روي برايس هو رجل ربما معظمكم لم يسمع به من قبل، رغم أنه كان مسؤولاً عن 22 دقيقة معتدلة الجودة من حياتكم خلال التاسع عشر من شهر أبريل 2013. وربما كان مسؤولاً أيضاً عن 22 من الدقائق المسلّية جداً، ولكن ليس للعديد منكم. و هذا يعود لقرار كان على روي أن يتخذه قبل حوالي ثلاث سنوات.
Roy Price is a man that most of you have probably never heard about, even though he may have been responsible for 22 somewhat mediocre minutes of your life on April 19, 2013. He may have also been responsible for 22 very entertaining minutes, but not very many of you. And all of that goes back to a decision that Roy had to make about three years ago.
فكما ترون أن روي برايس هو أحد المدراء الكبار في ستوديوهات أمازون. وتلك هي شركة الإنتاج التلفزيوني التابعة لأمازون. يبلغ من العمر 47 عاماً، نحيف ذو شعر شائك، ويصف حاله على تويتر بأنه رجل "الأفلام، التلفزيون، التكنولوجيا، الشطائر" ويشغل روي برايس وظيفة جديرة جدا بالثقة إذ يقع عليه عاتق تحديد المحتوى الأصلي للعروض التي ستتبناها أمازون. وبالطبع فإن ذلك يشكل فضاءاً شديد المنافسة. أعني، أن هناك العديد من العروض التلفزيونية على الساحة، تصعّب على روي أمر اختياره للعروض. عليه أن يجد تلك العروض التي تعد عظيمة فعلاً. وبكلمة أخرى، عليه إيجاد العروض التي تقع على أقصى الطرف الأيمن من هذا المنحنى.
So you see, Roy Price is a senior executive with Amazon Studios. That's the TV production company of Amazon. He's 47 years old, slim, spiky hair, describes himself on Twitter as "movies, TV, technology, tacos." And Roy Price has a very responsible job, because it's his responsibility to pick the shows, the original content that Amazon is going to make. And of course that's a highly competitive space. I mean, there are so many TV shows already out there, that Roy can't just choose any show. He has to find shows that are really, really great. So in other words, he has to find shows that are on the very right end of this curve here.
ويمثل هذا المنحنى توزيع التقييمات لما يناهز الـ 2500 من العروض التلفزيونية لموقع قاعدة بيانات الأفلام على الانترنت، IMDB حيث تتدرج التقييمات من واحد حتى العشرة، ويعبّر الارتفاع هنا عن عدد العروض التي أحرزت ذلك التقييم. فإذا ما أحرز عرضكم تقييماً من تسعة نقاط فما فوق، فيعدّ ذلك فائزاً. ثم ليبرز عرض ما فوق ال 2% وتلك عروض مثل "الاختلال الضال" و"صراع العروش" و "المتنصّت"، وجميع هذه العروض هي من النوع الإدماني، فما إن يتم مشاهدة موسم منها، حتى يجنح الدماغ إلى حالة، "أين يسعني تحصيل المزيد من هذه الحلقات؟" ذلك النوع من العروض. وعلى الطرف الأيسر، فقط للإيضاح، هنا على ذلك الطرف، تجدون عرضاً يدعى "الأطفال والتيجان" ..
So this curve here is the rating distribution of about 2,500 TV shows on the website IMDB, and the rating goes from one to 10, and the height here shows you how many shows get that rating. So if your show gets a rating of nine points or higher, that's a winner. Then you have a top two percent show. That's shows like "Breaking Bad," "Game of Thrones," "The Wire," so all of these shows that are addictive, whereafter you've watched a season, your brain is basically like, "Where can I get more of these episodes?" That kind of show. On the left side, just for clarity, here on that end, you have a show called "Toddlers and Tiaras" --
(ضحك)
(Laughter)
ما يمكنه إخباركم بما يكفي عن طبيعة ما يجري عند ذلك الطرف من المنحنى.
