How to use data to make a hit TV show | Sebastian Wernicke

133,036 views ・ 2016-01-27

TED


يرجى النقر نقرًا مزدوجًا فوق الترجمة الإنجليزية أدناه لتشغيل الفيديو.

المترجم: Ali Mahmood المدقّق: Ahmad Altamimi
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
روي برايس هو رجل ربما معظمكم لم يسمع به من قبل،
00:17
even though he may have been responsible
1
17120
2496
رغم أنه كان مسؤولاً
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
عن 22 دقيقة معتدلة الجودة من حياتكم خلال التاسع عشر من شهر أبريل 2013.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
وربما كان مسؤولاً أيضاً عن 22 من الدقائق المسلّية جداً،
00:29
but not very many of you.
4
29760
2256
ولكن ليس للعديد منكم.
00:32
And all of that goes back to a decision
5
32040
1896
و هذا يعود لقرار
00:33
that Roy had to make about three years ago.
6
33960
2000
كان على روي أن يتخذه قبل حوالي ثلاث سنوات.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
فكما ترون أن روي برايس هو أحد المدراء الكبار في ستوديوهات أمازون.
00:40
That's the TV production company of Amazon.
8
40840
3016
وتلك هي شركة الإنتاج التلفزيوني التابعة لأمازون.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
يبلغ من العمر 47 عاماً، نحيف ذو شعر شائك،
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
ويصف حاله على تويتر بأنه رجل "الأفلام، التلفزيون، التكنولوجيا، الشطائر"
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
ويشغل روي برايس وظيفة جديرة جدا بالثقة إذ يقع عليه عاتق
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
تحديد المحتوى الأصلي للعروض التي ستتبناها أمازون.
01:01
And of course that's a highly competitive space.
13
61280
2336
وبالطبع فإن ذلك يشكل فضاءاً شديد المنافسة.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
أعني، أن هناك العديد من العروض التلفزيونية على الساحة،
01:06
that Roy can't just choose any show.
15
66400
2176
تصعّب على روي أمر اختياره للعروض.
01:08
He has to find shows that are really, really great.
16
68600
4096
عليه أن يجد تلك العروض التي تعد عظيمة فعلاً.
01:12
So in other words, he has to find shows
17
72720
2816
وبكلمة أخرى، عليه إيجاد العروض
01:15
that are on the very right end of this curve here.
18
75560
2376
التي تقع على أقصى الطرف الأيمن من هذا المنحنى.
01:17
So this curve here is the rating distribution
19
77960
2656
ويمثل هذا المنحنى توزيع التقييمات
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
لما يناهز الـ 2500 من العروض التلفزيونية لموقع قاعدة بيانات الأفلام على الانترنت،
01:25
and the rating goes from one to 10,
21
85040
2896
IMDB حيث تتدرج التقييمات من واحد حتى العشرة،
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
ويعبّر الارتفاع هنا عن عدد العروض التي أحرزت ذلك التقييم.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
فإذا ما أحرز عرضكم تقييماً من تسعة نقاط فما فوق، فيعدّ ذلك فائزاً.
01:35
Then you have a top two percent show.
24
95680
1816
ثم ليبرز عرض ما فوق ال 2%
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
وتلك عروض مثل "الاختلال الضال" و"صراع العروش" و "المتنصّت"،
01:41
so all of these shows that are addictive,
26
101440
2296
وجميع هذه العروض هي من النوع الإدماني،
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
فما إن يتم مشاهدة موسم منها، حتى يجنح الدماغ إلى حالة،
01:46
"Where can I get more of these episodes?"
28
106840
2176
"أين يسعني تحصيل المزيد من هذه الحلقات؟"
01:49
That kind of show.
29
109040
1200
ذلك النوع من العروض.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
وعلى الطرف الأيسر، فقط للإيضاح، هنا على ذلك الطرف،
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
تجدون عرضاً يدعى "الأطفال والتيجان" ..
01:56
(Laughter)
32
116640
2656
(ضحك)
01:59
-- which should tell you enough
33
119320
1536
ما يمكنه إخباركم بما يكفي
02:00
about what's going on on that end of the curve.
