Kaip naudojantis duomenimis sukurti kultinę TV laidą

Ar duomenų rinkimas padeda priimti geresnius sprendimus? Konkurencingoms, duomenų rinkimą ir naudojimą išmanančioms kompanijoms „Amazon“, „Google“ ir „Netflix“ teko patirti, kad norint geriausių rezultatų ne visuomet galima pasikliauti vien duomenų analize. Statistikas Sebastian Wernicke savo kalboje atskleidžia, kas nutinka, kai mūsų sprendimai būna paremti vien duomenimis, ir nurodo, kaip duomenis būtų galima panaudoti „išmaniau“.

Turbūt nedaugelis iš jūsų
esate girdėję apie Roy Price’ą,

nors galimai per jį nuobodžiavote
22 savo gyvenimo minutes

2013 m. balandžio 19 dieną.

Galimai tos 22 minutės Roy dėka
praėjo labai linksmai,

bet tik nedaugeliui iš jūsų.

Prieš maždaug trejus metus
Roy priėmė sprendimą.

Matote, Roy Price’as –
„Amazon Studios“ vyr. vadovas.

„Amazon Studios“ – „Amazon“ TV kompanija.

Roy – 47-eri metai,
jis lieknas, pašiauštais plaukais.

„Twitter“ tinkle apibūdina save taip:
„Kinas, TV, technologijos, taco“.

Roy Price’o darbas labai atsakingas.

Jam tenka išrinkti,
kokias laidas kurs „Amazon“ kompanija.

Šioms laidoms tenka
labai didelė konkurencija.

TV laidų yra be galo daug,
tad Roy negali rinktis bet ko.

Jis turi surasti
pačias geriausias TV laidas.

Laidas, kurios būtų
pačiame dešiniajame šios kreivės gale.

Ši kreivė rodo, kaip yra reitinguotos
maždaug 2 500 TV laidų „IMDb“ tinklapyje.

Reitinguojama nuo vieno iki dešimt,

o kreivės aukštis rodo,
kiek laidų gauna tokį reitingą.

Jei tavo laida gauna
9 punktus ar daugiau,

reiškia, ji puiki, geresnė nei 98% laidų.

Lygi „Bręstančiam blogiui“,
„Sostų karams“, „Blakei“.

Tokios laidos užkabina,

peržiūrėjus vieną sezoną,
smegenys nerimsta:

„Kur gauti daugiau serijų?“

(Juokas.).

Kalbu apie tokią laidą.

O kairiajame kreivės gale, įdomumo dėlei,
yra tokios laidos kaip...

„Vaikai ir tiaros“.

(Juokas.).

Dabar jums turėtų būti aišku,
kas dedasi tame kreivės gale.

Roy Price’o nedomina
kairysis kreivės galas,

o be to, reikėtų nemažai pasukti smegenis,
kad nurungtum „Vaikus ir tiaras“.

Jį domina šis viduriukas –
įprastinės laidos.

Nei geros, nei blogos.

Jos pernelyg nejaudina.

Roy privalo užtikrinti,

kad jo laida atsidurs
dešiniajame kreivės gale.

Jis jautė šiokį tokį spaudimą,

„Amazon“ dar nebuvo kūrusi laidų,

todėl Roy Price'as nenorėjo rizikuoti.

Jis norėjo nuvesti prie sėkmės.

Jam reikėjo garantuotos sėkmės.

Taigi, jis surengė konkursą.

Prigalvojo idėjų TV laidoms,

iš jų, po ilgų svarstymų,

buvo išrinktos aštuonios galimos laidos,

o tada visoms šioms laidoms
jis sukurė pirmąsias serijas

ir sudėjo jas į internetą,
kad žiūrėtum nemokamai.

O kai „Amazon“ duoda kažką už dyką,
negi neimsi?

Milijonai žiūrovų
žiūrėjo šias serijas.

Tik jiems neatėjo į galvą,
kad kol žiūrėjo laidas...

kažkas žiūrėjo į juos.

Roy Price'as ir jo komanda žiūrėjo
ir viską įrašinėjo.

Kada paspaudžiama „groti“,
kada paspaudžiama „pauzė“,

kas prasukama,
o kas – žiūrima antrąsyk.

Taip buvo surinkti
milijonai duomenų taškų,

o jų reikia, kad nuspręstum,
kokį serialą sukurti.

Galiausiai, surinkus visus šiuos duomenis,
juos išnagrinėjus, buvo gautas atsakymas:

„„Amazon“ turėtų sukurti serialą
apie 4 JAV senatorius respublikonus.“

(Juokas.).

Ką „Amazon“ ir padarė.

Ar kas žinot serialo pavadinimą?

(Publika: „Alfa namelis“.).

Taip, „Alfa namelis“.

