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

132,856 views ・ 2016-01-27

TED


Norėdami paleisti vaizdo įrašą, dukart spustelėkite žemiau esančius angliškus subtitrus.

Translator: Kamile Vaupsaite Reviewer: Sigita Šimkutė-Macanko
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Turbūt nedaugelis iš jūsų esate girdėję apie Roy Price’ą,
00:17
even though he may have been responsible
1
17120
2496
nors galimai per jį nuobodžiavote 22 savo gyvenimo minutes
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
2013 m. balandžio 19 dieną.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
Galimai tos 22 minutės Roy dėka praėjo labai linksmai,
00:29
but not very many of you.
4
29760
2256
bet tik nedaugeliui iš jūsų.
00:32
And all of that goes back to a decision
5
32040
1896
Prieš maždaug trejus metus Roy priėmė sprendimą.
00:33
that Roy had to make about three years ago.
6
33960
2000
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Matote, Roy Price’as – „Amazon Studios“ vyr. vadovas.
00:40
That's the TV production company of Amazon.
8
40840
3016
„Amazon Studios“ – „Amazon“ TV kompanija.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Roy – 47-eri metai, jis lieknas, pašiauštais plaukais.
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
„Twitter“ tinkle apibūdina save taip: „Kinas, TV, technologijos, taco“.
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Roy Price’o darbas labai atsakingas.
Jam tenka išrinkti, kokias laidas kurs „Amazon“ kompanija.
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
01:01
And of course that's a highly competitive space.
13
61280
2336
Šioms laidoms tenka labai didelė konkurencija.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
TV laidų yra be galo daug, tad Roy negali rinktis bet ko.
01:06
that Roy can't just choose any show.
15
66400
2176
01:08
He has to find shows that are really, really great.
16
68600
4096
Jis turi surasti pačias geriausias TV laidas.
01:12
So in other words, he has to find shows
17
72720
2816
Laidas, kurios būtų pačiame dešiniajame šios kreivės gale.
01:15
that are on the very right end of this curve here.
18
75560
2376
01:17
So this curve here is the rating distribution
19
77960
2656
Ši kreivė rodo, kaip yra reitinguotos maždaug 2 500 TV laidų „IMDb“ tinklapyje.
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
01:25
and the rating goes from one to 10,
21
85040
2896
Reitinguojama nuo vieno iki dešimt,
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
o kreivės aukštis rodo, kiek laidų gauna tokį reitingą.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Jei tavo laida gauna 9 punktus ar daugiau,
01:35
Then you have a top two percent show.
24
95680
1816
reiškia, ji puiki, geresnė nei 98% laidų.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
Lygi „Bręstančiam blogiui“, „Sostų karams“, „Blakei“.
01:41
so all of these shows that are addictive,
26
101440
2296
Tokios laidos užkabina,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
peržiūrėjus vieną sezoną, smegenys nerimsta:
01:46
"Where can I get more of these episodes?"
28
106840
2176
„Kur gauti daugiau serijų?“
(Juokas.).
01:49
That kind of show.
29
109040
1200
Kalbu apie tokią laidą.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
O kairiajame kreivės gale, įdomumo dėlei, yra tokios laidos kaip...
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
„Vaikai ir tiaros“.
01:56
(Laughter)
32
116640
2656
(Juokas.).
01:59
-- which should tell you enough
33
119320
1536
Dabar jums turėtų būti aišku, kas dedasi tame kreivės gale.
02:00
about what's going on on that end of the curve.
34
120880
2191
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Roy Price’o nedomina kairysis kreivės galas,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
o be to, reikėtų nemažai pasukti smegenis, kad nurungtum „Vaikus ir tiaras“.
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Jį domina šis viduriukas – įprastinės laidos.
02:15
the bulge of average TV,
39
135920
1816
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
Nei geros, nei blogos.
02:20
they don't really get you excited.
