TEDxCambridge
Sebastian Wernicke: How to use data to make a hit TV show
Sebastian Wernicke: Popüler bir dizi yapmak için verileri nasıl kullanmalıyız?
Filmed:
Readability: 4
1,628,704 views
Daha fazla veri toplamak daha iyi kararlar vermeyi mi sağlıyor? Amazon, Google, Netflix gibi veri depolayan rekabetçi firmalar sadece veri analizinin en iyi sonuçlara götürmediğini öğrendi. Bu konuşmada Sebastian Wernicke yalnızca veriler baz alınarak alınan kararlarda yanlış giden şeyi bozuyor ve daha mantıklı şekilde kullanmak için öneride bulunuyor.
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. Full bio
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
Double-click the English transcript below to play the video.
00:12
Roy Price is a man that most of you
have probably never heard about,
have probably never heard about,
0
820
4276
Roy Price, 19 Nisan 2013 tarihinde
geçirdiğiniz 22 sıradan dakikanın
geçirdiğiniz 22 sıradan dakikanın
00:17
even though he may have been responsible
1
5120
2496
sorumlusu olsa da, büyük olasılıkla
00:19
for 22 somewhat mediocre
minutes of your life on April 19, 2013.
minutes of your life on April 19, 2013.
2
7640
6896
çoğunuzun duymadığı bir isim.
00:26
He may have also been responsible
for 22 very entertaining minutes,
for 22 very entertaining minutes,
3
14560
3176
O, aynı zamanda en eğlenceli 22 dakikanın
da sorumlusu,
da sorumlusu,
00:29
but not very many of you.
4
17760
2256
tabii hepiniz için değil.
00:32
And all of that goes back to a decision
5
20040
1896
Bunlar bizi Roy'un üç sene önce
00:33
that Roy had to make
about three years ago.
about three years ago.
6
21960
2000
almak zorunda olduğu bir karara götürüyor.
00:35
So you see, Roy Price
is a senior executive with Amazon Studios.
is a senior executive with Amazon Studios.
7
23984
4832
Roy Price, Amazon Stüdyoları'nda
bir üst düzey yönetici.
bir üst düzey yönetici.
00:40
That's the TV production
company of Amazon.
company of Amazon.
8
28840
3016
Bu, Amazon'un TV yapım şirketi.
00:43
He's 47 years old, slim, spiky hair,
9
31880
3256
47 yaşında, zayıf ve dik saçlı
biri olan Roy, kendini Twitter'da
biri olan Roy, kendini Twitter'da
00:47
describes himself on Twitter
as "movies, TV, technology, tacos."
as "movies, TV, technology, tacos."
10
35160
4816
"filmler, televizyon, teknoloji ve tako"
anahtar kelimelerini ile tanıtıyor.
anahtar kelimelerini ile tanıtıyor.
00:52
And Roy Price has a very responsible job,
because it's his responsibility
because it's his responsibility
11
40000
5176
Roy Price sorumluluğu ağır bir işi
yürütüyor, çünkü onun işi
yürütüyor, çünkü onun işi
00:57
to pick the shows, the original content
that Amazon is going to make.
that Amazon is going to make.
12
45200
4056
Amazon'un yapacağı özgün içerikli
programları seçmek.
programları seçmek.
01:01
And of course that's
a highly competitive space.
a highly competitive space.
13
49280
2336
Ve bu alanda rekabet oldukça yüksek.
01:03
I mean, there are so many
TV shows already out there,
TV shows already out there,
14
51640
2736
Demek istediğim, şu anda o kadar çok
dizi var ki,
dizi var ki,
01:06
that Roy can't just choose any show.
15
54400
2176
Roy'un herhangi bir dizi
seçmesi mümkün değil.
seçmesi mümkün değil.
01:08
He has to find shows
that are really, really great.
that are really, really great.
16
56600
4096
Onun, çok ama çok iyi dizileri
bulması gerekiyor.
bulması gerekiyor.
01:12
So in other words, he has to find shows
17
60720
2816
Başka bir deyişle, onun, bu eğrinin
en sağında yer alacak
en sağında yer alacak
01:15
that are on the very right end
of this curve here.
of this curve here.
18
63560
2376
bir dizi bulması gerekiyor.
01:17
So this curve here
is the rating distribution
is the rating distribution
19
65960
2656
Bu eğri IMDB sitesinde bulunan 2500
dizinin,
dizinin,
01:20
of about 2,500 TV shows
on the website IMDB,
on the website IMDB,
20
68640
4376
1-10 puan arasındaki puan dağılımının
eğrisi
eğrisi
01:25
and the rating goes from one to 10,
21
73040
2896
ve yükseklik, kaç dizinin
01:27
and the height here shows you
how many shows get that rating.
how many shows get that rating.
22
75960
2976
bu reytinge ulaştığını
gösteriyor.
gösteriyor.
01:30
So if your show gets a rating
of nine points or higher, that's a winner.
of nine points or higher, that's a winner.
23
78960
4696
Yani eğer dizi 9'un üstünde bir reyting
puanı alırsa bu bir zafer demektir.
puanı alırsa bu bir zafer demektir.
01:35
Then you have a top two percent show.
24
83680
1816
Bir de en iyi %2'lik kesim var.
