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

المترجم: Ali Mahmood المدقّق: Ahmad Altamimi

Roy Price is a man that most of you have probably never heard about,

روي برايس هو رجل ربما معظمكم لم يسمع به من قبل،

even though he may have been responsible

رغم أنه كان مسؤولاً

for 22 somewhat mediocre minutes of your life on April 19, 2013.

عن 22 دقيقة معتدلة الجودة من حياتكم خلال التاسع عشر من شهر أبريل 2013.

He may have also been responsible for 22 very entertaining minutes,

وربما كان مسؤولاً أيضاً عن 22 من الدقائق المسلّية جداً،

but not very many of you.

ولكن ليس للعديد منكم.

And all of that goes back to a decision

و هذا يعود لقرار

that Roy had to make about three years ago.

كان على روي أن يتخذه قبل حوالي ثلاث سنوات.

So you see, Roy Price is a senior executive with Amazon Studios.

فكما ترون أن روي برايس هو أحد المدراء الكبار في ستوديوهات أمازون.

That's the TV production company of Amazon.

وتلك هي شركة الإنتاج التلفزيوني التابعة لأمازون.

He's 47 years old, slim, spiky hair,

يبلغ من العمر 47 عاماً، نحيف ذو شعر شائك،

describes himself on Twitter as "movies, TV, technology, tacos."

ويصف حاله على تويتر بأنه رجل "الأفلام، التلفزيون، التكنولوجيا، الشطائر"

And Roy Price has a very responsible job, because it's his responsibility

ويشغل روي برايس وظيفة جديرة جدا بالثقة إذ يقع عليه عاتق

to pick the shows, the original content that Amazon is going to make.

تحديد المحتوى الأصلي للعروض التي ستتبناها أمازون.

And of course that's a highly competitive space.

وبالطبع فإن ذلك يشكل فضاءاً شديد المنافسة.

I mean, there are so many TV shows already out there,

أعني، أن هناك العديد من العروض التلفزيونية على الساحة،

that Roy can't just choose any show.

تصعّب على روي أمر اختياره للعروض.

He has to find shows that are really, really great.

عليه أن يجد تلك العروض التي تعد عظيمة فعلاً.

So in other words, he has to find shows

وبكلمة أخرى، عليه إيجاد العروض

that are on the very right end of this curve here.

التي تقع على أقصى الطرف الأيمن من هذا المنحنى.

So this curve here is the rating distribution

ويمثل هذا المنحنى توزيع التقييمات

of about 2,500 TV shows on the website IMDB,

لما يناهز الـ 2500 من العروض التلفزيونية لموقع قاعدة بيانات الأفلام على الانترنت،

and the rating goes from one to 10,

IMDB حيث تتدرج التقييمات من واحد حتى العشرة،

and the height here shows you how many shows get that rating.

ويعبّر الارتفاع هنا عن عدد العروض التي أحرزت ذلك التقييم.

So if your show gets a rating of nine points or higher, that's a winner.

فإذا ما أحرز عرضكم تقييماً من تسعة نقاط فما فوق، فيعدّ ذلك فائزاً.

Then you have a top two percent show.

ثم ليبرز عرض ما فوق ال 2%

That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"

وتلك عروض مثل "الاختلال الضال" و"صراع العروش" و "المتنصّت"،

so all of these shows that are addictive,

وجميع هذه العروض هي من النوع الإدماني،

whereafter you've watched a season, your brain is basically like,

فما إن يتم مشاهدة موسم منها، حتى يجنح الدماغ إلى حالة،

"Where can I get more of these episodes?"

"أين يسعني تحصيل المزيد من هذه الحلقات؟"

That kind of show.

ذلك النوع من العروض.

On the left side, just for clarity, here on that end,

وعلى الطرف الأيسر، فقط للإيضاح، هنا على ذلك الطرف،

you have a show called "Toddlers and Tiaras" --

تجدون عرضاً يدعى "الأطفال والتيجان" ..

(Laughter)

(ضحك)

-- which should tell you enough

ما يمكنه إخباركم بما يكفي

about what's going on on that end of the curve.

