WEBVTT

00:00:00.820 --> 00:00:05.096
Roy Price är en man som de flesta av er
förmodligen aldrig hört talas om,

00:00:05.120 --> 00:00:07.616
även om han kan ha varit ansvarig

00:00:07.640 --> 00:00:14.400
för 22 ganska mediokra minuter
av ditt liv den 19 april 2013.

00:00:14.400 --> 00:00:17.846
Han kan också ha varit ansvarig
för 22 väldigt underhållande minuter,

00:00:17.846 --> 00:00:20.016
men inte för så många av er.

00:00:20.040 --> 00:00:21.680
Och allt beror på ett beslut

00:00:21.680 --> 00:00:24.020
som Roy var tvungen att ta
för ungefär tre år sen.

NOTE Paragraph

00:00:24.020 --> 00:00:28.816
Ni förstår, Roy Price är en hög chef
inom Amazon Studios.

00:00:28.840 --> 00:00:31.856
Det är Amazons produktionsbolag för tv.

00:00:31.880 --> 00:00:35.136
Han är 47 år gammal,
smal, med taggigt hår,

00:00:35.160 --> 00:00:39.976
beskriver sig på Twitter
som "film, tv, teknik, tacos".

00:00:40.000 --> 00:00:45.176
Roy Price har ett ansvarsfullt jobb,
för det är hans ansvar att välja

00:00:45.200 --> 00:00:49.256
vilka serier, vilket originalinnehåll
som Amazon ska ta fram.

00:00:49.280 --> 00:00:51.616
Självklart innebär det hög konkurrens.

00:00:51.640 --> 00:00:54.376
Det görs så många tv-serier,

00:00:54.400 --> 00:00:56.576
så Roy kan inte välja
vilken serie som helst.

00:00:56.600 --> 00:01:00.696
Han måste hitta
en riktigt, riktigt bra serie.

00:01:00.720 --> 00:01:03.536
Med andra ord måste han hitta serier

00:01:03.560 --> 00:01:05.936
som ligger längst ut till höger
på den här kurvan.

NOTE Paragraph

00:01:05.960 --> 00:01:08.616
Den här kurvan är betygsfördelningen

00:01:08.640 --> 00:01:13.016
för ungefär 2 500 tv-serier
i IMDBs databas,

00:01:13.040 --> 00:01:15.936
och betygssnittet
kan vara mellan 1 och 10,

00:01:15.960 --> 00:01:18.936
och höjden här visar
hur många serier som får det betyget.

00:01:18.960 --> 00:01:23.520
Så om en serie får ett snittbetyg
på 9 poäng eller högre är den en vinnare.

00:01:23.520 --> 00:01:25.496
Då har man en serie bland de 2 procenten.

00:01:25.520 --> 00:01:29.416
Det är serier som "Breaking Bad",
"Game of Thrones", "The Wire".

00:01:29.440 --> 00:01:31.736
De här serierna är beroendeframkallande,

00:01:31.760 --> 00:01:34.560
så när man har sett en säsong
säger ens hjärna liksom,

00:01:34.560 --> 00:01:37.016
"Var kan jag hitta fler
sådana här avsnitt?"

00:01:37.040 --> 00:01:38.650
Den sortens serie.

00:01:38.920 --> 00:01:41.416
Till vänster, här borta,
för att vara tydlig,

00:01:41.440 --> 00:01:44.616
finns en serie som heter
"Toddles and Tiaras" -

NOTE Paragraph

00:01:44.640 --> 00:01:47.296
(Skratt)

NOTE Paragraph

00:01:47.320 --> 00:01:48.856
- vilket borde säga nog om

00:01:48.880 --> 00:01:51.071
vad som händer på den sidan av kurvan.

NOTE Paragraph

00:01:51.465 --> 00:01:55.256
Roy Price är inte orolig för
att hamna på den sidan av kurvan,

00:01:55.280 --> 00:01:57.970
för jag tror att man behöver ha
en riktigt skarp hjärna

00:01:57.970 --> 00:01:59.996
för att bli sämre
än "Toddlers and Tiaras".

00:01:59.996 --> 00:02:03.896
Vad han oroar sig för är klumpen i mitten,

00:02:03.920 --> 00:02:05.736
klumpen av halvbra tv,

00:02:05.760 --> 00:02:08.616
ni vet, sådana där serier
som varken är bra eller dåliga,

00:02:08.639 --> 00:02:10.295
som inte gör någon exalterad.

