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

133,338 views ・ 2016-01-27

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Giovanna Fauro Revisore: Roberto Popolizio
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Roy Price è un uomo che gran parte di voi non ha mai sentito nominare,
00:17
even though he may have been responsible
1
17120
2496
anche se è stato forse il responsabile
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
di 22 minuti un po' mediocri della vostra vita nel 19 Aprile 2013.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
E forse è stato anche responsabile di 22 minuti molto interessanti,
00:29
but not very many of you.
4
29760
2256
ma non per molti di voi.
00:32
And all of that goes back to a decision
5
32040
1896
E tutto ciò dipende da una scelta
00:33
that Roy had to make about three years ago.
6
33960
2000
che Roy dovette fare circa 3 anni fa.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Vedete, Roy Price è un alto dirigente degli Amazon Studios,
00:40
That's the TV production company of Amazon.
8
40840
3016
la società di produzione televisiva di Amazon.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Ha 47 anni, magro, capelli a spazzola,
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
si autodescrive su Twitter come "film, TV, tecnologia, taco."
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Roy Price ha un compito molto importante, perché ha la responsabilità
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
di scegliere gli spettacoli, i contenuti che Amazon produrrà.
01:01
And of course that's a highly competitive space.
13
61280
2336
Che di certo è un'area con molta competizione.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Voglio dire, ci sono già così tanti show televisivi,
01:06
that Roy can't just choose any show.
15
66400
2176
che Roy non può sceglierne uno qualunque.
01:08
He has to find shows that are really, really great.
16
68600
4096
Deve trovare degli spettacoli che siano davvero, davvero grandiosi.
01:12
So in other words, he has to find shows
17
72720
2816
Dunque, in altre parole, deve trovare degli spettacoli
01:15
that are on the very right end of this curve here.
18
75560
2376
che andranno all'estrema destra di questa curva.
01:17
So this curve here is the rating distribution
19
77960
2656
Questa curva mostra la distribuzione della valutazione
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
di circa 2.500 spettacoli televisivi sul sito web IMDB,
01:25
and the rating goes from one to 10,
21
85040
2896
e la valutazione va da 1 a 10,
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
e l'altezza indica quanti show ottengono quella valutazione.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Perciò se il vostro show ha un voto di nove punti o più, è uno vincente.
01:35
Then you have a top two percent show.
24
95680
1816
Quindi avrete uno show nel 2% al top.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
Cioè show come "Breaking Bad", "Il Trono di Spade", "The Wire",
01:41
so all of these shows that are addictive,
26
101440
2296
tutti quegli spettacoli che danno dipendenza,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
che se ne guardate una stagione, il vostro cervello è tipo:
01:46
"Where can I get more of these episodes?"
28
106840
2176
"Dove posso guardare altri episodi?"
01:49
That kind of show.
29
109040
1200
Quel tipo di spettacoli.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
Sul lato sinistro, tanto per chiarire, lì in fondo,
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
avete uno spettacolo chiamato "Toddlers and Tiaras"
01:56
(Laughter)
32
116640
2656
(Risate)
01:59
-- which should tell you enough
33
119320
1536
che dovrebbe dirvi abbastanza
02:00
about what's going on on that end of the curve.
34
120880
2191
di cosa succede su quel lato della curva.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Ora, Roy Pice non è preoccupato di finire sul lato sinistro della curva,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
perché credo che vi servano delle capacità mentali notevoli
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
per svendere "Toddlers and Tiaras".
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Perciò quel che lo preoccupa è la gobba qui nel mezzo,
02:15
the bulge of average TV,
39
135920
1816
la gobba della tv mediocre,
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
sapete, quegli show che non sono né eccezionali né pessimi,
02:20
they don't really get you excited.
41
140639
1656
che non vi entusiasmano molto.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Perciò dev'essere sicuro di stare davvero qui sul lato destro.
02:27
So the pressure is on,
43
147200
1576
Quindi la pressione è alta,
02:28
and of course it's also the first time
44
148800
2176
e di certo è anche la prima volta
02:31
that Amazon is even doing something like this,
45
151000
2176
che Amazon fa qualcosa di questo genere,
02:33
so Roy Price does not want to take any chances.
46
153200
3336
dunque Roy Price non vuole correre rischi.
02:36
He wants to engineer success.
47
156560
2456
Vuole progettare con cura il successo.
02:39
He needs a guaranteed success,
48
159040
1776
Gli serve un successo garantito,
02:40
and so what he does is, he holds a competition.
