Come usare i dati per creare un programma TV di successo | Sebastian Wernicke | TEDxCambridge

Raccogliere più dati ci consente di prendere decisioni migliori? Aziende competitive ed esperte di dati come Amazon, Google e Netflix hanno imparato che i dati, da soli, non portano sempre a risultati ottimali. In questo intervento, il data scientist Sebastian Wernicke analizza le criticità delle decisioni basate puramente sui dati, suggerendo un metodo più intelligente per sfruttarli.

Questo intervento è stato presentato a un evento TEDx che utilizza il format della conferenza TED, ma è stato organizzato in maniera indipendente da una comunità locale. Per maggiori informazioni, visita il sito http://ted.com/tedx

Roy Price è un signore
che molti di voi non conosceranno,

sebbene possa essere stato responsabile

di 22 minuti alquanto mediocri
della vostra vita

il 19 Aprile 2013.

Può anche darsi che siano stati
22 minuti molto piacevoli,

ma non per molti di voi.

Tutto ciò è legato a una decisione

presa da Roy circa tre anni fa.

Roy Price è un alto dirigente
di Amazon Studios,

ovvero della società
di produzione televisiva di Amazon.

Ha 47 anni, è magro,
ha i capelli a spazzola

e su Twitter si descrive così:
"film, TV, tecnologia, tacos".

Roy Price ha un lavoro
di grande responsabilità.

È infatti lui a scegliere i programmi TV,
i contenuti originali che Amazon produrrà.

Ovviamente, è un mondo molto competitivo.

Insomma, ci sono già tanti programmi TV,

Roy non può sceglierne uno a caso.

Deve trovare dei programmi
davvero eccezionali.

In altre parole, deve trovare
dei programmi

che raggiungano l'estremo destro
di questa curva.

Questa è la distribuzione
dell'indice di gradimento

di circa 2.500 programmi TV sul sito IMDB.

Le valutazioni vanno da uno a 10

e sull'asse verticale è indicato
il numero di programmi corrispondente.

Se un programma ottiene una valutazione
dal nove in su, è un successo.

Solo il due percento ci riesce.

Parlo di serie come Breaking Bad,
Il Trono di Spade e The Wire,

tutti programmi che creano dipendenza.

Quando finite una stagione,

il vostro cervello sente subito
il bisogno di trovare altri episodi.

Questo tipo di programma.

All'estremo sinistro, per essere chiari,

troviamo il programma
Little Miss America.

(Risate)

Il nome vi fa già capire
cosa succede in quel punto della curva.

Roy Price, però, non è preoccupato
di finire a quest'estremo;

credo si debba avere
enormi capacità intellettive

per battere Little Miss America.

Ciò che lo preoccupa è
questo picco al centro,

il picco della TV mediocre,

quei programmi né belli né brutti,

che non entusiasmano.

Deve dunque assicurarsi
di raggiungere l'estremo destro.

La pressione è tanta

e, ovviamente, è anche la prima volta

che Amazon fa una cosa del genere,

quindi Roy Price non vuole correre rischi.

Vuole realizzare un successo.

Ha bisogno di un successo assicurato.

Perciò, decide di organizzare
una competizione.

Raccoglie un po' di idee
per dei programmi televisivi

e dopo aver valutato queste idee

seleziona otto programmi
candidati alla realizzazione.

A quel punto, produce
il primo episodio di ognuno

e lo mette online, rendendolo accessibile
a tutti gratuitamente.

Quando Amazon offre roba gratis,

uno ne approfitta, no?

Questi episodi vengono visti
da milioni di persone.

Queste persone non sanno, però,

che mentre loro guardano il programma,
qualcuno li osserva.

Sono Roy Price e il suo team
ad osservarli, registrando tutto.

Registrano quando qualcuno preme play,
quando qualcuno preme pausa,

le parti che saltano,
le parti che guardano di nuovo.

Raccolgono così milioni di dati.

Vogliono infatti usare questi dati

per decidere quale programma produrre.

Raccolgono dunque tutti i dati,
fanno i calcoli necessari

e ottengono questa risposta:

"Amazon dovrebbe fare una sitcom

su quattro senatori
americani repubblicani".

L'hanno prodotta davvero.

Qualcuno conosce il titolo?

Pubblico: Alpha House.

SW: Esatto, Alpha House.

Sembra però che non siano molti qui
a ricordare quel programma.

