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 là người mà phần lớn các bạn có thể chưa từng nghe nói đến mặc dù anh ấy có thể đã từng chịu trách nhiệm cho 22 phút hơi tầm thường của đời bạn trong ngày 19 tháng 4 năm 2013. Anh ấy có lẽ còn chịu tránh nhiệm cho mỗi 22 phút giải trí nhưng không phải nhiều người trong các bạn. và tất cả đã dẫn đến một quyết định mà Roy phải thực hiện trong 3 năm
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.
Như mọi người biết, Roy Price là một nhà điều hành cấp cao của Amazon Studios Đây là công ty sản xuất chương trình TV của Amazon Anh ấy 47 tuổi, nhỏ người, tóc vuốt cao với mô tả trên Twitter: "phim ảnh, TV, công nghệ, taco (món ăn Mexico)" Và Roy Price làm công việc mang tính trách nhiệm cao, vì trách nhiệm của anh ấy là chọn ra các show, nội dung gốc mà Amazon sẽ thực hiện Tất nhiên, đây là lĩnh vực rất cạnh tranh Tôi muốn nói là, đã có quá nhiều chương trình truyền hình Roy không thể chỉ chọn một show nào đó Anh ấy phải tìm được những show thực sự thật sự tuyệt vời Nói cách khác, anh ấy phải tìm ra những chương trình nắm ở phía cuối bên phải của đường cong này.
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" --
Đường cong ở đây là phân bổ chỉ số đánh giá của khoảng 2500 chương trình TV trên trang web IMDB, và điểm đánh giá chạy từ 1 đến 10, và đường cao này chỉ ra có bao nhiêu chương trình được xếp hạng Nếu chương trình của bạn có chỉ số người xem là 9 hoặc cao nơi, đó là kẻ thắng cuộc Bạn ở top 2% các chương trình dẫn đầu. Đó là những chương trình như "Breaking Bad", "Game of Thrones", "The Wire" tất cả những chương trình này đều rất gây nghiện mỗi lần sau khi bạn coi xong một mùa, não bạn cơ bản đều như là: "Làm sao để xem thêm những tập mới?" Loại chương trình như thế đó. Ở phía bên trái, để rõ ràng, ở vị trí cuối này, bạn có một chương trình tên "Toddlers and Tiaras"...
(Laughter)
(Cười)
-- which should tell you enough about what's going on on that end of the curve.
...nó đủ nói cho bạn biết những gì xảy ra ở điểm cuối của đường cong này.
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.
Bây giờ, Roy Price không lo lắng mấy về việc nằm ở vị trí cuối bên trái đường cong bởi vì tôi nghĩ bạn sẽ phải có năng lực não rất mạnh để cắt xén "Toddlers and Tiaras." Vì thế điều anh ấy lo ngại chính là chỗ phình ra ở giữa đây vị trí của các chương trình trung bình bạn biết đấy, các chương trình không hay cũng không dở chúng không thật sự làm bạn phấn khích Vì vậy anh ấy cần đảm bảo rằng anh ấy thật sự nằm ở điểm cuối bên phải này
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.
Vì thấy áp lực tăng lên, và tất nhiên nó cũng là lần đầu tiên mà Amazon làm những thứ như thế này, cho nên Roy Price không muốn có bất kì cơ hội nào Anh ấy muốn sắp đặt sự thành công. Anh ấy cần một sự thành công chắc chắn và vì thế điều anh ấy làm là, tổ chức một cuộc thi.
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.
Anh ấy tìm một loạt các ý tưởng cho các chương trình TV, và từ những ý tưởng đó, trải qua đánh giá, Họ chọn ra 8 ứng cử viên cho các chương trình TV và rồi họ chỉ làm tập đầu tiên cho mỗi một chương trình đó và đăng chúng miễn phí lên mạng để mọi người cùng xem. Và khi Amazon đưa ra thứ gì miễn phí, bạn sẽ xem chúng đúng chứ? Thế nên hàng triệu người đã xem những tập chương trình này.
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.
