The beauty of data visualization | David McCandless

دیوید مک کندلس :زیباییِ به تصویر کشیدن داده ها

Translator: Mahdieh Taher Reviewer: Aryan Goharzad

It feels like we're all suffering

انگار همه ی ما رنج می بریم

from information overload or data glut.

از زیادی اطلاعات و اشباع داده ها

And the good news is there might be an easy solution to that,

و خبر خوش این است که ممکن است یک راه حل ساده برای آن وجود داشته باشد،

and that's using our eyes more.

و آن این است که از چشمهایمان بیشتر استفاده کنیم.

So, visualizing information, so that we can see

بنابراین، با تصویر کشیدن اطلاعات می توانیم ببینیم

the patterns and connections that matter

الگوها و ارتباطاتی که مهم هستند

and then designing that information so it makes more sense,

و سپس، آن اطلاعات را طراحی کنیم طوری که قابل فهم تر بشوند

or it tells a story,

یا یک داستانی را بگویند،

or allows us to focus only on the information that's important.

یا به ما اجازه دهند که متمرکز شویم بر روی اطلاعاتی که مهم هستند.

Failing that, visualized information can just look really cool.

و حتی اگر نشد، به تصویر کشیدن اطلاعات به خودیِ خود، واقعا می تواند جالب به نظر آید.

So, let's see.

پس بگذارید ببینیم.

This is the $Billion Dollar o-Gram,

این نمودارِ توضیع یک میلیارد دلار است،

and this image arose

و این تصویر به وجود آمد

out of frustration I had

به خاطر ناامیدی که داشتم

with the reporting of billion-dollar amounts in the press.

از گزارش مقدار یک میلیارد دلار در مطبوعات.

That is, they're meaningless without context:

به بیانی دیگر ، آنها بدون در نظر گرفتن موقعیتی که نمودار در آن بیان شده بی معنی هستند.

500 billion for this pipeline,

500 میلیارد برای این لوله کشی.

20 billion for this war.

20 میلیارد برای یک جنگ.

It doesn't make any sense, so the only way to understand it

هیچ معنی ندارد، پس تنها راهی که می شود آن را فهمید

is visually and relatively.

به صورت تصویری و نسبی است.

So I scraped a load of reported figures

پس یک مجموعه از شکلهای گزارش شده را جدا کردم

from various news outlets

از خبرگزاری رسانه های مختلف

and then scaled the boxes according to those amounts.

و بعد مستطیلها را بر اساس مقدارشان مقیاس کردم.

And the colors here represent the motivation behind the money.

و رنگها در اینجا، انگیزه برای پولِ خرج شده را نشان می هد.

So purple is "fighting,"

پس بنفش دعوا کردن است،

and red is "giving money away," and green is "profiteering."

و قرمز بخشیدن پول است، و سبز احتکار کردن است.

And what you can see straight away

و اولین چیزی که میبینید

is you start to have a different relationship to the numbers.

این است که شروع کنید به داشتن یک ارتباط متفاوت با اعداد.

You can literally see them.

شما عینا می توانید آنها را ببینید.

But more importantly, you start to see

ولی مهمتر اینکه شما شروع می کنید به دیدن

patterns and connections between numbers

الگوها و ارتباطات بین اعدادی

that would otherwise be scattered across multiple news reports.

که در غیر این صورت در سراسر گزارشهای خبری متعدد پراکنده هستند.

Let me point out some that I really like.

اجازه بدهید به بعضی موارد که واقعا دوست دارم اشاره کنم.

This is OPEC's revenue, this green box here --

این درآمد اپک است، این مستطیلِ سبز در اینجا

780 billion a year.

780 میلیارد در هر سال.

And this little pixel in the corner -- three billion --

و این پیکسل کوچک در این گوشه،--3 میلیارد--

that's their climate change fund.

این سرمایه تغییرات آب و هوایی آنها است.

Americans, incredibly generous people --

آمریکاییها، مردمی بسیار بخشنده --

over 300 billion a year, donated to charity every year,

بیش از 300 میلیارد در سال، اهدا شده به خیریه ها در هر سال،

compared with the amount of foreign aid

در مقایسه با میزان کمکهای خارجی

given by the top 17 industrialized nations

که توسط بالاترین 17 کشور صنعتی داده می شود

at 120 billion.

به مقدار 120 میلیارد.

Then of course,

و سپس البته،

the Iraq War, predicted to cost just 60 billion

جنگ عراق، پیش بینی شده بود که فقط 60 میلیارد هزینه داشته باشد

back in 2003.

در سال 2003

And it mushroomed slightly. Afghanistan and Iraq mushroomed now

و کمی به سرعت رشد کرد. افغانستان به سرعت رشد کرد

to 3,000 billion.

به 3000 میلیارد.

So now it's great

پس الان بسیار عالی است

because now we have this texture, and we can add numbers to it as well.

چون اکنون این شالوده را داریم، وهمچنین می توانیم اعداد را به آن اضافه کنیم.

So we could say, well, a new figure comes out ... let's see African debt.

بنابراین می توانستیم بگوییم، خوب، یک شکل جید بیرون می آید... بگذارید بدهی آفریقا را ببینیم.

