The beauty of data visualization | David McCandless

391,085 views ・ 2010-08-23

TED


Proszę kliknąć dwukrotnie na poniższe angielskie napisy, aby odtworzyć film.

Tłumaczenie: Sebastian Misiewicz Korekta: Marcin Kasiak
00:15
It feels like we're all suffering
0
15260
2000
Wygląda to, jakbyśmy wszyscy cierpieli
00:17
from information overload or data glut.
1
17260
3000
na przesyt informacji lub chaos danych.
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
Dobra informacja jest taka, że można to łatwo rozwiązać
00:22
and that's using our eyes more.
3
22260
2000
poprzez zwiększenie użycia naszych oczu.
00:24
So, visualizing information, so that we can see
4
24260
2000
Wizualizujemy informacje by zobaczyć
00:26
the patterns and connections that matter
5
26260
3000
prawidłowości i połączenia, które mają znaczenie
00:29
and then designing that information so it makes more sense,
6
29260
3000
i potem tworzymy z informacji coś co ma większy sens
00:32
or it tells a story,
7
32260
2000
lub opowiada historię
00:34
or allows us to focus only on the information that's important.
8
34260
3000
lub pozwala skupić się tylko na ważnych informacjach.
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
W razie niepowodzenia, wizualizacje mogą wyglądać całkiem fajnie.
00:41
So, let's see.
10
41260
2000
Zobaczmy
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
To jest diagram miliardów dolarów
00:47
and this image arose
12
47260
2000
ten obraz powstał
00:49
out of frustration I had
13
49260
2000
z mojej frustracji związanej
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
z raportami o miliardowych kwotach w prasie.
00:53
That is, they're meaningless without context:
15
53260
3000
One są bez znaczenia bez kontekstu.
00:56
500 billion for this pipeline,
16
56260
2000
500 miliardów na rurociąg
00:58
20 billion for this war.
17
58260
2000
20 miliardów na wojnę
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
Nie ma to sensu, jedynym sposobem na zrozumienie tego
01:02
is visually and relatively.
19
62260
2000
jest wizualizacja i relatywizacja
01:04
So I scraped a load of reported figures
20
64260
2000
Zebrałem sporo wymienionych sum
01:06
from various news outlets
21
66260
2000
z różnych źródeł wiadomości
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
i wyskalowałem bloki odpowiednio do sum.
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
Kolory reprezentują motywację związaną z pieniędzmi.
01:14
So purple is "fighting,"
24
74260
3000
Purpurowy to walka
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
czerwony to oddawanie pieniędzy, zielony to spekulowanie.
01:20
And what you can see straight away
26
80260
2000
Od razu widać, że
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
pojawił się inny związek pomiędzy liczbami.
01:24
You can literally see them.
28
84260
2000
Można je zobaczyć.
01:26
But more importantly, you start to see
29
86260
2000
Co ważniejsze, dostrzegamy
01:28
patterns and connections between numbers
30
88260
2000
prawidłowości i połączenia pomiędzy liczbami
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
które w innym wypadku rozeszłyby się po wielu wiadomościach.
01:33
Let me point out some that I really like.
32
93260
3000
Wskażę kilka, które lubię.
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
To jest zysk OPEC'u, ten zielony blok -
01:38
780 billion a year.
34
98260
2000
780 miliardów na rok.
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
ten mały piksel w rogu - trzy miliardy -
01:43
that's their climate change fund.
36
103260
3000
to jest ich fundusz na zmiany klimatu.
01:46
Americans, incredibly generous people --
37
106260
2000
Amerykanie, niezwykle hojni ludzie -
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
ponad 300 miliardów na rok przeznaczają na cele charytatywne,
01:51
compared with the amount of foreign aid
39
111260
2000
porównując z wielkością zagranicznej pomocy
01:53
given by the top 17 industrialized nations
40
113260
2000
dawanej przez 17 najbardziej rozwiniętych krajów
01:55
at 120 billion.
41
115260
2000
na poziomie 120 miliardów.
01:57
Then of course,
42
117260
2000
Oczywiście
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
wojna w Iraku, przewidywany koszt wynosił 60 miliardów
02:01
back in 2003.
44
121260
3000
w 2003
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
Trochę się powiększył. Afganistan teraz powiększył się
02:07
to 3,000 billion.
46
127260
3000
do 3000 miliardów.
02:10
So now it's great
47
130260
2000
Jest wspaniale,
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
ponieważ teraz mamy teksturę, do której można dodawać kolejne liczby.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
Nowa liczba się pojawia... Zadłużenie Afryki
02:17
How much of this diagram do you think might be taken up
50
137260
2000
Jak dużo tego diagramu zajmie dług,
02:19
by the debt that Africa owes to the West?
51
139260
2000
jaki Afryka ma wobec Zachodu?
02:21
Let's take a look.
52
141260
2000
Zobaczmy
02:23
So there it is:
53
143260
2000
Oto on.
02:25
227 billion is what Africa owes.
54
145260
2000
Afryka jest dłużna 227 miliardów
02:27
And the recent financial crisis,
55
147260
2000
Ostatni kryzys finansowy -
02:29
how much of this diagram might that figure take up?
