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

133,338 views ・ 2016-01-27

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Miriam Jaßmeier Lektorat: Elaine Streifthau
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Von Roy Price haben die meisten noch nie gehört,
00:17
even though he may have been responsible
1
17120
2496
obwohl er wahrscheinlich
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
für 22 mittelmäßige Minuten Ihres Lebens am 19. April 2013 verantwortlich ist.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
Wahrscheinlich auch für 22 sehr unterhaltsame Minuten,
00:29
but not very many of you.
4
29760
2256
aber nicht für sehr viele von Ihnen.
00:32
And all of that goes back to a decision
5
32040
1896
Das geht auf die Entscheidung zurück,
00:33
that Roy had to make about three years ago.
6
33960
2000
die Roy vor drei Jahren traf.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Roy Price ist leitender Angestellter bei Amazon Studios,
00:40
That's the TV production company of Amazon.
8
40840
3016
der TV-Produktionsfirma von Amazon.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Er ist 47 Jahre alt, schlank, hat eine Igelfrisur
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
und beschreibt sich auf Twitter als "Filme, TV, Technik, Tacos".
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Roy hat einen sehr wichtigen Job, weil er dafür verantwortlich ist,
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
die Shows und den Inhalt auszusuchen, den Amazon produzieren wird.
01:01
And of course that's a highly competitive space.
13
61280
2336
Natürlich ist das eine sehr hart umkämpfte Branche.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Es gibt schon so viele TV-Serien,
01:06
that Roy can't just choose any show.
15
66400
2176
dass Roy nicht irgendeine auswählen kann.
01:08
He has to find shows that are really, really great.
16
68600
4096
Er muss Shows finden, die sehr, sehr gut sind.
01:12
So in other words, he has to find shows
17
72720
2816
In anderen Worten, er muss Shows finden,
01:15
that are on the very right end of this curve here.
18
75560
2376
die sich ganz rechts auf dieser Kurve befinden.
01:17
So this curve here is the rating distribution
19
77960
2656
Diese Kurve ist die Bewertungsverteilung
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
von über 2500 TV-Serien auf der Website IMDB.
01:25
and the rating goes from one to 10,
21
85040
2896
Die Bewertung geht von 1 bis 10
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
und die Höhe zeigt, wie viele Shows diese Bewertung erhalten.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Wird Ihre Show mit neun und höher bewertet, ist diese ein Gewinner.
01:35
Then you have a top two percent show.
24
95680
1816
Dann hat man eine erfolgreiche Show.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
Das sind Shows wie "Breaking Bad", "Game of Thrones", "The Wire" --
01:41
so all of these shows that are addictive,
26
101440
2296
all die Shows, die süchtig machen,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
wo, nachdem man eine Staffel geschaut hat, Ihr Gehirn fragt:
01:46
"Where can I get more of these episodes?"
28
106840
2176
"Wo gibt es mehr von diesen Episoden?"
01:49
That kind of show.
29
109040
1200
Diese Art von Show.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
Auf der linken Seite, hier an diesem Ende,
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
sind Shows wie "Toddlers and Tiaras" --
01:56
(Laughter)
32
116640
2656
(Lachen)
01:59
-- which should tell you enough
33
119320
1536
-- das sollte Ihnen genug sagen,
02:00
about what's going on on that end of the curve.
34
120880
2191
was an diesem Ende der Kurve abgeht.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Roy Price sorgt sich nicht darum, auf die linke Seite der Kurve zu geraten,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
denn ich glaube man braucht schon besondere Intelligenz,
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
um "Toddlers and Tiaras" zu unterbieten.
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Er macht sich mehr Gedanken über die mittlere Ausbeulung,
02:15
the bulge of average TV,
39
135920
1816
das durchschnittliche Fernsehen --
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
die Shows, die weder gut noch schlecht sind,
02:20
they don't really get you excited.
41
140639
1656
sie begeistern einfach nicht.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Also muss er sicherstellen, dass er wirklich auf der richtigen Seite ist.