How much of this diagram do you think might be taken up

فکر می کنید چه اندازه از این نمودار ممکن است گرفته شود

by the debt that Africa owes to the West?

توسط بدهی که آفریقا به غرب دارد؟

Let's take a look.

بگذارید یک نگاهی بیندازیم.

So there it is:

پس آنجا، این است.

227 billion is what Africa owes.

227 میلیارد، مقداری است که آفریقا بدهی دارد.

And the recent financial crisis,

و بحران اقتصادی اخیر--

how much of this diagram might that figure take up?

چه اندازه از این نمودار ممکن است گرفته شود؟

What has that cost the world? Let's take a look at that.

چه مقدار هزینه برای جهان داشته است؟ بگذارید یک نگاهی به آن بیندازیم.

Dooosh -- Which I think is the appropriate sound effect

"اوفف" ، فکر می کنم صدای مناسبی باشد

for that much money:

برای این مقدار پول.

11,900 billion.

11900 میلیارد.

So, by visualizing this information,

بنابراین با به تصویر کشیدن این اطلاعات،

we turned it into a landscape

ما آن را به یک چشم اندازی تبدیل کردیم

that you can explore with your eyes,

که می توانید با چشمهایتان کاوش کنید،

a kind of map really, a sort of information map.

در واقع نوعی نقشه، یک نوع نقشه ی اطلاعات.

And when you're lost in information,

و هنگامی که در اطلاعات گم می شوید،

an information map is kind of useful.

این نقشه اطلاعات یک جورهایی پرکاربدر است.

So I want to show you another landscape now.

اکنون، یک چشم انداز دیگر را به شما نشان می دهم.

We need to imagine what a landscape

ما نیاز داریم که تصور کنیم چه چشم اندازی

of the world's fears might look like.

از ترسهای جهانی که ممکن است به نظر بیاید.

Let's take a look.

بگذارید یک نگاهی بیندازیم.

This is Mountains Out of Molehills,

این کوهها بیرون آمده از تپه های کوچک است،

a timeline of global media panic.

یک جدول زمانی از وحشت رسانه های جهانی است.

(Laughter)

(خنده حضار)

So, I'll label this for you in a second.

خوب، در یک ثانیه این را برای شما برچسب گذاری می کنم.

But the height here, I want to point out,

ولی ارتفاع در اینجا، من می خواهم اشاره کنم

is the intensity of certain fears

که شدت ترسهای به خصوص یی است،

as reported in the media.

که در رسانه ها گزارش می شود.

Let me point them out.

اجازه بدهید که به آنها اشاره کنم.

So this, swine flu -- pink.

خوب این، آنفولانزای خوکی-- صورتی.

Bird flu.

آنفولانزای مرغی.

SARS -- brownish here. Remember that one?

سارس -- اینجا به رنگ قهوه ای. آن را یادتان می آید.

The millennium bug,

اشکال هزاره (اشکال درسیستمهای کامپیوتری در سال 2000 (مترجم) )--

terrible disaster.

بلایای وحشتناک.

These little green peaks

این قله های کوچک سبز

are asteroid collisions.

برخورد شهابسنگها هستند.

(Laughter)

(خنده حضار)

And in summer, here, killer wasps.

و در تابستان، اینجا، زنبورهای قاتل.

(Laughter)

(خنده حضار)

So these are what our fears look like

بنابراین اینها هستند چیزهایی که ترسهای ما شبیه شان می باشند

over time in our media.

طی گذشت زمان در رسانه های ما.

But what I love -- and I'm a journalist --

ولی چیزی که من عاشقش هستم-- و من یک روزنامه نگار هستم--

and what I love is finding hidden patterns; I love being a data detective.

و چیزی که من عاشقش هستم پیداکردن الگوهای پنهان است؛ من عاشق این هستم که یک کارگاهِ داده ها باشم.

And there's a very interesting and odd pattern hidden in this data

و یک الگوی پنهان شده ی خیلی جالب و عجیب در این داه ها وجود دارد

that you can only see when you visualize it.

که فقط وقتی شما آن را به تصویر می کشید می توانید آن را ببینید.

Let me highlight it for you.

اجازه دهید این را برای شما روشن کنم.

See this line, this is a landscape for violent video games.

این خط را نگاه کنید. این یک چشم انداز برای بازی های ویدیویی خشن است.

As you can see, there's a kind of odd, regular pattern in the data,

همان طور که می بینید، یک الگوی عجیب و منظم در این داده ها وجود دارد،

twin peaks every year.

دو قله در هر سال.

If we look closer, we see those peaks occur

اگر دقیق تر نگاه کنید، می بینید که این قله ها اتفاق می افتند

at the same month every year.

در همان ماه هر سال.

Why?

چرا؟

Well, November, Christmas video games come out,

خوب، نوامبر، بازیهای ویدیویی کریسمس بیرون می آید،

and there may well be an upsurge in the concern about their content.

و ممکن است خوب، یک صعود ناگهانی در نگرانی ناشی از محتوای آنها وجود داشته باشد.

But April isn't a particularly massive month

ولی آپریل یک ماه ویژه بزرگ نیست

for video games.

برای بازیهای ویدیویی.

Why April?