34
120880
2191
عن طبيعة ما يجري عند ذلك الطرف من المنحنى.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
وهكذا فإن روي برايس لا تشغله متابعة ما يجري عند الطرف الأيسر من المنحنى،
02:07
because I think you would have to have some serious brainpower
36
127280
2936
لأنني أعتقد أنه عليكم بالتمتع ببعض القدرة العقلية
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
لتحجّموا أمر "الأطفال والتيجان."
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
فما يشغله هو هذا البروز الوسطي الناتئ هنا،
02:15
the bulge of average TV,
39
135920
1816
بروز متوسط العروض التلفزيونية،
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
وكما تعلمون، فتلك العروض التي ليست حقاً جيدة وليست حقا بائسة،
02:20
they don't really get you excited.
41
140639
1656
والتي لا تثير الحماس حقاً.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
لذا فهو بحاجة لتأمين ما إذا كان حقاً على الطرف الأيمن من هذا.
02:27
So the pressure is on,
43
147200
1576
الأمر الذي يصعّد الضغط عالياً،
02:28
and of course it's also the first time
44
148800
2176
وطبعاً هي المرة الأولى التي
02:31
that Amazon is even doing something like this,
45
151000
2176
خاصت فيها أمازون غمار أمر كهذا،
02:33
so Roy Price does not want to take any chances.
46
153200
3336
وهذا ما يضيّق على روي برايس خياراته.
02:36
He wants to engineer success.
47
156560
2456
فهو راغب بهندسة النجاح.
02:39
He needs a guaranteed success,
48
159040
1776
ويطمح نحو نجاح مضمون،
02:40
and so what he does is, he holds a competition.
49
160840
2576
لذا فما يفعله يتمثّل بإعداده لمنافسة.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
متناولاً حفنة من أفكار العروض التلفزيونية،
02:46
and from those ideas, through an evaluation,
51
166600
2296
ومن تلك الأفكار وعبر القيام بتقييمها،
02:48
they select eight candidates for TV shows,
52
168920
4096
يرشّحون ثمانية أفكار لتقوم عروض تلفزيونية عليها،
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
وبعدها يقوم بعمل الحلقة الأولى من كل عرض من هذه العروض
02:56
and puts them online for free for everyone to watch.
54
176280
3136
ليضعها على الانترنت متاحة للجميع لمشاهدتها مجاناً.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
فعندما تقوم أمازون بإتاحة مادة مجانية،
03:01
you're going to take it, right?
56
181720
1536
فالنتيجة أنكم تتناولونها، صحيح؟
03:03
So millions of viewers are watching those episodes.
57
183280
5136
وهكذا يقوم الملايين من المشاهدين بمشاهدة تلك الحلقات.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
وما لا يدركونه هو أنهم أثناء مشاهدتهم العروض،
03:11
actually, they are being watched.
59
191680
2296
يتم فعليّا مراقبتهم.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
تتم مراقبتهم من قبل روي برايس وفريقه،
03:16
who record everything.
61
196360
1376
والذين يسجّلون كل شي.
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
فيسجّلون لحظة ما يقوم الشخص بالكبس على مفتاح التشغيل، أو مفتاح التمهّل.
03:21
what parts they skip, what parts they watch again.
63
201160
2536
وما المقاطع التي يتخطّونها، وما التي تعاد مشاهدتها.
03:23
So they collect millions of data points,
64
203720
2256
وهكذا يجمعون الملايين من نقاط البيانات،
03:26
because they want to have those data points
65
206000
2096
لأنهم بحاجة إلى نقاط البيانات تلك
03:28
to then decide which show they should make.
66
208120
2696
كي يقرّروا أيّا من العروض يترتّب عليهم تبنّيها.
03:30
And sure enough, so they collect all the data,
67
210840
2176
وبقدر ما يتطلب الأمر، يجمعون كل البيانات،
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
ويمارسون كافة عمليات الطحن والغربلة حتى الخروج بإجابة،
03:35
and the answer is,
69
215640
1216
والإجابة هي،
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
"على أمازون القيام بمسرحية هزلية تدور حول أربعة من الشيوخ الأمريكان الجمهوريين."
03:42
They did that show.
71
222440
1216
وفعلاً نفذوا ذلك العرض.
03:43
So does anyone know the name of the show?
72
223680
2160
فهل أحد يعلم ما اسم ذلك العرض؟
03:46
(Audience: "Alpha House.")
73
226720
1296
(الجمهور: "بيت ألفا.")
