0:00:20.820,0:00:25.096
ロイ・プライスを知っている人は[br]ほとんどいないでしょう

0:00:25.120,0:00:27.616
でも彼こそ 2013年4月19日に

0:00:27.640,0:00:33.624
22分間 みなさんを[br]退屈させたであろう張本人です

0:00:34.560,0:00:37.736
その時間が「楽しかった」と言う人も[br]いるかもしれませんが

0:00:37.760,0:00:40.016
それほど多くはないでしょう

0:00:40.040,0:00:41.936
すべては その３年前に

0:00:41.960,0:00:43.960
ロイが下した[br]ある決定にさかのぼります

0:00:43.984,0:00:48.816
ロイ・プライスが役員を務めるのは[br]アマゾン・スタジオ すなわち

0:00:48.840,0:00:51.856
Amazonのテレビ制作会社です

0:00:51.880,0:00:55.136
彼は すらっとして[br]髪を逆立てた 47歳

0:00:55.160,0:00:59.976
Twitterの自己紹介は「映画 テレビ[br]テクノロジーとタコス 好き」です

0:01:00.000,0:01:05.176
Amazonが制作するオリジナル番組を[br]選ぶのが彼の仕事ですから

0:01:05.200,0:01:09.256
責任は重大です

0:01:09.280,0:01:11.616
競争も激しい業界です

0:01:11.640,0:01:14.376
すでに大量のテレビ番組があって

0:01:14.400,0:01:16.576
何を選んでもいいわけではありません

0:01:16.600,0:01:20.696
本当にすごい番組を[br]見出さなければならないんです

0:01:20.720,0:01:23.536
つまり このグラフの右端に来るような

0:01:23.560,0:01:25.936
番組を見つける必要があります

0:01:25.960,0:01:28.616
このグラフは IMDbというサイトに

0:01:28.640,0:01:33.016
掲載されている[br]約2,500番組の評価の分布です

0:01:33.040,0:01:35.936
評価は 1から10まで

0:01:35.960,0:01:38.936
縦軸は その評価を得た番組の数です

0:01:38.960,0:01:43.656
もし 選んだ番組が９点以上の[br]評価を得れば 成功と言えます

0:01:43.680,0:01:45.496
上位2%に入りますから

0:01:45.520,0:01:49.416
『ブレイキング・バッド』や[br]『ゲーム・オブ・スローンズ』『ザ・ワイヤー』が

0:01:49.440,0:01:51.736
それに当たる番組で どれもハマりやすく

0:01:51.760,0:01:54.816
１シーズン見たら[br]「どこで もっと見られる？」と

0:01:54.840,0:01:57.016
脳が欲してしまうような

0:01:57.040,0:01:58.240
番組です

0:01:58.920,0:02:01.416
一応 説明すると 左端には

0:02:01.440,0:02:04.616
美少女コンテスト・リアリティー番組[br]『Toddlers & Tiaras』が来ます

0:02:04.640,0:02:07.296
（笑）

0:02:07.320,0:02:08.856
これで グラフの左端が

0:02:08.880,0:02:11.071
何を表しているか よくわかるはずです

0:02:11.095,0:02:15.256
ただロイ・プライスは[br]左端のことは 心配していません

0:02:15.280,0:02:18.216
『Toddlers & Tiaras』を下回るには

0:02:18.240,0:02:19.936
かなりの知恵が必要ですから

0:02:19.960,0:02:23.896
だから 彼が心配するのは[br]グラフのピーク付近です

0:02:23.920,0:02:25.736
これは平均的な番組の数で

0:02:25.760,0:02:28.616
可もなく不可もなく[br]特に見たいとも思わない

0:02:28.639,0:02:30.295
番組なんです

0:02:30.320,0:02:35.176
だから 何としてもグラフの右端に[br]行かなくてはなりません

0:02:35.200,0:02:36.776
プレッシャーは大きい上に

0:02:36.800,0:02:38.976
Amazonが こういう事業を

0:02:39.000,0:02:41.176
手がけるのは初めてですから

0:02:41.200,0:02:44.536
ロイ・プライスは[br]賭けに出る気はありません

0:02:44.560,0:02:47.016
絶対 成功する方法を考えます

0:02:47.040,0:02:48.816
確実に成功するために

0:02:48.840,0:02:51.416
コンテストを開きます

0:02:51.440,0:02:54.576