56
149260
2000
jak dużo zajmie diagramu?
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
Ile on kosztował świat? Zobaczmy.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
Wow. To jest odpowiedni efekt dźwiękowy
02:37
for that much money:
59
157260
2000
na tak wielką sumę.
02:39
11,900 billion.
60
159260
4000
11900 miliardów.
02:45
So, by visualizing this information,
61
165260
2000
Poprzez wizualizowanie informacji
02:47
we turned it into a landscape
62
167260
2000
zamieniamy je w krajobraz
02:49
that you can explore with your eyes,
63
169260
2000
poznawany oczami
02:51
a kind of map really, a sort of information map.
64
171260
2000
rodzaj mapy, mapy informacji.
02:53
And when you're lost in information,
65
173260
2000
Jeżeli jesteśmy zagubieni w informacjach
02:55
an information map is kind of useful.
66
175260
3000
mapa informacji jest użyteczna.
02:58
So I want to show you another landscape now.
67
178260
2000
Pokażę Wam inny krajobraz.
03:00
We need to imagine what a landscape
68
180260
2000
Musimy wyobrazić sobie jak krajobraz
03:02
of the world's fears might look like.
69
182260
3000
światowych niepokojów by wyglądał.
03:05
Let's take a look.
70
185260
2000
Zobaczmy.
03:07
This is Mountains Out of Molehills,
71
187260
2000
Góry z kretowisk,
03:09
a timeline of global media panic.
72
189260
2000
linia czasu globalnej medialnej paniki.
03:11
(Laughter)
73
191260
2000
(Śmiech)
03:13
So, I'll label this for you in a second.
74
193260
2000
Oznaczę go za chwilę.
03:15
But the height here, I want to point out,
75
195260
2000
Wysokość, chciałbym to zaznaczyć,
03:17
is the intensity of certain fears
76
197260
2000
jest intensywnością pewnych lęków,
03:19
as reported in the media.
77
199260
2000
raportowanych w mediach.
03:21
Let me point them out.
78
201260
2000
Wskażę je wam.
03:23
So this, swine flu -- pink.
79
203260
4000
Świńska grypa - różowy.
03:27
Bird flu.
80
207260
2000
Ptasia grypa.
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
SARS - brązowawy tutaj. Zapamiętajcie ten.
03:32
The millennium bug,
82
212260
3000
Błąd tysiąclecia -
03:35
terrible disaster.
83
215260
2000
straszliwa katastrofa.
03:37
These little green peaks
84
217260
2000
Te małe zielone szczyty
03:39
are asteroid collisions.
85
219260
2000
to kolizje asteroid.
03:41
(Laughter)
86
221260
2000
(Śmiech)
03:43
And in summer, here, killer wasps.
87
223260
2000
W lecie, tutaj, zabójcze osy.
03:45
(Laughter)
88
225260
8000
(Śmiech)
03:53
So these are what our fears look like
89
233260
2000
Więc tak wyglądają nasze lęki
03:55
over time in our media.
90
235260
2000
na przestrzeni czasu w mediach.
03:57
But what I love -- and I'm a journalist --
91
237260
2000
Co kocham - jestem dziennikarzem -
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
kocham znajdowanie ukrytych prawideł; lubię być detektywem danych.
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
W tych danych ukryta jest bardzo interesująca i dziwna reguła
04:05
that you can only see when you visualize it.
94
245260
2000
widoczna tylko podczas wizualizacji.
04:07
Let me highlight it for you.
95
247260
2000
Podświetlę ją dla Was.
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
Ta linia. To jest krajobraz dla brutalnych gier wideo.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
Widać dziwną, regułę w tych danych,
04:15
twin peaks every year.
98
255260
2000
dwa szczyty każdego roku.
04:17
If we look closer, we see those peaks occur
99
257260
2000
Patrząc bliżej, zauważamy, że te szczyty pojawiają się
04:19
at the same month every year.
100
259260
3000
w tych samych miesiącach każdego roku.
04:22
Why?
101
262260
2000
Dlaczego?
04:24
Well, November, Christmas video games come out,
102
264260
2000
Listopad, gry świąteczne są wydawane,
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
mogą wzbudzać obawy o ich zawartość.
04:29
But April isn't a particularly massive month
104
269260
3000
Kwiecień nie jest specjalnie masywnym miesiącem
04:32
for video games.
105
272260
2000
dla gier wideo.
04:34
Why April?
106
274260
2000
Dlaczego kwiecień?
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
W kwietniu 1999 była strzelanina w Columbine
04:39
and since then, that fear
108
279260
2000
od wtedy, ten lęk
04:41
has been remembered by the media
109
281260
2000
został zapamiętany w mediach
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
i echem stopniowo odbija się w umysłach przez cały rok.
04:45
You have retrospectives, anniversaries,
111
285260
3000
Są retrospekcje, rocznice,
04:48
court cases, even copy-cat shootings,
112
288260
3000
sprawy sądowe, nawet podobne strzelaniny,
04:51
all pushing that fear into the agenda.
