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

133,338 views ・ 2016-01-27

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Krzysztof Łuczak Korekta: Rysia Wand
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Większość z was pewnie nigdy nie słyszała o Royu Price,
choć być może zabrał wam 22 minut życia
00:17
even though he may have been responsible
1
17120
2496
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
19 kwietnia 2013 roku.
Niewykluczone, że przez te 22 minuty część z was dobrze się bawiła,
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
00:29
but not very many of you.
4
29760
2256
ale raczej niewielu.
00:32
And all of that goes back to a decision
5
32040
1896
Wszystko to sprowadza się do decyzji, którą Roy musiał podjąć trzy lata temu.
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
Roy Price jest prezesem Amazon Studios,
00:40
That's the TV production company of Amazon.
8
40840
3016
spółki zajmującej się produkcją telewizyjną.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Ma 47 lat, jest szczupły i ma włosy na sztorc,
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
jego opis na Twitterze brzmi: "filmy, telewizja, technologia, tacos".
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Roy Price ma bardzo odpowiedzialną pracę.
To on odpowiada za wybór seriali, jakie stworzy Amazon.
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
To bardzo konkurencyjny rynek.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Teraz jest tyle seriali, że nie można wybrać byle czego.
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
Trzeba wybrać naprawdę dobre seriale.
01:12
So in other words, he has to find shows
17
72720
2816
Innymi słowy takie, które będą na prawym końcu tego wykresu.
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
Ten wykres to rozkład ocen ratingowych 2 500 seriali w serwisie IMDB.
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
Oceny są w skali od 1 do 10.
01:25
and the rating goes from one to 10,
21
85040
2896
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
Ta linia pokazuje ile programów dostało taką ocenę.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Program oceniony na minimum 9 jest bardzo dobry.
01:35
Then you have a top two percent show.
24
95680
1816
Mieści się w górnych 2%.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
Tu mamy seriale jak "Breaking Bad", "Gra o tron", "Prawo ulicy",
01:41
so all of these shows that are addictive,
26
101440
2296
czyli wszelkie uzależniające seriale,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
po obejrzeniu których mózg pyta:
01:46
"Where can I get more of these episodes?"
28
106840
2176
"Skąd wziąć dalsze odcinki".
01:49
That kind of show.
29
109040
1200
O takich serialach mówię.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
Żeby było jasne, tutaj po lewej
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
znajdziecie program "Mała piękność".
01:56
(Laughter)
32
116640
2656
(Śmiech)
01:59
-- which should tell you enough
33
119320
1536
co pozwala zrozumieć,
02:00
about what's going on on that end of the curve.
34
120880
2191
co się dzieje z tego końca.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Roy Price nie martwi, że tam trafi.
02:07
because I think you would have to have some serious brainpower
36
127280
2936
bo trzeba by się nieźle postarać,
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
żeby zrobić program gorszy od tego.
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Bardziej martwi go środkowe wybrzuszenie.
02:15
the bulge of average TV,
39
135920
1816
Tutaj są wszelkie średniaki.
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
Wszelkie seriale, które nie są dobre, ale nie są też złe.
02:20
they don't really get you excited.
41
140639
1656
Takie, które nie wzbudzają emocji.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Musi się koniecznie znaleźć po prawej stronie.
02:27
So the pressure is on,
43
147200
1576
Jest więc presja, a na dodatek Amazon robi coś takiego po raz pierwszy.
02:28
and of course it's also the first time
44
148800
2176
02:31
that Amazon is even doing something like this,
45
151000
2176
02:33
so Roy Price does not want to take any chances.
46
153200
3336
Dlatego Roy Price nie chce liczyć na łut szczęścia.
02:36
He wants to engineer success.
47
156560
2456
Woli zaplanować swój sukces.
02:39
He needs a guaranteed success,
48
159040
1776
Musi go sobie zapewnić.
02:40
and so what he does is, he holds a competition.
49
160840
2576
W tym celu organizuje konkursy.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Zbiera wiele pomysłów
02:46
and from those ideas, through an evaluation,
51
166600
2296
i na podstawie ich oceny wybiera osiem seriali.
02:48
they select eight candidates for TV shows,
52
168920
4096
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
Dla każdego z nich tworzy pilota
02:56
and puts them online for free for everyone to watch.
54
176280
3136
i udostępnia za darmo w Internecie.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
A skoro Amazon daje coś za darmo, to kto by nie skorzystał?
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
Miliony widzów oglądają te seriale,
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
ale nie zdają sobie sprawy, że są wtedy obserwowani.
03:11
actually, they are being watched.
59
191680
2296
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Roy Price i jego ludzie nagrywają wszystko.
03:16
who record everything.