عن طبيعة ما يجري عند ذلك الطرف من المنحنى.

Now, Roy Price is not worried about getting on the left end of the curve,

وهكذا فإن روي برايس لا تشغله متابعة ما يجري عند الطرف الأيسر من المنحنى،

because I think you would have to have some serious brainpower

لأنني أعتقد أنه عليكم بالتمتع ببعض القدرة العقلية

to undercut "Toddlers and Tiaras."

لتحجّموا أمر "الأطفال والتيجان."

So what he's worried about is this middle bulge here,

فما يشغله هو هذا البروز الوسطي الناتئ هنا،

the bulge of average TV,

بروز متوسط العروض التلفزيونية،

you know, those shows that aren't really good or really bad,

وكما تعلمون، فتلك العروض التي ليست حقاً جيدة وليست حقا بائسة،

they don't really get you excited.

والتي لا تثير الحماس حقاً.

So he needs to make sure that he's really on the right end of this.

لذا فهو بحاجة لتأمين ما إذا كان حقاً على الطرف الأيمن من هذا.

So the pressure is on,

الأمر الذي يصعّد الضغط عالياً،

and of course it's also the first time

وطبعاً هي المرة الأولى التي

that Amazon is even doing something like this,

خاصت فيها أمازون غمار أمر كهذا،

so Roy Price does not want to take any chances.

وهذا ما يضيّق على روي برايس خياراته.

He wants to engineer success.

فهو راغب بهندسة النجاح.

He needs a guaranteed success,

ويطمح نحو نجاح مضمون،

and so what he does is, he holds a competition.

لذا فما يفعله يتمثّل بإعداده لمنافسة.

So he takes a bunch of ideas for TV shows,

متناولاً حفنة من أفكار العروض التلفزيونية،

and from those ideas, through an evaluation,

ومن تلك الأفكار وعبر القيام بتقييمها،

they select eight candidates for TV shows,

يرشّحون ثمانية أفكار لتقوم عروض تلفزيونية عليها،

and then he just makes the first episode of each one of these shows

وبعدها يقوم بعمل الحلقة الأولى من كل عرض من هذه العروض

and puts them online for free for everyone to watch.

ليضعها على الانترنت متاحة للجميع لمشاهدتها مجاناً.

And so when Amazon is giving out free stuff,

فعندما تقوم أمازون بإتاحة مادة مجانية،

you're going to take it, right?

فالنتيجة أنكم تتناولونها، صحيح؟

So millions of viewers are watching those episodes.

وهكذا يقوم الملايين من المشاهدين بمشاهدة تلك الحلقات.

What they don't realize is that, while they're watching their shows,

وما لا يدركونه هو أنهم أثناء مشاهدتهم العروض،

actually, they are being watched.

يتم فعليّا مراقبتهم.

They are being watched by Roy Price and his team,

تتم مراقبتهم من قبل روي برايس وفريقه،

who record everything.

والذين يسجّلون كل شي.

They record when somebody presses play, when somebody presses pause,

فيسجّلون لحظة ما يقوم الشخص بالكبس على مفتاح التشغيل، أو مفتاح التمهّل.

what parts they skip, what parts they watch again.

وما المقاطع التي يتخطّونها، وما التي تعاد مشاهدتها.

So they collect millions of data points,

وهكذا يجمعون الملايين من نقاط البيانات،

because they want to have those data points

لأنهم بحاجة إلى نقاط البيانات تلك

to then decide which show they should make.

كي يقرّروا أيّا من العروض يترتّب عليهم تبنّيها.

And sure enough, so they collect all the data,

وبقدر ما يتطلب الأمر، يجمعون كل البيانات،

they do all the data crunching, and an answer emerges,

ويمارسون كافة عمليات الطحن والغربلة حتى الخروج بإجابة،

and the answer is,

والإجابة هي،

"Amazon should do a sitcom about four Republican US Senators."

"على أمازون القيام بمسرحية هزلية تدور حول أربعة من الشيوخ الأمريكان الجمهوريين."

They did that show.

وفعلاً نفذوا ذلك العرض.

So does anyone know the name of the show?

