajo,

en la policía,

en la medicina.

Debemos estar seguros de que
las estadísticas son útiles.

He visto un montón de esta lucha
con las estadísticas,

porque trabajo con
cálculos genéticos,

que es un campo en el que
mucha gente inteligente

usa ingentes cantidades de datos
para tomar decisiones importantes

como decidir entre tratamientos para
el cáncer o desarrollos de medicina.

Y con el tiempo, he notado
cierto patrón

o una regla, si prefieren,
acerca de la diferencia

entre una buena decisión
hecha con estadísticas

y una mala decisión,

y me parece que este patrón merece
compartirse, y es algo así.

Cada vez que enfrentes
un problema difícil,

debes hacer dos cosas.

La primera es separar
el problema en partes

para analizarlas con detenimiento,

y después, haces el segundo paso.

Unes de nuevo todas las partes

para obtener una conclusión.

En ocasiones se tiene
que hacer más de una vez,

pero siempre son esas dos cosas:

separar y volver a unir.

Lo importante aquí

es que los datos y el análisis

solo sirven para la primera parte.

No importa la eficacia,
los datos y el análisis

solo ayudan a separar un problema
y a entender sus partes.

No sirven para juntar las partes

y llegar a una conclusión.

Hay otra herramienta que hace eso,
y todos la tenemos.

Se llama cerebro.

Algo en lo que el cerebro es bueno

es en separar partes
y volverlas a juntar,

incluso cuando hay
información incompleta,

y llegar a una buena conclusión,

sobre todo si es el cerebro
de un experto.

Y por eso creo que Netflix
tuvo tanto éxito,

porque usaron datos y cerebros
en el lugar adecuado.

Primero usaron datos para entender
un montón de elementos de su audiencia

que de otra manera no hubieran
comprendido tan bien,

pero en la decisión de
tomar todas esos elementos

y volverlos a unir y hacer una serie
como "House of Cards",

los datos no tuvieron que ver.

Ted Sarandos y su equipo decidieron
autorizar esa serie,

que, por cierto, también significó tomar

un gran riesgo personal
con esa decisión.

Y en Amazon, por otro lado,
lo hicieron de una manera errónea.

Se basaron en los datos
para tomar una decisión,

primero con su competencia
de ideas para una serie,

y después cuando seleccionaron
"Alpha House" para hacerla serie.

Lo que, claro, fue una decisión
muy prudente,

porque siempre podrían culpar
a los datos y decir,

"Esto es lo que dicen los datos".

Pero no condujo a los grandes
resultados que esperaban.

Los datos son una herramienta útil
para tomar mejores decisiones,

pero creo que las cosas no funcionan

cuando los datos son los que
toman las decisiones.

No importa cuán eficientes,
los datos son solo una herramienta,

y para recordarlo, este aparato
me parece muy útil.

A muchos les parecerá...

(Risas)

Antes de los datos,

este era el aparato para
tomar decisiones.

(Risas)

Muchos lo saben.

Esta es la Bola 8 Mágica,

y es increíble,

porque si tienes que tomar
una decisión, un simple sí o no,

solo hay que agitar la bola,
y obtendrás tu respuesta.

"Puede ser" dice de inmediato
en esta ventana.

Después la usaré para demostraciones.

(Risas)

Ahora, la idea es...
he tomado algunas decisiones

que, en retrospectiva, hubiera
querido escuchar a la bola.

Pero, si los datos están disponibles,

hay que reemplazar esto
por algo más sofisticado,

como el análisis de datos
para tomar una mejor decisión.

Pero eso no cambia
el principio básico.

La bola se puede hacer
cada vez más inteligente,

pero creo que la decisión
sigue dependiendo de nosotros

si queremos lograr algo extraordinario

en este lado de la curva.

Creo que es un mensaje muy alentador

que incluso con una
cantidad enorme de datos

tomar decisiones tiene
una recompensa,

ser un experto en lo que haces

y tomar riesgos.

Porque, al final, no son los datos,

son los riesgos los que te pondrán
en este lado de la curva.

Gracias.

(Aplausos)