113
291260
3000
wszystko to pcha ten lęk do agendy.
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
Jest tutaj też inna prawidłowość. Zauważacie ją?
04:56
See that gap there? There's a gap,
115
296260
2000
Widzicie tą lukę? Jest przerwa
04:58
and it affects all the other stories.
116
298260
2000
wpływająca na wszystkie inne historie.
05:00
Why is there a gap there?
117
300260
2000
Dlaczego tam jest luka?
05:02
You see where it starts? September 2001,
118
302260
3000
Widzicie kiedy się zaczyna? Wrzesień 2001,
05:05
when we had something very real
119
305260
2000
kiedy mieliśmy coś bardzo realnego,
05:07
to be scared about.
120
307260
2000
aby się bać.
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
Pracuję jako dziennikarz danych przez rok,
05:12
and I keep hearing a phrase
122
312260
2000
ciągle słyszę frazę
05:14
all the time, which is this:
123
314260
3000
cały czas, że:
05:17
"Data is the new oil."
124
317260
2000
"Dane to nowa ropa naftowa."
05:19
Data is the kind of ubiquitous resource
125
319260
3000
Dane to nowy rodzaj wszechobecnego zasobu,
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
który można kształtować by dostarczać innowacje i nowe spojrzenia
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
i jest wokół nas, może być wydobywany bardzo łatwo.
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
Nie jest to dobra metafora w dzisiejszych czasach,
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
specjalnie jeżeli żyjesz w okolicy Zatoki Meksykańskiej
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
zmienię trochę tą metaforę
05:36
and I would say that data is the new soil.
131
336260
3000
i powiem, że dane to nowa gleba.
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
Dla mnie jest to żyzne i kreatywne medium.
05:43
Over the years, online,
133
343260
2000
Poprzez lata, online,
05:45
we've laid down
134
345260
3000
pozostawiliśmy
05:48
a huge amount of information and data,
135
348260
2000
pokaźną ilość informacji i danych
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
nawadnialiśmy je przez sieci i łączność,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
pracowali nad nimi i uprawiali je nieopłacani pracownicy i rządy.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
Trochę rozpływam się nad tą metaforą.
05:58
But it's a really fertile medium,
139
358260
3000
Jest to bardzo żyzne medium.
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
wygląda na to, że wizualizacje, infografiki, wizualizacje danych,
06:04
they feel like flowers blooming from this medium.
141
364260
3000
są kwiatami powstającymi z owego medium.
06:07
But if you look at it directly,
142
367260
2000
Spoglądając na nie bezpośrednio
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
jest to tylko masa liczb i niepołączonych faktów.
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
Jeżeli zacznie się pracować z nimi, bawić nimi w odpowiedni sposób,
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
pojawiają się interesujące rzeczy i odkrywają się różne reguły.
06:17
Let me show you this.
146
377260
2000
Pokażę Wam to.
06:19
Can you guess what this data set is?
147
379260
3000
Zgadnijcie, co pokazują te dane?
06:22
What rises twice a year,
148
382260
2000
Co wzrasta dwukrotnie w roku,
06:24
once in Easter
149
384260
2000
raz na Wielkanoc
06:26
and then two weeks before Christmas,
150
386260
2000
i potem dwa tygodnie przed Bożym Narodzeniem,
06:28
has a mini peak every Monday,
151
388260
2000
ma mały szczyt w każdy poniedziałek
06:30
and then flattens out over the summer?
152
390260
2000
i wyrównuje się podczas lata.
06:32
I'll take answers.
153
392260
2000
Przyjmuję odpowiedzi.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(Widownia: Czekolada.) David McCandless: Chekolada.
06:36
You might want to get some chocolate in.
155
396260
3000
Czasami warto mieć trochę czekolady.
06:39
Any other guesses?
156
399260
2000
Inne sugestie?
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(Widownia: Zakupy.) DM: Zakupy.
06:43
Yeah, retail therapy might help.
158
403260
3000
Jasne, terapia zakupowa może pomóc.
06:46
(Audience: Sick leave.)
159
406260
2000
(Widownia: Chorobowe.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
DM: Chorobowe. Warto wziąć trochę czasu wolnego.
06:50
Shall we see?
161
410260
2000
Zobaczymy?
06:53
(Laughter)
162
413260
8000
(Śmiech)
07:01
(Applause)
163
421260
3000
(Aplauz)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
Informacje tutaj, Lee Byron i ja
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
zebraliśmy 10000 zmian statusów z Facebook'a
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
dla frazy "rozstanie" i "zerwać"
07:12
and this is the pattern we found --
167
432260
2000
odnaleźliśmy tą regułę -
07:14
people clearing out for Spring Break,
168
434260
2000
ludzie rozstają się na przerwę wiosenną
07:16
(Laughter)
169
436260
5000
(Śmiech)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
wychodzą z bardzo złych weekendów w poniedziałek,
07:23
being single over the summer,
171
443260
3000
są samotni przez lato.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
W najgorszy dzień w roku, oczywiście: Boże Narodzenie.
07:29
Who would do that?
173
449260
3000
Kto by to zrobił?
