Filmische Erkenntnisse: Die Kunst der Film-Analytics

Zach Bowders, MBA, ist Datenanalyst, Künstler und Host des Podcasts „Data+Love“. Sehen Sie sich das Datenvisualisierungsportfolio von Zach auf Tableau Public an. Dazu gehören auch verschiedene Visualisierungen zu Filmen.

Als ich klein war, hatten wir zwei Filme. In beiden spielte Dan Aykroyd mit. Der eine war eine unheimliche, übersinnliche Komödie (die mich furchtbar geängstigt hat, aber ich mochte sie trotzdem) und der andere ein chaotisches Musical über zwei Brüder als Blues-Musiker. Man schrieb Mitte der 1980er-Jahre. Wir lebten auf dem Land, Kabelfernsehen gab es nicht. Deshalb waren Betamax-Kassetten heiß begehrt.

Wenn man im ländlichen Pennsylvania aufwuchs, gab es nicht viele Möglichkeiten, um Freundschaft zu schließen und sich mit anderen zusammenzutun. Mir war auch nicht bewusst, dass ich mit diesen Filmen eine neue gemeinsame Sprache kennenlernte. Ich ahnte nicht, dass Einzeiler wie „We’re getting the band back together“ und „Don’t cross the streams“ eines Tages zum Türöffner für Freundschaft und Gemeinschaft werden könnten.

Aber ich greife den Dingen voraus. Sie werden jetzt fragen, was das mit Daten zu tun hat, und da haben Sie vollkommen recht. Aber nur Geduld.

Filme haben ihren eigenen kulturellen Stellenwert.

Nicht etwa, weil sie grundsätzlich wertvoller wären als Bücher oder Fernsehen, sondern weil sie in geringerer Anzahl verfügbar und sehr aufwändig herzustellen sind. In einer Zeit, in der jedermann mit einem Smartphone und einer guten Idee potenziell den nächsten großen Wurf machen kann, sind Filme etwas Besonderes, da es davon weniger als von anderen Kulturgütern gibt.

Ein durchschnittlicher Film, den man im Kino oder zu Hause zu sehen bekommt, kostet Dutzende, wenn nicht Hunderte Millionen von US-Dollar, erfordert Monate bis Jahre an Produktionszeit und nimmt dabei mehrere hundert Menschen vollkommen in Beschlag. Ob ein renommiertes Drama oder profaner Streaming-Trash: Alles erfordert Zeit, Wissen und Geld und auch der schlechteste Film war für irgendjemanden ein Herzensprojekt.

Im Gegensatz zu einer Million Streaming-Angeboten, jährlich über 450 neuen Fernsehshows und unzähligen veröffentlichten Büchern gelten Filme eher als kulturelle Meilensteine, denn aufgrund ihrer relativen Seltenheit ist es wahrscheinlicher, dass andere einen Film, den man selbst gut findet, gesehen (oder wenigstens davon gehört) haben.

Meine erste Tableau Public-Visualisierung hatte mit Filmen zu tun. Ich war bereits total begeistert von dem Tool, das ich schon sechs Monate beruflich genutzt hatte. Gleichzeitig war ich aber auch neugierig auf neue Anwendungsmöglichkeiten und andere Themen sowie auf neue Methoden der Visualisierung, die ich ohne Zeitdruck ausprobieren wollte.

Die Visualisierung lief letztlich auf eine bestimmte Frage hinaus: Hat ein bestimmter Regisseur, bei dem es häufig zu überraschenden Wendungen am Ende kommt, Filme gedreht, die vom Publikum und von der Kritik gut aufgenommen wurden? Die Informationen dazu waren nicht schwer zu finden, da es eine Reihe herausragender Websites mit dieser Art von Daten gibt, wie z. B. IMDb.com. Mithilfe von Tableau konnte ich die Antwort ziemlich schnell ermitteln, und zwar in einem Stil und Format, das ich im Beruf normalerweise nicht verwendet hätte. Ich war elektrisiert.

Zu Filmen gibt es eine Vielzahl von Daten, die längst nicht immer auf der Hand liegen. Vordergründig denkt man bei Filmen vielleicht an Datumsangaben, Rezensionen, Einspielergebnisse und Budgets. Damit lassen sich schon eine Menge Geschichten erzählen: Aufstieg und Fall von Filmreihen, die bei Kritik und Publikum polarisierendsten Schauspieler, Veränderungen bei Genres, das Aufkommen von Blockbustern. Wenn man aber genauer hinsieht, gibt es noch viel mehr, was sich visuell erzählen lässt – z. B. über Verbindungen!

IMDb-Datensatz für Tableau

Als Tableau und der Datenevangelist Andy Cotgreave mir anboten, mit dem umfangreichen IMDb-Datensatz zu experimentieren, den er und das Tableau-Team für die Challenge Data+Movies zusammengestellt hatten, wusste ich genau, was ich untersuchen wollte.

Hollywood ist dafür bekannt, dass freundschaftlich miteinander verbundene Schauspieler überdurchschnittlich oft in den Filmen des jeweils anderen auftreten. Drei typische Beispiele sind das „Rat Pack“, das „Brat Pack“ und das „Frat Pack“. Zum „Rat Pack“ gehörten Hollywood-Größen wie Frank Sinatra und Dean Martin, das „Brat Pack“ bestand aus Teenager-Stars der 1980er-Jahre wie Molly Ringwald und Anthony Michael Hall (entdeckt und gefördert von Regisseur John Hughes) und das „Frat Pack“ waren die Komödienstars der 2000er-Jahre wie Ben Stiller und Will Ferrell.

Ich habe mit dem IMDb-Datensatz in Tableau eine JSON-Datei generiert, die die Verbindungen dieser Schauspielergruppen und ihre diversen Filme beschreibt. Diese Datei habe ich dann in das Netzwerktool von Viz-Champion Tristan Guillevin eingespielt und damit eine Tableau-Arbeitsmappe für die weitere Untersuchung erstellt.

Wahrscheinlich ist es für Sie keine große Überraschung, dass Dean Martin und Frank Sinatra sehr häufig gemeinsam aufgetreten sind. Weniger bekannt dürfte sein, dass dies nicht so oft der Fall war wie bei Owen Wilson und Ben Stiller. Wussten Sie, dass Judd Nelson und Will Ferrell zusammen in einem Film gespielt haben? Oder dass der Rat-Packer Joey Bishop mit den Brat-Packern Ally Sheedy und Molly Ringwald aufgetreten ist?

Darum geht es für mich in Bezug auf Filme: die Beziehungen von Menschen aufzuzeigen.

Mit Daten lassen sich Verbindungen herstellen und so die Lücken zwischen dem Bekannten und dem Unbekannten schließen. Genau das ist mit Tableau möglich.

Wenn auch Sie Storys anhand von Daten zu Ihren Lieblingsfilmen erzählen möchten, ist die von IMDb unterstützte Challenge „Data+Movies“ der richtige Einstieg für Sie.
 

Unbedingt zu empfehlen ist auch der Podcast „Data+Love“, in dem sich Zach Bowders mit Datenevangelist Andy Cotgreave über Daten und Filme unterhält.