03:48
Yes, "Alpha House,"
74
228040
1456
نعم، إنه "بيت ألفا،"
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
ولكن يبدو أنه ليس الكثير منكم من يتذكر ذلك العرض حقيقة،
03:53
because it didn't turn out that great.
76
233640
1856
لأنه لم يحقق قدراً كبيراً من الأهمية.
03:55
It's actually just an average show,
77
235520
1856
إنه لا يتعدّى كونه من العروض المتوسّطة.
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
فحقيقة .. وحرفياً وبالفعل لأن متوسط هذا المنحنى يقع على درجة 7.4،
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
ويحتلّ عرض "بيت ألفا" الدرجة 7.5،
04:04
so a slightly above average show,
80
244440
2016
لذا فهو أكثر قليلاً من العرض المتوسط،
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
ولكن بالتأكيد ليس هذا ما كان روي برايس وفريقه يصبون إليه.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
بينما، على أية حال، وفي أثناء ذلك،
04:13
at another company,
83
253200
1576
وفي شركة أخرى،
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
تمكّن أحد المدراء التنفيذيين من بلوغ قمة العروض عبر استخدام تحليل البيانات،
04:19
and his name is Ted,
85
259040
1576
واسمه تيد،
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
تيد ساراندوز، وهو المسؤول الأقدم على المحتوى لدى شركة نيتفليكس،
04:24
and just like Roy, he's on a constant mission
87
264080
2136
وتماماً كما روي، نذر نفسه للمهمّة المستمرة
04:26
to find that great TV show,
88
266240
1496
لإيجاد العرض التلفزيوني الهائل
04:27
and he uses data as well to do that,
89
267760
2016
كما أنه أيضاً يستخدم البيانات لتحقيق ذلك،
04:29
except he does it a little bit differently.
90
269800
2015
ما عدا أنه يفعل ذلك بطريقة مختلفة قليلاً.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
فبدلاً من إعداد المنافسة، قام، بصحبة فريقه طبعاً،
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
بمعاينة جميع البيانات التي بين أيديهم حول مشاهدي نيتفليكس،
04:39
you know, the ratings they give their shows,
93
279160
2096
كما تعلمون، كالتقييمات التي تحرزها عروضهم،
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
أو سجلات المشاهدة، والعروض التي تعجب المشاهدين، وهكذا.
04:44
And then they use that data to discover
95
284000
1896
وبعدها يقومون باستخدام البيانات للكشف
04:45
all of these little bits and pieces about the audience:
96
285920
2616
عن كل هذه الأمور الصغيرة التي تخص الجمهور:
04:48
what kinds of shows they like,
97
288560
1456
ما نوع العروض التي تعجبهم،
04:50
what kind of producers, what kind of actors.
98
290040
2096
ما نوع المنتجين، ما نوع الممثّلين.
04:52
And once they had all of these pieces together,
99
292160
2576
وحالما تتجمع لديهم كل هذه القطع الصغيرة،
04:54
they took a leap of faith,
100
294760
1656
يقومون باتخاذ طفرة ايمانية،
04:56
and they decided to license
101
296440
2096
ويقرّرون القيام بترخيص
04:58
not a sitcom about four Senators
102
298560
2456
ليس مسرحية هزلية عن أربعة شيوخ
05:01
but a drama series about a single Senator.
103
301040
2880
ولكن مسلسل درامي عن شيخ واحد،
05:04
You guys know the show?
104
304760
1656
وأنتم تعرفون العرض؟
05:06
(Laughter)
105
306440
1296
(ضحك)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
نعم، "البيت الواهن،" وطبعا تربّعت نيتفليكس من خلال ذلك العرض،
05:11
at least for the first two seasons.
107
311520
2136
على الأقل خلال الموسمين الأولين،
05:13
(Laughter) (Applause)
108
313680
3976
(ضحك) (تصفيق)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
حصل "البيت الواهن" على تقييم بدرجة 9.1 على هذا المنحنى،
05:20
so it's exactly where they wanted it to be.
110
320880
3176
إنه تماماً حيث أرادوا له أن يكون،
05:24
Now, the question of course is, what happened here?
111
324080
2416
والآن، يبرز السؤال الطبيعي، ما الذي حصل هنا؟
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
ولديكم منافسان كبيران من شركات ذكاء البيانات.