00:02:10.320 --> 00:02:15.110
Så han behöver bli säker på
att han verkligen hamnar rätt.

NOTE Paragraph

00:02:15.110 --> 00:02:16.826
Det finns ett tryck på att lyckas,

00:02:16.826 --> 00:02:18.976
och det är förstås också första gången

00:02:19.000 --> 00:02:21.176
som Amazon ens gör något sånt här,

00:02:21.200 --> 00:02:24.536
så Roy Price vill inte ta några risker.

00:02:24.560 --> 00:02:27.016
Han vill bygga framgång.

00:02:27.040 --> 00:02:28.816
Han behöver en garanterad succé,

00:02:28.840 --> 00:02:31.416
så han anordnar en tävling.

NOTE Paragraph

00:02:31.440 --> 00:02:34.576
Han tar ett antal tv-seriekoncept

00:02:34.600 --> 00:02:36.896
och genom att utvärdera dem

00:02:36.920 --> 00:02:40.800
tar de ut åtta kandidater till tv-serier,

00:02:40.800 --> 00:02:44.256
och sen gör han det första avsnittet
av var och en av dessa tv-serier

00:02:44.280 --> 00:02:47.416
och lägger ut dem gratis online
så att alla kan se dem.

00:02:47.440 --> 00:02:49.696
Och när Amazon delar ut saker gratis

00:02:49.720 --> 00:02:51.256
vill man ha dem, eller hur?

00:02:51.280 --> 00:02:56.416
Så miljoner människor tittar på avsnitten.

NOTE Paragraph

00:02:56.440 --> 00:02:59.656
Vad de inte inser är
att när de tittar på sina serier

00:02:59.680 --> 00:03:01.976
är det de som blir betraktade.

00:03:02.000 --> 00:03:04.336
De betraktas av Roy Price och hans team,

00:03:04.360 --> 00:03:05.736
som spelar in allt.

00:03:05.760 --> 00:03:09.136
De spelar in när någon trycker play,
när någon pausar,

00:03:09.160 --> 00:03:11.696
vilka delar de hoppar över,
vilka delar de ser igen.

00:03:11.720 --> 00:03:13.976
De samlar in miljontals datapunkter,

00:03:14.000 --> 00:03:16.096
för de vill ha dem

00:03:16.120 --> 00:03:18.816
när de bestämmer
vilken tv-serie de ska göra.

00:03:18.840 --> 00:03:21.016
Så de samlar in datan,

00:03:21.040 --> 00:03:23.616
de bearbetar informationen,
och ett svar träder fram,

00:03:23.640 --> 00:03:24.856
och svaret är,

00:03:24.880 --> 00:03:30.416
"Amazon borde göra en komedi
om fyra republikanska senatorer i USA."

00:03:30.440 --> 00:03:31.656
De gjorde den serien.

NOTE Paragraph

00:03:31.680 --> 00:03:33.840
Vet någon vad serien heter?

00:03:34.720 --> 00:03:36.016
(Publiken: "Alpha House")

00:03:36.040 --> 00:03:37.496
Ja, "Alpha House",

00:03:37.520 --> 00:03:41.616
men det verkar faktiskt inte vara
så många av er som minns den serien,

00:03:41.640 --> 00:03:43.496
för den blev inte så bra.

00:03:43.520 --> 00:03:45.376
Det blev bara en medioker serie,

00:03:45.400 --> 00:03:49.976
rent bokstavligen,
för mitten på kurvan är 7,4,

00:03:50.000 --> 00:03:52.416
och "Alpha House" landade på 7,5,

00:03:52.440 --> 00:03:54.456
en serie strax över genomsnittet,

00:03:54.480 --> 00:03:57.700
men det var verkligen inte
vad Roy Price och hans team siktade på.

