Termin „big data“ jest coraz częściej używany w różnych branżach, ale niewiele osób dobrze rozumie możliwości i konsekwencje tej technologii. Tak jest też w branży telewizyjnej. Wiele firm z tego sektora nie czerpie korzyści z jakichkolwiek danych i nawet nie próbuje brać się za wielkie zbiory danych. Małe dane sprawiają im wystarczająco dużo problemów.

Być może nie jest to zaskakujące, bo to z natury ostrożna branża. Przejście od infrastruktury opartej na sprzęcie SDI do systemów informatycznych wykorzystujących protokół IP nie było szybkie i wciąż jest na dość wczesnym etapie. Dopiero niecałe pięć lat temu telewizja w Wielkiej Brytanii przeszła z technologii analogowej na cyfrową.

Obecnie wszystkie firmy z tej branży dostosowują i rozwijają swoją działalność operacyjną i modele biznesowe. Oblicze konsumpcji rozrywki i dostarczania treści zmieniło się całkowicie, a wraz z tymi wielkimi zmianami zaczęliśmy wykorzystywać dane do ulepszania wszystkiego — od tworzenia programów do archiwizacji. Biegłe korzystanie z danych przestało być czymś opcjonalnym we współczesnej branży telewizyjnej.

Od danych przez wiedzę do decyzji

Wartość danych objawia się dopiero po ich wykorzystaniu: Dane są bezwartościowe dopóki za pośrednictwem analizy i interpretacji nie wydobędzie się z nich wiedzy umożliwiającej podjęcie decyzji. Tu zaczynają się korzyści biznesowe z danych. Inteligentne podejmowanie decyzji biznesowych wymaga wykorzystania pochodzącej z danych wiedzy do opracowania strategii i uzyskania przewagi nad konkurencją.

Netflix to jedna z firm, które rzucają wyzwanie tradycyjnej telewizji dzięki podejściu opartemu na danych. Wydaje rocznie dziesiątki milionów dolarów na sam dział badań nad danymi (data science). Model biznesowy tej firmy opiera się na wiedzy o widzach i polecaniu im właściwych treści, a to wymaga olbrzymiej analizy danych. Zapotrzebowanie na dane niezwykle wzrosło od czasu, gdy Netflix rozpoczął produkcję własnych seriali.

Priorytety wykorzystania danych w świecie telewizji łatwo zrozumieć, ale trudno wdrożyć w praktyce. Na pewno każda firma zajmująca się produkcją lub dystrybucją chce się rozwijać. Każda w tym celi sięga do nowych grup widzów i klientów oraz stara się lepiej zaspokajać potrzeby swojej dotychczasowej widowni. Gdy chodzi o wyniki finansowe, dane mogą przynieść dwa rodzaje korzyści: zarówno wzrost przychodów, jak i obniżenie kosztów dzięki większej sprawności.

Wiedza wydobyta z danych może znaleźć zastosowania w różnych obszarach — od śledzenia zaangażowania widzów do uproszczenia produkcji transmisji sportowych. Ze względu na tak szeroki zakres zastosowań dobrze jest myśleć o danych w dwóch kategoriach: danych operacyjnych i danych o konsumentach.

Dane operacyjne

Wszelkie dane powstające w wyniki codziennej działalności w branży telewizyjnej można uznać za dane operacyjne. Obejmują one dane z systemów archiwizacji czy płac, a także wyniki prac działu badań i rozwoju. Znaczna część tych danych bywa pomijana w branżowych dyskusjach o danych, ponieważ zbytnio nam się spieszy zrozumieć widza. Jednak zrozumienie tych informacji i podjęcie na ich podstawie odpowiednich decyzji pozwala usprawnić działalność. Dzięki analizie danych operacyjnych możemy odkryć obszary najbardziej wymagające optymalizacji i ocenić, gdzie nowe pomysły mogą mieć największy wpływ. Możemy zająć się wąskimi gardłami i nierównomiernym obciążeniem pracą, aby podnieść sprawność i skuteczność działań firmy.

Długoterminowe przechowywanie nagrań to jeden z obszarów, w których wyraźnie widać korzyści z analizy danych operacyjnych. Archiwizacja zmieniła się całkowicie po przejściu na technologię cyfrową, a odejście od urządzeń na taśmę spowodowało wzrost ilości danych, ale dało też większe możliwości optymalizacji. Nowoczesne narzędzia mogą ułatwić analizowanie sposobu wykorzystania zasobów i ich komercyjnej wartości. Mogą też pomóc w automatyzacji dystrybucji na wielu platformach. Ponieważ właściciele materiałów telewizyjnych starają się dotrzeć do widzów, którzy oglądają coraz więcej wideo w Internecie, wszelkie analizy i systemy usprawniające zarządzanie zasobami są z pewnością pożądane.

