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

Translator: Kamile Vaupsaite Reviewer: Sigita Šimkutė-Macanko

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

Turbūt nedaugelis iš jūsų esate girdėję apie Roy Price’ą,

even though he may have been responsible

nors galimai per jį nuobodžiavote 22 savo gyvenimo minutes

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

2013 m. balandžio 19 dieną.

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

Galimai tos 22 minutės Roy dėka praėjo labai linksmai,

but not very many of you.

bet tik nedaugeliui iš jūsų.

And all of that goes back to a decision

Prieš maždaug trejus metus Roy priėmė sprendimą.

that Roy had to make about three years ago.

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

Matote, Roy Price’as – „Amazon Studios“ vyr. vadovas.

That's the TV production company of Amazon.

„Amazon Studios“ – „Amazon“ TV kompanija.

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

Roy – 47-eri metai, jis lieknas, pašiauštais plaukais.

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

„Twitter“ tinkle apibūdina save taip: „Kinas, TV, technologijos, taco“.

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

Roy Price’o darbas labai atsakingas.

Jam tenka išrinkti, kokias laidas kurs „Amazon“ kompanija.

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

And of course that's a highly competitive space.

Šioms laidoms tenka labai didelė konkurencija.

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

TV laidų yra be galo daug, tad Roy negali rinktis bet ko.

that Roy can't just choose any show.

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

Jis turi surasti pačias geriausias TV laidas.

So in other words, he has to find shows

Laidas, kurios būtų pačiame dešiniajame šios kreivės gale.

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

So this curve here is the rating distribution

Ši kreivė rodo, kaip yra reitinguotos maždaug 2 500 TV laidų „IMDb“ tinklapyje.

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

and the rating goes from one to 10,

Reitinguojama nuo vieno iki dešimt,

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

o kreivės aukštis rodo, kiek laidų gauna tokį reitingą.

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

Jei tavo laida gauna 9 punktus ar daugiau,

Then you have a top two percent show.

reiškia, ji puiki, geresnė nei 98% laidų.

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

Lygi „Bręstančiam blogiui“, „Sostų karams“, „Blakei“.

so all of these shows that are addictive,

Tokios laidos užkabina,

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

peržiūrėjus vieną sezoną, smegenys nerimsta:

"Where can I get more of these episodes?"

„Kur gauti daugiau serijų?“

(Juokas.).

That kind of show.

Kalbu apie tokią laidą.

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

O kairiajame kreivės gale, įdomumo dėlei, yra tokios laidos kaip...

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

„Vaikai ir tiaros“.

(Laughter)

(Juokas.).

-- which should tell you enough

Dabar jums turėtų būti aišku, kas dedasi tame kreivės gale.

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

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

Roy Price’o nedomina kairysis kreivės galas,

because I think you would have to have some serious brainpower

o be to, reikėtų nemažai pasukti smegenis, kad nurungtum „Vaikus ir tiaras“.

to undercut "Toddlers and Tiaras."

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

Jį domina šis viduriukas – įprastinės laidos.

the bulge of average TV,

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

Nei geros, nei blogos.

they don't really get you excited.

Jos pernelyg nejaudina.

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

Roy privalo užtikrinti,

kad jo laida atsidurs dešiniajame kreivės gale.

So the pressure is on,

Jis jautė šiokį tokį spaudimą,

and of course it's also the first time

„Amazon“ dar nebuvo kūrusi laidų,

that Amazon is even doing something like this,

so Roy Price does not want to take any chances.

todėl Roy Price'as nenorėjo rizikuoti.

He wants to engineer success.

Jis norėjo nuvesti prie sėkmės.

He needs a guaranteed success,

Jam reikėjo garantuotos sėkmės.

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

Taigi, jis surengė konkursą.

So he takes a bunch of ideas for TV shows,

Prigalvojo idėjų TV laidoms,

and from those ideas, through an evaluation,

iš jų, po ilgų svarstymų,

they select eight candidates for TV shows,

buvo išrinktos aštuonios galimos laidos,

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

o tada visoms šioms laidoms jis sukurė pirmąsias serijas

and puts them online for free for everyone to watch.

ir sudėjo jas į internetą, kad žiūrėtum nemokamai.

And so when Amazon is giving out free stuff,

O kai „Amazon“ duoda kažką už dyką, negi neimsi?

you're going to take it, right?

So millions of viewers are watching those episodes.

Milijonai žiūrovų žiūrėjo šias serijas.

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

Tik jiems neatėjo į galvą, kad kol žiūrėjo laidas...

actually, they are being watched.

kažkas žiūrėjo į juos.

They are being watched by Roy Price and his team,

Roy Price'as ir jo komanda žiūrėjo ir viską įrašinėjo.

who record everything.