Tik atrodo, kad nedaugelis iš jūsų
atsimenat šią laidą.

Ji neišėjo tokia jau gera.

Greičiau vidutiniška.

Vidutiniška tiesiogine prasme,
nes šios kreivės vidurkis – 7,4 punktai,

o „Alfa namelis“ surinko 7,5 punktus.

Ji kiek geresnė už vidutinę laidą,

tačiau tikrai ne tokios
siekė Roy Price'as ir jo komanda.

Maždaug tuo pačiu metu

kitos kompanijos vadovui
pavyko sukurti puikią laidą,

naudojant duomenų analizę.

Kalbame apie Tedą,

Tedą Sarandos – „Netflix“ direktorių,
atsakingą už turinį.

Kaip Roy, Tedo nuolatinė užduotis –
sukurti tą puikiąją TV laidą.

Jis irgi naudojasi duomenimis,
tik naudojasi jais kiek kitaip.

Jis nerengė konkurso,
bet kartu su savo komanda

peržvelgė visą jau turimą informaciją
apie „Netflix“ žiūrovus.

Kaip žiūrovai reitingavo laidas,
ką žiūrėjo, ką mėgsta ir panašiai.

Šie duomenys jiems padėjo sužinoti
visokiausių detalių apie savo žiūrovus.

Kokias laidas jie mėgsta,
kokius prodiuserius, kokius aktorius.

Kai pagaliau sudėjo
visas šias detales į vieną,

jie šoko į nežinią

ir nusprendė sukurti
ne serialą apie keturis senatorius,

o dramą-serialą apie vieną senatorių.

Kokia tai laida?

(Juokas.).

Taip, tai – „Kortų namelis“.

„Netflix“ pataikė kaip pirštu į akį...

Bent jau pirmuosius du sezonus.

(Juokas ir plojimai.).

„Kortų namelis“ šioje kreivėje įvertintas
9,1 punktais – ko „Netflix“ ir siekė.

Klausimas, aišku, kas nutiko?

Turim dvi labai konkurencingas kompanijas.

Abi supranta duomenis,
abi sujungė milijonus duomenų taškų.

Vienai puikiai pavyko, o kitai ne.

Kodėl?

Logika sako, kad turėjo pavykti abiem.

Jei renki kalnus informacijos,
kad priimtum sprendimą,

tavo sprendimas
turėtų būti gana neblogas.

Statistikos mokslas vystėsi 200 metų,

turim galingus kompiuterius
rezultatui pagerinti.

Laida turėtų išeiti bent jau gera...

(Juokas.).

O jei duomenų analizė veikia kitaip,
darosi kiek baisoka.

Juk su kiekviena diena
mes vis dažniau griebiamės duomenų,

kad primtume daug svarbesnius sprendimus,
nei to reikalauja televizija.

Ar kas žinot kompaniją
„Multi-Health Systems“?

Niekas. Puiku.

„Multi-Health Systems“
gamina kompiuterinę įrangą.

Viliuosi, niekam iš jūsų
neteks susidurti su šia programa.

Susidursit – jūs kalėjime.

(Juokas.).

Jei kalinys JAV kalėjime
paprašo jį lygtinai paleisti,

daug šansų, kad sprendimas bus priimtas,
naudojant būtent šios kompanijos programą.

Ji veikia kaip „Amazon“ ir „Netflix“.

Tik su ja nesprendžiama,
ar TV laida bus gera, ar bloga.

Sprendžiama,
ar žmogus bus geras, ar blogas.

22 minutės nuobodžios televizijos
gali būti gana skausmingos,

bet nemanau, kad prilygsta
ilgesniam laikui kalėjime.

Deja, yra įrodymų, kad duomenų analizė,
kiek bebūtų joje duomenų,

ne visada duoda geriausius rezultatus.

Nereiškia, kad tokios kompanijos
kaip „Multi-Health Systems“

nemoka elgtis su duomenimis:
čia suklumpa net išmaniausios kompanijos.

Taip, kartais suklumpa net „Google“.

2009 m. „Google“ pranešė, kad gali,
naudodami duomenų analizę,

numatyti gripo protrūkius.

Tereikia išanalizuoti informaciją
„Google“ paieškos sistemoje.

Jų metodas veikė puikiai, tapo sensacija,

pasiekė net šiokią tokią mokslo viršūnę –
užsitarnavo straipsnį žurnale „Nature“.

Metodas veikė puikiai metai iš metų,

tačiau vienąsyk ėmė ir nesuveikė.

Niekas net negalėjo pasakyti,
kodėl tais metais jis nesuveikė.

Žinoma, laikraščiai vėl rašė, o be to,

„Google“ straipsnis iš žurnalo „Nature“
buvo išimtas.

Tad suklumpa net duomenų
ekspertės „Amazon“ ir „Google“.