49
160840
2576
e quindi quel che fa è organizzare un concorso.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Raccoglie alcune idee per degli show televisivi,
02:46
and from those ideas, through an evaluation,
51
166600
2296
e da queste idee, dopo averle valutate,
02:48
they select eight candidates for TV shows,
52
168920
4096
scelgono otto candidati a diventare spettacoli televisivi,
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
poi semplicemente realizza il primo episodio di ciascuno show
02:56
and puts them online for free for everyone to watch.
54
176280
3136
e li mette in rete gratuitamente per farli vedere a chiunque.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
E dunque, quando Amazon offre cose gratis,
03:01
you're going to take it, right?
56
181720
1536
le prendete, giusto?
03:03
So millions of viewers are watching those episodes.
57
183280
5136
Dunque milioni di spettatori stanno guardando quegli episodi.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
Ciò di cui non si accorgono è che, mentre guardano i loro show,
03:11
actually, they are being watched.
59
191680
2296
sono loro a venire osservati.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Vengono osservati da Roy Price e dal suo team,
03:16
who record everything.
61
196360
1376
che registrano tutto.
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Registrano quando qualcuno preme play, quando qualcuno mette in pausa,
03:21
what parts they skip, what parts they watch again.
63
201160
2536
quali parti saltano, quali parti guardano di nuovo.
03:23
So they collect millions of data points,
64
203720
2256
Quindi raccolgono moltissimi dati,
03:26
because they want to have those data points
65
206000
2096
perché vogliono avere questi dati
03:28
to then decide which show they should make.
66
208120
2696
per poi decidere quale show trasmettere.
03:30
And sure enough, so they collect all the data,
67
210840
2176
E sicuri di sè, raccolgono i dati,
fanno tutti i calcoli, e una risposta emerge,
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
03:35
and the answer is,
69
215640
1216
e la risposta è:
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
"Amazon dovrebbe fare una sitcom su quattro senatori repubblicani in USA".
03:42
They did that show.
71
222440
1216
Hanno fatto quella serie.
03:43
So does anyone know the name of the show?
72
223680
2160
Qualcuno sa come si intitola?
03:46
(Audience: "Alpha House.")
73
226720
1296
(Pubblico: "Alpha House")
03:48
Yes, "Alpha House,"
74
228040
1456
Sì, "Alpha House",
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
ma sembra che non molti di voi qui ricordino questo spettacolo, in realtà,
03:53
because it didn't turn out that great.
76
233640
1856
perché non si è rivelato un granché.
03:55
It's actually just an average show,
77
235520
1856
È in realtà uno show di medio livello,
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
letteralmente, appunto, poiché la media di questa curva è a 7.4
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
e "Alpha House" si trova a 7.5,
04:04
so a slightly above average show,
80
244440
2016
quindi di sopra a uno spettacolo medio,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
ma di certo non è quel che Roy Price e il suo team speravano.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Nel frattempo tuttavia, più o meno nello stesso periodo,
04:13
at another company,
83
253200
1576
un'altra azienda,
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
un altro dirigente è riuscito a piazzare una serie al top analizzando i dati
04:19
and his name is Ted,
85
259040
1576
e il suo nome è Ted,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
Ted Sarandos, che è il direttore dell'Ufficio Contenuti di Netflix
04:24
and just like Roy, he's on a constant mission
87
264080
2136
e, come Roy, la sua missione è sempre
di trovare quel grande show,
04:26
to find that great TV show,
88
266240
1496
04:27
and he uses data as well to do that,
89
267760
2016
e anche lui usa i dati per riuscirci,
04:29
except he does it a little bit differently.
90
269800
2015
solo che lui lo fa un po' diversamente.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Invece di indire una competizione, ciò che ha fatto insieme al suo team
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
era guardare tutti i dati che avevano sugli utenti di Netflix,
04:39
you know, the ratings they give their shows,
93
279160
2096
sapete, come votano i loro spettacoli,
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
la cronologia delle visualizzazioni, quali show piacciono ecc.
04:44
And then they use that data to discover
95
284000
1896
Poi hanno usato quei dati per trovare
04:45
all of these little bits and pieces about the audience:
96
285920
2616
tutti questi piccoli dettagli sul pubblico:
04:48
what kinds of shows they like,
97
288560
1456
che tipi di show preferiscono,
04:50
what kind of producers, what kind of actors.
98
290040
2096
quali produttori, quali attori.