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

Kada paspaudžiama „groti“, kada paspaudžiama „pauzė“,

what parts they skip, what parts they watch again.

kas prasukama, o kas – žiūrima antrąsyk.

So they collect millions of data points,

Taip buvo surinkti milijonai duomenų taškų,

because they want to have those data points

o jų reikia, kad nuspręstum, kokį serialą sukurti.

to then decide which show they should make.

And sure enough, so they collect all the data,

Galiausiai, surinkus visus šiuos duomenis, juos išnagrinėjus, buvo gautas atsakymas:

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

and the answer is,

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

„„Amazon“ turėtų sukurti serialą apie 4 JAV senatorius respublikonus.“

(Juokas.).

They did that show.

Ką „Amazon“ ir padarė.

So does anyone know the name of the show?

Ar kas žinot serialo pavadinimą?

(Audience: "Alpha House.")

(Publika: „Alfa namelis“.).

Taip, „Alfa namelis“.

Yes, "Alpha House,"

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

Tik atrodo, kad nedaugelis iš jūsų atsimenat šią laidą.

because it didn't turn out that great.

Ji neišėjo tokia jau gera.

It's actually just an average show,

Greičiau vidutiniška.

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

Vidutiniška tiesiogine prasme, nes šios kreivės vidurkis – 7,4 punktai,

and "Alpha House" lands at 7.5,

o „Alfa namelis“ surinko 7,5 punktus.

so a slightly above average show,

Ji kiek geresnė už vidutinę laidą,

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

tačiau tikrai ne tokios siekė Roy Price'as ir jo komanda.

Meanwhile, however, at about the same time,

Maždaug tuo pačiu metu

at another company,

kitos kompanijos vadovui pavyko sukurti puikią laidą,

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

naudojant duomenų analizę.

and his name is Ted,

Kalbame apie Tedą,

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

Tedą Sarandos – „Netflix“ direktorių, atsakingą už turinį.

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

Kaip Roy, Tedo nuolatinė užduotis – sukurti tą puikiąją TV laidą.

to find that great TV show,

and he uses data as well to do that,

Jis irgi naudojasi duomenimis, tik naudojasi jais kiek kitaip.

except he does it a little bit differently.

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

Jis nerengė konkurso, bet kartu su savo komanda

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

peržvelgė visą jau turimą informaciją apie „Netflix“ žiūrovus.

you know, the ratings they give their shows,

Kaip žiūrovai reitingavo laidas, ką žiūrėjo, ką mėgsta ir panašiai.

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

And then they use that data to discover

Šie duomenys jiems padėjo sužinoti visokiausių detalių apie savo žiūrovus.

all of these little bits and pieces about the audience:

what kinds of shows they like,

Kokias laidas jie mėgsta, kokius prodiuserius, kokius aktorius.

what kind of producers, what kind of actors.

And once they had all of these pieces together,

Kai pagaliau sudėjo visas šias detales į vieną,

they took a leap of faith,

jie šoko į nežinią

and they decided to license

ir nusprendė sukurti ne serialą apie keturis senatorius,

not a sitcom about four Senators

but a drama series about a single Senator.

o dramą-serialą apie vieną senatorių.

You guys know the show?

Kokia tai laida?

(Laughter)

(Juokas.).

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

Taip, tai – „Kortų namelis“.

„Netflix“ pataikė kaip pirštu į akį...

at least for the first two seasons.

Bent jau pirmuosius du sezonus.

(Laughter) (Applause)

(Juokas ir plojimai.).

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

„Kortų namelis“ šioje kreivėje įvertintas 9,1 punktais – ko „Netflix“ ir siekė.

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

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

Klausimas, aišku, kas nutiko?

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

Turim dvi labai konkurencingas kompanijas.

They connect all of these millions of data points,

Abi supranta duomenis, abi sujungė milijonus duomenų taškų.

and then it works beautifully for one of them,

Vienai puikiai pavyko, o kitai ne.

and it doesn't work for the other one.

So why?

Kodėl?

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

Logika sako, kad turėjo pavykti abiem.

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

Jei renki kalnus informacijos, kad priimtum sprendimą,

on a decision you're going to make,

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

tavo sprendimas turėtų būti gana neblogas.

You have 200 years of statistics to rely on.

Statistikos mokslas vystėsi 200 metų,

You're amplifying it with very powerful computers.

turim galingus kompiuterius rezultatui pagerinti.

The least you could expect is good TV, right?

Laida turėtų išeiti bent jau gera...

(Juokas.).

And if data analysis does not work that way,

O jei duomenų analizė veikia kitaip, darosi kiek baisoka.

then it actually gets a little scary,

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

Juk su kiekviena diena mes vis dažniau griebiamės duomenų,

to make very serious decisions that go far beyond TV.

kad primtume daug svarbesnius sprendimus, nei to reikalauja televizija.

