罗伊·普莱斯 的工作：选择亚马逊要制作的节目的原创内容 这个领域竞争很激烈，必须要找到真的非常非常好的剧 曲线是IMDB网站上大约2500个剧的打分分布，打分从1到10，高端显示有多少个剧得了这个分 
前2%的剧，得了9分，比如 绝命毒师、权力的游戏、火线 罗伊·普莱斯 想找到最右端的剧 他想要做的是 举办一次竞赛，用一堆关于电视剧的创意，从这些创意中，通过评估，选出了八个候选者。然后做了每一部的第一集，把它们放到网上，供所有人免费看。 所以当亚马逊提供免费内容，你会去看的，对吧？ 所以几百万的观众在看这些剧 罗伊·普莱斯 和他的团队收集了几百万个数据点： 人们什么时候按下播放，什么时候按下停止，跳过哪一段，什么地方重复看， 分析了所有的数据后，答案出现了： 亚马逊应该做一部关于四位参议员的情景喜剧（后来有了《阿尔法屋》） 实际的反响并没有那么好，实际上，因为曲线的平均分是7.4，《阿尔法屋》得了7.5 然而，就在同时，另一家公司，泰德 确实用数据分析做出了一部顶级的剧。 泰德·萨兰德斯 Netflix 的首席内容官 泰德团队查看了Netflix观众已有的所有数据，就是他 们给据打的分、观看历史、人们喜欢什么 等等 然后 泰德团队用数据发现了，关于观众的点点滴滴；他们喜欢什么样的剧、什么情节、什么演员 当泰德团队集齐了这一切，决定做一部 一位参议员的连续剧（后来有了《纸牌屋》） 《纸牌屋》在这条曲线上得分（9.1 为什么？两家很有竞争实力的公司，都用数据，连接了所有几百万个数据点，效果差异很大 因为逻辑告诉你，这应该一直是管用的。
“多重健康系统”是一家软件公司， 如果在美国有人入狱，他们申请假释，这款软件很可能就会用来决定是否同意假释。 不幸的是，确实有数据证明，这种数据分析，尽管有很多数据，但结果不一定都是最佳的。
其实大多数数据分析公司都会做错，有时谷歌也会做错； 2009年，谷歌宣布他们能够用数据分析预测流感的爆发，预测成功了很多年，但有一年就是不准了。 最善于处理数据的公司，亚马逊和谷歌，有时也会弄错。
尽管有这些失败，数据还是迅速地进入了实际生活的决策领域。在工作创所、法律执行、医学界。 经过这些年，作者注意到了一种模式或者一种规律，如果可以叫规律的话。 用来解释，用数据做成功的决定和做失败决定之间的区别。 这个模式值得分享，它是这样的： 不论何时，当你解决复杂的问题，你总的来说在做两件事： 你把这问题一点一点地分析，于是你就可以深入分析这一点一点，然后你再做下一件事，就是你把所有的点滴放回到一起，做出你的结论。有时，你还要再做一次，但总有两件事，分开和合起来。 现在，最关键的是数据和数据分析只对第一部分来说是好的，再好的数据和数据分析只能帮助你把问题分开来，一点点理解，而并不适合把这些合拢来，得到结论。 有另一个工具可以做这件事，这个工具我们都有，就是我们的头脑。 头脑擅长把各种碎片合拢，哪怕只有不完整的信息，然后得到好的结论，尤其是一个专家的头脑。 不管数据多有威力，它只是一个工具。 最终不是数据，而是风险，让你落到曲线最右端。
| 