چرا آپریل؟

Well, in April 1999 was the Columbine shooting,

خوب، در آپریل 1999، حادثه ی تیراندازی Columbine بود،

and since then, that fear

و از آن موقع، آن ترس

has been remembered by the media

توسط رسانه ها یادآوری شده است

and echoes through the group mind gradually through the year.

و به تدریج در طول سال، توسط یک ذهنیت گروهی انعکاس داده می شود.

You have retrospectives, anniversaries,

شما مرور آثار، سالگردها را دارید،

court cases, even copy-cat shootings,

موارد دادگاهی، حتی تیراندازی های تقلیدی،

all pushing that fear into the agenda.

همه ی اینها، این ترس را در دستور کار سوق می دهند.

And there's another pattern here as well. Can you spot it?

و یک الگوی دیگر در اینجا نیز وجود دارد. می توانید آن را پیدا کنید؟

See that gap there? There's a gap,

این فاصله را در آنجا دیدید؟ این یک فاصله است،

and it affects all the other stories.

و این همه ی داستانهای دیگر را تحت تاثیر می دهد.

Why is there a gap there?

چرا این فاصله آنجا وجود دارد؟

You see where it starts? September 2001,

ببینید از کجا شروع می شود؟ سپتامبر 2001، ( اشاره به واقعه ی 11 سپتامبر - مترجم )

when we had something very real

وقتی یک چیز خیلی محسوس را داشتیم

to be scared about.

که درباره اش بترسیم.

So, I've been working as a data journalist for about a year,

من به عنوان گزارشگر داده برای حدود یک سال کار کرده ام،

and I keep hearing a phrase

و من دائم یک عبارت را می شنوم

all the time, which is this:

همیشه، که این است:

"Data is the new oil."

" داده ها یک سوختِ جدید هستند."

Data is the kind of ubiquitous resource

و داده ها یک نوعی از منابع در همه جا حاضر و فراگیرهستند

that we can shape to provide new innovations and new insights,

که می توانیم شکل بدهیم تا نوآوری های جدید و بینش های جدید را فراهم کند،

and it's all around us, and it can be mined very easily.

و همه در اطراف ما هستند، و خیلی ساده می توانند استخراج شوند.

It's not a particularly great metaphor in these times,

و این واقعا استعاره ی خیلی خوبی در این زمانه نیست،

especially if you live around the Gulf of Mexico,

به خصوص اگر شما اطراف خلیج مکزیک زندگی می کنید.

but I would, perhaps, adapt this metaphor slightly,

ولی من، شاید، اندکی این استعاره را مطابقت می دادم،

and I would say that data is the new soil.

و می گفتم که داده ها یک خاک جدید هستند.

Because for me, it feels like a fertile, creative medium.

چون برای من، این جور احساس می شود که یک بستر حاصلخیز و خلاقانه هستند.

Over the years, online,

شما می دانید، در طول سالها، آنلاین،

we've laid down

پی ریز کرده ایم

a huge amount of information and data,

یک انبوهی از داده ها و اطلاعات،

and we irrigate it with networks and connectivity,

و آن را آبیاری کرده ایم با شبکه ها و اتصال،

and it's been worked and tilled by unpaid workers and governments.

و پیشرفت کرده و با کارگران بی مزد و دولتها جان گرفته است.

And, all right, I'm kind of milking the metaphor a little bit.

و، بسیار خوب، من یک مقداری دارم استعاره را زیادی استفاده می کنم

But it's a really fertile medium,

ولی این واقعا یک بستر حاصلخیز است.

and it feels like visualizations, infographics, data visualizations,

و این احساس می شود مانند به تصویر کشیدن، گرافیک اطلاعات، به تصویر کشیدن داد ها،

they feel like flowers blooming from this medium.

آنها مانند گلهایی شکوفه می کنند از این بستر.

But if you look at it directly,

اما اگر مستقیم به آن نگاه کنید،

it's just a lot of numbers and disconnected facts.

آن فقط انبوهی از اعداد و حقایق غیرمرتبط هستند.

But if you start working with it and playing with it in a certain way,

ولی اگر شروع کنید به کارکردن با آن و بازی کردن با آن به طریقِ خاصی

interesting things can appear and different patterns can be revealed.

چیزهای جالبی می تواند پدیدار شود و الگوهای مختلفی می تواند ظاهر شوند.

Let me show you this.

اجازه دهید این را به شما نشان دهم.

Can you guess what this data set is?

می توانید حدس بزنید که این داده ها چه می گویند؟

What rises twice a year,

چیزی که سالی دو بار بالا می رود،

once in Easter

یکبار در عید پاک ( عید مسیحیان-مترجم)

and then two weeks before Christmas,

و سپس دو هفته قبل از کریسمس،

has a mini peak every Monday,

یک قله هر دوشنبه دارد

and then flattens out over the summer?

و سپس در طول تابستان نمودار مسطح می شود.

I'll take answers.

من جواب را می گیرم.

(Audience: Chocolate.) David McCandless: Chocolate.

(حضار: شکلات.) دیوید مک کندلس: شکلات.

You might want to get some chocolate in.

شما ممکن است مقداری شکلات بگیرید.

Any other guesses?

حدس دیگر؟

(Audience: Shopping.) DM: Shopping.

(حضار: خرید) دیوید مک کندلس: خرید.