番組の企画をたくさん集めて

0:02:54.600,0:02:56.896
それぞれ評価し その中から

0:02:56.920,0:03:01.016
８つの番組を候補として選びます

0:03:01.040,0:03:04.256
それから それぞれ１話を[br]オンラインで公開し

0:03:04.280,0:03:07.416
誰でも見られるようにします

0:03:07.440,0:03:09.696
Amazonが無料で配信すれば

0:03:09.720,0:03:11.256
誰だって見ますよね

0:03:11.280,0:03:16.416
その結果 数百万人が[br]番組を見ることになります

0:03:16.440,0:03:19.656
ただ視聴者が気付いていないのは[br]番組を見ている間

0:03:19.680,0:03:21.976
実は自分が見られていることです

0:03:22.000,0:03:24.336
ロイのチームは すべてを記録して

0:03:24.360,0:03:25.736
視聴者を観察します

0:03:25.760,0:03:29.136
いつ再生し いつ一時停止したか[br]どこを飛ばし

0:03:29.160,0:03:31.696
どこをもう一度見たか[br]記録するんです

0:03:31.720,0:03:33.976
こうして数百万の[br]データポイントを集めます

0:03:34.000,0:03:36.096
このデータポイントを使って

0:03:36.120,0:03:38.816
どの番組を制作するか 決定します

0:03:38.840,0:03:41.016
すべてのデータを集めて

0:03:41.040,0:03:43.616
データを分析すると[br]答えが見えてきました

0:03:43.640,0:03:44.856
その答えとは

0:03:44.880,0:03:50.416
「制作すべき番組は４人の共和党[br]上院議員が主役のホームコメディである」

0:03:50.440,0:03:51.656
そして制作しました

0:03:51.680,0:03:53.840
どの番組かわかりますか？

0:03:54.720,0:03:56.016
（観客）『アルファ・ハウス』

0:03:56.040,0:03:57.496
そう 『アルファ・ハウス』です

0:03:57.520,0:04:01.616
でも思い出せない方が多かったのは

0:04:01.640,0:04:03.496
大した番組ではなかったからです

0:04:03.520,0:04:05.376
文字通り平均点の番組です

0:04:05.400,0:04:09.976
このグラフの平均は7.4ですが[br]『アルファ・ハウス』は7.5でしたから

0:04:10.000,0:04:12.416
まさに普通というか

0:04:12.440,0:04:14.456
少しマシな程度の番組です

0:04:14.480,0:04:17.399
当然 ロイ・プライスたちの[br]狙いとはかけ離れています

0:04:18.320,0:04:21.176
話かわって 同じ頃

0:04:21.200,0:04:22.776
別の会社で

0:04:22.800,0:04:27.016
もう一人の重役がデータ分析で[br]ヒット番組を作ろうとしていました

0:04:27.040,0:04:28.616
彼の名前は

0:04:28.640,0:04:32.056
テッド・サランドス[br]Netflix社のコンテンツ部門代表です

0:04:32.080,0:04:34.216
ロイと同じように 最高の番組を

0:04:34.240,0:04:35.736
見つけるのが仕事です

0:04:35.760,0:04:37.776
彼もデータを活用しますが

0:04:37.800,0:04:39.815
方法は少し違います

0:04:39.839,0:04:43.576
彼のチームは[br]コンテストを開くのではなく

0:04:43.600,0:04:47.136
Netflixの視聴者に関する[br]全データを分析しました

0:04:47.160,0:04:49.256
番組の評価や視聴履歴

0:04:49.280,0:04:51.976
どんな番組が好まれるか[br]といったデータです

0:04:52.000,0:04:53.896
そして ここから視聴者に関する

0:04:53.920,0:04:56.536
こまごまとした情報を[br]探っていくのです

0:04:56.560,0:04:58.016
視聴者が好む番組や

0:04:58.040,0:05:00.136
プロデューサー[br]俳優についてです

0:05:00.160,0:05:02.736
そして情報をすべて組み合わせ

0:05:02.760,0:05:04.416
腹をくくって

0:05:04.440,0:05:06.536
ライセンス契約を決めたのは

0:05:06.560,0:05:09.016
４人の上院議員のコメディではなく

0:05:09.040,0:05:11.920
１人の上院議員が登場する[br]ドラマシリーズでした

0:05:12.760,0:05:14.416