02:27
So the pressure is on,
43
147200
1576
Der Druck ist vorhanden, und natürlich ist es auch das erste Mal,
02:28
and of course it's also the first time
44
148800
2176
02:31
that Amazon is even doing something like this,
45
151000
2176
dass Amazon so etwas macht,
02:33
so Roy Price does not want to take any chances.
46
153200
3336
deshalb will Roy Price nichts riskieren.
02:36
He wants to engineer success.
47
156560
2456
Er will Erfolge kreieren.
02:39
He needs a guaranteed success,
48
159040
1776
Er benötigt garantierten Erfolg,
02:40
and so what he does is, he holds a competition.
49
160840
2576
also hält er einen Wettbewerb ab.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Er nimmt viele Ideen für TV-Shows
02:46
and from those ideas, through an evaluation,
51
166600
2296
und wählt durch eine Auswertung
02:48
they select eight candidates for TV shows,
52
168920
4096
acht Kandidaten für TV-Shows aus,
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
dann produziert er die erste Episode jeder dieser Shows
02:56
and puts them online for free for everyone to watch.
54
176280
3136
und stellt sie online, wo sie jeder kostenlos anschauen kann.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
Und wenn Amazon umsonst Sachen herausgibt, greift man doch zu, richtig?
03:01
you're going to take it, right?
56
181720
1536
03:03
So millions of viewers are watching those episodes.
57
183280
5136
Millionen von Zuschauern schauen sich diese Episoden an.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
Jedoch wissen sie nicht, dass sie beim Anschauen dieser Shows
03:11
actually, they are being watched.
59
191680
2296
beobachtet werden.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Sie werden von Roy und seinem Team beobachtet,
03:16
who record everything.
61
196360
1376
die alles aufnehmen.
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Sie erfassen, wann man die Show startet, wann man pausiert,
03:21
what parts they skip, what parts they watch again.
63
201160
2536
welche Teile man überspringt bzw. nochmal anschaut.
03:23
So they collect millions of data points,
64
203720
2256
Sie sammeln Millionen von Daten,
03:26
because they want to have those data points
65
206000
2096
um mit diesen Daten dann zu entscheiden,
03:28
to then decide which show they should make.
66
208120
2696
welche Show sie produzieren sollten.
03:30
And sure enough, so they collect all the data,
67
210840
2176
In der Tat sammeln sie die Daten,
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
verarbeiten diese und daraus ergibt sich die Antwort,
03:35
and the answer is,
69
215640
1216
und diese lautet:
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
"Amazon sollte eine Sitcom über vier republikanische US-Senatoren machen."
03:42
They did that show.
71
222440
1216
Sie machten diese Show.
03:43
So does anyone know the name of the show?
72
223680
2160
Kennt jemand den Namen dieser Show?
03:46
(Audience: "Alpha House.")
73
226720
1296
(Publikum: "Alpha House")
03:48
Yes, "Alpha House,"
74
228040
1456
Ja, "Alpha House",
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
aber es scheint, dass sich nicht viele an diese Show erinnern können,
03:53
because it didn't turn out that great.
76
233640
1856
weil sie nicht so gut war.
03:55
It's actually just an average show,
77
235520
1856
Es ist nur eine Durchschnittsshow
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
-- im wahrsten Sinne des Wortes --
da der Durchschnitt dieser Kurve 7,4 beträgt
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
und Alpha House landet bei 7,5 --
04:04
so a slightly above average show,
80
244440
2016
also etwas über dem Durchschnitt,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
aber nicht gerade das, worauf Roy und sein Team hinarbeiteten.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Etwa zur gleichen Zeit
04:13
at another company,
83
253200
1576
bei einer anderen Firma
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
hat ein anderer Manager eine Top-Show durch Datenanalyse plaziert.
04:19
and his name is Ted,
85
259040
1576
Sein Name ist Ted,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
Ted Sarandos, der Manager für Programmgestaltung von Netflix.