Yeah, retail therapy might help.

بله، درمان خرد فروشی ممکن است کمک کند.

(Audience: Sick leave.)

(حضار: مرخصی استعلاجی.)

DM: Sick leave. Yeah, you'll definitely want to take some time off.

دیوید مک کندلس: مرخصی استعلاجی. بله، حتما می خواهید زمانی را مرخصی بگیرید.

Shall we see?

ببینیم؟

(Laughter)

(خنده حضار)

(Applause)

(تشویق)

So, the information guru Lee Byron and myself,

خوب، اطلاعات اینجا، لی بایرون و من،

we scraped 10,000 status Facebook updates

ما 10000 وضعیت به روز رسانی افراد در فیس بوک را در آوردیم

for the phrase "break-up" and "broken-up"

برای عبارات "شکستن رابطه" و " شکسته شدن"

and this is the pattern we found --

و این الگویی است که پیدا کردیم--

people clearing out for Spring Break,

مردم برای تعطیلات بهار جا خالی می کنند،

(Laughter)

(خنده حضار)

coming out of very bad weekends on a Monday,

بیرون آمدن از یک آخر هفته ی بد در روز دوشنبه،

being single over the summer,

مجرد بودن در طول تابستان.

and then the lowest day of the year, of course: Christmas Day.

و کمترین روز در سال، البته، روز کریسمس.

Who would do that?

چه کسی این را انجام می دهد؟

So there's a titanic amount of data out there now,

بنابراین، در حال حاضر، انبوه زیادی از داده ها بیرون وجود دارد،

unprecedented.

بی مانند.

But if you ask the right kind of question,

ولی اگر شما نوع درست سوالی را بپرسید،

or you work it in the right kind of way,

یا کاری را به نوع درست آن انجام دهید،

interesting things can emerge.

چیزهای جالبی می تواند ظاهر شود.

So information is beautiful. Data is beautiful.

پس اطلاعات زیبا هستند، داده ها زیبا هستند.

I wonder if I could make my life beautiful.

نمی دانم که می توانم زندگیم را زیبا کنم.

And here's my visual C.V.

و این رزومه تصویری من است. ( بخشی از رزومه - مترجم )

I'm not quite sure I've succeeded.

و مطمئن نیستم که موفق شده ام.

Pretty blocky, the colors aren't that great.

تا حدودی قالب دار. رنگها آنقدر عالی نیستند.

But I wanted to convey something to you.

ولی من می خواهم چیزی را به شما منتقل کنم.

I started as a programmer,

من به عنوان یک برنامه نویس شروع کردم،

and then I worked as a writer for many years, about 20 years,

و سپس به عنوان یک نویسنده کار کردم به مدت سالهای زیاد، حدود 20 سال،

in print, online and then in advertising,

چاپی، آن لاین و سپس در تبلیغات،

and only recently have I started designing.

و تنها به تازگی به عنوان طراح شروع کرده ام.

And I've never been to design school.

و من هیچ گاه در مدرسه طراحی نبوده ام.

I've never studied art or anything.

هیچ گاه در هنر و یا چیز مشابه ای تحصیل نکرده ام.

I just kind of learned through doing.

من فقط با انجام دادن یاد گرفتم.

And when I started designing,

و وقتی که شروع کردم طراحی را

I discovered an odd thing about myself.

چیز عجیبی درباره خودم کشف کردم.

I already knew how to design,

من قبلا می دانستم چگونه طراحی کنم،

but it wasn't like I was amazingly brilliant at it,

ولی این طور نبود که به طور شگفت انگیزی با استعداد باشم در آن

but more like I was sensitive

ولی بیشتر شبیه با این بود که حساس هستم

to the ideas of grids and space

به ایده های شبکه ها و فضا

and alignment and typography.

و هم ترازی و فن چاپ.

It's almost like being exposed

این تقریبا مثل این است که، بودن در معرض

to all this media over the years

تمام این رسانه ها در طول سالها

had instilled a kind of dormant design literacy in me.

نوع سواد طراحی خفته در من القا شده کرده.

And I don't feel like I'm unique.

و من احساس نمی کردم که من انسانِ خاصی هستم.

I feel that everyday, all of us now

من احساس می کنم که، هر روز، همه ی ما

are being blasted by information design.

در حال تخریب شدن بوسیله ی طراحی اطلاعات هستیم.

It's being poured into our eyes through the Web,

توسط اینترنت در چشمانمان ریخته می شود،

and we're all visualizers now;

و همه ی ما اکنون به تصویر کشنده هستیم؛

we're all demanding a visual aspect

همه ی ما خواستار بعد تصویری هستیم

to our information.

برای اطلاعاتمان.

There's something almost quite magical about visual information.

و یک چیز تقریبا منحصر به فرد جادویی درباره اطلاعات تصویری وجود دارد.

It's effortless, it literally pours in.

آن نیاز به زحمت ندارد، به معنای واقعی کلمه ریخته می شود داخل (مانند یک مایع - مترجم ).

And if you're navigating a dense information jungle,

و اگر شما در حال پیمایش جنگل انبوهی از اطلاعات باشید،

coming across a beautiful graphic

به یک نمودارِ زیبا بر می خوردن

or a lovely data visualization,

یا به یک داده به تصویر کشیده ی دوست داشتنی،

it's a relief, it's like coming across a clearing in the jungle.

