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

132,856 views ・ 2016-01-27

TED


下の英語字幕をダブルクリックすると動画を再生できます。

翻訳: Kazunori Akashi 校正: Misaki Sato
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
ロイ・プライスを知っている人は ほとんどいないでしょう
00:17
even though he may have been responsible
1
17120
2496
でも彼こそ 2013年4月19日に
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
22分間 みなさんを 退屈させたであろう張本人です
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
その時間が「楽しかった」と言う人も いるかもしれませんが
00:29
but not very many of you.
4
29760
2256
それほど多くはないでしょう
00:32
And all of that goes back to a decision
5
32040
1896
すべては その3年前に
00:33
that Roy had to make about three years ago.
6
33960
2000
ロイが下した ある決定にさかのぼります
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
ロイ・プライスが役員を務めるのは アマゾン・スタジオ すなわち
00:40
That's the TV production company of Amazon.
8
40840
3016
Amazonのテレビ制作会社です
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
彼は すらっとして 髪を逆立てた 47歳
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
Twitterの自己紹介は「映画 テレビ テクノロジーとタコス 好き」です
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Amazonが制作するオリジナル番組を 選ぶのが彼の仕事ですから
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
責任は重大です
01:01
And of course that's a highly competitive space.
13
61280
2336
競争も激しい業界です
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
すでに大量のテレビ番組があって
01:06
that Roy can't just choose any show.
15
66400
2176
何を選んでもいいわけではありません
01:08
He has to find shows that are really, really great.
16
68600
4096
本当にすごい番組を 見出さなければならないんです
01:12
So in other words, he has to find shows
17
72720
2816
つまり このグラフの右端に来るような
01:15
that are on the very right end of this curve here.
18
75560
2376
番組を見つける必要があります
01:17
So this curve here is the rating distribution
19
77960
2656
このグラフは IMDbというサイトに
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
掲載されている 約2,500番組の評価の分布です
01:25
and the rating goes from one to 10,
21
85040
2896
評価は 1から10まで
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
縦軸は その評価を得た番組の数です
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
もし 選んだ番組が9点以上の 評価を得れば 成功と言えます
01:35
Then you have a top two percent show.
24
95680
1816
上位2%に入りますから
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
『ブレイキング・バッド』や 『ゲーム・オブ・スローンズ』『ザ・ワイヤー』が
01:41
so all of these shows that are addictive,
26
101440
2296
それに当たる番組で どれもハマりやすく
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
1シーズン見たら 「どこで もっと見られる?」と
01:46
"Where can I get more of these episodes?"
28
106840
2176
脳が欲してしまうような
01:49
That kind of show.
29
109040
1200
番組です
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
一応 説明すると 左端には
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
美少女コンテスト・リアリティー番組 『Toddlers & Tiaras』が来ます
01:56
(Laughter)
32
116640
2656
(笑)
01:59
-- which should tell you enough
33
119320
1536
これで グラフの左端が
02:00
about what's going on on that end of the curve.
34
120880
2191
何を表しているか よくわかるはずです
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
ただロイ・プライスは 左端のことは 心配していません
02:07
because I think you would have to have some serious brainpower
36
127280
2936
『Toddlers & Tiaras』を下回るには
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
かなりの知恵が必要ですから
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
だから 彼が心配するのは グラフのピーク付近です
02:15
the bulge of average TV,
39
135920
1816
これは平均的な番組の数で
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
可もなく不可もなく 特に見たいとも思わない
02:20
they don't really get you excited.
41
140639
1656
番組なんです
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
だから 何としてもグラフの右端に 行かなくてはなりません
02:27
So the pressure is on,
43
147200
1576
プレッシャーは大きい上に
02:28
and of course it's also the first time
44
148800
2176
Amazonが こういう事業を
02:31
that Amazon is even doing something like this,
45
151000
2176
手がけるのは初めてですから
02:33
so Roy Price does not want to take any chances.
46
153200
3336
ロイ・プライスは 賭けに出る気はありません
02:36
He wants to engineer success.
47
156560
2456
絶対 成功する方法を考えます
02:39
He needs a guaranteed success,
48
159040
1776
確実に成功するために
02:40
and so what he does is, he holds a competition.
