The beauty of data visualization | David McCandless

391,085 views ・ 2010-08-23

TED


Pro přehrání videa dvakrát klikněte na anglické titulky níže.

Překladatel: Jakub Jelen Korektor: Martin Sahula
00:15
It feels like we're all suffering
0
15260
2000
Zdá se, že se všichni potýkáme
00:17
from information overload or data glut.
1
17260
3000
se zahlcením informacemi a přebytkem dat.
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
Naštěstí by tento problém mohl mít jednoduché řešení
00:22
and that's using our eyes more.
3
22260
2000
ve větším používání našich očí.
00:24
So, visualizing information, so that we can see
4
24260
2000
Znázornění informací tak, aby byly zřetelné
00:26
the patterns and connections that matter
5
26260
3000
důležité vzorce a spojitosti,
00:29
and then designing that information so it makes more sense,
6
29260
3000
jejichž přehledným vyobrazením získáme daleko vetší smysl
00:32
or it tells a story,
7
32260
2000
nebo nějakou zajímavou zápletku,
00:34
or allows us to focus only on the information that's important.
8
34260
3000
nebo prostor zacílit pouze na důležitou informaci.
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
Mimo to, znázorněná data mohou vypadat i opravdu dobře.
00:41
So, let's see.
10
41260
2000
Pojďme se podívat.
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
Tohle je Miliardový diagram v dolarech
00:47
and this image arose
12
47260
2000
a vznikl
00:49
out of frustration I had
13
49260
2000
na základě mé nespokojenosti
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
s tím, jak se o miliardách dolarů píše v tisku.
00:53
That is, they're meaningless without context:
15
53260
3000
Totiž, pokud nejsou v kontextu, postrádají smysl.
00:56
500 billion for this pipeline,
16
56260
2000
500 miliard za tohle potrubí.
00:58
20 billion for this war.
17
58260
2000
20 miliard za tuhle válku.
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
To nedává smysl, takže jediný způsob, jak tomu porozumět,
01:02
is visually and relatively.
19
62260
2000
je názorně a relativně.
01:04
So I scraped a load of reported figures
20
64260
2000
A tak jsem shromáždil spousty čísel
01:06
from various news outlets
21
66260
2000
z různých novinových zdrojů
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
a pak upravil velikost čtverců podle těchto sum.
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
A barvy zde představují učel, na který byly peníze určeny.
01:14
So purple is "fighting,"
24
74260
3000
Fialová je válčení,
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
červená je útrata a zelená je zisk.
01:20
And what you can see straight away
26
80260
2000
A co můžete vidět na první pohled
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
je, že začínáte mít úplně odlišný vztah k číslům.
01:24
You can literally see them.
28
84260
2000
Doslova je vidíte.
01:26
But more importantly, you start to see
29
86260
2000
Ale hlavně začínáte vidět
01:28
patterns and connections between numbers
30
88260
2000
vzorce a spojitosti mezi čísly,
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
která by jinak byla roztroušená pod mnoha novinovými titulky.
01:33
Let me point out some that I really like.
32
93260
3000
Dovolte mi poukázat na některé mé oblíbené.
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
Zelený rámeček je zisk Organizace zemí vyvážejících ropu (OPEC).
01:38
780 billion a year.
34
98260
2000
780 miliard ročně.
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
A tenhle malý pixel tady v rohu - 3 miliardy -
01:43
that's their climate change fund.
36
103260
3000
to je jejich fond na změnu klimatu.
01:46
Americans, incredibly generous people --
37
106260
2000
Američané jsou velice stědří lidé.
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
Přes 300 miliard ročně darují na charitu,
01:51
compared with the amount of foreign aid
39
111260
2000
v porovnání se sumou zahraniční pomoci,
01:53
given by the top 17 industrialized nations
40
113260
2000
darované 17ti nejvyspělejšími průmyslovými zeměmi
01:55
at 120 billion.
41
115260
2000
a činící 120 miliard.
01:57
Then of course,
42
117260
2000
A samozřejmě,
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
válka v Iráku, odhadovaná na 60 miliard
02:01
back in 2003.
44
121260
3000
v roce 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
Teď se trochu prodražila. Afghánistán se vyšplhal
02:07
to 3,000 billion.
46
127260
3000
až na 3000 miliard.
02:10
So now it's great
47
130260
2000
Na celé věci je skvělé,
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
že když máme takovou strukturu, můžeme do ní čísla i přidávat.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
Takže si můžeme vzít nějaké nové číslo... podívejme se na Africký dluh.
02:17
How much of this diagram do you think might be taken up
50
137260
2000
Jak velkou část tohoto diagramu, myslíte, by zabral
02:19
by the debt that Africa owes to the West?
51
139260
2000
dluh Afriky západním zemím?
02:21
Let's take a look.
52
141260
2000
Pojďme se podívat.
02:23
So there it is:
53
143260
2000
Tady to máme.
02:25
227 billion is what Africa owes.
54
145260
2000
Afrika dluží 227 miliard.