61
196360
1376
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Kiedy naciskamy start czy pauzę, co opuszczamy, a co oglądamy ponownie.
03:21
what parts they skip, what parts they watch again.
63
201160
2536
03:23
So they collect millions of data points,
64
203720
2256
W ten sposób zbierają mnóstwo danych potrzebnych przy wyborze serialu.
03:26
because they want to have those data points
65
206000
2096
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
Zbierają więc dane, analizują je i dostają odpowiedź.
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
"Stwórzcie sitcom o czterech senatorach z amerykańskiej Partii Republikańskiej".
03:42
They did that show.
71
222440
1216
Tak też zrobili.
03:43
So does anyone know the name of the show?
72
223680
2160
Ktoś wie, co to za serial?
03:46
(Audience: "Alpha House.")
73
226720
1296
Publiczność: "Alpha House".
Tak, "Alpha House".
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
Odnoszę jednak wrażenie, że niewielu z was zna ten serial.
03:53
because it didn't turn out that great.
76
233640
1856
A to dlatego, że nie był wybitny.
03:55
It's actually just an average show,
77
235520
1856
Średni serial, nic specjalnego.
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
Całkiem dosłownie "średni", bo średnia na tym wykresie to 7,4,
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
a "Alpha House" ma 7,5.
04:04
so a slightly above average show,
80
244440
2016
Tak więc trochę powyżej średniej.
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
Ale nie taki był cel Roya Price'a i jego zespołu.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
W tym samym czasie prezesowi innej firmy się udało.
04:13
at another company,
83
253200
1576
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
Stworzył świetny serial właśnie dzięki analizie danych
04:19
and his name is Ted,
85
259040
1576
Mowa o Tedzie Sarandosie, dyrektorze programowym Netflixa.
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
04:24
and just like Roy, he's on a constant mission
87
264080
2136
On również nieustannie szuka pomysłów na jak najlepsze seriale.
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
Również używa do tego analizy danych.
04:29
except he does it a little bit differently.
90
269800
2015
Robi to jednak trochę inaczej.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Nie zrobił żadnego konkursu.
Zamiast tego przeanalizował z zespołem dane na temat widzów Netflixa.
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
04:39
you know, the ratings they give their shows,
93
279160
2096
Jak oceniają seriale, co oglądają.
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
Na tej podstawie stworzyli profil widza:
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
jakie seriale lubi, jakich producentów, jakich aktorów.
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
Zebrali to razem i zaryzykowali.
04:54
they took a leap of faith,
100
294760
1656
04:56
and they decided to license
101
296440
2096
Nie wypuścili sitcomu o czterech senatorach,
04:58
not a sitcom about four Senators
102
298560
2456
05:01
but a drama series about a single Senator.
103
301040
2880
tylko serial o jednym senatorze.
05:04
You guys know the show?
104
304760
1656
Znacie ten serial?
05:06
(Laughter)
105
306440
1296
(Śmiech)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Tak, "House of Cards". Netflix trafił tutaj w dziesiątkę.
05:11
at least for the first two seasons.
107
311520
2136
Przynajmniej z dwoma pierwszymi sezonami.
05:13
(Laughter) (Applause)
108
313680
3976
(Śmiech) (Brawa)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
Ocena "House of Cards" to 9,1,
05:20
so it's exactly where they wanted it to be.
110
320880
3176
więc dokładnie tak, jak miało być.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Pytanie więc, skąd ta różnica.
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Mamy dwie konkurencyjne firmy zarządzające danymi.
05:29
They connect all of these millions of data points,
113
329200
2856
Łączą zebrane dane i dla jednej wszystko działa jak należy,
05:32
and then it works beautifully for one of them,
114
332080
2376
05:34
and it doesn't work for the other one.
115
334480
1856
a dla drugiej nie bardzo.
05:36
So why?
116
336360
1216
Dlaczego tak się dzieje?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Wydaje się, że taka analiza zawsze powinna działać.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
W końcu mamy mnóstwo danych, na podstawie których podejmujemy decyzję,
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
więc raczej powinna to być dobra decyzja.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Opieramy się na 200 latach statystyk.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
Do ich analizy wykorzystujemy nowoczesne komputery.
05:53
The least you could expect is good TV, right?
123
353240
3280
Mamy więc prawo oczekiwać, że serial będzie dobry.
05:57
And if data analysis does not work that way,
124
357880
2720
Jeśli analiza danych nie działa w ten sposób,
06:01
then it actually gets a little scary,
125
361520
2056
to zaczyna się robić strasznie,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
bo dziś na podstawie danych podejmuje się bardzo ważne decyzje.
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
Znacznie ważniejsze niż wybór serialu.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Znacie Multi-Health Systems?
