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.
Roy Price, 19 Nisan 2013 tarihinde geçirdiğiniz 22 sıradan dakikanın sorumlusu olsa da, büyük olasılıkla çoğunuzun duymadığı bir isim. O, aynı zamanda en eğlenceli 22 dakikanın da sorumlusu, tabii hepiniz için değil. Bunlar bizi Roy'un üç sene önce almak zorunda olduğu bir karara götürüyor.
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.
Roy Price, Amazon Stüdyoları'nda bir üst düzey yönetici. Bu, Amazon'un TV yapım şirketi. 47 yaşında, zayıf ve dik saçlı biri olan Roy, kendini Twitter'da "filmler, televizyon, teknoloji ve tako" anahtar kelimelerini ile tanıtıyor. Roy Price sorumluluğu ağır bir işi yürütüyor, çünkü onun işi Amazon'un yapacağı özgün içerikli programları seçmek. Ve bu alanda rekabet oldukça yüksek. Demek istediğim, şu anda o kadar çok dizi var ki, Roy'un herhangi bir dizi seçmesi mümkün değil. Onun, çok ama çok iyi dizileri bulması gerekiyor. Başka bir deyişle, onun, bu eğrinin en sağında yer alacak bir dizi bulması gerekiyor.
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" --
Bu eğri IMDB sitesinde bulunan 2500 dizinin, 1-10 puan arasındaki puan dağılımının eğrisi ve yükseklik, kaç dizinin bu reytinge ulaştığını gösteriyor. Yani eğer dizi 9'un üstünde bir reyting puanı alırsa bu bir zafer demektir. Bir de en iyi %2'lik kesim var. Breaking Bad, Game of Thrones, The Wire gibi diziler mesela. Bu dizilerin hepsi, bir sezon izledikten sonra beyninize "Diğer bölümleri nasıl bulurum?" sorusunu sorduracak kadar bağımlılık yapar. Bu tür diziler. Sol tarafta, biraz daha açık olmak gerekirse en sonda, "Toddlers and Tiaras" adında
(Laughter)
(Kahkahalar)
-- which should tell you enough about what's going on on that end of the curve.
eğrinin sonunda neler olduğunu yeterince iyi açıklayan bir dizi var.
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.
Şu an Roy Price'ın eğrinin en solunda kalmak gibi bir endişesi yok çünkü bence Toddlers and Tiaras'ın gerisine düşmek için ciddi bir beyin gücünüzün olması lazım. Onun endişelendiği nokta ortadaki çıkıntı bölüm, yani ortalama bir dizi, bildiğiniz gibi çok iyi veya çok kötü olmayan diziler bizi pek heyecanlandırmaz. O yüzden onun hep eğrinin sağında kaldığından emin olması lazım.
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.
Üzerinde hissettiği baskı bu şekilde ve Amazon ilk defa böyle şeyler yapmaya başladığında Roy Price, işini şansa bırakmak istemedi. Başarıyı elde etmek istedi. Başarıyı garantilemeye ihtiyacı vardı ve şuan yaptığı şey ise bir yarışı sürdürmek.
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.
Bu yüzden diziler için bir dizi fikir topluyor ve bu fikirleri değerlendirip aralarından sekiz aday seçiyor ve her birinin ilk bölümünü çekiyor. Bu bölümleri ücretsiz olarak bir websitesinden yayınlıyor. Amazon ücretsiz olarak bir şey verirse bu şeyi alırsınız değil mi? Dolayısıyla milyonlarca kişi bu bölümleri izliyor.
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.
Onlarında farketmedikeri şey şu ki onlar bu bölümleri izlerken asıl izlenen onlar. Her şeyi kaydeden Roy Price ve takımı tarafından izleniyorlar. İzleyicinin oynat tuşuna basmasını, durdurmasını, atladığı yerleri ve tekrar izlediği yerleri kaydediyorlar. Böylece milyonlarca veri parçacığı topluyorlar, çünkü hangi diziyi yapmak istediklerine karar verirken bu verilere sahip olmak istiyorlar. Pek tabii olarak bu verileri topluyorlar, hepsini işledikten sonra cevap ortaya çıkıyor. Cevap şu ki: "Amazon Dört Cumhuriyetçi ABD senatörü hakkında bir sit-com yapmalı." Diziyi yaptılar.
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?