00:03:58.320 --> 00:04:01.176
Men ungefär samtidigt

00:04:01.200 --> 00:04:02.776
på ett annat företag


00:04:02.800 --> 00:04:07.016
lyckades en annan hög chef ro i land
en toppserie med hjälp av dataanalys,

00:04:07.040 --> 00:04:08.616
och han heter Ted,

00:04:08.640 --> 00:04:12.056
Ted Sarandos, som är
innehållschef på Netflix,

00:04:12.080 --> 00:04:14.216
och precis som Roy letar han ständigt

00:04:14.240 --> 00:04:15.736
efter den stora tv-serien,

00:04:15.760 --> 00:04:17.730
och han använder data för att göra det,

00:04:17.730 --> 00:04:19.815
men han gör det
på ett lite annorlunda sätt.

00:04:19.839 --> 00:04:23.576
Så istället för att hålla en tävling,

00:04:23.600 --> 00:04:27.136
tittade han och hans team på den data
som de redan hade om Netflixtittare,

00:04:27.160 --> 00:04:29.090
som de betyg de gett till deras serier,

00:04:29.090 --> 00:04:31.976
tittarhistoriken, vilka serier
de gillade, och så vidare.

00:04:32.000 --> 00:04:33.896
De använde datan för att upptäcka

00:04:33.920 --> 00:04:36.420
alla små detaljer om sin publik:

00:04:36.420 --> 00:04:37.900
vilka slags serier de gillade,

00:04:37.900 --> 00:04:40.266
vilka slags producenter,
vilka slags skådespelare.

00:04:40.266 --> 00:04:42.736
Och när de väl hade satt ihop alla delar

00:04:42.760 --> 00:04:44.416
gjorde de en chansning

00:04:44.440 --> 00:04:46.536
och bestämde sig för att skapa

00:04:46.560 --> 00:04:49.016
inte en komedi om fyra senatorer,

00:04:49.040 --> 00:04:51.920
utan en dramaserie om en enda senator.

00:04:52.760 --> 00:04:54.416
Vet ni vilken serie?

NOTE Paragraph

00:04:54.440 --> 00:04:55.736
(Skratt)

NOTE Paragraph

00:04:55.760 --> 00:04:59.496
Ja, "House of Cards", och Netflix
slog förstås huvudet på spiken med den,

00:04:59.520 --> 00:05:01.656
iallafall de första två säsongerna.

NOTE Paragraph

00:05:01.680 --> 00:05:05.656
(Skratt) (Applåder)

NOTE Paragraph

00:05:05.680 --> 00:05:08.856
"House of Cards" får 9,1
i snittbetyg på kurvan,

00:05:08.880 --> 00:05:12.056
så det är precis där de ville vara.

NOTE Paragraph

00:05:12.080 --> 00:05:14.440
Nu är frågan, vad hände här?

00:05:14.440 --> 00:05:17.176
Vi har två väldigt tävlingsinriktade,
datakunniga företag.

00:05:17.200 --> 00:05:20.056
De kombinerar miljontals datapunkter,

00:05:20.080 --> 00:05:22.456
och sen går det utmärkt för en av dem,

00:05:22.480 --> 00:05:24.336
och det fungerar inte för den andra.

00:05:24.360 --> 00:05:25.576
Varför?

00:05:25.600 --> 00:05:29.056
För logiken säger
att det borde fungera varje gång.

00:05:29.080 --> 00:05:31.536
Om man samlar ihop miljontals datapunkter

00:05:31.560 --> 00:05:33.296
om ett beslut man ska fatta

00:05:33.320 --> 00:05:35.936
så borde det bli ett ganska bra beslut.

00:05:35.960 --> 00:05:38.176
Det finns 200 år av statistik
att luta sig mot.

00:05:38.200 --> 00:05:41.216
Den förstärks med kraftfulla datorer.

00:05:41.240 --> 00:05:44.520
Det minsta man kan begära
är bra tv, eller hur?

NOTE Paragraph

00:05:45.880 --> 00:05:48.780
Om dataanalys inte fungerar på det sättet

00:05:49.520 --> 00:05:51.576
så blir det lite skrämmande,

00:05:51.600 --> 00:05:55.416
för vi lever i en tid
där vi allt oftare lutar oss mot data

00:05:55.440 --> 00:05:59.920
för att fatta allvarliga beslut
som går långt bortom tv.

00:06:00.760 --> 00:06:04.000
Känner någon här till
företaget Multi-Health Systems?

00:06:05.080 --> 00:06:06.736
Ingen. OK, det är faktiskt bra.

