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:
Readability: 4
1,628,704 views
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。
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
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
ほとんどいないでしょう
00:17
even though he may have been responsible
1
5120
2496
でも彼こそ 2013年4月19日に
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
22分間 みなさんを
退屈させたであろう張本人です
退屈させたであろう張本人です
00:26
He may have also been responsible
for 22 very entertaining minutes,
for 22 very entertaining minutes,
3
14560
3176
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
いるかもしれませんが
00:29
but not very many of you.
4
17760
2256
それほど多くはないでしょう
00:32
And all of that goes back to a decision
5
20040
1896
すべては その３年前に
00:33
that Roy had to make
about three years ago.
about three years ago.
6
21960
2000
ロイが下した
ある決定にさかのぼります
ある決定にさかのぼります
00:35
So you see, Roy Price
is a senior executive with Amazon Studios.
is a senior executive with Amazon Studios.
7
23984
4832
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
アマゾン・スタジオ すなわち
00:40
That's the TV production
company of Amazon.
company of Amazon.
8
28840
3016
Amazonのテレビ制作会社です
00:43
He's 47 years old, slim, spiky hair,
9
31880
3256
彼は すらっとして
髪を逆立てた 47歳
髪を逆立てた 47歳
00:47
describes himself on Twitter
as "movies, TV, technology, tacos."
as "movies, TV, technology, tacos."
10
35160
4816
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
テクノロジーとタコス 好き」です
00:52
And Roy Price has a very responsible job,
because it's his responsibility
because it's his responsibility
11
40000
5176
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
選ぶのが彼の仕事ですから
00:57
to pick the shows, the original content
that Amazon is going to make.
that Amazon is going to make.
12
45200
4056
責任は重大です
01:01
And of course that's
a highly competitive space.
a highly competitive space.
13
49280
2336
競争も激しい業界です
01:03
I mean, there are so many
TV shows already out there,
TV shows already out there,
14
51640
2736
すでに大量のテレビ番組があって
01:06
that Roy can't just choose any show.
15
54400
2176
何を選んでもいいわけではありません
01:08
He has to find shows
that are really, really great.
that are really, really great.
16
56600
4096
本当にすごい番組を
見出さなければならないんです
見出さなければならないんです
01:12
So in other words, he has to find shows
17
60720
2816
つまり このグラフの右端に来るような
01:15
that are on the very right end
of this curve here.
of this curve here.
18
63560
2376
番組を見つける必要があります
01:17
So this curve here
is the rating distribution
is the rating distribution
19
65960
2656
このグラフは IMDbというサイトに
01:20
of about 2,500 TV shows
on the website IMDB,
on the website IMDB,
20
68640
4376
掲載されている
約2,500番組の評価の分布です
約2,500番組の評価の分布です
01:25
and the rating goes from one to 10,
21
73040
2896
評価は 1から10まで
01:27
and the height here shows you
how many shows get that rating.
how many shows get that rating.
22
75960
2976
縦軸は その評価を得た番組の数です
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
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
評価を得れば 成功と言えます
01:35
Then you have a top two percent show.
24
83680
1816
上位2%に入りますから
01:37
That's shows like "Breaking Bad,"
"Game of Thrones," "The Wire,"
"Game of Thrones," "The Wire,"
25
85520
3896
『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
『ゲーム・オブ・スローンズ』『ザ・ワイヤー』が
01:41
so all of these shows that are addictive,
26
89440
2296
それに当たる番組で どれもハマりやすく
01:43
whereafter you've watched a season,
your brain is basically like,
your brain is basically like,
27
91760
3056
１シーズン見たら
「どこで もっと見られる？」と
「どこで もっと見られる？」と
01:46
"Where can I get more of these episodes?"
28
94840
2176
脳が欲してしまうような
01:49
That kind of show.
29
97040
1200
番組です
01:50
On the left side, just for clarity,
here on that end,
here on that end,
30
98920
2496
一応 説明すると 左端には
01:53
you have a show called
"Toddlers and Tiaras" --
"Toddlers and Tiaras" --
31
101440
3176
美少女コンテスト・リアリティー番組
『Toddlers & Tiaras』が来ます
『Toddlers & Tiaras』が来ます
01:56
(Laughter)
32
104640
2656
（笑）
01:59
-- which should tell you enough
33
107320
1536
これで グラフの左端が
02:00
about what's going on
on that end of the curve.
on that end of the curve.
