The beauty of data visualization | David McCandless

390,731 views ・ 2010-08-23

TED


โปรดดับเบิลคลิกที่คำบรรยายภาษาอังกฤษด้านล่างเพื่อเล่นวิดีโอ

Translator: Rawee Ma Reviewer: Teerachart Prasert
00:15
It feels like we're all suffering
0
15260
2000
ตอนนี้ ปัญหาของเราทุกคน
00:17
from information overload or data glut.
1
17260
3000
มาจากข้อมูลข่าวสารที่มากเกินไป
00:20
And the good news is there might be an easy solution to that,
2
20260
2000
ข่าวดีคือ เรื่องนี้มีทางแก้ง่าย ๆ อยู่
00:22
and that's using our eyes more.
3
22260
2000
นั่นคือ การใช้ดวงตาของเราให้มากขึ้น
00:24
So, visualizing information, so that we can see
4
24260
2000
โดยแปรข้อมูลเป็นแผนภาพ เราจะได้มองเห็น
00:26
the patterns and connections that matter
5
26260
3000
รูปแบบและความสัมพันธ์ที่สำคัญ
00:29
and then designing that information so it makes more sense,
6
29260
3000
ดีไซน์ข้อมูล เพื่อให้ใช้ตีความได้ดีขึ้น
00:32
or it tells a story,
7
32260
2000
ให้มันเล่าเรื่องราว
00:34
or allows us to focus only on the information that's important.
8
34260
3000
หรือช่วยให้เราพุ่งความสนใจแค่ส่วนที่สำคัญ
00:38
Failing that, visualized information can just look really cool.
9
38260
3000
หรือไม่เช่นนั้น แค่แผนภาพสวย ๆ ก็ยังดูเจ๋งมาก ๆ อยู่ดี
00:41
So, let's see.
10
41260
2000
มาดูกันเลยครับ
00:45
This is the $Billion Dollar o-Gram,
11
45260
2000
นี่คือ "บิลเลี่ยน ดอลล่าร์ โอแกรม" ('แผนภาพพันล้านเหรียญ')
00:47
and this image arose
12
47260
2000
ภาพนี้เกิดขึ้น
00:49
out of frustration I had
13
49260
2000
จากความหงุดหงิด
00:51
with the reporting of billion-dollar amounts in the press.
14
51260
2000
เวลาอ่านข่าวที่รายงานตัวเลขระดับพันล้าน
00:53
That is, they're meaningless without context:
15
53260
3000
ตัวเลขพวกนี้ ไม่มีความหมายเลยถ้าไม่มีบริบท
00:56
500 billion for this pipeline,
16
56260
2000
5 แสนล้านสำหรับท่อขนส่งน้ำมัน
00:58
20 billion for this war.
17
58260
2000
2 หมื่นล้านสำหรับสงคราม
01:00
It doesn't make any sense, so the only way to understand it
18
60260
2000
ตีความต่อไม่ได้เลย วิธีเดียวที่จะเข้าใจได้
01:02
is visually and relatively.
19
62260
2000
คือใช้ภาพ และการเปรียบเทียบ
01:04
So I scraped a load of reported figures
20
64260
2000
ดังนั้นผมจึงเก็บตัวเลขรายงานพวกนี้
01:06
from various news outlets
21
66260
2000
จากรายงานข่าวต่าง ๆ
01:08
and then scaled the boxes according to those amounts.
22
68260
3000
มาทำเป็นรูปสี่เหลี่ยม มีขนาดตามมูลค่าเงิน
01:11
And the colors here represent the motivation behind the money.
23
71260
3000
แล้วใช้สีแทนแรงจูงใจต่าง ๆ ของการใช้เงิน
01:14
So purple is "fighting,"
24
74260
3000
สีม่วงคือ "การสงคราม"
01:17
and red is "giving money away," and green is "profiteering."
25
77260
3000
สีแดงคือ "การบริจาค" และสีเขียวคือ "ฉวยโอกาสค้ากำไร"
01:20
And what you can see straight away
26
80260
2000
สิ่งที่คุณเห็นได้ทันที
01:22
is you start to have a different relationship to the numbers.
27
82260
2000
คือ มุมมองต่อจำนวนเงินของคุณจะเปลี่ยนไป
01:24
You can literally see them.
28
84260
2000
ตัวเลขกลายเป็นภาพที่จับต้องได้
01:26
But more importantly, you start to see
29
86260
2000
ที่สำคัญกว่าคือ คุณจะเห็น
01:28
patterns and connections between numbers
30
88260
2000
รูปแบบและความสัมพันธ์ระหว่างตัวเลขต่างๆ
01:30
that would otherwise be scattered across multiple news reports.
31
90260
3000
ที่กระจัดกระจายอยู่ตามรายงานข่าว
01:33
Let me point out some that I really like.
