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

Переводчик: Nadya Borisova Редактор: Елена Ногина

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

Рой Прайс — это человек, о котором большинство из вас никогда не слышало,

even though he may have been responsible

а он мог быть ответственным

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

за 22 посредственных минуты вашего времени 19 апреля 2013 года.

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

Он также мог быть ответственным за 22 весьма развлекательных минуты,

but not very many of you.

но не для многих из вас.

And all of that goes back to a decision

Всё это ведёт нас к решению,

that Roy had to make about three years ago.

которое Рой должен был принять три года назад.

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

Рой Прайс — ответственный менеджер в Amazon Studios.

That's the TV production company of Amazon.

Это подразделение Amazon по производству телепрограмм.

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

Ему 47 лет, худощавый, с «ёжиком» на голове,

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

в Твиттере он описывает себя так: «фильмы, ТВ, технологии, тако».

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

У Роя Прайса очень ответственная работа, потому что он отвечает

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

за выбор сериалов, оригинального контента, который будет производить Amazon.

And of course that's a highly competitive space.

Безусловно, это очень конкурентная среда.

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

Уже есть столько сериалов,

that Roy can't just choose any show.

что Рой не может просто выбрать любой сериал.

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

Ему нужно находить сериалы, которые действительно очень хороши.

So in other words, he has to find shows

Другими словами, ему нужно находить сериалы,

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

которые будут на самом правом краю этой кривой.

So this curve here is the rating distribution

Эта кривая — распределение рейтингов

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

порядка 2 500 телесериалов, по данным сайта IMDB.

and the rating goes from one to 10,

Рейтинг может быть от 1 до 10,

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

высота показывает, сколько сериалов получают данный рейтинг.

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

Если у вашего сериала рейтинг 9 и выше, это победитель.

Then you have a top two percent show.

Ваш сериал в 2% самых успешных.

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

Это такие сериалы, как «Во все тяжкие», «Игра престолов», «Прослушка»,

so all of these shows that are addictive,

все они затягивают,

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

после того, как вы посмотрите сезон, ваш мозг думает:

"Where can I get more of these episodes?"

«Где бы мне достать ещё эпизодов?»

That kind of show.

Вот такие сериалы.

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

Для ясности: на левой стороне

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

у нас сериал «Коронованные детки»,

(Laughter)

(Смех)

-- which should tell you enough

и это должно сказать достаточно

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

о том, что происходит на левом краю кривой.

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

Рой Прайс не боится попасть на левый край,

because I think you would have to have some serious brainpower

потому что нужны серьёзные мыслительные способности,

to undercut "Toddlers and Tiaras."

чтобы обойти «Коронованных деток».

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

О чём он волновался, так это о средней части этой кривой,

the bulge of average TV,

там где находятся средние сериалы,

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

сериалы, которые не хороши и не плохи,

they don't really get you excited.

которые никого не будоражат.

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

Рою нужно непременно попасть на правый край.

So the pressure is on,

Давление нарастает,

and of course it's also the first time

и, конечно, это первый раз,

that Amazon is even doing something like this,

когда Amazon делает что-то подобное,

so Roy Price does not want to take any chances.

поэтому Рой Прайс не хочет рисковать.

He wants to engineer success.

Он хочет сделать успешное шоу.

He needs a guaranteed success,

Ему нужен гарантированный успех,

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

поэтому он проводит соревнование.

So he takes a bunch of ideas for TV shows,

Он берёт несколько идей для сериалов,

and from those ideas, through an evaluation,

из которых затем с помощью оценки

they select eight candidates for TV shows,

они выбирают восемь кандидатов для сериала,

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

а потом снимают первый эпизод для каждого из этих сериалов

and puts them online for free for everyone to watch.

и выкладывают их онлайн бесплатно, чтобы все могли посмотреть.

And so when Amazon is giving out free stuff,

Когда Amazon бесплатно раздаёт что-то,

you're going to take it, right?

мы, конечно, берём, правда?

So millions of viewers are watching those episodes.

Миллионы зрителей смотрят эти эпизоды.

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

Но они не осознают, что пока они смотрят сериалы,

actually, they are being watched.

на самом деле наблюдают за ними.

They are being watched by Roy Price and his team,

За ними наблюдает Рой Прайс и его команда,

who record everything.

они записывают всё.