01:37
That's shows like "Breaking Bad,"
"Game of Thrones," "The Wire,"
"Game of Thrones," "The Wire,"
25
85520
3896
Breaking Bad, Game of Thrones, The Wire
gibi diziler mesela.
gibi diziler mesela.
01:41
so all of these shows that are addictive,
26
89440
2296
Bu dizilerin hepsi, bir sezon izledikten
sonra
sonra
01:43
whereafter you've watched a season,
your brain is basically like,
your brain is basically like,
27
91760
3056
beyninize "Diğer bölümleri nasıl bulurum?"
sorusunu
sorusunu
01:46
"Where can I get more of these episodes?"
28
94840
2176
sorduracak kadar bağımlılık yapar.
01:49
That kind of show.
29
97040
1200
Bu tür diziler.
01:50
On the left side, just for clarity,
here on that end,
here on that end,
30
98920
2496
Sol tarafta, biraz daha açık olmak
gerekirse en sonda,
gerekirse en sonda,
01:53
you have a show called
"Toddlers and Tiaras" --
"Toddlers and Tiaras" --
31
101440
3176
"Toddlers and Tiaras" adında
01:56
(Laughter)
32
104640
2656
(Kahkahalar)
01:59
-- which should tell you enough
33
107320
1536
eğrinin sonunda neler olduğunu
02:00
about what's going on
on that end of the curve.
on that end of the curve.
34
108880
2191
yeterince iyi açıklayan bir dizi var.
02:03
Now, Roy Price is not worried about
getting on the left end of the curve,
getting on the left end of the curve,
35
111095
4161
Şu an Roy Price'ın eğrinin en solunda
kalmak gibi bir endişesi yok
kalmak gibi bir endişesi yok
02:07
because I think you would have to have
some serious brainpower
some serious brainpower
36
115280
2936
çünkü bence Toddlers and Tiaras'ın
gerisine düşmek için ciddi
gerisine düşmek için ciddi
02:10
to undercut "Toddlers and Tiaras."
37
118240
1696
bir beyin gücünüzün olması lazım.
02:11
So what he's worried about
is this middle bulge here,
is this middle bulge here,
38
119960
3936
Onun endişelendiği nokta ortadaki çıkıntı
bölüm,
bölüm,
02:15
the bulge of average TV,
39
123920
1816
yani ortalama bir dizi,
02:17
you know, those shows
that aren't really good or really bad,
that aren't really good or really bad,
40
125760
2856
bildiğiniz gibi çok iyi veya çok kötü
olmayan diziler
olmayan diziler
02:20
they don't really get you excited.
41
128639
1656
bizi pek heyecanlandırmaz.
02:22
So he needs to make sure
that he's really on the right end of this.
that he's really on the right end of this.
42
130320
4856
O yüzden onun hep eğrinin sağında
kaldığından emin olması lazım.
kaldığından emin olması lazım.
02:27
So the pressure is on,
43
135200
1576
Üzerinde hissettiği baskı bu şekilde
02:28
and of course it's also the first time
44
136800
2176
ve Amazon ilk defa böyle şeyler
02:31
that Amazon is even
doing something like this,
doing something like this,
45
139000
2176
yapmaya başladığında Roy Price,
02:33
so Roy Price does not want
to take any chances.
to take any chances.
46
141200
3336
işini şansa bırakmak istemedi.
02:36
He wants to engineer success.
47
144560
2456
Başarıyı elde etmek istedi.
02:39
He needs a guaranteed success,
48
147040
1776
Başarıyı garantilemeye ihtiyacı vardı
02:40
and so what he does is,
he holds a competition.
he holds a competition.
49
148840
2576
ve şuan yaptığı şey ise
bir yarışı sürdürmek.
bir yarışı sürdürmek.
02:43
So he takes a bunch of ideas for TV shows,
50
151440
3136
Bu yüzden diziler için bir dizi fikir
topluyor ve
topluyor ve
02:46
and from those ideas,
through an evaluation,
through an evaluation,
51
154600
2296
bu fikirleri değerlendirip
02:48
they select eight candidates for TV shows,
52
156920
4096
aralarından sekiz aday seçiyor ve
02:53
and then he just makes the first episode
of each one of these shows
of each one of these shows
53
161040
3216
her birinin ilk bölümünü çekiyor.
02:56
and puts them online for free
for everyone to watch.
for everyone to watch.
54
164280
3136
Bu bölümleri ücretsiz olarak
bir websitesinden yayınlıyor.
bir websitesinden yayınlıyor.
02:59
And so when Amazon
is giving out free stuff,
is giving out free stuff,
55
167440
2256
Amazon ücretsiz olarak bir şey verirse
03:01
you're going to take it, right?
56
169720
1536
bu şeyi alırsınız değil mi?
03:03
So millions of viewers
are watching those episodes.
are watching those episodes.
57
171280
5136
Dolayısıyla milyonlarca kişi bu bölümleri
izliyor.
izliyor.
03:08
What they don't realize is that,
while they're watching their shows,
while they're watching their shows,
58
176440
3216
Onlarında farketmedikeri şey şu ki
onlar bu bölümleri izlerken
onlar bu bölümleri izlerken
03:11
actually, they are being watched.