05:29
They connect all of these millions of data points,
113
329200
2856
حيث يقومون بوصل كل هذه الملايين من نقاط البيانات،
05:32
and then it works beautifully for one of them,
114
332080
2376
وفجأة تصيب إحداها بطريقة جميلة،
05:34
and it doesn't work for the other one.
115
334480
1856
بينما تخيب الأخرى.
05:36
So why?
116
336360
1216
لماذا؟
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
لأن المنطق يخبرك نوعاً ما أن هذا بوسعه النجاح كل الأحيان.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
وأعني، من خلال جمعك لملايين النقاط من البيانات
05:43
on a decision you're going to make,
119
343560
1736
من أجل قرار سيتعين عليك اتخاذه،
05:45
then you should be able to make a pretty good decision.
120
345320
2616
عليك أن تكون قادراً على اتخاذ قرار ناجع.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
فلديك 200 سنة من الإحصاءات التي عليك اعتمادها.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
والتي تقوم بتنميتها عبر استخدام حواسيب جبارة.
05:53
The least you could expect is good TV, right?
123
353240
3280
وأقل ما تتوقعه هو الحصول على عرض تلفزيوني جيد، صحيح؟
05:57
And if data analysis does not work that way,
124
357880
2720
ولكن إن كانت تقنية تحليل البيانات لا تعمل بتلك الطريقة،
06:01
then it actually gets a little scary,
125
361520
2056
فستغدو حقاً مخيفة قليلاً،
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
لأننا نعيش في زمن ننكبّ فيه على البيانات أكثر فأكثر
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
من أجل اتخاذ قرارات جدية جدأ تتجاوز كثيرا حدود العروض التلفزيونية.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
هل أحد هنا يعرف شركة أنظمة الصحة المتعددة؟
06:17
No one. OK, that's good actually.
129
377080
1656
لا أحد، حسناً، وهذا أمر جيد حقيقة.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
حسنا، فأنظمة الصحة المتعددة هي شركة مختصة بالبرمجيات،
06:22
and I hope that nobody here in this room
131
382000
2816
وآمل ألا يُقدم أحد من هذه القاعة
06:24
ever comes into contact with that software,
132
384840
3176
على الاتصال بذلك البرنامج،
06:28
because if you do, it means you're in prison.
133
388040
2096
لأنك إن فعلت، فستكون في السجن.
06:30
(Laughter)
134
390160
1176
(ضحك)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
إذا ما قام أحد السجناء هنا في أميركا بالتقديم على إطلاق سراح مشروط،
06:34
then it's very likely that data analysis software from that company
136
394920
4296
فمن المحتمل جدا أن أحد برمجيات تحليل البيانات الخاصة بتلك الشركة
06:39
will be used in determining whether to grant that parole.
137
399240
3616
هو ما سيتم استخدامه لتقرير فيما لو كان من الممكن منح ذلك الإطلاق.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
إذن فهو نفس المبدأ كما لدى أمازون أو نيتفليكس،
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
ولكن بدلا من التقرير بين كون العرض التلفزيوني صالحاً أم لا،
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
ما لدينا هنا هو القرار بشأن صلاحية السجين من عدمها.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
والبرامج التلفزيونية المعتدلة الجودة، مثل برنامج 22 دقيقة، الغاية في السوء،
06:58
but more years in prison, I guess, even worse.
142
418560
2640
ولكن قضاء سنوات أكثر في السجن، كما أظن، هو أكثر سوءاً.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
ولسوء الحظ، هنالك حقاً دليل على كون تحليل البيانات هذا،
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
رغم توافره على العديد من البيانات، لكنه لا يخرج دائما بالنتائج المثالية.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
وذلك ليس لكون شركة مثل أنظمة الصحة المتعددة
07:13
doesn't know what to do with data.
146
433506
1627
لا تعرف ما تفعله بالبيانات.
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
فحتى أعتى شركات ذكاء البيانات تخطئ الفهم.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
نعم، فحتى غوغل تخطئ الفهم أحياناً.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
ففي عام 2009 أعلنت شركة غوغل أن بمقدورها عبرالاستعانة بتحليل البيانات
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
أن تتوقع أوقات تفشي مرض الانفلونزا، خصوصاً النوع المقرف منها،
07:29
by doing data analysis on their Google searches.