41
140639
1656
Jos pernelyg nejaudina.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Roy privalo užtikrinti,
kad jo laida atsidurs dešiniajame kreivės gale.
02:27
So the pressure is on,
43
147200
1576
Jis jautė šiokį tokį spaudimą,
02:28
and of course it's also the first time
44
148800
2176
„Amazon“ dar nebuvo kūrusi laidų,
02:31
that Amazon is even doing something like this,
45
151000
2176
02:33
so Roy Price does not want to take any chances.
46
153200
3336
todėl Roy Price'as nenorėjo rizikuoti.
02:36
He wants to engineer success.
47
156560
2456
Jis norėjo nuvesti prie sėkmės.
02:39
He needs a guaranteed success,
48
159040
1776
Jam reikėjo garantuotos sėkmės.
02:40
and so what he does is, he holds a competition.
49
160840
2576
Taigi, jis surengė konkursą.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Prigalvojo idėjų TV laidoms,
02:46
and from those ideas, through an evaluation,
51
166600
2296
iš jų, po ilgų svarstymų,
02:48
they select eight candidates for TV shows,
52
168920
4096
buvo išrinktos aštuonios galimos laidos,
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
o tada visoms šioms laidoms jis sukurė pirmąsias serijas
02:56
and puts them online for free for everyone to watch.
54
176280
3136
ir sudėjo jas į internetą, kad žiūrėtum nemokamai.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
O kai „Amazon“ duoda kažką už dyką, negi neimsi?
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
Milijonai žiūrovų žiūrėjo šias serijas.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
Tik jiems neatėjo į galvą, kad kol žiūrėjo laidas...
03:11
actually, they are being watched.
59
191680
2296
kažkas žiūrėjo į juos.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Roy Price'as ir jo komanda žiūrėjo ir viską įrašinėjo.
03:16
who record everything.
61
196360
1376
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Kada paspaudžiama „groti“, kada paspaudžiama „pauzė“,
03:21
what parts they skip, what parts they watch again.
63
201160
2536
kas prasukama, o kas – žiūrima antrąsyk.
03:23
So they collect millions of data points,
64
203720
2256
Taip buvo surinkti milijonai duomenų taškų,
03:26
because they want to have those data points
65
206000
2096
o jų reikia, kad nuspręstum, kokį serialą sukurti.
03:28
to then decide which show they should make.
66
208120
2696
03:30
And sure enough, so they collect all the data,
67
210840
2176
Galiausiai, surinkus visus šiuos duomenis, juos išnagrinėjus, buvo gautas atsakymas:
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
03:35
and the answer is,
69
215640
1216
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
„„Amazon“ turėtų sukurti serialą apie 4 JAV senatorius respublikonus.“
(Juokas.).
03:42
They did that show.
71
222440
1216
Ką „Amazon“ ir padarė.
03:43
So does anyone know the name of the show?
72
223680
2160
Ar kas žinot serialo pavadinimą?
03:46
(Audience: "Alpha House.")
73
226720
1296
(Publika: „Alfa namelis“.).
Taip, „Alfa namelis“.
03:48
Yes, "Alpha House,"
74
228040
1456
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
Tik atrodo, kad nedaugelis iš jūsų atsimenat šią laidą.
03:53
because it didn't turn out that great.
76
233640
1856
Ji neišėjo tokia jau gera.
03:55
It's actually just an average show,
77
235520
1856
Greičiau vidutiniška.
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
Vidutiniška tiesiogine prasme, nes šios kreivės vidurkis – 7,4 punktai,
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
o „Alfa namelis“ surinko 7,5 punktus.
04:04
so a slightly above average show,
80
244440
2016
Ji kiek geresnė už vidutinę laidą,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
tačiau tikrai ne tokios siekė Roy Price'as ir jo komanda.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Maždaug tuo pačiu metu
04:13
at another company,
83
253200
1576
kitos kompanijos vadovui pavyko sukurti puikią laidą,
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
naudojant duomenų analizę.