49
160840
2576
コンテストを開きます
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
番組の企画をたくさん集めて
02:46
and from those ideas, through an evaluation,
51
166600
2296
それぞれ評価し その中から
02:48
they select eight candidates for TV shows,
52
168920
4096
8つの番組を候補として選びます
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
それから それぞれ1話を オンラインで公開し
02:56
and puts them online for free for everyone to watch.
54
176280
3136
誰でも見られるようにします
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
Amazonが無料で配信すれば
03:01
you're going to take it, right?
56
181720
1536
誰だって見ますよね
03:03
So millions of viewers are watching those episodes.
57
183280
5136
その結果 数百万人が 番組を見ることになります
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
ただ視聴者が気付いていないのは 番組を見ている間
03:11
actually, they are being watched.
59
191680
2296
実は自分が見られていることです
03:14
They are being watched by Roy Price and his team,
60
194000
2336
ロイのチームは すべてを記録して
03:16
who record everything.
61
196360
1376
視聴者を観察します
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
いつ再生し いつ一時停止したか どこを飛ばし
03:21
what parts they skip, what parts they watch again.
63
201160
2536
どこをもう一度見たか 記録するんです
03:23
So they collect millions of data points,
64
203720
2256
こうして数百万の データポイントを集めます
03:26
because they want to have those data points
65
206000
2096
このデータポイントを使って
03:28
to then decide which show they should make.
66
208120
2696
どの番組を制作するか 決定します
03:30
And sure enough, so they collect all the data,
67
210840
2176
すべてのデータを集めて
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
データを分析すると 答えが見えてきました
03:35
and the answer is,
69
215640
1216
その答えとは
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
「制作すべき番組は4人の共和党 上院議員が主役のホームコメディである」
03:42
They did that show.
71
222440
1216
そして制作しました
03:43
So does anyone know the name of the show?
72
223680
2160
どの番組かわかりますか?
03:46
(Audience: "Alpha House.")
73
226720
1296
(観客)『アルファ・ハウス』
03:48
Yes, "Alpha House,"
74
228040
1456
そう 『アルファ・ハウス』です
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
でも思い出せない方が多かったのは
03:53
because it didn't turn out that great.
76
233640
1856
大した番組ではなかったからです
03:55
It's actually just an average show,
77
235520
1856
文字通り平均点の番組です
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
このグラフの平均は7.4ですが 『アルファ・ハウス』は7.5でしたから
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
まさに普通というか
04:04
so a slightly above average show,
80
244440
2016
少しマシな程度の番組です
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
当然 ロイ・プライスたちの 狙いとはかけ離れています
04:10
Meanwhile, however, at about the same time,
82
250320
2856
話かわって 同じ頃
04:13
at another company,
83
253200
1576
別の会社で
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
もう一人の重役がデータ分析で ヒット番組を作ろうとしていました
04:19
and his name is Ted,
85
259040
1576
彼の名前は
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
テッド・サランドス Netflix社のコンテンツ部門代表です
04:24
and just like Roy, he's on a constant mission
87
264080
2136
ロイと同じように 最高の番組を
04:26
to find that great TV show,
88
266240
1496
見つけるのが仕事です
04:27
and he uses data as well to do that,
89
267760
2016
彼もデータを活用しますが
04:29
except he does it a little bit differently.
90
269800
2015
方法は少し違います
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
彼のチームは コンテストを開くのではなく
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
Netflixの視聴者に関する 全データを分析しました
04:39
you know, the ratings they give their shows,
93
279160
2096
番組の評価や視聴履歴
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
どんな番組が好まれるか といったデータです
04:44
And then they use that data to discover
95
284000
1896
そして ここから視聴者に関する
04:45
all of these little bits and pieces about the audience:
96
285920
2616
こまごまとした情報を 探っていくのです
04:48
what kinds of shows they like,
97
288560
1456
視聴者が好む番組や
04:50
what kind of producers, what kind of actors.
98
290040
2096
プロデューサー 俳優についてです
04:52
And once they had all of these pieces together,
99
292160
2576
そして情報をすべて組み合わせ
04:54
they took a leap of faith,
100
294760
1656
腹をくくって
04:56
and they decided to license
101
296440
2096
ライセンス契約を決めたのは
04:58
not a sitcom about four Senators
102
298560
2456
4人の上院議員のコメディではなく
05:01
but a drama series about a single Senator.
