データから人気テレビ番組を作るには | セバスチャン・ワーニック | TEDxCambridge
-
0:21 - 0:25ロイ・プライスを知っている人は
ほとんどいないでしょう -
0:25 - 0:28でも彼こそ 2013年4月19日に
-
0:28 - 0:3422分間 みなさんを
退屈させたであろう張本人です -
0:35 - 0:38その時間が「楽しかった」と言う人も
いるかもしれませんが -
0:38 - 0:40それほど多くはないでしょう
-
0:40 - 0:42すべては その３年前に
-
0:42 - 0:44ロイが下した
ある決定にさかのぼります -
0:44 - 0:49ロイ・プライスが役員を務めるのは
アマゾン・スタジオ すなわち -
0:49 - 0:52Amazonのテレビ制作会社です
-
0:52 - 0:55彼は すらっとして
髪を逆立てた 47歳 -
0:55 - 1:00Twitterの自己紹介は「映画 テレビ
テクノロジーとタコス 好き」です -
1:00 - 1:05Amazonが制作するオリジナル番組を
選ぶのが彼の仕事ですから -
1:05 - 1:09責任は重大です
-
1:09 - 1:12競争も激しい業界です
-
1:12 - 1:14すでに大量のテレビ番組があって
-
1:14 - 1:17何を選んでもいいわけではありません
-
1:17 - 1:21本当にすごい番組を
見出さなければならないんです -
1:21 - 1:24つまり このグラフの右端に来るような
-
1:24 - 1:26番組を見つける必要があります
-
1:26 - 1:29このグラフは IMDbというサイトに
-
1:29 - 1:33掲載されている
約2,500番組の評価の分布です -
1:33 - 1:36評価は 1から10まで
-
1:36 - 1:39縦軸は その評価を得た番組の数です
-
1:39 - 1:44もし 選んだ番組が９点以上の
評価を得れば 成功と言えます -
1:44 - 1:45上位2%に入りますから
-
1:46 - 1:49『ブレイキング・バッド』や
『ゲーム・オブ・スローンズ』『ザ・ワイヤー』が -
1:49 - 1:52それに当たる番組で どれもハマりやすく
-
1:52 - 1:55１シーズン見たら
「どこで もっと見られる？」と -
1:55 - 1:57脳が欲してしまうような
-
1:57 - 1:58番組です
-
1:59 - 2:01一応 説明すると 左端には
-
2:01 - 2:05美少女コンテスト・リアリティー番組
『Toddlers & Tiaras』が来ます -
2:05 - 2:07（笑）
-
2:07 - 2:09これで グラフの左端が
-
2:09 - 2:11何を表しているか よくわかるはずです
-
2:11 - 2:15ただロイ・プライスは
左端のことは 心配していません -
2:15 - 2:18『Toddlers & Tiaras』を下回るには
-
2:18 - 2:20かなりの知恵が必要ですから
-
2:20 - 2:24だから 彼が心配するのは
グラフのピーク付近です -
2:24 - 2:26これは平均的な番組の数で
-
2:26 - 2:29可もなく不可もなく
特に見たいとも思わない -
2:29 - 2:30番組なんです
-
2:30 - 2:35だから 何としてもグラフの右端に
行かなくてはなりません -
2:35 - 2:37プレッシャーは大きい上に
-
2:37 - 2:39Amazonが こういう事業を
-
2:39 - 2:41手がけるのは初めてですから
-
2:41 - 2:45ロイ・プライスは
賭けに出る気はありません -
2:45 - 2:47絶対 成功する方法を考えます
-
2:47 - 2:49確実に成功するために
-
2:49 - 2:51コンテストを開きます
-
2:51 - 2:55番組の企画をたくさん集めて
-
2:55 - 2:57それぞれ評価し その中から
-
2:57 - 3:01８つの番組を候補として選びます
-
3:01 - 3:04それから それぞれ１話を
オンラインで公開し -
3:04 - 3:07誰でも見られるようにします
-
3:07 - 3:10Amazonが無料で配信すれば
-
3:10 - 3:11誰だって見ますよね
-
3:11 - 3:16その結果 数百万人が
番組を見ることになります -
3:16 - 3:20ただ視聴者が気付いていないのは
番組を見ている間 -
3:20 - 3:22実は自分が見られていることです
-
3:22 - 3:24ロイのチームは すべてを記録して
-
3:24 - 3:26視聴者を観察します
-
3:26 - 3:29いつ再生し いつ一時停止したか
どこを飛ばし -
3:29 - 3:32どこをもう一度見たか
記録するんです -
3:32 - 3:34こうして数百万の
データポイントを集めます -
3:34 - 3:36このデータポイントを使って
-
3:36 - 3:39どの番組を制作するか 決定します
-
3:39 - 3:41すべてのデータを集めて
-
3:41 - 3:44データを分析すると
答えが見えてきました -
3:44 - 3:45その答えとは
-
3:45 - 3:50「制作すべき番組は４人の共和党
上院議員が主役のホームコメディである」 -
3:50 - 3:52そして制作しました
-