04:19
and his name is Ted,
85
259040
1576
Kalbame apie Tedą,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
Tedą Sarandos – „Netflix“ direktorių, atsakingą už turinį.
04:24
and just like Roy, he's on a constant mission
87
264080
2136
Kaip Roy, Tedo nuolatinė užduotis – sukurti tą puikiąją TV laidą.
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
Jis irgi naudojasi duomenimis, tik naudojasi jais kiek kitaip.
04:29
except he does it a little bit differently.
90
269800
2015
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Jis nerengė konkurso, bet kartu su savo komanda
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
peržvelgė visą jau turimą informaciją apie „Netflix“ žiūrovus.
04:39
you know, the ratings they give their shows,
93
279160
2096
Kaip žiūrovai reitingavo laidas, ką žiūrėjo, ką mėgsta ir panašiai.
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
04:44
And then they use that data to discover
95
284000
1896
Šie duomenys jiems padėjo sužinoti visokiausių detalių apie savo žiūrovus.
04:45
all of these little bits and pieces about the audience:
96
285920
2616
04:48
what kinds of shows they like,
97
288560
1456
Kokias laidas jie mėgsta, kokius prodiuserius, kokius aktorius.
04:50
what kind of producers, what kind of actors.
98
290040
2096
04:52
And once they had all of these pieces together,
99
292160
2576
Kai pagaliau sudėjo visas šias detales į vieną,
04:54
they took a leap of faith,
100
294760
1656
jie šoko į nežinią
04:56
and they decided to license
101
296440
2096
ir nusprendė sukurti ne serialą apie keturis senatorius,
04:58
not a sitcom about four Senators
102
298560
2456
05:01
but a drama series about a single Senator.
103
301040
2880
o dramą-serialą apie vieną senatorių.
05:04
You guys know the show?
104
304760
1656
Kokia tai laida?
05:06
(Laughter)
105
306440
1296
(Juokas.).
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Taip, tai – „Kortų namelis“.
„Netflix“ pataikė kaip pirštu į akį...
05:11
at least for the first two seasons.
107
311520
2136
Bent jau pirmuosius du sezonus.
05:13
(Laughter) (Applause)
108
313680
3976
(Juokas ir plojimai.).
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
„Kortų namelis“ šioje kreivėje įvertintas 9,1 punktais – ko „Netflix“ ir siekė.
05:20
so it's exactly where they wanted it to be.
110
320880
3176
05:24
Now, the question of course is, what happened here?
111
324080
2416
Klausimas, aišku, kas nutiko?
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Turim dvi labai konkurencingas kompanijas.
05:29
They connect all of these millions of data points,
113
329200
2856
Abi supranta duomenis, abi sujungė milijonus duomenų taškų.
05:32
and then it works beautifully for one of them,
114
332080
2376
Vienai puikiai pavyko, o kitai ne.
05:34
and it doesn't work for the other one.
115
334480
1856
05:36
So why?
116
336360
1216
Kodėl?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Logika sako, kad turėjo pavykti abiem.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Jei renki kalnus informacijos, kad priimtum sprendimą,
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
tavo sprendimas turėtų būti gana neblogas.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Statistikos mokslas vystėsi 200 metų,
05:50
You're amplifying it with very powerful computers.
122
350200
3016
turim galingus kompiuterius rezultatui pagerinti.
05:53
The least you could expect is good TV, right?
123
353240
3280
Laida turėtų išeiti bent jau gera...
(Juokas.).
05:57
And if data analysis does not work that way,
124
357880
2720
O jei duomenų analizė veikia kitaip, darosi kiek baisoka.
06:01
then it actually gets a little scary,
125
361520
2056
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
Juk su kiekviena diena mes vis dažniau griebiamės duomenų,
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
kad primtume daug svarbesnius sprendimus, nei to reikalauja televizija.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Ar kas žinot kompaniją „Multi-Health Systems“?
