Hogyan készítsünk sikersorozatot adathalmazok segítségével?

Több adat begyűjtése jobb döntéshozatalt eredményez? Kompetitív, adatközpontú cégek, mint az Amazon, a Google és a Netflix megtanulták, hogy az adatelemzés nem mindig jár optimális eredményekkel. Ebben a videóban Sebastian Wernicke, adattudós részletezi, hogy milyen hibákat véthetünk, ha kizárólag adathalmazok alapján hozunk döntéseket -- helyette pedig egy okosabb módszert javasol.

A legtöbben valószínűleg
még nem hallottatok Roy Price-ről,

pedig lehet, hogy neki köszönhettek

az életetekből kb. 22 középszerű percet
2013. április 19-én.

Szintén lehet, hogy ő volt a felelős
22 nagyon szórakoztató percért

de nem sok ember számára.

És mindez egy döntésből fakad,

amit Roy-nak kb. 3 éve
kellett meghoznia.

Roy Price felsővezető
az Amazon Studios-nál.

Ez az Amazon tv-s produkciós cége.

Roy 47 éves, vékony, tüskés hajú,

Twitteren így jellemzi magát:
"filmek, tv, technológia, taco."

Roy Price-nak nagyon felelősségteljes
munkája van, mert az ő felelőssége

kiválasztani a sorozatokat, az eredeti
tartalmat, amit az Amazon elkészít.

Ez természetesen nagyon kompetitív.

Hiszen már most
nagyon sok tv show létezik,

Roy pedig nem választhat bármit.

Meg kell találnia
a nagyon, nagyon jó show-kat.

Más szóval, meg kell találnia
azokat a show-kat,

amelyek ennek a görbének
a jó végén vannak.

Ez a görbe kb. 2500 tv show

értékelési statisztikáját mutatja
az IMDB weboldalán

1-10-es skálán.

Itt pedig azt látjuk, mennyi show
kapja az adott osztályzatot.

Ha a műsorod 9 pontot, vagy többet kap,
az nyerő.

Az egy top 2%-ba tartozó show.

Mint pl. a "Totál szívás",
a "Trónok harca", vagy a "A drót".

Olyan addiktív sorozatok,

amik egy évad megnézése után
felvetik a kérdést:

"Hol találom az újabb részeket?"

Ilyenek.

A skála bal szélén

van pl. az "Apró szépségek" --

(Nevetés)

-- ami sokat elmond arról,

hogy mi zajlik a görbe rosszabbik végén.

Roy Price nem amiatt aggódik,
hogy a görbe bal felére kerül,

mert komoly agymunka kellene hozzá,
hogy rosszabbat csináljon

mint az "Apró szépségek".

Ami miatt aggódhat, az a középső rész,

az átlagos sorozatok része.

Azok a sorozatok, amik nem igazán
jók vagy rosszak,

nem hoznak izgalomba.

Biztosra kell mennie,
hogy ennek a jó oldalán legyen.

Tehát nagy a nyomás,

és ez az első alkalom,

hogy az Amazon ilyesmit csinál,

tehát Roy Price
semmit sem akar kockáztatni.

Sikert akar építeni.

Garantált sikerre van szüksége.

Ennek érdekében versenyhelyzetet teremt.

Fog egy csomó sorozatötletet,

az ötleteket értékelik,

és kiválasztanak 8 sorozatjelölt show-t.

Aztán csak a sorozatok első részeit
készíti el,

online elérhetővé teszik,
ahol mindenki megnézheti.

Amikor pedig az Amazon ingyen ad valamit,

lecsapunk rá, igaz?

Milliónyi néző tekinti meg
ezeket az epizódokat.

Amit nem realizálnak,
hogy a show nézése közben

igazából őket figyelik.

Őket figyeli Roy Price és csapata,

akik mindent rögzítenek.

Rögzítik, ha valaki elindít,
szünetel egy videót,

melyik részeket ugorja át,
mely részeket néznek újra.

És így milliónyi adatpontokat gyűjtenek,

mert szükségük van az adatpontokra,

hogy eldönthessék,
melyik show-t rendeljék be.

És be is gyűjtik az adatokat,

kielemzik őket, és előáll egy válasz.

A válasz pedig:

"Az Amazonnak csinálnia kell egy szitkomot
4 republikánus amerikai szenátorról."

Meg is csinálták.

Ismeri valaki a sorozatot?

(Közönség: "Alpha House")

Igen, "Alpha House,"

de úgy tűnik,
igazából nem sokan emlékeztek rá,

mert nem volt jó.

