Como usar os dados para fazer uma série de TV com sucesso | Sebastian Wernicke | TEDxCambridge

Esta palestra foi dada num evento TEDx, organizado de forma independente por uma comunidade local mas usando o formato das Conferências TED. Saiba mais em: http://ted.com/tedx.

Será que a recolha de mais dados leva a uma melhor tomada de decisões? As empresas competitivas, peritas em dados, como a Amazon, a Google e a Netflix, aprenderam que a análise de dados por si só nem sempre produz resultados ideais. Nesta apresentação, o cientista de dados Sebastian Wernicke explica em detalhe o que corre mal quando tomamos decisões baseadas unicamente nos dados — e sugere uma forma mais inteligente de os usar.

Roy Price é um homem do qual a maioria
de vós provavelmente nunca ouviu falar,

ainda que possa ter sido o responsável

por 22 minutos bastante medíocres
da vossa vida a 19 de Abril de 2013.

Também pode ter sido o responsável
por 22 minutos de bom entretenimento,

mas não para muitos de vós.

E tudo isso tem a ver com uma decisão

que o Roy teve de tomar
há cerca de três anos.

Ora, Roy Price era um executivo
nos quadros superiores da Amazon Studios.

É a empresa de produção
televisiva da Amazon.

Tem 47 anos, é magro,
tem o cabelo espetado,

descreve-se no Twitter como
"filmes, TV, tecnologia, tacos".

E o Roy Price tem um trabalho de muita
responsabilidade,

porque consiste em escolher as séries,

o conteúdo original
que a Amazon vai fazer.

É claro que isso é um espaço
altamente competitivo.

Quero dizer, já há tantas séries,

que o Roy não pode limitar-se
a escolher uma série qualquer.

Tem de encontrar séries que sejam
mesmo, mesmo excelentes.

Portanto, por outras palavras,
tem de encontrar séries

que estejam mesmo
no final desta curva aqui.

Esta curva que aqui vêem é
a distribuição da classificação

de cerca de 2500 séries de TV
no website IMDB,

e a classificação vai de um a 10.

Esta altura mostra quantas séries
conseguem uma determinada classificação.

Portanto, se a nossa série conseguir
nove pontos ou mais, é uma vencedora.

Aí temos uma série nos 2% superiores.

São séries como "Breaking Bad",
"Game of Thrones," "The Wire,"

ou seja, todas essas séries
que são viciantes,

em que, depois de ver uma temporada,
o nosso cérebro só pensa:

"Onde é que posso arranjar
mais episódios destes?"

Esse tipo de série.

À esquerda, só para ficar claro,
aqui nesta extremidade,

temos uma série chamada
"Toddlers and Tiaras"...

(Risos)

... o que já deve dizer-vos o suficiente

sobre o que se passa
nessa extremidade da curva.

Agora, o Roy Price não está preocupado
em chegar ao lado esquerdo da curva,

porque acho que seria preciso
uma valente inspiração

para ficar abaixo
do "Toddlers and Tiaras".

Ele está preocupado é com
este volume aqui ao meio,

o volume da televisão média,

sabem, aquelas séries que não são
nem muito boas nem muito más,

apenas não nos entusiasmam por aí além.

Ele precisa de garantir que está mesmo
na extremidade direita da curva.

Portanto há muita pressão

e é claro que também é a primeira vez

que a Amazon está a fazer algo do género,

portanto o Roy Price não quer
deixar nada ao acaso.

Quer obter sucesso
com uma forma de engenharia.

Precisa de um sucesso garantido,

portanto o que ele faz
é criar um concurso.

Pega num monte de ideias
para séries de televisão,

e, dessas ideias,
através de uma avaliação,

selecciona oito séries candidatas,

e depois basta fazer o primeiro episódio
de cada uma delas

e pô-los online de graça
para toda a gente ver.

Portanto, quando a Amazon
está a dar coisas de graça,

vamos aproveitar, não é?

Assim, há milhões de telespectadores
para estes episódios.

O que eles não sabem é que,
enquanto estão a ver as séries,

estão, na verdade, a ser observados.

Estão a ser observados
pelo Roy Price e pela sua equipa,

que registam tudo.

Registam quando alguém carrega no Play,
quando alguém carrega na Pausa,

quais as partes que saltam,
quais as que vêem outra vez.

Portanto recolhem milhões
de pontos de dados,

porque querem ter esses dados

para depois decidir qual a série
que devem produzir.

E assim fizeram,
recolheram os dados todos,

fizeram a compilação dos dados
e apareceu uma resposta,

e a resposta foi:

"A Amazon deve fazer uma série sobre
quatro Senadores Republicanos dos EUA."

Fizeram essa série.

Alguém sabe como se chamava?