Non è venuto molto bene, infatti;
è solo nella media.

In effetti, lo è letteralmente
perché il punto medio della curva è a 7,4

e Alpha House si trova a 7,5,

leggermente al di sopra della media.

Di certo non è il risultato
a cui puntava il team di Price.

Nel frattempo, tuttavia,
più o meno contemporaneamente,

in un'altra azienda,

un dirigente è riuscito a usare i dati
per ideare un programma di successo.

Sto parlando di Ted, Ted Sarandos,

il Chief Content Officer di Netflix.

Proprio come Roy, è alla costante ricerca
di programmi di successo.

Anche lui usa i dati per farlo,

ma lo fa in maniera un po' diversa.

Anziché organizzare una competizione,

ciò che lui e il suo team fanno

è analizzare tutti i dati
già a disposizione sugli utenti Netflix,

cioè i punteggi dati, la cronologia,

i programmi che piacciono
alle persone, ecc.

Questi dati vengono poi usati per scoprire

vari dettagli riguardanti il pubblico:

quali programmi gli piacciono,

quali produttori, quali attori...

Una volta messi insieme tutti i pezzi,

compiono un atto di fede

e decidono di autorizzare la produzione

non di una sitcom su quattro senatori,

ma di una serie drammatica
su un singolo senatore.

Sapete di quale serie si tratta?

(Risate)

Esatto, House of Cards.

Ovviamente, Netflix ha fatto centro,

almeno per le prime due stagioni.

(Risate)

(Applausi)

Su questa curva, House of Cards
ha un punteggio di 9,1,

esattamente ciò a cui puntavano.

A questo punto, è ovvio chiedersi
cosa sia successo.

Abbiamo due aziende molto competitive
ed esperte di dati.

Mettono insieme milioni di dati

e il risultato è fantastico per una,

ma non per l'altra.

Perché?

A rigor di logica, i risultati
dovrebbero essere sempre positivi.

Insomma, se uno raccoglie milioni di dati

per prendere poi una decisione,

dovrebbe riuscire a prendere
una decisione giusta.

Ha 200 anni di statistiche su cui basarsi.

Le amplifica usando computer superpotenti.

Ottenere un buon programma
mi sembra il minimo, no?

E se l'analisi dei dati
non garantisce questi risultati,

la situazione inizia a farsi preoccupante.

Viviamo infatti in un'epoca
in cui ci si basa sempre di più sui dati

per prendere decisioni molto serie
che vanno ben oltre la televisione.

Qualcuno conosce
l'azienda Multi-Health Systems?

Nessuno. Beh, è una buona cosa.

Multi-Health Systems è
un'azienda di software

e spero che nessuno in questa stanza

entri mai in contatto con questo software,

perché in quel caso sarebbe in prigione.

(Risate)

Se negli Stati Uniti un detenuto
richiede la libertà condizionale,

è molto probabile
che il software di quell'azienda

venga usato per decidere
se concedere o meno la condizionale.

È lo stesso principio
usato da Amazon e Netflix,

ma invece di stabilire
se un programma avrà successo,

si stabilisce se una persona
si comporterà correttamente o no.

Certo, 22 minuti di TV mediocre
possono essere piuttosto brutti,

ma immagino che passare
più anni in prigione sia peggio.

Purtroppo, vi sono prove dimostranti
che quest'analisi dei dati,

sebbene sia basata su molti dati,
non sempre dà risultati ottimali.

Non perché un'azienda
come Multi-Health Systems

non sappia come trattare i dati.

Anche le aziende più esperte sbagliano.

Già, anche Google sbaglia a volte.

Nel 2009, Google annunciò
di essere in grado

di prevedere le epidemie
di influenza, quelle gravi,

analizzando i dati
delle ricerche su Google.

Funzionò alla grande
e fece molta notizia sui giornali,

raggiungendo l'apice
del successo scientifico:

una pubblicazione sulla rivista "Nature".

Funzionò alla grande un anno dopo l'altro,

finché un anno si sbagliò.

Nessuno seppe spiegarne
il motivo con esattezza.

Quell'anno, non funzionò e basta.

Anche questo fece molta notizia,

tanto da far ritirare
una pubblicazione dalla rivista "Nature".

Anche le aziende più esperte di dati,
come Amazon e Google,

a volte sbagliano.

Nonostante tutti questi fallimenti, però,

i dati si stanno rapidamente imponendo
nei processi decisionali:

al lavoro,

nell'applicazione della legge,

in medicina.