151
449360
3776
من خلال قيامها بتحليل البيانات عبر عمليات البحث على غوغل.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
وسار الأمر بشكل جميل جداً، محدثاً جلبة كبيرة في نشرات الأخبار،
07:37
including the pinnacle of scientific success:
153
457040
2136
بما في ذلك تحقيق ذروة النجاح العلمي:
07:39
a publication in the journal "Nature."
154
459200
2456
متمثّلا بنشر الموضوع في مجلة "الطبيعة."
07:41
It worked beautifully for year after year after year,
155
461680
3616
وسار الأمر بصورة رائعة عاماً بعد عام بعد عام،
07:45
until one year it failed.
156
465320
1656
حتى جاء عام الفشل.
07:47
And nobody could even tell exactly why.
157
467000
2256
حيث لم يكن بمقدور أحد حتى من تبيان السبب.
07:49
It just didn't work that year,
158
469280
1696
ببساطة لم ينجح التوقع ذلك العام،
07:51
and of course that again made big news,
159
471000
1936
وتسبب من جديد بالطبع بضجة إعلامية هائلة،
07:52
including now a retraction
160
472960
1616
متضمنا ًهذه المرة تراجعاً
07:54
of a publication from the journal "Nature."
161
474600
2840
عن النشر من قبل مجلة "الطبيعة."
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
إذاً فحتى أعتى شركات ذكاء البيانات، مثل أمازون وغوغل،
08:01
they sometimes get it wrong.
163
481840
2136
يحدث لهم أن يخطئوا الفهم أحياناً.
08:04
And despite all those failures,
164
484000
2936
ورغم جميع تلك الإخفاقات،
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
تستمر البيانات بالتغلغل مسرعة داخل الواقع الحقيقي لعمليات صنع القرار ..
08:10
into the workplace,
166
490840
1816
مثل مكان العمل،
08:12
law enforcement,
167
492680
1816
وفرض القانون،
08:14
medicine.
168
494520
1200
والطب.
08:16
So we should better make sure that data is helping.
169
496400
3336
لذا فمن الأفضل لنا التأكد من كون البيانات أمراً مساعدًا.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
فعلى الصعيد الشخصي، مررت بالعديد من الحالات المعاناة مع البيانات،
08:22
because I work in computational genetics,
171
502920
1976
جرّاء عملي في علم الوراثة الحسابية،
08:24
which is also a field where lots of very smart people
172
504920
2496
فهو أيضاً من المجالات التي تضم مجموعات من أذكى الناس
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
تستخدم كميات عصية على التخيّل من البيانات من أجل صنع قرارات غاية في الأهمية
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
مثل التقرير بخصوص علاج للسرطان أو التقرير بشأن تطوير أحد العقارات.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
وعبر السنين لاحظت وجود شكل من أشكال النمطية
08:37
or kind of rule, if you will, about the difference
176
517920
2456
أو وجود نوع من القواعد، إذا رغبتم، بخصوص الفرق
08:40
between successful decision-making with data
177
520400
2696
بين اتخاذ القرار الناجع عبر استخدام البيانات
08:43
and unsuccessful decision-making,
178
523120
1616
وبين اتخاذ القرار المخفق،
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
وقد وجدت أن هذا النمط من الأمور الجديرة بالمشاركة، ويعمل كما سأبيّن لاحقاً.
08:50
So whenever you're solving a complex problem,
180
530520
2135
فمتى ما كنا بصدد حلّ إحدى المسائل المعقّدة،
08:52
you're doing essentially two things.
181
532679
1737
فبحقيقة الأمر نعمل على أمرين،
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
الأمر الأول هو قيامنا بتجزئة تلك المسألة إلى أصغر ما يكوّنها
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
بغية سبر أغوارها عبر تحليل تلك القطع والأجزاء،
09:00
and then of course you do the second part.
184
540280
2016
ومن ثم القيام بالطبع بإجراء الأمر الثاني،
09:02
You put all of these bits and pieces back together again
185
542320
2656
عبر القيام بجمع تلك القطع والأجزاء سويّة مرة أخرى
09:05
to come to your conclusion.
186
545000
1336
من أجل بلوغ الاستنتاج.