3:52 - 3:54どの番組かわかりますか？
-
3:55 - 3:56（観客）『アルファ・ハウス』
-
3:56 - 3:57そう 『アルファ・ハウス』です
-
3:58 - 4:02でも思い出せない方が多かったのは
-
4:02 - 4:03大した番組ではなかったからです
-
4:04 - 4:05文字通り平均点の番組です
-
4:05 - 4:10このグラフの平均は7.4ですが
『アルファ・ハウス』は7.5でしたから -
4:10 - 4:12まさに普通というか
-
4:12 - 4:14少しマシな程度の番組です
-
4:14 - 4:17当然 ロイ・プライスたちの
狙いとはかけ離れています -
4:18 - 4:21話かわって 同じ頃
-
4:21 - 4:23別の会社で
-
4:23 - 4:27もう一人の重役がデータ分析で
ヒット番組を作ろうとしていました -
4:27 - 4:29彼の名前は
-
4:29 - 4:32テッド・サランドス
Netflix社のコンテンツ部門代表です -
4:32 - 4:34ロイと同じように 最高の番組を
-
4:34 - 4:36見つけるのが仕事です
-
4:36 - 4:38彼もデータを活用しますが
-
4:38 - 4:40方法は少し違います
-
4:40 - 4:44彼のチームは
コンテストを開くのではなく -
4:44 - 4:47Netflixの視聴者に関する
全データを分析しました -
4:47 - 4:49番組の評価や視聴履歴
-
4:49 - 4:52どんな番組が好まれるか
といったデータです -
4:52 - 4:54そして ここから視聴者に関する
-
4:54 - 4:57こまごまとした情報を
探っていくのです -
4:57 - 4:58視聴者が好む番組や
-
4:58 - 5:00プロデューサー
俳優についてです -
5:00 - 5:03そして情報をすべて組み合わせ
-
5:03 - 5:04腹をくくって
-
5:04 - 5:07ライセンス契約を決めたのは
-
5:07 - 5:09４人の上院議員のコメディではなく
-
5:09 - 5:12１人の上院議員が登場する
ドラマシリーズでした -
5:13 - 5:14わかりますよね
-
5:14 - 5:16（笑）
-
5:16 - 5:19そう『ハウス・オブ・カード
野望の階段』で Netflixは -
5:20 - 5:22少なくとも２シーズンは成功しました
-
5:22 - 5:26（笑）（拍手）
-
5:26 - 5:29『ハウス・オブ・カード』は
9.1の評価を得ていて -
5:29 - 5:32まさに思惑通りです
-
5:32 - 5:34ここで当然 疑問が湧いてきます
-
5:35 - 5:37競争力が高くデータに強い
２つの会社があり -
5:37 - 5:40どちらも数百万のデータポイントを
組み合わせていますが -
5:40 - 5:42片方は とてもうまくいき
-
5:42 - 5:44もう片方は うまくいかない
-
5:44 - 5:46なぜでしょう？
-
5:46 - 5:49論理的には常にうまくいくはずです
-
5:49 - 5:52つまり ある決定を下そうとする時に
-
5:52 - 5:53データポイントが数百万あれば
-
5:53 - 5:56かなりうまくいくはずなんです
-
5:56 - 5:58200年の歴史を持つ統計学と
-
5:58 - 6:01高性能のコンピュータが
力を貸してくれます -
6:01 - 6:05平凡な番組に終わるはずなど
ないでしょう -
6:06 - 6:09ただ もしデータ分析が
思い通りにならなかったら -
6:10 - 6:12恐ろしいことです
-
6:12 - 6:15というのも テレビ以外の
様々な重要な決断を下す時 -
6:15 - 6:20ますますデータに頼る時代に
私たちは生きているんですから -
6:21 - 6:24Multi-Health Systems という会社を
知っている方はいますか？ -
6:25 - 6:27いませんね よかった
-
6:27 - 6:30Multi-Health Systems は
ソフトウェア会社ですが -
6:30 - 6:33ここに お世話になる人が
いないといいですね -
6:33 - 6:36もし お世話になるとすれば
その人は -
6:36 - 6:38受刑者だからです
-
6:38 - 6:39（笑）
-
6:39 - 6:43アメリカで刑務所に入っている人が
仮釈放を申請すると -
6:43 - 6:47許可するかどうかを決めるために
この会社のデータ分析ソフトが -
6:47 - 6:51使われる場合が多いんです
-
6:51 - 6:53AmazonやNetflixと同じ原理ですが
-
6:53 - 6:58テレビ番組の良し悪しを
決めるのではなく -
6:58 - 7:01１人の人間の善悪を決めるんです
-
7:01 - 7:0722分間 退屈な番組を見るのは
苦痛かもしれませんが -
7:07 - 7:09さらに数年 刑務所で過ごすのは
ずっときついでしょう -
7:10 - 7:14ただ残念なことに データ分析では
大量のデータがあったとしても -
7:15 - 7:19常に最適な結果を出せるとは
限らないという証拠があります -
7:19 - 7:21これはMulti-Health Systemsなどの企業が
-