(Público: "Alpha House.")

Sim, "Alpha House",

mas parece que não houve assim muitos
de vós a lembrar-se, na verdade,

porque não resultou assim tão bem.

Na verdade, é só uma série média,

literalmente mesmo, porque a média
desta curva aqui está nos 7,4

e "Alpha House" fica nos 7,5

portanto fica ligeiramente acima da média,

mas certamente não é o que o Roy Price
e a equipa dele queriam.

Mas, entretanto,
mais ou menos ao mesmo tempo,

numa outra empresa,

um outro executivo conseguiu mesmo
uma série de topo usando análise de dados,

chama-se Ted,

Ted Sarandos, que é o responsável
de conteúdos da Netflix,

e, tal como o Roy,
está numa missão constante

para encontrar essa série de TV excelente,

e também utiliza dados para fazer isso,

só que de um modo um pouco diferente.

Em vez de fazer um concurso,
o que fez — com a equipa, é claro —

olhou para todos os dados que
já tinha sobre os espectadores do Netflix,

sabem, as classificações
que se dão às séries,

o registo de visualizações,
quais é que as pessoas gostam, etc..

e usaram esses dados para descobrir

todos esses pequenos pormenores
sobre a audiência:

de que tipo de séries as pessoas gostam,

de que tipo de produtores, de actores.

Depois de juntarem isso tudo,

deram um salto no desconhecido

e decidiram produzir

não uma série sobre quatro Senadores

mas sim um drama sobre um único Senador.

Sabem qual é a série?

(Risos)

Sim, "House of Cards" e a Netflix,
claro, acertou em cheio com a série,

pelo menos nas duas primeiras temporadas.

(Risos)

(Aplausos)

"House of Cards" tem uma classificação
de 9,1 nesta curva,

portanto está exactamente
onde eles queriam.

Agora, a questão, claro, é:
o que é que aconteceu aqui?

Temos duas empresas muito competitivas,
peritas em dados.

Ligam todos estes
milhões de pontos de dados,

e resulta lindamente para uma delas,

mas não resulta para a outra.

Porquê?

Porque, segundo a lógica,
isto deveria funcionar sempre.

Quero dizer, se estamos a recolher
milhões de dados

para uma decisão que vamos tomar,

devíamos conseguir tomar
uma decisão mesmo boa.

Temos 200 anos de estatística
em que podemos confiar.

Estamos a amplificar isto
com computadores muito potentes.

O mínimo que se pode esperar
é ter boa televisão, certo?

E se a análise de dados
não funciona assim,

então torna-se um pouco assustador,

porque vivemos numa época em que
estamos a confiar nos dados cada vez mais

para tomar decisões muito sérias,
que vão muito para além da televisão.

Alguém aqui conhece a empresa
Multi-Health Systems?

Ninguém.
Ok, isso por acaso até é bom.

A Multi-Health Systems
é uma empresa de software,

e espero que ninguém aqui nesta sala

alguma vez venha a conhecer esse software,

porque, se sim, significa
que foram para a prisão.

(Risos)

Se alguém nos EUA estiver na prisão,
e pedir a liberdade condicional,

é muito provável que o software
de análise de dados desta empresa

seja utilizado para determinar se
a condicional é concedida ou não.

O princípio é o mesmo
que na Amazon e Netflix,

mas agora em vez de decidir
se uma série de TV vai ser boa ou má,

estamos a decidir
se uma pessoa vai ser boa ou má.

Se ver televisão medíocre,
22 minutos, pode ser muito mau,

mais anos na prisão
imagino que seja muito pior.

Infelizmente, há alguma evidência
de que esta análise de dados,

apesar de dispor de imensos dados,
nem sempre produz resultados ideais.

Não é porque uma empresa
como a Multi-Health Systems

não saiba o que fazer com os dados.

Até as melhores empresas
peritas em dados se enganam.

Sim, até a Google se engana às vezes.

Em 2009, a Google anunciou que
conseguia, com a análise de dados,

prever o número de surtos de gripe,
do pior tipo de gripe,

fazendo análise de dados
das pesquisas no Google.

E funcionou lindamente,
fez um sucesso nos noticiários,

incluindo o pináculo
do sucesso científico:

uma publicação na "Nature".

Funcionou lindamente
ano após ano após ano,

até que um ano falhou.

Ninguém conseguia sequer
explicar bem porquê.

Simplesmente não funcionou nesse ano,

e é claro que foi também
uma grande notícia,

incluindo agora um desmentido

de uma publicação na "Nature".

Portanto, até as melhores empresas
peritas em dados, a Amazon e a Google,

se enganam às vezes.

Apesar de todos estes insucessos,

os dados estão a entrar rapidamente
na tomada de decisões na vida real

— no local de trabalho,

no sistema judicial,

na medicina.