09:06
And sometimes you have to do it over again,
187
546360
2336
وأحيانا يتطلب الأمر إعادة الكرّة مراراً،
09:08
but it's always those two things:
188
548720
1656
ولكن دائماً ثمة هاذان الأمران:
09:10
taking apart and putting back together again.
189
550400
2320
التجزئة وإعادة الجمع ثانية.
09:14
And now the crucial thing is
190
554280
1616
ولكن الأمر الحاسم هنا
09:15
that data and data analysis
191
555920
2896
يتجلّى بكون البيانات وتحليلها
09:18
is only good for the first part.
192
558840
2496
ليست نافعة سوى للجزء الأول
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
فالبيانات وعمليات تحليلها، مهما بلغت من القوة،
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
لا يسعها إلا المساعدة على تجزئة المسألة وفهم أجزائها.
09:28
It's not suited to put those pieces back together again
195
568080
3496
لكنها ليست ملائمة لإعادة جمع تلك الأجزاء ثانية.
09:31
and then to come to a conclusion.
196
571600
1896
للإتيان أخيراً بالاستنتاج.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
إذ ثمة وسيلة أخرى للقيام بذلك، وكلّنا نملكها،
09:36
and that tool is the brain.
198
576280
1296
وتلك الوسيلة هي الدماغ.
09:37
If there's one thing a brain is good at,
199
577600
1936
فلو صلح الدماغ لأمر واحد قطّ،
09:39
it's taking bits and pieces back together again,
200
579560
2256
فذلك هو قدرته على إعادة جمع القطع والأجزاء ثانية
09:41
even when you have incomplete information,
201
581840
2016
حتى إن لم يتوفر لدينا كامل المعلومات،
09:43
and coming to a good conclusion,
202
583880
1576
وبالتالي بلوغ الاستنتاج الناجع،
09:45
especially if it's the brain of an expert.
203
585480
2936
خصوصاً إذا كان الدماغ هو دماغ خبير.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
وهذا ما يجعلني أعتقد أن نيتفليكس كانت ناجحة جداً،
09:51
because they used data and brains where they belong in the process.
205
591120
3576
لأنهم استخدموا البيانات مع الأدمغة في المكان المناسب من العملية.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
فهم يستخدمون البيانات ليفهموا أولاً العديد من الأمور الصغيرة حول جمهورهم
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
والتي من غيرها لن يكون بمقدورهم الخوض بالفهم إلى ذلك العمق،
10:01
but then the decision to take all these bits and pieces
208
601720
2616
أما فيما يتعلق بقرار تناول كل تلك القطع والأجزاء
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
وإعادة جمعها ثانية لإبداع مسلسل "البيت الواهن،"
10:07
that was nowhere in the data.
210
607720
1416
لم يكن ذلك كامناً في البيانات.
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
حينها قام تيد ساراندور وفريقه باتخاذ ذلك القرار بترخيص ذلك العرض،
10:13
which also meant, by the way, that they were taking
212
613160
2381
عنى ذلك الأمر أيضاً، بالمناسبة، قيامهم حينها
10:15
a pretty big personal risk with that decision.
213
615565
2851
بتحمّل مخاطرة شخصية هائلة صاحبت ذلك القرار.
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
بينما ما قامت به أمازون قامت به بالشكل الخاطئ المعكوس.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
إذ استخدموا البيانات على طول الخط سعيا ًوراء اتخاذ القرار،
10:24
first when they held their competition of TV ideas,
216
624240
2416
فبدءأ باعدادهم المنافسة لأفكار العروض التلفزيونية
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
وثم قيامهم باختيار "بيت ألفا" لأنجازه كعرض تلفزيوني.
10:30
Which of course was a very safe decision for them,
218
630400
2496
والذي بدوره بالطبع مثّل قراراً أميناً جداً بالنسبة لهم،
10:32
because they could always point at the data, saying,
219
632920
2456
إذ كان بمقدورهم دائماً التأشير صوب البيانات ليقولوا:
10:35
"This is what the data tells us."
220
635400
1696
"هذا ما تخبرنا إياه البيانات،"
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
لكن الأمر لم يؤدي بهم حيث النتائج الاستثنائية التي كانوا يتوخونها.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
وهكذا فالبيانات بالطبع أداة هائلة لصياغة ما هو أفضل من القرارات،
10:47
but I believe that things go wrong
223
647120
2376
لكنني واثق من اتخاذ الأمور الوجهة الخاطئة
10:49
when data is starting to drive those decisions.