07:32
So there's a titanic amount of data out there now,
174
452260
2000
Jest tam ogromna ilość danych
07:34
unprecedented.
175
454260
2000
bezprecedensowo.
07:37
But if you ask the right kind of question,
176
457260
2000
Jeżeli zadamy odpowiednie pytanie,
07:39
or you work it in the right kind of way,
177
459260
2000
lub jeżeli wypracujemy odpowiedni sposób,
07:41
interesting things can emerge.
178
461260
3000
ciekawe rzeczy mogą się pojawić.
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
Informacja jest piękna. Dane są piękne.
07:47
I wonder if I could make my life beautiful.
180
467260
3000
Zastanawiam się, czy mógłbym zrobić własne tak pięknie.
07:50
And here's my visual C.V.
181
470260
2000
To jest moje wizualne C.V.
07:52
I'm not quite sure I've succeeded.
182
472260
2000
Nie wiem, czy mi się udało.
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
Całkiem blokowe. Kolory nie są wspaniałe.
07:56
But I wanted to convey something to you.
184
476260
3000
Chciałem Wam coś przekazać.
07:59
I started as a programmer,
185
479260
2000
Zaczynałem jako programista,
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
i pracowałem jako pisarz przez wiele lat, około 20 lat,
08:03
in print, online and then in advertising,
187
483260
2000
w prasie, online i potem w reklamie
08:05
and only recently have I started designing.
188
485260
3000
ostatnio zająłem się projektowaniem.
08:08
And I've never been to design school.
189
488260
2000
Nigdy nie uczęszczałem do szkoły projektowania.
08:10
I've never studied art or anything.
190
490260
3000
Nie studiowałem sztuki.
08:13
I just kind of learned through doing.
191
493260
2000
Nauczyłem się poprzez wykonywanie.
08:15
And when I started designing,
192
495260
2000
Kiedy zacząłem projektować,
08:17
I discovered an odd thing about myself.
193
497260
2000
odkryłem dziwną rzecz o sobie.
08:19
I already knew how to design,
194
499260
2000
Już wiedziałem jak projektować,
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
nie byłem niesamowicie błyskotliwy w tym
08:24
but more like I was sensitive
196
504260
2000
bardziej byłem czuły
08:26
to the ideas of grids and space
197
506260
2000
na idee sieci i przestrzeni
08:28
and alignment and typography.
198
508260
2000
dostosowywania i typografii.
08:30
It's almost like being exposed
199
510260
2000
Prawie, jak bycie wyeksponowanym
08:32
to all this media over the years
200
512260
2000
na te wszystkie media przez lata
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
zaszczepiło we mnie uśpione umiejętności projetowania.
08:37
And I don't feel like I'm unique.
202
517260
2000
Nie czuję, że jestem wyjątkowy.
08:39
I feel that everyday, all of us now
203
519260
2000
Czuję to codziennie, każdy z nas
08:41
are being blasted by information design.
204
521260
3000
jest torpedowany projektowaniem informacji.
08:44
It's being poured into our eyes through the Web,
205
524260
2000
Za pośrednictwem Internetu dostaje się to nam do oczu
08:46
and we're all visualizers now;
206
526260
2000
i teraz wszyscy jesteśmy wzrokowcami;
08:48
we're all demanding a visual aspect
207
528260
2000
domagamy się wizualnego aspektu
08:50
to our information.
208
530260
3000
naszych informacji.
08:53
There's something almost quite magical about visual information.
209
533260
3000
Jest coś magicznego o informacji wizualnej.
08:56
It's effortless, it literally pours in.
210
536260
3000
Jest bez wysiłkowa, dosłownie wlewa się.
08:59
And if you're navigating a dense information jungle,
211
539260
3000
Nawigując przez gęstą dżunglę informacji,
09:02
coming across a beautiful graphic
212
542260
2000
natrafienie na piękną grafikę
09:04
or a lovely data visualization,
213
544260
2000
lub czarowną wizualizację danych
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
jest ulgą, przejściem przez polanę w dżungli.
09:09
I was curious about this, so it led me
215
549260
2000
Byłem tego ciekaw, więc zaprowadziło mnie to
09:11
to the work of a Danish physicist
216
551260
2000
do pracy duńskiego fizyka
09:13
called Tor Norretranders,
217
553260
2000
Tora Norretrandersa,
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
który skonwertował przepustowość zmysłów na terminy komputerowe.
09:19
So here we go. This is your senses,
219
559260
2000
Zaczynamy. To są odczucia,
09:21
pouring into your senses every second.
220
561260
2000
docierające do zmysłów każdej sekundy.
09:23
Your sense of sight is the fastest.
221
563260
3000
Zmysł wzroku jest najszybszy.
09:26
It has the same bandwidth as a computer network.
222
566260
3000
Ma taką samą przepustowość jak sieć komputerowa.
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
Potem dotyk, który ma prędkość zbliżoną do USB.
09:32
And then you have hearing and smell,
224
572260
2000
Następnie słuch i zapach,
09:34
which has the throughput of a hard disk.
225
574260
2000
o przepustowości dysku twardego.
