The beauty of data visualization | David McCandless

390,731 views ・ 2010-08-23

TED


A videó lejátszásához kattintson duplán az alábbi angol feliratokra.

Fordító: Endre Jofoldi Lektor: Anna Patai
00:15
It feels like we're all suffering
0
15260
2000
Úgy tűnik mindannyian szenvedünk
00:17
from information overload or data glut.
1
17260
3000
az információ vagy adat túláradattól.
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
És a jó hír az, hogy létezik erre egy egyszerű megoldás,
00:22
and that's using our eyes more.
3
22260
2000
ami a szemünket jobban kihasználja.
00:24
So, visualizing information, so that we can see
4
24260
2000
Tehát információ vizualizálás, hogy láthassuk
00:26
the patterns and connections that matter
5
26260
3000
a fontos mintázatokat és kapcsolatokat
00:29
and then designing that information so it makes more sense,
6
29260
3000
és aztán a megjelenítés során érthetőbb lesz
00:32
or it tells a story,
7
32260
2000
vagy egy egész történetet mond el,
00:34
or allows us to focus only on the information that's important.
8
34260
3000
vagy lehetővé teszi, hogy csak a fontos adatokra összpontosítsunk.
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
Ha más nem, legalább jól néz ki.
00:41
So, let's see.
10
41260
2000
Tehát nézzük.
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
Ez a Milliárd-Dollár-Diagram,
00:47
and this image arose
12
47260
2000
ami azért született
00:49
out of frustration I had
13
49260
2000
mert nagyon idegesített
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
a sajtóban megjelenő sok milliárdot említő hír.
00:53
That is, they're meaningless without context:
15
53260
3000
Önmagukban értelmetlenek.
00:56
500 billion for this pipeline,
16
56260
2000
500 milliárd erre a csővezetékre.
00:58
20 billion for this war.
17
58260
2000
20 milliárd erre a háborúra.
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
Ennek így semmi értelme, ahhoz hogy megértsük
01:02
is visually and relatively.
19
62260
2000
vizuálisan és relatívan kell ábrázolnunk.
01:04
So I scraped a load of reported figures
20
64260
2000
Összeszedtem jópár ilyen jelentést
01:06
from various news outlets
21
66260
2000
különböző hírforrásokból
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
és a bennük szereplő összeggel arányos méretű dobozzal ábrázoltam őket.
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
A színek pedig a mögöttük rejlő motivációt jelentik.
01:14
So purple is "fighting,"
24
74260
3000
A lila a harc,
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
a piros a jótékonyság, a zöld pedig a befektetés.
01:20
And what you can see straight away
26
80260
2000
És ami azonnal látszik,
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
hogy máris máshogyan látjuk ezeket a számokat.
01:24
You can literally see them.
28
84260
2000
Szó szerint látjuk őket.
01:26
But more importantly, you start to see
29
86260
2000
De még fontosabb, hogy mindenféle
01:28
patterns and connections between numbers
30
88260
2000
rendszert és kapcsolatot fedezhetünk fel a számok között,
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
ami a szétszóródott hírek alapján nem ismerhető fel.
01:33
Let me point out some that I really like.
32
93260
3000
Hadd mutassak néhányat, amik nekem nagyon tetszenek.
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
Ez a zöld doboz az OPEC bevétele -
01:38
780 billion a year.
34
98260
2000
780 milliárd évente.
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
És ez a kis pont a sarokban - 3 milliárd -
01:43
that's their climate change fund.
36
103260
3000
ez a klímaváltozás alapjuk.
01:46
Americans, incredibly generous people --
37
106260
2000
Az amerikaiak, nagyon bőkezű emberek -
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
évente több mint 300 milliárdot szánnak jótékonysági célokra,
01:51
compared with the amount of foreign aid
39
111260
2000
összehasonlítva a külföldi segítséggel
01:53
given by the top 17 industrialized nations
40
113260
2000
amit a 17 legfejlettebb nemzet ad
01:55
at 120 billion.
41
115260
2000
120 milliárd.
01:57
Then of course,
42
117260
2000
És természetesen
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
az iraki háború, csak 60 milliárdra becsülték a költségét
02:01
back in 2003.
44
121260
3000
2003-ban.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
Kissé megnőtt. Afganisztán most
02:07
to 3,000 billion.
46
127260
3000
3000 milliárdnál tart.
02:10
So now it's great
47
130260
2000
Ez így nagyszerű,
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
mert megvan ez a minta és hozzá is adhatunk további számokat.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
Tehát amikor egy újabb jelentés kerül elő... legyen az afrikai adósság,
02:17
How much of this diagram do you think might be taken up
50
137260
2000
Ennek a diagramnak mekkora részét fedheti le az
02:19
by the debt that Africa owes to the West?
51
139260
2000
afrikai adósság, amivel a nyugati országoknak tartozik?
02:21
Let's take a look.
52
141260
2000
Nézzük meg.
02:23
So there it is:
53
143260
2000
Hát itt van.
02:25
227 billion is what Africa owes.
54
145260
2000
227 milliárd, amivel Afrika tartozik.
02:27
And the recent financial crisis,
55
147260
2000
És a legújabb gazdasági válság -
02:29
how much of this diagram might that figure take up?
56
149260
2000
mekkora részét fedheti le a diagramnak?