این یک آسودگی است، مثل این است که به یک پاکسازی در جنگل برخورد کرده ایم.

I was curious about this, so it led me

ومن درباره این کنجکاو بودم، پس مرا سوق داد

to the work of a Danish physicist

به سمت کار یک فیزیکدان دانمارکی

called Tor Norretranders,

به نام "تور نورتراندرس"،

and he converted the bandwidth of the senses into computer terms.

و او پهنای باند حس ها را به اصطلاحات کامپیوتری تبدیل کرد.

So here we go. This is your senses,

پس شروع می کنیم. این حسهای شما هستند،

pouring into your senses every second.

ریخته می شوند در حسهای شما در هر ثانیه.

Your sense of sight is the fastest.

حس دیداری شما سریعترین حس است.

It has the same bandwidth as a computer network.

آن پهنای باند مشابهی نسبت به یک شبکه کامپیوتری دارد.

Then you have touch, which is about the speed of a USB key.

سپس حس لامسه دارید، که آن درباره سرعت یک پورتِ USB است.

And then you have hearing and smell,

و سپس حس شنوایی و بویایی دارید،

which has the throughput of a hard disk.

که توان عملیاتی hard disk را دارد.

And then you have poor old taste,

و سپس حس ضعیف و قدیمی چشایی را دارید،

which is like barely the throughput of a pocket calculator.

که به سختی شبیه توان عملیاتی یک ماشین حساب جیبی است.

And that little square in the corner, a naught .7 percent,

و مربع کوچک در گوشه، 0.7 درصد،

that's the amount we're actually aware of.

مقداری است که ما در واقع از آن آگاه هستیم.

So a lot of your vision --

بنابراین مقدار زیادی از بینایی--

the bulk of it is visual, and it's pouring in.

بخش عمده ای از آن تصاویری است، و در داخل آن ریخته می شود.

It's unconscious.

ناخودآگاه است.

The eye is exquisitely sensitive

و چشم کاملا حساس است

to patterns in variations in color, shape and pattern.

به الگوهایی که در رنگها، شکلها و الگوها متغییر هستند.

It loves them, and it calls them beautiful.

عاشق آنها است، و آنها را زیبا می نامد.

It's the language of the eye.

این زبانِ چشم است.

If you combine the language of the eye with the language of the mind,

و اگر شما زبانِ چشم را با زبان ذهن ترکیب کنید،

which is about words and numbers and concepts,

که درباره ی کلمات، اعداد و مفاهیم است،

you start speaking two languages simultaneously,

شما شروع به صحبت به دو زبان کرده اید به صورت همزمان،

each enhancing the other.

هر کدام دیگری را ارتقا می دهد.

So, you have the eye, and then you drop in the concepts.

پس، شما بینایی را را دارید، و سپس مفاهیم را مطرح می کنید.

And that whole thing -- it's two languages

و تمام قضیه، آن دو زبان است

both working at the same time.

که در دو در یک زمان کار می کنند.

So we can use this new kind of language, if you like,

پس می توانیم از این نوع جدید زبان استفاده کنیم، اگر شما دوست داشته باشید،

to alter our perspective or change our views.

تا چشم اندازمان را عوض کنیم یا دیدمان را تغییر دهیم.

Let me ask you a simple question

اجازه بدهید که یک سوال ساده از شما بپرسم

with a really simple answer:

با یک جواب بسیار ساده.

Who has the biggest military budget?

چه کسی بزرگترین بودجه ی نظامی را دارد؟

It's got to be America, right?

باید آمریکا باشد، درست است؟

Massive. 609 billion in 2008 --

کلان. 609 میلیارد در سال 2008--

607, rather.

607، ترجیحاً.

So massive, in fact, that it can contain

بسیار کلان، در حقیقت، می تواند شامل شود

all the other military budgets in the world inside itself.

همه ی بقیه ی بودجه های نظامی در جهان را.

Gobble, gobble, gobble, gobble, gobble.

صدای بوقلمون♪

Now, you can see Africa's total debt there

اکنون، می توانید همه ی بدهی آفریقا را در اینجا ببینید

and the U.K. budget deficit for reference.

و کسری بودجه انگلیس را برای ارجاع.

So that might well chime

بنابراین، آن ممکن است که تطبیق کند

with your view that America

با این دید شما که آمریکا

is a sort of warmongering military machine,

یک نوعی از جنگ افروزی، ماشین نظامی،

out to overpower the world

برای غالب شدن بر جهان است

with its huge industrial-military complex.

با آن صنایع نظامی پیچیده و عظیم.

But is it true that America has the biggest military budget?

ولی آیا این درست است که آمریکا دارای بزرگترین بودجه نظامی است؟

Because America is an incredibly rich country.

به این دلیل که بهغایت کشورِ غنی ای است.

In fact, it's so massively rich

در حقیقت، آنقدر غنی است

that it can contain the four other

که می تواند چهارتای دیگر

top industrialized nations' economies

از بالاترین ملیتهای اقتصاد صنعتی را

inside itself, it's so vastly rich.

درخود شامل شود، به صورت بسیار گسترده ای غنی است.