わかりますよね

0:05:14.440,0:05:15.736
（笑）

0:05:15.760,0:05:19.496
そう『ハウス・オブ・カード[br]野望の階段』で Netflixは

0:05:19.520,0:05:21.656
少なくとも２シーズンは成功しました

0:05:21.680,0:05:25.656
（笑）（拍手）

0:05:25.680,0:05:28.856
『ハウス・オブ・カード』は[br]9.1の評価を得ていて

0:05:28.880,0:05:32.056
まさに思惑通りです

0:05:32.080,0:05:34.496
ここで当然 疑問が湧いてきます

0:05:34.520,0:05:37.176
競争力が高くデータに強い[br]２つの会社があり

0:05:37.200,0:05:40.056
どちらも数百万のデータポイントを[br]組み合わせていますが

0:05:40.080,0:05:42.456
片方は とてもうまくいき

0:05:42.480,0:05:44.336
もう片方は うまくいかない

0:05:44.360,0:05:45.576
なぜでしょう？

0:05:45.600,0:05:49.056
論理的には常にうまくいくはずです

0:05:49.080,0:05:51.536
つまり ある決定を下そうとする時に

0:05:51.560,0:05:53.296
データポイントが数百万あれば

0:05:53.320,0:05:55.936
かなりうまくいくはずなんです

0:05:55.960,0:05:58.176
200年の歴史を持つ統計学と

0:05:58.200,0:06:01.216
高性能のコンピュータが[br]力を貸してくれます

0:06:01.240,0:06:04.520
平凡な番組に終わるはずなど[br]ないでしょう

0:06:05.880,0:06:08.600
ただ もしデータ分析が[br]思い通りにならなかったら

0:06:09.520,0:06:11.576
恐ろしいことです

0:06:11.600,0:06:15.416
というのも テレビ以外の[br]様々な重要な決断を下す時

0:06:15.440,0:06:19.920
ますますデータに頼る時代に[br]私たちは生きているんですから

0:06:20.760,0:06:24.000
Multi-Health Systems という会社を[br]知っている方はいますか？

0:06:25.080,0:06:26.736
いませんね　よかった

0:06:26.760,0:06:29.976
Multi-Health Systems は[br]ソフトウェア会社ですが

0:06:30.000,0:06:32.816
ここに お世話になる人が[br]いないといいですね

0:06:32.840,0:06:36.016
もし お世話になるとすれば[br]その人は

0:06:36.040,0:06:38.136
受刑者だからです

0:06:38.160,0:06:39.336
（笑）

0:06:39.360,0:06:42.896
アメリカで刑務所に入っている人が[br]仮釈放を申請すると

0:06:42.920,0:06:47.216
許可するかどうかを決めるために[br]この会社のデータ分析ソフトが

0:06:47.240,0:06:50.856
使われる場合が多いんです

0:06:50.880,0:06:53.456
AmazonやNetflixと同じ原理ですが

0:06:53.480,0:06:58.096
テレビ番組の良し悪しを[br]決めるのではなく

0:06:58.120,0:07:01.016
１人の人間の善悪を決めるんです

0:07:01.040,0:07:06.536
22分間 退屈な番組を見るのは[br]苦痛かもしれませんが

0:07:06.560,0:07:09.200
さらに数年 刑務所で過ごすのは[br]ずっときついでしょう

0:07:10.360,0:07:14.496
ただ残念なことに データ分析では[br]大量のデータがあったとしても

0:07:14.520,0:07:18.736
常に最適な結果を出せるとは[br]限らないという証拠があります

0:07:18.760,0:07:21.482
これはMulti-Health Systemsなどの企業が

0:07:21.506,0:07:23.133
データの扱い方を知らないからではなく

0:07:23.158,0:07:25.456
極めてデータに強い企業でも誤ります

0:07:25.480,0:07:27.880
そう Googleさえ 時に間違うんです

0:07:28.680,0:07:33.176
2009年 Googleは ある発表をしました

0:07:33.200,0:07:37.336
検索データを分析することで[br]感染力の強いインフルエンザの

0:07:37.360,0:07:41.136
流行を予測できたというのです

0:07:41.160,0:07:45.016
予測は かなりうまくいき[br]大きなニュースになりました

0:07:45.040,0:07:47.176
科学界 最大の栄誉である