02:27
And the recent financial crisis,
55
147260
2000
A současná finanční krize...
02:29
how much of this diagram might that figure take up?
56
149260
2000
kolik by ta mohla zabrat na diagramu?
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
Kolik stála svět? Podívejme se na to.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
BUM! To myslím, že je příznačný zvuk
02:37
for that much money:
59
157260
2000
pro tolik peněz.
02:39
11,900 billion.
60
159260
4000
11 900 miliard.
02:45
So, by visualizing this information,
61
165260
2000
Takže vyobrazením těchto informací
02:47
we turned it into a landscape
62
167260
2000
jsme je převedli na krajinu,
02:49
that you can explore with your eyes,
63
169260
2000
kterou můžeme zkoumat svýma očima.
02:51
a kind of map really, a sort of information map.
64
171260
2000
Vlastně je to ve skutečnosti mapa, informační mapa.
02:53
And when you're lost in information,
65
173260
2000
A pokud se ztrácíte v informacích,
02:55
an information map is kind of useful.
66
175260
3000
informační mapa se celkem hodí.
02:58
So I want to show you another landscape now.
67
178260
2000
Teď chci ukázat další krajinu.
03:00
We need to imagine what a landscape
68
180260
2000
Představte si, jak by vypadala krajina
03:02
of the world's fears might look like.
69
182260
3000
sestavená ze strachů ve světě.
03:05
Let's take a look.
70
185260
2000
Pojďme se podívat.
03:07
This is Mountains Out of Molehills,
71
187260
2000
Toto jsou hory z vrcholků a údolí, neboli
03:09
a timeline of global media panic.
72
189260
2000
časová osa globální paniky v médiích.
03:11
(Laughter)
73
191260
2000
(smích)
03:13
So, I'll label this for you in a second.
74
193260
2000
Hned si to popíšeme.
03:15
But the height here, I want to point out,
75
195260
2000
Ta výška tady, to bych chtěl zdůraznit,
03:17
is the intensity of certain fears
76
197260
2000
je intenzita daného strachu
03:19
as reported in the media.
77
199260
2000
tak, jak ho popisují média.
03:21
Let me point them out.
78
201260
2000
Dovolte mi to ukázat.
03:23
So this, swine flu -- pink.
79
203260
4000
Tohle je prasečí chřipka - růžová.
03:27
Bird flu.
80
207260
2000
Ptačí chřipka.
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
SARS - nahnědlá zde. Pamatujete si na to ještě?
03:32
The millennium bug,
82
212260
3000
Počítačový problém roku 2000.
03:35
terrible disaster.
83
215260
2000
Hrozná katastrofa.
03:37
These little green peaks
84
217260
2000
Tyhle malé zelené kopečky
03:39
are asteroid collisions.
85
219260
2000
jsou nárazy asteroidů.
03:41
(Laughter)
86
221260
2000
(smích)
03:43
And in summer, here, killer wasps.
87
223260
2000
A tady v létě - smrtelné vosí bodnutí.
03:45
(Laughter)
88
225260
8000
(smích)
03:53
So these are what our fears look like
89
233260
2000
Takže takhle vypadal náš strach
03:55
over time in our media.
90
235260
2000
v průběhu času podle médií.
03:57
But what I love -- and I'm a journalist --
91
237260
2000
Ale co já rád dělám -- jsem žurnalista --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
já rád nacházím skryté vzorce; rád si hraju na "datového" detektiva.
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
A tady vidíme zajímavý a zvláštní vzorec,
04:05
that you can only see when you visualize it.
94
245260
2000
kterého si všimneme pouze ve vizualizaci.
04:07
Let me highlight it for you.
95
247260
2000
Dovolte mi to zvýraznit.
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
Vidíte tuhle osu. To je krajina násilných videoher.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
Jak vidíte, je tam zvláštní, pravidelný vzorec pro tento údaj.
04:15
twin peaks every year.
98
255260
2000
Dva nárůsty ročně.
04:17
If we look closer, we see those peaks occur
99
257260
2000
Detailním pohledem zjistíme, že se tyto nárůsty objevují
04:19
at the same month every year.
100
259260
3000
stejný měsíc každým rokem.
04:22
Why?
101
262260
2000
Proč?
04:24
Well, November, Christmas video games come out,
102
264260
2000
No, v listopadu vycházejí vánoční videohry,
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
a tam by se mohl objevit náhlý vzestup obav o jejich tématiku.
04:29
But April isn't a particularly massive month
104
269260
3000
Zato duben není zrovna plodný měsíc
04:32
for video games.
105
272260
2000
pro videohry.
04:34
Why April?
106
274260
2000
Proč duben?
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
V dubnu 1999 se odehrál masakr na střední škole Columbine.
04:39
and since then, that fear
108
279260
2000
a od té doby ten strach
04:41
has been remembered by the media
109
281260
2000
zůstává v paměti médií
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
a ozývá se postupně v obecném podvědomí.
04:45
You have retrospectives, anniversaries,
111
285260
3000
Retrospektivy, výročí,
04:48
court cases, even copy-cat shootings,
112
288260
3000
soudní jednání, dokonce incidenty kopírující tuto střelbu.