-- which should tell you enough about what's going on on that end of the curve.
وهكذا فإن روي برايس لا تشغله متابعة ما يجري عند الطرف الأيسر من المنحنى، لأنني أعتقد أنه عليكم بالتمتع ببعض القدرة العقلية لتحجّموا أمر "الأطفال والتيجان." فما يشغله هو هذا البروز الوسطي الناتئ هنا، بروز متوسط العروض التلفزيونية، وكما تعلمون، فتلك العروض التي ليست حقاً جيدة وليست حقا بائسة، والتي لا تثير الحماس حقاً. لذا فهو بحاجة لتأمين ما إذا كان حقاً على الطرف الأيمن من هذا.
Now, Roy Price is not worried about getting on the left end of the curve, because I think you would have to have some serious brainpower to undercut "Toddlers and Tiaras." So what he's worried about is this middle bulge here, the bulge of average TV, you know, those shows that aren't really good or really bad, they don't really get you excited. So he needs to make sure that he's really on the right end of this.
الأمر الذي يصعّد الضغط عالياً، وطبعاً هي المرة الأولى التي خاصت فيها أمازون غمار أمر كهذا، وهذا ما يضيّق على روي برايس خياراته. فهو راغب بهندسة النجاح. ويطمح نحو نجاح مضمون، لذا فما يفعله يتمثّل بإعداده لمنافسة.
So the pressure is on, and of course it's also the first time that Amazon is even doing something like this, so Roy Price does not want to take any chances. He wants to engineer success. He needs a guaranteed success, and so what he does is, he holds a competition.
متناولاً حفنة من أفكار العروض التلفزيونية، ومن تلك الأفكار وعبر القيام بتقييمها، يرشّحون ثمانية أفكار لتقوم عروض تلفزيونية عليها، وبعدها يقوم بعمل الحلقة الأولى من كل عرض من هذه العروض ليضعها على الانترنت متاحة للجميع لمشاهدتها مجاناً. فعندما تقوم أمازون بإتاحة مادة مجانية، فالنتيجة أنكم تتناولونها، صحيح؟ وهكذا يقوم الملايين من المشاهدين بمشاهدة تلك الحلقات.
So he takes a bunch of ideas for TV shows, and from those ideas, through an evaluation, they select eight candidates for TV shows, and then he just makes the first episode of each one of these shows and puts them online for free for everyone to watch. And so when Amazon is giving out free stuff, you're going to take it, right? So millions of viewers are watching those episodes.
وما لا يدركونه هو أنهم أثناء مشاهدتهم العروض، يتم فعليّا مراقبتهم. تتم مراقبتهم من قبل روي برايس وفريقه، والذين يسجّلون كل شي. فيسجّلون لحظة ما يقوم الشخص بالكبس على مفتاح التشغيل، أو مفتاح التمهّل. وما المقاطع التي يتخطّونها، وما التي تعاد مشاهدتها. وهكذا يجمعون الملايين من نقاط البيانات، لأنهم بحاجة إلى نقاط البيانات تلك كي يقرّروا أيّا من العروض يترتّب عليهم تبنّيها. وبقدر ما يتطلب الأمر، يجمعون كل البيانات، ويمارسون كافة عمليات الطحن والغربلة حتى الخروج بإجابة، والإجابة هي، "على أمازون القيام بمسرحية هزلية تدور حول أربعة من الشيوخ الأمريكان الجمهوريين." وفعلاً نفذوا ذلك العرض.
What they don't realize is that, while they're watching their shows, actually, they are being watched. They are being watched by Roy Price and his team, who record everything. They record when somebody presses play, when somebody presses pause, what parts they skip, what parts they watch again. So they collect millions of data points, because they want to have those data points to then decide which show they should make. And sure enough, so they collect all the data, they do all the data crunching, and an answer emerges, and the answer is, "Amazon should do a sitcom about four Republican US Senators." They did that show.
