Roy Price é um homem do qual
provavelmente nunca ouviram falar,
ainda que ele tenha sido responsável
por uns 22 minutos algo medíocres
da nossa vida, a 19 de Abril de 2013.
Pode ter sido também responsável
por 22 minutos muito agradáveis,
mas não para muitos de vocês.
E tudo isso remonta a uma decisão
que Roy teve de fazer
há cerca de três anos.
Pois vejam, Roy Price
é um executivo sénior na Amazon Studios.
É a empresa de produção televisiva
da Amazon.
Tem 47 anos, é esbelto,
com o cabelo espetado,
descreve-se no Twitter como
"filmes, TV, tecnologia, tacos."
Roy Price tem um trabalho importante,
porque é da sua responsabilidade
escolher programas, o conteúdo original
que a Amazon vai fazer.
Claro que esse é um espaço
muito competitivo.
Quero dizer, há tantos
programas televisivos já lançados,
que Roy não pode escolher
qualquer programa.
Tem que encontrar programas
que sejam mesmo, mesmo bons.
Por outras palavras,
tem que encontrar programas
que estejam do lado direito
desta curva aqui.
Esta curva aqui
é a distribuição de avaliações
de cerca de 2500 programas de TV,
no site do IMDb.
Essas avaliações vão de 1 a 10.
Esta altura aqui mostra quantos
programas obtêm essa avaliação.
Se o programa tem uma avaliação
de 9 pontos ou superior, é um vencedor.
Assim temos 2% de programas de topo.
São programas como o "Breaking Bad",
"Game of Thrones", "The Wire",
todos esses programas que são viciantes,
em que, depois de se ter visto uma série,
o cérebro fica assim como:
"Onde posso obter mais
destes episódios?"
Esse tipo de programas.
No lado esquerdo, só para clarificar,
tem-se, por outro lado,
um programa chamado
"Toddlers and Tiaras"...
(Risos)
... que deve dizer o suficiente
sobre o que se passa neste lado da curva.
Agora, o Roy Price não está preocupado
em ficar do lado esquerdo da curva,
porque acho que é preciso ter
um sério poder mental
para superar "Toddlers e Tiaras."
Ele está preocupado
com esta parte aqui no meio,
a parte da TV mediana.
Vocês sabem, aqueles programas
que são mais ou menos,
que não vos deixam entusiasmados.
Ele tem que ter a certeza
que fica do lado direito da curva.
A pressão é máxima,
e claro que é também a primeira vez
que a Amazon está a fazer algo assim,
por isso o Roy Price não quer arriscar.
Ele quer fabricar um sucesso.
Ele precisa de sucesso garantido.
Então o que ele faz é
lançar uma competição.
Pega numa data de ideias
para programas de TV
e a partir dessas ideias,
através de uma avaliação,
selecionam 8 candidatos
para programas de TV.
Depois faz só o 1º episódio
de cada um desses programas
e põe-nos "online" grátis,
para toda a gente ver.
E quando a Amazon dá coisas grátis,
toda a gente a vai ver, não é?
Há milhões de telespectadores
a ver esses episódios.
O que eles não se apercebem é que,
enquanto estão a ver o programa,
estão ser observados.
Estão a ser observados
pelo Roy Price e pela sua equipa
que gravam tudo.
Gravam quando alguém pressiona "Play",
quando alguém pressiona "Pausa",
que partes passam à frente,
que partes vêem de novo.
Recolhem milhares de dados,
porque querem ter essa informação
para depois decidir
que programa devem fazer.
E claro, recolhem toda a informação,
analisam-na, e a resposta surge.
E a resposta é:
"A Amazon devia fazer uma comédia
sobre 4 senadores Republicanos dos EUA."
(Risos)
Fizeram esse programa.
Então? Alguém sabe o nome desse programa?
Audiência: "Alpha House."
Sim, "Alpha House,"
mas parece que poucos aqui
se lembram desse programa,
porque não ficou assim tão bom.
Na verdade, é só um programa mediano,
literalmente, de facto,
porque a média da curva está em 7,4
e "Alpha House" tem 7,5.
Portanto, está ligeiramente acima da média,
mas certamente não é o que Roy Price
e a sua equipa queriam atingir.
