Roy Price è un uomo che gran parte di voi non ha mai sentito nominare, anche se è stato forse il responsabile di 22 minuti un po' mediocri della vostra vita nel 19 Aprile 2013. E forse è stato anche responsabile di 22 minuti molto interessanti, ma non per molti di voi. E tutto ciò dipende da una scelta che Roy dovette fare circa 3 anni fa. Vedete, Roy Price è un alto dirigente degli Amazon Studios, la società di produzione televisiva di Amazon. Ha 47 anni, magro, capelli a spazzola, si autodescrive su Twitter come "film, TV, tecnologia, taco." Roy Price ha un compito molto importante, perché ha la responsabilità di scegliere gli spettacoli, i contenuti che Amazon produrrà. Che di certo è un'area con molta competizione. Voglio dire, ci sono già così tanti show televisivi, che Roy non può sceglierne uno qualunque. Deve trovare degli spettacoli che siano davvero, davvero grandiosi. Dunque, in altre parole, deve trovare degli spettacoli che andranno all'estrema destra di questa curva. Questa curva mostra la distribuzione della valutazione di circa 2.500 spettacoli televisivi sul sito web IMDB, e la valutazione va da 1 a 10, e l'altezza indica quanti show ottengono quella valutazione. Perciò se il vostro show ha un voto di nove punti o più, è uno vincente. Quindi avrete uno show nel 2% al top. Cioè show come "Breaking Bad", "Il Trono di Spade", "The Wire", tutti quegli spettacoli che danno dipendenza, che se ne guardate una stagione, il vostro cervello è tipo: "Dove posso guardare altri episodi?" Quel tipo di spettacoli. Sul lato sinistro, tanto per chiarire, lì in fondo, avete uno spettacolo chiamato "Toddlers and Tiaras" (Risate) che dovrebbe dirvi abbastanza di cosa succede su quel lato della curva. Ora, Roy Pice non è preoccupato di finire sul lato sinistro della curva, perché credo che vi servano delle capacità mentali notevoli per svendere "Toddlers and Tiaras". Perciò quel che lo preoccupa è la gobba qui nel mezzo, la gobba della tv mediocre, sapete, quegli show che non sono né eccezionali né pessimi, che non vi entusiasmano molto. Perciò dev'essere sicuro di stare davvero qui sul lato destro. Quindi la pressione è alta, e di certo è anche la prima volta che Amazon fa qualcosa di questo genere, dunque Roy Price non vuole correre rischi. Vuole progettare con cura il successo. Gli serve un successo garantito, e quindi quel che fa è organizzare un concorso. Raccoglie alcune idee per degli show televisivi, e da queste idee, dopo averle valutate, scelgono otto candidati a diventare spettacoli televisivi, poi semplicemente realizza il primo episodio di ciascuno show e li mette in rete gratuitamente per farli vedere a chiunque. E dunque, quando Amazon offre cose gratis, le prendete, giusto? Dunque milioni di spettatori stanno guardando quegli episodi. Ciò di cui non si accorgono è che, mentre guardano i loro show, sono loro a venire osservati. Vengono osservati da Roy Price e dal suo team, che registrano tutto. Registrano quando qualcuno preme play, quando qualcuno mette in pausa, quali parti saltano, quali parti guardano di nuovo. Quindi raccolgono moltissimi dati, perché vogliono avere questi dati per poi decidere quale show trasmettere. E sicuri di sè, raccolgono i dati, fanno tutti i calcoli, e una risposta emerge, e la risposta è: "Amazon dovrebbe fare una sitcom su quattro senatori repubblicani in USA". Hanno fatto quella serie. Qualcuno sa come si intitola? (Pubblico: "Alpha House") Sì, "Alpha House", ma sembra che non molti di voi qui ricordino questo spettacolo, in realtà, perché non si è rivelato un granché. È in realtà uno show di medio livello, letteralmente, appunto, poiché la media di questa curva è a 7.4 e "Alpha House" si trova a 7.5, quindi di sopra a uno spettacolo medio, ma di certo non è quel che Roy Price e il suo team speravano. Nel frattempo tuttavia, più o meno nello stesso periodo, un'altra azienda, un altro dirigente è riuscito a piazzare una serie al top