00:06:06.760 --> 00:06:09.976
Multi-Health Systems
är ett mjukvaruföretag,

00:06:10.000 --> 00:06:12.816
och jag hoppas att ingen i det här rummet

00:06:12.840 --> 00:06:16.016
någonsin kommer i kontakt
med deras mjukvara,

00:06:16.040 --> 00:06:18.136
för det betyder att du sitter i fängelse.

NOTE Paragraph

00:06:18.160 --> 00:06:19.320
(Skratt)

NOTE Paragraph

00:06:19.320 --> 00:06:22.896
Om någon här i USA sitter i fängelse
och de ansöker om villkorlig frigivning

00:06:22.920 --> 00:06:25.960
är det väldigt sannolikt
att dataanalysprogram

00:06:25.960 --> 00:06:30.856
från det företaget kommer att användas
för att pröva frigivningen.

00:06:30.880 --> 00:06:33.456
Så det är samma princip
som för Amazon och Netflix,

00:06:33.480 --> 00:06:38.096
men istället för att bestämma
om en tv-serie ska bli bra eller dålig

00:06:38.120 --> 00:06:41.016
bestämmer man om en person
ska bli bra eller dålig.


00:06:41.040 --> 00:06:46.536
Och 22 minuter av medioker tv
kan vara ganska dåligt,

00:06:46.560 --> 00:06:49.200
men jag antar att fler år
i fängelse är ännu värre.

NOTE Paragraph

00:06:50.360 --> 00:06:54.496
Oturligt nog finns det faktiskt
en del bevis för att den här dataanalysen,

00:06:54.520 --> 00:06:58.400
även om den har massor av data,
inte alltid producerar optimala resultat.

00:06:58.400 --> 00:07:01.296
Det beror inte på att ett företag
som Multi-Health Systems

00:07:01.296 --> 00:07:03.293
inte vet vad de ska göra
med informationen.

00:07:03.293 --> 00:07:05.456
Även datakunniga företag gör fel.

00:07:05.480 --> 00:07:08.050
Ja, till och med Google har fel ibland.

NOTE Paragraph

00:07:08.680 --> 00:07:13.176
2009 sa Google att de
med hjälp av dataanalys

00:07:13.200 --> 00:07:17.336
kunde förutsäga utbrott av influensa,
den elaka sortens förkylning,

00:07:17.360 --> 00:07:21.136
genom att genomföra dataanalys
av sina Google-sökningar.

00:07:21.160 --> 00:07:24.710
Och det fungerade fint,
vilket gav stor uppmärksamhet i medierna,

00:07:24.710 --> 00:07:27.356
inklusive det yttersta beviset
på vetenskaplig framgång:

00:07:27.356 --> 00:07:29.656
en artikel i tidskriften "Nature".

00:07:29.680 --> 00:07:33.190
Det fungerade fint i flera år,

00:07:33.190 --> 00:07:35.096
tills det ett år inte fungerade längre.

00:07:35.096 --> 00:07:37.256
Och ingen kunde ens säga riktigt varför.

00:07:37.280 --> 00:07:38.910
Det fungerade bara inte det året,

00:07:38.910 --> 00:07:41.046
och det fick förstås
också mycket publicitet,

00:07:41.046 --> 00:07:42.576
inklusive ett tillbakadragande

00:07:42.600 --> 00:07:45.440
av artikeln i "Nature".

00:07:46.480 --> 00:07:48.960
Så till och med de med
de datakunniga företagen

00:07:48.960 --> 00:07:51.976
som Amazon och Google har ibland fel.

00:07:52.000 --> 00:07:54.936
Och trots alla dessa misslyckanden

00:07:54.960 --> 00:07:58.816
får data snabbt ett större inflytande
över beslut i verkliga livet -

00:07:58.840 --> 00:08:00.656
på arbetsplatsen,

00:08:00.680 --> 00:08:02.496
inom rättsväsendet,

00:08:02.520 --> 00:08:03.720
inom medicin.

00:08:04.400 --> 00:08:07.736
Så vi borde verkligen ta reda på
ifall data verkligen hjälper oss.