0:07:47.200,0:07:49.656
ネイチャー誌への掲載も果たしました

0:07:49.680,0:07:53.296
予測は翌年も次の年も[br]うまくいっていましたが

0:07:53.320,0:07:54.976
ある年 失敗しました

0:07:55.000,0:07:57.256
確かな理由は誰にもわかりませんでした

0:07:57.280,0:07:58.976
いきなり失敗したんです

0:07:59.000,0:08:00.936
もちろん これも大きなニュースになり

0:08:00.960,0:08:02.576
ネイチャー誌の論文も

0:08:02.600,0:08:05.440
撤回されました

0:08:06.480,0:08:09.816
AmazonやGoogleといった[br]極めてデータに強い企業でさえ

0:08:09.840,0:08:11.976
時に誤るんです

0:08:12.000,0:08:14.936
一方 このような失敗にも関わらず

0:08:14.960,0:08:18.816
データは すごいスピードで[br]日常の意思決定にも

0:08:18.840,0:08:20.656
仕事の場にも 法執行機関にも

0:08:20.680,0:08:22.496
医療の現場にも

0:08:22.520,0:08:23.720
入り込んでいます

0:08:24.400,0:08:27.736
だからデータが本当に[br]役立っているか 確認すべきです

0:08:27.760,0:08:30.896
私自身もデータとの格闘を[br]目の当たりにしてきました

0:08:30.920,0:08:32.895
私は計算遺伝学を研究していますが

0:08:32.919,0:08:35.416
この分野でも頭の切れる人たちが

0:08:35.440,0:08:39.096
想像もつかない量のデータを使って[br]がんの治療や

0:08:39.120,0:08:42.679
新薬の開発といった[br]重大な決断を下しています

0:08:43.520,0:08:45.896
ここ数年 私は[br]データを使った意思決定が

0:08:45.920,0:08:48.376
成功する場合と失敗する場合の間に

0:08:48.400,0:08:51.096
ある種のパターンというか[br]規則性のようなものが

0:08:51.120,0:08:52.736
あることに気づきました

0:08:52.760,0:08:56.640
このパターンは[br]伝える価値があると思います

0:08:58.520,0:09:00.655
複雑な問題を解決する場合

0:09:00.679,0:09:02.416
主に２つのことをします

0:09:02.440,0:09:05.736
はじめに 要素を深く分析できるように

0:09:05.760,0:09:08.256
問題を細かく分割し

0:09:08.280,0:09:10.296
それから 次に進みます

0:09:10.320,0:09:12.976
要素を全部 もう一度組み合わせ

0:09:13.000,0:09:14.336
結論を引き出すんです

0:09:14.360,0:09:16.696
同じことを[br]繰り返す場合もありますが

0:09:16.720,0:09:18.376
やることは常に この２つ

0:09:18.400,0:09:20.720
分割し 組み立て直すんです

0:09:22.280,0:09:23.896
ここで重要なのは

0:09:23.920,0:09:26.816
データと その分析が有効なのは

0:09:26.840,0:09:29.336
最初の部分だけだという点です

0:09:29.360,0:09:31.576
データと分析が いかに強力だろうと

0:09:31.600,0:09:36.056
役に立つのは 問題を分割して[br]要素を理解するところまでです

0:09:36.080,0:09:39.576
要素を組み立て直して[br]結論に至るには

0:09:39.600,0:09:41.496
適していないのです

0:09:41.520,0:09:44.256
私たちには 結論を引き出す[br]別のツールがあります

0:09:44.280,0:09:45.576
それは 脳です

0:09:45.600,0:09:47.536
脳には得意なことがあります

0:09:47.560,0:09:49.816
不完全な情報しかない場合でも

0:09:49.840,0:09:51.856
要素を組み立てて

0:09:51.880,0:09:53.456
適切な結論を出すことです

0:09:53.480,0:09:56.416
特に専門家の脳は そうです

0:09:56.440,0:09:59.096
Netflixが成功した理由は

0:09:59.120,0:10:02.696
データと脳を それぞれ適した場面で[br]利用したからでしょう

0:10:02.720,0:10:06.256
まずデータを使って[br]視聴者に関する情報を理解しました

0:10:06.280,0:10:09.696
そうしなければ そこまで[br]深く理解できなかったでしょう