59
179680
2296
asıl izlenen onlar.
03:14
They are being watched
by Roy Price and his team,
by Roy Price and his team,
60
182000
2336
Her şeyi kaydeden Roy Price
ve takımı
ve takımı
03:16
who record everything.
61
184360
1376
tarafından izleniyorlar.
03:17
They record when somebody presses play,
when somebody presses pause,
when somebody presses pause,
62
185760
3376
İzleyicinin oynat tuşuna basmasını,
durdurmasını,
durdurmasını,
03:21
what parts they skip,
what parts they watch again.
what parts they watch again.
63
189160
2536
atladığı yerleri ve tekrar izlediği
yerleri kaydediyorlar.
yerleri kaydediyorlar.
03:23
So they collect millions of data points,
64
191720
2256
Böylece milyonlarca
veri parçacığı topluyorlar,
veri parçacığı topluyorlar,
03:26
because they want
to have those data points
to have those data points
65
194000
2096
çünkü hangi diziyi yapmak istediklerine
03:28
to then decide
which show they should make.
which show they should make.
66
196120
2696
karar verirken bu verilere sahip olmak
istiyorlar.
istiyorlar.
03:30
And sure enough,
so they collect all the data,
so they collect all the data,
67
198840
2176
Pek tabii olarak bu verileri topluyorlar,
03:33
they do all the data crunching,
and an answer emerges,
and an answer emerges,
68
201040
2576
hepsini işledikten sonra
cevap ortaya çıkıyor.
cevap ortaya çıkıyor.
03:35
and the answer is,
69
203640
1216
Cevap şu ki:
03:36
"Amazon should do a sitcom
about four Republican US Senators."
about four Republican US Senators."
70
204880
5536
"Amazon Dört Cumhuriyetçi ABD senatörü
hakkında bir sit-com yapmalı."
hakkında bir sit-com yapmalı."
03:42
They did that show.
71
210440
1216
Diziyi yaptılar.
03:43
So does anyone know the name of the show?
72
211680
2160
Bu dizinin ismini hatırlayan var mı?
03:46
(Audience: "Alpha House.")
73
214720
1296
(Seyirci: "Alpha House.")
03:48
Yes, "Alpha House,"
74
216040
1456
Evet, "Alpha House."
03:49
but it seems like not too many of you here
remember that show, actually,
remember that show, actually,
75
217520
4096
aslında bir çoğunuz bu diziyi hatırlamıyor
gibi gözüküyor,
gibi gözüküyor,
03:53
because it didn't turn out that great.
76
221640
1856
çünkü çok büyük bir patlama yapmadı.
03:55
It's actually just an average show,
77
223520
1856
Yalnızca ortalama bir diziydi,
03:57
actually -- literally, in fact, because
the average of this curve here is at 7.4,
the average of this curve here is at 7.4,
78
225400
4576
çünkü aslında bu eğrinin ortalaması
tam olarak 7.4 ve
tam olarak 7.4 ve
04:02
and "Alpha House" lands at 7.5,
79
230000
2416
"Alpha House" 7.5 puanda.
04:04
so a slightly above average show,
80
232440
2016
Yani ortalamanın biraz üstünde ama
04:06
but certainly not what Roy Price
and his team were aiming for.
and his team were aiming for.
81
234480
2920
bu Roy Price ve takımının amaçladığı şey
kesinlikle bu değil.
kesinlikle bu değil.
04:10
Meanwhile, however,
at about the same time,
at about the same time,
82
238320
2856
Bu arada, her nasılsa, aynı zamanda
04:13
at another company,
83
241200
1576
başka bir şirkette,
04:14
another executive did manage
to land a top show using data analysis,
to land a top show using data analysis,
84
242800
4216
Netflix'te İçerik Yönetim Şefi olan Ted,
Ted Sarandos, veri analizini kullanarak
Ted Sarandos, veri analizini kullanarak
04:19
and his name is Ted,
85
247040
1576
en üst reytinge yerleşen bir dizi
04:20
Ted Sarandos, who is
the Chief Content Officer of Netflix,
the Chief Content Officer of Netflix,
86
248640
3416
yapmayı başardı.
04:24
and just like Roy,
he's on a constant mission
he's on a constant mission
87
252080
2136
Onun da işi, aynı Roy'unki gibi
04:26
to find that great TV show,
88
254240
1496
sürekli olarak çok iyi diziler bulmak.
04:27
and he uses data as well to do that,
89
255760
2016
O da bunu yapmak için verileri kullanıyor
04:29
except he does it
a little bit differently.
a little bit differently.
90
257800
2015
ama biraz daha farklı yapıyor.
04:31
So instead of holding a competition,
what he did -- and his team of course --
what he did -- and his team of course --
91
259839
3737
O ve takımı bir yarışma düzenlemek yerine
04:35
was they looked at all the data
they already had about Netflix viewers,
they already had about Netflix viewers,
92
263600
3536
halihazırda Netflix izleyicileri ile ilgili
toplanmış, dizilere verilen
toplanmış, dizilere verilen
04:39
you know, the ratings
they give their shows,
they give their shows,
93
267160
2096
puanlar, izlenme geçmişleri,
sevilen diziler
sevilen diziler
04:41
the viewing histories,
what shows people like, and so on.
what shows people like, and so on.
