12:26
TEDxCambridge

Sebastian Wernicke: How to use data to make a hit TV show

セバスチャン・ワーニック: データから人気テレビ番組を作るには

Filmed:

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。

- Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects. Full bio

Roy Price is a man that most of you
have probably never heard about,
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
00:12
even though he may have been responsible
でも彼こそ 2013年4月19日に
00:17
for 22 somewhat mediocre
minutes of your life on April 19, 2013.
22分間 みなさんを
退屈させたであろう張本人です
00:19
He may have also been responsible
for 22 very entertaining minutes,
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
00:26
but not very many of you.
それほど多くはないでしょう
00:29
And all of that goes back to a decision
すべては その3年前に
00:32
that Roy had to make
about three years ago.
ロイが下した
ある決定にさかのぼります
00:33
So you see, Roy Price
is a senior executive with Amazon Studios.
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
00:35
That's the TV production
company of Amazon.
Amazonのテレビ制作会社です
00:40
He's 47 years old, slim, spiky hair,
彼は すらっとして
髪を逆立てた 47歳
00:43
describes himself on Twitter
as "movies, TV, technology, tacos."
Twitter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
00:47
And Roy Price has a very responsible job,
because it's his responsibility
Amazon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
00:52
to pick the shows, the original content
that Amazon is going to make.
責任は重大です
00:57
And of course that's
a highly competitive space.
競争も激しい業界です
01:01
I mean, there are so many
TV shows already out there,
すでに大量のテレビ番組があって
01:03
that Roy can't just choose any show.
何を選んでもいいわけではありません
01:06
He has to find shows
that are really, really great.
本当にすごい番組を
見出さなければならないんです
01:08
So in other words, he has to find shows
つまり このグラフの右端に来るような
01:12
that are on the very right end
of this curve here.
番組を見つける必要があります
01:15
So this curve here
is the rating distribution
このグラフは IMDbというサイトに
01:17
of about 2,500 TV shows
on the website IMDB,
掲載されている
約2,500番組の評価の分布です
01:20
and the rating goes from one to 10,
評価は 1から10まで
01:25
and the height here shows you
how many shows get that rating.
縦軸は その評価を得た番組の数です
01:27
So if your show gets a rating
of nine points or higher, that's a winner.
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
01:30
Then you have a top two percent show.
上位2%に入りますから
01:35
That's shows like "Breaking Bad,"
"Game of Thrones," "The Wire,"
『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
01:37
so all of these shows that are addictive,
それに当たる番組で どれもハマりやすく
01:41
whereafter you've watched a season,
your brain is basically like,
1シーズン見たら
「どこで もっと見られる?」と
01:43
"Where can I get more of these episodes?"
脳が欲してしまうような
01:46
That kind of show.
番組です
01:49
On the left side, just for clarity,
here on that end,
一応 説明すると 左端には
01:50
you have a show called
"Toddlers and Tiaras" --
美少女コンテスト・リアリティー番組
『Toddlers & Tiaras』が来ます
01:53
(Laughter)
(笑)
01:56
-- which should tell you enough
これで グラフの左端が
01:59
about what's going on
on that end of the curve.
何を表しているか よくわかるはずです
02:00
Now, Roy Price is not worried about
getting on the left end of the curve,
ただロイ・プライスは
左端のことは 心配していません
02:03
because I think you would have to have
some serious brainpower
『Toddlers & Tiaras』を下回るには
02:07
to undercut "Toddlers and Tiaras."
かなりの知恵が必要ですから
02:10
So what he's worried about
is this middle bulge here,
だから 彼が心配するのは
グラフのピーク付近です
02:11
the bulge of average TV,
これは平均的な番組の数で
02:15
you know, those shows
that aren't really good or really bad,
可もなく不可もなく
特に見たいとも思わない
02:17
they don't really get you excited.
番組なんです
02:20
So he needs to make sure
that he's really on the right end of this.
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
02:22
So the pressure is on,
プレッシャーは大きい上に
02:27
and of course it's also the first time
Amazonが こういう事業を
02:28
that Amazon is even
doing something like this,
手がけるのは初めてですから
02:31
so Roy Price does not want
to take any chances.
ロイ・プライスは
賭けに出る気はありません
02:33
He wants to engineer success.
絶対 成功する方法を考えます
02:36
He needs a guaranteed success,
確実に成功するために
02:39
and so what he does is,
he holds a competition.