04:52
And once they had all of these pieces together,
99
292160
2576
E una volta messi insieme tutti questi pezzi,
04:54
they took a leap of faith,
100
294760
1656
hanno fatto un salto nel vuoto,
04:56
and they decided to license
101
296440
2096
e hanno deciso di autorizzare
04:58
not a sitcom about four Senators
102
298560
2456
non una sitcom su quattro senatori,
05:01
but a drama series about a single Senator.
103
301040
2880
ma una serie drammatica su un singolo senatore.
05:04
You guys know the show?
104
304760
1656
Conoscete quella serie?
05:06
(Laughter)
105
306440
1296
(Risate)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Sì, "House of Cards", e ovviamente Netflix ha sbancato grazie ad esso.
05:11
at least for the first two seasons.
107
311520
2136
almeno per le prime due stagioni.
05:13
(Laughter) (Applause)
108
313680
3976
(Risate) (Applausi)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
"House of Cards" ha una valutazione di 9.1 su questa curva,
05:20
so it's exactly where they wanted it to be.
110
320880
3176
cioè esattamente dove volevano essere.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Ora, l'ovvia domanda è "cosa è successo qui?"
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Avete due aziende molto forti, esperte di statistica,
05:29
They connect all of these millions of data points,
113
329200
2856
che incrociano questa montagna di dati,
05:32
and then it works beautifully for one of them,
114
332080
2376
e funziona a meraviglia per una di loro,
05:34
and it doesn't work for the other one.
115
334480
1856
ma non per l'altra.
05:36
So why?
116
336360
1216
Perché?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Perché la logica vi dice che dovrebbe funzionare sempre.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Cioè, raccogliere milioni di dati
05:43
on a decision you're going to make,
119
343560
1736
in vista di una decisione futura,
05:45
then you should be able to make a pretty good decision.
120
345320
2616
dovreste permettervi di prendere una buona decisione.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Avete 200 anni di dati in cui confidare.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
Le avete amplificate con computer molto potenti.
05:53
The least you could expect is good TV, right?
123
353240
3280
Il minimo che vi aspettate è una buona TV, giusto?
05:57
And if data analysis does not work that way,
124
357880
2720
E se le informazioni non funzionano in quel modo,
06:01
then it actually gets a little scary,
125
361520
2056
c'è da preoccuparsi,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
perché viviamo in un tempo dove ci affidiamo sempre di più ai dati
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
per prendere decisioni molto più serie di quelle riguardanti la televisione.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Qualcuno qui conosce l'azienda Multi-Health System?
06:17
No one. OK, that's good actually.
129
377080
1656
Nessuno. Ok, in realtà è un bene.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
Ok dunque, la Multi-Health System è un'azienda di software,
06:22
and I hope that nobody here in this room
131
382000
2816
e spero che nessuno in questa stanza
06:24
ever comes into contact with that software,
132
384840
3176
abbia mai a che fare con quel software,
06:28
because if you do, it means you're in prison.
133
388040
2096
perché vorrebbe dire che state in prigione.
06:30
(Laughter)
134
390160
1176
(Risate)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Se qualcuno qui negli US è in galera e chiede la libertà condizionale,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
allora è molto probabile che il software per l'analisi dei dati di quella società
06:39
will be used in determining whether to grant that parole.
137
399240
3616
sarà utilizzato per stabilire se concedere la libertà condizionale.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
Perciò è lo stesso principio per Amazon e Netflix,
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
ma ora, invece di decidere se uno show sarà buono o no,
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
state decidendo se una persona sarà buona o no.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
E una TV mediocre, 22 minuti, può essere abbastanza spiacevole,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
ma più anni in prigione, credo siano anche peggio.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
E sfortunatamente, ci sono delle prove che questa analisi dei dati,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
nonostante la grossa mole di dati, non porta sempre ottimi risultati.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
E questo non perché un'azienda come Multi-Health Systems
07:13
doesn't know what to do with data.
146
433506
1627
non sa che fare coi dati.
Anche le aziende più esperte sui dati sbagliano.
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Si, anche Google sbaglia qualche volta.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
Nel 2009 Google annunciò di essere capace, tramite l'analisi dei dati,
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
di predire epidemie influenzali, quelle brutte forme d'influenza,
07:29
by doing data analysis on their Google searches.
151
449360
3776
facendo l'analisi dei dati provenienti dalle loro ricerche su Google.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
E ha funzionato magnificamente, e ha fatto grande scalpore nei notiziari,
07:37
including the pinnacle of scientific success:
153
457040
2136
incluso il picco del successo scientifico:
07:39
a publication in the journal "Nature."
154
459200
2456
una pubblicazione sulla rivista "Nature".