Visgi duomenys vis dažniau naudojami
sprendimams realiame gyvenime:

darbe,

teisėsaugoje,

medicinoje...

Todėl privalome būti tikri,
kad duomenys mums padeda.

Aš dažnai susiduriu
su duomenų keliamomis problemomis,

nes dirbu statistinės genetikos srityje.

Čia daugybė labai protingų žmonių
naudoja neįsivaizduojamą kiekį duomenų,

kad priimtų gana rimtus sprendimus,
pvz., kaip gydyti vėžį ar sukurti vaistą.

Bėgant metams pradėjau įžvelgti
tam tikrą dėsnį ar taisyklę tarp

sėkmingo duomenų panaudojimo
sprendimams priimti ir nesėkmingo.

Manau, šiuo pastebėjimu verta pasidalinti.

Klausykite.

Spręsdami sudėtingą problemą,
iš esmės atliekame du veiksmus.

Pirma, suskaidome problemą
į daugybę detalių,

kad galėtume jas nuodugniai ištirti.

O tada ateina antroji dalis.

Vėl sudedame visas detales į vieną,
kad priimtume sprendimą.

Kartais tenka pakartoti viską iš naujo,
bet du dalykai išlieka:

skaidome, o paskui dedame į vieną.

Svarbiausia tai,

kad duomenys ir duomenų analizė

veikia tik pirmajame etape.

Net labai išsamūs duomenys
tepadeda išskaidyti problemą

ir suprasti jos pavienes dalis.

Negalime sudėti dalių atgal į vieną
ir šitaip daryti sprendimo.

Šiam tikslui turime kitą įrankį.

Smegenis.

Smegenys puikiausiai žino,
kaip sudėti detales atgal į vieną.

Žino, kaip priimti gerą sprendimą,
net kai informacija nepilna.

Ypač jei šios smegenys – eksperto.

Matyt, todėl „Netflix“ puikiai pavyko.

Jie duomenis ir smegenis
panaudojo ten, kur reikia.

Iš pradžių per duomenis
susipažino su savo žiūrovais.

Be duomenų ši pažintis
būtų buvusi paviršutiniška.

Tačiau ne duomenys sudėjo viską į vieną
ir sukurė laidą „Kortų namelis“.

Tedas Sarandos ir jo komanda
priėmė sprendimą ją sukurti.

Beje, šiuo sprendimu jie labai rizikavo.

O „Amazon“ darė viską neteisingai,
nes naudojo duomenis visiems sprendimams.

Iš pradžių surengė tą TV laidų konkursą,

o paskui būsimąja laida
išrinko „Alfa namelį“.

Aišku, jų sprendimas
buvo labai saugus.

Nori, gali durti pirštu į duomenis
ir sakyti: „Taip sako duomenys.“

Tačiau duomenys iki rezultatų,
kurių jie norėjo, taip ir nenuvedė.

Tad duomenys yra nepaprastai svarbūs,
kad būtų priimtas geresnis sprendimas.

Tik tikiu, kad reikalai
pakrypsta ne į tą pusę,

kai duomenys veda prie sprendimų.

Duomenys gali būti labai išsamūs,
bet jie tėra įrankis.

Kad to nepamirščiau,
man padeda šis daikčiukas.

Daugelis iš jūsų...

(Juokas.).

Kol nerinkome duomenų,

priimdavome sprendimus,
naudodamiesi šiuo daikčiuku.

(Juokas.).

Daugeliui jis pažįstamas.

Šis žaisliukas,„Magic 8 Ball“,
yra tikrai nuostabus.

Jei jums reikia priimti sprendimą
„taip“ ar „ne“,

pakratę šį rutulį, gausite atsakymą:

„Tikriausiai“.

Nereikia net laukti.

Už užkulisių parodysiu, kaip jis veikia.

(Juokas.).

Žinoma, savo gyvenime
esu priėmęs sprendimų,

o po kiek laiko supratęs,
kad vertėjo paklausyti rutulio.

Aišku, turint duomenų,

norisi pakeisti šį rutulį
kažkuo daug įmantresniu,

pavyzdžiui, duomenų analize,
kad priimtum geresnį sprendimą.

Tačiau tai nekeičia esminio dalyko.

Rutulys gali įgauti vis daugiau proto,

bet turėtume sprendimus priiminėti patys,

kad pasiektume kažką tikrai nepaprasto
dešiniajame kreivės gale.

Mane labai nuramina mintis, tiesą sakant,

kad net turint nepaprastą galybę duomenų,

apsimoka priimti sprendimus,

būti ekspertu savo srityje ir...

rizikuoti.

Juk galų gale...

Ne duomenys, o rizikingi sprendimai
leis atsidurti dešiniajame kreivės gale.

Ačiū.

(Plojimai.).