06:17
No one. OK, that's good actually.
129
377080
1656
Niekas. Puiku.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
„Multi-Health Systems“ gamina kompiuterinę įrangą.
06:22
and I hope that nobody here in this room
131
382000
2816
Viliuosi, niekam iš jūsų neteks susidurti su šia programa.
06:24
ever comes into contact with that software,
132
384840
3176
06:28
because if you do, it means you're in prison.
133
388040
2096
Susidursit – jūs kalėjime.
06:30
(Laughter)
134
390160
1176
(Juokas.).
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Jei kalinys JAV kalėjime paprašo jį lygtinai paleisti,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
daug šansų, kad sprendimas bus priimtas, naudojant būtent šios kompanijos programą.
06:39
will be used in determining whether to grant that parole.
137
399240
3616
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
Ji veikia kaip „Amazon“ ir „Netflix“.
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
Tik su ja nesprendžiama, ar TV laida bus gera, ar bloga.
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
Sprendžiama, ar žmogus bus geras, ar blogas.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
22 minutės nuobodžios televizijos gali būti gana skausmingos,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
bet nemanau, kad prilygsta ilgesniam laikui kalėjime.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
Deja, yra įrodymų, kad duomenų analizė, kiek bebūtų joje duomenų,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
ne visada duoda geriausius rezultatus.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
Nereiškia, kad tokios kompanijos kaip „Multi-Health Systems“
07:13
doesn't know what to do with data.
146
433506
1627
nemoka elgtis su duomenimis: čia suklumpa net išmaniausios kompanijos.
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
Taip, kartais suklumpa net „Google“.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
2009 m. „Google“ pranešė, kad gali, naudodami duomenų analizę,
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
numatyti gripo protrūkius.
07:29
by doing data analysis on their Google searches.
151
449360
3776
Tereikia išanalizuoti informaciją „Google“ paieškos sistemoje.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
Jų metodas veikė puikiai, tapo sensacija,
07:37
including the pinnacle of scientific success:
153
457040
2136
pasiekė net šiokią tokią mokslo viršūnę – užsitarnavo straipsnį žurnale „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
Metodas veikė puikiai metai iš metų,
07:45
until one year it failed.
156
465320
1656
tačiau vienąsyk ėmė ir nesuveikė.
07:47
And nobody could even tell exactly why.
157
467000
2256
Niekas net negalėjo pasakyti, kodėl tais metais jis nesuveikė.
07:49
It just didn't work that year,
158
469280
1696
07:51
and of course that again made big news,
159
471000
1936
Žinoma, laikraščiai vėl rašė, o be to,
07:52
including now a retraction
160
472960
1616
„Google“ straipsnis iš žurnalo „Nature“ buvo išimtas.
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
Tad suklumpa net duomenų ekspertės „Amazon“ ir „Google“.
08:01
they sometimes get it wrong.
163
481840
2136
08:04
And despite all those failures,
164
484000
2936
Visgi duomenys vis dažniau naudojami sprendimams realiame gyvenime:
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
08:10
into the workplace,
166
490840
1816
darbe,
08:12
law enforcement,
167
492680
1816
teisėsaugoje,
08:14
medicine.
168
494520
1200
medicinoje...
08:16
So we should better make sure that data is helping.
169
496400
3336
Todėl privalome būti tikri, kad duomenys mums padeda.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Aš dažnai susiduriu su duomenų keliamomis problemomis,
08:22
because I work in computational genetics,
171
502920
1976
nes dirbu statistinės genetikos srityje.
08:24
which is also a field where lots of very smart people
172
504920
2496
Čia daugybė labai protingų žmonių naudoja neįsivaizduojamą kiekį duomenų,
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
kad priimtų gana rimtus sprendimus, pvz., kaip gydyti vėžį ar sukurti vaistą.