فهل أحد يعلم ما اسم ذلك العرض؟ (الجمهور: "بيت ألفا.") نعم، إنه "بيت ألفا،" ولكن يبدو أنه ليس الكثير منكم من يتذكر ذلك العرض حقيقة، لأنه لم يحقق قدراً كبيراً من الأهمية. إنه لا يتعدّى كونه من العروض المتوسّطة. فحقيقة .. وحرفياً وبالفعل لأن متوسط هذا المنحنى يقع على درجة 7.4، ويحتلّ عرض "بيت ألفا" الدرجة 7.5، لذا فهو أكثر قليلاً من العرض المتوسط، ولكن بالتأكيد ليس هذا ما كان روي برايس وفريقه يصبون إليه. بينما، على أية حال، وفي أثناء ذلك، وفي شركة أخرى، تمكّن أحد المدراء التنفيذيين من بلوغ قمة العروض عبر استخدام تحليل البيانات، واسمه تيد، تيد ساراندوز، وهو المسؤول الأقدم على المحتوى لدى شركة نيتفليكس، وتماماً كما روي، نذر نفسه للمهمّة المستمرة لإيجاد العرض التلفزيوني الهائل كما أنه أيضاً يستخدم البيانات لتحقيق ذلك، ما عدا أنه يفعل ذلك بطريقة مختلفة قليلاً. فبدلاً من إعداد المنافسة، قام، بصحبة فريقه طبعاً، بمعاينة جميع البيانات التي بين أيديهم حول مشاهدي نيتفليكس، كما تعلمون، كالتقييمات التي تحرزها عروضهم، أو سجلات المشاهدة، والعروض التي تعجب المشاهدين، وهكذا. وبعدها يقومون باستخدام البيانات للكشف عن كل هذه الأمور الصغيرة التي تخص الجمهور: ما نوع العروض التي تعجبهم، ما نوع المنتجين، ما نوع الممثّلين. وحالما تتجمع لديهم كل هذه القطع الصغيرة، يقومون باتخاذ طفرة ايمانية، ويقرّرون القيام بترخيص ليس مسرحية هزلية عن أربعة شيوخ ولكن مسلسل درامي عن شيخ واحد، وأنتم تعرفون العرض؟
So does anyone know the name of the show? (Audience: "Alpha House.") Yes, "Alpha House," but it seems like not too many of you here remember that show, actually, because it didn't turn out that great. It's actually just an average show, actually -- literally, in fact, because the average of this curve here is at 7.4, and "Alpha House" lands at 7.5, so a slightly above average show, but certainly not what Roy Price and his team were aiming for. Meanwhile, however, at about the same time, at another company, another executive did manage to land a top show using data analysis, and his name is Ted, Ted Sarandos, who is the Chief Content Officer of Netflix, and just like Roy, he's on a constant mission to find that great TV show, and he uses data as well to do that, except he does it a little bit differently. So instead of holding a competition, what he did -- and his team of course -- was they looked at all the data they already had about Netflix viewers, you know, the ratings they give their shows, the viewing histories, what shows people like, and so on. And then they use that data to discover all of these little bits and pieces about the audience: what kinds of shows they like, what kind of producers, what kind of actors. And once they had all of these pieces together, they took a leap of faith, and they decided to license not a sitcom about four Senators but a drama series about a single Senator. You guys know the show?
(ضحك)
(Laughter)
نعم، "البيت الواهن،" وطبعا تربّعت نيتفليكس من خلال ذلك العرض، على الأقل خلال الموسمين الأولين،
Yes, "House of Cards," and Netflix of course, nailed it with that show, at least for the first two seasons.
(ضحك) (تصفيق)
(Laughter) (Applause)
حصل "البيت الواهن" على تقييم بدرجة 9.1 على هذا المنحنى، إنه تماماً حيث أرادوا له أن يكون،
"House of Cards" gets a 9.1 rating on this curve, so it's exactly where they wanted it to be.
