Рой Прайс — это человек, о котором
большинство из вас никогда не слышало,
а он мог быть ответственным
за 22 посредственных минуты
вашего времени 19 апреля 2013 года.
Он также мог быть ответственным
за 22 весьма развлекательных минуты,
но не для многих из вас.
Всё это ведёт нас к решению,
которое Рой должен был принять
три года назад.
Рой Прайс — ответственный менеджер
в Amazon Studios.
Это подразделение
Amazon по производству телепрограмм.
Ему 47 лет, худощавый,
с «ёжиком» на голове,
в Твиттере он описывает себя так:
«фильмы, ТВ, технологии, тако».
У Роя Прайса очень ответственная работа,
потому что он отвечает
за выбор сериалов, оригинального контента,
который будет производить Amazon.
Безусловно, это очень конкурентная среда.
Уже есть столько сериалов,
что Рой не может просто выбрать
любой сериал.
Ему нужно находить сериалы,
которые действительно очень хороши.
Другими словами,
ему нужно находить сериалы,
которые будут на самом правом краю
этой кривой.
Эта кривая — распределение рейтингов
порядка 2 500 телесериалов,
по данным сайта IMDB.
Рейтинг может быть от 1 до 10,
высота показывает, сколько сериалов
получают данный рейтинг.
Если у вашего сериала рейтинг
9 и выше, это победитель.
Ваш сериал в 2% самых успешных.
Это такие сериалы, как «Во все тяжкие»,
«Игра престолов», «Прослушка»,
все они затягивают,
после того, как вы посмотрите сезон,
ваш мозг думает:
«Где бы мне достать ещё эпизодов?»
Вот такие сериалы.
Для ясности: на левой стороне
у нас сериал «Коронованные детки»,
(Смех)
и это должно сказать достаточно
о том, что происходит
на левом краю кривой.
Рой Прайс не боится попасть
на левый край,
потому что нужны серьёзные
мыслительные способности,
чтобы обойти «Коронованных деток».
О чём он волновался,
так это о средней части этой кривой,
там где находятся средние сериалы,
сериалы, которые не хороши и не плохи,
которые никого не будоражат.
Рою нужно непременно попасть на правый край.
Давление нарастает,
и, конечно, это первый раз,
когда Amazon делает что-то подобное,
поэтому Рой Прайс не хочет рисковать.
Он хочет сделать успешное шоу.
Ему нужен гарантированный успех,
поэтому он проводит соревнование.
Он берёт несколько идей для сериалов,
из которых затем с помощью оценки
они выбирают восемь кандидатов
для сериала,
а потом снимают первый эпизод
для каждого из этих сериалов
и выкладывают их онлайн бесплатно,
чтобы все могли посмотреть.
Когда Amazon бесплатно раздаёт что-то,
мы, конечно, берём, правда?
Миллионы зрителей смотрят эти эпизоды.
Но они не осознают,
что пока они смотрят сериалы,
на самом деле наблюдают за ними.
За ними наблюдает Рой Прайс и его команда,
они записывают всё.
Записывают, когда кто-то нажал
«Воспроизвести», «Пауза»,
какие части они пропускают,
какие — пересматривают.
Они собирают миллионы ориентиров,
потому что они хотят иметь эти данные,
чтобы на их основе решить,
какой сериал снимать.
Закономерно, что они собирают данные,
обрабатывают их и получают ответ,
и ответ таков:
«Amazon должна снять ситком
о четырёх сенаторах-республиканцах».
Они его сняли.
Кто-нибудь знает, как он называется?
(Зал: «Альфа-дом»)
Да, «Альфа-дом»,
но, похоже, немногие из вас
помнят этот сериал,
потому что он не был таким классным.
На самом деле это средний сериал,
буквально средний, потому что
средняя цифра на этой кривой — 7.4,
а у «Альфа-дома» рейтинг 7.5,
чуть-чуть выше среднего сериала,
но это явно не то, к чему Рой Прайс
и его команда стремились.
