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

133,338 views ・ 2016-01-27

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Joel Santos Revisora: Margarida Ferreira
00:12
Roy Price is a man that most of you have probably never heard about,
0
12820
4276
Roy Price é um homem do qual provavelmente nunca ouviram falar,
00:17
even though he may have been responsible
1
17120
2496
ainda que ele tenha sido responsável
00:19
for 22 somewhat mediocre minutes of your life on April 19, 2013.
2
19640
6896
por uns 22 minutos algo medíocres da nossa vida, a 19 de Abril de 2013.
00:26
He may have also been responsible for 22 very entertaining minutes,
3
26560
3176
Pode ter sido também responsável por 22 minutos muito agradáveis,
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 remonta a uma decisão
00:33
that Roy had to make about three years ago.
6
33960
2000
que Roy teve de fazer há cerca de três anos.
00:35
So you see, Roy Price is a senior executive with Amazon Studios.
7
35984
4832
Pois vejam, Roy Price é um executivo sénior na Amazon Studios.
00:40
That's the TV production company of Amazon.
8
40840
3016
É a empresa de produção televisiva da Amazon.
00:43
He's 47 years old, slim, spiky hair,
9
43880
3256
Tem 47 anos, é esbelto, com o cabelo espetado,
00:47
describes himself on Twitter as "movies, TV, technology, tacos."
10
47160
4816
descreve-se no Twitter como "filmes, TV, tecnologia, tacos."
00:52
And Roy Price has a very responsible job, because it's his responsibility
11
52000
5176
Roy Price tem um trabalho importante, porque é da sua responsabilidade
00:57
to pick the shows, the original content that Amazon is going to make.
12
57200
4056
escolher programas, o conteúdo original que a Amazon vai fazer.
01:01
And of course that's a highly competitive space.
13
61280
2336
Claro que esse é um espaço muito competitivo.
01:03
I mean, there are so many TV shows already out there,
14
63640
2736
Quero dizer, há tantos programas televisivos já lançados,
01:06
that Roy can't just choose any show.
15
66400
2176
que Roy não pode escolher qualquer programa.
01:08
He has to find shows that are really, really great.
16
68600
4096
Tem que encontrar programas que sejam mesmo, mesmo bons.
01:12
So in other words, he has to find shows
17
72720
2816
Por outras palavras, tem que encontrar programas
01:15
that are on the very right end of this curve here.
18
75560
2376
que estejam do lado direito desta curva aqui.
01:17
So this curve here is the rating distribution
19
77960
2656
Esta curva aqui é a distribuição de avaliações
01:20
of about 2,500 TV shows on the website IMDB,
20
80640
4376
de cerca de 2500 programas de TV, no site do IMDb.
01:25
and the rating goes from one to 10,
21
85040
2896
Essas avaliações vão de 1 a 10.
01:27
and the height here shows you how many shows get that rating.
22
87960
2976
Esta altura aqui mostra quantos programas obtêm essa avaliação.
01:30
So if your show gets a rating of nine points or higher, that's a winner.
23
90960
4696
Se o programa tem uma avaliação de 9 pontos ou superior, é um vencedor.
01:35
Then you have a top two percent show.
24
95680
1816
Assim temos 2% de programas de topo.
01:37
That's shows like "Breaking Bad," "Game of Thrones," "The Wire,"
25
97520
3896
São programas como o "Breaking Bad", "Game of Thrones", "The Wire",
01:41
so all of these shows that are addictive,
26
101440
2296
todos esses programas que são viciantes,
01:43
whereafter you've watched a season, your brain is basically like,
27
103760
3056
em que, depois de se ter visto uma série, o cérebro fica assim como:
01:46
"Where can I get more of these episodes?"
28
106840
2176
"Onde posso obter mais destes episódios?"
01:49
That kind of show.
29
109040
1200
Esse tipo de programas.