Mas, entretanto,
por volta da mesma altura,
numa outra empresa
outro executivo produziu um programa
do topo, usando análise de dados.
Chama-se Ted, Ted Sarandos,
é o diretor de Conteúdos da Netflix.
Tal como o Roy,
ele está numa missão constante
para encontrar um programa de topo
e também usa dados para fazer isso,
excepto que o faz de forma
um pouco diferente.
Em vez de lançar uma competição,
ele e a sua equipa
olharam para todos os dados que tinham
sobre os telespectadores da Netflix,
as avaliações que dão aos programas,
o historial de visualizações,
o que gostam, etc.
Depois usaram esses dados
para descobrir
toda a informação e mais alguma
sobre a audiência:
que tipos de programas gostam,
que tipo de produtores,
que tipo de actores.
Depois de terem
toda essa informação junta,
num acto de fé,
decidiram licenciar,
não uma comédia sobre quatro senadores
mas uma série dramática sobre
um único senador.
Vocês conhecem o programa?
(Risos)
Sim, "House of Cards", e a Netflix claro,
acertou em cheio com esse programa,
pelos menos nas primeiras duas temporadas.
(Risos)
(Aplausos)
"House of Cards" tem uma avaliação
de 9,1 nesta curva.
Exactamente onde queriam
que estivesse.
Agora, a pergunta é:
"O que aconteceu aqui?"
Temos duas empresas muito competitivas
que usam análise de dados.
Relacionam estes milhões
de pontos de informação,
mas depois funciona lindamente
para um deles,
e não funciona para outro.
Então porquê?
Porque a lógica diz
que isto devia resultar todas as vezes.
Quero dizer, se estamos a recolher
milhares de dados
para tomar uma decisão
então devíamos conseguir
tomar uma boa decisão.
Temos 200 anos de estatísticas
com que podemos contar.
Estamos a amplificá-la
com computadores muito potentes.
O mínimo que podíamos esperar
é boa televisão, ou não é?
Se a análise de dados não funciona
dessa maneira,
então torna-se assustador,
porque vivemos numa época
em que dependemos cada vez mais de dados
para tomar decisões sérias
que vão para além da televisão.
Alguém aqui conhece a empresa
Multi-Health Systems?
Ninguém. OK, isso é certamente bom.
A Multi-Health systems
é uma empresa de "software",
e espero que ninguém aqui nesta sala
venha a estar em contacto
com esse "software",
porque, se estiver,
significa que está preso.
(Risos)
Se alguém aqui nos EUA está na prisão,
e pretende a liberdade condicional
é muito provável que o "software"
de análise de dados dessa empresa
seja usado para determinar
se essa proposta é ou não aceite.
É o mesmo principio
que a Amazon e a Netflix utilizam,
mas agora em vez de decidir
se um programa vai ser bom ou mau,
vai-se decidir se uma pessoa
vai ser boa ou má.
Uma TV medíocre, 22 minutos,
pode ser muito mau,
mas mais anos na prisão,
acho eu, é ainda pior.
Infelizmente, há algumas provas
de que a análise de dados,
apesar da enormidade de dados,
nem sempre produz óptimos resultados.
E não é porque uma empresa
como a Multi-Health Systems.
não saiba o que fazer com os dados.
Até as empresas mais conhecedoras
na área falham.
Sim, até a Google erra às vezes.
Em 2009, a Google anunciou
que conseguia, com a análise de dados,
prever surtos de gripe da pior espécie,
fazendo análise de dados
nas pesquisas da Google.
E funcionou lindamente,
fazendo grande sensação nas notícias,
incluindo o pináculo
do sucesso científico:
uma publicação na revista "Nature".
Funcionou óptimamente,
ano após ano após ano,
até que um dia falhou.
Ninguém conseguiu dizer
exactamente porquê.
Simplesmente não funcionou nesse ano.
Claro que isso também
foi uma grande notícia,
incluindo agora uma retratação
de uma publicação
da revista "Nature".
Então, até as empresas mais conhecedoras,
como a Amazon e a Google,
às vezes erram.
Apesar de todos esses falhanços,
os dados intervêm cada vez mais
em decisões da vida real
— no espaço de trabalho,
no cumprimento da lei,
na medicina.