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
Mennyibe került a világnak? Nézzük meg.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
Dusss. Azt hiszem ez a megfelelő hanghatás
02:37
for that much money:
59
157260
2000
ennyi pénz láttán.
02:39
11,900 billion.
60
159260
4000
11.900 milliárd.
02:45
So, by visualizing this information,
61
165260
2000
Tehát az információ ilyen megjelenítésével,
02:47
we turned it into a landscape
62
167260
2000
egy tájképpé alakíthattuk,
02:49
that you can explore with your eyes,
63
169260
2000
amit a szemünkkel bejárhatunk,
02:51
a kind of map really, a sort of information map.
64
171260
2000
mint egy térkép, egy információ térkép.
02:53
And when you're lost in information,
65
173260
2000
És amikor eltévedünk a sok adat között,
02:55
an information map is kind of useful.
66
175260
3000
akkor jól jön egy ilyen térkép.
02:58
So I want to show you another landscape now.
67
178260
2000
Hadd mutassak egy másik tájképet.
03:00
We need to imagine what a landscape
68
180260
2000
Képzeljük el hogyan nézne ki
03:02
of the world's fears might look like.
69
182260
3000
a világ félelem tájképe.
03:05
Let's take a look.
70
185260
2000
Nézzük meg.
03:07
This is Mountains Out of Molehills,
71
187260
2000
Bolhából elefánt,
03:09
a timeline of global media panic.
72
189260
2000
a globális média keltette pánik idővonala.
03:11
(Laughter)
73
191260
2000
(Nevetés)
03:13
So, I'll label this for you in a second.
74
193260
2000
Egy pillanat és megmagyarázom mi micsoda.
03:15
But the height here, I want to point out,
75
195260
2000
De a csúcsok magassága
03:17
is the intensity of certain fears
76
197260
2000
az bizonyos félelmek intenzitása,
03:19
as reported in the media.
77
199260
2000
amikről a média beszámol.
03:21
Let me point them out.
78
201260
2000
Nézzük egyesével.
03:23
So this, swine flu -- pink.
79
203260
4000
Ez a sertés influenza - a rózsaszín.
03:27
Bird flu.
80
207260
2000
Madárinfluenza.
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
SARS - ez a barnás. Emlékszünk rá.
03:32
The millennium bug,
82
212260
3000
Az ezredforduló -
03:35
terrible disaster.
83
215260
2000
hatalmas katasztrófa.
03:37
These little green peaks
84
217260
2000
Ezek a kis zöld csúcsok
03:39
are asteroid collisions.
85
219260
2000
aszteroida ütközések.
03:41
(Laughter)
86
221260
2000
(Nevetés)
03:43
And in summer, here, killer wasps.
87
223260
2000
És nyáron, itt, gyilkos darazsak.
03:45
(Laughter)
88
225260
8000
(Nevetés)
03:53
So these are what our fears look like
89
233260
2000
Tehát így néznek ki a félelmeink
03:55
over time in our media.
90
235260
2000
ahogy a médiában megjelenik.
03:57
But what I love -- and I'm a journalist --
91
237260
2000
De ami nekem tetszik - és újságíró vagyok -
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
ami tetszik, az a rejtett minták felfedezése; szeretek adat nyomozó lenni.
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
És egy nagyon érdekes és furcsa dolog van ezekben az adatokban elrejtve
04:05
that you can only see when you visualize it.
94
245260
2000
amit csak akkor látunk, ha ábrázoljuk.
04:07
Let me highlight it for you.
95
247260
2000
Hadd mutassam meg.
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
Itt ez a vonal. Ez az erőszakos videó játékokat jelöli.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
Ahogy az ábrán látszik, valamiféle rendszer fedezhető fel benne,
04:15
twin peaks every year.
98
255260
2000
minden évben két csúcs.
04:17
If we look closer, we see those peaks occur
99
257260
2000
Ha közelebbről megnézzük, látjuk, hogy hol vannak,
04:19
at the same month every year.
100
259260
3000
minden évben ugyanazok a hónapok.
04:22
Why?
101
262260
2000
Miért?
04:24
Well, November, Christmas video games come out,
102
264260
2000
Jó, november, a karácsonyi videó játékok megjelenése,
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
amikor lehet is egy kis aggodalom a tartalmuk miatt.
04:29
But April isn't a particularly massive month
104
269260
3000
De április nem egy erős hónap
04:32
for video games.
105
272260
2000
a videó játékok szempontjából.
04:34
Why April?
106
274260
2000
Miért április?
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
1999 áprilisában volt a Columbine iskolai mészárlás,
04:39
and since then, that fear
108
279260
2000
és azóta, arról a félelemről
04:41
has been remembered by the media
109
281260
2000
minden évben megemlékezik a média
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
és vissza-visszatér a gondolatokba egész évben.
04:45
You have retrospectives, anniversaries,
111
285260
3000
Vannak megemlékezések, évfordulók,
04:48
court cases, even copy-cat shootings,
112
288260
3000
bírósági esetek, imitált gyilkosságok,
04:51
all pushing that fear into the agenda.
113
291260
3000
amik mind félelmet keltenek.
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
És van itt még egy rejtett minta is. Megtaláljuk?