فهل أحد يعلم ما اسم ذلك العرض؟

(Audience: "Alpha House.")

(الجمهور: "بيت ألفا.")

Yes, "Alpha House,"

نعم، إنه "بيت ألفا،"

but it seems like not too many of you here remember that show, actually,

ولكن يبدو أنه ليس الكثير منكم من يتذكر ذلك العرض حقيقة،

because it didn't turn out that great.

لأنه لم يحقق قدراً كبيراً من الأهمية.

It's actually just an average show,

إنه لا يتعدّى كونه من العروض المتوسّطة.

actually -- literally, in fact, because the average of this curve here is at 7.4,

فحقيقة .. وحرفياً وبالفعل لأن متوسط هذا المنحنى يقع على درجة 7.4،

and "Alpha House" lands at 7.5,

ويحتلّ عرض "بيت ألفا" الدرجة 7.5،

so a slightly above average show,

لذا فهو أكثر قليلاً من العرض المتوسط،

but certainly not what Roy Price and his team were aiming for.

ولكن بالتأكيد ليس هذا ما كان روي برايس وفريقه يصبون إليه.

Meanwhile, however, at about the same time,

بينما، على أية حال، وفي أثناء ذلك،

at another company,

وفي شركة أخرى،

another executive did manage to land a top show using data analysis,

تمكّن أحد المدراء التنفيذيين من بلوغ قمة العروض عبر استخدام تحليل البيانات،

and his name is Ted,

واسمه تيد،

Ted Sarandos, who is the Chief Content Officer of Netflix,

تيد ساراندوز، وهو المسؤول الأقدم على المحتوى لدى شركة نيتفليكس،

and just like Roy, he's on a constant mission

وتماماً كما روي، نذر نفسه للمهمّة المستمرة

to find that great TV show,

لإيجاد العرض التلفزيوني الهائل

and he uses data as well to do that,

كما أنه أيضاً يستخدم البيانات لتحقيق ذلك،

except he does it a little bit differently.

ما عدا أنه يفعل ذلك بطريقة مختلفة قليلاً.

So instead of holding a competition, what he did -- and his team of course --

فبدلاً من إعداد المنافسة، قام، بصحبة فريقه طبعاً،

was they looked at all the data they already had about Netflix viewers,

بمعاينة جميع البيانات التي بين أيديهم حول مشاهدي نيتفليكس،

you know, the ratings they give their shows,

كما تعلمون، كالتقييمات التي تحرزها عروضهم،

the viewing histories, what shows people like, and so on.

أو سجلات المشاهدة، والعروض التي تعجب المشاهدين، وهكذا.

And then they use that data to discover

وبعدها يقومون باستخدام البيانات للكشف

all of these little bits and pieces about the audience:

عن كل هذه الأمور الصغيرة التي تخص الجمهور:

what kinds of shows they like,

ما نوع العروض التي تعجبهم،

what kind of producers, what kind of actors.

ما نوع المنتجين، ما نوع الممثّلين.

And once they had all of these pieces together,

وحالما تتجمع لديهم كل هذه القطع الصغيرة،

they took a leap of faith,

يقومون باتخاذ طفرة ايمانية،

and they decided to license

ويقرّرون القيام بترخيص

not a sitcom about four Senators

ليس مسرحية هزلية عن أربعة شيوخ

but a drama series about a single Senator.

ولكن مسلسل درامي عن شيخ واحد،

You guys know the show?

وأنتم تعرفون العرض؟

(Laughter)

(ضحك)

Yes, "House of Cards," and Netflix of course, nailed it with that show,

نعم، "البيت الواهن،" وطبعا تربّعت نيتفليكس من خلال ذلك العرض،

at least for the first two seasons.

على الأقل خلال الموسمين الأولين،

(Laughter) (Applause)

(ضحك) (تصفيق)

"House of Cards" gets a 9.1 rating on this curve,

حصل "البيت الواهن" على تقييم بدرجة 9.1 على هذا المنحنى،

so it's exactly where they wanted it to be.

إنه تماماً حيث أرادوا له أن يكون،

Now, the question of course is, what happened here?