04:51
all pushing that fear into the agenda.
113
291260
3000
To všechno podporuje strach v denním životě.
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
A ještě je tu další vzorec. Najdete ho?
04:56
See that gap there? There's a gap,
115
296260
2000
Vidíte tuhle mezeru? Tady ten propad,
04:58
and it affects all the other stories.
116
298260
2000
který ovlivnil všechny ostatní linie.
05:00
Why is there a gap there?
117
300260
2000
Proč je tam ten pokles?
05:02
You see where it starts? September 2001,
118
302260
3000
Vidíte, kde to začíná? Září 2001,
05:05
when we had something very real
119
305260
2000
kdy jsme všichni měli velice reálný
05:07
to be scared about.
120
307260
2000
podnět k obavám.
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
Jako novinář pracuji už asi rok
05:12
and I keep hearing a phrase
122
312260
2000
a stále slyším jednu větu
05:14
all the time, which is this:
123
314260
3000
pořád dokola, a to je:
05:17
"Data is the new oil."
124
317260
2000
"Informace jsou novou ropou."
05:19
Data is the kind of ubiquitous resource
125
319260
3000
Data jsou jakýsi všudypřítomný zdroj,
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
který můžeme zpracovávat a poskytnout tak inovace a nové úhly pohledu.
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
Je všude kolem a dá se těžit velice snadno.
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
A tím pádem ta metafora není zrovna dobrá,
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
zvlášť pokud žijete okolo Mexického zálivu,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
ale možná bych ji trochu poupravil
05:36
and I would say that data is the new soil.
131
336260
3000
a řekl bych, že informace jsou novou půdou.
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
Protože pro mě je to úrodné, tvůrčí médium.
05:43
Over the years, online,
133
343260
2000
Během let na internetu
05:45
we've laid down
134
345260
3000
jsme zasadili
05:48
a huge amount of information and data,
135
348260
2000
obrovské množství informací a dat,
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
zaléváme je sítěmi a spojením
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
a obdělávají je neplacení pracovníci a vlády.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
Samozřejmě tady trochu přeháním tu metaforu,
05:58
But it's a really fertile medium,
139
358260
3000
ale je to plodné médium,
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
a zdá se, jako by vizualizace, informační grafy a znázornění dat
06:04
they feel like flowers blooming from this medium.
141
364260
3000
opravdu byly květiny kvetoucí z tohoto média.
06:07
But if you look at it directly,
142
367260
2000
Pokud se díváte přímo,
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
je to jen spousta čísel a nespojitých faktů.
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
Ale pokud si s tím ale pohrajete správným způsobem,
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
mohou se objevit zajímavé věci a odkryjí se různé vzorce.
06:17
Let me show you this.
146
377260
2000
Dovolte mi ukázat tohle.
06:19
Can you guess what this data set is?
147
379260
3000
Odhadli byste, co tato data říkají?
06:22
What rises twice a year,
148
382260
2000
Co roste dvakrát do roka,
06:24
once in Easter
149
384260
2000
jednou o Velikonocích
06:26
and then two weeks before Christmas,
150
386260
2000
a pak dva týdny před Vánocemi,
06:28
has a mini peak every Monday,
151
388260
2000
a má malinký vrchol každé pondělí
06:30
and then flattens out over the summer?
152
390260
2000
a pak se to v létě srovná.
06:32
I'll take answers.
153
392260
2000
Čekám na odpovědi.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(Obecenstvo: Čokoláda.) David McCandless: Čokoláda.
06:36
You might want to get some chocolate in.
155
396260
3000
Možná si budete chtít dát trochu čokolády.
06:39
Any other guesses?
156
399260
2000
Další tipy?
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(Obecenstvo: Nákupování.) DM: Nakupování.
06:43
Yeah, retail therapy might help.
158
403260
3000
Jo, maloobchodní terapie by mohla pomoct.
06:46
(Audience: Sick leave.)
159
406260
2000
(Obecenstvo: Nemocenská.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
DM: Nemocenská. Jo, určitě si budete chtít vzít volno.
06:50
Shall we see?
161
410260
2000
Podíváme se?
06:53
(Laughter)
162
413260
8000
Počty rozchodů podle statusů na Facebooku. (smích)
07:01
(Applause)
163
421260
3000
(potlesk)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
Pro tuto informaci jsme Lee Byron a já
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
prohledali 10 tis. statusů na Facebooku
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
s výrazy "rozejít" a "rozešlí"
07:12
and this is the pattern we found --
167
432260
2000
a tak jsme našli tento vzorec.
07:14
people clearing out for Spring Break,
168
434260
2000
Lidé "zametají" před jarními prázdninami,
07:16
(Laughter)
169
436260
5000
(smích)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
v pondělí řeší následky nepovedených víkendů,
07:23
being single over the summer,
171
443260
3000
a chtějí být přes léto volní.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
A samozřejmě den s nejmenším počtem: Štědrý den.