09:36
And then you have poor old taste,
226
576260
2000
Potem stary dobry smak,
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
o przepustowości zaledwie kalkulatora.
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
Ten mały prostokąt w rogu, 0.7 procenta,
09:44
that's the amount we're actually aware of.
229
584260
3000
jest ilością, której jesteśmy świadomi.
09:47
So a lot of your vision --
230
587260
2000
Wiele jest wzrokiem -
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
większość jest wizualna, wlewa się do niego.
09:51
It's unconscious.
232
591260
2000
Nieświadomie.
09:53
The eye is exquisitely sensitive
233
593260
3000
Oko jest znakomicie wrażliwe
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
na prawidłowości w zmianach kolorów, kształtów i wzorów.
09:59
It loves them, and it calls them beautiful.
235
599260
2000
Kocha je i nazywa je pięknymi.
10:01
It's the language of the eye.
236
601260
2000
To jest język oka.
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
Łącząc język oka z językiem umysłu,
10:05
which is about words and numbers and concepts,
238
605260
3000
który opiera się na słowach, liczbach i konceptach,
10:08
you start speaking two languages simultaneously,
239
608260
3000
zaczynasz mówić dwoma językami naraz,
10:11
each enhancing the other.
240
611260
3000
jeden wzmacnia drugi.
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
Mając oko następnie giniemy w konceptach.
10:17
And that whole thing -- it's two languages
242
617260
2000
Cała rzecz - te dwa języki
10:19
both working at the same time.
243
619260
2000
oba pracujące w tym samym czasie.
10:21
So we can use this new kind of language, if you like,
244
621260
2000
Możemy używać nowego języka, jeśli chcemy,
10:23
to alter our perspective or change our views.
245
623260
3000
do zmiany punktu widzenia lub zmiany poglądów.
10:26
Let me ask you a simple question
246
626260
2000
Zadam proste pytanie
10:28
with a really simple answer:
247
628260
2000
z prostą odpowiedzią.
10:30
Who has the biggest military budget?
248
630260
2000
Kto ma największy budżet wojskowy?
10:32
It's got to be America, right?
249
632260
2000
Musi to być Ameryka.
10:34
Massive. 609 billion in 2008 --
250
634260
2000
Masywne, 609 miliardów w 2008 -
10:36
607, rather.
251
636260
2000
raczej 607.
10:38
So massive, in fact, that it can contain
252
638260
2000
Tak wielkie, że mogłoby zawierać
10:40
all the other military budgets in the world inside itself.
253
640260
3000
wszystkie inne wojskowe budżety świata w nim.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
Gulgot, gulgot, gulgot.
10:45
Now, you can see Africa's total debt there
255
645260
2000
Tutaj jest całkowite zadłużenie Afryki
10:47
and the U.K. budget deficit for reference.
256
647260
2000
i deficyt budżetowy Wielkiej Brytanii dla odniesienia.
10:49
So that might well chime
257
649260
2000
To może wtórować
10:51
with your view that America
258
651260
2000
naszemu poglądowi, że Ameryka
10:53
is a sort of warmongering military machine,
259
653260
3000
jest nawołującą do wojny, maszyną militarną
10:56
out to overpower the world
260
656260
2000
chcącą zawładnąć światem
10:58
with its huge industrial-military complex.
261
658260
3000
z ogromnym kompleksem przemysłowo-wojskowym.
11:01
But is it true that America has the biggest military budget?
262
661260
3000
Czy jest prawdą, że Ameryka ma największy budżet militarny?
11:04
Because America is an incredibly rich country.
263
664260
2000
Jest to niesamowicie bogaty kraj.
11:06
In fact, it's so massively rich
264
666260
2000
Tak ogromnie bogaty,
11:08
that it can contain the four other
265
668260
2000
że mógłby zawierać cztery inne
11:10
top industrialized nations' economies
266
670260
2000
najbardziej uprzemysłowione narodowe ekonomie
11:12
inside itself, it's so vastly rich.
267
672260
3000
w sobie, tak szeroko jest bogata.
11:15
So its military budget is bound to be enormous.
268
675260
3000
Budżet militarny musi być ogromny.
11:18
So, to be fair and to alter our perspective,
269
678260
2000
By być sprawiedliwym i by zmienić perspektywę
11:20
we have to bring in another data set,
270
680260
2000
należy wziąć inny zestaw danych,
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
jest nim PKB lub dochód kraju.
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
Kto ma największy budżet w proporcji do PKB?
11:26
Let's have a look.
273
686260
2000
Zobaczmy.
11:28
That changes the picture considerably.
274
688260
3000
To znacznie zmienia obraz.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
Inne kraje pojawiają się, a nie były rozważane
11:34
and American drops into eighth.
276
694260
2000
Ameryka spada na ósme miejsce.
11:36
Now you can also do this with soldiers.
277
696260
2000
Tak samo można zrobić z żołnierzami.
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
Kto ma ich najwięcej? Muszą to być Chiny.
11:40
Of course, 2.1 million.
279
700260
2000
Oczywiście, 2.1 miliona.