コンテストを開きます
02:40
So he takes a bunch of ideas for TV shows,
番組の企画をたくさん集めて
02:43
and from those ideas,
through an evaluation,
それぞれ評価し その中から
02:46
they select eight candidates for TV shows,
8つの番組を候補として選びます
02:48
and then he just makes the first episode
of each one of these shows
それから それぞれ1話を
オンラインで公開し
02:53
and puts them online for free
for everyone to watch.
誰でも見られるようにします
02:56
And so when Amazon
is giving out free stuff,
Amazonが無料で配信すれば
02:59
you're going to take it, right?
誰だって見ますよね
03:01
So millions of viewers
are watching those episodes.
その結果 数百万人が
番組を見ることになります
03:03
What they don't realize is that,
while they're watching their shows,
ただ視聴者が気付いていないのは
番組を見ている間
03:08
actually, they are being watched.
実は自分が見られていることです
03:11
They are being watched
by Roy Price and his team,
ロイのチームは すべてを記録して
03:14
who record everything.
視聴者を観察します
03:16
They record when somebody presses play,
when somebody presses pause,
いつ再生し いつ一時停止したか
どこを飛ばし
03:17
what parts they skip,
what parts they watch again.
どこをもう一度見たか
記録するんです
03:21
So they collect millions of data points,
こうして数百万の
データポイントを集めます
03:23
because they want
to have those data points
このデータポイントを使って
03:26
to then decide
which show they should make.
どの番組を制作するか 決定します
03:28
And sure enough,
so they collect all the data,
すべてのデータを集めて
03:30
they do all the data crunching,
and an answer emerges,
データを分析すると
答えが見えてきました
03:33
and the answer is,
その答えとは
03:35
"Amazon should do a sitcom
about four Republican US Senators."
「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」
03:36
They did that show.
そして制作しました
03:42
So does anyone know the name of the show?
どの番組かわかりますか?
03:43
(Audience: "Alpha House.")
(観客)『アルファ・ハウス』
03:46
Yes, "Alpha House,"
そう 『アルファ・ハウス』です
03:48
but it seems like not too many of you here
remember that show, actually,
でも思い出せない方が多かったのは
03:49
because it didn't turn out that great.
大した番組ではなかったからです
03:53
It's actually just an average show,
文字通り平均点の番組です
03:55
actually -- literally, in fact, because
the average of this curve here is at 7.4,
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
03:57
and "Alpha House" lands at 7.5,
まさに普通というか
04:02
so a slightly above average show,
少しマシな程度の番組です
04:04
but certainly not what Roy Price
and his team were aiming for.
当然 ロイ・プライスたちの
狙いとはかけ離れています
04:06
Meanwhile, however,
at about the same time,
話かわって 同じ頃
04:10
at another company,
別の会社で
04:13
another executive did manage
to land a top show using data analysis,
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
04:14
and his name is Ted,
彼の名前は
04:19
Ted Sarandos, who is
the Chief Content Officer of Netflix,
テッド・サランドス
Netflix社のコンテンツ部門代表です
04:20
and just like Roy,
he's on a constant mission
ロイと同じように 最高の番組を
04:24
to find that great TV show,
見つけるのが仕事です
04:26
and he uses data as well to do that,
彼もデータを活用しますが
04:27
except he does it
a little bit differently.
方法は少し違います
04:29
So instead of holding a competition,
what he did -- and his team of course --
彼のチームは
コンテストを開くのではなく
04:31
was they looked at all the data
they already had about Netflix viewers,
Netflixの視聴者に関する
全データを分析しました
04:35
you know, the ratings
they give their shows,
番組の評価や視聴履歴
04:39
the viewing histories,
what shows people like, and so on.
どんな番組が好まれるか
といったデータです
04:41
And then they use that data to discover
そして ここから視聴者に関する
04:44
all of these little bits and pieces
about the audience:
こまごまとした情報を
探っていくのです
04:45
what kinds of shows they like,
視聴者が好む番組や
04:48
what kind of producers,
what kind of actors.
プロデューサー
俳優についてです
04:50
And once they had
all of these pieces together,
そして情報をすべて組み合わせ
04:52
they took a leap of faith,
腹をくくって
04:54
and they decided to license
ライセンス契約を決めたのは
04:56
not a sitcom about four Senators
4人の上院議員のコメディではなく
04:58
but a drama series about a single Senator.
1人の上院議員が登場する
ドラマシリーズでした
05:01
You guys know the show?
わかりますよね
05:04
(Laughter)
(笑)
05:06
Yes, "House of Cards," and Netflix
of course, nailed it with that show,
そう『ハウス・オブ・カード
野望の階段』で Netflixは
05:07
at least for the first two seasons.
少なくとも2シーズンは成功しました
05:11
(Laughter) (Applause)
(笑)(拍手)
05:13
"House of Cards" gets
a 9.1 rating on this curve,
『ハウス・オブ・カード』は
9.1の評価を得ていて
05:17
