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

133,338 views ・ 2016-01-27

TED


Por favor, clique duas vezes nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Davi Carvalho Revisor: Wanderley Jesus
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Roy Price é um homem de quem a maioria de vocês provavelmente nunca ouviu falar,
00:17
even though he may have been responsible
1
17120
2496
embora ele possa ter sido responsável
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
por 22 minutos um tanto medíocres da sua vida em 19 de Abril de 2013.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
Pode também ter sido responsável pelos 22 minutos muito divertidos,
00:29
but not very many of you.
4
29760
2256
mas não para muitos de vocês.
00:32
And all of that goes back to a decision
5
32040
1896
E tudo isso está ligado a uma decisão
00:33
that Roy had to make about three years ago.
6
33960
2000
que Roy teve de tomar há cerca de 3 anos.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Então vejam, Roy Price é um executivo sênior na Amazon Studios,
00:40
That's the TV production company of Amazon.
8
40840
3016
que é a companhia de produção de TV da Amazon.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Ele tem 47 anos, é magro, seu cabelo é arrepiado,
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
descreve a si próprio no Twitter com "filmes, TV, tecnologia, tacos."
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
E Roy Price tem um emprego de muita responsabilidade, porque é seu dever
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
escolher os programas, o conteúdo original que a Amazon produzirá.
01:01
And of course that's a highly competitive space.
13
61280
2336
E claro que esse é um campo muito competitivo.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Digo, já existem tantas séries por aí
01:06
that Roy can't just choose any show.
15
66400
2176
que Roy não pode escolher qualquer série.
01:08
He has to find shows that are really, really great.
16
68600
4096
Ele tem que encontrar séries que são muito, muito boas.
01:12
So in other words, he has to find shows
17
72720
2816
Então, em outras palavras, ele tem de encontrar séries
01:15
that are on the very right end of this curve here.
18
75560
2376
que estão bem na ponta direita desta curva aqui.
01:17
So this curve here is the rating distribution
19
77960
2656
Esta curva aqui é a distribuição da classificação
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
de cerca de 2,5 mil programas de TV no website IMDB,
01:25
and the rating goes from one to 10,
21
85040
2896
e a pontuação vai de um a dez,
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
e a altura aqui mostra quantas séries obtiveram esta pontuação.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Então se a sua série obtém uma nota nove ou maior, é uma vencedora.
01:35
Then you have a top two percent show.
24
95680
1816
Uma série entre as 2% melhores.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
São séries como "Breaking Bad", "Game of Thrones", "The Wire"...
01:41
so all of these shows that are addictive,
26
101440
2296
então todas essas séries são viciantes.
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
após ter assistido a uma temporada, seu cérebro está assim tipo:
01:46
"Where can I get more of these episodes?"
28
106840
2176
"Onde eu posso conseguir mais episódios?"
01:49
That kind of show.
29
109040
1200
Esse tipo de série.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
No lado esquerdo, apenas para esclarecer, aqui,
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
você tem uma série chamada "Criancinhas e Tiaras"
01:56
(Laughter)
32
116640
2656
(Risos)
01:59
-- which should tell you enough
33
119320
1536
o que deve te dizer o suficiente
02:00
about what's going on on that end of the curve.
34
120880
2191
sobre o que se passa naquela ponta da curva.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Roy Price não está preocupado em entrar naquela ponta esquerda da curva,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
porque eu acho que você teria de ser muito inteligente
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
para bater "Criancinhas e Tiaras."
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Então a parte que ele está preocupado é este pico do meio da curva aqui,
02:15
the bulge of average TV,
39
135920
1816
o pico da TV mediana,
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
aqueles programas que não são nem muito bons nem muito ruins,
02:20
they don't really get you excited.
41
140639
1656
não empolgam para valer.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Ele precisa ter certeza que está na extremidade a direita.