والآن، يبرز السؤال الطبيعي، ما الذي حصل هنا؟

So you have two very competitive, data-savvy companies.

ولديكم منافسان كبيران من شركات ذكاء البيانات.

They connect all of these millions of data points,

حيث يقومون بوصل كل هذه الملايين من نقاط البيانات،

and then it works beautifully for one of them,

وفجأة تصيب إحداها بطريقة جميلة،

and it doesn't work for the other one.

بينما تخيب الأخرى.

So why?

لماذا؟

Because logic kind of tells you that this should be working all the time.

لأن المنطق يخبرك نوعاً ما أن هذا بوسعه النجاح كل الأحيان.

I mean, if you're collecting millions of data points

وأعني، من خلال جمعك لملايين النقاط من البيانات

on a decision you're going to make,

من أجل قرار سيتعين عليك اتخاذه،

then you should be able to make a pretty good decision.

عليك أن تكون قادراً على اتخاذ قرار ناجع.

You have 200 years of statistics to rely on.

فلديك 200 سنة من الإحصاءات التي عليك اعتمادها.

You're amplifying it with very powerful computers.

والتي تقوم بتنميتها عبر استخدام حواسيب جبارة.

The least you could expect is good TV, right?

وأقل ما تتوقعه هو الحصول على عرض تلفزيوني جيد، صحيح؟

And if data analysis does not work that way,

ولكن إن كانت تقنية تحليل البيانات لا تعمل بتلك الطريقة،

then it actually gets a little scary,

فستغدو حقاً مخيفة قليلاً،

because we live in a time where we're turning to data more and more

لأننا نعيش في زمن ننكبّ فيه على البيانات أكثر فأكثر

to make very serious decisions that go far beyond TV.

من أجل اتخاذ قرارات جدية جدأ تتجاوز كثيرا حدود العروض التلفزيونية.

Does anyone here know the company Multi-Health Systems?

هل أحد هنا يعرف شركة أنظمة الصحة المتعددة؟

No one. OK, that's good actually.

لا أحد، حسناً، وهذا أمر جيد حقيقة.

OK, so Multi-Health Systems is a software company,

حسنا، فأنظمة الصحة المتعددة هي شركة مختصة بالبرمجيات،

and I hope that nobody here in this room

وآمل ألا يُقدم أحد من هذه القاعة

ever comes into contact with that software,

على الاتصال بذلك البرنامج،

because if you do, it means you're in prison.

لأنك إن فعلت، فستكون في السجن.

(Laughter)

(ضحك)

If someone here in the US is in prison, and they apply for parole,

إذا ما قام أحد السجناء هنا في أميركا بالتقديم على إطلاق سراح مشروط،

then it's very likely that data analysis software from that company

فمن المحتمل جدا أن أحد برمجيات تحليل البيانات الخاصة بتلك الشركة

will be used in determining whether to grant that parole.

هو ما سيتم استخدامه لتقرير فيما لو كان من الممكن منح ذلك الإطلاق.

So it's the same principle as Amazon and Netflix,

إذن فهو نفس المبدأ كما لدى أمازون أو نيتفليكس،

but now instead of deciding whether a TV show is going to be good or bad,

ولكن بدلا من التقرير بين كون العرض التلفزيوني صالحاً أم لا،

you're deciding whether a person is going to be good or bad.

ما لدينا هنا هو القرار بشأن صلاحية السجين من عدمها.

And mediocre TV, 22 minutes, that can be pretty bad,

والبرامج التلفزيونية المعتدلة الجودة، مثل برنامج 22 دقيقة، الغاية في السوء،

but more years in prison, I guess, even worse.

ولكن قضاء سنوات أكثر في السجن، كما أظن، هو أكثر سوءاً.

And unfortunately, there is actually some evidence that this data analysis,

ولسوء الحظ، هنالك حقاً دليل على كون تحليل البيانات هذا،

despite having lots of data, does not always produce optimum results.

رغم توافره على العديد من البيانات، لكنه لا يخرج دائما بالنتائج المثالية.

And that's not because a company like Multi-Health Systems

وذلك ليس لكون شركة مثل أنظمة الصحة المتعددة

doesn't know what to do with data.