so it's exactly
where they wanted it to be.
まさに思惑通りです
05:20
Now, the question of course is,
what happened here?
ここで当然 疑問が湧いてきます
05:24
So you have two very competitive,
data-savvy companies.
競争力が高くデータに強い
2つの会社があり
05:26
They connect all of these
millions of data points,
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
05:29
and then it works
beautifully for one of them,
片方は とてもうまくいき
05:32
and it doesn't work for the other one.
もう片方は うまくいかない
05:34
So why?
なぜでしょう?
05:36
Because logic kind of tells you
that this should be working all the time.
論理的には常にうまくいくはずです
05:37
I mean, if you're collecting
millions of data points
つまり ある決定を下そうとする時に
05:41
on a decision you're going to make,
データポイントが数百万あれば
05:43
then you should be able
to make a pretty good decision.
かなりうまくいくはずなんです
05:45
You have 200 years
of statistics to rely on.
200年の歴史を持つ統計学と
05:47
You're amplifying it
with very powerful computers.
高性能のコンピュータが
力を貸してくれます
05:50
The least you could expect
is good TV, right?
平凡な番組に終わるはずなど
ないでしょう
05:53
And if data analysis
does not work that way,
ただ もしデータ分析が
思い通りにならなかったら
05:57
then it actually gets a little scary,
恐ろしいことです
06:01
because we live in a time
where we're turning to data more and more
というのも テレビ以外の
様々な重要な決断を下す時
06:03
to make very serious decisions
that go far beyond TV.
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
06:07
Does anyone here know the company
Multi-Health Systems?
Multi-Health Systems という会社を
知っている方はいますか?
06:12
No one. OK, that's good actually.
いませんね よかった
06:17
OK, so Multi-Health Systems
is a software company,
Multi-Health Systems は
ソフトウェア会社ですが
06:18
and I hope that nobody here in this room
ここに お世話になる人が
いないといいですね
06:22
ever comes into contact
with that software,
もし お世話になるとすれば
その人は
06:24
because if you do,
it means you're in prison.
受刑者だからです
06:28
(Laughter)
(笑)
06:30
If someone here in the US is in prison,
and they apply for parole,
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
06:31
then it's very likely that
data analysis software from that company
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
06:34
will be used in determining
whether to grant that parole.
使われる場合が多いんです
06:39
So it's the same principle
as Amazon and Netflix,
AmazonやNetflixと同じ原理ですが
06:42
but now instead of deciding whether
a TV show is going to be good or bad,
テレビ番組の良し悪しを
決めるのではなく
06:45
you're deciding whether a person
is going to be good or bad.
1人の人間の善悪を決めるんです
06:50
And mediocre TV, 22 minutes,
that can be pretty bad,
22分間 退屈な番組を見るのは
苦痛かもしれませんが
06:53
but more years in prison,
I guess, even worse.
さらに数年 刑務所で過ごすのは
ずっときついでしょう
06:58
And unfortunately, there is actually
some evidence that this data analysis,
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
07:02
despite having lots of data,
does not always produce optimum results.
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
07:06
And that's not because a company
like Multi-Health Systems
これはMulti-Health Systemsなどの企業が
07:10
doesn't know what to do with data.
データの扱い方を知らないからではなく
07:13
Even the most data-savvy
companies get it wrong.
極めてデータに強い企業でも誤ります
07:15
Yes, even Google gets it wrong sometimes.
そう Googleさえ 時に間違うんです
07:17
In 2009, Google announced
that they were able, with data analysis,
2009年 Googleは ある発表をしました
07:20
to predict outbreaks of influenza,
the nasty kind of flu,
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
07:25
by doing data analysis
on their Google searches.
流行を予測できたというのです
07:29
And it worked beautifully,
and it made a big splash in the news,
予測は かなりうまくいき
大きなニュースになりました
07:33
including the pinnacle
of scientific success:
科学界 最大の栄誉である
07:37
a publication in the journal "Nature."
ネイチャー誌への掲載も果たしました
07:39
It worked beautifully
for year after year after year,
予測は翌年も次の年も
うまくいっていましたが
07:41
until one year it failed.
ある年 失敗しました
07:45
And nobody could even tell exactly why.
確かな理由は誰にもわかりませんでした
07:47
It just didn't work that year,
いきなり失敗したんです
07:49
and of course that again made big news,
もちろん これも大きなニュースになり
07:51
including now a retraction
ネイチャー誌の論文も
07:52
of a publication
from the journal "Nature."
撤回されました
07:54
So even the most data-savvy companies,