04:56
See that gap there? There's a gap,
115
296260
2000
Látjuk ott azt a szakadékot? Van ott egy űr,
04:58
and it affects all the other stories.
116
298260
2000
ami az összes többi történetet befolyásolja.
05:00
Why is there a gap there?
117
300260
2000
Miért van ez itt?
05:02
You see where it starts? September 2001,
118
302260
3000
Látjuk mikor kezdődik? 2001. szeptember,
05:05
when we had something very real
119
305260
2000
amikor nagyon is valós okunk volt
05:07
to be scared about.
120
307260
2000
a félelemre.
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
Adat újságíróként dolgozom kb. egy éve,
05:12
and I keep hearing a phrase
122
312260
2000
és gyakran hallok egy kifejezést
05:14
all the time, which is this:
123
314260
3000
újra és újra, ami így hangzik:
05:17
"Data is the new oil."
124
317260
2000
"Az adat az új olaj"
05:19
Data is the kind of ubiquitous resource
125
319260
3000
Az adat olyan forrás, ami mindenütt jelen van
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
és úgy alakíthatjuk, hogy további felfedezésekre vezessen,
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
és mindenütt ott van körülöttünk, nagyon könnyen "kibányászható".
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
Ez nem egy túl jó hasonlat manapság,
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
különösen ha valaki a Mexikói öböl környékén él
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
de egy kicsit módosítanám a hasonlatot,
05:36
and I would say that data is the new soil.
131
336260
3000
és azt mondanám, hogy az adat az új talaj.
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
Mert én úgy látom, mint egy termékeny, kreatív közeget.
05:43
Over the years, online,
133
343260
2000
Az évek során az interneten
05:45
we've laid down
134
345260
3000
elhelyeztünk
05:48
a huge amount of information and data,
135
348260
2000
nagyon sok információt és adatot,
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
amiket hálózatokkal és kapcsolatokkal öntözünk,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
és fizetetlen munkások és a kormány műveli.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
Jó, egy kicsit kiforgatom a hasonlatot.
05:58
But it's a really fertile medium,
139
358260
3000
De ez valóban egy nagyon termékeny közeg
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
és a vizualizációk, információs ábrák, adat ábrázolások
06:04
they feel like flowers blooming from this medium.
141
364260
3000
ezek az ebből nyíló virágok.
06:07
But if you look at it directly,
142
367260
2000
De ha közvetlenül megnézzük,
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
ez csupán rengeteg szám és összefüggéstelen tény.
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
De ha egy bizonyos módon elkezdünk vele dolgozni és játszani,
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
akkor érdekes dolgok jelenhetnek meg és ábrázolódnak ki.
06:17
Let me show you this.
146
377260
2000
Hadd mutassam meg ezt.
06:19
Can you guess what this data set is?
147
379260
3000
Ki tudjuk találni mi látható ezen az ábrán?
06:22
What rises twice a year,
148
382260
2000
Mi az ami évente kétszer megnő,
06:24
once in Easter
149
384260
2000
egyszer húsvétkor
06:26
and then two weeks before Christmas,
150
386260
2000
és aztán két héttel karácsony előtt,
06:28
has a mini peak every Monday,
151
388260
2000
minden hétfőn egy kisebb csúcsot ér el
06:30
and then flattens out over the summer?
152
390260
2000
és aztán nyáron egészen ellaposodik.
06:32
I'll take answers.
153
392260
2000
Várom a válaszokat.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(Közönség: csokoládé) David McCandless: csokoládé.
06:36
You might want to get some chocolate in.
155
396260
3000
Lehet, hogy csokira vágyik.
06:39
Any other guesses?
156
399260
2000
Más tipp?
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(Közönség: bevásárlás) DM: bevásárlás.
06:43
Yeah, retail therapy might help.
158
403260
3000
Igen, vásárlási terápia segíthet.
06:46
(Audience: Sick leave.)
159
406260
2000
(Közönség: betegszabadság)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
DM: Betegszabadság. Egyértelműen szabadságra akar menni.
06:50
Shall we see?
161
410260
2000
Eláruljam?
06:53
(Laughter)
162
413260
8000
(Nevetés)
07:01
(Applause)
163
421260
3000
(Taps)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
Tehát az itt látható információt Lee Byron és én
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
szedtük össze 10.000 Facebook állapotfrissítés alapján
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
azokra a kifejezésekre keresve, hogy "szakítás", "szakított"
07:12
and this is the pattern we found --
167
432260
2000
és ezt a mintát találtuk -
07:14
people clearing out for Spring Break,
168
434260
2000
az emberek kitakarítanak a tavaszi szünetre,
07:16
(Laughter)
169
436260
5000
(Nevetés)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
nagyon rossz hétvégéknek vetnek véget hétfőnként,
07:23
being single over the summer,
171
443260
3000
egyedülállók a nyár folyamán.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
Aztán persze az egész év során a legrosszabb nap: karácsony.
07:29
Who would do that?
173
449260
3000
Ki tenne akkor ilyet?
07:32
So there's a titanic amount of data out there now,
174
452260
2000
Tehát rengeteg adat terjed,
07:34
unprecedented.
175
454260
2000
egyedül álló módon.
07:37
But if you ask the right kind of question,
176
457260
2000
De ha a jó kérdést tesszük fel,
07:39
or you work it in the right kind of way,
177
459260
2000
vagy jól dolgozzuk fel,
07:41
interesting things can emerge.