Portanto, o melhor é termos a certeza
de que os dados estão a ajudar.

Pessoalmente, já vi
muitas lutas com os dados,

porque trabalho
em genética computacional

que é uma área
em que muita gente inteligente

está a usar uma quantidade inimaginável
de dados para tomar decisões muito sérias,

como decidir uma nova terapêutica para
o cancro ou desenvolver um medicamento.

Ao longo dos anos,
reparei numa espécie de padrão

ou uma espécie de regra, se quiserem,
sobre a diferença

entre uma tomada de decisão com dados
que corre bem

e uma tomada de decisão que corre mal,

e acho que vale a pena partilhar
este padrão, que é o seguinte.

Sempre que estamos a resolver
um problema complexo,

fazemos basicamente duas coisas.

A primeira é pegar no problema
e dividi-lo nos seus componentes

para conseguirmos analisar
esses componentes em profundidade,

e depois, é claro, vem a segunda parte.

Juntamos outra vez os componentes todos

e chegamos à nossa conclusão.

Às vezes é preciso repetir tudo,

mas são sempre estes 2 elementos:

dividir e voltar a juntar.

O elemento fundamental

é que os dados e a análise de dados

só funcionam bem para a primeira parte.

Os dados e a análise de dados,
por mais potentes que sejam,

só podem ajudar-nos a dividir um problema
e a compreender os componentes.

Não são adequados
para voltar a juntar esses componentes

e para depois chegar a uma conclusão.

Há outro instrumento que o consegue,
e todos o temos,

que é o cérebro.

Se há uma coisa que o cérebro faz bem,

é pegar nos componentes
e voltar a juntá-los,

mesmo quando temos
informação incompleta,

e chegar a uma boa conclusão,

sobretudo se for o cérebro de um perito.

Acho que foi por isso que a Netflix
teve tanto sucesso,

porque usaram os dados e os cérebros
nos momentos certos do processo.

Usaram os dados primeiro para compreender
muita coisa sobre a audiência

que de outra forma não teriam conseguido
compreender tão profundamente,

mas depois a decisão
de pegar nesses componentes todos,

voltar a juntá-los e fazer uma série
como "House of Cards",

não estava em lado nenhum nos dados.

Ted Sarandos e a sua equipa tomaram
essa decisão de produzir esta série,

o que significou, já agora,

que estavam a correr
um enorme risco pessoal com essa decisão.

A Amazon, por outro lado,
fez as coisas da forma errada.

Usou os dados em todo o processo
de tomada de decisão,

primeiro, quando fizeram
o concurso de ideias para séries,

e depois, quando seleccionaram
a série "Alpha House" para produzir.

O que, é claro, foi uma decisão
muito segura para eles,

porque podiam sempre
apontar para os dados e dizer:

"Isto é o que os dados nos dizem."

Mas isso não levou aos resultados
excepcionais que esperavam.

Ou seja, os dados são um instrumento
muitíssimo útil para decidir melhor,

mas acho que as coisas correm mal

quando são os dados
a impulsionar essas decisões.

Por mais potentes que sejam,
os dados são só um instrumento,

e, tendo isso em mente,
acho este instrumento aqui muito útil.

Muitos de vocês...

(Risos)

Antes de haver dados,

este era o dispositivo
de tomada de decisão a usar.

(Risos)

Muitos de vocês sabem isso.

Este brinquedo aqui
chama-se "Magic 8 Ball",

e é extraordinário,

porque se tivermos uma decisão
para tomar, sim ou não,

tudo o que temos de fazer é agitar a bola
e temos uma resposta

"Muito provavelmente" — aqui mesmo
nesta janela, em tempo real.

Depois posso emprestar para
umas demonstrações técnicas.

(Risos)

Agora, o importante, é claro
— tomei algumas decisões na vida

em que, em retrospectiva, devia ter
simplesmente ouvido a bola mágica.

Mas, claro, sabem que,
se houver dados disponíveis,

queremos substituir isto
por algo muito mais sofisticado,

como a análise de dados,
para chegar a uma decisão melhor.

Mas isso não altera a configuração básica.

A bola pode ficar
cada vez mais inteligente,

mas acho que ainda nos cabe a nós
tomar as decisões

se queremos conseguir
algo de extraordinário,

na extremidade direita da curva.

Acho que isto é uma mensagem
muito encorajadora, na verdade,

que, mesmo com
uma imensa quantidade de dados,

ainda compense tomar decisões,

sermos peritos no que fazemos

e corrermos riscos.

Porque, no final, não são os dados,

são os riscos que irão levar-nos
à extremidade direita da curva.

Obrigado.

(Aplausos)