11:42
Again, chiming with your view
280
702260
2000
Znów, wtóruje to poglądowi, że
11:44
that China has a militarized regime
281
704260
2000
Chiny są zmilitaryzowanym reżimem
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
gotowym zmobilizować ogromne jego siły.
11:48
But of course, China has an enormous population.
283
708260
3000
Chiny mają olbrzymią populację.
11:51
So if we do the same,
284
711260
2000
Robiąc to samo,
11:53
we see a radically different picture.
285
713260
2000
zobaczmy radykalnie zmieniony obraz.
11:55
China drops to 124th.
286
715260
2000
Chiny spadają na 124 miejsce.
11:57
It actually has a tiny army
287
717260
2000
Właściwie mają małą armię
11:59
when you take other data into consideration.
288
719260
3000
biorąc pod uwagę inne dane.
12:02
So, absolute figures, like the military budget,
289
722260
2000
Liczby absolutne, jak budżet na wojsko,
12:04
in a connected world,
290
724260
2000
w świecie z połączeniami,
12:06
don't give you the whole picture.
291
726260
2000
nie dają pełnego obrazu.
12:08
They're not as true as they could be.
292
728260
2000
Nie są tak prawdziwe, jak mogłyby być.
12:10
We need relative figures that are connected to other data
293
730260
3000
Potrzebujemy relatywnych liczb połączonych z innymi danymy
12:13
so that we can see a fuller picture,
294
733260
2000
by zobaczyć pełniejszy obraz
12:15
and then that can lead to us changing our perspective.
295
735260
2000
prowadzący nas do zmiany perspektywy.
12:17
As Hans Rosling, the master,
296
737260
2000
Hans Rosling, mój mistrz,
12:19
my master, said,
297
739260
3000
powiedział
12:22
"Let the dataset change your mindset."
298
742260
3000
"Pozwólmy danym zmienić nasze myślenie."
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
Jeżeli to się uda, może uda się także zmienić zachowania.
12:29
Take a look at this one.
300
749260
2000
Spójrzmy na ten.
12:31
I'm a bit of a health nut.
301
751260
2000
Mam bzika na punkcie zdrowia.
12:33
I love taking supplements and being fit,
302
753260
3000
Kocham brać suplementy i być w dobrej formie,
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
ale nigdy nie rozumiem, o co chodzi z ich zawartością.
12:39
There's always conflicting evidence.
304
759260
2000
Zawsze są konflikty dotyczące ich składu.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
Powinienem brać witaminę C? Czy może pędy przenicy?
12:43
This is a visualization of all the evidence
306
763260
2000
To jest wizualizacja wszystkich składników
12:45
for nutritional supplements.
307
765260
2000
suplementów żywieniowych.
12:47
This kind of diagram is called a balloon race.
308
767260
3000
Ten rodzaj diagramu nazywany jest wyścigiem balonów.
12:50
So the higher up the image,
309
770260
2000
Im wyżej na obrazku,
12:52
the more evidence there is for each supplement.
310
772260
3000
tym wyższa zawartość danego składnika w suplemencie.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
Bańki związane są z popularnością wyszukiwań w Google.
12:58
So you can immediately apprehend
312
778260
3000
Od razu widać
13:01
the relationship between efficacy and popularity,
313
781260
3000
związek pomiędzy wydajnością i popularnością,
13:04
but you can also, if you grade the evidence,
314
784260
3000
można również, stopniując zawartości
13:07
do a "worth it" line.
315
787260
2000
wykonać jakby linię "wartych zachodu".
13:09
So supplements above this line are worth investigating,
316
789260
3000
Suplementy powyżej tej linii są warte zbadania,
13:12
but only for the conditions listed below,
317
792260
3000
jednak tylko dla warunków wymienionych poniżej.
13:15
and then the supplements below the line
318
795260
3000
Suplementy poniżej tej linii
13:18
are perhaps not worth investigating.
319
798260
2000
nie są warte badania.
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
Ten obraz pochłonął wiele pracy.
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
Zebraliśmy 1000 badań z PubMed,
13:26
the biomedical database,
322
806260
2000
biomedycznej bazy danych
13:28
and we compiled them and graded them all.
323
808260
3000
skompilowaliśmy je i oceniliśmy je wszystkie.
13:31
And it was incredibly frustrating for me
324
811260
2000
Było to bardzo frustrujące dla mnie
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
ponieważ miałem do wykonania 250 wizualizacji do mojej książki,
13:36
and I spent a month doing this,
326
816260
2000
a spędziłem miesiąc robiąc ten,
13:38
and I only filled two pages.
327
818260
2000
wypełniając tylko dwie strony.
13:40
But what it points to
328
820260
2000
Wskazuje to na to, że
13:42
is that visualizing information like this
329
822260
2000
taka wizualizacja informacji
13:44
is a form of knowledge compression.
330
824260
2000
jest formą kompresji wiedzy.
13:46
It's a way of squeezing an enormous amount
331
826260
2000
Metodą ściśnięcia ogromnych ilości
13:48
of information and understanding
332
828260
2000
informacji i zrozumienia
13:50
into a small space.
333
830260
2000
na małej przestrzeni.