لا تعرف ما تفعله بالبيانات.

Even the most data-savvy companies get it wrong.

فحتى أعتى شركات ذكاء البيانات تخطئ الفهم.

Yes, even Google gets it wrong sometimes.

نعم، فحتى غوغل تخطئ الفهم أحياناً.

In 2009, Google announced that they were able, with data analysis,

ففي عام 2009 أعلنت شركة غوغل أن بمقدورها عبرالاستعانة بتحليل البيانات

to predict outbreaks of influenza, the nasty kind of flu,

أن تتوقع أوقات تفشي مرض الانفلونزا، خصوصاً النوع المقرف منها،

by doing data analysis on their Google searches.

من خلال قيامها بتحليل البيانات عبر عمليات البحث على غوغل.

And it worked beautifully, and it made a big splash in the news,

وسار الأمر بشكل جميل جداً، محدثاً جلبة كبيرة في نشرات الأخبار،

including the pinnacle of scientific success:

بما في ذلك تحقيق ذروة النجاح العلمي:

a publication in the journal "Nature."

متمثّلا بنشر الموضوع في مجلة "الطبيعة."

It worked beautifully for year after year after year,

وسار الأمر بصورة رائعة عاماً بعد عام بعد عام،

until one year it failed.

حتى جاء عام الفشل.

And nobody could even tell exactly why.

حيث لم يكن بمقدور أحد حتى من تبيان السبب.

It just didn't work that year,

ببساطة لم ينجح التوقع ذلك العام،

and of course that again made big news,

وتسبب من جديد بالطبع بضجة إعلامية هائلة،

including now a retraction

متضمنا ًهذه المرة تراجعاً

of a publication from the journal "Nature."

عن النشر من قبل مجلة "الطبيعة."

So even the most data-savvy companies, Amazon and Google,

إذاً فحتى أعتى شركات ذكاء البيانات، مثل أمازون وغوغل،

they sometimes get it wrong.

يحدث لهم أن يخطئوا الفهم أحياناً.

And despite all those failures,

ورغم جميع تلك الإخفاقات،

data is moving rapidly into real-life decision-making --

تستمر البيانات بالتغلغل مسرعة داخل الواقع الحقيقي لعمليات صنع القرار ..

into the workplace,

مثل مكان العمل،

law enforcement,

وفرض القانون،

medicine.

والطب.

So we should better make sure that data is helping.

لذا فمن الأفضل لنا التأكد من كون البيانات أمراً مساعدًا.

Now, personally I've seen a lot of this struggle with data myself,

فعلى الصعيد الشخصي، مررت بالعديد من الحالات المعاناة مع البيانات،

because I work in computational genetics,

جرّاء عملي في علم الوراثة الحسابية،

which is also a field where lots of very smart people

فهو أيضاً من المجالات التي تضم مجموعات من أذكى الناس

are using unimaginable amounts of data to make pretty serious decisions

تستخدم كميات عصية على التخيّل من البيانات من أجل صنع قرارات غاية في الأهمية

like deciding on a cancer therapy or developing a drug.

مثل التقرير بخصوص علاج للسرطان أو التقرير بشأن تطوير أحد العقارات.

And over the years, I've noticed a sort of pattern

وعبر السنين لاحظت وجود شكل من أشكال النمطية

or kind of rule, if you will, about the difference

أو وجود نوع من القواعد، إذا رغبتم، بخصوص الفرق

between successful decision-making with data

بين اتخاذ القرار الناجع عبر استخدام البيانات

and unsuccessful decision-making,

وبين اتخاذ القرار المخفق،

and I find this a pattern worth sharing, and it goes something like this.

وقد وجدت أن هذا النمط من الأمور الجديرة بالمشاركة، ويعمل كما سأبيّن لاحقاً.

So whenever you're solving a complex problem,

فمتى ما كنا بصدد حلّ إحدى المسائل المعقّدة،

you're doing essentially two things.