07:29
Who would do that?
173
449260
3000
Kdo by to udělal?
07:32
So there's a titanic amount of data out there now,
174
452260
2000
Existuje ohromné množství dat,
07:34
unprecedented.
175
454260
2000
nepředstavitelné.
07:37
But if you ask the right kind of question,
176
457260
2000
Pokud ale kladete správné otázky,
07:39
or you work it in the right kind of way,
177
459260
2000
nebo postupujete správným způsobem,
07:41
interesting things can emerge.
178
461260
3000
mohou se objevit zajímavé věci.
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
Informace jsou krásné. Data jsou krásná.
07:47
I wonder if I could make my life beautiful.
180
467260
3000
Přemýšlel jsem, jestli bych mohl udělat i svůj život tak krásný.
07:50
And here's my visual C.V.
181
470260
2000
Tohle je můj vizuální životopis.
07:52
I'm not quite sure I've succeeded.
182
472260
2000
Nevím, jestli se mi to podařilo.
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
Trochu hranaté. Barvy nejsou nic moc.
07:56
But I wanted to convey something to you.
184
476260
3000
Ale chtěl jsem tím něco sdělit.
07:59
I started as a programmer,
185
479260
2000
Začínal jsem jako programátor,
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
pak jsem pracoval jako a spisovatel mnoho let, asi 20 let,
08:03
in print, online and then in advertising,
187
483260
2000
v tisku, online a pak v reklamě,
08:05
and only recently have I started designing.
188
485260
3000
a až nedávno jsem se dal na grafiku.
08:08
And I've never been to design school.
189
488260
2000
Nikdy jsem nebyl na grafické škole.
08:10
I've never studied art or anything.
190
490260
3000
Nestudoval jsem umění nebo něco podobného.
08:13
I just kind of learned through doing.
191
493260
2000
Naučil jsem se to prostě tím, že jsem to dělal.
08:15
And when I started designing,
192
495260
2000
A když jsem začal navrhovat,
08:17
I discovered an odd thing about myself.
193
497260
2000
zjistil jsem o sobě zvláštní věc.
08:19
I already knew how to design,
194
499260
2000
Už jsem věděl, jak navrhovat,
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
ale ne tak, že bych v tom nějak úžasně vynikal,
08:24
but more like I was sensitive
196
504260
2000
spíš už jsem měl cit
08:26
to the ideas of grids and space
197
506260
2000
jak fungují mřížky a prostor
08:28
and alignment and typography.
198
508260
2000
a zarovnání a písmo.
08:30
It's almost like being exposed
199
510260
2000
Jako by to, že jsem byl vystaven
08:32
to all this media over the years
200
512260
2000
tolika médiím během let,
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
ve mně zanechalo jakousi dřímající grafickou gramotnost.
08:37
And I don't feel like I'm unique.
202
517260
2000
A v tom si nepřipadám nijak ojedinělý.
08:39
I feel that everyday, all of us now
203
519260
2000
Myslím, že všichni, každý z nás
08:41
are being blasted by information design.
204
521260
3000
je dnes poznamenaný informační grafikou.
08:44
It's being poured into our eyes through the Web,
205
524260
2000
Proudí nám do očí skrz web,
08:46
and we're all visualizers now;
206
526260
2000
a všichni jsme tak trochu grafici
08:48
we're all demanding a visual aspect
207
528260
2000
a vyžadujeme vizuální podobu
08:50
to our information.
208
530260
3000
našich informací.
08:53
There's something almost quite magical about visual information.
209
533260
3000
Na vizuálních informacích je něco skoro kouzelného.
08:56
It's effortless, it literally pours in.
210
536260
3000
Nevyžadují žádnou námahu; doslova do nás proudí.
08:59
And if you're navigating a dense information jungle,
211
539260
3000
Pokud putujete hustou informační džunglí
09:02
coming across a beautiful graphic
212
542260
2000
a narazíte na hezkou grafiku
09:04
or a lovely data visualization,
213
544260
2000
nebo pěknou vizualizaci,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
je to podobná úleva, jako byste narazili na palouček.
09:09
I was curious about this, so it led me
215
549260
2000
Zajímal jsem se o tohle téma, a tak jsem se dostal
09:11
to the work of a Danish physicist
216
551260
2000
k práci dánského fyzika
09:13
called Tor Norretranders,
217
553260
2000
jménem Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
který převedl datový tok našich smyslů do počítačové terminologie.
09:19
So here we go. This is your senses,
219
559260
2000
Tady to máme. Tohle jsou vaše smysly,
09:21
pouring into your senses every second.
220
561260
2000
co jimi projde každou vteřinu.
09:23
Your sense of sight is the fastest.
221
563260
3000
Váš zrak je nejrychlejší.
09:26
It has the same bandwidth as a computer network.
222
566260
3000
Stejná přenosová rychlost jako u počítačové sítě.
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
Pak máme hmat, který je srovnatelný s rychlostí USB disku.
09:32
And then you have hearing and smell,
224
572260
2000
Pak sluch a čich
09:34
which has the throughput of a hard disk.