01:50
On the left side, just for clarity, here on that end,
30
110920
2496
No lado esquerdo, só para clarificar, tem-se, por outro lado,
01:53
you have a show called "Toddlers and Tiaras" --
31
113440
3176
um programa chamado "Toddlers and Tiaras"...
01:56
(Laughter)
32
116640
2656
(Risos)
01:59
-- which should tell you enough
33
119320
1536
... que deve dizer o suficiente
02:00
about what's going on on that end of the curve.
34
120880
2191
sobre o que se passa neste lado da curva.
02:03
Now, Roy Price is not worried about getting on the left end of the curve,
35
123095
4161
Agora, o Roy Price não está preocupado em ficar do lado esquerdo da curva,
02:07
because I think you would have to have some serious brainpower
36
127280
2936
porque acho que é preciso ter um sério poder mental
02:10
to undercut "Toddlers and Tiaras."
37
130240
1696
para superar "Toddlers e Tiaras."
02:11
So what he's worried about is this middle bulge here,
38
131960
3936
Ele está preocupado com esta parte aqui no meio,
02:15
the bulge of average TV,
39
135920
1816
a parte da TV mediana.
02:17
you know, those shows that aren't really good or really bad,
40
137760
2856
Vocês sabem, aqueles programas que são mais ou menos,
02:20
they don't really get you excited.
41
140639
1656
que não vos deixam entusiasmados.
02:22
So he needs to make sure that he's really on the right end of this.
42
142320
4856
Ele tem que ter a certeza que fica do lado direito da curva.
02:27
So the pressure is on,
43
147200
1576
A pressão é máxima,
02:28
and of course it's also the first time
44
148800
2176
e claro que é também a primeira vez
02:31
that Amazon is even doing something like this,
45
151000
2176
que a Amazon está a fazer algo assim,
02:33
so Roy Price does not want to take any chances.
46
153200
3336
por isso o Roy Price não quer arriscar.
02:36
He wants to engineer success.
47
156560
2456
Ele quer fabricar um sucesso.
02:39
He needs a guaranteed success,
48
159040
1776
Ele precisa de sucesso garantido.
02:40
and so what he does is, he holds a competition.
49
160840
2576
Então o que ele faz é lançar uma competição.
02:43
So he takes a bunch of ideas for TV shows,
50
163440
3136
Pega numa data de ideias para programas de TV
02:46
and from those ideas, through an evaluation,
51
166600
2296
e a partir dessas ideias, através de uma avaliação,
02:48
they select eight candidates for TV shows,
52
168920
4096
selecionam 8 candidatos para programas de TV.
02:53
and then he just makes the first episode of each one of these shows
53
173040
3216
Depois faz só o 1º episódio de cada um desses programas
02:56
and puts them online for free for everyone to watch.
54
176280
3136
e põe-nos "online" grátis, para toda a gente ver.
02:59
And so when Amazon is giving out free stuff,
55
179440
2256
E quando a Amazon dá coisas grátis,
03:01
you're going to take it, right?
56
181720
1536
toda a gente a vai ver, não é?
03:03
So millions of viewers are watching those episodes.
57
183280
5136
Há milhões de telespectadores a ver esses episódios.
03:08
What they don't realize is that, while they're watching their shows,
58
188440
3216
O que eles não se apercebem é que, enquanto estão a ver o programa,
03:11
actually, they are being watched.
59
191680
2296
estão ser observados.
03:14
They are being watched by Roy Price and his team,
60
194000
2336
Estão a ser observados pelo Roy Price e pela sua equipa
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 pressiona "Play", quando alguém pressiona "Pausa",
03:21
what parts they skip, what parts they watch again.
63
201160
2536
que partes passam à frente, que partes vêem de novo.
03:23
So they collect millions of data points,
64
203720
2256
Recolhem milhares de dados,
03:26
because they want to have those data points
65
206000
2096
porque querem ter essa informação
03:28
to then decide which show they should make.
66
208120
2696
para depois decidir que programa devem fazer.