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
Bėgant metams pradėjau įžvelgti tam tikrą dėsnį ar taisyklę tarp
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
sėkmingo duomenų panaudojimo sprendimams priimti ir nesėkmingo.
08:43
and unsuccessful decision-making,
178
523120
1616
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
Manau, šiuo pastebėjimu verta pasidalinti.
Klausykite.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Spręsdami sudėtingą problemą, iš esmės atliekame du veiksmus.
08:52
you're doing essentially two things.
181
532679
1737
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
Pirma, suskaidome problemą į daugybę detalių,
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
kad galėtume jas nuodugniai ištirti.
09:00
and then of course you do the second part.
184
540280
2016
O tada ateina antroji dalis.
Vėl sudedame visas detales į vieną, kad priimtume sprendimą.
09:02
You put all of these bits and pieces back together again
185
542320
2656
09:05
to come to your conclusion.
186
545000
1336
09:06
And sometimes you have to do it over again,
187
546360
2336
Kartais tenka pakartoti viską iš naujo, bet du dalykai išlieka:
09:08
but it's always those two things:
188
548720
1656
09:10
taking apart and putting back together again.
189
550400
2320
skaidome, o paskui dedame į vieną.
09:14
And now the crucial thing is
190
554280
1616
Svarbiausia tai,
09:15
that data and data analysis
191
555920
2896
kad duomenys ir duomenų analizė
09:18
is only good for the first part.
192
558840
2496
veikia tik pirmajame etape.
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Net labai išsamūs duomenys tepadeda išskaidyti problemą
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
ir suprasti jos pavienes dalis.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Negalime sudėti dalių atgal į vieną ir šitaip daryti sprendimo.
09:31
and then to come to a conclusion.
196
571600
1896
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
Šiam tikslui turime kitą įrankį.
09:36
and that tool is the brain.
198
576280
1296
Smegenis.
09:37
If there's one thing a brain is good at,
199
577600
1936
Smegenys puikiausiai žino, kaip sudėti detales atgal į vieną.
09:39
it's taking bits and pieces back together again,
200
579560
2256
09:41
even when you have incomplete information,
201
581840
2016
Žino, kaip priimti gerą sprendimą, net kai informacija nepilna.
09:43
and coming to a good conclusion,
202
583880
1576
09:45
especially if it's the brain of an expert.
203
585480
2936
Ypač jei šios smegenys – eksperto.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Matyt, todėl „Netflix“ puikiai pavyko.
09:51
because they used data and brains where they belong in the process.
205
591120
3576
Jie duomenis ir smegenis panaudojo ten, kur reikia.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Iš pradžių per duomenis susipažino su savo žiūrovais.
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
Be duomenų ši pažintis būtų buvusi paviršutiniška.
10:01
but then the decision to take all these bits and pieces
208
601720
2616
Tačiau ne duomenys sudėjo viską į vieną ir sukurė laidą „Kortų namelis“.
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
10:07
that was nowhere in the data.
210
607720
1416
Tedas Sarandos ir jo komanda priėmė sprendimą ją sukurti.
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
Beje, šiuo sprendimu jie labai rizikavo.
10:15
a pretty big personal risk with that decision.
213
615565
2851
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
O „Amazon“ darė viską neteisingai, nes naudojo duomenis visiems sprendimams.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Iš pradžių surengė tą TV laidų konkursą,
10:24
first when they held their competition of TV ideas,
216
624240
2416
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
o paskui būsimąja laida išrinko „Alfa namelį“.
10:30
Which of course was a very safe decision for them,
218
630400
2496
Aišku, jų sprendimas buvo labai saugus.
10:32
because they could always point at the data, saying,
219
632920
2456
Nori, gali durti pirštu į duomenis ir sakyti: „Taip sako duomenys.“
10:35
"This is what the data tells us."