224
649520
2576
حين تشرع البيانات باستخلاص تلك القرارات.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
فمهما كانت قوية، هي ليست سوى أداة،
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
ولغرض إبقاء ذلك الأمر في الذاكرة فقد وجدت أن هذا الجهاز مفيد تماما.
10:59
Many of you will ...
227
659280
1216
والعديد منكم سوف ...
11:00
(Laughter)
228
660520
1216
(ضحك)
11:01
Before there was data,
229
661760
1216
فقبل وجود البيانات،
11:03
this was the decision-making device to use.
230
663000
2856
كان هذا هو الجهاز هو ما يستخدم لصنع القرارات.
11:05
(Laughter)
231
665880
1256
(ضحك)
11:07
Many of you will know this.
232
667160
1336
لا بد أن يعرفه العديد منكم.
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
هذه اللعبة هنا تدعى كرة الثمانية السحرية،
11:10
and it's really amazing,
234
670497
1199
وهي مدهشة حقا،
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
فلو كان ثمة قرار عليك اتخاذه، من نوع نعم أم لا،
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
فما عليك سوى برجّ الكرة، كي تحصل حينها على إجابة --
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
وعلى الأرجح -- ها هنا عبر هذه النافذة في الوقت الحالي.
11:21
I'll have it out later for tech demos.
238
681240
2096
وسوف أعرضها لاحقا خلال عروض التقنيات.
11:23
(Laughter)
239
683360
1216
(ضحك)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
وهكذا، فخلاصة الأمر طبعاً -- أنني خلال حياتي كنت قد اتخذت بعض القرارات
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
حيث وعبر إدراكي المتأخر، كان علي الإصغاء لما تقوله الكرة.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
لكن كما تعلمون، طبعاً، فما دامت قد توفرت البيانات،
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
لا بد أنكم ستقومون باستبدال الكرة بشيء أكثر تعقيداً،
11:37
like data analysis to come to a better decision.
244
697560
3616
مثل عملية تحليل البيانات للحصول على قرار أنجع.
11:41
But that does not change the basic setup.
245
701200
2616
ولكن ذلك لن يغيرالمنحى الأساسي،
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
مما يجعل الكرة أذكى وأذكى وأذكى،
11:47
but I believe it's still on us to make the decisions
247
707040
2816
لكنني لا زلت أعتقد ان الأمر يتوقّف علينا باتخاذ القرارات
11:49
if we want to achieve something extraordinary,
248
709880
3016
إذا ما أردنا تحقيق هدف أكثر استثناءاً،
11:52
on the right end of the curve.
249
712920
1936
يقع على الطرف الأيمن من المنحنى.
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
وإنني لأجد في ذلك رسالة مشجّعة في الحقيقة،
11:59
that even in the face of huge amounts of data,
251
719400
3976
فحتى في مواجهة أكبر الأقدار من البيانات،
12:03
it still pays off to make decisions,
252
723400
4096
فما زال ما يثمر القرارات
12:07
to be an expert in what you're doing
253
727520
2656
هو أن تكون خبيراً فيما تفعله
12:10
and take risks.
254
730200
2096
متحمّلاً المخاطر.
12:12
Because in the end, it's not data,
255
732320
2776
لأنه في النهاية، إنها ليست البيانات
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
إنما المخاطر هي من سترسو بك على الطرف الأيمن من المنحنى.
12:19
Thank you.
257
739840
1216
أشكركم.
12:21
(Applause)
258
741080
3680
(تصفيق)
حول هذا الموقع

سيقدم لك هذا الموقع مقاطع فيديو YouTube المفيدة لتعلم اللغة الإنجليزية. سترى دروس اللغة الإنجليزية التي يتم تدريسها من قبل مدرسين من الدرجة الأولى من جميع أنحاء العالم. انقر نقرًا مزدوجًا فوق الترجمة الإنجليزية المعروضة على كل صفحة فيديو لتشغيل الفيديو من هناك. يتم تمرير الترجمات بالتزامن مع تشغيل الفيديو. إذا كان لديك أي تعليقات أو طلبات ، يرجى الاتصال بنا باستخدام نموذج الاتصال هذا.

https://forms.gle/WvT1wiN1qDtmnspy7