والآن، يبرز السؤال الطبيعي، ما الذي حصل هنا؟ ولديكم منافسان كبيران من شركات ذكاء البيانات. حيث يقومون بوصل كل هذه الملايين من نقاط البيانات، وفجأة تصيب إحداها بطريقة جميلة، بينما تخيب الأخرى. لماذا؟ لأن المنطق يخبرك نوعاً ما أن هذا بوسعه النجاح كل الأحيان. وأعني، من خلال جمعك لملايين النقاط من البيانات من أجل قرار سيتعين عليك اتخاذه، عليك أن تكون قادراً على اتخاذ قرار ناجع. فلديك 200 سنة من الإحصاءات التي عليك اعتمادها. والتي تقوم بتنميتها عبر استخدام حواسيب جبارة. وأقل ما تتوقعه هو الحصول على عرض تلفزيوني جيد، صحيح؟
Now, the question of course is, what happened here? So you have two very competitive, data-savvy companies. They connect all of these millions of data points, and then it works beautifully for one of them, and it doesn't work for the other one. So why? Because logic kind of tells you that this should be working all the time. I mean, if you're collecting millions of data points on a decision you're going to make, then you should be able to make a pretty good decision. You have 200 years of statistics to rely on. You're amplifying it with very powerful computers. The least you could expect is good TV, right?
ولكن إن كانت تقنية تحليل البيانات لا تعمل بتلك الطريقة، فستغدو حقاً مخيفة قليلاً، لأننا نعيش في زمن ننكبّ فيه على البيانات أكثر فأكثر من أجل اتخاذ قرارات جدية جدأ تتجاوز كثيرا حدود العروض التلفزيونية. هل أحد هنا يعرف شركة أنظمة الصحة المتعددة؟ لا أحد، حسناً، وهذا أمر جيد حقيقة. حسنا، فأنظمة الصحة المتعددة هي شركة مختصة بالبرمجيات، وآمل ألا يُقدم أحد من هذه القاعة على الاتصال بذلك البرنامج، لأنك إن فعلت، فستكون في السجن.
And if data analysis does not work that way, then it actually gets a little scary, because we live in a time where we're turning to data more and more to make very serious decisions that go far beyond TV. Does anyone here know the company Multi-Health Systems? No one. OK, that's good actually. OK, so Multi-Health Systems is a software company, and I hope that nobody here in this room ever comes into contact with that software, because if you do, it means you're in prison.
(ضحك)
(Laughter)
إذا ما قام أحد السجناء هنا في أميركا بالتقديم على إطلاق سراح مشروط، فمن المحتمل جدا أن أحد برمجيات تحليل البيانات الخاصة بتلك الشركة هو ما سيتم استخدامه لتقرير فيما لو كان من الممكن منح ذلك الإطلاق. إذن فهو نفس المبدأ كما لدى أمازون أو نيتفليكس، ولكن بدلا من التقرير بين كون العرض التلفزيوني صالحاً أم لا، ما لدينا هنا هو القرار بشأن صلاحية السجين من عدمها. والبرامج التلفزيونية المعتدلة الجودة، مثل برنامج 22 دقيقة، الغاية في السوء، ولكن قضاء سنوات أكثر في السجن، كما أظن، هو أكثر سوءاً.
If someone here in the US is in prison, and they apply for parole, then it's very likely that data analysis software from that company will be used in determining whether to grant that parole. So it's the same principle as Amazon and Netflix, but now instead of deciding whether a TV show is going to be good or bad, you're deciding whether a person is going to be good or bad. And mediocre TV, 22 minutes, that can be pretty bad, but more years in prison, I guess, even worse.
ولسوء الحظ، هنالك حقاً دليل على كون تحليل البيانات هذا، رغم توافره على العديد من البيانات، لكنه لا يخرج دائما بالنتائج المثالية. وذلك ليس لكون شركة مثل أنظمة الصحة المتعددة لا تعرف ما تفعله بالبيانات. فحتى أعتى شركات ذكاء البيانات تخطئ الفهم. نعم، فحتى غوغل تخطئ الفهم أحياناً.