06:17
No one. OK, that's good actually.
129
377080
1656
Nie? To dobrze.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
To firma zajmująca się oprogramowaniem.
06:22
and I hope that nobody here in this room
131
382000
2816
Mam nadzieję, że nigdy się z nim nie zetkniecie,
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
bo to by oznaczało, że jesteście w więzieniu.
06:30
(Laughter)
134
390160
1176
(Śmiech)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Jeśli więzień w Stanach wnioskuje o zwolnienie warunkowe,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
oprogramowanie tej firmy pozwala ocenić,
06:39
will be used in determining whether to grant that parole.
137
399240
3616
czy je przyznać czy nie.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
Zasada jest taka sama jak dla Amazona czy Netflixa,
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
tylko tym razem nie chodzi o ocenę serialu
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
tylko o ocenę więźnia.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
Owszem, to żadna przyjemność stracić 22 minuty na średni serial,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
ale dodatkowe kilka lat w więzieniu jest chyba jeszcze gorsze.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
Niestety mamy dowody na to, że analiza danych nie zawsze się sprawdza.
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
Nawet jeśli mamy mnóstwo danych.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
Nie chodzi o to, że firmy nie wiedzą, co zrobić z danymi.
07:13
doesn't know what to do with data.
146
433506
1627
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
Nawet najlepsze firmy popełniają błędy.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Nawet Google nie jest nieomylny.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
W 2009 roku Google ogłosił, że może przewidzieć epidemie grypy.
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
Wystarczy przeanalizować dane wyszukiwania.
07:29
by doing data analysis on their Google searches.
151
449360
3776
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
Wszystko szło świetnie, rozpisywały się o tym gazety.
07:37
including the pinnacle of scientific success:
153
457040
2136
Był również sukces naukowy w postaci artykułu w tygodniku "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
Wszystko szło świetnie przez rok, drugi, trzeci,
07:45
until one year it failed.
156
465320
1656
aż jednego roku czar prysł.
07:47
And nobody could even tell exactly why.
157
467000
2256
I nikt właściwie nie wiedział dlaczego.
07:49
It just didn't work that year,
158
469280
1696
Tego roku coś po prostu nie wyszło.
07:51
and of course that again made big news,
159
471000
1936
O tym też rozpisywały się gazety.
07:52
including now a retraction
160
472960
1616
Pojawiło się też sprostowanie artykułu w tygodniku "Nature".
07:54
of a publication from the journal "Nature."
161
474600
2840
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
Czyli nawet Amazon i Google popełniają błędy,
08:01
they sometimes get it wrong.
163
481840
2136
a mimo porażek dane coraz częściej wpływają na nasze decyzje,
08:04
And despite all those failures,
164
484000
2936
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
08:10
into the workplace,
166
490840
1816
w pracy, w prawie czy w medycynie.
08:12
law enforcement,
167
492680
1816
08:14
medicine.
168
494520
1200
08:16
So we should better make sure that data is helping.
169
496400
3336
Trzeba się upewnić, że dane rzeczywiście pomagają.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Sam mam takie problemy z danymi.
08:22
because I work in computational genetics,
171
502920
1976
Zajmuję się genetyką komputerową,
08:24
which is also a field where lots of very smart people
172
504920
2496
gdzie mnóstwo mądrych ludzi używa niesamowicie wiele danych
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
w podejmowaniu ważnych decyzji,
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
jak dobór chemioterapii czy opracowanie leku.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
Przez lata zaobserwowałem pewien schemat.
08:37
or kind of rule, if you will, about the difference
176
517920
2456
Pewną zależność między właściwym i niewłaściwym podejmowaniem decyzji.
08:40
between successful decision-making with data
177
520400
2696
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
Chciałbym podzielić się z wami moimi przemyśleniami.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Jeśli chcemy rozwiązać jakiś złożony problem, robimy dwie rzeczy.
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
Najpierw rozkładamy go na części pierwsze, żeby go dogłębnie przeanalizować.
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
09:00
and then of course you do the second part.
184
540280
2016
W drugiej części łączymy te części z powrotem i wyciągamy wnioski.
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
Czasami trzeba cały proces powtórzyć,
09:08
but it's always those two things:
188
548720
1656
ale zawsze chodzi o rozkładanie i składanie części.
09:10
taking apart and putting back together again.
189
550400
2320
09:14
And now the crucial thing is
190
554280
1616
Co istotne - analiza danych sprawdza się tylko na pierwszym etapie.
09:15
that data and data analysis
191
555920
2896
09:18
is only good for the first part.
192
558840
2496
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Analiza danych pozwala jedynie zrozumieć części składowe problemu.