03:30
And sure enough, so they collect all the data,
67
210840
2176
E claro, recolhem toda a informação,
03:33
they do all the data crunching, and an answer emerges,
68
213040
2576
analisam-na, e a 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
"A Amazon devia fazer uma comédia sobre 4 senadores Republicanos dos EUA."
(Risos)
03:42
They did that show.
71
222440
1216
Fizeram esse programa.
03:43
So does anyone know the name of the show?
72
223680
2160
Então? Alguém sabe o nome desse programa?
03:46
(Audience: "Alpha House.")
73
226720
1296
Audiência: "Alpha House."
03:48
Yes, "Alpha House,"
74
228040
1456
Sim, "Alpha House,"
03:49
but it seems like not too many of you here remember that show, actually,
75
229520
4096
mas parece que poucos aqui se lembram desse programa,
03:53
because it didn't turn out that great.
76
233640
1856
porque não ficou assim tão bom.
03:55
It's actually just an average show,
77
235520
1856
Na verdade, é só um programa mediano,
03:57
actually -- literally, in fact, because the average of this curve here is at 7.4,
78
237400
4576
literalmente, de facto, porque a média da curva está em 7,4
04:02
and "Alpha House" lands at 7.5,
79
242000
2416
e "Alpha House" tem 7,5.
04:04
so a slightly above average show,
80
244440
2016
Portanto, está ligeiramente acima da média,
04:06
but certainly not what Roy Price and his team were aiming for.
81
246480
2920
mas certamente não é o que Roy Price e a sua equipa queriam atingir.
04:10
Meanwhile, however, at about the same time,
82
250320
2856
Mas, entretanto, por volta da mesma altura,
04:13
at another company,
83
253200
1576
numa outra empresa
04:14
another executive did manage to land a top show using data analysis,
84
254800
4216
outro executivo produziu um programa do topo, usando análise de dados.
04:19
and his name is Ted,
85
259040
1576
Chama-se Ted, Ted Sarandos,
04:20
Ted Sarandos, who is the Chief Content Officer of Netflix,
86
260640
3416
é o diretor de Conteúdos da Netflix.
04:24
and just like Roy, he's on a constant mission
87
264080
2136
Tal como o Roy, ele está numa missão constante
04:26
to find that great TV show,
88
266240
1496
para encontrar um programa de topo
04:27
and he uses data as well to do that,
89
267760
2016
e também usa dados para fazer isso,
04:29
except he does it a little bit differently.
90
269800
2015
excepto que o faz de forma 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 lançar uma competição, ele e a sua equipa
04:35
was they looked at all the data they already had about Netflix viewers,
92
275600
3536
olharam para todos os dados que tinham sobre os telespectadores da Netflix,
04:39
you know, the ratings they give their shows,
93
279160
2096
as avaliações que dão aos programas,
04:41
the viewing histories, what shows people like, and so on.
94
281280
2696
o historial de visualizações, o que gostam, etc.
04:44
And then they use that data to discover
95
284000
1896
Depois usaram esses dados para descobrir
04:45
all of these little bits and pieces about the audience:
96
285920
2616
toda a informação e mais alguma sobre a audiência:
04:48
what kinds of shows they like,
97
288560
1456
que tipos de programas gostam,
04:50
what kind of producers, what kind of actors.
98
290040
2096
que tipo de produtores, que tipo de actores.
04:52
And once they had all of these pieces together,
99
292160
2576
Depois de terem toda essa informação junta,
04:54
they took a leap of faith,
100
294760
1656
num acto de fé,
04:56
and they decided to license
101
296440
2096
decidiram licenciar,
04:58
not a sitcom about four Senators
102
298560
2456
não uma comédia 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 o programa?
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 a Netflix claro, acertou em cheio com esse programa,
05:11
at least for the first two seasons.
107
311520
2136
pelos menos nas primeiras duas 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" tem uma avaliação de 9,1 nesta curva.