178
461260
3000
érdekes dolgok jöhetnek ki belőle.
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
Az információ gyönyörű. Az adat gyönyörű.
07:47
I wonder if I could make my life beautiful.
180
467260
3000
Kíváncsi vagyok rá, hogy én magamat elő tudom-e adni ilyen szépen.
07:50
And here's my visual C.V.
181
470260
2000
Itt van az én vizuális önéletrajzom.
07:52
I'm not quite sure I've succeeded.
182
472260
2000
Nem vagyok benne biztos, hogy jól sikerült.
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
Elég szögletes. A színek sem túl jók.
07:56
But I wanted to convey something to you.
184
476260
3000
De valamit megmutatnék.
07:59
I started as a programmer,
185
479260
2000
Programozóként kezdtem,
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
aztán sokáig íróként dolgoztam, kb. 20 évig,
08:03
in print, online and then in advertising,
187
483260
2000
nyomtatásban, online, aztán reklámokban,
08:05
and only recently have I started designing.
188
485260
3000
és csak az utóbbi időben fordultam a design felé.
08:08
And I've never been to design school.
189
488260
2000
Soha nem jártam tervező iskolába.
08:10
I've never studied art or anything.
190
490260
3000
Sosem tanultam művészetet vagy bármi ilyesmit.
08:13
I just kind of learned through doing.
191
493260
2000
Csak a gyakorlat során tanultam bele.
08:15
And when I started designing,
192
495260
2000
És amikor elkezdtem tervezni,
08:17
I discovered an odd thing about myself.
193
497260
2000
egy érdekes dolgot fedeztem fel magamban.
08:19
I already knew how to design,
194
499260
2000
Tudtam hogyan kell csinálni,
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
de nem voltam benne túl jó,
08:24
but more like I was sensitive
196
504260
2000
hanem sokkal inkább érzékeny voltam
08:26
to the ideas of grids and space
197
506260
2000
a táblázatok és terek kihasználására
08:28
and alignment and typography.
198
508260
2000
az összehangolásra és a typográfiára.
08:30
It's almost like being exposed
199
510260
2000
Ez olyan, mintha a sok média anyag,
08:32
to all this media over the years
200
512260
2000
aminek az évek során ki voltam téve
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
belémnevelt egy rejtett tervezési érzéket.
08:37
And I don't feel like I'm unique.
202
517260
2000
És nem gondolom, hogy egyedül vagyok ezzel.
08:39
I feel that everyday, all of us now
203
519260
2000
Szerintem minden nap, mindannyian
08:41
are being blasted by information design.
204
521260
3000
ki vagyunk téve az információ megjelenésnek.
08:44
It's being poured into our eyes through the Web,
205
524260
2000
A szemünk elé ömlik a weben keresztül
08:46
and we're all visualizers now;
206
526260
2000
és ma már mindannyian vizuálisan gondolkozunk;
08:48
we're all demanding a visual aspect
207
528260
2000
mindannyian igényeljük a látható megjelenítését
08:50
to our information.
208
530260
3000
az információnak.
08:53
There's something almost quite magical about visual information.
209
533260
3000
És van valami varázslatos a látható információval kapcsolatban.
08:56
It's effortless, it literally pours in.
210
536260
3000
Nem igényel erőforrást, egyszerűen csak áramlik.
08:59
And if you're navigating a dense information jungle,
211
539260
3000
És ha az információ sűrű dzsungelében próbálunk áthaladni
09:02
coming across a beautiful graphic
212
542260
2000
szembetalálkozunk egy szép ábrával
09:04
or a lovely data visualization,
213
544260
2000
vagy egy jó adat vizualizációval,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
megkönnyebbülünk és olyan mintha a dzsungelben egy tisztásra érnénk.
09:09
I was curious about this, so it led me
215
549260
2000
És ez engem nagyon kíváncsivá tett, és elvezetett
09:11
to the work of a Danish physicist
216
551260
2000
egy dán fizikus,
09:13
called Tor Norretranders,
217
553260
2000
Tor Norretranders munkájához,
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
aki az érzékelés különböző fajtáit számítástechnikai kifejezéseknek feleltette meg.
09:19
So here we go. This is your senses,
219
559260
2000
Itt van. Ezek az érzékeink,
09:21
pouring into your senses every second.
220
561260
2000
minden másodpercben ennyi árad a különböző érzékeink felé.
09:23
Your sense of sight is the fastest.
221
563260
3000
A látásunk a leggyorsabb.
09:26
It has the same bandwidth as a computer network.
222
566260
3000
Olyan a sávszélessége, mint egy számítógépes hálózatnak.
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
Aztán a tapintás, aminek sebessége olyan, mint egy USB meghajtó.
09:32
And then you have hearing and smell,
224
572260
2000
Aztán a hallás és szaglás,
09:34
which has the throughput of a hard disk.
225
574260
2000
ami a merevlemeznek feleltethető meg.
09:36
And then you have poor old taste,
226
576260
2000
És aztán a jó öreg ízlelés,
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
aminek átviteli sebessége kb. egy zsebszámológépnek felel meg.
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
És az a kis négyzet a sarokban, 0.7 százalék,
09:44
that's the amount we're actually aware of.