And unfortunately, there is actually some evidence that this data analysis, despite having lots of data, does not always produce optimum results. And that's not because a company like Multi-Health Systems doesn't know what to do with data. Even the most data-savvy companies get it wrong. Yes, even Google gets it wrong sometimes.
ففي عام 2009 أعلنت شركة غوغل أن بمقدورها عبرالاستعانة بتحليل البيانات أن تتوقع أوقات تفشي مرض الانفلونزا، خصوصاً النوع المقرف منها، من خلال قيامها بتحليل البيانات عبر عمليات البحث على غوغل. وسار الأمر بشكل جميل جداً، محدثاً جلبة كبيرة في نشرات الأخبار، بما في ذلك تحقيق ذروة النجاح العلمي: متمثّلا بنشر الموضوع في مجلة "الطبيعة." وسار الأمر بصورة رائعة عاماً بعد عام بعد عام، حتى جاء عام الفشل. حيث لم يكن بمقدور أحد حتى من تبيان السبب. ببساطة لم ينجح التوقع ذلك العام، وتسبب من جديد بالطبع بضجة إعلامية هائلة، متضمنا ًهذه المرة تراجعاً عن النشر من قبل مجلة "الطبيعة." إذاً فحتى أعتى شركات ذكاء البيانات، مثل أمازون وغوغل، يحدث لهم أن يخطئوا الفهم أحياناً. ورغم جميع تلك الإخفاقات، تستمر البيانات بالتغلغل مسرعة داخل الواقع الحقيقي لعمليات صنع القرار .. مثل مكان العمل، وفرض القانون، والطب. لذا فمن الأفضل لنا التأكد من كون البيانات أمراً مساعدًا.
In 2009, Google announced that they were able, with data analysis, to predict outbreaks of influenza, the nasty kind of flu, by doing data analysis on their Google searches. And it worked beautifully, and it made a big splash in the news, including the pinnacle of scientific success: a publication in the journal "Nature." It worked beautifully for year after year after year, until one year it failed. And nobody could even tell exactly why. It just didn't work that year, and of course that again made big news, including now a retraction of a publication from the journal "Nature." So even the most data-savvy companies, Amazon and Google, they sometimes get it wrong. And despite all those failures, data is moving rapidly into real-life decision-making -- into the workplace, law enforcement, medicine. So we should better make sure that data is helping.
فعلى الصعيد الشخصي، مررت بالعديد من الحالات المعاناة مع البيانات، جرّاء عملي في علم الوراثة الحسابية، فهو أيضاً من المجالات التي تضم مجموعات من أذكى الناس تستخدم كميات عصية على التخيّل من البيانات من أجل صنع قرارات غاية في الأهمية مثل التقرير بخصوص علاج للسرطان أو التقرير بشأن تطوير أحد العقارات. وعبر السنين لاحظت وجود شكل من أشكال النمطية أو وجود نوع من القواعد، إذا رغبتم، بخصوص الفرق بين اتخاذ القرار الناجع عبر استخدام البيانات وبين اتخاذ القرار المخفق، وقد وجدت أن هذا النمط من الأمور الجديرة بالمشاركة، ويعمل كما سأبيّن لاحقاً.
Now, personally I've seen a lot of this struggle with data myself, because I work in computational genetics, which is also a field where lots of very smart people are using unimaginable amounts of data to make pretty serious decisions like deciding on a cancer therapy or developing a drug. And over the years, I've noticed a sort of pattern or kind of rule, if you will, about the difference between successful decision-making with data and unsuccessful decision-making, and I find this a pattern worth sharing, and it goes something like this.