05:20
so it's exactly where they wanted it to be.
110
320880
3176
Exactamente onde queriam que estivesse.
05:24
Now, the question of course is, what happened here?
111
324080
2416
Agora, a pergunta é: "O que aconteceu aqui?"
05:26
So you have two very competitive, data-savvy companies.
112
326520
2656
Temos duas empresas muito competitivas que usam análise de dados.
05:29
They connect all of these millions of data points,
113
329200
2856
Relacionam estes milhões de pontos de informação,
05:32
and then it works beautifully for one of them,
114
332080
2376
mas depois funciona lindamente para um deles,
05:34
and it doesn't work for the other one.
115
334480
1856
e não funciona para outro.
05:36
So why?
116
336360
1216
Então porquê?
05:37
Because logic kind of tells you that this should be working all the time.
117
337600
3456
Porque a lógica diz que isto devia resultar todas as vezes.
05:41
I mean, if you're collecting millions of data points
118
341080
2456
Quero dizer, se estamos a recolher milhares de dados
05:43
on a decision you're going to make,
119
343560
1736
para tomar uma decisão
05:45
then you should be able to make a pretty good decision.
120
345320
2616
então devíamos conseguir tomar uma boa decisão.
05:47
You have 200 years of statistics to rely on.
121
347960
2216
Temos 200 anos de estatísticas com que podemos contar.
05:50
You're amplifying it with very powerful computers.
122
350200
3016
Estamos a amplificá-la com computadores muito potentes.
05:53
The least you could expect is good TV, right?
123
353240
3280
O mínimo que podíamos esperar é boa televisão, ou não é?
05:57
And if data analysis does not work that way,
124
357880
2720
Se a análise de dados não funciona dessa maneira,
06:01
then it actually gets a little scary,
125
361520
2056
então torna-se assustador,
06:03
because we live in a time where we're turning to data more and more
126
363600
3816
porque vivemos numa época em que dependemos cada vez mais de dados
06:07
to make very serious decisions that go far beyond TV.
127
367440
4480
para tomar decisões sérias que vão para além da televisão.
06:12
Does anyone here know the company Multi-Health Systems?
128
372760
3240
Alguém aqui conhece a empresa Multi-Health Systems?
06:17
No one. OK, that's good actually.
129
377080
1656
Ninguém. OK, isso é certamente bom.
06:18
OK, so Multi-Health Systems is a software company,
130
378760
3216
A Multi-Health systems é uma empresa de "software",
06:22
and I hope that nobody here in this room
131
382000
2816
e espero que ninguém aqui nesta sala
06:24
ever comes into contact with that software,
132
384840
3176
venha a estar em contacto com esse "software",
06:28
because if you do, it means you're in prison.
133
388040
2096
porque, se estiver, significa que está preso.
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 pretende a liberdade condicional
06:34
then it's very likely that data analysis software from that company
136
394920
4296
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
seja usado para determinar se essa proposta é ou não aceite.
06:42
So it's the same principle as Amazon and Netflix,
138
402880
2576
É o mesmo principio que a Amazon e a Netflix utilizam,
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 um programa vai ser bom ou mau,
06:50
you're deciding whether a person is going to be good or bad.
140
410120
2896
vai-se decidir se uma pessoa vai ser boa ou má.
06:53
And mediocre TV, 22 minutes, that can be pretty bad,
141
413040
5496
Uma TV medíocre, 22 minutos, pode ser muito mau,
06:58
but more years in prison, I guess, even worse.
142
418560
2640
mas mais anos na prisão, acho eu, é ainda pior.
07:02
And unfortunately, there is actually some evidence that this data analysis,
143
422360
4136
Infelizmente, há algumas provas de que a análise de dados,
07:06
despite having lots of data, does not always produce optimum results.
144
426520
4216
apesar da enormidade de dados, nem sempre produz óptimos resultados.
07:10
And that's not because a company like Multi-Health Systems
145
430760
2722
E não é porque uma empresa como a Multi-Health Systems.