Analiza danych operacyjnych pozwala też rozwiązywać problemy zanim się ujawnią. Ponieważ w telewizji nie są tolerowane żadne przerwy w działaniu, wielkie znaczenie ma możliwość analizowania danych z systemów w celu identyfikacji przyczyn źródłowych. Idąc o krok dalej, możemy teraz połączyć dane dotyczące błędów z uczeniem maszynowym i sztuczną inteligencją, aby systemy uczyły się wykrywać potencjalne problemy i usuwały je zanim nastąpi awaria.

Dane o widzach

Wiedza o widzach to zapewne najbardziej poszukiwana postać danych w świecie telewizji. Nadawcy muszą rozumieć swoich klientów — kim są, gdzie mieszkają i pracują, jak korzystają z treści, jakie mają preferencje itd. Zbieranie tych informacji bywa jednak problematyczne. Kiedyś wystarczały proste liczby i wykresy, ale media społecznościowe, płatny dostęp do serwisów, ankiety internetowe i narzędzia analityczne dały nam dostęp do głębszej, bardziej zniuansowanej wiedzy. Firmy chcą teraz bardzo szczegółowych danych — nawet danych o poszczególnych osobach — a takie dane można zebrać tylko bezpośrednio od widzów.

Staje się to szczególnie ważne, gdy staramy się zwiększyć przychody z reklam. Każda marka ma swoje profile klientów i targety określające konsumentów, do których chce dotrzeć. Jeśli nadawcy chcą z sukcesem sprzedawać czas reklamowy, muszą dysponować danymi, dzięki którym reklamodawcy będą wiedzieć, że docierają do właściwych osób. Ogólne liczby widzów to za mało — tak samo w przypadku liniowego kanału telewizyjnego, jak i multimediów internetowych. Trafność to dla reklamodawców magiczne słowo, a reklamodawcy mogą ją pokazać właśnie dzięki głębszej wiedzy o widzach.

Kiedyś głównym problemem była niechęć większości konsumentów do udostępniania informacji o sobie, ale dzisiaj są oni często bardziej chętni to robić w określonych sytuacjach. Dzięki Channel 4 mamy bardzo dobrą analizę przypadku pokazującą, jak uzyskać dane od konsumentów, nie wzbudzając ich lęku: zapewnienie bezpieczeństwa i zachęty.

Telewizja Channel 4 chciał zbadać zwyczaje swoich widzów, ale z powodu anonimowości oglądania online mogła poznać niewiele więcej niż popularność poszczególnych programów. Głębsza wiedza o widowni nie była możliwa. Telewizja postanowiła wprowadzić rejestrację i logowanie użytkowników, dając widzom wyraźną zachętę.

Po zalogowaniu się na konto widzowie zyskiwali dostęp do dodatkowych materiałów niedostępnych dla reszty widowni. Jednocześnie firma zapewniła widzów, że ich dane będą wykorzystywane tylko w określony sposób i nie będą udostępniane innym podmiotom. To proste zapewnienie pomogło zachęcić widzów do założenia konta, dzięki czemu telewizja Channel 4 uzyskała wiedzę dotąd niedostępną dla nadawców publicznych.

Szansa na rozwój

Big data, uczenie maszynowe i sztuczna inteligencja z pewnością dają branży telewizyjnej możliwość zwiększenia przychodów i usprawnienia działalności. Na przykład w przypadku programów informacyjnych analiza danych z dyskusji w mediach społecznościowych i zmian liczby widzów może wskazać tematy cieszące się największym zainteresowaniem, ułatwiając decyzje dotyczące zamawiania i tworzenia dodatkowych treści online.

Musimy jednak pamiętać, że takie wynalazki to narzędzia ułatwiające pracę, a nie zastępujące człowieka i jego oceny i opinie. Muszę zdecydowanie podkreślić, że dane powinny pomagać w podejmowaniu decyzji, a nie je zastępować. Dostępność wiedzy jest ważna, jednak dane przynoszą firmie największe korzyści, gdy uzyskana z nich wiedza służy do podejmowania strategicznych, zarządczych, a nawet kreatywnych decyzji.