07:41
It worked beautifully for year after year after year,
155
461680
3616
Ha funzionato magnificamente anno dopo anno dopo anno,
07:45
until one year it failed.
156
465320
1656
finché un anno ha fallito.
07:47
And nobody could even tell exactly why.
157
467000
2256
E nessuno ha saputo dire esattamente perché.
07:49
It just didn't work that year,
158
469280
1696
Non ha funzionato in quell'anno
07:51
and of course that again made big news,
159
471000
1936
e ovviamente ha fatto di nuovo scalpore,
07:52
including now a retraction
160
472960
1616
compreso il ritiro
07:54
of a publication from the journal "Nature."
161
474600
2840
di una pubblicazione dal giornale "Nature".
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
Per cui anche Amazon e Google, le aziende più esperte sui dati,
08:01
they sometimes get it wrong.
163
481840
2136
possono sbagliare qualche volta.
08:04
And despite all those failures,
164
484000
2936
E nonostante tutti questi fallimenti,
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
i dati si stanno affermando rapidamente nel processo decisionale della vita reale:
08:10
into the workplace,
166
490840
1816
sul posto di lavoro,
08:12
law enforcement,
167
492680
1816
sull'applicazione della legge,
08:14
medicine.
168
494520
1200
in medicina.
08:16
So we should better make sure that data is helping.
169
496400
3336
Quindi dovremmo assicurarci meglio che i dati stiano aiutando.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Ora, ho visto di persona molti di questi problemi coi dati,
08:22
because I work in computational genetics,
171
502920
1976
lavorando nella genetica computazionale,
08:24
which is also a field where lots of very smart people
172
504920
2496
un campo dove moltissime persone intelligenti
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
usano quantità inimmaginabili di dati per prendere decisioni alquanto serie
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
come decidere su una terapia per il cancro o sviluppare un farmaco.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
E negli anni ho notato una sorta di modello
08:37
or kind of rule, if you will, about the difference
176
517920
2456
o regola, se preferite, riguardante la differenza
08:40
between successful decision-making with data
177
520400
2696
tra un processo decisionale di successo ,grazie ai dati,
08:43
and unsuccessful decision-making,
178
523120
1616
e uno fallimentare,
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
e ritengo utile condividere questo modello che funziona più o meno così:
08:50
So whenever you're solving a complex problem,
180
530520
2135
quando state risolvendo problemi complessi,
08:52
you're doing essentially two things.
181
532679
1737
state facendo due cose:
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
La prima è suddividere il problema in piccole parti
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
così da poterle analizzare a fondo,
09:00
and then of course you do the second part.
184
540280
2016
e poi la seconda fase,
Rimettere tutte queste parti insieme
09:02
You put all of these bits and pieces back together again
185
542320
2656
per arrivare alla conclusione.
09:05
to come to your conclusion.
186
545000
1336
09:06
And sometimes you have to do it over again,
187
546360
2336
E qualche volta dovete rifarlo di nuovo,
09:08
but it's always those two things:
188
548720
1656
ma sono sempre due fasi:
09:10
taking apart and putting back together again.
189
550400
2320
smembrare e rimettere insieme.
09:14
And now the crucial thing is
190
554280
1616
Ora il punto cruciale è
09:15
that data and data analysis
191
555920
2896
che i dati e l'analisi dei dati
09:18
is only good for the first part.
192
558840
2496
vanno bene solo per la prima fase.
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
I dati e l'analisi, non importa quanto potenti,
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
possono solo aiutarvi a smontare un problema e comprenderne le parti.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Non sono adatti a rimettere le parti assieme
09:31
and then to come to a conclusion.
196
571600
1896
per poi arrivare ad una conclusione.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
C'è un altro strumento che può farlo, e lo abbiamo tutti,
09:36
and that tool is the brain.
198
576280
1296
il cervello.
09:37
If there's one thing a brain is good at,
199
577600
1936
Una cosa che il cervello fa bene
09:39
it's taking bits and pieces back together again,
200
579560
2256
è rimettere insieme i pezzi,
09:41
even when you have incomplete information,
201
581840
2016
anche quando abbiamo informazioni incomplete,
09:43
and coming to a good conclusion,
202
583880
1576
e trarne una buona conclusione,
09:45
especially if it's the brain of an expert.
203
585480
2936
specialmente se è il cervello è quello di un esperto.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Per questo credo che Netflix abbia avuto successo,
perché hanno usato dati e cervelli quando servivano durante il processo.
09:51
because they used data and brains where they belong in the process.