فمتى ما كنا بصدد حلّ إحدى المسائل المعقّدة، فبحقيقة الأمر نعمل على أمرين، الأمر الأول هو قيامنا بتجزئة تلك المسألة إلى أصغر ما يكوّنها بغية سبر أغوارها عبر تحليل تلك القطع والأجزاء، ومن ثم القيام بالطبع بإجراء الأمر الثاني، عبر القيام بجمع تلك القطع والأجزاء سويّة مرة أخرى من أجل بلوغ الاستنتاج. وأحيانا يتطلب الأمر إعادة الكرّة مراراً، ولكن دائماً ثمة هاذان الأمران: التجزئة وإعادة الجمع ثانية.
So whenever you're solving a complex problem, you're doing essentially two things. The first one is, you take that problem apart into its bits and pieces so that you can deeply analyze those bits and pieces, and then of course you do the second part. You put all of these bits and pieces back together again to come to your conclusion. And sometimes you have to do it over again, but it's always those two things: taking apart and putting back together again.
ولكن الأمر الحاسم هنا يتجلّى بكون البيانات وتحليلها ليست نافعة سوى للجزء الأول فالبيانات وعمليات تحليلها، مهما بلغت من القوة، لا يسعها إلا المساعدة على تجزئة المسألة وفهم أجزائها. لكنها ليست ملائمة لإعادة جمع تلك الأجزاء ثانية. للإتيان أخيراً بالاستنتاج. إذ ثمة وسيلة أخرى للقيام بذلك، وكلّنا نملكها، وتلك الوسيلة هي الدماغ. فلو صلح الدماغ لأمر واحد قطّ، فذلك هو قدرته على إعادة جمع القطع والأجزاء ثانية حتى إن لم يتوفر لدينا كامل المعلومات، وبالتالي بلوغ الاستنتاج الناجع، خصوصاً إذا كان الدماغ هو دماغ خبير.
And now the crucial thing is that data and data analysis is only good for the first part. Data and data analysis, no matter how powerful, can only help you taking a problem apart and understanding its pieces. It's not suited to put those pieces back together again and then to come to a conclusion. There's another tool that can do that, and we all have it, and that tool is the brain. If there's one thing a brain is good at, it's taking bits and pieces back together again, even when you have incomplete information, and coming to a good conclusion, especially if it's the brain of an expert.
وهذا ما يجعلني أعتقد أن نيتفليكس كانت ناجحة جداً، لأنهم استخدموا البيانات مع الأدمغة في المكان المناسب من العملية. فهم يستخدمون البيانات ليفهموا أولاً العديد من الأمور الصغيرة حول جمهورهم والتي من غيرها لن يكون بمقدورهم الخوض بالفهم إلى ذلك العمق، أما فيما يتعلق بقرار تناول كل تلك القطع والأجزاء وإعادة جمعها ثانية لإبداع مسلسل "البيت الواهن،" لم يكن ذلك كامناً في البيانات. حينها قام تيد ساراندور وفريقه باتخاذ ذلك القرار بترخيص ذلك العرض، عنى ذلك الأمر أيضاً، بالمناسبة، قيامهم حينها بتحمّل مخاطرة شخصية هائلة صاحبت ذلك القرار. بينما ما قامت به أمازون قامت به بالشكل الخاطئ المعكوس. إذ استخدموا البيانات على طول الخط سعيا ًوراء اتخاذ القرار، فبدءأ باعدادهم المنافسة لأفكار العروض التلفزيونية وثم قيامهم باختيار "بيت ألفا" لأنجازه كعرض تلفزيوني. والذي بدوره بالطبع مثّل قراراً أميناً جداً بالنسبة لهم، إذ كان بمقدورهم دائماً التأشير صوب البيانات ليقولوا: "هذا ما تخبرنا إياه البيانات،" لكن الأمر لم يؤدي بهم حيث النتائج الاستثنائية التي كانوا يتوخونها.