Amazon and Google,
AmazonやGoogleといった
極めてデータに強い企業でさえ
07:58
they sometimes get it wrong.
時に誤るんです
08:01
And despite all those failures,
一方 このような失敗にも関わらず
08:04
data is moving rapidly
into real-life decision-making --
データは すごいスピードで
日常の意思決定にも
08:06
into the workplace,
仕事の場にも 法執行機関にも
08:10
law enforcement,
医療の現場にも
08:12
medicine.
入り込んでいます
08:14
So we should better make sure
that data is helping.
だからデータが本当に
役立っているか 確認すべきです
08:16
Now, personally I've seen
a lot of this struggle with data myself,
私自身もデータとの格闘を
目の当たりにしてきました
08:19
because I work in computational genetics,
私は計算遺伝学を研究していますが
08:22
which is also a field
where lots of very smart people
この分野でも頭の切れる人たちが
08:24
are using unimaginable amounts of data
to make pretty serious decisions
想像もつかない量のデータを使って
がんの治療や
08:27
like deciding on a cancer therapy
or developing a drug.
新薬の開発といった
重大な決断を下しています
08:31
And over the years,
I've noticed a sort of pattern
ここ数年 私は
データを使った意思決定が
08:35
or kind of rule, if you will,
about the difference
成功する場合と失敗する場合の間に
08:37
between successful
decision-making with data
ある種のパターンというか
規則性のようなものが
08:40
and unsuccessful decision-making,
あることに気づきました
08:43
and I find this a pattern worth sharing,
and it goes something like this.
このパターンは
伝える価値があると思います
08:44
So whenever you're
solving a complex problem,
複雑な問題を解決する場合
08:50
you're doing essentially two things.
主に2つのことをします
08:52
The first one is, you take that problem
apart into its bits and pieces
はじめに 要素を深く分析できるように
08:54
so that you can deeply analyze
those bits and pieces,
問題を細かく分割し
08:57
and then of course
you do the second part.
それから 次に進みます
09:00
You put all of these bits and pieces
back together again
要素を全部 もう一度組み合わせ
09:02
to come to your conclusion.
結論を引き出すんです
09:05
And sometimes you
have to do it over again,
同じことを
繰り返す場合もありますが
09:06
but it's always those two things:
やることは常に この2つ
09:08
taking apart and putting
back together again.
分割し 組み立て直すんです
09:10
And now the crucial thing is
ここで重要なのは
09:14
that data and data analysis
データと その分析が有効なのは
09:15
is only good for the first part.
最初の部分だけだという点です
09:18
Data and data analysis,
no matter how powerful,
データと分析が いかに強力だろうと
09:21
can only help you taking a problem apart
and understanding its pieces.
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
09:23
It's not suited to put those pieces
back together again
要素を組み立て直して
結論に至るには
09:28
and then to come to a conclusion.
適していないのです
09:31
There's another tool that can do that,
and we all have it,
私たちには 結論を引き出す
別のツールがあります
09:33
and that tool is the brain.
それは 脳です
09:36
If there's one thing a brain is good at,
脳には得意なことがあります
09:37
it's taking bits and pieces
back together again,
不完全な情報しかない場合でも
09:39
even when you have incomplete information,
要素を組み立てて
09:41
and coming to a good conclusion,
適切な結論を出すことです
09:43
especially if it's the brain of an expert.
特に専門家の脳は そうです
09:45
And that's why I believe
that Netflix was so successful,
Netflixが成功した理由は
09:48
because they used data and brains
where they belong in the process.
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
09:51
They use data to first understand
lots of pieces about their audience
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
09:54
that they otherwise wouldn't have
been able to understand at that depth,
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
09:58
but then the decision
to take all these bits and pieces
一方で 要素を全部集めて組み立て直し
10:01
and put them back together again
and make a show like "House of Cards,"
『ハウス・オブ・カード』のような
データからは出てこない
10:04
that was nowhere in the data.
番組を制作しました
10:07
Ted Sarandos and his team
made that decision to license that show,
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
10:09
which also meant, by the way,
that they were taking
つまり彼らは この決断によって
10:13
a pretty big personal risk
with that decision.
個人的に大きなリスクを負ったのです
10:15
And Amazon, on the other hand,
they did it the wrong way around.
それに対して
Amazonは方法を誤りました
10:18
They used data all the way
to drive their decision-making,
意思決定の全過程でデータを使ったのです
10:21
first when they held
their competition of TV ideas,
最初に企画コンテストを開いた時も
10:24
then when they selected "Alpha House"
to make as a show.