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

Записывают, когда кто-то нажал «Воспроизвести», «Пауза»,

what parts they skip, what parts they watch again.

какие части они пропускают, какие — пересматривают.

So they collect millions of data points,

Они собирают миллионы ориентиров,

because they want to have those data points

потому что они хотят иметь эти данные,

to then decide which show they should make.

чтобы на их основе решить, какой сериал снимать.

And sure enough, so they collect all the data,

Закономерно, что они собирают данные,

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

обрабатывают их и получают ответ,

and the answer is,

и ответ таков:

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

«Amazon должна снять ситком о четырёх сенаторах-республиканцах».

They did that show.

Они его сняли.

So does anyone know the name of the show?

Кто-нибудь знает, как он называется?

(Audience: "Alpha House.")

(Зал: «Альфа-дом»)

Yes, "Alpha House,"

Да, «Альфа-дом»,

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

но, похоже, немногие из вас помнят этот сериал,

because it didn't turn out that great.

потому что он не был таким классным.

It's actually just an average show,

На самом деле это средний сериал,

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

буквально средний, потому что средняя цифра на этой кривой — 7.4,

and "Alpha House" lands at 7.5,

а у «Альфа-дома» рейтинг 7.5,

so a slightly above average show,

чуть-чуть выше среднего сериала,

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

но это явно не то, к чему Рой Прайс и его команда стремились.

Meanwhile, however, at about the same time,

А между тем примерно в то же время

at another company,

другая компания,

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

другой менеджер умудрился сделать топовый сериал, используя анализ данных.

and his name is Ted,

Его зовут Тед,

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

Тед Сарандос, программный директор в Netflix,

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

и, как и Рой, он постоянно работает над тем,

to find that great TV show,

чтобы найти отличный сериал,

and he uses data as well to do that,

и он также использует для этого данные,

except he does it a little bit differently.

но делает это немного по-другому.

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

Вместо того, чтобы проводить соревнование, он — и его команда, конечно, —

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

посмотрели на данные, которые уже имелись о зрителях Netflix:

you know, the ratings they give their shows,

оценки, которые зрители ставили сериалам,

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

история просмотров, какие сериалы нравятся и так далее.

And then they use that data to discover

Они использовали эти данные,

all of these little bits and pieces about the audience:

чтобы выяснить мелочи и детали об аудитории:

what kinds of shows they like,

какие сериалы им нравятся,

what kind of producers, what kind of actors.

какие продюсеры, какие актёры.

And once they had all of these pieces together,

Когда они собрали эти данные вместе,

they took a leap of faith,

они совершили решительный шаг,

and they decided to license

они решили сделать

not a sitcom about four Senators

не ситком о четырёх сенаторах,

but a drama series about a single Senator.

а драму об одном сенаторе.

You guys know the show?

Вы, ребята, знаете этот сериал?

(Laughter)

(Смех)

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

Да, «Карточный домик», и Netflix отлично справился с этим сериалом,

at least for the first two seasons.

по крайней мере, с первыми двумя сезонами.

(Laughter) (Applause)

(Смех) (Аплодисменты)

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

У «Карточного домика» рейтинг 9.1 по этой кривой,

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

именно такой, какой они хотели.

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

Само собой, вопрос в том, что произошло?

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

Две конкурентоспособные, понимающие в данных компании.

They connect all of these millions of data points,

Они собирают миллионы индикаторов,

and then it works beautifully for one of them,

которые отлично работают для одной из них

and it doesn't work for the other one.

и совсем не работают для другой.

So why?

Почему?

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

Логика подсказывает нам, что это должно было сработать в обоих случаях.

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

В смысле, если вы собираете миллионы индикаторов

on a decision you're going to make,

для решения, которое собираетесь принять,

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

то вы должны принять очень хорошее решение.

You have 200 years of statistics to rely on.

У вас есть статистика за 200 лет.

You're amplifying it with very powerful computers.

Вы анализируете данные с помощью очень мощных компьютеров.

The least you could expect is good TV, right?

Как минимум, вы можете ожидать хорошего сериала, да?

And if data analysis does not work that way,

И если анализ данных не работает,

then it actually gets a little scary,

то это даже страшновато,

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

потому что мы живём во время, когда мы всё больше работаем с данными

to make very serious decisions that go far beyond TV.

для принятия серьёзных решений, которые выходят далеко за рамки ТВ.