225
574260
2000
s výkonem pevného disku.
09:36
And then you have poor old taste,
226
576260
2000
A nakonec ubohá chuť,
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
která se sotva vyrovná kapesní kalkulačce.
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
A ten malý čtvereček tady v rohu, 0.7 procenta,
09:44
that's the amount we're actually aware of.
229
584260
3000
to je to, co si ve skutečnosti uvědomujeme.
09:47
So a lot of your vision --
230
587260
2000
Takže je mnoho vizuálního,
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
spousta obrazů, které proudí k nám.
09:51
It's unconscious.
232
591260
2000
Podvědomě.
09:53
The eye is exquisitely sensitive
233
593260
3000
Lidské oko je ohromně citlivé
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
na opakování ve změně barvy, tvaru a vzoru.
09:59
It loves them, and it calls them beautiful.
235
599260
2000
To se oku líbí a oko to nazývá krásou.
10:01
It's the language of the eye.
236
601260
2000
Je to jazyk oka.
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
A pokud spojíte jazyk oka a jazyk mysli,
10:05
which is about words and numbers and concepts,
238
605260
3000
který pracuje se slovy, čísly a koncepty,
10:08
you start speaking two languages simultaneously,
239
608260
3000
začnete mluvit dvěma jazyky najednou.
10:11
each enhancing the other.
240
611260
3000
Jeden podporuje druhý.
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
Máte zrak a když ho spojíte s myšlenkou,
10:17
And that whole thing -- it's two languages
242
617260
2000
tak to všechno, ty dva jazyky,
10:19
both working at the same time.
243
619260
2000
začne spolupracovat.
10:21
So we can use this new kind of language, if you like,
244
621260
2000
Tento nový "jazyk" může
10:23
to alter our perspective or change our views.
245
623260
3000
změnit náš úhel pohledu.
10:26
Let me ask you a simple question
246
626260
2000
Položím vám jednoduchou otázku
10:28
with a really simple answer:
247
628260
2000
s jednoduchou odpovědí.
10:30
Who has the biggest military budget?
248
630260
2000
Kdo má největší armádní rozpočet?
10:32
It's got to be America, right?
249
632260
2000
Určitě Amerika, že?
10:34
Massive. 609 billion in 2008 --
250
634260
2000
Ohromný. 609 miliard v roce 2008,
10:36
607, rather.
251
636260
2000
vlastně 607.
10:38
So massive, in fact, that it can contain
252
638260
2000
Tak velký, že by pohltil
10:40
all the other military budgets in the world inside itself.
253
640260
3000
všechny ostatní armádní rozpočty světa.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
Mňam, mňam, mňam...
10:45
Now, you can see Africa's total debt there
255
645260
2000
Tady vidíte celkový dluh Afriky
10:47
and the U.K. budget deficit for reference.
256
647260
2000
a schodek rozpočtu Velké Británie pro porovnání.
10:49
So that might well chime
257
649260
2000
Z toho byste mohli mít pocit,
10:51
with your view that America
258
651260
2000
že Amerika
10:53
is a sort of warmongering military machine,
259
653260
3000
je nějaké válečné monstrum
10:56
out to overpower the world
260
656260
2000
a chce ovládnout svět
10:58
with its huge industrial-military complex.
261
658260
3000
svým obrovským průmyslově válečným komplexem.
11:01
But is it true that America has the biggest military budget?
262
661260
3000
Ale je pravdou, že Amerika má největší armádní rozpočet?
11:04
Because America is an incredibly rich country.
263
664260
2000
Je to neskutečně bohatá země.
11:06
In fact, it's so massively rich
264
666260
2000
Je tak bohatá,
11:08
that it can contain the four other
265
668260
2000
že by se do ní vešly ekonomiky čtyř dalších
11:10
top industrialized nations' economies
266
670260
2000
průmyslově nejsilnějších zemí.
11:12
inside itself, it's so vastly rich.
267
672260
3000
Tak moc je bohatá.
11:15
So its military budget is bound to be enormous.
268
675260
3000
Takže její armádní rozpočet musí být enormní.
11:18
So, to be fair and to alter our perspective,
269
678260
2000
Abychom byli fér a změnili perspektivu,
11:20
we have to bring in another data set,
270
680260
2000
musíme zahrnout ještě další údaj,
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
a tím je HDP, neboli výdělek země.
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
Kdo má největší rozpočet jako procento HDP?
11:26
Let's have a look.
273
686260
2000
Pojďme se podívat.
11:28
That changes the picture considerably.
274
688260
3000
To znatelně mění obrázek.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
Jiné země, na které jste možná ani nepomysleli, se objevují
11:34
and American drops into eighth.
276
694260
2000
a Amerika se propadá na osmou příčku.
11:36
Now you can also do this with soldiers.
277
696260
2000
Tohle můžeme provést i s vojáky.
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
Kdo má nejvíce vojáků? Musí to být Čína.
11:40
Of course, 2.1 million.
279
700260
2000
Jistě, 2,1 miliónů.