34
108880
2191
何を表しているか よくわかるはずです
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
ただロイ・プライスは
左端のことは 心配していません
左端のことは 心配していません
02:07
because I think you would have to have
some serious brainpower
some serious brainpower
36
115280
2936
『Toddlers & Tiaras』を下回るには
02:10
to undercut "Toddlers and Tiaras."
37
118240
1696
かなりの知恵が必要ですから
02:11
So what he's worried about
is this middle bulge here,
is this middle bulge here,
38
119960
3936
だから 彼が心配するのは
グラフのピーク付近です
グラフのピーク付近です
02:15
the bulge of average TV,
39
123920
1816
これは平均的な番組の数で
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
可もなく不可もなく
特に見たいとも思わない
特に見たいとも思わない
02:20
they don't really get you excited.
41
128639
1656
番組なんです
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
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
行かなくてはなりません
02:27
So the pressure is on,
43
135200
1576
プレッシャーは大きい上に
02:28
and of course it's also the first time
44
136800
2176
Amazonが こういう事業を
02:31
that Amazon is even
doing something like this,
doing something like this,
45
139000
2176
手がけるのは初めてですから
02:33
so Roy Price does not want
to take any chances.
to take any chances.
46
141200
3336
ロイ・プライスは
賭けに出る気はありません
賭けに出る気はありません
02:36
He wants to engineer success.
47
144560
2456
絶対 成功する方法を考えます
02:39
He needs a guaranteed success,
48
147040
1776
確実に成功するために
02:40
and so what he does is,
he holds a competition.
he holds a competition.
49
148840
2576
コンテストを開きます
02:43
So he takes a bunch of ideas for TV shows,
50
151440
3136
番組の企画をたくさん集めて
02:46
and from those ideas,
through an evaluation,
through an evaluation,
51
154600
2296
それぞれ評価し その中から
02:48
they select eight candidates for TV shows,
52
156920
4096
８つの番組を候補として選びます
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
それから それぞれ１話を
オンラインで公開し
オンラインで公開し
02:56
and puts them online for free
for everyone to watch.
for everyone to watch.
54
164280
3136
誰でも見られるようにします
02:59
And so when Amazon
is giving out free stuff,
is giving out free stuff,
55
167440
2256
Amazonが無料で配信すれば
03:01
you're going to take it, right?
56
169720
1536
誰だって見ますよね
03:03
So millions of viewers
are watching those episodes.
are watching those episodes.
57
171280
5136
その結果 数百万人が
番組を見ることになります
番組を見ることになります
03:08
What they don't realize is that,
while they're watching their shows,
while they're watching their shows,
58
176440
3216
ただ視聴者が気付いていないのは
番組を見ている間
番組を見ている間
03:11
actually, they are being watched.
59
179680
2296
実は自分が見られていることです
03:14
They are being watched
by Roy Price and his team,
by Roy Price and his team,
60
182000
2336
ロイのチームは すべてを記録して
03:16
who record everything.
61
184360
1376
視聴者を観察します
03:17
They record when somebody presses play,
when somebody presses pause,
when somebody presses pause,
62
185760
3376
いつ再生し いつ一時停止したか
どこを飛ばし
どこを飛ばし
03:21
what parts they skip,
what parts they watch again.
what parts they watch again.
63
189160
2536
どこをもう一度見たか
記録するんです
記録するんです
03:23
So they collect millions of data points,
64
191720
2256
こうして数百万の
データポイントを集めます
データポイントを集めます
03:26
because they want
to have those data points
to have those data points
65
194000
2096
このデータポイントを使って
03:28
to then decide
which show they should make.
which show they should make.
66
196120
2696
どの番組を制作するか 決定します
03:30
And sure enough,
so they collect all the data,
so they collect all the data,
67
198840
2176
すべてのデータを集めて
03:33
they do all the data crunching,
and an answer emerges,
and an answer emerges,
68
201040
2576
データを分析すると
答えが見えてきました
答えが見えてきました
03:35
and the answer is,
69
203640
1216
その答えとは
03:36
"Amazon should do a sitcom
about four Republican US Senators."
about four Republican US Senators."
70
204880
5536
「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」
上院議員が主役のホームコメディである」
03:42
They did that show.