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
Kiedy raz zdobędziesz, oczyścisz dane,
13:54
and once it's there,
335
834260
2000
raz umieścisz
13:56
you can do cool stuff like this.
336
836260
2000
możesz robić fajnie rzeczy, jak to.
13:58
So I converted this into an interactive app,
337
838260
2000
Skonwertowałem to do interaktywnej aplikacji,
14:00
so I can now generate this application online --
338
840260
2000
którą można generować online -
14:02
this is the visualization online --
339
842260
2000
to jest wizualizacja online -
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
mogę powiedzieć, "Tak, świetnie."
14:06
So it spawns itself.
341
846260
2000
Mnoży się samo.
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
Mogę powiedzieć, "Pokaż mi tylko to,
14:10
that affects heart health."
343
850260
2000
co jest związane ze zdrowiem serca."
14:12
So let's filter that out.
344
852260
2000
Przefiltrujmy to.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
Serce jest przefiltrowane, jeżeli jestem tym zaciekawiony.
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
Myślę, "Nie, nie chcę brać żadnych syntetyków.
14:19
I just want to see plants and --
347
859260
3000
Chcę zobaczyć rośliny -
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
pokaż mi tylko zioła i rośliny. Mam wszystkie naturalne składniki."
14:25
Now this app is spawning itself
349
865260
2000
Teraz aplikacja tworzy się sama
14:27
from the data.
350
867260
2000
z danych.
14:29
The data is all stored in a Google Doc,
351
869260
2000
Wszystkie dane są zapamiętane w dokumencie na Google,
14:31
and it's literally generating itself from that data.
352
871260
3000
a aplikacja generuje się sama z tych danych.
14:34
So the data is now alive; this is a living image,
353
874260
2000
Dane są teraz żywe, to jest żywy obraz,
14:36
and I can update it in a second.
354
876260
2000
mogę ją zaktualizować w sekundę.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
Nowe składniki wychodzą - tylko zmieniam wiersz w arkuszu.
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
Ciach! Obraz tworzy się sam.
14:44
So it's cool.
357
884260
2000
To jest fajne.
14:46
It's kind of living.
358
886260
3000
Tak jakby żyło.
14:49
But it can go beyond data,
359
889260
2000
Może pójść ponad dane,
14:51
and it can go beyond numbers.
360
891260
2000
ponad liczby.
14:53
I like to apply information visualization
361
893260
2000
Lubię aplikować wizualizację informacji
14:55
to ideas and concepts.
362
895260
3000
do idei i konceptów.
14:58
This is a visualization
363
898260
2000
To jest wizualizacja
15:00
of the political spectrum,
364
900260
2000
spektrum politycznego,
15:02
an attempt for me to try
365
902260
2000
jako próba spróbowania
15:04
and understand how it works
366
904260
2000
i zrozumienia jak to działa
15:06
and how the ideas percolate down
367
906260
2000
i jak pomysły przenikają w dół
15:08
from government into society and culture,
368
908260
2000
od rządu do społeczeństwa i kultury,
15:10
into families, into individuals, into their beliefs
369
910260
3000
do rodzin, jednostek, do ich wierzeń
15:13
and back around again in a cycle.
370
913260
3000
i z powrotem w cykl.
15:16
What I love about this image
371
916260
2000
Kocham w tym obrazku
15:18
is it's made up of concepts,
372
918260
2000
jego wykonanie z konceptów,
15:20
it explores our worldviews
373
920260
2000
on eksploruje nasze poglądy na świat
15:22
and it helps us -- it helps me anyway --
374
922260
2000
i pomaga nam - pomaga mnie -
15:24
to see what others think,
375
924260
2000
zobaczyć, jak inni myślą,
15:26
to see where they're coming from.
376
926260
2000
by zobaczyć skąd się bierze ich myślenie.
15:28
And it feels just incredibly cool to do that.
377
928260
3000
Czujesz się niesamowicie fajnie wykonując to.
15:31
What was most exciting for me
378
931260
3000
Najbardziej ekscytujące dla mnie
15:34
designing this
379
934260
2000
projektując to
15:36
was that, when I was designing this image,
380
936260
2000
była chęć, kiedy projektowałem ten obrazek,
15:38
I desperately wanted this side, the left side,
381
938260
3000
aby ta strona, lewa strona,
15:41
to be better than the right side --
382
941260
2000
była lepsza od prawej -
15:43
being a journalist, a Left-leaning person --
383
943260
3000
będąc dziennikarzem, lewicującą osobą -
15:46
but I couldn't, because I would have created
384
946260
2000
jednak nie mogłem, ponieważ stworzyłbym
15:48
a lopsided, biased diagram.
385
948260
3000
koślawy, tendencyjny diagram.
15:51
So, in order to really create a full image,
386
951260
3000
By stworzyć pełen obraz,
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
musiałem uszanować perspektywę tego po prawej stronie
15:57
and at the same time, uncomfortably recognize
388
957260
3000
w tym samym czasie, niewygodnie przyznawać
16:00
how many of those qualities were actually in me,
389
960260
3000
jak wiele wartości było we mnie,
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
co było bardzo wkurzające i niewygodne.