So its military budget is bound to be enormous.

بنابراین، بودجه نظامی آن میباید که بسیار زیاد باشد.

So, to be fair and to alter our perspective,

پس، برای اینکه عادل باشیم و دیدگاه خود را عوض کنیم،

we have to bring in another data set,

باید مجموعه ی دیگری از داده ها را بیاوریم،

and that data set is GDP, or the country's earnings.

و آن مجموعه داده GDP یا درآمدهای کشور است.

Who has the biggest budget as a proportion of GDP?

چه کسی بیشترین سهمِ بودجه را از GDP دارد؟

Let's have a look.

اجازه دهید نگاهی بیاندازیم.

That changes the picture considerably.

آن ، دید را به طور قابل ملاحظه ای عوض می کند.

Other countries pop into view that you, perhaps, weren't considering,

دیگر کشورها به چشم می آیند که شما، شاید، ملاحظه نکردید،

and American drops into eighth.

و آمریکا به رتبه ی هشتم سقوط می کند.

Now you can also do this with soldiers.

حالا می توانید این را با سربازان انجام دهید.

Who has the most soldiers? It's got to be China.

چه کسی بیشترین سربازان را دارد؟ باید چین باشد.

Of course, 2.1 million.

البته، 2.1 میلیون.

Again, chiming with your view

دوباره، با دید شما صدا می کند

that China has a militarized regime

که چین یک رژیم نظامی است

ready to, you know, mobilize its enormous forces.

آماده، می دانید، نیروهای عضیمش را بسیج می کند.

But of course, China has an enormous population.

ولی البته، چین جمعیت عظیمی دارد.

So if we do the same,

پس اگر همان کار را انجام دهیم،

we see a radically different picture.

تصویر اساسا متفاوتی می بینیم.

China drops to 124th.

چین به رتبه ی 124 سقوط می کند.

It actually has a tiny army

در واقع یک ارتش بسیار کوچک دارد

when you take other data into consideration.

وقتی که شما داده های دیگر را نیز مورد بررسی قرار می دهید.

So, absolute figures, like the military budget,

پس، تصاویر مستقل، مانند بودجه نظامی،

in a connected world,

در یک دنیای به هم مرتبط،

don't give you the whole picture.

یک تصویر کاملی به شما نمی دهند.

They're not as true as they could be.

آنها آن طور درست نیستند که می توانند باشد.

We need relative figures that are connected to other data

ما به تصاویر مرتبطی نیاز داریم که به داده های دیگر ارتباط داشته باشند

so that we can see a fuller picture,

تا بتوانیم تصویری کاملتر را ببینیم،

and then that can lead to us changing our perspective.

و بنابراین آن می تواند ما را به سمت عوض کردن دیدگاهمان سوق دهد.

As Hans Rosling, the master,

همان طور که هنس روسلینگ، استاد،

my master, said,

استاد من، گفت،

"Let the dataset change your mindset."

"اجازه بده که مجموعه داده ها، مجموعه ذهنیت تو را عوض کند."

And if it can do that, maybe it can also change your behavior.

و اگر می تواند این کار را انجام بدهد، شاید بتواند رفتار تو را نیز عوض کند.

Take a look at this one.

یک نگاهی به این یکی بیاندازید.

I'm a bit of a health nut.

من یک مقداری دیوانه ی سلامتی هستم.

I love taking supplements and being fit,

عاشق این هستم که مکمل مصرف کنم و تندرست باشم،

but I can never understand what's going on in terms of evidence.

ولی هیچ وقت درک نکردم که شواهد بیانگر چه هستند.

There's always conflicting evidence.

همیشه تناقضی در بین شواهد وجود دارد.

Should I take vitamin C? Should I be taking wheatgrass?

آیا باید ویتامین C مصرف کنم؟ آیا باید گندم سبزه مصرف کنم؟

This is a visualization of all the evidence

این یک تجسمی از تمام شواهد است

for nutritional supplements.

برای مکملهای غذایی.

This kind of diagram is called a balloon race.

این نوع از نمودار را "مسابقه ی بادکنکها" می نامند.

So the higher up the image,

بنابراین، هرچه تصویر بالاتر باشد،

the more evidence there is for each supplement.

شواهد بیشتری برای هر یک از مکملها وجود دارد.

And the bubbles correspond to popularity as regards to Google hits.

و حبابها بیانگر محبوبیت کالا از طریقِ تعدادِ بازدیدهای گوگل.

So you can immediately apprehend

بنابراین می توانید بلافاصله درک کنید

the relationship between efficacy and popularity,

ارتباط بین محبوبیت وتاثیرگذاری،

but you can also, if you grade the evidence,

اما به علاوه، می توانید، اگر ارزش بدهید به شواهد،

do a "worth it" line.

یک جوری خط "ارزش گذاری" را انجام دهید.

So supplements above this line are worth investigating,

و پس مکملهای بالای بالای این خط ارزش در نظر گرفته شدن را دارند،

but only for the conditions listed below,

ولی فقط تجتِ شرایط زیر،

and then the supplements below the line

و مکملهای زیر این خط

are perhaps not worth investigating.

شاید ارزش در نظر گرفتن را نداشته باشند.

Now this image constitutes a huge amount of work.