Bu dizinin ismini hatırlayan var mı? (Seyirci: "Alpha House.") Evet, "Alpha House." aslında bir çoğunuz bu diziyi hatırlamıyor gibi gözüküyor, çünkü çok büyük bir patlama yapmadı. Yalnızca ortalama bir diziydi, çünkü aslında bu eğrinin ortalaması tam olarak 7.4 ve "Alpha House" 7.5 puanda. Yani ortalamanın biraz üstünde ama bu Roy Price ve takımının amaçladığı şey kesinlikle bu değil. Bu arada, her nasılsa, aynı zamanda başka bir şirkette, Netflix'te İçerik Yönetim Şefi olan Ted, Ted Sarandos, veri analizini kullanarak en üst reytinge yerleşen bir dizi yapmayı başardı. Onun da işi, aynı Roy'unki gibi sürekli olarak çok iyi diziler bulmak. O da bunu yapmak için verileri kullanıyor ama biraz daha farklı yapıyor. O ve takımı bir yarışma düzenlemek yerine halihazırda Netflix izleyicileri ile ilgili toplanmış, dizilere verilen puanlar, izlenme geçmişleri, sevilen diziler ve bunun gibi verilere bakıyorlar. Bu verileri kullanarak, seyirciler hakkında hangi tür dizileri, hangi tür yapımcıları, hangi tür aktörleri sevdikleri gibi veri kırıntılarına ulaşıyorlar. Bu kırıntıları bir araya getiriyorlar, bu verilerle bir sıçrama yapıyorlar ve 4 senatör hakkında bir sitcom yapmaktansa yalnızca bir senatör hakkında drama dizisi yapmaya karar veriyorlar. Bu dizinin adını biliyor musunuz?
(Laughter)
(Kahkaha)
Yes, "House of Cards," and Netflix of course, nailed it with that show, at least for the first two seasons.
Evet, "House of Cards" ve Netflix elbette bu diziyle kasıp kavurdu, en azından ilk iki sezon.
(Laughter) (Applause)
(Kahkahalar)(Alkışlar)
"House of Cards" gets a 9.1 rating on this curve, so it's exactly where they wanted it to be.
"House of Cards" bu eğride 9.1 puanda, yani tam olarak istedikleri yerde.
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?
Şimdi soru şu, bu iki durumda ne oldu? Şimdi, veri depolayan, rekabet içinde olan iki şirket var. Milyonlarca veri parçalarını birleştiriyorlar ve bu veriler biri için çok işe yarıyor ama diğeri için iyi bir sonuç vermiyor? Peki neden? Çünkü mantığınız size bunun her zaman işe yaraması gerektiğini söylüyor. Demem o ki, milyonlarca veri parçası topluyorsanız, bir karar vereceğiniz zaman iyi bir karar vermiş olmanız lazım. Güvenebileceğiniz 200 yıllık istatistikler var. Bu verileri güçlü bilgisayarlarla büyütüyorsunuz. En azından iyi bir dizi bekliyorsunuz, değil mi?
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.
Eğer veri analizi bu şekilde çalışmıyorsa, durum biraz daha korkutucu bir hâl alıyor. Çünkü günümüzde televizyonun da ötesinde daha ciddi kararlar almak için verilere başvuruyoruz. Aranızda Multi-Health Systems adlı şirketi bilen var mı? Hiç kimse. Tamam, çok iyi. Evet, Multi-Health Systems bir yazılım şirketi ve ve umarım bu odadaki hiç kimse bu programla karşılaşmamıştır çünkü eğer karşılaştıysanız hapistesiniz demektir.
(Laughter)
(Kahkahalar)
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.
Eğer buradaki herhangi biri ABD'de hapse girerse ve şartlı tahliye başvurusu yaparsa büyük olasılıkla başvuruyu onaylamak veya reddetmek için bu şirketin veri analiz yazılımı kullanılacak. Amazon ve Netflix ile aynı esaslarla ama şimdi bir dizinin iyi veya kötü olacağı değil, bir insanın iyi veya kötü olacağı hakkında karar veriyorsunuz. Vasat bir dizi, 22 dakika, biraz kötü olabilir, hapiste uzun yıllar, sanırım çok daha kötü.
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.
Ve maalesef veri analizi ile ilgili bazı bulgular bize şunu gösteriyor ki, ne kadar çok veri olursa olsun, her zaman optimum sonuçlar elde edemiyorsunuz. Bu, Multi-Health Systems gibi bir şirketin elindeki verilerle ne yapacağını bilmediğinden değil. Veri depolamaya en meraklı şirketler bile hatalar yapıyor. Evet, Google bile bazen hatalar yapıyor.
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.
2009 yılında, Google, grip salgınını tahmin etmek için, daha doğrusu kötü bir grip türünü, veri analizi yapabileceğini duyurdu. Veri analizi bu konuda çok iyi çalıştı ve haberlerde de büyük sükse yaptı, hatta bilimsel başarının zirvesini yakaladı, "Nature" dergisinde yayınlandı. Çalışma başarısız olduğu o yıla kadar her yıl çok iyi sonuç verdi. Ve kimse tam olarak nedenini bile söyleyemedi. Sadece o yıl çalışmadı ve tabii olarak haberlerde çok duyuldu ve "Nature" dergisi yayını geri çekti. Evet, veri uzmanı en büyük firmalar, Amazon ve Google bile zaman zaman hatalar yapıyor. Tüm bu başarısızlıklara rağmen veri analizi, kanun hükümleri, tıp gibi birçok hayati alanda kararı etkileyen bir unsur olarak kayıyor. Bu yüzden veri analizinin işe yaradığına emin olmalıyız.
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.