71
210440
1216
そして制作しました
03:43
So does anyone know the name of the show?
72
211680
2160
どの番組かわかりますか？
03:46
(Audience: "Alpha House.")
73
214720
1296
（観客）『アルファ・ハウス』
03:48
Yes, "Alpha House,"
74
216040
1456
そう 『アルファ・ハウス』です
03:49
but it seems like not too many of you here
remember that show, actually,
remember that show, actually,
75
217520
4096
でも思い出せない方が多かったのは
03:53
because it didn't turn out that great.
76
221640
1856
大した番組ではなかったからです
03:55
It's actually just an average show,
77
223520
1856
文字通り平均点の番組です
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
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
『アルファ・ハウス』は7.5でしたから
04:02
and "Alpha House" lands at 7.5,
79
230000
2416
まさに普通というか
04:04
so a slightly above average show,
80
232440
2016
少しマシな程度の番組です
04:06
but certainly not what Roy Price
and his team were aiming for.
and his team were aiming for.
81
234480
2920
当然 ロイ・プライスたちの
狙いとはかけ離れています
狙いとはかけ離れています
04:10
Meanwhile, however,
at about the same time,
at about the same time,
82
238320
2856
話かわって 同じ頃
04:13
at another company,
83
241200
1576
別の会社で
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
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
ヒット番組を作ろうとしていました
04:19
and his name is Ted,
85
247040
1576
彼の名前は
04:20
Ted Sarandos, who is
the Chief Content Officer of Netflix,
the Chief Content Officer of Netflix,
86
248640
3416
テッド・サランドス
Netflix社のコンテンツ部門代表です
Netflix社のコンテンツ部門代表です
04:24
and just like Roy,
he's on a constant mission
he's on a constant mission
87
252080
2136
ロイと同じように 最高の番組を
04:26
to find that great TV show,
88
254240
1496
見つけるのが仕事です
04:27
and he uses data as well to do that,
89
255760
2016
彼もデータを活用しますが
04:29
except he does it
a little bit differently.
a little bit differently.
90
257800
2015
方法は少し違います
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
彼のチームは
コンテストを開くのではなく
コンテストを開くのではなく
04:35
was they looked at all the data
they already had about Netflix viewers,
they already had about Netflix viewers,
92
263600
3536
Netflixの視聴者に関する
全データを分析しました
全データを分析しました
04:39
you know, the ratings
they give their shows,
they give their shows,
93
267160
2096
番組の評価や視聴履歴
04:41
the viewing histories,
what shows people like, and so on.
what shows people like, and so on.
94
269280
2696
どんな番組が好まれるか
といったデータです
といったデータです
04:44
And then they use that data to discover
95
272000
1896
そして ここから視聴者に関する
04:45
all of these little bits and pieces
about the audience:
about the audience:
96
273920
2616
こまごまとした情報を
探っていくのです
探っていくのです
04:48
what kinds of shows they like,
97
276560
1456
視聴者が好む番組や
04:50
what kind of producers,
what kind of actors.
what kind of actors.
98
278040
2096
プロデューサー
俳優についてです
俳優についてです
04:52
And once they had
all of these pieces together,
all of these pieces together,
99
280160
2576
そして情報をすべて組み合わせ
04:54
they took a leap of faith,
100
282760
1656
腹をくくって
04:56
and they decided to license
101
284440
2096
ライセンス契約を決めたのは
04:58
not a sitcom about four Senators
102
286560
2456
４人の上院議員のコメディではなく
05:01
but a drama series about a single Senator.
103
289040
2880
１人の上院議員が登場する
ドラマシリーズでした
ドラマシリーズでした
05:04
You guys know the show?
104
292760
1656
わかりますよね
05:06
(Laughter)
105
294440
1296
（笑）
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
そう『ハウス・オブ・カード
野望の階段』で Netflixは
野望の階段』で Netflixは
05:11
at least for the first two seasons.
107
299520
2136
少なくとも２シーズンは成功しました
05:13
(Laughter) (Applause)
108
301680
3976
（笑）（拍手）
05:17
"House of Cards" gets
a 9.1 rating on this curve,
a 9.1 rating on this curve,
109
305680
3176
『ハウス・オブ・カード』は
9.1の評価を得ていて
9.1の評価を得ていて
05:20
so it's exactly
where they wanted it to be.
where they wanted it to be.