7:22 - 7:23データの扱い方を知らないからではなく
-
7:23 - 7:25極めてデータに強い企業でも誤ります
-
7:25 - 7:28そう Googleさえ 時に間違うんです
-
7:29 - 7:332009年 Googleは ある発表をしました
-
7:33 - 7:37検索データを分析することで
感染力の強いインフルエンザの -
7:37 - 7:41流行を予測できたというのです
-
7:41 - 7:45予測は かなりうまくいき
大きなニュースになりました -
7:45 - 7:47科学界 最大の栄誉である
-
7:47 - 7:50ネイチャー誌への掲載も果たしました
-
7:50 - 7:53予測は翌年も次の年も
うまくいっていましたが -
7:53 - 7:55ある年 失敗しました
-
7:55 - 7:57確かな理由は誰にもわかりませんでした
-
7:57 - 7:59いきなり失敗したんです
-
7:59 - 8:01もちろん これも大きなニュースになり
-
8:01 - 8:03ネイチャー誌の論文も
-
8:03 - 8:05撤回されました
-
8:06 - 8:10AmazonやGoogleといった
極めてデータに強い企業でさえ -
8:10 - 8:12時に誤るんです
-
8:12 - 8:15一方 このような失敗にも関わらず
-
8:15 - 8:19データは すごいスピードで
日常の意思決定にも -
8:19 - 8:21仕事の場にも 法執行機関にも
-
8:21 - 8:22医療の現場にも
-
8:23 - 8:24入り込んでいます
-
8:24 - 8:28だからデータが本当に
役立っているか 確認すべきです -
8:28 - 8:31私自身もデータとの格闘を
目の当たりにしてきました -
8:31 - 8:33私は計算遺伝学を研究していますが
-
8:33 - 8:35この分野でも頭の切れる人たちが
-
8:35 - 8:39想像もつかない量のデータを使って
がんの治療や -
8:39 - 8:43新薬の開発といった
重大な決断を下しています -
8:44 - 8:46ここ数年 私は
データを使った意思決定が -
8:46 - 8:48成功する場合と失敗する場合の間に
-
8:48 - 8:51ある種のパターンというか
規則性のようなものが -
8:51 - 8:53あることに気づきました
-
8:53 - 8:57このパターンは
伝える価値があると思います -
8:59 - 9:01複雑な問題を解決する場合
-
9:01 - 9:02主に２つのことをします
-
9:02 - 9:06はじめに 要素を深く分析できるように
-
9:06 - 9:08問題を細かく分割し
-
9:08 - 9:10それから 次に進みます
-
9:10 - 9:13要素を全部 もう一度組み合わせ
-
9:13 - 9:14結論を引き出すんです
-
9:14 - 9:17同じことを
繰り返す場合もありますが -
9:17 - 9:18やることは常に この２つ
-
9:18 - 9:21分割し 組み立て直すんです
-
9:22 - 9:24ここで重要なのは
-
9:24 - 9:27データと その分析が有効なのは
-
9:27 - 9:29最初の部分だけだという点です
-
9:29 - 9:32データと分析が いかに強力だろうと
-
9:32 - 9:36役に立つのは 問題を分割して
要素を理解するところまでです -
9:36 - 9:40要素を組み立て直して
結論に至るには -
9:40 - 9:41適していないのです
-
9:42 - 9:44私たちには 結論を引き出す
別のツールがあります -
9:44 - 9:46それは 脳です
-
9:46 - 9:48脳には得意なことがあります
-
9:48 - 9:50不完全な情報しかない場合でも
-
9:50 - 9:52要素を組み立てて
-
9:52 - 9:53適切な結論を出すことです
-
9:53 - 9:56特に専門家の脳は そうです
-
9:56 - 9:59Netflixが成功した理由は
-
9:59 - 10:03データと脳を それぞれ適した場面で
利用したからでしょう -
10:03 - 10:06まずデータを使って
視聴者に関する情報を理解しました -
10:06 - 10:10そうしなければ そこまで
深く理解できなかったでしょう -
10:10 - 10:12一方で 要素を全部集めて組み立て直し
-
10:12 - 10:16『ハウス・オブ・カード』のような
データからは出てこない -
10:16 - 10:17番組を制作しました
-
10:17 - 10:21ゴーサインを出すと決断したのは
テッド・サランドスのチームです -
10:21 - 10:24つまり彼らは この決断によって
-
10:24 - 10:26個人的に大きなリスクを負ったのです
-
10:26 - 10:29それに対して
Amazonは方法を誤りました -
10:29 - 10:32意思決定の全過程でデータを使ったのです
-
10:32 - 10:35最初に企画コンテストを開いた時も
-
10:35 - 10:38『アルファ・ハウス』を選んで
制作した時もそうでした -
10:38 - 10:41もちろん これは安全な決断でした
-
10:41 - 10:43だって「データから明らかだ」と
-
10:43 - 10:45言えば済むんですから
-