And that's why I believe that Netflix was so successful, because they used data and brains where they belong in the process. They use data to first understand lots of pieces about their audience that they otherwise wouldn't have been able to understand at that depth, but then the decision to take all these bits and pieces and put them back together again and make a show like "House of Cards," that was nowhere in the data. Ted Sarandos and his team made that decision to license that show, which also meant, by the way, that they were taking a pretty big personal risk with that decision. And Amazon, on the other hand, they did it the wrong way around. They used data all the way to drive their decision-making, first when they held their competition of TV ideas, then when they selected "Alpha House" to make as a show. Which of course was a very safe decision for them, because they could always point at the data, saying, "This is what the data tells us." But it didn't lead to the exceptional results that they were hoping for.
وهكذا فالبيانات بالطبع أداة هائلة لصياغة ما هو أفضل من القرارات، لكنني واثق من اتخاذ الأمور الوجهة الخاطئة حين تشرع البيانات باستخلاص تلك القرارات. فمهما كانت قوية، هي ليست سوى أداة، ولغرض إبقاء ذلك الأمر في الذاكرة فقد وجدت أن هذا الجهاز مفيد تماما. والعديد منكم سوف ...
So data is of course a massively useful tool to make better decisions, but I believe that things go wrong when data is starting to drive those decisions. No matter how powerful, data is just a tool, and to keep that in mind, I find this device here quite useful. Many of you will ...
(ضحك)
(Laughter)
فقبل وجود البيانات، كان هذا هو الجهاز هو ما يستخدم لصنع القرارات.
Before there was data, this was the decision-making device to use.
(ضحك)
(Laughter)
لا بد أن يعرفه العديد منكم. هذه اللعبة هنا تدعى كرة الثمانية السحرية، وهي مدهشة حقا، فلو كان ثمة قرار عليك اتخاذه، من نوع نعم أم لا، فما عليك سوى برجّ الكرة، كي تحصل حينها على إجابة -- وعلى الأرجح -- ها هنا عبر هذه النافذة في الوقت الحالي. وسوف أعرضها لاحقا خلال عروض التقنيات.
Many of you will know this. This toy here is called the Magic 8 Ball, and it's really amazing, because if you have a decision to make, a yes or no question, all you have to do is you shake the ball, and then you get an answer -- "Most Likely" -- right here in this window in real time. I'll have it out later for tech demos.
(ضحك)
(Laughter)
وهكذا، فخلاصة الأمر طبعاً -- أنني خلال حياتي كنت قد اتخذت بعض القرارات حيث وعبر إدراكي المتأخر، كان علي الإصغاء لما تقوله الكرة. لكن كما تعلمون، طبعاً، فما دامت قد توفرت البيانات، لا بد أنكم ستقومون باستبدال الكرة بشيء أكثر تعقيداً، مثل عملية تحليل البيانات للحصول على قرار أنجع. ولكن ذلك لن يغيرالمنحى الأساسي، مما يجعل الكرة أذكى وأذكى وأذكى، لكنني لا زلت أعتقد ان الأمر يتوقّف علينا باتخاذ القرارات إذا ما أردنا تحقيق هدف أكثر استثناءاً، يقع على الطرف الأيمن من المنحنى. وإنني لأجد في ذلك رسالة مشجّعة في الحقيقة، فحتى في مواجهة أكبر الأقدار من البيانات، فما زال ما يثمر القرارات هو أن تكون خبيراً فيما تفعله متحمّلاً المخاطر. لأنه في النهاية، إنها ليست البيانات إنما المخاطر هي من سترسو بك على الطرف الأيمن من المنحنى.
Now, the thing is, of course -- so I've made some decisions in my life where, in hindsight, I should have just listened to the ball. But, you know, of course, if you have the data available, you want to replace this with something much more sophisticated, like data analysis to come to a better decision. But that does not change the basic setup. So the ball may get smarter and smarter and smarter, but I believe it's still on us to make the decisions if we want to achieve something extraordinary, on the right end of the curve. And I find that a very encouraging message, in fact, that even in the face of huge amounts of data, it still pays off to make decisions, to be an expert in what you're doing and take risks. Because in the end, it's not data, it's risks that will land you on the right end of the curve.
أشكركم.
Thank you.
(تصفيق)
(Applause)