حالا این تصویرمقدار زیادی کار برده است.

We scraped like 1,000 studies from PubMed,

حدود 1000 مطالعه از PubMed را در نظر گرفتیم،

the biomedical database,

پایگاه داده بیوپزشکی،

and we compiled them and graded them all.

و همه را جمع آوری و درجه بندی کردیم.

And it was incredibly frustrating for me

و به طور باور نکردنی برای من خسته کننده بود

because I had a book of 250 visualizations to do for my book,

برای اینکه یک کتاب از 250 تصویری داشتم که برای انجام دادن کتابم بود.

and I spent a month doing this,

و من یک ماه برای انجام دادن این کار وقت صرف کردم،

and I only filled two pages.

و فقط دو صفحه پر کردم.

But what it points to

ولی این بیانگر این است که

is that visualizing information like this

به تصویر کشیدن اطلاعات مانند این

is a form of knowledge compression.

یک فرم از فشرده سازی دانش است.

It's a way of squeezing an enormous amount

این روشی برای فشرده کردن مقدار انبوهی

of information and understanding

از اطلاعات و مفاهیم

into a small space.

در یک فضای محدود است.

And once you've curated that data, and once you've cleaned that data,

و هنگامی که آن داده ها را فشرده می کنید، و هنگامی که آن داده ها را پاکسازی می کنید،

and once it's there,

و هنگامی که این کار را می کنید ،

you can do cool stuff like this.

می توانید کارهای جالبی مانند این انجام دهید.

So I converted this into an interactive app,

بنابراین من این را به یک برنامه کاربردی تعاملی تبدیل کردم،

so I can now generate this application online --

بنابراین من می توانم این برنامه کاربردی آن لاین را تولید کنم--

this is the visualization online --

این یک تصویر سازی آن لاین است--

and I can say, "Yeah, brilliant."

و می توانم بگویم، "بله، عالیست."

So it spawns itself.

پس خودش را تولید می کند.

And then I can say, "Well, just show me the stuff

و سپس می توانم بگویم، " خوب، فقط به من چیزها را نشان بده

that affects heart health."

که سلامتی قلب را تحت تاثیر قرار می دهد."

So let's filter that out.

پس بگذارید آن را فیلتر کنیم.

So heart is filtered out, so I can see if I'm curious about that.

خوب، قلب فیلتر شده است، بنابراین اگر درباره آن کنجکاو باشم.

I think, "No, no. I don't want to take any synthetics,

من فکر می کنم، "نه، نه. نمی خواهم از خوراکیهای مصنوعی استفاده کنم.

I just want to see plants and --

فقط می خواهم گیاهان را ببینم و--

just show me herbs and plants. I've got all the natural ingredients."

فقط به من سبزیجات و گیاهان را نشان بده. همه ی محتویات طبیعی را در اختیار دارم."

Now this app is spawning itself

حالا این برنامه کاربردی خودش تولید می کند

from the data.

از داده ها.

The data is all stored in a Google Doc,

همه ی داده ها در Google doc ذخیره شده است،

and it's literally generating itself from that data.

و به معنای واقعی کلمه خودش در حال تولید کردن از آن داده ها است.

So the data is now alive; this is a living image,

بنابراین داده ها اکنون زنده هستند؛ این یک تصویر زنده است،

and I can update it in a second.

و می توانم در یک ثانیه آن را به روز کنم.

New evidence comes out. I just change a row on a spreadsheet.

مدارک جدید بیرون می آید--من فقط یک سطر را در صفحه گسترده عوض می کنم.

Doosh! Again, the image recreates itself.

اوف! دوباره، تصویر خودش را می سازد.

So it's cool.

جالب است.

It's kind of living.

یک جورهایی زنده است.

But it can go beyond data,

ولی می تواند فراتر از داده ها برود،

and it can go beyond numbers.

و می تواند فراتر از اعداد برود.

I like to apply information visualization

و من دوست دارم که به تصویر کشیدن اطلاعات را به کار ببرم

to ideas and concepts.

برای ایده ها و مفاهیم.

This is a visualization

این یک تصویرسازی

of the political spectrum,

از طیف سیاسی است،

an attempt for me to try

برای من که تلاش کنم

and understand how it works

وبفهمم که چگونه کار می کند

and how the ideas percolate down

و چگونه ایده ها نفوذ می کنند

from government into society and culture,

از دولت به سمت جامعه و فرهنگ،

into families, into individuals, into their beliefs

به سمت خانواده ها، به سمت افراد، به سمت باورهایشان

and back around again in a cycle.

و دوباره در یک چرخه بر می گردند.

What I love about this image

چیزی که من راجع به این تصویر دوست دارم

is it's made up of concepts,

این است که از مفاهیم ساخته شده است،

it explores our worldviews

دید جهانی ما را کاوش می کند

and it helps us -- it helps me anyway --

و به ما کمک می کند-- در هر حال به من کمک می کند--

to see what others think,

چیزهایی که دیگران فکر می کنند را ببینم،

to see where they're coming from.

ببینم آنها از کجا می آیند،

And it feels just incredibly cool to do that.

واحساس می شود که به طور باور نکردنی فقط جالب است که آن را انجام دهید.