110
308880
3176
まさに思惑通りです
05:24
Now, the question of course is,
what happened here?
what happened here?
111
312080
2416
ここで当然 疑問が湧いてきます
05:26
So you have two very competitive,
data-savvy companies.
data-savvy companies.
112
314520
2656
競争力が高くデータに強い
２つの会社があり
２つの会社があり
05:29
They connect all of these
millions of data points,
millions of data points,
113
317200
2856
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
組み合わせていますが
05:32
and then it works
beautifully for one of them,
beautifully for one of them,
114
320080
2376
片方は とてもうまくいき
05:34
and it doesn't work for the other one.
115
322480
1856
もう片方は うまくいかない
05:36
So why?
116
324360
1216
なぜでしょう？
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
論理的には常にうまくいくはずです
05:41
I mean, if you're collecting
millions of data points
millions of data points
118
329080
2456
つまり ある決定を下そうとする時に
05:43
on a decision you're going to make,
119
331560
1736
データポイントが数百万あれば
05:45
then you should be able
to make a pretty good decision.
to make a pretty good decision.
120
333320
2616
かなりうまくいくはずなんです
05:47
You have 200 years
of statistics to rely on.
of statistics to rely on.
121
335960
2216
200年の歴史を持つ統計学と
05:50
You're amplifying it
with very powerful computers.
with very powerful computers.
122
338200
3016
高性能のコンピュータが
力を貸してくれます
力を貸してくれます
05:53
The least you could expect
is good TV, right?
is good TV, right?
123
341240
3280
平凡な番組に終わるはずなど
ないでしょう
ないでしょう
05:57
And if data analysis
does not work that way,
does not work that way,
124
345880
2720
ただ もしデータ分析が
思い通りにならなかったら
思い通りにならなかったら
06:01
then it actually gets a little scary,
125
349520
2056
恐ろしいことです
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
というのも テレビ以外の
様々な重要な決断を下す時
様々な重要な決断を下す時
06:07
to make very serious decisions
that go far beyond TV.
that go far beyond TV.
127
355440
4480
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
私たちは生きているんですから
06:12
Does anyone here know the company
Multi-Health Systems?
Multi-Health Systems?
128
360760
3240
Multi-Health Systems という会社を
知っている方はいますか？
知っている方はいますか？
06:17
No one. OK, that's good actually.
129
365080
1656
いませんね よかった
06:18
OK, so Multi-Health Systems
is a software company,
is a software company,
130
366760
3216
Multi-Health Systems は
ソフトウェア会社ですが
ソフトウェア会社ですが
06:22
and I hope that nobody here in this room
131
370000
2816
ここに お世話になる人が
いないといいですね
いないといいですね
06:24
ever comes into contact
with that software,
with that software,
132
372840
3176
もし お世話になるとすれば
その人は
その人は
06:28
because if you do,
it means you're in prison.
it means you're in prison.
133
376040
2096
受刑者だからです
06:30
(Laughter)
134
378160
1176
（笑）
06:31
If someone here in the US is in prison,
and they apply for parole,
and they apply for parole,
135
379360
3536
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
仮釈放を申請すると
06:34
then it's very likely that
data analysis software from that company
data analysis software from that company
136
382920
4296
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
この会社のデータ分析ソフトが
06:39
will be used in determining
whether to grant that parole.
whether to grant that parole.
137
387240
3616
使われる場合が多いんです
06:42
So it's the same principle
as Amazon and Netflix,
as Amazon and Netflix,
138
390880
2576
AmazonやNetflixと同じ原理ですが
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
テレビ番組の良し悪しを
決めるのではなく
決めるのではなく
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
１人の人間の善悪を決めるんです
06:53
And mediocre TV, 22 minutes,
that can be pretty bad,
that can be pretty bad,
141
401040
5496
22分間 退屈な番組を見るのは
苦痛かもしれませんが
苦痛かもしれませんが
06:58
but more years in prison,
I guess, even worse.
I guess, even worse.
142
406560
2640
さらに数年 刑務所で過ごすのは
ずっときついでしょう
ずっときついでしょう
07:02
And unfortunately, there is actually
some evidence that this data analysis,
some evidence that this data analysis,
143
410360
4136
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
大量のデータがあったとしても
07:06
despite having lots of data,
does not always produce optimum results.
does not always produce optimum results.