07:13
doesn't know what to do with data.
146
433506
1627
não saiba o que fazer com os dados.
07:15
Even the most data-savvy companies get it wrong.
147
435158
2298
Até as empresas mais conhecedoras na área falham.
07:17
Yes, even Google gets it wrong sometimes.
148
437480
2400
Sim, até 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 conseguia, com a análise de dados,
07:25
to predict outbreaks of influenza, the nasty kind of flu,
150
445200
4136
prever surtos de gripe da pior espécie,
07:29
by doing data analysis on their Google searches.
151
449360
3776
fazendo análise de dados nas pesquisas da Google.
07:33
And it worked beautifully, and it made a big splash in the news,
152
453160
3856
E funcionou lindamente, fazendo grande sensação nas notícias,
07:37
including the pinnacle of scientific success:
153
457040
2136
incluindo o pináculo 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
Funcionou óptimamente, ano após ano após ano,
07:45
until one year it failed.
156
465320
1656
até que um dia falhou.
07:47
And nobody could even tell exactly why.
157
467000
2256
Ninguém conseguiu dizer exactamente porquê.
07:49
It just didn't work that year,
158
469280
1696
Simplesmente não funcionou nesse ano.
07:51
and of course that again made big news,
159
471000
1936
Claro que isso também foi uma grande notícia,
07:52
including now a retraction
160
472960
1616
incluindo agora 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, até as empresas mais conhecedoras, como a Amazon e a Google,
08:01
they sometimes get it wrong.
163
481840
2136
às vezes erram.
08:04
And despite all those failures,
164
484000
2936
Apesar de todos esses falhanços,
08:06
data is moving rapidly into real-life decision-making --
165
486960
3856
os dados intervêm cada vez mais em decisões da vida real
08:10
into the workplace,
166
490840
1816
— no espaço de trabalho,
08:12
law enforcement,
167
492680
1816
no cumprimento da lei,
08:14
medicine.
168
494520
1200
na medicina.
08:16
So we should better make sure that data is helping.
169
496400
3336
Então devíamos ter a certeza de que os dados estão a ajudar.
08:19
Now, personally I've seen a lot of this struggle with data myself,
170
499760
3136
Agora, pessoalmente, já vi muita desta luta com dados,
08:22
because I work in computational genetics,
171
502920
1976
porque 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 onde muita gente inteligente
08:27
are using unimaginable amounts of data to make pretty serious decisions
173
507440
3656
usa quantidades de dados inimagináveis para tomar decisões importantes,
08:31
like deciding on a cancer therapy or developing a drug.
174
511120
3560
como decidir uma terapia de cancro ou desenvolver uma droga.
08:35
And over the years, I've noticed a sort of pattern
175
515520
2376
Ao longo dos anos, notei um tipo de padrão
08:37
or kind of rule, if you will, about the difference
176
517920
2456
ou uma regra, se quiserem, sobre a diferença
08:40
between successful decision-making with data
177
520400
2696
08:43
and unsuccessful decision-making,
178
523120
1616
e tomadas de decisão mal-sucedidas.
08:44
and I find this a pattern worth sharing, and it goes something like this.
179
524760
3880
Acho que é um padrão que devo partilhar, e é mais ou menos assim.
08:50
So whenever you're solving a complex problem,
180
530520
2135
Sempre que se resolve um problema complexo
08:52
you're doing essentially two things.
181
532679
1737
fazem-se basicamente duas coisas.
08:54
The first one is, you take that problem apart into its bits and pieces
182
534440
3296
A primeira é dividir esse problema em várias partes
08:57
so that you can deeply analyze those bits and pieces,
183
537760
2496
para que se possa analisar cada parte em separado.
09:00
and then of course you do the second part.
184
540280
2016
Depois, claro, faz-se a segunda parte.
09:02
You put all of these bits and pieces back together again
185
542320
2656
Juntam-se todas essas partes de novo
09:05
to come to your conclusion.