Csak egy átlagos sorozat volt.

Tényleg átlagos, mert a görbe átlaga
7,4 körül van,

Az "Alpha House"-t pedig 7,5-re
értékelték,

picit jobbra, mint egy átlagos show-t.

De Roy Price és csapata célja
egyáltalán nem ez volt.

Eközben nagyjából ugyanekkor,

egy másik cégnél

egy másik vezető top sorozatot
gyártott adatelemzés segítségével,

az ő neve Ted,

Ted Sarandos,
a Netflix tartalmakért felelős nagyfőnöke.

Akinek állandó feladata Roy-hoz hasonlóan

rátalálni a sikersorozatokra.

Ő is adatokat elemez ennek érdekében,

viszont egy kicsit másképp csinálja.

Ahelyett, hogy versenyeztetné a
sorozatokat,

csapatával megvizsgálta
a Netflix már létező adatait a nézőkről.

Olyanokat, mint az értékelések,

a korábban nézett sorozatok,
mely show-kat kedvelik stb.

És ezeket az adatokat arra használják,

hogy minden apró részletet
megtudjanak a közönségről:

milyen sorozatokat kedvelnek,

milyen producereket,
milyen színészeket.

És amikor összerakták a kirakót,

hittek benne, és úgy döntöttek,

hogy nem egy 4 szenátorról

szóló szitkomot készítenek,

hanem egy drámasorozatot egy szenátorról.

Ismeritek a sorozatot?

(Nevetés)

Igen, a "Kártyavár", ami nagyon
bejött a Netflixnek,

legalábbis az első két évadban.

(Nevetés) (Taps)

A "Kártyavár" 9,1-es értékelést
kapott ezen a görbén,

ezzel pontosan ott van, ahova tervezték.

A kérdés a következő: mi történt?

Adott két nagyon kompetitív,
adatmániás cég.

Milliónyi adatpontokat gyűjtenek,

aztán az egyiküknek összejön,

míg a másiknak nem.

Miért?

A logika szerint mindig működnie kellene.

Úgy értem, ha egy meghozandó döntésről

milliónyi adatpontot összegyűjtesz,

abból elég jó döntésre
lehetne következtetni.

200 évnyi statisztikára alapozhatod,

nagyon erős számítógépek segítségével.

A minimum, amit elvársz,
az a jó tv, nem igaz?

Amikor pedig az adatelemzés
nem így működik,

egy kissé ijesztővé válik a helyzet,

mert olyan korban élünk, amikor
egyre többször fordulunk az adatokhoz,

hogy a tv-nél sokkal komolyabb
döntéseket hozzunk.

Ismeri valaki
a Multi-Health Systems céget?

Senki. Oké, az a jó.

A Multi-Health Systems egy szoftvercég,

és remélem, a jelenlévők közül

soha, senkinek
nem kell használnia a szoftverüket.

Mert aki használja, börtönben van.

(Nevetés)

Ha valaki az USA-ban börtönben van,
és feltételest kérvényez,

nagy eséllyel a cég adatelemző szoftverét

fogják használni a döntésnél.

Az elv ugyanaz,
mint az Amazonnál és a Netflixnél,

de nem egy tv show-ról döntik el,
hogy jó, vagy rossz-e,

hanem arról,
hogy egy ember jó, vagy rossz-e.

Egy középszerű, 22 perces sorozat
is elég rossz lehet,

de több év börtönben
szerintem még rosszabb.

Sajnos van rá bizonyíték,
hogy ez az adatelemzés

a sok adat ellenére, nem mindig
zárul optimális eredményekkel.

De nem azért, mert a Multi-Health Systems
és hasonló cégek

nem tudják az adatokat kezelni.

Még a legprofibb adatelemző cégek
is elrontják.

Igen, néha még a Google is.

2009-ben a Google bejelentette,
hogy adatelemzéssel

előre tudják jelezni
az influenzajárvány kitöréseit,

a Google keresések adatelemzésével.

Nagyszerűen működött,
nagy visszhangja volt a hírekben,

többek között
a tudományos siker tetőpontján,

a "Nature" folyóiratban is publikálták.

Gyönyörűen működött évről évre,

amíg egyszer csak mégsem.

Senki sem tudta, hogy pontosan miért.

Egyszerűen nem működött akkor,

persze megint nagy visszhangot keltett,

visszavonták a "Nature"-ben

megjelent publikációt is.

Tehát még a legjobb adatelemző cégek,
az Amazon és a Google is

elrontja néha.