229
584260
3000
aminek ebből tudatában vagyunk.
09:47
So a lot of your vision --
230
587260
2000
Tehát a látásunk nagy része -
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
a legtöbb vizuális inger csak beáramlik.
09:51
It's unconscious.
232
591260
2000
Akaratlanul.
09:53
The eye is exquisitely sensitive
233
593260
3000
A szem ráadásul nagyon érzékeny
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
különböző mintákra, színekre, alakokra.
09:59
It loves them, and it calls them beautiful.
235
599260
2000
Szereti ezeket és szépnek nevezi.
10:01
It's the language of the eye.
236
601260
2000
Ez a szem nyelve.
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
És ha a szem nyelvét az értelem nyelvével kombináljuk,
10:05
which is about words and numbers and concepts,
238
605260
3000
ami szavakról, számokról és fogalmakról szól,
10:08
you start speaking two languages simultaneously,
239
608260
3000
akkor két nyelvet beszélünk párhuzamosan,
10:11
each enhancing the other.
240
611260
3000
egyikkel erősítve a másikat.
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
Tehát van a szemünk, és bedobjuk a fogalmakat.
10:17
And that whole thing -- it's two languages
242
617260
2000
És ez az egész - két nyelv,
10:19
both working at the same time.
243
619260
2000
amik egyszerre működnek.
10:21
So we can use this new kind of language, if you like,
244
621260
2000
Tehát használhatnánk ezt az új nyelvet, ha szeretnénk,
10:23
to alter our perspective or change our views.
245
623260
3000
hogy a látásmódunkat megváltoztassuk.
10:26
Let me ask you a simple question
246
626260
2000
Hadd tegyek fel egy egyszerű kérdést,
10:28
with a really simple answer:
247
628260
2000
amire egyszerű a válasz.
10:30
Who has the biggest military budget?
248
630260
2000
Kinek van a legmagasabb katonai költségvetése?
10:32
It's got to be America, right?
249
632260
2000
Amerika lesz az, ugye?
10:34
Massive. 609 billion in 2008 --
250
634260
2000
Egyértelmű. 609 milliárd 2008-ban -
10:36
607, rather.
251
636260
2000
inkább 607.
10:38
So massive, in fact, that it can contain
252
638260
2000
Annyira erős, hogy belefér
10:40
all the other military budgets in the world inside itself.
253
640260
3000
a világ összes többi részének katonai költségvetése.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
Hamm, hamm, hamm.
10:45
Now, you can see Africa's total debt there
255
645260
2000
Itt van Afrika teljes adóssága
10:47
and the U.K. budget deficit for reference.
256
647260
2000
és az UK költségvetési hiánya összehasonlításként.
10:49
So that might well chime
257
649260
2000
Ez összhangban lehet azzal,
10:51
with your view that America
258
651260
2000
hogy Amerikáról azt gondoljuk,
10:53
is a sort of warmongering military machine,
259
653260
3000
hogy egy háborúra uszító, katonai gép,
10:56
out to overpower the world
260
656260
2000
ami át akarja venni a világuralmat
10:58
with its huge industrial-military complex.
261
658260
3000
a hatalmas, ipari-katonai fejlettségével.
11:01
But is it true that America has the biggest military budget?
262
661260
3000
De igaz ez, hogy Amerikának van a legmagasabb katonai költségvetése?
11:04
Because America is an incredibly rich country.
263
664260
2000
Mert ez egy nagyon gazdag ország.
11:06
In fact, it's so massively rich
264
666260
2000
Valójában annyira gazdag,
11:08
that it can contain the four other
265
668260
2000
hogy magában tudná foglalni az őt követő négy
11:10
top industrialized nations' economies
266
670260
2000
legfejlettebb nemzet gazdaságát,
11:12
inside itself, it's so vastly rich.
267
672260
3000
ennyire gazdag.
11:15
So its military budget is bound to be enormous.
268
675260
3000
Tehát a katonai költségvetésének is nagynak kell lennie.
11:18
So, to be fair and to alter our perspective,
269
678260
2000
Ahhoz, hogy igazságos legyen és a látásmódunk megváltozzon,
11:20
we have to bring in another data set,
270
680260
2000
egy másik adathalmazt is be kell vonnunk,
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
ami a GDP, azaz egy ország bevétele.
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
Kinek van a GDP-hez képest arányosan a legmagasabb költségvetése?
11:26
Let's have a look.
273
686260
2000
Nézzük meg.
11:28
That changes the picture considerably.
274
688260
3000
Ez egészen átalakítja a képet.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
Olyan országok is bejönnek a képbe, amire nem is gondoltunk volna,
11:34
and American drops into eighth.
276
694260
2000
és Amerika csak a nyolcadik helyre esik vissza.
11:36
Now you can also do this with soldiers.
277
696260
2000
Ezt a katonákkal is meg lehet tenni.
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
Kinek van a legnagyobb hadserege? Természetesen Kínának.
11:40
Of course, 2.1 million.
279
700260
2000
Persze, 2.1 millió katona.
11:42
Again, chiming with your view
280
702260
2000
És ez megint egybecseng az elképzelésünkkel arról,
11:44
that China has a militarized regime
281
704260
2000
hogy Kína egy katonai ország,
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
aki készen áll arra, hogy mozgósítsa hatalmas katonai erőforrásait.