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
09:28
It's not suited to put those pieces back together again
195
568080
3496
Nie nadaje się do ich ponownego łączenia ani do wyciągania wniosków.
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
Do tego służy inne narzędzie, które ma każdy z nas.
09:36
and that tool is the brain.
198
576280
1296
Tym narzędziem jest mózg.
09:37
If there's one thing a brain is good at,
199
577600
1936
Mózg idealnie nadaje się do łączenia części informacji, nawet niekompletnych,
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
09:43
and coming to a good conclusion,
202
583880
1576
i potem do wyciągania wniosków.
09:45
especially if it's the brain of an expert.
203
585480
2936
Zwłaszcza mózg eksperta.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
To dlatego, moim zdaniem, Netflixowi się udało.
09:51
because they used data and brains where they belong in the process.
205
591120
3576
Wykorzystali dane i mózg tak, jak należało.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Wykorzystali dane, żeby zrozumieć preferencje widzów,
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
czego inaczej nie dałoby się zrobić tak dogłębnie.
10:01
but then the decision to take all these bits and pieces
208
601720
2616
Ale to nie dane zdecydowały o stworzeniu "House of Cards".
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
Decyzję podjął Ted Sarandos z zespołem.
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
Oczywiście to była ryzykowna decyzja.
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
Amazon natomiast postąpił inaczej.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Cały proces decyzyjny oparł na danych.
Zarówno przy organizacji konkursu, jak i wyborze "Alpha House".
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
10:30
Which of course was a very safe decision for them,
218
630400
2496
Oczywiście to było bezpieczne zagranie, bo zawsze można było zrzucić winę na dane.
10:32
because they could always point at the data, saying,
219
632920
2456
10:35
"This is what the data tells us."
220
635400
1696
"Przecież tak wynikało z danych".
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
Nie dało to jednak świetnych wyników, jakich się spodziewano.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Tak, dane są bardzo przydatnym narzędziem przy podejmowaniu decyzji.
10:47
but I believe that things go wrong
223
647120
2376
Jeśli jednak decyzje opierają się jedynie na danych, zaczynają się problemy.
10:49
when data is starting to drive those decisions.
224
649520
2576
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Dane są tylko narzędziem, nieważne jak potężnym.
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
Osobiście uważam, że to urządzenie jest bardzo przydatne.
10:59
Many of you will ...
227
659280
1216
Wielu z was...
11:00
(Laughter)
228
660520
1216
(Śmiech)
11:01
Before there was data,
229
661760
1216
Zanim pojawiły się dane.
11:03
this was the decision-making device to use.
230
663000
2856
tym urządzeniem podejmowano decyzje,
11:05
(Laughter)
231
665880
1256
(Śmiech)
11:07
Many of you will know this.
232
667160
1336
Wielu z was wie, co to jest.
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
Ta zabawka to Magic 8 Ball.
11:10
and it's really amazing,
234
670497
1199
Jest niesamowita.
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
Jeśli mamy zdecydować na tak lub na nie,
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
wystarczy nią potrząsnąć i od razu dostajemy odpowiedź.
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
W tym wypadku "Bardzo prawdopodobne".
11:21
I'll have it out later for tech demos.
238
681240
2096
Dam wam ją później przetestować.
11:23
(Laughter)
239
683360
1216
(Śmiech)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Podjąłem w życiu kilka decyzji,
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
które, z perspektywy czasu, mogłem zostawić kuli.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Ale jest tak, że jak już mamy dane, to chcemy użyć czegoś bardziej złożonego,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
11:37
like data analysis to come to a better decision.
244
697560
3616
żeby podjąć lepszą decyzję.
11:41
But that does not change the basic setup.
245
701200
2616
Z tym że schemat pozostaje ten sam.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
Kula może stawać się coraz lepsza, ale to my powinniśmy podjąć decyzję.
11:47
but I believe it's still on us to make the decisions
247
707040
2816
11:49
if we want to achieve something extraordinary,
248
709880
3016
Tylko wtedy powstanie coś wyjątkowego, co znajdzie się po prawej stronie.
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
To bardzo pocieszające,
11:59
that even in the face of huge amounts of data,
251
719400
3976
że mimo takiego natłoku danych,
12:03
it still pays off to make decisions,
252
723400
4096
nadal warto podejmować decyzje,
12:07
to be an expert in what you're doing
253
727520
2656
być ekspertem i podejmować ryzyko.
12:10
and take risks.
254
730200
2096
12:12
Because in the end, it's not data,
255
732320
2776
Koniec końców to ryzyko pozwala nam znaleźć się po prawej stronie, a nie dane.
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
Dziękuję.
12:21
(Applause)
258
741080
3680
(Brawa)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7