103
301040
2880
1人の上院議員が登場する ドラマシリーズでした
05:04
You guys know the show?
104
304760
1656
わかりますよね
05:06
(Laughter)
105
306440
1296
(笑)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
そう『ハウス・オブ・カード 野望の階段』で Netflixは
05:11
at least for the first two seasons.
107
311520
2136
少なくとも2シーズンは成功しました
05:13
(Laughter) (Applause)
108
313680
3976
(笑)(拍手)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
『ハウス・オブ・カード』は 9.1の評価を得ていて
05:20
so it's exactly where they wanted it to be.
110
320880
3176
まさに思惑通りです
05:24
Now, the question of course is, what happened here?
111
324080
2416
ここで当然 疑問が湧いてきます
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
競争力が高くデータに強い 2つの会社があり
05:29
They connect all of these millions of data points,
113
329200
2856
どちらも数百万のデータポイントを 組み合わせていますが
05:32
and then it works beautifully for one of them,
114
332080
2376
片方は とてもうまくいき
05:34
and it doesn't work for the other one.
115
334480
1856
もう片方は うまくいかない
05:36
So why?
116
336360
1216
なぜでしょう?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
論理的には常にうまくいくはずです
05:41
I mean, if you're collecting millions of data points
118
341080
2456
つまり ある決定を下そうとする時に
05:43
on a decision you're going to make,
119
343560
1736
データポイントが数百万あれば
05:45
then you should be able to make a pretty good decision.
120
345320
2616
かなりうまくいくはずなんです
05:47
You have 200 years of statistics to rely on.
121
347960
2216
200年の歴史を持つ統計学と
05:50
You're amplifying it with very powerful computers.
122
350200
3016
高性能のコンピュータが 力を貸してくれます
05:53
The least you could expect is good TV, right?
123
353240
3280
平凡な番組に終わるはずなど ないでしょう
05:57
And if data analysis does not work that way,
124
357880
2720
ただ もしデータ分析が 思い通りにならなかったら
06:01
then it actually gets a little scary,
125
361520
2056
恐ろしいことです
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
というのも テレビ以外の 様々な重要な決断を下す時
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
ますますデータに頼る時代に 私たちは生きているんですから
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Multi-Health Systems という会社を 知っている方はいますか?
06:17
No one. OK, that's good actually.
129
377080
1656
いませんね よかった
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
Multi-Health Systems は ソフトウェア会社ですが
06:22
and I hope that nobody here in this room
131
382000
2816
ここに お世話になる人が いないといいですね
06:24
ever comes into contact with that software,
132
384840
3176
もし お世話になるとすれば その人は
06:28
because if you do, it means you're in prison.
133
388040
2096
受刑者だからです
06:30
(Laughter)
134
390160
1176
(笑)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
アメリカで刑務所に入っている人が 仮釈放を申請すると
06:34
then it's very likely that data analysis software from that company
136
394920
4296
許可するかどうかを決めるために この会社のデータ分析ソフトが
06:39
will be used in determining whether to grant that parole.
137
399240
3616
使われる場合が多いんです
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
AmazonやNetflixと同じ原理ですが
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
テレビ番組の良し悪しを 決めるのではなく
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
1人の人間の善悪を決めるんです
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
22分間 退屈な番組を見るのは 苦痛かもしれませんが
06:58
but more years in prison, I guess, even worse.
142
418560
2640
さらに数年 刑務所で過ごすのは ずっときついでしょう
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
ただ残念なことに データ分析では 大量のデータがあったとしても
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
常に最適な結果を出せるとは 限らないという証拠があります
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
これはMulti-Health Systemsなどの企業が
07:13
doesn't know what to do with data.
146
433506
1627
データの扱い方を知らないからではなく
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
極めてデータに強い企業でも誤ります
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
そう Googleさえ 時に間違うんです
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
2009年 Googleは ある発表をしました
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
検索データを分析することで 感染力の強いインフルエンザの
07:29
by doing data analysis on their Google searches.
151
449360
3776
流行を予測できたというのです
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
予測は かなりうまくいき 大きなニュースになりました
07:37
including the pinnacle of scientific success:
153
457040
2136
科学界 最大の栄誉である
07:39
a publication in the journal "Nature."