فبحقيقة الأمر نعمل على أمرين،

The first one is, you take that problem apart into its bits and pieces

الأمر الأول هو قيامنا بتجزئة تلك المسألة إلى أصغر ما يكوّنها

so that you can deeply analyze those bits and pieces,

بغية سبر أغوارها عبر تحليل تلك القطع والأجزاء،

and then of course you do the second part.

ومن ثم القيام بالطبع بإجراء الأمر الثاني،

You put all of these bits and pieces back together again

عبر القيام بجمع تلك القطع والأجزاء سويّة مرة أخرى

to come to your conclusion.

من أجل بلوغ الاستنتاج.

And sometimes you have to do it over again,

وأحيانا يتطلب الأمر إعادة الكرّة مراراً،

but it's always those two things:

ولكن دائماً ثمة هاذان الأمران:

taking apart and putting back together again.

التجزئة وإعادة الجمع ثانية.

And now the crucial thing is

ولكن الأمر الحاسم هنا

that data and data analysis

يتجلّى بكون البيانات وتحليلها

is only good for the first part.

ليست نافعة سوى للجزء الأول

Data and data analysis, no matter how powerful,

فالبيانات وعمليات تحليلها، مهما بلغت من القوة،

can only help you taking a problem apart and understanding its pieces.

لا يسعها إلا المساعدة على تجزئة المسألة وفهم أجزائها.

It's not suited to put those pieces back together again

لكنها ليست ملائمة لإعادة جمع تلك الأجزاء ثانية.

and then to come to a conclusion.

للإتيان أخيراً بالاستنتاج.

There's another tool that can do that, and we all have it,

إذ ثمة وسيلة أخرى للقيام بذلك، وكلّنا نملكها،

and that tool is the brain.

وتلك الوسيلة هي الدماغ.

If there's one thing a brain is good at,

فلو صلح الدماغ لأمر واحد قطّ،

it's taking bits and pieces back together again,

فذلك هو قدرته على إعادة جمع القطع والأجزاء ثانية

even when you have incomplete information,

حتى إن لم يتوفر لدينا كامل المعلومات،

and coming to a good conclusion,

وبالتالي بلوغ الاستنتاج الناجع،

especially if it's the brain of an expert.

خصوصاً إذا كان الدماغ هو دماغ خبير.

And that's why I believe that Netflix was so successful,

وهذا ما يجعلني أعتقد أن نيتفليكس كانت ناجحة جداً،

because they used data and brains where they belong in the process.

لأنهم استخدموا البيانات مع الأدمغة في المكان المناسب من العملية.

They use data to first understand lots of pieces about their audience

فهم يستخدمون البيانات ليفهموا أولاً العديد من الأمور الصغيرة حول جمهورهم

that they otherwise wouldn't have been able to understand at that depth,

والتي من غيرها لن يكون بمقدورهم الخوض بالفهم إلى ذلك العمق،

but then the decision to take all these bits and pieces

أما فيما يتعلق بقرار تناول كل تلك القطع والأجزاء

and put them back together again and make a show like "House of Cards,"

وإعادة جمعها ثانية لإبداع مسلسل "البيت الواهن،"

that was nowhere in the data.

لم يكن ذلك كامناً في البيانات.

Ted Sarandos and his team made that decision to license that show,

حينها قام تيد ساراندور وفريقه باتخاذ ذلك القرار بترخيص ذلك العرض،

which also meant, by the way, that they were taking

عنى ذلك الأمر أيضاً، بالمناسبة، قيامهم حينها

a pretty big personal risk with that decision.

بتحمّل مخاطرة شخصية هائلة صاحبت ذلك القرار.

And Amazon, on the other hand, they did it the wrong way around.

بينما ما قامت به أمازون قامت به بالشكل الخاطئ المعكوس.

They used data all the way to drive their decision-making,

إذ استخدموا البيانات على طول الخط سعيا ًوراء اتخاذ القرار،

first when they held their competition of TV ideas,

فبدءأ باعدادهم المنافسة لأفكار العروض التلفزيونية

then when they selected "Alpha House" to make as a show.

وثم قيامهم باختيار "بيت ألفا" لأنجازه كعرض تلفزيوني.