Does anyone here know the company Multi-Health Systems?

Кто-нибудь знает компанию Multi-Health Systems?

No one. OK, that's good actually.

Никто. Это даже хорошо.

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

Multi-Health Systems — это компания-разработчик,

and I hope that nobody here in this room

и я надеюсь, никто в этом зале

ever comes into contact with that software,

никогда не столкнётся с их ПО,

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

потому что если столкнётесь, значит, вы в тюрьме.

(Laughter)

(Смех)

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

Если в США заключённый просит о досрочном освобождении,

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

весьма вероятно, что будет использован анализ данных от этой компании,

will be used in determining whether to grant that parole.

чтобы решить, стоит ли его предоставить.

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

Это то же самый принцип, как у Amazon и Netflix,

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

только вместо того, чтобы решать, будет ли сериал хорошим или плохим,

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

вы решаете, будет ли человек хорошим или плохим.

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

Средненькая серия на 22 минуты — да, это может быть не очень хорошо,

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

но больше лет в тюрьме — это много хуже.

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

К сожалению, есть доказательства, что такой анализ данных,

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

несмотря на огромное количество данных, не всегда выдаёт оптимальные результаты.

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

Это не потому, что компании вроде Multi-Health Systems

doesn't know what to do with data.

не знают, что делать с данными.

Even the most data-savvy companies get it wrong.

Даже самые понимающие в данных компании ошибаются.

Yes, even Google gets it wrong sometimes.

Да, даже Google иногда ошибается.

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

В 2009 году Google заявил, что благодаря анализу данных они могут

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

предсказать эпидемию гриппа,

by doing data analysis on their Google searches.

основываясь на анализе поисковых запросов.

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

Это отлично работало, это вызвало резонанс в новостях,

включая максимальный успех для научного исследования —

including the pinnacle of scientific success:

a publication in the journal "Nature."

публикацию в журнале Nature.

It worked beautifully for year after year after year,

Это отлично работало год за годом, год за годом,

until one year it failed.

пока однажды не провалилось.

And nobody could even tell exactly why.

Никто не может точно сказать почему.

It just didn't work that year,

Это просто не сработало в том году;

and of course that again made big news,

конечно, снова был резонанс в новостях,

including now a retraction

включая отзы́в статьи из журнала Nature.

of a publication from the journal "Nature."

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

Так что даже самые опытные компании, Amazon и Google,

they sometimes get it wrong.

иногда ошибаются.

And despite all those failures,

Но несмотря на эти ошибки,

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

данные всё больше вовлекаются в ежедневное принятие решений —

into the workplace,

в рабочее пространство,

law enforcement,

в работу правоохранительных органов,

medicine.

медицину.

So we should better make sure that data is helping.

Так что нам бы хорошо убедиться, что данные помогают.

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

Я лично сталкивался с заминками в работе с данными,

because I work in computational genetics,

потому что я работаю в вычислительной генетике,

which is also a field where lots of very smart people

а это сфера, где очень умные люди

are using unimaginable amounts of data to make pretty serious decisions

используют невообразимые объёмы данных для принятия серьёзных решений,

like deciding on a cancer therapy or developing a drug.

например, решения о терапии рака или разработки лекарства.

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

За годы я заметил что-то вроде тенденции

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

или правила, если хотите, о разнице

between successful decision-making with data

между успешным решением, основанным на данных,

and unsuccessful decision-making,

и неуспешным решением,

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

и я думаю, что эта тенденция стоит того, чтобы поделиться ей. Вот она:

So whenever you're solving a complex problem,

когда вы решаете сложную проблему,

you're doing essentially two things.

вы обязательно делаете две вещи.

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

Во-первых, вы берёте проблему и раскладываете её на кусочки,

so that you can deeply analyze those bits and pieces,

чтобы суметь глубоко проанализировать эти кусочки,

and then of course you do the second part.

а потом, конечно, вы делаете вторую часть.

You put all of these bits and pieces back together again

Вы собираете эти кусочки в одно целое,

to come to your conclusion.

чтобы прийти к решению.

And sometimes you have to do it over again,

Иногда приходится делать это не раз,

but it's always those two things:

но всегда есть два этапа:

taking apart and putting back together again.

разложить на кусочки и собрать обратно.