02:27
So the pressure is on,
43
147200
1576
Então a pressão está presente,
02:28
and of course it's also the first time
44
148800
2176
e é também a primeira vez
02:31
that Amazon is even doing something like this,
45
151000
2176
que a Amazon está fazendo algo assim
02:33
so Roy Price does not want to take any chances.
46
153200
3336
e Roy Price não quer se arriscar.
02:36
He wants to engineer success.
47
156560
2456
Ele quer criar um sucesso.
02:39
He needs a guaranteed success,
48
159040
1776
Ele precisa de um sucesso garantido,
02:40
and so what he does is, he holds a competition.
49
160840
2576
e então o que ele faz é realizar uma competição.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Ele coleta um punhado de ideias para séries
02:46
and from those ideas, through an evaluation,
51
166600
2296
e dessas ideias, por meio de uma avaliação,
02:48
they select eight candidates for TV shows,
52
168920
4096
são selecionadas oito candidatas,
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
e faz apenas o primeiro episódio de cada uma dessas séries
02:56
and puts them online for free for everyone to watch.
54
176280
3136
e os coloca on-line de graça para qualquer um assistir.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
Quando a Amazon está dando coisas de graça
03:01
you're going to take it, right?
56
181720
1536
você vai pegá-las, certo?
03:03
So millions of viewers are watching those episodes.
57
183280
5136
Então milhões de pessoas estão assistindo àqueles episódios.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
O que eles não percebem é que, enquanto assistem às séries,
03:11
actually, they are being watched.
59
191680
2296
na verdade, eles estão sendo observados.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Observados por Roy Price e sua equipe,
03:16
who record everything.
61
196360
1376
que gravam tudo.
03:17
They record when somebody presses play, when somebody presses pause,
62
197760
3376
Gravam quando alguém aperta o “play”, quando alguém pressiona o “pause”,
03:21
what parts they skip, what parts they watch again.
63
201160
2536
que partes pulam, que parte assistem novamente.
03:23
So they collect millions of data points,
64
203720
2256
Assim coletam milhões de dados específicos
porque querem ter aqueles dados
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
para então decidir qual série devem produzir.
03:30
And sure enough, so they collect all the data,
67
210840
2176
E com certeza, eles colhem todos os dados
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
fazem o processamento dos dados e uma resposta surge,
03:35
and the answer is,
69
215640
1216
e a resposta é:
03:36
"Amazon should do a sitcom about four Republican US Senators."
70
216880
5536
"Amazon deve fazer uma comédia em série sobre quatro senadores Republicanos."
03:42
They did that show.
71
222440
1216
Produziram essa série.
03:43
So does anyone know the name of the show?
72
223680
2160
Alguém sabe o nome da série?
03:46
(Audience: "Alpha House.")
73
226720
1296
Público: "Alpha House."
03:48
Yes, "Alpha House,"
74
228040
1456
Isto! "Alpha House",
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
mas parece que não muitos de vocês aqui se lembram dessa série, na verdade,
03:53
because it didn't turn out that great.
76
233640
1856
porque ela não ficou tão boa.
03:55
It's actually just an average show,
77
235520
1856
É na verdade apenas uma série mediana,
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
literalmente mediana pois a média desta curva aqui é 7,4 pontos,
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
e "Alpha House" fica em 7,5,
04:04
so a slightly above average show,
80
244440
2016
portanto um pouquinho acima da média,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
mas certamente não o que Roy Price e sua equipe almejavam.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Enquanto isso, porém, e mais ou menos ao mesmo tempo
04:13
at another company,
83
253200
1576
em outra empresa,
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
outro executivo conseguiu produzir uma série de sucesso usando análise de dados,
04:19
and his name is Ted,
85
259040
1576
e seu nome é Ted,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
Ted Sarandos, que é o Diretor de Conteúdo da Netflix,
04:24
and just like Roy, he's on a constant mission
87
264080
2136
e assim como Roy, está na constante missão
04:26
to find that great TV show,
88
266240
1496
de encontrar uma grande série,
04:27
and he uses data as well to do that,
89
267760
2016
e ele usa dados também para fazer isso,
04:29
except he does it a little bit differently.