04:24
and just like Roy, he's on a constant mission
87
264080
2136
Genau wie Roy ist er immer auf der Suche,
04:26
to find that great TV show,
88
266240
1496
diese eine Super-Show zu finden
04:27
and he uses data as well to do that,
89
267760
2016
und er benutzt auch Daten dafür,
04:29
except he does it a little bit differently.
90
269800
2015
aber er macht es etwas anders.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Anstatt einen Wettbewerb zu veranstalten, haben er und sein Team
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
sich die vorhandenen Daten über die Netflix-Zuschauer angeschaut,
04:39
you know, the ratings they give their shows,
93
279160
2096
also die Bewertungen, die sie den Shows geben,
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
deren Verlauf, welche Shows sie mögen etc.
04:44
And then they use that data to discover
95
284000
1896
Dann nutzen sie diese Daten,
04:45
all of these little bits and pieces about the audience:
96
285920
2616
um diese kleinen Details über die Zuschauer herauszufinden:
04:48
what kinds of shows they like,
97
288560
1456
welche Shows sie mögen,
04:50
what kind of producers, what kind of actors.
98
290040
2096
welche Produzenten, welche Schauspieler.
04:52
And once they had all of these pieces together,
99
292160
2576
Als sie all die Teile zusammen hatten,
04:54
they took a leap of faith,
100
294760
1656
gingen sie ein Wagnis ein
04:56
and they decided to license
101
296440
2096
und entschieden sich dazu,
04:58
not a sitcom about four Senators
102
298560
2456
nicht eine Sitcom über vier Senatoren,
05:01
but a drama series about a single Senator.
103
301040
2880
sondern eine Drama-Serie über einen Senator zu machen.
05:04
You guys know the show?
104
304760
1656
Kennen Sie diese Show?
05:06
(Laughter)
105
306440
1296
(Lachen)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Ja, "House of Cards".
Netflix hat damit einen Hit gelandet, zumindest für die ersten zwei Staffeln.
05:11
at least for the first two seasons.
107
311520
2136
05:13
(Laughter) (Applause)
108
313680
3976
(Lachen) (Applaus)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
"House of Cards" bekommt eine 9,1-Bewertung auf dieser Kurve.
05:20
so it's exactly where they wanted it to be.
110
320880
3176
Also genau dort, wo sie hin wollten.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Natürlich ist nun die Frage: Was ist hier passiert?
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Man hat zwei sehr kompetitive, Daten versierte Firmen.
05:29
They connect all of these millions of data points,
113
329200
2856
Sie verbinden diese vielen Daten miteinander
05:32
and then it works beautifully for one of them,
114
332080
2376
und es funktioniert super für eine von ihnen,
05:34
and it doesn't work for the other one.
115
334480
1856
aber nicht für die andere Firma.
05:36
So why?
116
336360
1216
Woran liegt das?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Weil die Logik irgendwie besagt, dass das bei allem funktionieren sollte.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Wenn man Millionen Daten sammelt, für eine Entscheidung, die man trifft,
05:43
on a decision you're going to make,
119
343560
1736
05:45
then you should be able to make a pretty good decision.
120
345320
2616
dann sollte man eine gute Entscheidung treffen können.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Man hat 200 Jahre an Statistik als Back-Up.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
Man optimiert es durch sehr leistungsfähige Computer.
05:53
The least you could expect is good TV, right?
123
353240
3280
Das Mindeste, was man erwarten kann, ist gutes Fernsehen, oder?
05:57
And if data analysis does not work that way,
124
357880
2720
Wenn Datenanalyse so nicht funktioniert,
06:01
then it actually gets a little scary,
125
361520
2056
dann ist dies etwas erschreckend,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
weil wir in einer Zeit leben, in der wir mehr und mehr zu Statistiken greifen,
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
um ernsthafte Entscheidungen zu treffen, weit über das Fernsehen hinaus.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Kennt jemand hier die Firma Multi-Health Systems?
06:17
No one. OK, that's good actually.