11:42
Again, chiming with your view
280
702260
2000
Zase, bijící do očí
11:44
that China has a militarized regime
281
704260
2000
jaký má Čína militantní režim
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
a je připravena mobilizovat ohromnou sílu.
11:48
But of course, China has an enormous population.
283
708260
3000
Čína má ale obrovskou populaci.
11:51
So if we do the same,
284
711260
2000
Takže provedeme to samé
11:53
we see a radically different picture.
285
713260
2000
a vidíme radikální rozdíl.
11:55
China drops to 124th.
286
715260
2000
Čína je na 124. místě.
11:57
It actually has a tiny army
287
717260
2000
Ve skutečnosti má maličkou armádu,
11:59
when you take other data into consideration.
288
719260
3000
když přihlédnete k jiným datům.
12:02
So, absolute figures, like the military budget,
289
722260
2000
To znamená, že absolutní čísla, jako armádní rozpočty,
12:04
in a connected world,
290
724260
2000
v propojeném světě
12:06
don't give you the whole picture.
291
726260
2000
nedávají úplný obrázek.
12:08
They're not as true as they could be.
292
728260
2000
Nejsou tak pravdivá, jak by mohla být.
12:10
We need relative figures that are connected to other data
293
730260
3000
Potřebujeme relativní čísla propojená s dalšími daty,
12:13
so that we can see a fuller picture,
294
733260
2000
abychom viděli větší obrázek,
12:15
and then that can lead to us changing our perspective.
295
735260
2000
a to teprve povede ke změně našeho úhlu pohledu.
12:17
As Hans Rosling, the master,
296
737260
2000
Jak řekl učitel Hans Rosling
12:19
my master, said,
297
739260
3000
-- můj učitel --
12:22
"Let the dataset change your mindset."
298
742260
3000
"Nechť informace změní nastavení vaší mysli."
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
A pokud to dokáží, možná by mohly změnit i vaše chování.
12:29
Take a look at this one.
300
749260
2000
Podívejte se na tohle.
12:31
I'm a bit of a health nut.
301
751260
2000
Já jsem trochu ujetý na zdravý životní styl.
12:33
I love taking supplements and being fit,
302
753260
3000
Rád beru doplňky stravy a chci být fit,
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
ale pořád mám zmatek ohledně důkazů, že to funguje.
12:39
There's always conflicting evidence.
304
759260
2000
Důkazy si stále protiřečí.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
Měl bych brát vitamin C? Měl bych jíst pšeničnou trávu?
12:43
This is a visualization of all the evidence
306
763260
2000
Tohle je vizualizace všech důkazů
12:45
for nutritional supplements.
307
765260
2000
o nutričních doplňcích.
12:47
This kind of diagram is called a balloon race.
308
767260
3000
Tomuhle typu diagramu se říká "závod balónů".
12:50
So the higher up the image,
309
770260
2000
Čím výše na obrázku,
12:52
the more evidence there is for each supplement.
310
772260
3000
tím více důkazů je pro daný doplněk.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
Bubliny znázorňují popularitu podle počtu hledání na Googlu.
12:58
So you can immediately apprehend
312
778260
3000
Zde okamžitě vidíte
13:01
the relationship between efficacy and popularity,
313
781260
3000
vztah mezi účinností a popularitou,
13:04
but you can also, if you grade the evidence,
314
784260
3000
ale také vidíte, pokud odstupňujete důkazy,
13:07
do a "worth it" line.
315
787260
2000
jakousi hranici doplňků, které za to stojí.
13:09
So supplements above this line are worth investigating,
316
789260
3000
Takže doplňky nad linkou stojí za povšimnutí
13:12
but only for the conditions listed below,
317
792260
3000
za podmínek uvedených níže.
13:15
and then the supplements below the line
318
795260
3000
A doplňky pod čarou
13:18
are perhaps not worth investigating.
319
798260
2000
asi nemá ani cenu zkoumat.
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
Tenhle obrázek představuje ohromné množství práce.
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
Prošli jsme asi 1000 volně dostupných medicínských studií,
13:26
the biomedical database,
322
806260
2000
bio-zdravotnické databáze,
13:28
and we compiled them and graded them all.
323
808260
3000
a setřídili a ohodnotili jsme je.
13:31
And it was incredibly frustrating for me
324
811260
2000
Pro mě to bylo hrozně frustrující,
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
protože jsem měl udělat 250 vizualizací pro svou knihu,
13:36
and I spent a month doing this,
326
816260
2000
a tímhle jsem strávil měsíc práce
13:38
and I only filled two pages.
327
818260
2000
a měl jsem jen dvě stránky.
13:40
But what it points to
328
820260
2000
To ale poukazuje na fakt,
13:42
is that visualizing information like this
329
822260
2000
že vizualizované informace jako tyhle
13:44
is a form of knowledge compression.
330
824260
2000
jsou formou komprimace vědomostí.
13:46
It's a way of squeezing an enormous amount
331
826260
2000
Je to způsob, jak vtěsnat velké množství
13:48
of information and understanding
332
828260
2000
informací a porozumění
13:50
into a small space.