90
269800
2015
mas o faz de um jeito um pouco diferente.
04:31
So instead of holding a competition, what he did -- and his team of course --
91
271839
3737
Em vez de realizar uma competição, o que ele fez, com sua equipe, claro,
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
foi examinar todos os dados que já tinham sobre os usuários do Netflix
04:39
you know, the ratings they give their shows,
93
279160
2096
a nota que o público deu a suas séries,
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
o registro de audição, de quais séries o público gosta, etc.
04:44
And then they use that data to discover
95
284000
1896
E usam esses dados para descobrir
04:45
all of these little bits and pieces about the audience:
96
285920
2616
todos os detalhes sobre a audiência:
04:48
what kinds of shows they like,
97
288560
1456
de que tipos de séries gostam,
04:50
what kind of producers, what kind of actors.
98
290040
2096
que tipos de produtores, que tipos de atores.
04:52
And once they had all of these pieces together,
99
292160
2576
Ao juntarem todas essas partes,
04:54
they took a leap of faith,
100
294760
1656
deram um salto de fé,
04:56
and they decided to license
101
296440
2096
e decidiram licenciar
04:58
not a sitcom about four Senators
102
298560
2456
não uma comédia em série sobre quatro senadores
05:01
but a drama series about a single Senator.
103
301040
2880
mas uma série dramática sobre um único senador.
05:04
You guys know the show?
104
304760
1656
Vocês conhecem a série?
05:06
(Laughter)
105
306440
1296
(Risos)
05:07
Yes, "House of Cards," and Netflix of course, nailed it with that show,
106
307760
3736
Sim, "House of Cards", e Netflix, claro, acertou em cheio com essa série,
05:11
at least for the first two seasons.
107
311520
2136
ao menos pelas duas primeiras temporadas.
05:13
(Laughter) (Applause)
108
313680
3976
(Risos) (Aplausos)
05:17
"House of Cards" gets a 9.1 rating on this curve,
109
317680
3176
"House of Cards" obtém uma pontuação de 9,1 nesta curva,
05:20
so it's exactly where they wanted it to be.
110
320880
3176
logo ela está exatamente onde eles queriam que ela estivesse.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Agora, a questão, claro, é: o que aconteceu aqui?
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Há duas empresas muito competitivas que dominam os dados.
05:29
They connect all of these millions of data points,
113
329200
2856
Elas conectam todos esses milhões de dados específicos.
05:32
and then it works beautifully for one of them,
114
332080
2376
E então isso funciona muito bem para uma delas,
05:34
and it doesn't work for the other one.
115
334480
1856
e não funciona para a outra.
05:36
So why?
116
336360
1216
Por quê?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Pois pela lógica isso deveria funcionar o tempo todo.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Digo, se estão coletando milhões de dados específicos
05:43
on a decision you're going to make,
119
343560
1736
sobre uma decisão que irão tomar,
05:45
then you should be able to make a pretty good decision.
120
345320
2616
e deveriam estar aptos a tomar uma decisão muito boa.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Podem se valer de 200 anos de estatísticas.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
Vocês estão detalhando isso com computadores muito poderosos.
05:53
The least you could expect is good TV, right?
123
353240
3280
O mínimo que se pode esperar é uma boa programação de TV, certo?
05:57
And if data analysis does not work that way,
124
357880
2720
E se análise de dados não funciona assim,
06:01
then it actually gets a little scary,
125
361520
2056
então a coisa fica um pouco assustadora,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
pois vivemos numa época em que estamos nos voltando aos dados mais e mais
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
para tomar decisões muito sérias que vão muito além de programas de TV.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Alguém aqui conhece a companhia Multi-Health Systems?
06:17
No one. OK, that's good actually.