11:48
But of course, China has an enormous population.
283
708260
3000
De természetesen, Kínának hatalmas a népessége is.
11:51
So if we do the same,
284
711260
2000
Tehát ha ugyanúgy megnézzük,
11:53
we see a radically different picture.
285
713260
2000
egészen más képet kapunk.
11:55
China drops to 124th.
286
715260
2000
Kína a 124. helyre esik vissza.
11:57
It actually has a tiny army
287
717260
2000
Tulajdonképpen egészen kicsi hadserege van
11:59
when you take other data into consideration.
288
719260
3000
ha más adatokat is figyelembe veszünk.
12:02
So, absolute figures, like the military budget,
289
722260
2000
Tehát az abszolút ábrázolások, mint a katonai költségvetés,
12:04
in a connected world,
290
724260
2000
egy összekapcsolt világban,
12:06
don't give you the whole picture.
291
726260
2000
nem a teljes képet mutatják.
12:08
They're not as true as they could be.
292
728260
2000
Nem azt az igazságot ábrázolják, amit lehetne.
12:10
We need relative figures that are connected to other data
293
730260
3000
Relatív ábrázolások kellenek, más adatokkal összefüggésben
12:13
so that we can see a fuller picture,
294
733260
2000
hogy teljesebb képet kaphassunk,
12:15
and then that can lead to us changing our perspective.
295
735260
2000
ami aztán megváltoztathatja a nézőpontunkat.
12:17
As Hans Rosling, the master,
296
737260
2000
Ahogy Hans Rosling mester,
12:19
my master, said,
297
739260
3000
az én mesterem mondta
12:22
"Let the dataset change your mindset."
298
742260
3000
"Az adathalmaz változtassa meg a gondolkodásmódodat"
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
És ha ez sikerül, akkor talán a viselkedésedet is megváltoztathatja.
12:29
Take a look at this one.
300
749260
2000
Nézzük ezt.
12:31
I'm a bit of a health nut.
301
751260
2000
Kicsit egészség őrült vagyok.
12:33
I love taking supplements and being fit,
302
753260
3000
Szeretek odafigyelni arra, hogy fitt legyek és táplálékkiegészítőket szedjek,
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
de sosem értem, hogy mit milyen bizonyíték támaszt alá.
12:39
There's always conflicting evidence.
304
759260
2000
Mindig vannak egymásnak ellentmondó tények.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
Szedjek C vitamint? Egyek búzafüvet?
12:43
This is a visualization of all the evidence
306
763260
2000
Ez az összes érv ábrázolása
12:45
for nutritional supplements.
307
765260
2000
a táplálékkiegészítőkre vonatkozóan.
12:47
This kind of diagram is called a balloon race.
308
767260
3000
Ezt a fajta diagramot léggömb versenynek hívjuk.
12:50
So the higher up the image,
309
770260
2000
Minél magasabban van egy gömb,
12:52
the more evidence there is for each supplement.
310
772260
3000
annál több érv szól az egyes kiegészítők mellett.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
A gömbök a Google találatok alapján a népszerűségüknek felelnek meg.
12:58
So you can immediately apprehend
312
778260
3000
Azonnal láthatjuk
13:01
the relationship between efficacy and popularity,
313
781260
3000
a hatásosság és a népszerűség közötti kapcsolatot,
13:04
but you can also, if you grade the evidence,
314
784260
3000
de azt is, hogy ha osztályozzuk az érveket,
13:07
do a "worth it" line.
315
787260
2000
akkor húzhatunk egy "megéri" vonalat.
13:09
So supplements above this line are worth investigating,
316
789260
3000
És a vonal fölé eső kiegészítőket érdemes megvizsgálni,
13:12
but only for the conditions listed below,
317
792260
3000
de csak a lent felsorolt feltételek szerint.
13:15
and then the supplements below the line
318
795260
3000
A vonal alá eső anyagok
13:18
are perhaps not worth investigating.
319
798260
2000
valószínűleg nem érdemelnek további vizsgálódást.
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
Ez az ábra rengeteg munkát tartalmaz.
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
Kb. 1000 tanulmányt szedtünk össze a PubMed-ből
13:26
the biomedical database,
322
806260
2000
az orvosbiológiai adatbázisból,
13:28
and we compiled them and graded them all.
323
808260
3000
amiket lefordítottunk és osztályoztunk.
13:31
And it was incredibly frustrating for me
324
811260
2000
És ez nagyon fárasztó volt,
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
mert 250 ábrát kellett volna elkészítenem a könyvemhez
13:36
and I spent a month doing this,
326
816260
2000
és egy hónapig ezen dolgoztam,
13:38
and I only filled two pages.
327
818260
2000
ami csak két oldalt tölt be.
13:40
But what it points to
328
820260
2000
De amire ez rámutat
13:42
is that visualizing information like this
329
822260
2000
az az, hogy ha így ábrázoljuk az információt,
13:44
is a form of knowledge compression.
330
824260
2000
akkor ez egy tudás tömörítés.
13:46
It's a way of squeezing an enormous amount
331
826260
2000
Hatalmas mennyiségű információ
13:48
of information and understanding
332
828260
2000
kifacsarása és megértése
13:50
into a small space.