333
830260
2000
na malé místo.
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
Jakmile jste zpracovali a vyčistili data
13:54
and once it's there,
335
834260
2000
a máte je připravené,
13:56
you can do cool stuff like this.
336
836260
2000
můžete dělat skvělé věci jako například toto.
13:58
So I converted this into an interactive app,
337
838260
2000
Z tohohle jsem udělal interaktivní aplikaci,
14:00
so I can now generate this application online --
338
840260
2000
která může generovat data online -
14:02
this is the visualization online --
339
842260
2000
tohle je online vizualizace
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
a já si můžu říct "Bezva."
14:06
So it spawns itself.
341
846260
2000
Takže se to přetváří samo.
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
A pak si řeknu "Ukaž mi jen věci
14:10
that affects heart health."
343
850260
2000
ovlivňující zdraví srdce."
14:12
So let's filter that out.
344
852260
2000
Teď to odfiltrujeme.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
Takže máme odfiltrované srdce, pokud je to to, co nás zajímá.
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
Ale já si řeknu "Ne, ne. Nechci brát nic syntetického.
14:19
I just want to see plants and --
347
859260
3000
Chci vidět jen rostliny a...
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
jen byliny a rostliny. A mám všechny přírodní doplňky."
14:25
Now this app is spawning itself
349
865260
2000
Aplikace se upravuje sama
14:27
from the data.
350
867260
2000
podle dat.
14:29
The data is all stored in a Google Doc,
351
869260
2000
Všechna data jsou uložena na Google docs
14:31
and it's literally generating itself from that data.
352
871260
3000
a z nich se diagram generuje.
14:34
So the data is now alive; this is a living image,
353
874260
2000
Ta data jsou živá; tenhle obrázak je živý
14:36
and I can update it in a second.
354
876260
2000
a dá se ihned aktualizovat.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
Ukáže se nový důkaz a já jen změním řádek v tabulce.
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
Bum! Obrázek se znovu přetváří.
14:44
So it's cool.
357
884260
2000
Je to super.
14:46
It's kind of living.
358
886260
3000
Je to živé.
14:49
But it can go beyond data,
359
889260
2000
Ale může to jít ještě dál než jsou data
14:51
and it can go beyond numbers.
360
891260
2000
a než jsou čísla.
14:53
I like to apply information visualization
361
893260
2000
Já chci aplikovat informační vizualizace
14:55
to ideas and concepts.
362
895260
3000
na myšlenky a koncepty.
14:58
This is a visualization
363
898260
2000
Tohle je vizualizace
15:00
of the political spectrum,
364
900260
2000
politického spektra
15:02
an attempt for me to try
365
902260
2000
v mém pokusu
15:04
and understand how it works
366
904260
2000
o pochopení jeho fungování
15:06
and how the ideas percolate down
367
906260
2000
a principu pronikání myšlenek
15:08
from government into society and culture,
368
908260
2000
z vlády do společnosti a kultury,
15:10
into families, into individuals, into their beliefs
369
910260
3000
do rodin, k jednotlivcům a do jejich víry -
15:13
and back around again in a cycle.
370
913260
3000
a zpět v cyklu.
15:16
What I love about this image
371
916260
2000
Mně se na tomhle obrázku líbí,
15:18
is it's made up of concepts,
372
918260
2000
že je postaven z koncepcí,
15:20
it explores our worldviews
373
920260
2000
zkoumá naše pohledy na svět
15:22
and it helps us -- it helps me anyway --
374
922260
2000
a pomáhá nám, nebo alespoň mně,
15:24
to see what others think,
375
924260
2000
vidět, co si ostatní myslí
15:26
to see where they're coming from.
376
926260
2000
a odkud pocházejí.
15:28
And it feels just incredibly cool to do that.
377
928260
3000
Je to skvělé se na to takhle podívat.
15:31
What was most exciting for me
378
931260
3000
Nejvíce zajímavé pro mě bylo
15:34
designing this
379
934260
2000
během vytváření toho obrázku,
15:36
was that, when I was designing this image,
380
936260
2000
že, když jsem ho vytvářel,
15:38
I desperately wanted this side, the left side,
381
938260
3000
zoufale jsem chtěl, aby tahle strana, levá strana,
15:41
to be better than the right side --
382
941260
2000
byla lepší než pravá.
15:43
being a journalist, a Left-leaning person --
383
943260
3000
Protože jsem novinář, levicově smýšlející člověk,
15:46
but I couldn't, because I would have created
384
946260
2000
ale nešlo to, protože bych vytvořil
15:48
a lopsided, biased diagram.
385
948260
3000
nevyvážený, zkreslený diagram.
15:51
So, in order to really create a full image,
386
951260
3000
Takže abych vytvořil celý obrázek,
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
musel jsem brát ohled i na pravicový pohled na věc
15:57
and at the same time, uncomfortably recognize
388
957260
3000
a současně jsem si uvědomil, což mě nepotěšilo,
16:00
how many of those qualities were actually in me,
389
960260
3000
kolik takových pohledů mám já sám.