129
377080
1656
Ninguém. Ok, isso na verdade é bom.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
Multi-Health Systems é uma empresa de softwares,
06:22
and I hope that nobody here in this room
131
382000
2816
e espero que ninguém nesta sala
06:24
ever comes into contact with that software,
132
384840
3176
jamais entre em contato com esse software,
06:28
because if you do, it means you're in prison.
133
388040
2096
pois se entrar, significa estar na prisão.
06:30
(Laughter)
134
390160
1176
(Risos)
06:31
If someone here in the US is in prison, and they apply for parole,
135
391360
3536
Se alguém aqui nos EUA está na prisão e solicita liberdade condicional,
06:34
then it's very likely that data analysis software from that company
136
394920
4296
então é muito provável que o software de análise de dados dessa empresa
06:39
will be used in determining whether to grant that parole.
137
399240
3616
será usado para determinar se pode conceder a sua liberdade condicional.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
É o mesmo princípio com a Amazon e Netflix,
06:45
but now instead of deciding whether a TV show is going to be good or bad,
139
405480
4616
mas agora, em vez de decidir se uma série será boa ou ruim,
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
vocês decidirão se uma pessoa será boa ou má.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
E um programa de TV medíocre, de 22 minutos, pode ser muito ruim;
06:58
but more years in prison, I guess, even worse.
142
418560
2640
mais anos na prisão, porém, pode ser ainda pior.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
E, infelizmente, há algumas evidências de que esta análise de dados,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
apesar de ter muitos dados, nem sempre produz resultados ótimos.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
Isso não ocorre porque uma empresa como a Multi-Health Systems
07:13
doesn't know what to do with data.
146
433506
1627
não sabe o que fazer com os dados.
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
Até as empresas que dominam esta análise erram.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Sim, mesmo a Google erra às vezes.
07:20
In 2009, Google announced that they were able, with data analysis,
149
440680
4496
Em 2009, a Google anunciou que eles eram capazes, com análise de dados,
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
predizer surtos de gripe influenza, o sórdido tipo de gripe,
07:29
by doing data analysis on their Google searches.
151
449360
3776
fazendo análise de dados sobre as buscas no Google.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
E funcionou muito bem fez um estardalhaço na mídia,
07:37
including the pinnacle of scientific success:
153
457040
2136
incluindo o auge do sucesso científico:
07:39
a publication in the journal "Nature."
154
459200
2456
uma publicação na revista "Nature".
07:41
It worked beautifully for year after year after year,
155
461680
3616
Isso funcionou muito bem, ano após ano, após ano,
07:45
until one year it failed.
156
465320
1656
até que em um ano, falhou.
07:47
And nobody could even tell exactly why.
157
467000
2256
E ninguém podia dizer exatamente o porquê.
07:49
It just didn't work that year,
158
469280
1696
Apenas não funcionou aquele ano,
07:51
and of course that again made big news,
159
471000
1936
e claro que novamente virou notícia,
07:52
including now a retraction
160
472960
1616
tendo até uma retratação
07:54
of a publication from the journal "Nature."
161
474600
2840
de uma publicação da revista "Nature".
07:58
So even the most data-savvy companies, Amazon and Google,
162
478480
3336
Então mesmo as líderes na análise de dados, Amazon e Google,
08:01
they sometimes get it wrong.
163
481840
2136
às vezes erram.
08:04
And despite all those failures,
164
484000
2936
E apesar de todas aquelas falhas,
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
os dados estão rapidamente se incorporando nas tomadas de decisão da vida real
08:10
into the workplace,
166
490840
1816
no trabalho,
08:12
law enforcement,
167
492680
1816
no cumprimento das leis,
08:14
medicine.
168
494520
1200
na medicina.
08:16
So we should better make sure that data is helping.