220
635400
1696
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
Tačiau duomenys iki rezultatų, kurių jie norėjo, taip ir nenuvedė.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Tad duomenys yra nepaprastai svarbūs, kad būtų priimtas geresnis sprendimas.
10:47
but I believe that things go wrong
223
647120
2376
Tik tikiu, kad reikalai pakrypsta ne į tą pusę,
10:49
when data is starting to drive those decisions.
224
649520
2576
kai duomenys veda prie sprendimų.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Duomenys gali būti labai išsamūs, bet jie tėra įrankis.
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
Kad to nepamirščiau, man padeda šis daikčiukas.
10:59
Many of you will ...
227
659280
1216
Daugelis iš jūsų...
11:00
(Laughter)
228
660520
1216
(Juokas.).
11:01
Before there was data,
229
661760
1216
Kol nerinkome duomenų,
11:03
this was the decision-making device to use.
230
663000
2856
priimdavome sprendimus, naudodamiesi šiuo daikčiuku.
11:05
(Laughter)
231
665880
1256
(Juokas.).
11:07
Many of you will know this.
232
667160
1336
Daugeliui jis pažįstamas.
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
Šis žaisliukas,„Magic 8 Ball“, yra tikrai nuostabus.
11:10
and it's really amazing,
234
670497
1199
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
Jei jums reikia priimti sprendimą „taip“ ar „ne“,
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
pakratę šį rutulį, gausite atsakymą:
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
„Tikriausiai“.
Nereikia net laukti.
11:21
I'll have it out later for tech demos.
238
681240
2096
Už užkulisių parodysiu, kaip jis veikia.
11:23
(Laughter)
239
683360
1216
(Juokas.).
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Žinoma, savo gyvenime esu priėmęs sprendimų,
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
o po kiek laiko supratęs, kad vertėjo paklausyti rutulio.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Aišku, turint duomenų,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
norisi pakeisti šį rutulį kažkuo daug įmantresniu,
11:37
like data analysis to come to a better decision.
244
697560
3616
pavyzdžiui, duomenų analize, kad priimtum geresnį sprendimą.
11:41
But that does not change the basic setup.
245
701200
2616
Tačiau tai nekeičia esminio dalyko.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
Rutulys gali įgauti vis daugiau proto,
11:47
but I believe it's still on us to make the decisions
247
707040
2816
bet turėtume sprendimus priiminėti patys,
11:49
if we want to achieve something extraordinary,
248
709880
3016
kad pasiektume kažką tikrai nepaprasto dešiniajame kreivės gale.
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
Mane labai nuramina mintis, tiesą sakant,
11:59
that even in the face of huge amounts of data,
251
719400
3976
kad net turint nepaprastą galybę duomenų,
12:03
it still pays off to make decisions,
252
723400
4096
apsimoka priimti sprendimus,
12:07
to be an expert in what you're doing
253
727520
2656
būti ekspertu savo srityje ir...
12:10
and take risks.
254
730200
2096
rizikuoti.
12:12
Because in the end, it's not data,
255
732320
2776
Juk galų gale...
Ne duomenys, o rizikingi sprendimai leis atsidurti dešiniajame kreivės gale.
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
Ačiū.
(Plojimai.).
12:21
(Applause)
258
741080
3680
Apie šią svetainę

Šioje svetainėje rasite "YouTube" vaizdo įrašų, naudingų mokantis anglų kalbos. Pamatysite anglų kalbos pamokas, kurias veda aukščiausio lygio mokytojai iš viso pasaulio. Dukart spustelėkite angliškus subtitrus, rodomus kiekvieno vaizdo įrašo puslapyje, kad iš ten paleistumėte vaizdo įrašą. Subtitrai slenka sinchroniškai su vaizdo įrašo atkūrimu. Jei turite pastabų ar pageidavimų, susisiekite su mumis naudodami šią kontaktinę formą.

https://forms.gle/WvT1wiN1qDtmnspy7