网飞是如何利用大数据做出热门电视剧的？CDA数据分析师出品亚马逊用数据拍剧却翻车「绝命毒师」剧照「阿尔法屋」剧照网飞如何用数据捧火「纸牌屋」「纸牌屋」剧照谷歌预测流感失败？数据( 二 ) ：网飞是如何利用大数据做出

很显然，问题来了。这到底是怎么回事？
有两个非常有竞争力、精通数据分析的公司，他们都整合了所有的数据。结果其中一个干的很漂亮，而另一个却没有。这是为什么呢？
根据逻辑分析来说，这种方法应该每次都有效啊。如果你收集了所有的数据来制定一个决策，那你应该可以得到相当不错的决策。用大量的数据做支撑，还有高性能的计算机去增强它的效果，至少你可以期待得到一个还不错的电视剧吧。
谷歌预测流感失败？数据分析并没有想像中有效但如果数据分析并没有想像中的有效，这就有点吓人了。因为我们生活在一个越来越依赖数据的时代，我们要用数据做出远比电视节目还要严肃重要的决策。
MHS是一家软件公司，如果有人在美国被判入狱，要申请假释。很有可能MHS公司的数据分析软件就会被用来判定你是否能获得假释，它也是采用跟亚马逊和Netflix公司相同的原则。但并不是用于决定某个电视节目收视率的好坏，而是用来决定一个人将来的行为的好坏。
一个半小时的电视节目可以很糟糕，但要坐很多年的牢显然要糟糕得多。
但不幸的是，实际上已经有证据显示，尽管可以依靠庞大的数据资料，这项数据分析并不总能得出最优的结果。
事实上，并不只有像MHS这样的软件公司在分析数据时无法得出最优解，就连谷歌之类最顶尖的数据公司也会出错。
2009年，谷歌宣布他们可以用数据分析来预测流行性感冒何时爆发。他们用自己的搜寻引擎来做数据分析，结果证明它准确无比，这引得各路新闻报道铺天盖地，甚至还达到了一个科学界的顶峰，在"自然"期刊上发表了文章。
之后的每一年，它都预测得准确无误。直到有一年，预测失败了。没有人知道到底是什么原因，但那一年它就是不准了，当然这又成了一个大新闻，包括现在被"自然"期刊撤稿。
所以，即使是最顶尖的数据分析公司亚马逊和谷歌有时也会出错。但尽管出现了这些失败，数据仍然在马不停蹄地渗透进我们实际生活中的决策，进入工作场所、执法过程、医药领域…
所以，我们应该确保数据是能够帮助我们解决问题的。
数据拆分细节+大脑整合信息我个人也曾经多次被数据分析搞的焦头烂额。我在计算遗传学领域工作，这个领域有很多非常聪明的人在用多到难以想像的数据来制定相当严肃的决策。比如癌症治疗，或者药物开发等等。
经过这几年，我已经注意到一种模式或者规则，关于如何用数据做出成功以及不成功的决策。我觉得这个模式值得分享，内容大概是这样的：
当你要解决一个复杂问题时，你通常必然会做两件事。首先，你会把问题拆分得非常细，这样你就可以深度地分析这些细节。
然后，你要做的就是，再把这些细节重新整合起来，从而得出你要的结论。
有时这必须重复几次。但基本都是围绕这两件事：拆分，再整合。
关键的问题在于，数据和数据分析只适用于第一步。无论数据和数据分析多么强大，它都只能帮助你拆分问题和了解细节，它不适用于把细节重新整合在一起来得出一个结论。
然而有一个工具可以实现第二步，我们每个人都有，那就是大脑。
如果要说大脑很擅长某一件事，那就是它很会把琐碎的细节重新整合在一起。即使你拥有的信息并不完整，也能得到一个好的结论，特别是专家的大脑。
这也是我相信Netflix会这么成功的原因，因为他们在分析过程中同时使用了数据和大脑。
他们利用数据，首先去了解观众的若干细节，没有这些数据，他们不可能进行这么透彻的分析。但在之后，要重新整合信息，制作像「纸牌屋」这样剧的决策，就无法依赖数据了。
是TedSarandos和他的团队通过思考做出了批准该节目的这个决策。这也就意味着，他们在做出决策时承担很大的个人风险。
而另一方面，亚马逊把事情搞砸了。他们全程依赖数据来制定决策。
首先，举办了关于节目创意的竞赛，然后他们决定选择制作剧集「阿尔法屋」。对他们而言，这是一个非常安全的决策。因为他们总是可以指着数据说， ”这是数据告诉我们的” 。但数据并没有带给他们满意的结果。
当然，数据依然是做决策时的强大的工具。但我相信，当数据开始主导这些决策时，并不能保证万无一失，不管它有多么的强大，数据都仅仅是一个工具。记住这句话之后，我发现这个装置相当有用。