Ben, kişisel olarak verilerle ilgili çok fazla zorluk gördüm çünkü kanser tedavisi veya ilaç geliştirmek gibi alanlarda, hayal edemeyeceğiniz kadar çok verilerle uğraşan zeki insanların olduğu bir dal olan bilişimsel genetik üzerinde çalışıyorum. Ve yıllar içinde verilerle karar verme konusunda başarılı olmak veya olmamak arasında niyet ettiğimizde paylaşmaya değer bir kural veya kalıp farkettim. Bu kalıp ise şöyle bir şey:
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.
Karışık bir problemi çözerken temel olarak iki şey yapıyorsunuz. İlki, problemi küçük parçalara ayırıyorsunuz, böylece bu parçaları derinlenemesine analiz edebilirsiniz ve sonra ikinci bölüme geçiyorsunuz. Sonuca ulaşmak için bu küçük parçaları tekrar bir araya getiriyorsunuz. Bazen bu işi tekrar yapmanız gerekebilir ama yaptığınız her zaman iki şeydir: parçalara ayırmak ve parçaları birleştirmek.
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.
Burada kritik olan nokta şu ki, veri ve veri analizi yalnızca ilk bölüm için önemli. Veri ve veri analizi ne kadar güçlü olursa olsun, yalnızca problemi parçalara ayırmanıza ve parçaları anlamanıza yardımcı olur. Parçaları tekrar birleştirip bir sonuca ulaşmak için uygun değildir. Bunu yapabilecek olan araç herkeste mevcut ve bu araç beyin. Eğer beynin iyi olduğu bir şey varsa, sahip olduğunuz bilgiler tam olmasa bile parçaları alıp tekrar araya getirmek ve iyi bir sonuca ulaşmak, özellikle bu beyin bir uzmanın beyniyse.
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.
Bence Netflix'in bu kadar başarılı olmasının sebebi, veriyi ve beyni süreçte olması gerektiği yerde kullanmaları. Onlar önce seyircilerle alakalı bir şeyler öğrenmek için verileri kullanıyor, yoksa seyirciler hakkında bu derinlikte bilgilere sahip olamazlardı. Sonra karar vermek için bütün bu parçaları birleştiriyor ve ortaya hiçbir veride adı geçmeyen "House of Cards" gibi bir dizi çıkıyor. Ted Sarantos ve takımı büyük bir kişisel risk alarak bu diziyi yapmak için bir karar verdi. Ama diğer yandan Amazon bu işi yanlış bir şekilde yaptı. İlk olarak dizi önerilerini bir yarışa soktuklarında ve "Alpha House" dizisinde karar kıldıklarında karar alma mekanizmasını harekete geçirmek için verileri kullandılar. Bu onlar için güvenli bir karardı çünkü verilere baktıklarında şunu söyleyebiliyorlardı: "Bize verilerin söylediği şey bu." Ama bu veriler onları umut ettikleri gibi istisnai bir sonuca götürmedi.
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 ...
Sonuç olarak veriler karar alırken çok yararlı araçlar fakat bence bizi karara götüren tek şey veriler olduğunda işler sarpa sarıyor. Ne kadar güçlü olursa olsun, veriler yalnızca birer araç ve şunu unutmayın bu araç burada benim çok işime yaradı. Aranızdan bir çoğunuz...
(Laughter)
(Kahkahalar)
Before there was data, this was the decision-making device to use.
Veriler yokken karar alma aracı buydu.
(Laughter)
(Kahkahalar)
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.
Bir çoğunuz bunu biliyor. Bu oyuncağın ismi Sihirli 8 Topu, ve gerçekten inanılmaz. Çünkü eğer bir karar vermeniz gerekiyorsa, cevabı evet veya hayır olan bir soruysa, tüm yapmanız gereken topu sallamak ve cevabı almak. Şuanda şu küçük pencerede "Büyük ihtimalle" yazıyor. Bunu daha sonra teknoloji tanıtımlarında kullanacağım.
(Laughter)
(Kahkahalar)
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.
Olay şu ki, hayatımda bir çok konuda kararlar aldım ve şimdi geriye dönüp baktığımda şunu söyleyebilirim, keşke topu dinleseydim. Ama bildiğiniz gibi, eğer elinizde veriler varsa, daha iyi bir karar vermek için bunun yerine veri analizi gibi daha gelişmiş şeyleri kullanmak istersiniz. Ama bu kurguyu değiştirmiyor. Bu yüzden top, çok daha zeki olabiliyor, ama şuna inanıyorum ki eğer eğrinin sağ tarafında, sıra dışı bir şey başarmak istiyorsak bu hala karar vermemiz için hazır bekliyor ve aslında çok teşvik edici bir şey buldum, çok büyük sayıda verilere karşın yaptığınız şeyde uzman olmak için karar vermeye ve risk almaya değer. Çünkü en sonunda veriler yok, en sonunda sizi eğrinin sağına veya soluna yerleştirecek şey yalnızca aldığınız riskler.
Thank you.
Teşekkür ederim.
(Applause)
(Alkışlar)