94
269280
2696
ve bunun gibi verilere bakıyorlar.
04:44
And then they use that data to discover
95
272000
1896
Bu verileri kullanarak,
04:45
all of these little bits and pieces
about the audience:
about the audience:
96
273920
2616
seyirciler hakkında hangi tür dizileri,
04:48
what kinds of shows they like,
97
276560
1456
hangi tür yapımcıları,
04:50
what kind of producers,
what kind of actors.
what kind of actors.
98
278040
2096
hangi tür aktörleri sevdikleri gibi
veri kırıntılarına ulaşıyorlar.
veri kırıntılarına ulaşıyorlar.
04:52
And once they had
all of these pieces together,
all of these pieces together,
99
280160
2576
Bu kırıntıları bir araya getiriyorlar,
04:54
they took a leap of faith,
100
282760
1656
bu verilerle bir sıçrama yapıyorlar
04:56
and they decided to license
101
284440
2096
ve 4 senatör hakkında bir sitcom
yapmaktansa
yapmaktansa
04:58
not a sitcom about four Senators
102
286560
2456
yalnızca bir senatör hakkında
05:01
but a drama series about a single Senator.
103
289040
2880
drama dizisi yapmaya karar veriyorlar.
05:04
You guys know the show?
104
292760
1656
Bu dizinin adını biliyor musunuz?
05:06
(Laughter)
105
294440
1296
(Kahkaha)
05:07
Yes, "House of Cards," and Netflix
of course, nailed it with that show,
of course, nailed it with that show,
106
295760
3736
Evet, "House of Cards" ve Netflix elbette
bu diziyle kasıp kavurdu,
bu diziyle kasıp kavurdu,
05:11
at least for the first two seasons.
107
299520
2136
en azından ilk iki sezon.
05:13
(Laughter) (Applause)
108
301680
3976
(Kahkahalar)(Alkışlar)
05:17
"House of Cards" gets
a 9.1 rating on this curve,
a 9.1 rating on this curve,
109
305680
3176
"House of Cards" bu eğride
9.1 puanda,
9.1 puanda,
05:20
so it's exactly
where they wanted it to be.
where they wanted it to be.
110
308880
3176
yani tam olarak istedikleri yerde.
05:24
Now, the question of course is,
what happened here?
what happened here?
111
312080
2416
Şimdi soru şu,
bu iki durumda ne oldu?
bu iki durumda ne oldu?
05:26
So you have two very competitive,
data-savvy companies.
data-savvy companies.
112
314520
2656
Şimdi, veri depolayan,
rekabet içinde olan iki şirket var.
rekabet içinde olan iki şirket var.
05:29
They connect all of these
millions of data points,
millions of data points,
113
317200
2856
Milyonlarca veri parçalarını
birleştiriyorlar
birleştiriyorlar
05:32
and then it works
beautifully for one of them,
beautifully for one of them,
114
320080
2376
ve bu veriler biri için
çok işe yarıyor ama
çok işe yarıyor ama
05:34
and it doesn't work for the other one.
115
322480
1856
diğeri için iyi bir sonuç
vermiyor?
vermiyor?
05:36
So why?
116
324360
1216
Peki neden?
05:37
Because logic kind of tells you
that this should be working all the time.
that this should be working all the time.
117
325600
3456
Çünkü mantığınız size bunun her zaman
işe yaraması gerektiğini söylüyor.
işe yaraması gerektiğini söylüyor.
05:41
I mean, if you're collecting
millions of data points
millions of data points
118
329080
2456
Demem o ki, milyonlarca
veri parçası topluyorsanız,
veri parçası topluyorsanız,
05:43
on a decision you're going to make,
119
331560
1736
bir karar vereceğiniz zaman
05:45
then you should be able
to make a pretty good decision.
to make a pretty good decision.
120
333320
2616
iyi bir karar vermiş olmanız lazım.
05:47
You have 200 years
of statistics to rely on.
of statistics to rely on.
121
335960
2216
Güvenebileceğiniz 200 yıllık
istatistikler var.
istatistikler var.
05:50
You're amplifying it
with very powerful computers.
with very powerful computers.
122
338200
3016
Bu verileri güçlü bilgisayarlarla
büyütüyorsunuz.
büyütüyorsunuz.
05:53
The least you could expect
is good TV, right?
is good TV, right?
123
341240
3280
En azından iyi bir dizi bekliyorsunuz,
değil mi?
değil mi?
05:57
And if data analysis
does not work that way,
does not work that way,
124
345880
2720
Eğer veri analizi bu şekilde
çalışmıyorsa,
çalışmıyorsa,
06:01
then it actually gets a little scary,
125
349520
2056
durum biraz daha korkutucu
bir hâl alıyor.
bir hâl alıyor.
06:03
because we live in a time
where we're turning to data more and more
where we're turning to data more and more
126
351600
3816
Çünkü günümüzde televizyonun da ötesinde
daha ciddi kararlar almak için
daha ciddi kararlar almak için
06:07
to make very serious decisions
that go far beyond TV.
that go far beyond TV.
127
355440
4480
verilere başvuruyoruz.
06:12
Does anyone here know the company
Multi-Health Systems?
Multi-Health Systems?