Điều họ không nhận ra là, trong khi họ xem những chương trình đó, thật ra, họ cũng đang bị theo dõi. Họ bị theo dõi bởi Roy Price và tổ là việc của anh họ đã ghi lại tất cả. Họ ghi lại khi nào ai đó nhấn nút "play" khi nào nhất nút "pause" phần nào nọ sẽ cho qua, phần nào họ sẽ xem lại. Và họ thu thập hàng triệu dữ liệu, vì họ muốn có những dữ liệu này để sau đó quyết định xem họ nên làm chương trình gì. Và chắc chắn, họ thu thập tất cả dữ liệu, họ phân tích tất cả dữ liệu, và câu trả lời xuất hiện câu trả lời là, "Amazon nên làm một bộ sitcom về 4 thượng nghị sĩ của đảng Cộng hòa Mỹ" Họ đã làm chương trình đó
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?
Vậy có ai biết tên của chương trình đó không? (Khán giả: "Alpha House") Vâng, "Alpha House", nhưng có vẻ không nhiều người ở đây thực sự nhớ đến chương trình này bởi nó không đặc biệt Nó thực sự chỉ là một show bình thường, thật sự... theo nghĩa đen, sự thật là, vì mức trung bình của đường cong này là 7.4 và "Alpha House" nằm ở mức 7.5, trên mức trung bình một chút, nhưng chắc chắn không phải là điều Roy Price và nhóm của anh hướng đến. Tuy nhiên trong khi đó, tại cùng một thời điểm, ở một công ty khác, một nhà điều hành khác cũng muốn làm một chương trình hàng đầu bằng phân tích dữ liệu và tên anh ấy là Ted, Ted Sarandos, giám đốc nội dung của Netflix và cũng như Roy, anh có 1 nhiệm vụ thường xuyên là tìm những chương trình hay, và anh ấy cũng sử dụng dữ liệu để làm việc ngoại trừ anh ấy làm nó có chút khác biệt. Thay vì tổ chức một cuộc thi, điều anh ấy làm... và dĩ nhiên cả nhóm của anh... là nhìn vào tất cả dữ liệu và họ đã có về khán giả của Netflix, những đánh giá họ đưa ra cho các chương trình lịch sử xem, những chương trình nào họ thích, v.v Và họ dùng các dữ liệu đó để tìm ra tất cả những gì nhỏ nhất về các khán giả: loại chương trình gì họ thích, người sản xuất nào, loại diễn viên nào. Và một khi họ đã có được tất cả các mảnh ghép họ làm một bước nhảy vọt của lòng tin họ quyết định cấp giấy phép không phải cho một bộ sitcom về bốn thượng nghị sĩ mà là một bộ phim truyền hình chỉ về một thượng nghị sĩ. Các bạn biết chương trình này chứ?
(Laughter)
(Cười)
Yes, "House of Cards," and Netflix of course, nailed it with that show, at least for the first two seasons.
Vâng, là "House of Cards", và Netflix dĩ nhiên đóng đinh với chương trình đó ít nhất là với 2 mùa đầu tiên.
(Laughter) (Applause)
(Cười) (Vỗ tay)
"House of Cards" gets a 9.1 rating on this curve, so it's exactly where they wanted it to be.
"House of Cards" được đánh giá 9.1 trên đường cong, nó chính xác là những gì họ muốn làm được.
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?
Và giờ, câu hỏi đặt ra là chuyện gì xảy ra ở đây? Bạn có hai công ty rất cạnh tranh, hiểu biết về dữ liệu Họ kết nối hàng triệu điểm dữ liệu và nó hoạt động tốt với 1 bên, còn với một bên thì nó không hoạt động Tại sao? Vì kiểu lí luận này luôn nói với bạn rằng điều này luôn hiệu quả mọi lúc Nghĩa là, nếu bạn thu thập hết hàng triệu điểm dữ liệu lên một quyết định bạn sẽ thực hiện, bạn sẽ có thể đưa ra một quyết định tuyệt vời. Bạn có thể dựa vào 200 năm dữ liệu thống kê Bạn mở rộng chúng với những máy tính cực mạnh. Ít nhất bạn cũng trông đợi vào một chương trình TV tốt, đúng chứ?
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.
Và nếu phân tích dữ liệu không hoạt động theo cách này, thì nó thật sự khá đáng sợ, Vì chúng ta sống trong thời điểm mà ta chuyển sang dùng dữ liệu ngày càng nhiều để đưa ra những quyết định rất quan trọng, vượt xa hơn cả TV. Có ai ở đây biết về công ty Multi-Health Systems? Không ai cả. OK, rất tốt. Vâng, Multi-Health Systems là một công ty phần mềm, và tôi mong rằng không ai trong khán phòng này từng tiếp xúc với phần mềm đó, vì nếu bạn làm vậy, nghĩa là bạn đang ở tù
(Laughter)
(Cười)
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.