NOTE Paragraph

00:08:07.760 --> 00:08:10.730
Jag har personligen sett
en stor del av de här problemen,

00:08:10.730 --> 00:08:12.896
för jag arbetar inom databeräknad genetik,

00:08:12.920 --> 00:08:15.416
vilken också är ett fält
där många smarta människor

00:08:15.440 --> 00:08:19.096
använder oerhörda mängder data
för att fatta ganska allvarliga beslut,

00:08:19.120 --> 00:08:22.820
som att välja cancerbehandling
eller utveckla en ny medicin.

00:08:23.520 --> 00:08:25.896
Över åren har jag noterat
ett slags mönster,

00:08:25.920 --> 00:08:28.290
eller en slags regel,
kan man säga, om skillnaden

00:08:28.290 --> 00:08:31.096
mellan framgångsrikt
och icke framgångsrikt

00:08:31.120 --> 00:08:32.736
beslutsfattande med data

00:08:32.760 --> 00:08:36.640
och jag har hittat ett mönster
som är värt att dela med sig av.

NOTE Paragraph

00:08:38.520 --> 00:08:40.655
När man löser ett komplext problem

00:08:40.679 --> 00:08:42.290
gör man i grunden två saker.

00:08:42.290 --> 00:08:43.360
Den första är

00:08:43.360 --> 00:08:48.256
att plocka isär problemet i små bitar
så att man kan analysera bitarna

00:08:48.280 --> 00:08:50.180
och sen gör man det andra steget.

00:08:50.180 --> 00:08:52.900
Men sätter ihop bitarna igen

00:08:52.900 --> 00:08:54.336
för att komma till slutsatsen.

00:08:54.360 --> 00:08:56.560
Ibland måste man göra om det,

00:08:56.560 --> 00:08:58.376
men det handlar alltid de två sakerna:

00:08:58.400 --> 00:09:01.240
plocka isär och sätta ihop saker igen.

NOTE Paragraph

00:09:02.280 --> 00:09:03.896
Det viktiga är

00:09:03.920 --> 00:09:06.816
att data och dataanalys

00:09:06.840 --> 00:09:09.170
bara är bra för det första steget.

00:09:09.170 --> 00:09:12.296
Hur kraftfulla data och dataanalys än är,
kan bara hjälpa till med

00:09:12.296 --> 00:09:16.056
att plocka isär ett problem
och förstå dess delar.

00:09:16.080 --> 00:09:19.576
Den passar inte för
att sätta ihop delarna igen

00:09:19.600 --> 00:09:21.340
för att komma till en slutsats.

00:09:21.340 --> 00:09:23.460
Det finns ett annat verktyg
som kan göra det,

00:09:23.460 --> 00:09:25.716
vi har det allihop, och det är hjärnan.

00:09:25.716 --> 00:09:27.470
Om det finns något hjärnan är bra på

00:09:27.470 --> 00:09:29.610
så är att det att sätta ihop
små delar igen,

00:09:29.610 --> 00:09:31.896
även när den inte har all information,

00:09:31.896 --> 00:09:33.456
och kan nå en bra slutsats,

00:09:33.480 --> 00:09:36.290
speciellt om det är en experts hjärna.

NOTE Paragraph

00:09:36.290 --> 00:09:39.156
Jag tror att det är därför
Netflix blev så framgångsrika,

00:09:39.156 --> 00:09:42.696
för att de använde data och hjärnor
där de passade i processen.

00:09:42.720 --> 00:09:46.256
De använder data för att först förstå
många små detaljer om sin publik

00:09:46.280 --> 00:09:49.696
som de annars inte skulle
ha kunnat förstå på samma djup,

00:09:49.720 --> 00:09:52.336
men beslutet om hur de olika detaljerna

00:09:52.360 --> 00:09:55.560
skulle sättas ihop igen
för att bli en serie som "House of Cards"

00:09:55.560 --> 00:09:57.136
fanns ingenstans i deras data.

00:09:57.160 --> 00:10:01.136
Ted Sarandos och hans team
tog beslutet att godkänna tv-serien,

00:10:01.160 --> 00:10:03.415
vilket förresten också betydde

00:10:03.415 --> 00:10:06.486
att de tog en ganska stor personlig risk
när de tog det beslutet.

00:10:06.486 --> 00:10:09.110
Och Amazon, å andra sidan,
de gjorde saken på fel sätt.