128
360760
3240
Aranızda Multi-Health Systems adlı
şirketi bilen var mı?
şirketi bilen var mı?
06:17
No one. OK, that's good actually.
129
365080
1656
Hiç kimse. Tamam, çok iyi.
06:18
OK, so Multi-Health Systems
is a software company,
is a software company,
130
366760
3216
Evet, Multi-Health Systems
bir yazılım şirketi ve
bir yazılım şirketi ve
06:22
and I hope that nobody here in this room
131
370000
2816
ve umarım bu odadaki hiç kimse
06:24
ever comes into contact
with that software,
with that software,
132
372840
3176
bu programla karşılaşmamıştır çünkü
06:28
because if you do,
it means you're in prison.
it means you're in prison.
133
376040
2096
eğer karşılaştıysanız
hapistesiniz demektir.
hapistesiniz demektir.
06:30
(Laughter)
134
378160
1176
(Kahkahalar)
06:31
If someone here in the US is in prison,
and they apply for parole,
and they apply for parole,
135
379360
3536
Eğer buradaki herhangi biri ABD'de
hapse girerse ve
hapse girerse ve
06:34
then it's very likely that
data analysis software from that company
data analysis software from that company
136
382920
4296
şartlı tahliye başvurusu yaparsa büyük
olasılıkla başvuruyu onaylamak veya
olasılıkla başvuruyu onaylamak veya
06:39
will be used in determining
whether to grant that parole.
whether to grant that parole.
137
387240
3616
reddetmek için bu şirketin
veri analiz yazılımı kullanılacak.
veri analiz yazılımı kullanılacak.
06:42
So it's the same principle
as Amazon and Netflix,
as Amazon and Netflix,
138
390880
2576
Amazon ve Netflix ile aynı esaslarla ama
06:45
but now instead of deciding whether
a TV show is going to be good or bad,
a TV show is going to be good or bad,
139
393480
4616
şimdi bir dizinin iyi veya kötü olacağı
değil, bir insanın
değil, bir insanın
06:50
you're deciding whether a person
is going to be good or bad.
is going to be good or bad.
140
398120
2896
iyi veya kötü olacağı hakkında
karar veriyorsunuz.
karar veriyorsunuz.
06:53
And mediocre TV, 22 minutes,
that can be pretty bad,
that can be pretty bad,
141
401040
5496
Vasat bir dizi, 22 dakika,
biraz kötü olabilir,
biraz kötü olabilir,
06:58
but more years in prison,
I guess, even worse.
I guess, even worse.
142
406560
2640
hapiste uzun yıllar, sanırım
çok daha kötü.
çok daha kötü.
07:02
And unfortunately, there is actually
some evidence that this data analysis,
some evidence that this data analysis,
143
410360
4136
Ve maalesef veri analizi ile ilgili
bazı bulgular bize şunu gösteriyor ki,
bazı bulgular bize şunu gösteriyor ki,
07:06
despite having lots of data,
does not always produce optimum results.
does not always produce optimum results.
144
414520
4216
ne kadar çok veri olursa olsun, her zaman
optimum sonuçlar elde edemiyorsunuz.
optimum sonuçlar elde edemiyorsunuz.
07:10
And that's not because a company
like Multi-Health Systems
like Multi-Health Systems
145
418760
2722
Bu, Multi-Health Systems
gibi bir şirketin elindeki verilerle
gibi bir şirketin elindeki verilerle
07:13
doesn't know what to do with data.
146
421506
1627
ne yapacağını bilmediğinden değil.
07:15
Even the most data-savvy
companies get it wrong.
companies get it wrong.
147
423158
2298
Veri depolamaya en meraklı şirketler
bile hatalar yapıyor.
bile hatalar yapıyor.
07:17
Yes, even Google gets it wrong sometimes.
148
425480
2400
Evet, Google bile bazen hatalar yapıyor.
07:20
In 2009, Google announced
that they were able, with data analysis,
that they were able, with data analysis,
149
428680
4496
2009 yılında, Google, grip salgınını
tahmin etmek için,
tahmin etmek için,
07:25
to predict outbreaks of influenza,
the nasty kind of flu,
the nasty kind of flu,
150
433200
4136
daha doğrusu kötü bir grip türünü,
07:29
by doing data analysis
on their Google searches.
on their Google searches.
151
437360
3776
veri analizi yapabileceğini duyurdu.
07:33
And it worked beautifully,
and it made a big splash in the news,
and it made a big splash in the news,
152
441160
3856
Veri analizi bu konuda çok iyi çalıştı ve
haberlerde de büyük sükse yaptı,
haberlerde de büyük sükse yaptı,
07:37
including the pinnacle
of scientific success:
of scientific success:
153
445040
2136
hatta bilimsel başarının zirvesini
yakaladı,
yakaladı,
07:39
a publication in the journal "Nature."
154
447200
2456
"Nature" dergisinde yayınlandı.
07:41
It worked beautifully
for year after year after year,
for year after year after year,
155
449680
3616
Çalışma başarısız olduğu o yıla kadar
07:45
until one year it failed.
156
453320
1656
her yıl çok iyi sonuç verdi.
07:47
And nobody could even tell exactly why.
157
455000
2256
Ve kimse tam olarak nedenini bile
söyleyemedi.
söyleyemedi.