186
545000
1336
para chegar a uma conclusão.
09:06
And sometimes you have to do it over again,
187
546360
2336
Às vezes é preciso fazer tudo de novo,
09:08
but it's always those two things:
188
548720
1656
mas são sempre essas duas coisas:
09:10
taking apart and putting back together again.
189
550400
2320
Dividir e voltar a juntar de novo.
09:14
And now the crucial thing is
190
554280
1616
Agora a parte crucial é
09:15
that data and data analysis
191
555920
2896
que esses dados e a análise de dados
09:18
is only good for the first part.
192
558840
2496
servem apenas para a primeira parte.
09:21
Data and data analysis, no matter how powerful,
193
561360
2216
Os dados e análise de dados, por mais poderosos que sejam,
09:23
can only help you taking a problem apart and understanding its pieces.
194
563600
4456
só ajudam a dividir o problema e a compreender as suas partes.
09:28
It's not suited to put those pieces back together again
195
568080
3496
Não é adequado para voltar a juntar essas partes de novo
09:31
and then to come to a conclusion.
196
571600
1896
e depois chegar a uma conclusão.
09:33
There's another tool that can do that, and we all have it,
197
573520
2736
Há outra ferramenta que faz isso, e todos a temos.
09:36
and that tool is the brain.
198
576280
1296
Essa ferramenta é o cérebro.
09:37
If there's one thing a brain is good at,
199
577600
1936
Se há uma coisa em que o cérebro é bom
09:39
it's taking bits and pieces back together again,
200
579560
2256
é em pegar em pedaços de informação e juntá-los
09:41
even when you have incomplete information,
201
581840
2016
mesmo quando a informação é incompleta,
09:43
and coming to a good conclusion,
202
583880
1576
e chegar a uma boa conclusão,
09:45
especially if it's the brain of an expert.
203
585480
2936
especialmente se for o cérebro de um especialista.
09:48
And that's why I believe that Netflix was so successful,
204
588440
2656
É por isso que acredito que a Netflix teve tanto sucesso,
09:51
because they used data and brains where they belong in the process.
205
591120
3576
porque usaram dados e cérebros onde devido, durante o processo.
09:54
They use data to first understand lots of pieces about their audience
206
594720
3536
Utilizaram dados para perceber informações sobre a audiência
09:58
that they otherwise wouldn't have been able to understand at that depth,
207
598280
3416
que, de outra maneira, não conseguiriam perceber àquele nível.
10:01
but then the decision to take all these bits and pieces
208
601720
2616
Mas a decisão de pegar em todas essas informações
10:04
and put them back together again and make a show like "House of Cards,"
209
604360
3336
e juntá-las de novo, para fazer uma série como a "House of Cards,"
10:07
that was nowhere in the data.
210
607720
1416
isso não estava nos dados.
10:09
Ted Sarandos and his team made that decision to license that show,
211
609160
3976
Ted Sarandos e a sua equipa tomaram a decisão de licenciar a série,
10:13
which also meant, by the way, that they were taking
212
613160
2381
o que também significou, que eles estavam a correr
10:15
a pretty big personal risk with that decision.
213
615565
2851
um grande risco pessoal com essa decisão.
10:18
And Amazon, on the other hand, they did it the wrong way around.
214
618440
3016
A Amazon, por outro lado, fez o oposto.
10:21
They used data all the way to drive their decision-making,
215
621480
2736
Usaram os dados para guiar a sua tomada de decisão,
10:24
first when they held their competition of TV ideas,
216
624240
2416
primeiro quando lançaram a competição de ideias de TV,
10:26
then when they selected "Alpha House" to make as a show.
217
626680
3696
depois quanto escolheram "Alpha House" como série.
10:30
Which of course was a very safe decision for them,
218
630400
2496
Claro que foi uma decisão muito segura para eles,
10:32
because they could always point at the data, saying,
219
632920
2456
porque podiam sempre apontar para os dados e dizer:
10:35
"This is what the data tells us."