00:10:09.110 --> 00:10:11.360
De använde data
för allt sitt beslutsfattande,

00:10:11.360 --> 00:10:14.280
först när de höll tävlingen
för tv-koncept,

00:10:14.280 --> 00:10:18.376
och sen när de valde "Alpha House"
till den serie de skulle göra.

00:10:18.400 --> 00:10:20.896
Vilket självklart var
ett säkert val för dem,

00:10:20.920 --> 00:10:23.180
för de kunde alltid peka på data och säga

00:10:23.180 --> 00:10:25.156
"Vår data säger det här."

00:10:25.156 --> 00:10:29.360
Men det ledde inte till
de enastående resultat som de hoppades på.

NOTE Paragraph

00:10:29.820 --> 00:10:33.190
Så data är förstås
ett oerhört kraftfullt verktyg

00:10:33.190 --> 00:10:35.210
för att fatta bättre beslut,

00:10:35.210 --> 00:10:40.096
men jag tror att saker går fel
när data börjar styra besluten.

00:10:40.120 --> 00:10:43.820
Hur kraftfull den än är,
så är data bara ett verktyg,

00:10:43.820 --> 00:10:47.256
och för att hålla det i minnet tycker jag
den här saken är användbar.

00:10:47.280 --> 00:10:48.496
Många av er kommer ...

NOTE Paragraph

00:10:48.520 --> 00:10:49.570
(Skratt)

NOTE Paragraph

00:10:49.570 --> 00:10:51.526
Innan det fanns data, var det här

00:10:51.526 --> 00:10:53.856
beslutsstödet som användes.

NOTE Paragraph

00:10:53.880 --> 00:10:55.136
(Skratt)

NOTE Paragraph

00:10:55.160 --> 00:10:56.496
Många känner nog igen den.

00:10:56.520 --> 00:10:58.473
Den här leksaken heter Magic 8 Ball,

00:10:58.497 --> 00:10:59.650
och den är fantastisk,

00:10:59.650 --> 00:11:02.390
för om du har ett beslut att fatta,
en ja- eller nejfråga,

00:11:02.400 --> 00:11:06.376
behöver du bara skaka bollen
för att få ett svar -

00:11:06.400 --> 00:11:09.216
"Förmodligen" - just här
i den här stunden i realtid.

00:11:09.240 --> 00:11:11.336
Jag kan dema den senare.

NOTE Paragraph

00:11:11.360 --> 00:11:12.576
(Skratt)

NOTE Paragraph

00:11:12.600 --> 00:11:16.030
Så här är det förstås,
att jag har fattat några beslut i mitt liv

00:11:16.030 --> 00:11:19.266
där jag i efterhand har förstått
att jag borde ha lyssnat på bollen.

00:11:19.266 --> 00:11:22.456
Men om man har data tillgängliga

00:11:22.480 --> 00:11:25.536
vill man såklart ersätta den här
med något lite mer sofistikerat,

00:11:25.560 --> 00:11:29.176
till exempel dataanalys,
för att fatta ett bättre beslut.

00:11:29.200 --> 00:11:31.816
Men det ändrar inte
de grundläggande förutsättningarna.

00:11:31.840 --> 00:11:35.016
Så bollen kan bli allt smartare

00:11:35.040 --> 00:11:37.856
men jag tror att vi fortfarande
måste fatta besluten

00:11:37.880 --> 00:11:40.896
om vi vill åstadkomma
något utöver det vanliga,

00:11:40.920 --> 00:11:42.856
längst till höger på kurvan.

00:11:42.880 --> 00:11:47.376
Och jag tycker faktiskt att det är
ett väldigt uppmuntrande budskap,

00:11:47.400 --> 00:11:51.376
att även när vi står inför
enorma mängder data

00:11:51.400 --> 00:11:55.496
lönar det sig fortfarande
att fatta beslut,

00:11:55.520 --> 00:11:58.176
att vara en expert på det man gör,

00:11:58.200 --> 00:12:00.296
och att ta risker.

00:12:00.320 --> 00:12:03.096
För i slutändan är det inte data

00:12:03.120 --> 00:12:07.450
utan risker som kommer att ta en
längst ut till höger på kurvan.

NOTE Paragraph

00:12:07.690 --> 00:12:09.056
Tack.

NOTE Paragraph

00:12:09.080 --> 00:12:12.070
(Applåder)