16:05
(Laughter)
391
965260
4000
(Śmiech)
16:09
But not too uncomfortable,
392
969260
2000
Lecz nie za niewygodnie,
16:11
because there's something unthreatening
393
971260
3000
ponieważ jest coś niestrasznego
16:14
about seeing a political perspective,
394
974260
2000
w widzeniu politycznej perspektywy,
16:16
versus being told or forced to listen to one.
395
976260
3000
w porównaniu do słuchania lub zmuszania do słuchania tylko jednej.
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
Właściwie - jesteśmy zdolni utrzymywać sprzeczne punkty widzenia
16:22
joyously when you can see them.
397
982260
2000
na wesoło, kiedy można je dostrzec.
16:24
It's even fun to engage with them
398
984260
2000
Nawet zabawnie jest przyjmować,
16:26
because it's visual.
399
986260
2000
ponieważ są widoczne.
16:28
So that's what's exciting to me,
400
988260
2000
To jest to, co mnie ekscytuje,
16:30
seeing how data can change my perspective
401
990260
2000
widzenie jak dane mogą zmieniać moja perspektywę
16:32
and change my mind midstream --
402
992260
2000
zmieniać nurt myślenia -
16:34
beautiful, lovely data.
403
994260
3000
piękne, kochane dane.
16:38
So, just to wrap up,
404
998260
2000
By podsumować
16:40
I wanted to say
405
1000260
2000
chciałbym powiedzieć, że
16:42
that it feels to me that design is about solving problems
406
1002260
2000
projektowanie to rozwiązywanie problemów i
16:44
and providing elegant solutions,
407
1004260
3000
dostarczanie eleganckich rozwiązań.
16:47
and information design is about
408
1007260
2000
Projektowanie informacji to
16:49
solving information problems.
409
1009260
2000
rozwiązywanie problemów informacyjnych.
16:51
It feels like we have a lot of information problems
410
1011260
2000
Wygląda na to, że mamy wiele problemów z informacjami
16:53
in our society at the moment,
411
1013260
2000
w naszym społeczeństwie aktualnie
16:55
from the overload and the saturation
412
1015260
2000
od przeładowania i nasycenia
16:57
to the breakdown of trust and reliability
413
1017260
2000
do załamania zaufania i wiarygodności
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
i uciekającego sceptycyzmu i braku przejrzystości
17:01
or even just interestingness.
415
1021260
2000
lub nawet poziomu zainteresowania.
17:03
I mean, I find information just too interesting.
416
1023260
2000
To znaczy sądzić, że informacja jest zbyt interesująca.
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
To ma magnetyczną jakość, która mnie przyciąga.
17:09
So, visualizing information
418
1029260
2000
Wizualizowanie informacji
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
może dać szybkie rozwiązanie tego typu problemów.
17:14
Even when the information is terrible,
420
1034260
2000
Nawet kiedy informacja jest okropna,
17:16
the visual can be quite beautiful.
421
1036260
3000
wizualizacja może być całkiem piękna.
17:19
Often we can get clarity
422
1039260
3000
Często otrzymamy klarowność
17:22
or the answer to a simple question very quickly,
423
1042260
2000
lub odpowiedź na proste pytanie bardzo szybko,
17:24
like this one,
424
1044260
2000
jak to,
17:26
the recent Icelandic volcano.
425
1046260
3000
wulkan na Islandii.
17:29
Which was emitting the most CO2?
426
1049260
2000
Co emitowało najwięcej CO2?
17:31
Was it the planes or the volcano,
427
1051260
2000
Był to wulkan, czy samoloty,
17:33
the grounded planes or the volcano?
428
1053260
2000
uziemione samoloty, czy wulkan?
17:35
So we can have a look.
429
1055260
2000
Zobaczmy.
17:37
We look at the data and we see:
430
1057260
2000
Patrzymy na dane i widzimy,
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
tak, wulkan wyemitował 150000 ton;
17:41
the grounded planes would have emitted
432
1061260
2000
uziemione samoloty wyemitowałyby
17:43
345,000 if they were in the sky.
433
1063260
3000
345000 jeżeli byłyby w powietrzu.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
W istocie, mieliśmy pierwszy neutralizujący dwutlenek węgla wulkan.
17:49
(Laughter)
435
1069260
2000
(Śmiech)
17:51
(Applause)
436
1071260
9000
(Aplauz)
18:00
And that is beautiful. Thank you.
437
1080260
3000
To jest piękne. Dziękuję.
18:03
(Applause)
438
1083260
8000
(Aplauz)
O tej stronie

Na tej stronie poznasz filmy z YouTube, które są przydatne do nauki języka angielskiego. Zobaczysz lekcje angielskiego prowadzone przez najlepszych nauczycieli z całego świata. Kliknij dwukrotnie na angielskie napisy wyświetlane na stronie każdego filmu, aby odtworzyć film od tego miejsca. Napisy przewijają się synchronicznie z odtwarzaniem filmu. Jeśli masz jakieś uwagi lub prośby, skontaktuj się z nami za pomocą formularza kontaktowego.

https://forms.gle/WvT1wiN1qDtmnspy7