129
377080
1656
Niemand. Ok, das ist sogar gut.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
Multi-Health Systems ist eine Software-Firma
06:22
and I hope that nobody here in this room
131
382000
2816
und ich hoffe, dass niemand in diesem Raum
06:24
ever comes into contact with that software,
132
384840
3176
jemals in Berührung mit dieser Software kommt.
06:28
because if you do, it means you're in prison.
133
388040
2096
Kommen Sie damit in Berührung, sind Sie im Gefängnis.
06:30
(Laughter)
134
390160
1176
(Lachen)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Wenn jemand hier in den USA im Gefängnis ist und um Entlassung bittet,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
ist es wahrscheinlich,
dass die Datenanalyse dieser Firma benutzt wird,
06:39
will be used in determining whether to grant that parole.
137
399240
3616
um zu bestimmen, ob eine Entlassung erfolgt oder nicht.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
Genau wie bei Amazon und Netflix.
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
Aber anstatt zu entscheiden, ob eine Show gut oder schlecht sein wird,
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
wird entschieden, ob eine Person gut oder schlecht sein wird.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
Mittelmäßiges Fernsehen, 22 Minuten, das kann echt schlecht sein,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
aber noch mehr Jahre im Gefängnis sind schlimmer.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
Leider gibt es Beweise dafür,
dass diese Datenanalyse, trotz der vielen Daten,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
nicht immer die besten Resultate erzeugt.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
Das liegt nicht daran,
dass eine Firma wie Multi-Health Systems nicht weiß, wie man Daten nutzt.
07:13
doesn't know what to do with data.
146
433506
1627
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
Auch die Daten versiertesten Firmen liegen mal falsch.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Ja, selbst Google macht manchmal Fehler.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
2009 gab Google bekannt, dass sie durch Datenanalyse
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
Ausbrüche von Grippe, der schlimmen Art, voraussagen können --
07:29
by doing data analysis on their Google searches.
151
449360
3776
durch Datenanalyse der Google-Recherchen.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
Es funktionierte wunderbar und war eine große Nachrichtensensation.
07:37
including the pinnacle of scientific success:
153
457040
2136
Der Erfolg gipfelte in einer Veröffentlichung im Magazin "Nature".
07:39
a publication in the journal "Nature."
154
459200
2456
07:41
It worked beautifully for year after year after year,
155
461680
3616
Es funktionierte einwandfrei, Jahr um Jahr um Jahr,
07:45
until one year it failed.
156
465320
1656
bis es plötzlich nicht mehr funktionierte,
07:47
And nobody could even tell exactly why.
157
467000
2256
und niemand konnte sagen warum.
07:49
It just didn't work that year,
158
469280
1696
Es funktionierte einfach nicht, dies war erneut eine Sensation,
07:51
and of course that again made big news,
159
471000
1936
07:52
including now a retraction
160
472960
1616
einschließlich des Widerrufs der Veröffentlichung im Magazin "Nature".
07:54
of a publication from the journal "Nature."
161
474600
2840
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
Selbst die Daten versiertesten Firmen wie Amazon und Google
08:01
they sometimes get it wrong.
163
481840
2136
missverstehen manchmal etwas.
08:04
And despite all those failures,
164
484000
2936
Trotz all dieser Fehler
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
strömen Daten zusehends in Entscheidungen des Lebens ein --
08:10
into the workplace,
166
490840
1816
am Arbeitsplatz,
08:12
law enforcement,
167
492680
1816
bei der Rechtsdurchsetzung,
08:14
medicine.
168
494520
1200
in der Medizin.
08:16
So we should better make sure that data is helping.
169
496400
3336
Also sollten wir lieber sicherstellen, dass Daten hilfreich sind.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Auch ich kenne viele Schwierigkeiten mit Daten.