А между тем примерно в то же время
другая компания,
другой менеджер умудрился сделать
топовый сериал, используя анализ данных.
Его зовут Тед,
Тед Сарандос,
программный директор в Netflix,
и, как и Рой,
он постоянно работает над тем,
чтобы найти отличный сериал,
и он также использует для этого данные,
но делает это немного по-другому.
Вместо того, чтобы проводить соревнование,
он — и его команда, конечно, —
посмотрели на данные, которые
уже имелись о зрителях Netflix:
оценки, которые зрители ставили сериалам,
история просмотров,
какие сериалы нравятся и так далее.
Они использовали эти данные,
чтобы выяснить мелочи и детали
об аудитории:
какие сериалы им нравятся,
какие продюсеры, какие актёры.
Когда они собрали эти данные вместе,
они совершили решительный шаг,
они решили сделать
не ситком о четырёх сенаторах,
а драму об одном сенаторе.
Вы, ребята, знаете этот сериал?
(Смех)
Да, «Карточный домик», и Netflix
отлично справился с этим сериалом,
по крайней мере, с первыми двумя сезонами.
(Смех) (Аплодисменты)
У «Карточного домика»
рейтинг 9.1 по этой кривой,
именно такой, какой они хотели.
Само собой, вопрос в том,
что произошло?
Две конкурентоспособные,
понимающие в данных компании.
Они собирают миллионы индикаторов,
которые отлично работают для одной из них
и совсем не работают для другой.
Почему?
Логика подсказывает нам, что это должно
было сработать в обоих случаях.
В смысле, если вы собираете
миллионы индикаторов
для решения, которое собираетесь принять,
то вы должны принять
очень хорошее решение.
У вас есть статистика за 200 лет.
Вы анализируете данные
с помощью очень мощных компьютеров.
Как минимум, вы можете ожидать
хорошего сериала, да?
И если анализ данных не работает,
то это даже страшновато,
потому что мы живём во время,
когда мы всё больше работаем с данными
для принятия серьёзных решений,
которые выходят далеко за рамки ТВ.
Кто-нибудь знает компанию
Multi-Health Systems?
Никто. Это даже хорошо.
Multi-Health Systems —
это компания-разработчик,
и я надеюсь, никто в этом зале
никогда не столкнётся с их ПО,
потому что если столкнётесь,
значит, вы в тюрьме.
(Смех)
Если в США заключённый
просит о досрочном освобождении,
весьма вероятно, что будет использован
анализ данных от этой компании,
чтобы решить, стоит ли его предоставить.
Это то же самый принцип,
как у Amazon и Netflix,
только вместо того, чтобы решать,
будет ли сериал хорошим или плохим,
вы решаете, будет ли человек
хорошим или плохим.
Средненькая серия на 22 минуты —
да, это может быть не очень хорошо,
но больше лет в тюрьме —
это много хуже.
К сожалению, есть доказательства,
что такой анализ данных,
несмотря на огромное количество данных,
не всегда выдаёт оптимальные результаты.
Это не потому, что компании вроде
Multi-Health Systems
не знают, что делать с данными.
Даже самые понимающие в данных
компании ошибаются.
Да, даже Google иногда ошибается.
В 2009 году Google заявил,
что благодаря анализу данных они могут
предсказать эпидемию гриппа,
основываясь на анализе
поисковых запросов.
Это отлично работало,
это вызвало резонанс в новостях,
включая максимальный успех
для научного исследования —
публикацию в журнале Nature.
Это отлично работало
год за годом, год за годом,
пока однажды не провалилось.
Никто не может точно сказать почему.
Это просто не сработало в том году;
конечно, снова был резонанс в новостях,
включая отзы́в статьи из журнала Nature.
Так что даже самые опытные компании,
Amazon и Google,
иногда ошибаются.
Но несмотря на эти ошибки,
данные всё больше вовлекаются
в ежедневное принятие решений —
в рабочее пространство,
в работу правоохранительных органов,
медицину.
Так что нам бы хорошо убедиться,
что данные помогают.