07:49
It just didn't work that year,
158
457280
1696
Sadece o yıl çalışmadı ve
07:51
and of course that again made big news,
159
459000
1936
tabii olarak haberlerde çok duyuldu ve
07:52
including now a retraction
160
460960
1616
"Nature" dergisi
07:54
of a publication
from the journal "Nature."
from the journal "Nature."
161
462600
2840
yayını geri çekti.
07:58
So even the most data-savvy companies,
Amazon and Google,
Amazon and Google,
162
466480
3336
Evet, veri uzmanı en büyük firmalar,
Amazon ve Google bile
Amazon ve Google bile
08:01
they sometimes get it wrong.
163
469840
2136
zaman zaman hatalar yapıyor.
08:04
And despite all those failures,
164
472000
2936
Tüm bu başarısızlıklara rağmen
veri analizi,
veri analizi,
08:06
data is moving rapidly
into real-life decision-making --
into real-life decision-making --
165
474960
3856
kanun hükümleri, tıp gibi
birçok hayati alanda
birçok hayati alanda
08:10
into the workplace,
166
478840
1816
kararı etkileyen
08:12
law enforcement,
167
480680
1816
bir unsur olarak
08:14
medicine.
168
482520
1200
kayıyor.
08:16
So we should better make sure
that data is helping.
that data is helping.
169
484400
3336
Bu yüzden veri analizinin işe yaradığına
emin olmalıyız.
emin olmalıyız.
08:19
Now, personally I've seen
a lot of this struggle with data myself,
a lot of this struggle with data myself,
170
487760
3136
Ben, kişisel olarak verilerle ilgili
çok fazla zorluk gördüm
çok fazla zorluk gördüm
08:22
because I work in computational genetics,
171
490920
1976
çünkü kanser tedavisi veya
08:24
which is also a field
where lots of very smart people
where lots of very smart people
172
492920
2496
ilaç geliştirmek gibi alanlarda,
08:27
are using unimaginable amounts of data
to make pretty serious decisions
to make pretty serious decisions
173
495440
3656
hayal edemeyeceğiniz kadar çok
verilerle uğraşan zeki insanların olduğu
verilerle uğraşan zeki insanların olduğu
08:31
like deciding on a cancer therapy
or developing a drug.
or developing a drug.
174
499120
3560
bir dal olan bilişimsel genetik
üzerinde çalışıyorum.
üzerinde çalışıyorum.
08:35
And over the years,
I've noticed a sort of pattern
I've noticed a sort of pattern
175
503520
2376
Ve yıllar içinde verilerle karar verme
konusunda
konusunda
08:37
or kind of rule, if you will,
about the difference
about the difference
176
505920
2456
başarılı olmak
veya olmamak arasında
veya olmamak arasında
08:40
between successful
decision-making with data
decision-making with data
177
508400
2696
niyet ettiğimizde paylaşmaya değer
bir kural veya kalıp
bir kural veya kalıp
08:43
and unsuccessful decision-making,
178
511120
1616
farkettim. Bu kalıp ise
08:44
and I find this a pattern worth sharing,
and it goes something like this.
and it goes something like this.
179
512760
3880
şöyle bir şey:
08:50
So whenever you're
solving a complex problem,
solving a complex problem,
180
518520
2135
Karışık bir problemi çözerken
08:52
you're doing essentially two things.
181
520679
1737
temel olarak iki şey yapıyorsunuz.
08:54
The first one is, you take that problem
apart into its bits and pieces
apart into its bits and pieces
182
522440
3296
İlki, problemi küçük parçalara
ayırıyorsunuz, böylece bu parçaları
ayırıyorsunuz, böylece bu parçaları
08:57
so that you can deeply analyze
those bits and pieces,
those bits and pieces,
183
525760
2496
derinlenemesine analiz edebilirsiniz ve
09:00
and then of course
you do the second part.
you do the second part.
184
528280
2016
sonra ikinci bölüme geçiyorsunuz.
09:02
You put all of these bits and pieces
back together again
back together again
185
530320
2656
Sonuca ulaşmak için bu küçük parçaları
tekrar
tekrar
09:05
to come to your conclusion.
186
533000
1336
bir araya getiriyorsunuz.
09:06
And sometimes you
have to do it over again,
have to do it over again,
187
534360
2336
Bazen bu işi tekrar yapmanız
gerekebilir ama yaptığınız
gerekebilir ama yaptığınız
09:08
but it's always those two things:
188
536720
1656
her zaman iki şeydir:
09:10
taking apart and putting
back together again.
back together again.
189
538400
2320
parçalara ayırmak ve
parçaları birleştirmek.
parçaları birleştirmek.
09:14
And now the crucial thing is
190
542280
1616
Burada kritik olan nokta şu ki,
09:15
that data and data analysis
191
543920
2896
veri ve veri analizi yalnızca
09:18
is only good for the first part.
192
546840
2496
ilk bölüm için önemli.
09:21
Data and data analysis,
no matter how powerful,
no matter how powerful,
193
549360
2216
Veri ve veri analizi ne kadar
güçlü olursa olsun,
güçlü olursa olsun,
09:23
can only help you taking a problem apart
and understanding its pieces.
and understanding its pieces.