08:22
because I work in computational genetics,
171
502920
1976
Ich arbeite in der computergestützten Genetik --
08:24
which is also a field where lots of very smart people
172
504920
2496
ein Gebiet, bei dem einige sehr kluge Menschen
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
unvorstellbar viele Daten nutzen, um ernsthafte Entscheidungen zu treffen,
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
wie die Entscheidung für eine Krebstherapie
oder die Entwicklung eines Medikamentes.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
Über die Jahre habe ich einige Muster erkannt über den Unterschied
08:37
or kind of rule, if you will, about the difference
176
517920
2456
08:40
between successful decision-making with data
177
520400
2696
zwischen erfolgreichen Entscheidungen anhand von Daten
08:43
and unsuccessful decision-making,
178
523120
1616
und nicht erfolgreichen Entscheidungen.
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
Dieses Muster sollte verbreitet werden.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Müssen Sie je ein komplexes Problem lösen,
08:52
you're doing essentially two things.
181
532679
1737
tun Sie hauptsächlich zwei Dinge:
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
Als Erstes zerlegen Sie dieses Problem in seine Einzelteile,
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
sodass Sie die Einzelteile analysieren können;
09:00
and then of course you do the second part.
184
540280
2016
als Zweites setzen Sie die Einzelteile wieder zusammen,
09:02
You put all of these bits and pieces back together again
185
542320
2656
um einen Entschluss zu fassen.
09:05
to come to your conclusion.
186
545000
1336
09:06
And sometimes you have to do it over again,
187
546360
2336
Manchmal müssen Sie dies mehrmals tun,
09:08
but it's always those two things:
188
548720
1656
aber es sind immer zwei Dinge:
09:10
taking apart and putting back together again.
189
550400
2320
auseinander nehmen und wieder zusammensetzen.
09:14
And now the crucial thing is
190
554280
1616
Und nun das Wichtigste:
09:15
that data and data analysis
191
555920
2896
Daten und Datenanalyse sind nur gut für den ersten Teil.
09:18
is only good for the first part.
192
558840
2496
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Daten und Datenanalyse, egal wie machtvoll,
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
können nur dabei helfen, ein Problem zu zerlegen und seine Teile zu verstehen.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Sie sind nicht dazu geeignet, die Teile wieder zusammenzusetzen
09:31
and then to come to a conclusion.
196
571600
1896
und dann zu einem Entschluss zu kommen.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
Dafür gibt es ein anderes Werkzeug und wir besitzen es alle: unser Gehirn.
09:36
and that tool is the brain.
198
576280
1296
09:37
If there's one thing a brain is good at,
199
577600
1936
Wenn es etwas gibt, bei dem das Gehirn gut ist,
09:39
it's taking bits and pieces back together again,
200
579560
2256
ist es Teile und Stücke wieder zusammenzusetzen,
09:41
even when you have incomplete information,
201
581840
2016
auch wenn die Informationen unvollständig sind,
09:43
and coming to a good conclusion,
202
583880
1576
um dann einen guten Entschluss zu fassen --
09:45
especially if it's the brain of an expert.
203
585480
2936
besonders wenn es das Gehirn eines Experten ist.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Darum, glaube ich, war Netflix so erfolgreich,
09:51
because they used data and brains where they belong in the process.
205
591120
3576
weil sie Daten und Verstand genutzt haben, wo sie auch im Prozess hingehören.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Sie nutzen Daten, um ihr Publikum besser zu verstehen,
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
wozu sie sonst nicht fähig gewesen wären.
10:01
but then the decision to take all these bits and pieces
208
601720
2616
Aber die Entscheidung, wie man all diese Teile nehmen,
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
wieder zusammensetzen und daraus eine Show wie "House of Cards" macht,
10:07
that was nowhere in the data.
210
607720
1416
das stand nicht in den Daten.
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
Ted Sarandos und sein Team trafen diese Entscheidung für diese Show,
10:13
which also meant, by the way, that they were taking
212
613160
2381
was bedeutete, dass sie ein großes persönliches Risiko
10:15
a pretty big personal risk with that decision.
213
615565
2851
mit dieser Entscheidung eingingen.