154
459200
2456
ネイチャー誌への掲載も果たしました
07:41
It worked beautifully for year after year after year,
155
461680
3616
予測は翌年も次の年も うまくいっていましたが
07:45
until one year it failed.
156
465320
1656
ある年 失敗しました
07:47
And nobody could even tell exactly why.
157
467000
2256
確かな理由は誰にもわかりませんでした
07:49
It just didn't work that year,
158
469280
1696
いきなり失敗したんです
07:51
and of course that again made big news,
159
471000
1936
もちろん これも大きなニュースになり
07:52
including now a retraction
160
472960
1616
ネイチャー誌の論文も
07:54
of a publication from the journal "Nature."
161
474600
2840
撤回されました
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
AmazonやGoogleといった 極めてデータに強い企業でさえ
08:01
they sometimes get it wrong.
163
481840
2136
時に誤るんです
08:04
And despite all those failures,
164
484000
2936
一方 このような失敗にも関わらず
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
データは すごいスピードで 日常の意思決定にも
08:10
into the workplace,
166
490840
1816
仕事の場にも 法執行機関にも
08:12
law enforcement,
167
492680
1816
医療の現場にも
08:14
medicine.
168
494520
1200
入り込んでいます
08:16
So we should better make sure that data is helping.
169
496400
3336
だからデータが本当に 役立っているか 確認すべきです
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
私自身もデータとの格闘を 目の当たりにしてきました
08:22
because I work in computational genetics,
171
502920
1976
私は計算遺伝学を研究していますが
08:24
which is also a field where lots of very smart people
172
504920
2496
この分野でも頭の切れる人たちが
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
想像もつかない量のデータを使って がんの治療や
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
新薬の開発といった 重大な決断を下しています
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
ここ数年 私は データを使った意思決定が
08:37
or kind of rule, if you will, about the difference
176
517920
2456
成功する場合と失敗する場合の間に
08:40
between successful decision-making with data
177
520400
2696
ある種のパターンというか 規則性のようなものが
08:43
and unsuccessful decision-making,
178
523120
1616
あることに気づきました
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
このパターンは 伝える価値があると思います
08:50
So whenever you're solving a complex problem,
180
530520
2135
複雑な問題を解決する場合
08:52
you're doing essentially two things.
181
532679
1737
主に2つのことをします
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
はじめに 要素を深く分析できるように
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
問題を細かく分割し
09:00
and then of course you do the second part.
184
540280
2016
それから 次に進みます
09:02
You put all of these bits and pieces back together again
185
542320
2656
要素を全部 もう一度組み合わせ
09:05
to come to your conclusion.
186
545000
1336
結論を引き出すんです
09:06
And sometimes you have to do it over again,
187
546360
2336
同じことを 繰り返す場合もありますが
09:08
but it's always those two things:
188
548720
1656
やることは常に この2つ
09:10
taking apart and putting back together again.
189
550400
2320
分割し 組み立て直すんです
09:14
And now the crucial thing is
190
554280
1616
ここで重要なのは
09:15
that data and data analysis
191
555920
2896
データと その分析が有効なのは
09:18
is only good for the first part.
192
558840
2496
最初の部分だけだという点です
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
データと分析が いかに強力だろうと
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
役に立つのは 問題を分割して 要素を理解するところまでです
09:28
It's not suited to put those pieces back together again
195
568080
3496
要素を組み立て直して 結論に至るには
09:31
and then to come to a conclusion.
196
571600
1896
適していないのです
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
私たちには 結論を引き出す 別のツールがあります
09:36
and that tool is the brain.
198
576280
1296
それは 脳です
09:37
If there's one thing a brain is good at,
199
577600
1936
脳には得意なことがあります
09:39
it's taking bits and pieces back together again,
200
579560
2256
不完全な情報しかない場合でも
09:41
even when you have incomplete information,
201
581840
2016
要素を組み立てて
09:43
and coming to a good conclusion,
202
583880
1576
適切な結論を出すことです
09:45
especially if it's the brain of an expert.
203
585480
2936
特に専門家の脳は そうです
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Netflixが成功した理由は
09:51
because they used data and brains where they belong in the process.