Nếu một ai đó ở Mỹ đang ở trong tù, và họ xin tạm tha, thì sẽ rất có khả năng phần mềm phân tích dữ liệu của công ty này sẽ được sử dụng để quyết định xem có nên cho phép tạm tha hay không Nó cũng là một nguyên lí giống như Amazon và Netflix nhưng bây giờ thay vì quyết định xem chương trình TV này sẽ tốt hay dở bạn sẽ xem xét xem người kia là tốt hay là xấu và chương trình TV tầm thường, 22 phút, nó có thể khá tệ nhưng nhiều năm trong tù tôi đoán là tệ hơn nhiều.
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.
Và không may là, thật sự có vài bằng chứng cho thấy phân tích dữ liệu này, mặc dù có rất nhiều dữ lệu, nhưng không phải luôn luôn cho ra những kết quả tối ưu Và nó cũng không phải công ty như Multi-Health Systems không biết phải làm gì với dữ liệu. Thậm chí hầu hết các công ty dữ liệu đều làm sai Vâng, thậm chí Google đôi lúc cũng sai
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.
Trong năm 2009, Google thông báo rằng, với phân tích dữ liệu, họ có thể dự đoán sự bùng phát của dịch cúm một loại cúm nguy hiểm, bằng cách thực hiện phân tích dữ liệu trên "Google tìm kiếm" của họ. Và nó hoạt động hiệu quả, trở thành tin giật gân trên mặt báo, bao gồm cả đỉnh cao thành công của khoa học: một ấn phẩm trên tạp chí "Nature" Nó làm việc hiệu quả từ năm này qua năm khác, cho đến một năm, nó thất bại. Và thậm chí chẳng ai giải thích nổi tại sao. Nó chỉ không hoạt động vào năm đó và tất nhiên nó lại trở thành tin giật gân bây giờ bao gồm sự rút lại của một ấn phẩm từ tạp chí "Nature" Cho nên đến cả những công ty giỏi nhất về dữ liệu như Amazon và Google, đôi lúc cũng mắc sai lầm. Và mặc cho những thất bại đó, dữ liệu vẫn nhanh chóng tiếp cận vào việc đưa ra quyết định trong đời thực, nơi làm việc, thực thi pháp luật, y tế. Chúng ta nên làm rõ là những dữ liệu này rất hữu ích
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.
Hiện nay, cá nhân tôi thường thấy bản thân vật lộn rất nhiều với dữ liệu vì tôi làm việc ở ngành tính toán di truyền học đây cũng là ngành có rất nhiều người cực kì thông minh sử dùng 1 lượng dữ liệu nhiều không tưởng để đưa ra các quyết định quan trọng như quyết định về phương pháp chữa ung thư hoặc phát triển thuốc. Qua nhiều năm, tôi đã nhận thấy một loại dấu hiệu hay một kiểu quy luật, nếu bạn muốn, về sự khác biệt giữa đưa ra quyết định thành công với dữ liệu và đưa ra quyết định thất bại, và tôi thấy đây là một mô hình đáng để chia sẻ, và nó là một thứ gì đó như thế
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.
Bất cứ khi nào bạn giải quyết một vấn đề phức tạp, bạn đang thực hiện về cơ bản 2 điều. Thứ nhất là, bạn chia nhỏ vấn đề đó ra thành những phần nhỏ lẻ để bạn có thể phấn tích kĩ lưỡng những phần nhỏ đó, và sau đó tất nhiện bạn sẽ làm tiếp phần 2 Bạn xếp những phần nhỏ đó lại với nhau để đi đến kết luận cuối cùng Và đôi khi bạn phải lặp lại nó lần nữa nhưng nó vẫn chỉ là 2 điều đó: chia nhỏ ra và sắp đặt lại lần nữa
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.
Và điều quan trọng bây giờ là dữ liệu đó và phân tích dữ liệu chỉ tốt ở bước đầu tiên. dữ liệu và phân tích dữ liệu, dù mạnh mẽ cỡ nào cũng chỉ có thể giúp bạn chia nhỏ vấn đề và hiểu rõ từng phần của nó Nó không phù hợp để đặt các phần nhỏ lại 1 lần nữa và cuối cùng đi đến kết luận. Có 1 công cụ khác có thể làm việc đó, và chúng ta đều có nó, nó chính là bộ não. Nếu có 1 thứ mà bộ não rất giỏi, thì đó chính là sắp xếp các phần nhỏ lại với nhau, thậm chí cả khi bạn không có đủ thông tin, và đi đến một kết luận tuyệt vời, đặc biệt khi nó là bộ não của 1 chuyên gia
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.