Does anyone here know the company Multi-Health Systems?

Ar kas žinot kompaniją „Multi-Health Systems“?

No one. OK, that's good actually.

Niekas. Puiku.

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

„Multi-Health Systems“ gamina kompiuterinę įrangą.

and I hope that nobody here in this room

Viliuosi, niekam iš jūsų neteks susidurti su šia programa.

ever comes into contact with that software,

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

Susidursit – jūs kalėjime.

(Laughter)

(Juokas.).

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

Jei kalinys JAV kalėjime paprašo jį lygtinai paleisti,

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

daug šansų, kad sprendimas bus priimtas, naudojant būtent šios kompanijos programą.

will be used in determining whether to grant that parole.

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

Ji veikia kaip „Amazon“ ir „Netflix“.

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

Tik su ja nesprendžiama, ar TV laida bus gera, ar bloga.

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

Sprendžiama, ar žmogus bus geras, ar blogas.

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

22 minutės nuobodžios televizijos gali būti gana skausmingos,

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

bet nemanau, kad prilygsta ilgesniam laikui kalėjime.

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

Deja, yra įrodymų, kad duomenų analizė, kiek bebūtų joje duomenų,

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

ne visada duoda geriausius rezultatus.

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

Nereiškia, kad tokios kompanijos kaip „Multi-Health Systems“

doesn't know what to do with data.

nemoka elgtis su duomenimis: čia suklumpa net išmaniausios kompanijos.

Even the most data-savvy companies get it wrong.

Yes, even Google gets it wrong sometimes.

Taip, kartais suklumpa net „Google“.

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

2009 m. „Google“ pranešė, kad gali, naudodami duomenų analizę,

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

numatyti gripo protrūkius.

by doing data analysis on their Google searches.

Tereikia išanalizuoti informaciją „Google“ paieškos sistemoje.

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

Jų metodas veikė puikiai, tapo sensacija,

including the pinnacle of scientific success:

pasiekė net šiokią tokią mokslo viršūnę – užsitarnavo straipsnį žurnale „Nature“.

a publication in the journal "Nature."

It worked beautifully for year after year after year,

Metodas veikė puikiai metai iš metų,

until one year it failed.

tačiau vienąsyk ėmė ir nesuveikė.

And nobody could even tell exactly why.

Niekas net negalėjo pasakyti, kodėl tais metais jis nesuveikė.

It just didn't work that year,

and of course that again made big news,

Žinoma, laikraščiai vėl rašė, o be to,

including now a retraction

„Google“ straipsnis iš žurnalo „Nature“ buvo išimtas.

of a publication from the journal "Nature."

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

Tad suklumpa net duomenų ekspertės „Amazon“ ir „Google“.

they sometimes get it wrong.

And despite all those failures,

Visgi duomenys vis dažniau naudojami sprendimams realiame gyvenime:

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

into the workplace,

darbe,

law enforcement,

teisėsaugoje,

medicine.

medicinoje...

So we should better make sure that data is helping.

Todėl privalome būti tikri, kad duomenys mums padeda.

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

Aš dažnai susiduriu su duomenų keliamomis problemomis,

because I work in computational genetics,

nes dirbu statistinės genetikos srityje.

which is also a field where lots of very smart people

Čia daugybė labai protingų žmonių naudoja neįsivaizduojamą kiekį duomenų,

are using unimaginable amounts of data to make pretty serious decisions

kad priimtų gana rimtus sprendimus, pvz., kaip gydyti vėžį ar sukurti vaistą.

like deciding on a cancer therapy or developing a drug.

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

Bėgant metams pradėjau įžvelgti tam tikrą dėsnį ar taisyklę tarp

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

between successful decision-making with data

sėkmingo duomenų panaudojimo sprendimams priimti ir nesėkmingo.

and unsuccessful decision-making,

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

Manau, šiuo pastebėjimu verta pasidalinti.

Klausykite.

So whenever you're solving a complex problem,

Spręsdami sudėtingą problemą, iš esmės atliekame du veiksmus.

you're doing essentially two things.

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

Pirma, suskaidome problemą į daugybę detalių,

so that you can deeply analyze those bits and pieces,

kad galėtume jas nuodugniai ištirti.

and then of course you do the second part.

O tada ateina antroji dalis.

Vėl sudedame visas detales į vieną, kad priimtume sprendimą.

You put all of these bits and pieces back together again

to come to your conclusion.

And sometimes you have to do it over again,

Kartais tenka pakartoti viską iš naujo, bet du dalykai išlieka:

but it's always those two things:

taking apart and putting back together again.

skaidome, o paskui dedame į vieną.

And now the crucial thing is

Svarbiausia tai,

that data and data analysis

kad duomenys ir duomenų analizė

is only good for the first part.

veikia tik pirmajame etape.