205
591120
3576
データと脳を それぞれ適した場面で 利用したからでしょう
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
まずデータを使って 視聴者に関する情報を理解しました
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
そうしなければ そこまで 深く理解できなかったでしょう
10:01
but then the decision to take all these bits and pieces
208
601720
2616
一方で 要素を全部集めて組み立て直し
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
『ハウス・オブ・カード』のような データからは出てこない
10:07
that was nowhere in the data.
210
607720
1416
番組を制作しました
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
ゴーサインを出すと決断したのは テッド・サランドスのチームです
10:13
which also meant, by the way, that they were taking
212
613160
2381
つまり彼らは この決断によって
10:15
a pretty big personal risk with that decision.
213
615565
2851
個人的に大きなリスクを負ったのです
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
それに対して Amazonは方法を誤りました
10:21
They used data all the way to drive their decision-making,
215
621480
2736
意思決定の全過程でデータを使ったのです
10:24
first when they held their competition of TV ideas,
216
624240
2416
最初に企画コンテストを開いた時も
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
『アルファ・ハウス』を選んで 制作した時もそうでした
10:30
Which of course was a very safe decision for them,
218
630400
2496
もちろん これは安全な決断でした
10:32
because they could always point at the data, saying,
219
632920
2456
だって「データから明らかだ」と
10:35
"This is what the data tells us."
220
635400
1696
言えば済むんですから
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
でも それでは彼らが望む 並外れた成果は上げられませんでした
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
確かに よりよい意思決定には データはとても役立つツールです
10:47
but I believe that things go wrong
223
647120
2376
ただ データが意思決定を
10:49
when data is starting to drive those decisions.
224
649520
2576
強いるようになると 問題が起きてくると思います
10:52
No matter how powerful, data is just a tool,
225
652120
3776
どれほどパワフルだろうと データは単なる道具です
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
それを意識するには この装置が役立つことに気づきました
10:59
Many of you will ...
227
659280
1216
納得する人も多いでしょう
11:00
(Laughter)
228
660520
1216
(笑)
11:01
Before there was data,
229
661760
1216
データが出現する前は
11:03
this was the decision-making device to use.
230
663000
2856
意思決定の手段といえば これのことでした
11:05
(Laughter)
231
665880
1256
(笑)
11:07
Many of you will know this.
232
667160
1336
知っている方も多いでしょう
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
これは「マジック8ボール」
11:10
and it's really amazing,
234
670497
1199
本当にすごい装置です
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
もしイエスかノーの形で 何か決定しなければならない時
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
このボールを振るだけで 答えが出ます
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
「可能性は高い」 こんな風に リアルタイムで出ます
11:21
I'll have it out later for tech demos.
238
681240
2096
後でデモ会場に展示しましょう
11:23
(Laughter)
239
683360
1216
(笑)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
さて 肝心な点ですが これまでの私の決断には
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
後で考えると ボールに尋ねた方が よかったものもあります
11:31
But, you know, of course, if you have the data available,
242
691120
3336
でもデータが使えるなら こんな おもちゃではなく
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
データ分析など より洗練された手段を使って
11:37
like data analysis to come to a better decision.
244
697560
3616
よりよく意思決定したいと 思うはずです
11:41
But that does not change the basic setup.
245
701200
2616
ただ それでも 基本的な仕組みは変わりません
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
ボールは どんどん 賢くなっていくかもしれませんが
11:47
but I believe it's still on us to make the decisions
247
707040
2816
もし私たちが グラフの右端にある
11:49
if we want to achieve something extraordinary,
248
709880
3016
何か ものすごいことを 成し遂げたいなら
11:52
on the right end of the curve.
249
712920
1936
今でも自分自身の決断が重要です
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
大量のデータを目の前にして それでもなお 自分で決定すること
11:59
that even in the face of huge amounts of data,
251
719400
3976
そして その道の専門家として リスクを負うことが
12:03
it still pays off to make decisions,
252
723400
4096
成功につながるというのは
12:07
to be an expert in what you're doing
253
727520
2656
とても励みになる
12:10
and take risks.
254
730200
2096
教訓だと思います
12:12
Because in the end, it's not data,
255
732320
2776
結局 グラフの右端に 達するために必要なのは
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
データではなく リスクなのです
12:19
Thank you.
257
739840
1216
ありがとう
12:21
(Applause)
258
741080
3680
(拍手)
このウェブサイトについて

このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。

https://forms.gle/WvT1wiN1qDtmnspy7