analizzando i dati e il suo nome è Ted, Ted Sarandos, che è il direttore dell'Ufficio Contenuti di Netflix e, come Roy, la sua missione è sempre di trovare quel grande show, e anche lui usa i dati per riuscirci, solo che lui lo fa un po' diversamente. Invece di indire una competizione, ciò che ha fatto insieme al suo team era guardare tutti i dati che avevano sugli utenti di Netflix, sapete, come votano i loro spettacoli, la cronologia delle visualizzazioni, quali show piacciono ecc. Poi hanno usato quei dati per trovare tutti questi piccoli dettagli sul pubblico: che tipi di show preferiscono, quali produttori, quali attori. E una volta messi insieme tutti questi pezzi, hanno fatto un salto nel vuoto, e hanno deciso di autorizzare non una sitcom su quattro senatori, ma una serie drammatica su un singolo senatore. Conoscete quella serie? (Risate) Sì, "House of Cards", e ovviamente Netflix ha sbancato grazie ad esso. almeno per le prime due stagioni. (Risate) (Applausi) "House of Cards" ha una valutazione di 9.1 su questa curva, cioè esattamente dove volevano essere. Ora, l'ovvia domanda è "cosa è successo qui?" Avete due aziende molto forti, esperte di statistica, che incrociano questa montagna di dati, e funziona a meraviglia per una di loro, ma non per l'altra. Perché? Perché la logica vi dice che dovrebbe funzionare sempre. Cioè, raccogliere milioni di dati in vista di una decisione futura, dovreste permettervi di prendere una buona decisione. Avete 200 anni di dati in cui confidare. Le avete amplificate con computer molto potenti. Il minimo che vi aspettate è una buona TV, giusto? E se le informazioni non funzionano in quel modo, c'è da preoccuparsi, perché viviamo in un tempo dove ci affidiamo sempre di più ai dati per prendere decisioni molto più serie di quelle riguardanti la televisione. Qualcuno qui conosce l'azienda Multi-Health System? Nessuno. Ok, in realtà è un bene. Ok dunque, la Multi-Health System è un'azienda di software, e spero che nessuno in questa stanza abbia mai a che fare con quel software, perché vorrebbe dire che state in prigione. (Risate) Se qualcuno qui negli US è in galera e chiede la libertà condizionale, allora è molto probabile che il software per l'analisi dei dati di quella società sarà utilizzato per stabilire se concedere la libertà condizionale. Perciò è lo stesso principio per Amazon e Netflix, ma ora, invece di decidere se uno show sarà buono o no, state decidendo se una persona sarà buona o no. E una TV mediocre, 22 minuti, può essere abbastanza spiacevole, ma più anni in prigione, credo siano anche peggio. E sfortunatamente, ci sono delle prove che questa analisi dei dati, nonostante la grossa mole di dati, non porta sempre ottimi risultati. E questo non perché un'azienda come Multi-Health Systems non sa che fare coi dati. Anche le aziende più esperte sui dati sbagliano. Si, anche Google sbaglia qualche volta. Nel 2009 Google annunciò di essere capace, tramite l'analisi dei dati, di predire epidemie influenzali, quelle brutte forme d'influenza, facendo l'analisi dei dati provenienti dalle loro ricerche su Google. E ha funzionato magnificamente, e ha fatto grande scalpore nei notiziari, incluso il picco del successo scientifico: una pubblicazione sulla rivista "Nature". Ha funzionato magnificamente anno dopo anno dopo anno, finché un anno ha fallito. E nessuno ha saputo dire esattamente perché. Non ha funzionato in quell'anno e ovviamente ha fatto di nuovo scalpore, compreso il ritiro di una pubblicazione dal giornale "Nature". Per cui anche Amazon e Google, le aziende più esperte sui dati, possono sbagliare qualche volta. E nonostante tutti questi fallimenti, i dati si stanno affermando rapidamente nel processo decisionale della vita reale: sul posto di lavoro, sull'applicazione della legge, in medicina. Quindi dovremmo assicurarci meglio che i dati stiano aiutando. Ora, ho visto di persona molti di questi problemi coi dati, lavorando nella genetica