169
496400
3336
Logo deveríamos levar em conta que a análise de dados está ajudando.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Agora, pessoalmente tenho visto muito desse esforço com os dados,
08:22
because I work in computational genetics,
171
502920
1976
pois trabalho com genética computacional,
08:24
which is also a field where lots of very smart people
172
504920
2496
que é também um campo no qual muita gente inteligente
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
usa inimagináveis quantidades de dados para tomar decisões muito importantes
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
como decidir sobre uma terapia contra o câncer ou desenvolver uma droga.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
E ao longo dos anos, tenho notado um tipo de padrão
08:37
or kind of rule, if you will, about the difference
176
517920
2456
ou tipo de regra, se quiserem, sobre a diferença
08:40
between successful decision-making with data
177
520400
2696
entre tomadas de decisão bem-sucedidas pelo análise de dados
08:43
and unsuccessful decision-making,
178
523120
1616
e decisões mal-sucedidas,
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
e acho que este é um padrão que vale a pena compartilhar, e que funciona assim.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Quando estiverem resolvendo um problema,
08:52
you're doing essentially two things.
181
532679
1737
vocês no fundo farão duas coisas.
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
A primeira é que você dividem esse problema em suas menores partes
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
para que consigam analisar os detalhes em profundidade,
09:00
and then of course you do the second part.
184
540280
2016
e daí vocês fazem a segunda parte.
09:02
You put all of these bits and pieces back together again
185
542320
2656
Vocês juntam novamente todas as partes
para chegar a uma conclusão.
09:05
to come to your conclusion.
186
545000
1336
09:06
And sometimes you have to do it over again,
187
546360
2336
E às vezes vocês têm de fazer isso novamente,
09:08
but it's always those two things:
188
548720
1656
mas são sempre aquelas duas coisas:
09:10
taking apart and putting back together again.
189
550400
2320
dividir e remontar novamente.
09:14
And now the crucial thing is
190
554280
1616
E agora a parte crucial é que o dados e a análise
09:15
that data and data analysis
191
555920
2896
09:18
is only good for the first part.
192
558840
2496
são apenas bons para a primeira parte.
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Dados e análise de dados, não importa quão poderosos,
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
podem apenas ajudá-los a dividir um problema e entender suas partes.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Eles não são adequados para colocar essas partes juntas novamente
09:31
and then to come to a conclusion.
196
571600
1896
e assim chegar a uma conclusão.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
Todos nós temos uma ferramenta que pode fazer isso:
09:36
and that tool is the brain.
198
576280
1296
é nosso cérebro.
09:37
If there's one thing a brain is good at,
199
577600
1936
Se há algo no qual um cérebro é bom,
09:39
it's taking bits and pieces back together again,
200
579560
2256
é juntar pequenas partes novamente,
09:41
even when you have incomplete information,
201
581840
2016
mesmo quando se tem informação incompleta,
09:43
and coming to a good conclusion,
202
583880
1576
e chegar uma boa conclusão,
09:45
especially if it's the brain of an expert.
203
585480
2936
especialmente se é o cérebro de um expert.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
Acredito que é por isso que a Netflix foi tão bem-sucedida,
09:51
because they used data and brains where they belong in the process.
205
591120
3576
porque usaram dados e cérebros onde cada um se encaixa no processo.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Primeiro eles usam dados para entender vários aspectos de sua audiência,
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
que de outra forma não teriam sido capazes de entender em profundidade.
10:01
but then the decision to take all these bits and pieces
208
601720
2616
Mas a decisão de pegar todas essas pequenas partes
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
e juntá-las novamente e fazer uma série como "House of Cards",
10:07
that was nowhere in the data.
210
607720
1416
isso não estava nos dados.
Ted Sarandos e sua equipe tomaram a decisão de licenciar essa série,
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
o que também significou, a propósito,
que eles estavam correndo um grande risco pessoal com aquela decisão.
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
E na Amazon, fizeram isso da forma errada.
Usaram dados o tempo todo para guiar a tomada de decisão,
10:21
They used data all the way to drive their decision-making,
215
621480
2736
primeiro ao fazerem a competição de ideias para a TV
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
depois quando selecionaram "Alpha House" para fazer como série.