194
551600
4456
yalnızca problemi parçalara ayırmanıza ve
parçaları anlamanıza yardımcı olur.
parçaları anlamanıza yardımcı olur.
09:28
It's not suited to put those pieces
back together again
back together again
195
556080
3496
Parçaları tekrar birleştirip
09:31
and then to come to a conclusion.
196
559600
1896
bir sonuca ulaşmak için uygun değildir.
09:33
There's another tool that can do that,
and we all have it,
and we all have it,
197
561520
2736
Bunu yapabilecek olan araç
herkeste mevcut
herkeste mevcut
09:36
and that tool is the brain.
198
564280
1296
ve bu araç beyin.
09:37
If there's one thing a brain is good at,
199
565600
1936
Eğer beynin iyi olduğu
bir şey varsa,
bir şey varsa,
09:39
it's taking bits and pieces
back together again,
back together again,
200
567560
2256
sahip olduğunuz bilgiler
tam olmasa bile
tam olmasa bile
09:41
even when you have incomplete information,
201
569840
2016
parçaları alıp tekrar
araya getirmek ve
araya getirmek ve
09:43
and coming to a good conclusion,
202
571880
1576
iyi bir sonuca ulaşmak,
09:45
especially if it's the brain of an expert.
203
573480
2936
özellikle bu beyin bir uzmanın beyniyse.
09:48
And that's why I believe
that Netflix was so successful,
that Netflix was so successful,
204
576440
2656
Bence Netflix'in bu kadar başarılı
olmasının sebebi,
olmasının sebebi,
09:51
because they used data and brains
where they belong in the process.
where they belong in the process.
205
579120
3576
veriyi ve beyni süreçte olması gerektiği
yerde kullanmaları.
yerde kullanmaları.
09:54
They use data to first understand
lots of pieces about their audience
lots of pieces about their audience
206
582720
3536
Onlar önce seyircilerle alakalı bir şeyler
öğrenmek için verileri kullanıyor,
öğrenmek için verileri kullanıyor,
09:58
that they otherwise wouldn't have
been able to understand at that depth,
been able to understand at that depth,
207
586280
3416
yoksa seyirciler hakkında bu derinlikte
bilgilere sahip olamazlardı.
bilgilere sahip olamazlardı.
10:01
but then the decision
to take all these bits and pieces
to take all these bits and pieces
208
589720
2616
Sonra karar vermek için bütün
bu parçaları birleştiriyor
bu parçaları birleştiriyor
10:04
and put them back together again
and make a show like "House of Cards,"
and make a show like "House of Cards,"
209
592360
3336
ve ortaya hiçbir veride adı geçmeyen
"House of Cards" gibi
"House of Cards" gibi
10:07
that was nowhere in the data.
210
595720
1416
bir dizi çıkıyor.
10:09
Ted Sarandos and his team
made that decision to license that show,
made that decision to license that show,
211
597160
3976
Ted Sarantos ve takımı büyük bir kişisel
risk alarak
risk alarak
10:13
which also meant, by the way,
that they were taking
that they were taking
212
601160
2381
bu diziyi yapmak için
10:15
a pretty big personal risk
with that decision.
with that decision.
213
603565
2851
bir karar verdi.
10:18
And Amazon, on the other hand,
they did it the wrong way around.
they did it the wrong way around.
214
606440
3016
Ama diğer yandan Amazon bu işi yanlış
bir şekilde yaptı.
bir şekilde yaptı.
10:21
They used data all the way
to drive their decision-making,
to drive their decision-making,
215
609480
2736
İlk olarak dizi önerilerini bir yarışa
soktuklarında ve
soktuklarında ve
10:24
first when they held
their competition of TV ideas,
their competition of TV ideas,
216
612240
2416
"Alpha House" dizisinde karar
kıldıklarında
kıldıklarında
10:26
then when they selected "Alpha House"
to make as a show.
to make as a show.
217
614680
3696
karar alma mekanizmasını harekete
geçirmek için verileri kullandılar.
geçirmek için verileri kullandılar.
10:30
Which of course was
a very safe decision for them,
a very safe decision for them,
218
618400
2496
Bu onlar için güvenli bir karardı çünkü
verilere
verilere
10:32
because they could always
point at the data, saying,
point at the data, saying,
219
620920
2456
baktıklarında şunu söyleyebiliyorlardı:
10:35
"This is what the data tells us."
220
623400
1696
"Bize verilerin söylediği şey bu."
10:37
But it didn't lead to the exceptional
results that they were hoping for.
results that they were hoping for.
221
625120
4240
Ama bu veriler onları umut ettikleri gibi
istisnai bir sonuca götürmedi.
istisnai bir sonuca götürmedi.
10:42
So data is of course a massively
useful tool to make better decisions,
useful tool to make better decisions,
222
630120
4976
Sonuç olarak veriler karar alırken
çok yararlı araçlar fakat
çok yararlı araçlar fakat
10:47
but I believe that things go wrong
223
635120
2376
bence bizi karara götüren tek şey
veriler olduğunda
veriler olduğunda
10:49
when data is starting
to drive those decisions.
to drive those decisions.
224
637520
2576
işler sarpa sarıyor.