32
93260
3000
ผมขอชี้บางอันที่ผมชอบมากนะครับ
01:36
This is OPEC's revenue, this green box here --
33
96260
2000
นี่คือรายได้ของกลุ่มโอเป็คในกล่องสีเขียว
01:38
780 billion a year.
34
98260
2000
7.8 แสนล้านต่อปี
01:40
And this little pixel in the corner -- three billion --
35
100260
3000
ส่วนช่องเล็ก ๆ ตรงหัวมุมนี้ -- 3 พันล้าน --
01:43
that's their climate change fund.
36
103260
3000
คือมูลค่ากองทุนภูมิอากาศแปนปรวนของโอเปค
01:46
Americans, incredibly generous people --
37
106260
2000
ชาวอเมริกัน ใจกว้างอย่างไม่น่าเชื่อ
01:48
over 300 billion a year, donated to charity every year,
38
108260
3000
เพราะบริจาคเงินให้การกุศล ทุก ๆ ปีกว่า 3 แสนล้านเหรียญ
01:51
compared with the amount of foreign aid
39
111260
2000
เมื่อเทียบกับมูลค่าเงินช่วยเหลือต่างประเทศ
01:53
given by the top 17 industrialized nations
40
113260
2000
ซึ่งบริจาคโดย 17 ประเทศอุตสาหกรรมชั้นนำ
01:55
at 120 billion.
41
115260
2000
ที่ 1.2 แสนล้าน
01:57
Then of course,
42
117260
2000
แล้วแน่นอน
01:59
the Iraq War, predicted to cost just 60 billion
43
119260
2000
สงครามอิรัก ซึ่งเคยคาดว่าจะใช้เงินเพียง 6 หมื่นล้าน
02:01
back in 2003.
44
121260
3000
ในปี 2003
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
124260
3000
แล้วก็ค่อย ๆ บานปลาย จนตอนนี้ อัฟกานิสถาน และอิรัก ใช้เงินไปแล้ว
02:07
to 3,000 billion.
46
127260
3000
3 ล้านล้าน
02:10
So now it's great
47
130260
2000
ทีนี้ก็เยี่ยมเลย
02:12
because now we have this texture, and we can add numbers to it as well.
48
132260
2000
เพราะตอนนี้เรามีข้อมูลให้เปรียบเทียบ แล้วเราจะเพิ่มข้อมูลเข้าไปอีกก็ได้
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
134260
3000
อาจมีตัวเลขใหม่ออกมา เช่น หนี้ชาติแอฟริกัน
02:17
How much of this diagram do you think might be taken up
50
137260
2000
พื้นที่จะใหญ่แค่ไหนครับ ถ้าใช้มูลค่า
02:19
by the debt that Africa owes to the West?
51
139260
2000
หนี้ที่แอฟริกาค้างชาติตะวันตก?
02:21
Let's take a look.
52
141260
2000
มาดูกันเลย
02:23
So there it is:
53
143260
2000
ตามนี้ครับ
02:25
227 billion is what Africa owes.
54
145260
2000
2.27 แสนล้าน คือมูลค่าหนี้ของแอฟริกา
02:27
And the recent financial crisis,
55
147260
2000
และวิกฤตการเงินที่ผ่านมาล่ะ
02:29
how much of this diagram might that figure take up?
56
149260
2000
ตัวเลขที่ได้ จะกินพื้นที่ขนาดไหน?
02:31
What has that cost the world? Let's take a look at that.
57
151260
3000
วิกฤตินั้นสร้างความเสียหายให้โลกขนาดไหน? ลองมาดู
02:34
Dooosh -- Which I think is the appropriate sound effect
58
154260
3000
วูบบบบ - เสียงแบบนี้ ผมว่าเหมาะเลย
02:37
for that much money:
59
157260
2000
สำหรับเงินมากขนาดนี้
02:39
11,900 billion.
60
159260
4000
11.9 ล้านล้าน
02:45
So, by visualizing this information,
61
165260
2000
เมื่อแปรข้อมูลเหล่านี้เป็นแผนภาพ
02:47
we turned it into a landscape
62
167260
2000
เราก็จะได้ภาพภูมิทัศน์
02:49
that you can explore with your eyes,
63
169260
2000
ที่คุณสำรวจได้เพียงแค่กวาดสายตา
02:51
a kind of map really, a sort of information map.
64
171260
2000
เป็นเหมือนแผนที่, เป็นแผนที่ของข้อมูล
02:53
And when you're lost in information,
65
173260
2000
พอข้อมูลเยอะมาก จนคุณหลงทาง
02:55
an information map is kind of useful.
66
175260
3000
แผนที่ข้อมูลนี้ ก็จะช่วยคุณได้
02:58
So I want to show you another landscape now.