Quindi, dovremmo assicurarci
che i dati funzionino.

Ho assistito personalmente
a molti problemi legati ai dati,

poiché mi occupo
di genomica computazionale,

un altro campo in cui persone geniali
usano incredibili quantità di dati

per prendere decisioni importanti,

come quelle riguardanti terapie tumorali
o lo sviluppo di un farmaco.

Negli anni, ho notato
una specie di schema o di regola

riguardo alla differenza tra le decisioni
che hanno avuto successo grazie ai dati

e quelle che non lo hanno avuto.

Penso valga la pena
condividere questo schema.

Funziona più o meno così.

Quando si ha un problema complesso
da risolvere, si fanno due cose.

Per prima cosa, si scompone
il problema in più parti,

in modo da poter analizzare
nel dettaglio queste parti.

Poi, arriva ovviamente la seconda fase,
in cui si rimettono insieme i pezzi

per arrivare a una conclusione.

A volte occorre rifare tutto,
ma i passaggi sono gli stessi:

scomporre e ricomporre il tutto.

Il punto fondamentale è

che i dati e l'analisi dei dati

funzionano solo nella prima fase.

I dati e l'analisi dei dati,
per quanto potenti,

aiutano solamente a scomporre il problema
e a comprenderne le parti.

Non possono aiutarci a ricomporre il tutto

e a trarne poi le conclusioni.

Esiste un altro strumento capace di farlo
e ce l'abbiamo tutti: il cervello.

Se c'è una cosa che il cervello sa fare,
è ricomporre i pezzi,

anche quando le informazioni
sono incomplete,

e trarne una corretta conclusione,

soprattutto se si tratta
del cervello di un esperto.

Credo sia dovuto a questo
il successo di Netflix.

Hanno usato dati e cervelli
nei punti giusti del processo.

Hanno usato i dati all'inizio
per capire dettagli sul proprio pubblico

che altrimenti non avrebbero potuto capire
in modo così approfondito.

Poi, però, la decisione
di prendere tutti questi dettagli

e ricomporli per produrre
un programma come House of Cards

non è stata presa dai dati.

Sono stati Ted Sarandos e il suo team

a prendere quella decisione.

Ciò significa che hanno anche corso
un bel rischio personale,

prendendo quella decisione.

Amazon, invece,
ha scelto la strada sbagliata,

basando sui dati
l'intero processo decisionale,

dalla competizione
tra programmi televisivi

alla scelta di produrre
la serie Alpha House.

In effetti, è stata una scelta prudente,

perché avrebbero sempre potuto
incolpare i dati della decisione.

Il risultato, però, non è stato
all'altezza delle aspettative.

I dati sono uno strumento potente
per migliorare le proprie decisioni,

ma credo che le cose vadano storte

quando i dati iniziano
a determinare quelle decisioni.

Per quanto possano essere potenti,
i dati sono solo uno strumento.

Per tenerlo bene a mente,
trovo molto utile questo congegno.

Molti di voi lo...

(Risate)

Quando non esistevano i dati,

era questo lo strumento usato
per prendere le decisioni.

(Risate)

Molti di voi la conosceranno.

Si chiama la magica palla 8
ed è fantastica.

Se dovete prendere una decisione
e vi serve un sì o un no,

non dovete far altro che scuotere la palla
e otterrete una risposta.

"Quasi sicuramente":
ecco la risposta in tempo reale.

La riprenderò dopo
per delle dimostrazioni.

(Risate)

Ovviamente, nella vita,
ho preso delle decisioni

per cui, con il senno di poi,
avrei dovuto ascoltare la palla.

Se, però, si dispone dei dati,

si preferisce sostituire la palla
con qualcosa di più sofisticato,

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

Ciò non cambia comunque lo schema di base.

La palla potrà anche diventare
sempre più intelligente,

ma credo tocchi comunque a noi
prendere le decisioni

se vogliamo raggiungere
risultati straordinari,

verso l'estremo destro della curva.

Io lo trovo un messaggio
davvero incoraggiante.

Anche in presenza
di enormi quantità di dati,

prendere delle decisioni ripaga,

ripaga essere esperti nel proprio campo

e correre dei rischi.

Alla fine, non sono i dati,

ma i rischi a spingerci
all'estremo destro della curva.

Grazie.

(Applausi)