Data and data analysis, no matter how powerful,

Net labai išsamūs duomenys tepadeda išskaidyti problemą

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

ir suprasti jos pavienes dalis.

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

Negalime sudėti dalių atgal į vieną ir šitaip daryti sprendimo.

and then to come to a conclusion.

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

Šiam tikslui turime kitą įrankį.

and that tool is the brain.

Smegenis.

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

Smegenys puikiausiai žino, kaip sudėti detales atgal į vieną.

it's taking bits and pieces back together again,

even when you have incomplete information,

Žino, kaip priimti gerą sprendimą, net kai informacija nepilna.

and coming to a good conclusion,

especially if it's the brain of an expert.

Ypač jei šios smegenys – eksperto.

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

Matyt, todėl „Netflix“ puikiai pavyko.

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

Jie duomenis ir smegenis panaudojo ten, kur reikia.

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

Iš pradžių per duomenis susipažino su savo žiūrovais.

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

Be duomenų ši pažintis būtų buvusi paviršutiniška.

but then the decision to take all these bits and pieces

Tačiau ne duomenys sudėjo viską į vieną ir sukurė laidą „Kortų namelis“.

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

that was nowhere in the data.

Tedas Sarandos ir jo komanda priėmė sprendimą ją sukurti.

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

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

Beje, šiuo sprendimu jie labai rizikavo.

a pretty big personal risk with that decision.

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

O „Amazon“ darė viską neteisingai, nes naudojo duomenis visiems sprendimams.

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

Iš pradžių surengė tą TV laidų konkursą,

first when they held their competition of TV ideas,

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

o paskui būsimąja laida išrinko „Alfa namelį“.

Which of course was a very safe decision for them,

Aišku, jų sprendimas buvo labai saugus.

because they could always point at the data, saying,

Nori, gali durti pirštu į duomenis ir sakyti: „Taip sako duomenys.“

"This is what the data tells us."

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

Tačiau duomenys iki rezultatų, kurių jie norėjo, taip ir nenuvedė.

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

Tad duomenys yra nepaprastai svarbūs, kad būtų priimtas geresnis sprendimas.

but I believe that things go wrong

Tik tikiu, kad reikalai pakrypsta ne į tą pusę,

when data is starting to drive those decisions.

kai duomenys veda prie sprendimų.

No matter how powerful, data is just a tool,

Duomenys gali būti labai išsamūs, bet jie tėra įrankis.

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

Kad to nepamirščiau, man padeda šis daikčiukas.

Many of you will ...

Daugelis iš jūsų...

(Laughter)

(Juokas.).

Before there was data,

Kol nerinkome duomenų,

this was the decision-making device to use.

priimdavome sprendimus, naudodamiesi šiuo daikčiuku.

(Laughter)

(Juokas.).

Many of you will know this.

Daugeliui jis pažįstamas.

This toy here is called the Magic 8 Ball,

Šis žaisliukas,„Magic 8 Ball“, yra tikrai nuostabus.

and it's really amazing,

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

Jei jums reikia priimti sprendimą „taip“ ar „ne“,

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

pakratę šį rutulį, gausite atsakymą:

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

„Tikriausiai“.

Nereikia net laukti.

I'll have it out later for tech demos.

Už užkulisių parodysiu, kaip jis veikia.

(Laughter)

(Juokas.).

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

Žinoma, savo gyvenime esu priėmęs sprendimų,

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

o po kiek laiko supratęs, kad vertėjo paklausyti rutulio.

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

Aišku, turint duomenų,

you want to replace this with something much more sophisticated,

norisi pakeisti šį rutulį kažkuo daug įmantresniu,

like data analysis to come to a better decision.

pavyzdžiui, duomenų analize, kad priimtum geresnį sprendimą.

But that does not change the basic setup.

Tačiau tai nekeičia esminio dalyko.

So the ball may get smarter and smarter and smarter,

Rutulys gali įgauti vis daugiau proto,

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

bet turėtume sprendimus priiminėti patys,

if we want to achieve something extraordinary,

kad pasiektume kažką tikrai nepaprasto dešiniajame kreivės gale.

on the right end of the curve.

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

Mane labai nuramina mintis, tiesą sakant,

that even in the face of huge amounts of data,

kad net turint nepaprastą galybę duomenų,

it still pays off to make decisions,

apsimoka priimti sprendimus,

to be an expert in what you're doing

būti ekspertu savo srityje ir...

and take risks.

rizikuoti.

Because in the end, it's not data,

Juk galų gale...

Ne duomenys, o rizikingi sprendimai leis atsidurti dešiniajame kreivės gale.

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

Thank you.

Ačiū.

(Plojimai.).

(Applause)