144
414520
4216
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
限らないという証拠があります
07:10
And that's not because a company
like Multi-Health Systems
like Multi-Health Systems
145
418760
2722
これはMulti-Health Systemsなどの企業が
07:13
doesn't know what to do with data.
146
421506
1627
データの扱い方を知らないからではなく
07:15
Even the most data-savvy
companies get it wrong.
companies get it wrong.
147
423158
2298
極めてデータに強い企業でも誤ります
07:17
Yes, even Google gets it wrong sometimes.
148
425480
2400
そう Googleさえ 時に間違うんです
07:20
In 2009, Google announced
that they were able, with data analysis,
that they were able, with data analysis,
149
428680
4496
2009年 Googleは ある発表をしました
07:25
to predict outbreaks of influenza,
the nasty kind of flu,
the nasty kind of flu,
150
433200
4136
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
感染力の強いインフルエンザの
07:29
by doing data analysis
on their Google searches.
on their Google searches.
151
437360
3776
流行を予測できたというのです
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
予測は かなりうまくいき
大きなニュースになりました
大きなニュースになりました
07:37
including the pinnacle
of scientific success:
of scientific success:
153
445040
2136
科学界 最大の栄誉である
07:39
a publication in the journal "Nature."
154
447200
2456
ネイチャー誌への掲載も果たしました
07:41
It worked beautifully
for year after year after year,
for year after year after year,
155
449680
3616
予測は翌年も次の年も
うまくいっていましたが
うまくいっていましたが
07:45
until one year it failed.
156
453320
1656
ある年 失敗しました
07:47
And nobody could even tell exactly why.
157
455000
2256
確かな理由は誰にもわかりませんでした
07:49
It just didn't work that year,
158
457280
1696
いきなり失敗したんです
07:51
and of course that again made big news,
159
459000
1936
もちろん これも大きなニュースになり
07:52
including now a retraction
160
460960
1616
ネイチャー誌の論文も
07:54
of a publication
from the journal "Nature."
from the journal "Nature."
161
462600
2840
撤回されました
07:58
So even the most data-savvy companies,
Amazon and Google,
Amazon and Google,
162
466480
3336
AmazonやGoogleといった
極めてデータに強い企業でさえ
極めてデータに強い企業でさえ
08:01
they sometimes get it wrong.
163
469840
2136
時に誤るんです
08:04
And despite all those failures,
164
472000
2936
一方 このような失敗にも関わらず
08:06
data is moving rapidly
into real-life decision-making --
into real-life decision-making --
165
474960
3856
データは すごいスピードで
日常の意思決定にも
日常の意思決定にも
08:10
into the workplace,
166
478840
1816
仕事の場にも 法執行機関にも
08:12
law enforcement,
167
480680
1816
医療の現場にも
08:14
medicine.
168
482520
1200
入り込んでいます
08:16
So we should better make sure
that data is helping.
that data is helping.
169
484400
3336
だからデータが本当に
役立っているか 確認すべきです
役立っているか 確認すべきです
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
私自身もデータとの格闘を
目の当たりにしてきました
目の当たりにしてきました
08:22
because I work in computational genetics,
171
490920
1976
私は計算遺伝学を研究していますが
08:24
which is also a field
where lots of very smart people
where lots of very smart people
172
492920
2496
この分野でも頭の切れる人たちが
08:27
are using unimaginable amounts of data
to make pretty serious decisions
to make pretty serious decisions
173
495440
3656
想像もつかない量のデータを使って
がんの治療や
がんの治療や
08:31
like deciding on a cancer therapy
or developing a drug.
or developing a drug.
174
499120
3560
新薬の開発といった
重大な決断を下しています
重大な決断を下しています
08:35
And over the years,
I've noticed a sort of pattern
I've noticed a sort of pattern
175
503520
2376
ここ数年 私は
データを使った意思決定が
データを使った意思決定が
08:37
or kind of rule, if you will,
about the difference
about the difference
176
505920
2456
成功する場合と失敗する場合の間に
08:40
between successful
decision-making with data
decision-making with data
177
508400
2696
ある種のパターンというか
規則性のようなものが
規則性のようなものが
08:43
and unsuccessful decision-making,
178
511120
1616
あることに気づきました
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
このパターンは
伝える価値があると思います
伝える価値があると思います
08:50
So whenever you're
solving a complex problem,
solving a complex problem,
180
518520
2135
複雑な問題を解決する場合
08:52
you're doing essentially two things.