And now the crucial thing is

Самое важное состоит в том,

that data and data analysis

что данные и анализ данных

is only good for the first part.

годятся только для первого шага.

Data and data analysis, no matter how powerful,

Данные и анализ данных, не важно, насколько мощные,

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

могут помочь только с разделением проблемы на кусочки и пониманием их.

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

Они не подходят для собирания кусочков в единое целое

and then to come to a conclusion.

и принятия решения.

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

Для этого существует другой инструмент, который есть у всех нас, —

and that tool is the brain.

это наш мозг.

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

Что мозг умеет делать хорошо —

it's taking bits and pieces back together again,

так это собирать кусочки воедино,

even when you have incomplete information,

даже в условиях недостаточной информации,

and coming to a good conclusion,

и делать правильные выводы,

especially if it's the brain of an expert.

особенно если это мозг эксперта.

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

Я думаю, именно поэтому Netflix получил такой успех —

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

они использовали и данные, и силу человеческого мозга, где необходимо.

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

Они использовали данные, чтобы детально понять свою аудиторию,

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

иначе они не смогли бы сделать такой глубокий анализ,

but then the decision to take all these bits and pieces

но их решение, когда пришло время собирать кусочки воедино

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

и снимать сериал вроде «Карточного домика»,

that was nowhere in the data.

было принято не данными.

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

Это решение приняли Тед Сарандос и его команда,

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

что, кстати, означает,

a pretty big personal risk with that decision.

что они лично серьёзно рисковали с этим решением.

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

С другой стороны, Amazon сделали всё наоборот.

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

Они использовали данные на обоих этапах принятия решения:

first when they held their competition of TV ideas,

сначала провели соревнование сценариев для сериала,

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

а затем выбрали «Альфа-дом».

Which of course was a very safe decision for them,

Это, конечно, было весьма безопасное решение для них,

because they could always point at the data, saying,

потому что они всегда могли бы сказать:

"This is what the data tells us."

«Вот что говорят нам данные».

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

Но это не привело их к выдающемуся результату, к которому они стремились.

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

Данные — это, безусловно, полезный инструмент для принятия хороших решений,

but I believe that things go wrong

но я уверен, что неправильно,

when data is starting to drive those decisions.

когда данные начинают управлять этими решениями.

No matter how powerful, data is just a tool,

Вне зависимости от своей силы, данные — это всего лишь инструмент,

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

учитывая это, я думаю, что вот эта штука очень полезная.

Many of you will ...

Многие из вас...

(Laughter)

(Смех)

Before there was data,

До того, как появились данные,

this was the decision-making device to use.

эту штуку использовали для принятия решений.

(Laughter)

(Смех)

Many of you will know this.

Многие знают, что это.

This toy here is called the Magic 8 Ball,

Это называется «Шар предсказаний»,

and it's really amazing,

он правда классный,

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

потому что, если вам нужен ответ на вопрос «да или нет»,

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

всё, что нужно сделать, это потрясти шар, и у вас есть ответ —

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

«Вероятнее всего» — прямо здесь, прямо сейчас.

I'll have it out later for tech demos.

Вы сможете попробовать попозже.

(Laughter)

(Смех)

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

Я принимал в своей жизни много решений,

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

в которых, как я сейчас понимаю, лучше было послушаться шара.

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

Но, конечно, если у вас есть данные,

you want to replace this with something much more sophisticated,

вы захотите использовать нечто посерьёзнее шара,

like data analysis to come to a better decision.

вроде анализа данных, чтобы прийти к лучшему решению.

But that does not change the basic setup.

Но это не меняет основной идеи.

So the ball may get smarter and smarter and smarter,

Шар может становиться умнее, умнее и умнее,

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

но принятие решений — всё ещё наша ответственность,

if we want to achieve something extraordinary,

если мы хотим достичь чего-то выдающегося,

on the right end of the curve.

попасть в правую часть кривой.

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

Я нахожу это очень вдохновляющим:

that even in the face of huge amounts of data,

даже перед лицом огромных объёмов данных

it still pays off to make decisions,

всё ещё стоит принимать решения,

to be an expert in what you're doing

быть экспертом в своём деле

and take risks.

и рисковать.

Because in the end, it's not data,

Потому что в конце концов не данные,

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

а риск приведёт вас в правую часть кривой.

Thank you.

Спасибо.

(Applause)

(Аплодисменты)