205
591120
3576
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Hanno utilizzato prima i dati per capire molti aspetti dei loro spettatori,
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
non avrebbero potuto capirli così a fondo altrimenti,
10:01
but then the decision to take all these bits and pieces
208
601720
2616
ma poi la decisione di prendere tutti questi pezzi,
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
rimetterli insieme e fare una serie come "House of Cards",
10:07
that was nowhere in the data.
210
607720
1416
non ha dipeso affatto dai dati.
Ted Sarandos e la sua squadra hanno preso la decisione di autorizzare quella serie,
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
10:13
which also meant, by the way, that they were taking
212
613160
2381
il che ha significato anche prendersi
10:15
a pretty big personal risk with that decision.
213
615565
2851
un bel rischio personale con tale scelta.
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
Quelli di Amazon invece, l'hanno fatto al contrario sbagliando.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Hanno utilizzato solo i dati per il processo decisionale,
10:24
first when they held their competition of TV ideas,
216
624240
2416
prima con il loro concorso sulle idee per la TV,
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
poi quando hanno selezionato "Alpha House" per farne una serie,
10:30
Which of course was a very safe decision for them,
218
630400
2496
Il che certamente era una scelta sicura per loro,
10:32
because they could always point at the data, saying,
219
632920
2456
potendo sempre indicare i dati dicendo
10:35
"This is what the data tells us."
220
635400
1696
"Questo dicono i dati."
Ma ciò non li ha condotti ai risultati eccezionali che speravano.
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Perciò i dati sono di certo uno strumento estremamente utile per decisioni migliori,
10:47
but I believe that things go wrong
223
647120
2376
ma credo che le cose vadano a finire male
10:49
when data is starting to drive those decisions.
224
649520
2576
se i dati iniziano a guidare quelle decisioni.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Non importa quanto efficienti, i dati sono solo uno strumento
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
e trovo questo apparecchio molto utile per tenerlo a mente.
10:59
Many of you will ...
227
659280
1216
Molti di voi...
11:00
(Laughter)
228
660520
1216
(Risate)
11:01
Before there was data,
229
661760
1216
Prima che ci fossero i dati,
11:03
this was the decision-making device to use.
230
663000
2856
questo era lo strumento per il processo decisionale.
11:05
(Laughter)
231
665880
1256
(Risate)
11:07
Many of you will know this.
232
667160
1336
Molti di voi sapranno co'è,
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
Questo giocattolo è la Magica Palla 8,
11:10
and it's really amazing,
234
670497
1199
ed è incredibile,
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
perché se c'è da fare una scelta o rispondere si o no,
tutto quello che dovete fare è agitare la palla e avrete la risposta -
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
"Quasi certo" - proprio ora su questa finestrella, dal vivo.
11:21
I'll have it out later for tech demos.
238
681240
2096
Lo farò aprire per delle demo di tecnologia.
11:23
(Laughter)
239
683360
1216
(Risate)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Ora, ovviamente il fatto è che ho preso alcune decisioni nella mia vita
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
dove, a ragion veduta, avrei dovuto solo ascoltare la palla.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Ma sapete, di certo, se avete i dati a disposizione,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
vorrete sostituire questa con qualcosa di molto più sofisticato,
11:37
like data analysis to come to a better decision.
244
697560
3616
come l'analisi dei dati, per arrivare ad una decisione migliore.
11:41
But that does not change the basic setup.
245
701200
2616
Ma ciò non cambia l'impostazione di base.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
Perciò la palla può diventare sempre più intelligente,
11:47
but I believe it's still on us to make the decisions
247
707040
2816
ma credo che stia ancora a noi prendere le decisioni,
11:49
if we want to achieve something extraordinary,
248
709880
3016
se vogliamo raggiungere qualcosa di straordinario,
11:52
on the right end of the curve.
249
712920
1936
sul lato destro della curva.
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
E trovo che questo sia un messaggio molto incoraggiante, appunto,
11:59
that even in the face of huge amounts of data,
251
719400
3976
che anche davanti ad una quantità di dati enorme,
12:03
it still pays off to make decisions,
252
723400
4096
ripaga ancora il prendere decisioni,
12:07
to be an expert in what you're doing
253
727520
2656
l'essere un esperto in ciò che state facendo
12:10
and take risks.
254
730200
2096
e il prendere rischi.
12:12
Because in the end, it's not data,
255
732320
2776
Perché, alla fine,non sono i dati,
ma i rischi che ti faranno raggiungere il lato destro della curva.
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
12:19
Thank you.
257
739840
1216
Grazie.
(Applausi)
12:21
(Applause)
258
741080
3680
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7