computazionale, un campo dove moltissime persone intelligenti usano quantità inimmaginabili di dati per prendere decisioni alquanto serie come decidere su una terapia per il cancro o sviluppare un farmaco. E negli anni ho notato una sorta di modello o regola, se preferite, riguardante la differenza tra un processo decisionale di successo ,grazie ai dati, e uno fallimentare, e ritengo utile condividere questo modello che funziona più o meno così: quando state risolvendo problemi complessi, state facendo due cose: La prima è suddividere il problema in piccole parti così da poterle analizzare a fondo, e poi la seconda fase, Rimettere tutte queste parti insieme per arrivare alla conclusione. E qualche volta dovete rifarlo di nuovo, ma sono sempre due fasi: smembrare e rimettere insieme. Ora il punto cruciale è che i dati e l'analisi dei dati vanno bene solo per la prima fase. I dati e l'analisi, non importa quanto potenti, possono solo aiutarvi a smontare un problema e comprenderne le parti. Non sono adatti a rimettere le parti assieme per poi arrivare ad una conclusione. C'è un altro strumento che può farlo, e lo abbiamo tutti, il cervello. Una cosa che il cervello fa bene è rimettere insieme i pezzi, anche quando abbiamo informazioni incomplete, e trarne una buona conclusione, specialmente se è il cervello è quello di un esperto. Per questo credo che Netflix abbia avuto successo, perché hanno usato dati e cervelli quando servivano durante il processo. Hanno utilizzato prima i dati per capire molti aspetti dei loro spettatori, non avrebbero potuto capirli così a fondo altrimenti, ma poi la decisione di prendere tutti questi pezzi, rimetterli insieme e fare una serie come "House of Cards", non ha dipeso affatto dai dati. Ted Sarandos e la sua squadra hanno preso la decisione di autorizzare quella serie, il che ha significato anche prendersi un bel rischio personale con tale scelta. Quelli di Amazon invece, l'hanno fatto al contrario sbagliando. Hanno utilizzato solo i dati per il processo decisionale, prima con il loro concorso sulle idee per la TV, poi quando hanno selezionato "Alpha House" per farne una serie, Il che certamente era una scelta sicura per loro, potendo sempre indicare i dati dicendo "Questo dicono i dati." Ma ciò non li ha condotti ai risultati eccezionali che speravano. Perciò i dati sono di certo uno strumento estremamente utile per decisioni migliori, ma credo che le cose vadano a finire male se i dati iniziano a guidare quelle decisioni. Non importa quanto efficienti, i dati sono solo uno strumento e trovo questo apparecchio molto utile per tenerlo a mente. Molti di voi... (Risate) Prima che ci fossero i dati, questo era lo strumento per il processo decisionale. (Risate) Molti di voi sapranno co'è, Questo giocattolo è la Magica Palla 8, ed è incredibile, perché se c'è da fare una scelta o rispondere si o no, tutto quello che dovete fare è agitare la palla e avrete la risposta - "Quasi certo" - proprio ora su questa finestrella, dal vivo. Lo farò aprire per delle demo di tecnologia. (Risate) Ora, ovviamente il fatto è che ho preso alcune decisioni nella mia vita dove, a ragion veduta, avrei dovuto solo ascoltare la palla. Ma sapete, di certo, se avete i dati a disposizione, vorrete sostituire questa con qualcosa di molto più sofisticato, come l'analisi dei dati, per arrivare ad una decisione migliore. Ma ciò non cambia l'impostazione di base. Perciò la palla può diventare sempre più intelligente, ma credo che stia ancora a noi prendere le decisioni, se vogliamo raggiungere qualcosa di straordinario, sul lato destro della curva. E trovo che questo sia un messaggio molto incoraggiante, appunto, che anche davanti ad una quantità di dati enorme, ripaga ancora il prendere decisioni, l'essere un esperto in ciò che state facendo e il prendere rischi. Perché, alla fine,non sono i dati, ma i rischi che ti faranno raggiungere il lato destro della curva. Grazie. (Applausi)