220
635400
1696
"Isto é o que os dados nos dizem."
10:37
But it didn't lead to the exceptional results that they were hoping for.
221
637120
4240
Mas não os levou aos resultados excepcionais que eles estavam à espera.
10:42
So data is of course a massively useful tool to make better decisions,
222
642120
4976
Claro que os dados são uma ferramenta muito útil para tomar melhores decisões,
10:47
but I believe that things go wrong
223
647120
2376
mas acredito que as coisas dão para o torto
10:49
when data is starting to drive those decisions.
224
649520
2576
quando os dados começam a guiar tais decisões.
10:52
No matter how powerful, data is just a tool,
225
652120
3776
Não interessa quão poderosos possam ser os dados, são só uma ferramenta.
10:55
and to keep that in mind, I find this device here quite useful.
226
655920
3336
Para manter isso presente, acho este aparelho 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 haver dados,
11:03
this was the decision-making device to use.
230
663000
2856
este era o aparelho de tomada de decisões que se usava.
11:05
(Laughter)
231
665880
1256
(Risos)
11:07
Many of you will know this.
232
667160
1336
Devem conhecer isto. Este brinquedo chama-se "Magic 8 Ball",
11:08
This toy here is called the Magic 8 Ball,
233
668520
1953
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
Porque, se tivermos uma decisão a tomar, uma questão de sim/não,
11:14
all you have to do is you shake the ball, and then you get an answer --
236
674640
3736
basta abanarmos a bola, e recebemos uma resposta.
11:18
"Most Likely" -- right here in this window in real time.
237
678400
2816
"Muito provavelmente" — aqui nesta janela, em tempo real.
11:21
I'll have it out later for tech demos.
238
681240
2096
Vou deixá-la por aí para uma "tech demo".
11:23
(Laughter)
239
683360
1216
11:24
Now, the thing is, of course -- so I've made some decisions in my life
240
684600
3576
Agora, eu tomei algumas decisões na minha vida
11:28
where, in hindsight, I should have just listened to the ball.
241
688200
2896
em que, em retrospectiva, eu devia ter dado ouvidos à bola.
11:31
But, you know, of course, if you have the data available,
242
691120
3336
Mas, claro, se temos dados disponíveis,
11:34
you want to replace this with something much more sophisticated,
243
694480
3056
queremos substituir a bola por algo mais sofisticado,
11:37
like data analysis to come to a better decision.
244
697560
3616
como a análise de dados, para tomar uma decisão melhor.
11:41
But that does not change the basic setup.
245
701200
2616
Mas tal não altera a configuração base.
11:43
So the ball may get smarter and smarter and smarter,
246
703840
3176
A bola pode ficar cada vez mais inteligente
11:47
but I believe it's still on us to make the decisions
247
707040
2816
mas eu acredito que somos nós que temos que tomar decisões,
11:49
if we want to achieve something extraordinary,
248
709880
3016
se queremos alcançar algo extraordinário,
11:52
on the right end of the curve.
249
712920
1936
no lado direito da curva.
11:54
And I find that a very encouraging message, in fact,
250
714880
4496
Acho que uma mensagem muito encorajadora
11:59
that even in the face of huge amounts of data,
251
719400
3976
é que, mesmo perante imensa informação,
12:03
it still pays off to make decisions,
252
723400
4096
ainda compensa tomar decisões,
12:07
to be an expert in what you're doing
253
727520
2656
ser um especialista no que fazemos
12:10
and take risks.
254
730200
2096
e correr riscos.
12:12
Because in the end, it's not data,
255
732320
2776
Porque, afinal, não são os dados,
12:15
it's risks that will land you on the right end of the curve.
256
735120
3960
são os riscos que nos possibilitam estar no lado direito da curva.
12:19
Thank you.
257
739840
1216
Obrigado.
12:21
(Applause)
258
741080
3680
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7