Which of course was a very safe decision for them,

والذي بدوره بالطبع مثّل قراراً أميناً جداً بالنسبة لهم،

because they could always point at the data, saying,

إذ كان بمقدورهم دائماً التأشير صوب البيانات ليقولوا:

"This is what the data tells us."

"هذا ما تخبرنا إياه البيانات،"

But it didn't lead to the exceptional results that they were hoping for.

لكن الأمر لم يؤدي بهم حيث النتائج الاستثنائية التي كانوا يتوخونها.

So data is of course a massively useful tool to make better decisions,

وهكذا فالبيانات بالطبع أداة هائلة لصياغة ما هو أفضل من القرارات،

but I believe that things go wrong

لكنني واثق من اتخاذ الأمور الوجهة الخاطئة

when data is starting to drive those decisions.

حين تشرع البيانات باستخلاص تلك القرارات.

No matter how powerful, data is just a tool,

فمهما كانت قوية، هي ليست سوى أداة،

and to keep that in mind, I find this device here quite useful.

ولغرض إبقاء ذلك الأمر في الذاكرة فقد وجدت أن هذا الجهاز مفيد تماما.

Many of you will ...

والعديد منكم سوف ...

(Laughter)

(ضحك)

Before there was data,

فقبل وجود البيانات،

this was the decision-making device to use.

كان هذا هو الجهاز هو ما يستخدم لصنع القرارات.

(Laughter)

(ضحك)

Many of you will know this.

لا بد أن يعرفه العديد منكم.

This toy here is called the Magic 8 Ball,

هذه اللعبة هنا تدعى كرة الثمانية السحرية،

and it's really amazing,

وهي مدهشة حقا،

because if you have a decision to make, a yes or no question,

فلو كان ثمة قرار عليك اتخاذه، من نوع نعم أم لا،

all you have to do is you shake the ball, and then you get an answer --

فما عليك سوى برجّ الكرة، كي تحصل حينها على إجابة --

"Most Likely" -- right here in this window in real time.

وعلى الأرجح -- ها هنا عبر هذه النافذة في الوقت الحالي.

I'll have it out later for tech demos.

وسوف أعرضها لاحقا خلال عروض التقنيات.

(Laughter)

(ضحك)

Now, the thing is, of course -- so I've made some decisions in my life

وهكذا، فخلاصة الأمر طبعاً -- أنني خلال حياتي كنت قد اتخذت بعض القرارات

where, in hindsight, I should have just listened to the ball.

حيث وعبر إدراكي المتأخر، كان علي الإصغاء لما تقوله الكرة.

But, you know, of course, if you have the data available,

لكن كما تعلمون، طبعاً، فما دامت قد توفرت البيانات،

you want to replace this with something much more sophisticated,

لا بد أنكم ستقومون باستبدال الكرة بشيء أكثر تعقيداً،

like data analysis to come to a better decision.

مثل عملية تحليل البيانات للحصول على قرار أنجع.

But that does not change the basic setup.

ولكن ذلك لن يغيرالمنحى الأساسي،

So the ball may get smarter and smarter and smarter,

مما يجعل الكرة أذكى وأذكى وأذكى،

but I believe it's still on us to make the decisions

لكنني لا زلت أعتقد ان الأمر يتوقّف علينا باتخاذ القرارات

if we want to achieve something extraordinary,

إذا ما أردنا تحقيق هدف أكثر استثناءاً،

on the right end of the curve.

يقع على الطرف الأيمن من المنحنى.

And I find that a very encouraging message, in fact,

وإنني لأجد في ذلك رسالة مشجّعة في الحقيقة،

that even in the face of huge amounts of data,

فحتى في مواجهة أكبر الأقدار من البيانات،

it still pays off to make decisions,

فما زال ما يثمر القرارات

to be an expert in what you're doing

هو أن تكون خبيراً فيما تفعله

and take risks.

متحمّلاً المخاطر.

Because in the end, it's not data,

لأنه في النهاية، إنها ليست البيانات

it's risks that will land you on the right end of the curve.

إنما المخاطر هي من سترسو بك على الطرف الأيمن من المنحنى.

Thank you.

أشكركم.

(Applause)

(تصفيق)