『アルファ・ハウス』を選んで
制作した時もそうでした
10:26
Which of course was
a very safe decision for them,
もちろん これは安全な決断でした
10:30
because they could always
point at the data, saying,
だって「データから明らかだ」と
10:32
"This is what the data tells us."
言えば済むんですから
10:35
But it didn't lead to the exceptional
results that they were hoping for.
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
10:37
So data is of course a massively
useful tool to make better decisions,
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
10:42
but I believe that things go wrong
ただ データが意思決定を
10:47
when data is starting
to drive those decisions.
強いるようになると
問題が起きてくると思います
10:49
No matter how powerful,
data is just a tool,
どれほどパワフルだろうと
データは単なる道具です
10:52
and to keep that in mind,
I find this device here quite useful.
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
10:55
Many of you will ...
納得する人も多いでしょう
10:59
(Laughter)
(笑)
11:00
Before there was data,
データが出現する前は
11:01
this was the decision-making
device to use.
意思決定の手段といえば
これのことでした
11:03
(Laughter)
(笑)
11:05
Many of you will know this.
知っている方も多いでしょう
11:07
This toy here is called the Magic 8 Ball,
これは「マジック8ボール」
11:08
and it's really amazing,
本当にすごい装置です
11:10
because if you have a decision to make,
a yes or no question,
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
11:11
all you have to do is you shake the ball,
and then you get an answer --
このボールを振るだけで
答えが出ます
11:14
"Most Likely" -- right here
in this window in real time.
「可能性は高い」
こんな風に リアルタイムで出ます
11:18
I'll have it out later for tech demos.
後でデモ会場に展示しましょう
11:21
(Laughter)
(笑)
11:23
Now, the thing is, of course --
so I've made some decisions in my life
さて 肝心な点ですが
これまでの私の決断には
11:24
where, in hindsight,
I should have just listened to the ball.
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
11:28
But, you know, of course,
if you have the data available,
でもデータが使えるなら
こんな おもちゃではなく
11:31
you want to replace this with something
much more sophisticated,
データ分析など
より洗練された手段を使って
11:34
like data analysis
to come to a better decision.
よりよく意思決定したいと
思うはずです
11:37
But that does not change the basic setup.
ただ それでも
基本的な仕組みは変わりません
11:41
So the ball may get smarter
and smarter and smarter,
ボールは どんどん
賢くなっていくかもしれませんが
11:43
but I believe it's still on us
to make the decisions
もし私たちが グラフの右端にある
11:47
if we want to achieve
something extraordinary,
何か ものすごいことを
成し遂げたいなら
11:49
on the right end of the curve.
今でも自分自身の決断が重要です
11:52
And I find that a very encouraging
message, in fact,
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
11:54
that even in the face
of huge amounts of data,
そして その道の専門家として
リスクを負うことが
11:59
it still pays off to make decisions,
成功につながるというのは
12:03
to be an expert in what you're doing
とても励みになる
12:07
and take risks.
教訓だと思います
12:10
Because in the end, it's not data,
結局 グラフの右端に
達するために必要なのは
12:12
it's risks that will land you
on the right end of the curve.
データではなく リスクなのです
12:15
Thank you.
ありがとう
12:19
(Applause)
(拍手)
12:21
Translated by Kazunori Akashi
Reviewed by Misaki Sato

▲Back to top

About the Speaker:

Sebastian Wernicke - Data scientist
After making a splash in the field of bioinformatics, Sebastian Wernicke moved on to the corporate sphere, where he motivates and manages multidimensional projects.

Why you should listen

Dr. Sebastian Wernicke heads the data science department at Solon, a Munich-based consultancy supporting companies and investors in media, entertainment, telecoms, and technology industries. Wernicke originally studied bioinformatics and previously led the strategy and growth of Seven Bridges Genomics, a Cambridge-based startup that builds platforms for genetic analysis.

Before his career in statistics began, Wernicke worked stints as both a paramedic and successful short animated filmmaker. He's also the author of the TEDPad app, an irreverent tool for creating an infinite number of "amazing and really bad" and mostly completely meaningless talks. He's the author of the statistically authoritative and yet completely ridiculous "How to Give the Perfect TEDTalk."

More profile about the speaker
Sebastian Wernicke | Speaker | TED.com