Mindezen kudarcok ellenére

az adatok villámgyorsan épülnek
be az igazi döntéshozatalba

a munkahelyen,

a jogalkalmazásban,

a gyógyászatban.

Ezért biztosra kell mennünk,
hogy az adatok segítenek.

Személy szerint sok küzdelmet
megéltem adatokkal,

mert számítógépes genomikával foglalkozom

és ezen a területen sok nagyon okos ember

használ elképzelhetetlen mennyiségű adatot
fontos döntések meghozatalára,

pl. rákterápiát és
új gyógyszereket érintő kérdésekben.

Az évek során észrevettem egy mintát

vagy egy szabályt

az adatok segítségével
történő sikeres és sikertelen

döntéshozatal között.

Úgy gondolom,
érdemes megosztanom ezt a mintát.

Amikor egy komplex problémával
nézünk szembe,

lényegében két dolgot csinálunk.

Az első: darabokra szedjük a problémát,

hogy azokat a darabokat
behatóan elemezzük.

Aztán jön a második rész,

amikor újra összerakjuk a darabkákat,

hogy konklúzióra jussunk.

Néha újra és újra meg kell csinálnunk,

de mindig ez a két rész a fontos:

szétszedni és újra összerakni.

A kritikus rész az,

hogy az adatok és az adatelemzés

csak az első részre jók.

Az adatok és az adatelemzés,
mindegy, milyen jó,

csak a probléma szétszedésében
és a darabok megértésében segíthet.

Nem alkalmas
a darabok újbóli összerakására,

majd a konklúzió meghozatalára.

Van erre egy másik eszközünk,
amivel mindenki rendelkezik.

Ez az eszköz az agyunk.

Ha valamire jó az agyunk,

az a darabkák újra összerakása,

akkor is, ha az információ nem teljes,

és a jó következtetés,

különösképp, ha az agy egy szakértőé.

Szerintem a Netflix azért olyan sikeres,

mert ott használják az adatokat
és az agyat, ahol szükséges.

Először az adatokat használják, hogy
megtudjanak sok mindent a közönségről,

amit másképp nem tudnának
olyan mélyen megérteni,

de a döntés a darabkák összerakásáról

egy olyan sorozat létrehozásánál,
mint a "Kártyavár",

az nem az adatoknak köszönhető.

Ted Sarandos és csapata hozta a döntést
a sorozat berendeléséről,

ami azt is jelentette, hogy elég nagy

személyes kockázatot vállaltak vele.

Az Amazonnál pedig rosszul csinálták.

Végig adatokat használtak
a döntéshozatalban.

Először amikor versenyeztették
az ötleteket,

majd amikor kiválasztották
az "Alpha House"-t.

Ami persze nagyon biztonságos döntés
volt számukra,

mert mindig mutogathattak az adatokra,
mondván, hogy

"Az adatokból ez következik."

De mégsem hozta az elvárt
kiugró eredményeket.

Az adatelemzés persze nagyon hasznos
eszköz a jobb döntéshozatalban,

de szerintem az már rossz,

ha adatok kezdik
meghatározni a döntéseket.

Mindegy, milyen erőteljes,
az adat csak eszköz.

Van egy nagyon hasznos eszköz arra,
hogy ezt ne felejtsük el.

Ez ismerős lesz...

(Nevetés)

Az adatelemzés előtt

ezt az eszközt használták
döntéshozatalra.

(Nevetés)

Sokan ismeritek.

Ez a játék a Varázslatos 8-as golyó,

és valóban lenyűgöző.

Ha van egy eldöntendő kérdésed,

csak megrázod a labdát,
és választ kapsz rá:

"Nagyon valószínű"
olvasható rajta máris.

Később kipróbálhatjátok.

(Nevetés)

Hoztam pár olyan döntést az életben,

amikor csak a golyóra kellett volna
hallgatnom.

De persze, ha van
elérhető háttérinformáció,

valami ennél kifinomultabbat
is használnánk,

mint például az adatelemzést,
hogy jobb döntést hozzunk.

De ez nem változtat az alapfelálláson.

lehet, hogy a golyó egyre okosabb lesz,

de még mindig nekünk kell döntenünk,

ha valami rendkívülit akarunk elérni

a görbe jó végén.

Nagyon ösztönzőnek tartom,

hogy még hatalmas adathalmazok

mellett is kifizetődik a döntéshozatal,

hogy szakértője legyél a témának,

és hogy kockáztass.

Mert végül is nem az adatok,

hanem a kockázat segít át
a görbe jó oldalára.

Köszönöm.

(Taps)