333
830260
2000
nagyon kis méretre.
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
És ha egyszer összeszedtük és megtisztítottuk az adatokat,
13:54
and once it's there,
335
834260
2000
ha ezek megvannak,
13:56
you can do cool stuff like this.
336
836260
2000
akkor ilyen nagyszerű dolgokat készíthetünk.
13:58
So I converted this into an interactive app,
337
838260
2000
Átalakítottam ezt egy interaktív alkalmazássá,
14:00
so I can now generate this application online --
338
840260
2000
úgyhogy mostmár online legenerálhatom -
14:02
this is the visualization online --
339
842260
2000
ez az online vizualizáció -
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
és azt mondhatom, "Hűha, ez igen"
14:06
So it spawns itself.
341
846260
2000
Létrehozza saját magát.
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
Nekem meg csak annyit kell mondanom, hogy "Mutasd meg
14:10
that affects heart health."
343
850260
2000
mi járul hozzá a szív egészségéhez."
14:12
So let's filter that out.
344
852260
2000
Szűrjük ki ezt.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
Tehát a szívet kiszűrjük, ha arra vagyunk kíváncsiak.
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
Aztán azt mondom, "Nem szeretnék semmi mesterséges anyagot.
14:19
I just want to see plants and --
347
859260
3000
Csak növényi anyagot -
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
mutass csak gyógynövényeket és növényeket. Csak a természetes összetevőket."
14:25
Now this app is spawning itself
349
865260
2000
Létrehozza magát az alkalmazás
14:27
from the data.
350
867260
2000
az adatokból.
14:29
The data is all stored in a Google Doc,
351
869260
2000
Az összes adat egy Google dokumentumban van,
14:31
and it's literally generating itself from that data.
352
871260
3000
és szó szerint abból generálja magát.
14:34
So the data is now alive; this is a living image,
353
874260
2000
Az adat életre kelt, ez egy élő kép,
14:36
and I can update it in a second.
354
876260
2000
amit egy másodperc alatt frissíthetek.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
Újabb érvek látnak napvilágot - Csak egy sort kell átírnom a táblázatban.
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
Dusss! Ismét, a kép létrehozza saját magát.
14:44
So it's cool.
357
884260
2000
Elég jó.
14:46
It's kind of living.
358
886260
3000
Mintha élne.
14:49
But it can go beyond data,
359
889260
2000
Felülmúlhatja az adatokat,
14:51
and it can go beyond numbers.
360
891260
2000
felülmúlhatja a számokat.
14:53
I like to apply information visualization
361
893260
2000
Szeretem az információ vizualizálást
14:55
to ideas and concepts.
362
895260
3000
gondolatokra és fogalmakra alkalmazni.
14:58
This is a visualization
363
898260
2000
Ez egy ábra
15:00
of the political spectrum,
364
900260
2000
a politikai palettáról,
15:02
an attempt for me to try
365
902260
2000
azért, hogy mepróbáljam
15:04
and understand how it works
366
904260
2000
megérteni hogyan működik
15:06
and how the ideas percolate down
367
906260
2000
és hogy az elméletek hogyan szivárognak le
15:08
from government into society and culture,
368
908260
2000
a kormányzattól a társadalomba, kultúrába,
15:10
into families, into individuals, into their beliefs
369
910260
3000
családokba, egyénekbe, az ő gondolkodásukba
15:13
and back around again in a cycle.
370
913260
3000
és újra vissza.
15:16
What I love about this image
371
916260
2000
Ami nekem tetszik ezen az ábrán,
15:18
is it's made up of concepts,
372
918260
2000
hogy fogalmakból épül fel,
15:20
it explores our worldviews
373
920260
2000
a világnézetünket fedezi fel
15:22
and it helps us -- it helps me anyway --
374
922260
2000
és segít - nekem legalábbis -
15:24
to see what others think,
375
924260
2000
látni, hogy mások mit gondolnak,
15:26
to see where they're coming from.
376
926260
2000
honnan jönnek.
15:28
And it feels just incredibly cool to do that.
377
928260
3000
És ez nagyon jó érzés.
15:31
What was most exciting for me
378
931260
3000
És ami nekem a legérdekesebb
15:34
designing this
379
934260
2000
ebben,
15:36
was that, when I was designing this image,
380
936260
2000
hogy amikor ezt az ábrát készítettem
15:38
I desperately wanted this side, the left side,
381
938260
3000
nagyon szerettem volna, ha ez az oldal, a bal oldal,
15:41
to be better than the right side --
382
941260
2000
jobb lesz mint a jobb oldal -
15:43
being a journalist, a Left-leaning person --
383
943260
3000
újságíróként, balra hajló ember vagyok -
15:46
but I couldn't, because I would have created
384
946260
2000
de nem sikerült, mert akkor egy
15:48
a lopsided, biased diagram.
385
948260
3000
aránytalan, ferde diagramot kellett volna készítenem.
15:51
So, in order to really create a full image,
386
951260
3000
Tehát azért, hogy tényleg teljes képet kapjunk,
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
tiszteletben kellett tartanom a jobb oldal nézőpontját
15:57
and at the same time, uncomfortably recognize
388
957260
3000
és ugyanakkor, kissé kényelmetlenül felismernem
16:00
how many of those qualities were actually in me,
389
960260
3000
hogy azoknak az értékeknek nagy része bennem van,
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
ami nagyon-nagyon idegesítő és kényelmetlen volt.