Я лично сталкивался с заминками
в работе с данными,
потому что я работаю
в вычислительной генетике,
а это сфера, где очень умные люди
используют невообразимые объёмы данных
для принятия серьёзных решений,
например, решения о терапии рака
или разработки лекарства.
За годы я заметил что-то вроде тенденции
или правила, если хотите, о разнице
между успешным решением,
основанным на данных,
и неуспешным решением,
и я думаю, что эта тенденция стоит того,
чтобы поделиться ей. Вот она:
когда вы решаете сложную проблему,
вы обязательно делаете две вещи.
Во-первых, вы берёте проблему
и раскладываете её на кусочки,
чтобы суметь глубоко проанализировать
эти кусочки,
а потом, конечно,
вы делаете вторую часть.
Вы собираете эти кусочки в одно целое,
чтобы прийти к решению.
Иногда приходится делать это не раз,
но всегда есть два этапа:
разложить на кусочки и собрать обратно.
Самое важное состоит в том,
что данные и анализ данных
годятся только для первого шага.
Данные и анализ данных,
не важно, насколько мощные,
могут помочь только с разделением
проблемы на кусочки и пониманием их.
Они не подходят для собирания
кусочков в единое целое
и принятия решения.
Для этого существует другой инструмент,
который есть у всех нас, —
это наш мозг.
Что мозг умеет делать хорошо —
так это собирать кусочки воедино,
даже в условиях недостаточной информации,
и делать правильные выводы,
особенно если это мозг эксперта.
Я думаю, именно поэтому
Netflix получил такой успех —
они использовали и данные, и силу
человеческого мозга, где необходимо.
Они использовали данные,
чтобы детально понять свою аудиторию,
иначе они не смогли бы сделать
такой глубокий анализ,
но их решение, когда пришло время
собирать кусочки воедино
и снимать сериал вроде
«Карточного домика»,
было принято не данными.
Это решение приняли
Тед Сарандос и его команда,
что, кстати, означает,
что они лично серьёзно рисковали
с этим решением.
С другой стороны, Amazon
сделали всё наоборот.
Они использовали данные
на обоих этапах принятия решения:
сначала провели
соревнование сценариев для сериала,
а затем выбрали «Альфа-дом».
Это, конечно, было
весьма безопасное решение для них,
потому что они всегда могли бы сказать:
«Вот что говорят нам данные».
Но это не привело их к выдающемуся
результату, к которому они стремились.
Данные — это, безусловно, полезный
инструмент для принятия хороших решений,
но я уверен, что неправильно,
когда данные начинают
управлять этими решениями.
Вне зависимости от своей силы,
данные — это всего лишь инструмент,
учитывая это, я думаю,
что вот эта штука очень полезная.
Многие из вас...
(Смех)
До того, как появились данные,
эту штуку использовали
для принятия решений.
(Смех)
Многие знают, что это.
Это называется «Шар предсказаний»,
он правда классный,
потому что, если вам нужен ответ
на вопрос «да или нет»,
всё, что нужно сделать,
это потрясти шар, и у вас есть ответ —
«Вероятнее всего» —
прямо здесь, прямо сейчас.
Вы сможете попробовать попозже.
(Смех)
Я принимал в своей жизни много решений,
в которых, как я сейчас понимаю,
лучше было послушаться шара.
Но, конечно, если у вас есть данные,
вы захотите использовать
нечто посерьёзнее шара,
вроде анализа данных,
чтобы прийти к лучшему решению.
Но это не меняет основной идеи.
Шар может становиться умнее,
умнее и умнее,
но принятие решений —
всё ещё наша ответственность,
если мы хотим достичь
чего-то выдающегося,
попасть в правую часть кривой.
Я нахожу это очень вдохновляющим:
даже перед лицом огромных
объёмов данных
всё ещё стоит принимать решения,
быть экспертом в своём деле
и рисковать.
Потому что в конце концов не данные,
а риск приведёт вас в правую часть кривой.
Спасибо.
(Аплодисменты)