0:10:09.720,0:10:12.336
一方で 要素を全部集めて組み立て直し

0:10:12.360,0:10:15.696
『ハウス・オブ・カード』のような[br]データからは出てこない

0:10:15.720,0:10:17.136
番組を制作しました

0:10:17.160,0:10:21.136
ゴーサインを出すと決断したのは[br]テッド・サランドスのチームです

0:10:21.160,0:10:23.541
つまり彼らは この決断によって

0:10:23.565,0:10:26.416
個人的に大きなリスクを負ったのです

0:10:26.440,0:10:29.456
それに対して[br]Amazonは方法を誤りました

0:10:29.480,0:10:32.216
意思決定の全過程でデータを使ったのです

0:10:32.240,0:10:34.656
最初に企画コンテストを開いた時も

0:10:34.680,0:10:38.376
『アルファ・ハウス』を選んで[br]制作した時もそうでした

0:10:38.400,0:10:40.896
もちろん これは安全な決断でした

0:10:40.920,0:10:43.376
だって「データから明らかだ」と

0:10:43.400,0:10:45.096
言えば済むんですから

0:10:45.120,0:10:49.360
でも それでは彼らが望む[br]並外れた成果は上げられませんでした

0:10:50.120,0:10:55.096
確かに よりよい意思決定には[br]データはとても役立つツールです

0:10:55.120,0:10:57.496
ただ データが意思決定を

0:10:57.520,0:11:00.096
強いるようになると[br]問題が起きてくると思います

0:11:00.120,0:11:03.896
どれほどパワフルだろうと[br]データは単なる道具です

0:11:03.920,0:11:07.256
それを意識するには[br]この装置が役立つことに気づきました

0:11:07.280,0:11:08.496
納得する人も多いでしょう

0:11:08.520,0:11:09.736
（笑）

0:11:09.760,0:11:10.976
データが出現する前は

0:11:11.000,0:11:13.856
意思決定の手段といえば[br]これのことでした

0:11:13.880,0:11:15.136
（笑）

0:11:15.160,0:11:16.496
知っている方も多いでしょう

0:11:16.520,0:11:18.473
これは「マジック８ボール」

0:11:18.497,0:11:19.696
本当にすごい装置です

0:11:19.720,0:11:22.616
もしイエスかノーの形で[br]何か決定しなければならない時

0:11:22.640,0:11:26.376
このボールを振るだけで[br]答えが出ます

0:11:26.400,0:11:29.216
「可能性は高い」[br]こんな風に リアルタイムで出ます

0:11:29.240,0:11:31.336
後でデモ会場に展示しましょう

0:11:31.360,0:11:32.576
（笑）

0:11:32.600,0:11:36.176
さて 肝心な点ですが[br]これまでの私の決断には

0:11:36.200,0:11:39.096
後で考えると ボールに尋ねた方が[br]よかったものもあります

0:11:39.120,0:11:42.456
でもデータが使えるなら[br]こんな おもちゃではなく

0:11:42.480,0:11:45.536
データ分析など[br]より洗練された手段を使って

0:11:45.560,0:11:49.176
よりよく意思決定したいと[br]思うはずです

0:11:49.200,0:11:51.816
ただ それでも[br]基本的な仕組みは変わりません

0:11:51.840,0:11:55.016
ボールは どんどん[br]賢くなっていくかもしれませんが

0:11:55.040,0:11:57.856
もし私たちが グラフの右端にある

0:11:57.880,0:12:00.896
何か ものすごいことを[br]成し遂げたいなら

0:12:00.920,0:12:02.856
今でも自分自身の決断が重要です

0:12:02.880,0:12:07.376
大量のデータを目の前にして[br]それでもなお 自分で決定すること

0:12:07.400,0:12:11.376
そして その道の専門家として[br]リスクを負うことが

0:12:11.400,0:12:15.496
成功につながるというのは

0:12:15.520,0:12:18.176
とても励みになる

0:12:18.200,0:12:20.296
教訓だと思います

0:12:20.320,0:12:23.096
結局 グラフの右端に[br]達するために必要なのは

0:12:23.120,0:12:27.080
データではなく リスクなのです

0:12:27.840,0:12:29.056
ありがとう

0:12:29.080,0:12:32.170
（拍手）