What was most exciting for me

و چیزی که برای من از همه جالب تر بود

designing this

در طراحیِ این

was that, when I was designing this image,

این بود که، وقتی در حال طراحی این تصویر بودم،

I desperately wanted this side, the left side,

به شدت این سمت را می خواستم، سمت چپ را،

to be better than the right side --

که بهتر از سمت راست شود--

being a journalist, a Left-leaning person --

به عنوان یک روزنامه نگار --یک فرد متمایل به سمت چپ--

but I couldn't, because I would have created

ولی نمی توانستم، به خاطر اینکه می ساختم

a lopsided, biased diagram.

یک نمودار ناعادلانه و متمایل به یک طرف،

So, in order to really create a full image,

پس،واقعا برای ساختن یک تصویر کامل،

I had to honor the perspectives on the right-hand side

مجبور بودم که به دیدگاه های متمایل به راست احترام بگذارم

and at the same time, uncomfortably recognize

و همزمان، به صورت ناراحت کننده ای تشخیص دادم

how many of those qualities were actually in me,

چه قدر از آن مقدارها در واقع در من وجود داشت،

which was very, very annoying and uncomfortable.

که خیلی، خیلی ناراحت کننده و رنج آور بود.

(Laughter)

(خنده حضار)

But not too uncomfortable,

ولی نه بیش از اندازه ناراحت کننده،

because there's something unthreatening

به این دلیل که چیز تهیده کننده ای وجود نداشت

about seeing a political perspective,

درباره "دیدن" یک دیدگاه سیاسی،

versus being told or forced to listen to one.

در مقایسه با شنیدن آن از طریق شخص دیگر یا به زور شنیدن آن.

You're capable of holding conflicting viewpoints

در واقع -- شما توانا هستید که نقطه نظرات متضاد را نگه دارید

joyously when you can see them.

شادمانه، وقتی که می توانید آنها را ببینید.

It's even fun to engage with them

حتی برای شما سرگرمی است که با آنها مشغول شوید.

because it's visual.

به خاطر اینکه آنها تصویری هستند.

So that's what's exciting to me,

این دلیلِ هیجان آور بودنِ موضوع برای من است،

seeing how data can change my perspective

دیدن اینکه چگونه داده ها می توانند دیدگاهم را عوض کنند

and change my mind midstream --

و جریان ذهنی ام را عوض کنند--

beautiful, lovely data.

داده های زیبا و دوست داشتنی.

So, just to wrap up,

خوب، در جمع بندی،

I wanted to say

من خواستم بگویم

that it feels to me that design is about solving problems

که من احساس می کنم که طراحی یعنی حل کردن مشکلات

and providing elegant solutions,

و فراهم کردن راه حلهای ظریف

and information design is about

و طراحی اطلاعات یعنی

solving information problems.

حل کردن مشکلات اطلاعات.

It feels like we have a lot of information problems

و این طور احساس می شود که ما مشکلات اطلاعات زیادی داریم

in our society at the moment,

در جامعه مان در این لحظه،

from the overload and the saturation

از اشباع شدگی و زیادی

to the breakdown of trust and reliability

تا از بین رفتنِ اعتماد و اطمینان

and runaway skepticism and lack of transparency,

و تردید و عدم شفافیت،

or even just interestingness.

یا حتی فقط جذاب نبودن.

I mean, I find information just too interesting.

منظورم این است،من اطلاعات را خیلی جالب می یابم.

It has a magnetic quality that draws me in.

یک خاصیت آهن ربایی دارد که من را به سوی خودش می کشد.

So, visualizing information

بنابراین، به تصویر کشیدن اطلاعات

can give us a very quick solution to those kinds of problems.

می تواند به ما یک راه حل سریع به آن دسته از مشکلات بدهد.

Even when the information is terrible,

و حتی وقتی که اطلاعات افتضاح هستند،

the visual can be quite beautiful.

تصویر می تواند بسیار زیبا باشد.

Often we can get clarity

و اغلب می توانیم به نظم و ترتیب برسیم

or the answer to a simple question very quickly,

یا جواب بدهیم یک سوال ساده را،

like this one,

مانند این یکی،

the recent Icelandic volcano.

آتشفشان اخیر ایسلند.

Which was emitting the most CO2?

کدام یک بیشترین CO2 را منتشر کرد؟

Was it the planes or the volcano,

آیا آن هواپیماها بود یا آتشفشان بود،

the grounded planes or the volcano?

هواپیماهای غیر فعال یا آتشفشان؟

So we can have a look.

پس می توانیم نگاهی بیاندازیم.

We look at the data and we see:

به داده ها نگاهی می اندازیم و می بینیم،

Yep, the volcano emitted 150,000 tons;

بله، آتشفشان 15000 تن (گاز) انتشار داد؛

the grounded planes would have emitted

و هواپیماهای غیر فعال انتشار خواهد داد

345,000 if they were in the sky.

345000، اگر آنها در آسمان باشند.

So essentially, we had our first carbon-neutral volcano.

پس اساسا، اولین کربن-خنثی آتشفشان را داشتیم.

(Laughter)

(خنده حضار)

(Applause)

(تشویق)

And that is beautiful. Thank you.

و این زیبا است. متشکرم.

(Applause)

(تشویق)