16:05
(Laughter)
391
965260
4000
(Nevetés)
16:09
But not too uncomfortable,
392
969260
2000
De nem túlságosan kényelmetlen,
16:11
because there's something unthreatening
393
971260
3000
mert van valami megnyugtató abban,
16:14
about seeing a political perspective,
394
974260
2000
hogy látjuk a politikai nézőpontokat
16:16
versus being told or forced to listen to one.
395
976260
3000
anélkül, hogy beszélnének róla, vagy meg kéne hallgatnunk.
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
Tulajdonképpen - képviselhetünk ellentétes nézőpontokat
16:22
joyously when you can see them.
397
982260
2000
örömmel, amikor látjuk őket.
16:24
It's even fun to engage with them
398
984260
2000
Még vicces is lehet,
16:26
because it's visual.
399
986260
2000
mert látványos.
16:28
So that's what's exciting to me,
400
988260
2000
Tehát ez az ami nekem nagyon érdekes,
16:30
seeing how data can change my perspective
401
990260
2000
látni hogy az adatok hogyan változtatják meg a nézőpontomat
16:32
and change my mind midstream --
402
992260
2000
és a gondolkodásomat -
16:34
beautiful, lovely data.
403
994260
3000
gyönyörű, szép adatok.
16:38
So, just to wrap up,
404
998260
2000
Összefoglalva,
16:40
I wanted to say
405
1000260
2000
annyit akartam elmondani,
16:42
that it feels to me that design is about solving problems
406
1002260
2000
hogy a design különböző feladatok megoldásáról szól
16:44
and providing elegant solutions,
407
1004260
3000
és az elegáns megoldás biztosításáról.
16:47
and information design is about
408
1007260
2000
Az információ design pedig
16:49
solving information problems.
409
1009260
2000
az információ feladatok megoldásáról.
16:51
It feels like we have a lot of information problems
410
1011260
2000
És úgy tűnik, hogy ebből nagyon sok van
16:53
in our society at the moment,
411
1013260
2000
jelenleg a társadalmunkban,
16:55
from the overload and the saturation
412
1015260
2000
a túltelítettségtől kezdve
16:57
to the breakdown of trust and reliability
413
1017260
2000
a megbízhatóság hiányáig
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
és a túlzott szkeptikusság és átláthatóság hiányáig,
17:01
or even just interestingness.
415
1021260
2000
vagy egyszerűen csak az érdekesség miatt.
17:03
I mean, I find information just too interesting.
416
1023260
2000
Azaz, szerintem az információ nagyon érdekes.
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
Valami mágneses erővel vonz.
17:09
So, visualizing information
418
1029260
2000
Tehát az információ ábrázolása
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
gyors megoldást adhat minden ilyen problémára.
17:14
Even when the information is terrible,
420
1034260
2000
Még akkor is, ha az információ önmagában borzasztó,
17:16
the visual can be quite beautiful.
421
1036260
3000
az ábrázolás lehet szép.
17:19
Often we can get clarity
422
1039260
3000
És gyakran tisztázódhatnak a dolgok
17:22
or the answer to a simple question very quickly,
423
1042260
2000
vagy gyorsan választ kaphatunk egyszerű kérdésekre,
17:24
like this one,
424
1044260
2000
mint például
17:26
the recent Icelandic volcano.
425
1046260
3000
a mostani izlandi vulkánnal kapcsolatban.
17:29
Which was emitting the most CO2?
426
1049260
2000
Mi bocsát ki több szén-dioxidot?
17:31
Was it the planes or the volcano,
427
1051260
2000
A repülők vagy a vulkán,
17:33
the grounded planes or the volcano?
428
1053260
2000
a földön maradt repülők vagy a vulkán?
17:35
So we can have a look.
429
1055260
2000
Nézzük meg.
17:37
We look at the data and we see:
430
1057260
2000
Ránézünk az adatokra és látjuk,
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
igen, a vulkán 150.000 tonnát bocsátott ki;
17:41
the grounded planes would have emitted
432
1061260
2000
a repülők pedig 345.000 tonnát
17:43
345,000 if they were in the sky.
433
1063260
3000
bocsátottak volna ki, ha repültek volna.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
Tehát, ez az első szén-semleges vulkánunk.
17:49
(Laughter)
435
1069260
2000
(Nevetés)
17:51
(Applause)
436
1071260
9000
(Taps)
18:00
And that is beautiful. Thank you.
437
1080260
3000
És ez gyönyörű. Köszönöm.
18:03
(Applause)
438
1083260
8000
(Taps)
Erről a weboldalról

Ez az oldal olyan YouTube-videókat mutat be, amelyek hasznosak az angol nyelvtanuláshoz. A világ minden tájáról származó, kiváló tanárok által tartott angol leckéket láthatsz. Az egyes videók oldalán megjelenő angol feliratokra duplán kattintva onnan játszhatja le a videót. A feliratok a videó lejátszásával szinkronban gördülnek. Ha bármilyen észrevétele vagy kérése van, kérjük, lépjen kapcsolatba velünk ezen a kapcsolatfelvételi űrlapon.

https://forms.gle/WvT1wiN1qDtmnspy7