181
520679
1737
主に２つのことをします
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
はじめに 要素を深く分析できるように
08:57
so that you can deeply analyze
those bits and pieces,
those bits and pieces,
183
525760
2496
問題を細かく分割し
09:00
and then of course
you do the second part.
you do the second part.
184
528280
2016
それから 次に進みます
09:02
You put all of these bits and pieces
back together again
back together again
185
530320
2656
要素を全部 もう一度組み合わせ
09:05
to come to your conclusion.
186
533000
1336
結論を引き出すんです
09:06
And sometimes you
have to do it over again,
have to do it over again,
187
534360
2336
同じことを
繰り返す場合もありますが
繰り返す場合もありますが
09:08
but it's always those two things:
188
536720
1656
やることは常に この２つ
09:10
taking apart and putting
back together again.
back together again.
189
538400
2320
分割し 組み立て直すんです
09:14
And now the crucial thing is
190
542280
1616
ここで重要なのは
09:15
that data and data analysis
191
543920
2896
データと その分析が有効なのは
09:18
is only good for the first part.
192
546840
2496
最初の部分だけだという点です
09:21
Data and data analysis,
no matter how powerful,
no matter how powerful,
193
549360
2216
データと分析が いかに強力だろうと
09:23
can only help you taking a problem apart
and understanding its pieces.
and understanding its pieces.
194
551600
4456
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
要素を理解するところまでです
09:28
It's not suited to put those pieces
back together again
back together again
195
556080
3496
要素を組み立て直して
結論に至るには
結論に至るには
09:31
and then to come to a conclusion.
196
559600
1896
適していないのです
09:33
There's another tool that can do that,
and we all have it,
and we all have it,
197
561520
2736
私たちには 結論を引き出す
別のツールがあります
別のツールがあります
09:36
and that tool is the brain.
198
564280
1296
それは 脳です
09:37
If there's one thing a brain is good at,
199
565600
1936
脳には得意なことがあります
09:39
it's taking bits and pieces
back together again,
back together again,
200
567560
2256
不完全な情報しかない場合でも
09:41
even when you have incomplete information,
201
569840
2016
要素を組み立てて
09:43
and coming to a good conclusion,
202
571880
1576
適切な結論を出すことです
09:45
especially if it's the brain of an expert.
203
573480
2936
特に専門家の脳は そうです
09:48
And that's why I believe
that Netflix was so successful,
that Netflix was so successful,
204
576440
2656
Netflixが成功した理由は
09:51
because they used data and brains
where they belong in the process.
where they belong in the process.
205
579120
3576
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
利用したからでしょう
09:54
They use data to first understand
lots of pieces about their audience
lots of pieces about their audience
206
582720
3536
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
視聴者に関する情報を理解しました
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
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
深く理解できなかったでしょう
10:01
but then the decision
to take all these bits and pieces
to take all these bits and pieces
208
589720
2616
一方で 要素を全部集めて組み立て直し
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
『ハウス・オブ・カード』のような
データからは出てこない
データからは出てこない
10:07
that was nowhere in the data.
210
595720
1416
番組を制作しました
10:09
Ted Sarandos and his team
made that decision to license that show,
made that decision to license that show,
211
597160
3976
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
テッド・サランドスのチームです
10:13
which also meant, by the way,
that they were taking
that they were taking
212
601160
2381
つまり彼らは この決断によって
10:15
a pretty big personal risk
with that decision.
with that decision.
213
603565
2851
個人的に大きなリスクを負ったのです
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
それに対して
Amazonは方法を誤りました
Amazonは方法を誤りました
10:21
They used data all the way
to drive their decision-making,
to drive their decision-making,
215
609480
2736
意思決定の全過程でデータを使ったのです
10:24
first when they held
their competition of TV ideas,
their competition of TV ideas,
216
612240
2416
最初に企画コンテストを開いた時も
10:26
then when they selected "Alpha House"
to make as a show.
to make as a show.
217
614680
3696
『アルファ・ハウス』を選んで
制作した時もそうでした
制作した時もそうでした
10:30
Which of course was
a very safe decision for them,
a very safe decision for them,
218
618400
2496
もちろん これは安全な決断でした
10:32
because they could always
point at the data, saying,
point at the data, saying,
219
620920
2456
だって「データから明らかだ」と
10:35
"This is what the data tells us."