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
To bylo opravdu otravné a nepříjemné zjištění.
16:05
(Laughter)
391
965260
4000
(smích)
16:09
But not too uncomfortable,
392
969260
2000
Ale ne zas tak moc,
16:11
because there's something unthreatening
393
971260
3000
protože je to docela uklidňující
16:14
about seeing a political perspective,
394
974260
2000
vidět politické perspektivy
16:16
versus being told or forced to listen to one.
395
976260
3000
místo toho, aby vám někdo nějakou nutil.
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
V podstatě jste schopni vnímat rozdílné úhly pohledu
16:22
joyously when you can see them.
397
982260
2000
radostněji, když je sami vidíte.
16:24
It's even fun to engage with them
398
984260
2000
Je dokonce zábava se jimi zabývat,
16:26
because it's visual.
399
986260
2000
protože je vidíte.
16:28
So that's what's exciting to me,
400
988260
2000
To je pro mě vzrušující,
16:30
seeing how data can change my perspective
401
990260
2000
vidět jak data mění mou perspektivu
16:32
and change my mind midstream --
402
992260
2000
a moje myšlenkové pochody.
16:34
beautiful, lovely data.
403
994260
3000
Krásná, rozkošná data.
16:38
So, just to wrap up,
404
998260
2000
Takže na závěr
16:40
I wanted to say
405
1000260
2000
jsem chtěl říct,
16:42
that it feels to me that design is about solving problems
406
1002260
2000
že podle mého je design o řešení problémů
16:44
and providing elegant solutions,
407
1004260
3000
a poskytování elegantních řešení.
16:47
and information design is about
408
1007260
2000
A informační design je
16:49
solving information problems.
409
1009260
2000
o řešení informačních problémů.
16:51
It feels like we have a lot of information problems
410
1011260
2000
A zdá se, že máme mnoho informačních problémů
16:53
in our society at the moment,
411
1013260
2000
v naší současné společnosti.
16:55
from the overload and the saturation
412
1015260
2000
Od přebytku a přesycení
16:57
to the breakdown of trust and reliability
413
1017260
2000
ke zhroucení důvěryhodnosti a spolehlivosti,
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
skepticismu a nesrozumitelnosti,
17:01
or even just interestingness.
415
1021260
2000
nebo dokonce nezáživnosti.
17:03
I mean, I find information just too interesting.
416
1023260
2000
Pro mě jsou informace až moc zajímavé.
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
Mají jakousi magnetickou sílu, která mě přitahuje.
17:09
So, visualizing information
418
1029260
2000
Zobrazování informací
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
nám může dát velmi rychlé řešení takových problémů.
17:14
Even when the information is terrible,
420
1034260
2000
I když informace je hrozná,
17:16
the visual can be quite beautiful.
421
1036260
3000
její vizualizace může vypadat celkem dobře.
17:19
Often we can get clarity
422
1039260
3000
A často si můžeme ujasnit
17:22
or the answer to a simple question very quickly,
423
1042260
2000
nebo odpovědět na jednoduché otázky velmi rychle.
17:24
like this one,
424
1044260
2000
Jako tahle,
17:26
the recent Icelandic volcano.
425
1046260
3000
nedávný výbuch sopky na Islandu.
17:29
Which was emitting the most CO2?
426
1049260
2000
Co produkovalo nejvíc oxidu uhličitého?
17:31
Was it the planes or the volcano,
427
1051260
2000
Byla to letadla nebo sopka,
17:33
the grounded planes or the volcano?
428
1053260
2000
letadla, co musela zůstat na zemi, nebo sopka?
17:35
So we can have a look.
429
1055260
2000
Můžeme se podívat.
17:37
We look at the data and we see:
430
1057260
2000
Koukneme na data a vidíme,
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
jo, sopka vychrlila 150 000 tun;
17:41
the grounded planes would have emitted
432
1061260
2000
letadla na zemi by vyprodukovala
17:43
345,000 if they were in the sky.
433
1063260
3000
345 000, kdyby byla ve vzduchu.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
Takže v podstatě jsem měli první sopku čistící ovzuší.
17:49
(Laughter)
435
1069260
2000
(smích)
17:51
(Applause)
436
1071260
9000
(potlesk)
18:00
And that is beautiful. Thank you.
437
1080260
3000
A to je krásné. Děkuji.
18:03
(Applause)
438
1083260
8000
(potlesk)
O tomto webu

Tato stránka vám představí videa na YouTube, která jsou užitečná pro výuku angličtiny. Uvidíte lekce angličtiny vedené špičkovými učiteli z celého světa. Dvojklikem na anglické titulky zobrazené na každé stránce s videem si video přehrajete přímo odtud. Titulky se posouvají synchronizovaně s přehráváním videa. Pokud máte nějaké připomínky nebo požadavky, kontaktujte nás prosím pomocí tohoto kontaktního formuláře.

https://forms.gle/WvT1wiN1qDtmnspy7