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
Amazon hingegen tat dies auf die falsche Weise.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Sie nutzten Daten, um all ihre Entscheidungen zu steuern,
10:24
first when they held their competition of TV ideas,
216
624240
2416
zuerst als sie um TV-Ideen wetteiferten,
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
dann als sie "Alpha House" als Show auswählten.
10:30
Which of course was a very safe decision for them,
218
630400
2496
Es war eine sichere Entscheidung,
10:32
because they could always point at the data, saying,
219
632920
2456
weil sie immer sagen konnten:
10:35
"This is what the data tells us."
220
635400
1696
"Das sagen uns die Daten."
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
Es führte nicht zum gewünschten Ergebnis.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Daten sind hilfreich für bessere Entscheidungen,
10:47
but I believe that things go wrong
223
647120
2376
aber ich glaube, dass Dinge schief laufen,
10:49
when data is starting to drive those decisions.
224
649520
2576
wenn Daten anfangen unsere Entscheidungen zu steuern.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Egal wie machtvoll sie sind, Daten sind nur ein Werkzeug,
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
und um das nicht zu vergessen, ist dieses Gerät ziemlich nützlich.
10:59
Many of you will ...
227
659280
1216
Vielen von Ihnen werden ...
11:00
(Laughter)
228
660520
1216
(Lachen)
11:01
Before there was data,
229
661760
1216
Bevor es Daten gab,
11:03
this was the decision-making device to use.
230
663000
2856
war dies das Gerät für Entscheidungen.
11:05
(Laughter)
231
665880
1256
(Lachen)
11:07
Many of you will know this.
232
667160
1336
Viele kennen es.
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
Es wird auch "Magic 8 Ball" genannt.
11:10
and it's really amazing,
234
670497
1199
Es ist erstaunlich.
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
Für Entscheidungen mithilfe einer Ja- oder Nein-Frage
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
müssen Sie nur den Ball schütteln, um eine Antwort zu bekommen.
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
"Höchst wahrscheinlich" -- genau hier in diesem Moment.
11:21
I'll have it out later for tech demos.
238
681240
2096
Ich werde es später mit einer Technikdemo ausfechten.
11:23
(Laughter)
239
683360
1216
(Lachen)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Ich habe bisher einige Entscheidungen in meinem Leben getroffen,
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
wobei ich im Nachhinein auf den Ball hätte hören sollen.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Aber, wie Sie natürlich wissen, wenn Sie die Daten verfügbar haben,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
möchten Sie diese durch etwas viel Ausgeklügelteres ersetzen,
11:37
like data analysis to come to a better decision.
244
697560
3616
wie Datenanalyse, um bessere Entscheidungen zu treffen.
11:41
But that does not change the basic setup.
245
701200
2616
Aber dies verändert nicht den Grundaufbau.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
So wird vielleicht der Ball klüger und klüger und klüger.
11:47
but I believe it's still on us to make the decisions
247
707040
2816
Letztendlich liegt es an uns, Entscheidungen zu treffen,
11:49
if we want to achieve something extraordinary,
248
709880
3016
wenn wir etwas außergewöhnliches am Ende der rechten Kurve erreichen wollen.
11:52
on the right end of the curve.
249
712920
1936
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
Und ich empfinde dies als sehr ermutigende Nachricht,
11:59
that even in the face of huge amounts of data,
251
719400
3976
dass es sich trotz der großen Menge an Daten
12:03
it still pays off to make decisions,
252
723400
4096
immer noch auszahlt, Entscheidungen zu treffen,
12:07
to be an expert in what you're doing
253
727520
2656
ein Experte in dem zu sein, was man tut,
12:10
and take risks.
254
730200
2096
und Risiken einzugehen.
12:12
Because in the end, it's not data,
255
732320
2776
Denn am Ende sind es nicht die Daten,
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
sondern die Risiken, mit denen Sie am rechten Ende der Kurve landen.
12:19
Thank you.
257
739840
1216
Danke schön.
12:21
(Applause)
258
741080
3680
(Applaus)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7