10:30
Which of course was a very safe decision for them,
218
630400
2496
O que, claro, foi uma decisão segura para eles,
10:32
because they could always point at the data, saying,
219
632920
2456
pois poderiam sempre apontar para os dados, dizendo:
10:35
"This is what the data tells us."
220
635400
1696
"Isso é o que os dados nos dizem".
Mas isso não levou ao resultado excepcional que estavam esperando.
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Então os dados são, claro, uma ferramenta muito útil para tomar melhores decisões
mas eu acredito que as coisas deem errado
10:47
but I believe that things go wrong
223
647120
2376
10:49
when data is starting to drive those decisions.
224
649520
2576
quando as estatísticas começam a guiar essas decisões.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Não importa quão poderosos sejam, dados são apenas uma ferramenta,
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
e para manter isso em mente, eu achei esse dispositivo aqui muito útil.
10:59
Many of you will ...
227
659280
1216
Muitos de vocês vão...
11:00
(Laughter)
228
660520
1216
(Risos)
11:01
Before there was data,
229
661760
1216
Antes de existirem dados,
11:03
this was the decision-making device to use.
230
663000
2856
era este o aparelho de decisão usado.
11:05
(Laughter)
231
665880
1256
(Risos)
11:07
Many of you will know this.
232
667160
1336
Muitos reconhecerão isso.
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
Este brinquedo é chamado de Bola 8 Mágica
11:10
and it's really amazing,
234
670497
1199
e é realmente incrível,
11:11
because if you have a decision to make, a yes or no question,
235
671720
2896
pois se têm que tomar uma decisão, um sim ou não,
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
vocês só precisam chacoalhar a bola e aí recebem uma resposta
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
"Muito provavelmente", bem aqui nesta janela, em tempo real.
11:21
I'll have it out later for tech demos.
238
681240
2096
Estarei com ela lá fora para demonstrações.
11:23
(Laughter)
239
683360
1216
(Risos)
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
O fato é que, obviamente, tomei algumas decisões na minha vida
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
que, olhando para trás, deveria ter apenas ouvido a bola.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Mas, sabem, se vocês têm os dados disponíveis,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
vão querer substituir isto por algo muito mais sofisticado,
11:37
like data analysis to come to a better decision.
244
697560
3616
como análise estatística para tomar uma decisão melhor.
11:41
But that does not change the basic setup.
245
701200
2616
Mas isso não muda a configuração básica.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
Portanto "a bola" pode ficar mais e mais esperta,
mas acredito que ainda cabe a nós tomar decisões
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
se quisermos alcançar algo extraordinário,
11:52
on the right end of the curve.
249
712920
1936
na extremidade direita desta curva.
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
E acho que é uma mensagem muito encorajadora, na verdade,
11:59
that even in the face of huge amounts of data,
251
719400
3976
que mesmo em vista de enormes quantidades de dados,
12:03
it still pays off to make decisions,
252
723400
4096
ainda é vantajoso tomarmos decisões,
12:07
to be an expert in what you're doing
253
727520
2656
sermos especialistas no que fazemos
12:10
and take risks.
254
730200
2096
e correr os riscos.
12:12
Because in the end, it's not data,
255
732320
2776
Porque no fim, não são os dados,
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
mas os riscos, que colocarão vocês na extremidade direita da curva.
12:19
Thank you.
257
739840
1216
Muito obrigado.
(Aplausos)
12:21
(Applause)
258
741080
3680
Sobre este site

Este site apresentará a você vídeos do YouTube que são úteis para o aprendizado do inglês. Você verá aulas de inglês ministradas por professores de primeira linha de todo o mundo. Clique duas vezes nas legendas em inglês exibidas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas rolarão em sincronia com a reprodução do vídeo. Se você tiver algum comentário ou solicitação, por favor, entre em contato conosco usando este formulário de contato.

https://forms.gle/WvT1wiN1qDtmnspy7