10:45 - 10:49でも それでは彼らが望む
並外れた成果は上げられませんでした -
10:50 - 10:55確かに よりよい意思決定には
データはとても役立つツールです -
10:55 - 10:57ただ データが意思決定を
-
10:58 - 11:00強いるようになると
問題が起きてくると思います -
11:00 - 11:04どれほどパワフルだろうと
データは単なる道具です -
11:04 - 11:07それを意識するには
この装置が役立つことに気づきました -
11:07 - 11:08納得する人も多いでしょう
-
11:09 - 11:10（笑）
-
11:10 - 11:11データが出現する前は
-
11:11 - 11:14意思決定の手段といえば
これのことでした -
11:14 - 11:15（笑）
-
11:15 - 11:16知っている方も多いでしょう
-
11:17 - 11:18これは「マジック８ボール」
-
11:18 - 11:20本当にすごい装置です
-
11:20 - 11:23もしイエスかノーの形で
何か決定しなければならない時 -
11:23 - 11:26このボールを振るだけで
答えが出ます -
11:26 - 11:29「可能性は高い」
こんな風に リアルタイムで出ます -
11:29 - 11:31後でデモ会場に展示しましょう
-
11:31 - 11:33（笑）
-
11:33 - 11:36さて 肝心な点ですが
これまでの私の決断には -
11:36 - 11:39後で考えると ボールに尋ねた方が
よかったものもあります -
11:39 - 11:42でもデータが使えるなら
こんな おもちゃではなく -
11:42 - 11:46データ分析など
より洗練された手段を使って -
11:46 - 11:49よりよく意思決定したいと
思うはずです -
11:49 - 11:52ただ それでも
基本的な仕組みは変わりません -
11:52 - 11:55ボールは どんどん
賢くなっていくかもしれませんが -
11:55 - 11:58もし私たちが グラフの右端にある
-
11:58 - 12:01何か ものすごいことを
成し遂げたいなら -
12:01 - 12:03今でも自分自身の決断が重要です
-
12:03 - 12:07大量のデータを目の前にして
それでもなお 自分で決定すること -
12:07 - 12:11そして その道の専門家として
リスクを負うことが -
12:11 - 12:15成功につながるというのは
-
12:16 - 12:18とても励みになる
-
12:18 - 12:20教訓だと思います
-
12:20 - 12:23結局 グラフの右端に
達するために必要なのは -
12:23 - 12:27データではなく リスクなのです
-
12:28 - 12:29ありがとう
-
12:29 - 12:32（拍手）
- Title:
- データから人気テレビ番組を作るには | セバスチャン・ワーニック | TEDxCambridge
- Description:
-
more » « less
たくさんデータを集めると、よりよい意思決定ができるようになるでしょうか？AmazonやGoogle、Netflixといった競争力が高くデータに強い企業は、データ分析だけでは常に最適な結果は出せないことに気づいています。データサイエンティストのセバスチャン・ワーニックが純粋にデータだけに基づいて決断する場合、どこがうまくいかないのか分析し、賢いデータの使い方を提案します。
このビデオは、TEDカンファレンスの形式で地元コミュニティが独自に運営するTEDxイベントにおいて収録されたものです。詳しくは http://ted.com/tedx をご覧ください。
- Video Language:
- English
- Team:
closed TED
- Project:
- TEDxTalks
- Duration:
- 12:40
|
Retired user approved Japanese subtitles for How to use data to make a hit TV show | Sebastian Wernicke | TEDxCambridge | |
|
Misaki Sato accepted Japanese subtitles for How to use data to make a hit TV show | Sebastian Wernicke | TEDxCambridge | |
|
|
Retired user edited Japanese subtitles for How to use data to make a hit TV show | Sebastian Wernicke | TEDxCambridge | |
|
|
Retired user edited Japanese subtitles for How to use data to make a hit TV show | Sebastian Wernicke | TEDxCambridge | |
|
|
Retired user edited Japanese subtitles for How to use data to make a hit TV show | Sebastian Wernicke | TEDxCambridge |