Então devíamos ter a certeza
de que os dados estão a ajudar.
Agora, pessoalmente, já vi
muita desta luta com dados,
porque trabalho com genética
computacional,
que é também um campo
onde muita gente inteligente
usa quantidades de dados inimagináveis
para tomar decisões importantes,
como decidir uma terapia de cancro
ou desenvolver uma droga.
Ao longo dos anos,
notei um tipo de padrão
ou uma regra, se quiserem,
sobre a diferença
entre tomadas de decisão
bem sucedidas com dados
e tomadas de decisão mal-sucedidas.
Acho que é um padrão que devo partilhar,
e é mais ou menos assim.
Sempre que se resolve um problema complexo
fazem-se basicamente duas coisas.
A primeira é dividir esse problema
em várias partes
para que se possa analisar
cada parte em separado.
Depois, claro, faz-se a segunda parte.
Juntam-se todas essas partes de novo
para chegar a uma conclusão.
Às vezes é preciso fazer tudo de novo,
mas são sempre essas duas coisas:
Dividir e voltar a juntar de novo.
Agora a parte crucial é
que esses dados e a análise de dados
servem apenas para a primeira parte.
Os dados e análise de dados,
por mais poderosos que sejam,
só ajudam a dividir o problema
e a compreender as suas partes.
Não é adequado para voltar a juntar
essas partes de novo
e depois chegar a uma conclusão.
Há outra ferramenta que faz isso,
e todos a temos.
Essa ferramenta é o cérebro.
Se há uma coisa em que o cérebro é bom
é em pegar em pedaços
de informação e juntá-los
mesmo quando a informação é incompleta,
e chegar a uma boa conclusão,
especialmente se for o cérebro
de um especialista.
É por isso que acredito
que a Netflix teve tanto sucesso,
porque usaram dados e cérebros
onde devido, durante o processo.
Utilizaram dados para perceber
informações sobre a audiência
que, de outra maneira, não conseguiriam
perceber àquele nível.
Mas a decisão de pegar
em todas essas informações
e juntá-las de novo, para fazer
uma série como a "House of Cards,"
isso não estava nos dados.
Ted Sarandos e a sua equipa
tomaram a decisão de licenciar a série,
o que também significou,
que eles estavam a correr
um grande risco pessoal
com essa decisão.
A Amazon, por outro lado, fez o oposto.
Usaram os dados para guiar
a sua tomada de decisão,
primeiro quando lançaram
a competição de ideias de TV,
depois quanto escolheram
"Alpha House" como série.
Claro que 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 não os levou aos resultados
excepcionais que eles estavam à espera.
Claro que os dados são uma ferramenta
muito útil para tomar melhores decisões,
mas acredito que as coisas
dão para o torto
quando os dados começam
a guiar tais decisões.
Não interessa quão poderosos possam
ser os dados, são só uma ferramenta.
Para manter isso presente,
acho este aparelho aqui muito útil.
Muitos de vocês vão...
(Risos)
Antes de haver dados,
este era o aparelho
de tomada de decisões que se usava.
(Risos)
Devem conhecer isto.
Este brinquedo chama-se "Magic 8 Ball",
E é realmente incrível,
Porque, se tivermos uma decisão a tomar,
uma questão de sim/não,
basta abanarmos a bola,
e recebemos uma resposta.
"Muito provavelmente"
— aqui nesta janela, em tempo real.
Vou deixá-la por aí para uma "tech demo".
Agora, eu tomei algumas decisões
na minha vida
em que, em retrospectiva,
eu devia ter dado ouvidos à bola.
Mas, claro,
se temos dados disponíveis,
queremos substituir a bola
por algo mais sofisticado,
como a análise de dados,
para tomar uma decisão melhor.
Mas tal não altera a configuração base.
A bola pode ficar
cada vez mais inteligente
mas eu acredito que somos nós
que temos que tomar decisões,
se queremos alcançar
algo extraordinário,
no lado direito da curva.
Acho que uma mensagem muito encorajadora
é que, mesmo perante imensa informação,
ainda compensa tomar decisões,
ser um especialista no que fazemos
e correr riscos.
Porque, afinal, não são os dados,
são os riscos que nos possibilitam
estar no lado direito da curva.
Obrigado.
(Aplausos)