10:52
No matter how powerful,
data is just a tool,
data is just a tool,
225
640120
3776
Ne kadar güçlü olursa olsun, veriler
yalnızca birer araç ve
yalnızca birer araç ve
10:55
and to keep that in mind,
I find this device here quite useful.
I find this device here quite useful.
226
643920
3336
şunu unutmayın bu araç burada benim çok
işime yaradı.
işime yaradı.
10:59
Many of you will ...
227
647280
1216
Aranızdan bir çoğunuz...
11:00
(Laughter)
228
648520
1216
(Kahkahalar)
11:01
Before there was data,
229
649760
1216
Veriler yokken
11:03
this was the decision-making
device to use.
device to use.
230
651000
2856
karar alma aracı buydu.
11:05
(Laughter)
231
653880
1256
(Kahkahalar)
11:07
Many of you will know this.
232
655160
1336
Bir çoğunuz bunu biliyor.
11:08
This toy here is called the Magic 8 Ball,
233
656520
1953
Bu oyuncağın ismi Sihirli 8 Topu,
11:10
and it's really amazing,
234
658497
1199
ve gerçekten inanılmaz.
11:11
because if you have a decision to make,
a yes or no question,
a yes or no question,
235
659720
2896
Çünkü eğer bir karar vermeniz gerekiyorsa,
11:14
all you have to do is you shake the ball,
and then you get an answer --
and then you get an answer --
236
662640
3736
cevabı evet veya hayır olan bir soruysa,
tüm yapmanız gereken topu sallamak
tüm yapmanız gereken topu sallamak
11:18
"Most Likely" -- right here
in this window in real time.
in this window in real time.
237
666400
2816
ve cevabı almak. Şuanda şu küçük pencerede
"Büyük ihtimalle" yazıyor.
"Büyük ihtimalle" yazıyor.
11:21
I'll have it out later for tech demos.
238
669240
2096
Bunu daha sonra teknoloji
tanıtımlarında kullanacağım.
tanıtımlarında kullanacağım.
11:23
(Laughter)
239
671360
1216
(Kahkahalar)
11:24
Now, the thing is, of course --
so I've made some decisions in my life
so I've made some decisions in my life
240
672600
3576
Olay şu ki, hayatımda bir çok konuda
kararlar aldım ve şimdi geriye dönüp
kararlar aldım ve şimdi geriye dönüp
11:28
where, in hindsight,
I should have just listened to the ball.
I should have just listened to the ball.
241
676200
2896
baktığımda şunu söyleyebilirim, keşke
topu dinleseydim.
topu dinleseydim.
11:31
But, you know, of course,
if you have the data available,
if you have the data available,
242
679120
3336
Ama bildiğiniz gibi, eğer elinizde
veriler varsa, daha iyi
veriler varsa, daha iyi
11:34
you want to replace this with something
much more sophisticated,
much more sophisticated,
243
682480
3056
bir karar vermek için bunun yerine veri
analizi gibi daha
analizi gibi daha
11:37
like data analysis
to come to a better decision.
to come to a better decision.
244
685560
3616
gelişmiş şeyleri kullanmak
istersiniz.
istersiniz.
11:41
But that does not change the basic setup.
245
689200
2616
Ama bu kurguyu değiştirmiyor.
11:43
So the ball may get smarter
and smarter and smarter,
and smarter and smarter,
246
691840
3176
Bu yüzden top, çok daha zeki olabiliyor,
ama şuna inanıyorum ki
ama şuna inanıyorum ki
11:47
but I believe it's still on us
to make the decisions
to make the decisions
247
695040
2816
eğer eğrinin sağ tarafında,
11:49
if we want to achieve
something extraordinary,
something extraordinary,
248
697880
3016
sıra dışı bir şey başarmak istiyorsak
11:52
on the right end of the curve.
249
700920
1936
bu hala karar vermemiz
için hazır bekliyor ve
için hazır bekliyor ve
11:54
And I find that a very encouraging
message, in fact,
message, in fact,
250
702880
4496
aslında çok teşvik edici bir şey buldum,
11:59
that even in the face
of huge amounts of data,
of huge amounts of data,
251
707400
3976
çok büyük sayıda verilere karşın
12:03
it still pays off to make decisions,
252
711400
4096
yaptığınız şeyde uzman olmak için
12:07
to be an expert in what you're doing
253
715520
2656
karar vermeye ve
12:10
and take risks.
254
718200
2096
risk almaya değer.
12:12
Because in the end, it's not data,
255
720320
2776
Çünkü en sonunda veriler yok, en sonunda
sizi eğrinin
sizi eğrinin
sağına veya soluna yerleştirecek şey
yalnızca aldığınız riskler.
yalnızca aldığınız riskler.
12:15
it's risks that will land you
on the right end of the curve.
on the right end of the curve.
256
723120
3960
12:19
Thank you.
257
727840
1216
Teşekkür ederim.
12:21
(Applause)
258
729080
3680
(Alkışlar)
ABOUT THE SPEAKER
Sebastian Wernicke - Data scientistAfter 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 is the Chief Data Scientist of ONE LOGIC, a data science boutique that supports organizations across industries to make sense of their vast data collections to improve operations and gain strategic advantages. 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."
Sebastian Wernicke | Speaker | TED.com