Đó là lí do vì sao tôi tin là Netflix đã rất thành công, Vì họ đã sử dụng dữ liệu và bộ não vào đúng chỗ nó cần trong cả quá trình. Họ sử dụng dữ liệu trước tiên để hiểu rõ nhiều phần nhỏ về khán giả của họ nếu không họ sẽ không thể hiểu tường tận đến thế, nhưng quyết định để lấy hết các phần nhỏ đó và sắp xếp chúng lại rồi thực hiện chương trình "House of Cards" nó không hề nằm trong dữ liệu Ted Sarandos và nhóm của anh ấy đã đưa ra quyết định cấp phép cho chương trình đó, cũng có nghĩa là, bằng cách này, họ đã đánh cược một rủi ro cá nhân khá lớn cho quyết định này. Và Amazon, mặt khác, họ đã đi sai đường. Họ sử dụng dữ liệu trên cả con đường đi đến quyết định, đầu tiên khi họ tổ chức cuộc thi về các ý tưởng TV tiếp đến là khi họ chọn "Alpha House" để làm chương trình. Tất nhiên đó là một quyết định an toàn cho họ, Vì họ luôn có thể chỉ vào dữ liệu và nói "Đây là những gì dữ liệu nói cho chúng tôi" Nhưng nó không đưa đến một kết quả chấp nhận được mà họ mong chờ
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 ...
Cho nên dữ liệu dĩ nhiên là 1 công cụ cực kì hữu hiệu để đưa ra quyết định tốt hơn, nhưng tôi tin là mọi thứ sẽ đi sai khi dữ liệu bắt đầu điều khiến những quyết định đó. Mặc dù rất mạnh nhưng dữ liệu chỉ là một công cụ, và để ghi nhớ điều đó, tôi cho rằng thiết bị này khá hữu dụng. Nhiều người trong các bạn cũng sẽ vậy...
(Laughter)
(Cười)
Before there was data, this was the decision-making device to use.
Trước khi sử dụng dữ liệu hãy sử dụng thiết bị đưa ra quyết định này
(Laughter)
(Cười)
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.
Nhiều người trong các bạn sẽ biết nó Món đồ chơi này gọi là "The Magic 8 Ball" và nó thật sự tuyệt vời, Vì khi bạn cần đưa ra quyết định, một câu hỏi có hay không, những gì bạn phải làm là lắc quả banh, sau đó bạn sẽ có câu trả lời "Có khả năng cao"ngay tại đây, trong của sổ này, ngay lúc này. Tôi sẽ đưa nó ra cho bản thử công nghệ sau
(Laughter)
(Cười)
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.
Bây giờ, vấn đề là, dĩ nhiên.. tôi từng đưa ra những quyết định trong đời mà trong nhận thức đáng lẽ tôi nên nghe theo quả banh này. Nhưng, bạn biết đấy, dĩ nhiên nếu bạn có dữ liệu sẵn đây, bạn sẽ muốn thay thế nó cho thứ gì đó tinh vi hơn, như phân tích dữ liệu, để đi đến quyết định tốt hơn. nhưng nó không là thay đổi những thiết lập cơ bản. Và quả banh có lẽ ngày càng thông minh, thông minh hơn nữa, nhưng tôi tin nó vẫn tùy vào chúng ta để đưa ra quyết định nếu chúng ta muốn đạt được điều gì đó phi thường, ở phía cuối bên phải của đường cong. Và tôi thấy nó thật sự là mội thông điệp đầy khích lệ, rằng thậm chí khi đối mặt với một lượng dữ liệu khổng lồ, nó vẫn đáng để đưa ra quyết định trở thành 1 chuyên gia trong những gì mình đang làm và chấp nhận rủi ro. Bởi vì cuối cùng, đó không chỉ là dữ liệu, Nó là rủi ro sẽ đưa bạn đến phía cuối bên phải của đường cong.
Thank you.
Cảm ơn
(Applause)
(Vỗ tay)