220
623400
1696
言えば済むんですから
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
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
並外れた成果は上げられませんでした
10:42
So data is of course a massively
useful tool to make better decisions,
useful tool to make better decisions,
222
630120
4976
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
データはとても役立つツールです
10:47
but I believe that things go wrong
223
635120
2376
ただ データが意思決定を
10:49
when data is starting
to drive those decisions.
to drive those decisions.
224
637520
2576
強いるようになると
問題が起きてくると思います
問題が起きてくると思います
10:52
No matter how powerful,
data is just a tool,
data is just a tool,
225
640120
3776
どれほどパワフルだろうと
データは単なる道具です
データは単なる道具です
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
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
この装置が役立つことに気づきました
10:59
Many of you will ...
227
647280
1216
納得する人も多いでしょう
11:00
(Laughter)
228
648520
1216
（笑）
11:01
Before there was data,
229
649760
1216
データが出現する前は
11:03
this was the decision-making
device to use.
device to use.
230
651000
2856
意思決定の手段といえば
これのことでした
これのことでした
11:05
(Laughter)
231
653880
1256
（笑）
11:07
Many of you will know this.
232
655160
1336
知っている方も多いでしょう
11:08
This toy here is called the Magic 8 Ball,
233
656520
1953
これは「マジック８ボール」
11:10
and it's really amazing,
234
658497
1199
本当にすごい装置です
11:11
because if you have a decision to make,
a yes or no question,
a yes or no question,
235
659720
2896
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
何か決定しなければならない時
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
このボールを振るだけで
答えが出ます
答えが出ます
11:18
"Most Likely" -- right here
in this window in real time.
in this window in real time.
237
666400
2816
「可能性は高い」
こんな風に リアルタイムで出ます
こんな風に リアルタイムで出ます
11:21
I'll have it out later for tech demos.
238
669240
2096
後でデモ会場に展示しましょう
11:23
(Laughter)
239
671360
1216
（笑）
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
さて 肝心な点ですが
これまでの私の決断には
これまでの私の決断には
11:28
where, in hindsight,
I should have just listened to the ball.
I should have just listened to the ball.
241
676200
2896
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
よかったものもあります
11:31
But, you know, of course,
if you have the data available,
if you have the data available,
242
679120
3336
でもデータが使えるなら
こんな おもちゃではなく
こんな おもちゃではなく
11:34
you want to replace this with something
much more sophisticated,
much more sophisticated,
243
682480
3056
データ分析など
より洗練された手段を使って
より洗練された手段を使って
11:37
like data analysis
to come to a better decision.
to come to a better decision.
244
685560
3616
よりよく意思決定したいと
思うはずです
思うはずです
11:41
But that does not change the basic setup.
245
689200
2616
ただ それでも
基本的な仕組みは変わりません
基本的な仕組みは変わりません
11:43
So the ball may get smarter
and smarter and smarter,
and smarter and smarter,
246
691840
3176
ボールは どんどん
賢くなっていくかもしれませんが
賢くなっていくかもしれませんが
11:47
but I believe it's still on us
to make the decisions
to make the decisions
247
695040
2816
もし私たちが グラフの右端にある
11:49
if we want to achieve
something extraordinary,
something extraordinary,
248
697880
3016
何か ものすごいことを
成し遂げたいなら
成し遂げたいなら
11:52
on the right end of the curve.
249
700920
1936
今でも自分自身の決断が重要です
11:54
And I find that a very encouraging
message, in fact,
message, in fact,
250
702880
4496
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
それでもなお 自分で決定すること
11:59
that even in the face
of huge amounts of data,
of huge amounts of data,
251
707400
3976
そして その道の専門家として
リスクを負うことが
リスクを負うことが
12:03
it still pays off to make decisions,
252
711400
4096
成功につながるというのは
12:07
to be an expert in what you're doing
253
715520
2656
とても励みになる
12:10
and take risks.
254
718200
2096
教訓だと思います
12:12
Because in the end, it's not data,
255
720320
2776
結局 グラフの右端に
達するために必要なのは
達するために必要なのは
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
データではなく リスクなのです
12:19
Thank you.
257
727840
1216
ありがとう
12:21
(Applause)
258
729080
3680
（拍手）
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