67
178260
2000
ผมอยากแสดงภาพภูมิทัศน์อีกอันให้ดูกัน
03:00
We need to imagine what a landscape
68
180260
2000
เราจะมาจินตนาการกันว่าภูมิทัศน์
03:02
of the world's fears might look like.
69
182260
3000
ความกลัวของชาวโลก มันเป็นอย่างไร
03:05
Let's take a look.
70
185260
2000
มาดูกันเลย
03:07
This is Mountains Out of Molehills,
71
187260
2000
นีคือ เทือกเขาเนินตัวตุ่น
03:09
a timeline of global media panic.
72
189260
2000
แสดงลำดับเวลาความหวาดกลัวของสื่อทั่วโลก
03:11
(Laughter)
73
191260
2000
(เสียงหัวเราะ)
03:13
So, I'll label this for you in a second.
74
193260
2000
อีกเดี๋ยวผมจะอธิบายให้ฟัง
03:15
But the height here, I want to point out,
75
195260
2000
แต่ผมอยากบอกก่อนว่า ยอดกราฟพวกนี้
03:17
is the intensity of certain fears
76
197260
2000
คือระดับความรุนแรงของความหวาดกลัว
03:19
as reported in the media.
77
199260
2000
จากรายงานข่าวต่าง ๆ
03:21
Let me point them out.
78
201260
2000
ผมจะอธิบายให้ฟังนะครับ
03:23
So this, swine flu -- pink.
79
203260
4000
อันนี้ไข้หวัดหมู -- สีชมพู
03:27
Bird flu.
80
207260
2000
ไข้หวัดนก
03:29
SARS -- brownish here. Remember that one?
81
209260
3000
โรคซาร์ส สีน้ำตาล ยังจำได้มั้ยครับ?
03:32
The millennium bug,
82
212260
3000
เรื่องกลัวคอมพิวเตอร์ล่มปี 2000
03:35
terrible disaster.
83
215260
2000
น่ากลัวมาก ๆ เลย
03:37
These little green peaks
84
217260
2000
ยอดสีเขียวเล็ก ๆ พวกนี้
03:39
are asteroid collisions.
85
219260
2000
คือกลัวอุกกาบาตชนโลก
03:41
(Laughter)
86
221260
2000
(เสียงหัวเราะ)
03:43
And in summer, here, killer wasps.
87
223260
2000
ในช่วงฤดูร้อน ก็กลัวตัวต่อเพชรฆาต
03:45
(Laughter)
88
225260
8000
(เสียงหัวเราะ)
03:53
So these are what our fears look like
89
233260
2000
เหล่านี้ คือสิ่งที่เราหวาดกลัว
03:55
over time in our media.
90
235260
2000
ซึ่งเห็นได้จากสื่อในระยะเวลาต่าง ๆ
03:57
But what I love -- and I'm a journalist --
91
237260
2000
สิ่งที่ผมชอบมาก -- ผมเป็นนักข่าวนะครับ --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
239260
3000
คือการหารูปแบบเกิดซ้ำที่ซ่อนอยู่ ผมชอบเป็นนักสืบข้อมูล
04:02
And there's a very interesting and odd pattern hidden in this data
93
242260
3000
ข้อมูลเหล่านี้ มีรูปแบบเกิดซ้ำที่แปลก และน่าสนใจมาก ๆ ซ่อนอยู่
04:05
that you can only see when you visualize it.
94
245260
2000
และจะเห็นได้ เมื่อแปรเป็นภาพก่อนเท่านั้น
04:07
Let me highlight it for you.
95
247260
2000
อย่างที่ผมจะชี้ให้ดูนี้นะครับ
04:09
See this line, this is a landscape for violent video games.
96
249260
3000
เส้น ๆ นี้ เป็นภูมิทัศน์วิดีโอเกมรุนแรง
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
252260
3000
จะเห็นว่า ข้อมูลนี้มีรูปแบบแปลก ๆ เกิดขึ้นซ้ำ ๆ
04:15
twin peaks every year.
98
255260
2000
เป็นยอดคู่ อยู่ทุก ๆ ปี
04:17
If we look closer, we see those peaks occur
99
257260
2000
ดูให้ละเอียด ก็จะเห็นว่ายอดคู่พวกนั้น
04:19
at the same month every year.
100
259260
3000
เกิดขึ้นในเดือนเดียวกัน ทุก ๆ ปี
04:22
Why?
101
262260
2000
ทำไม?
04:24
Well, November, Christmas video games come out,
102
264260
2000
พฤศจิกายน วีดีโอเกมใหม่วางตลาดรับคริสต์มาส
04:26
and there may well be an upsurge in the concern about their content.
103
266260
3000
ความกังวลเกี่ยวกับเนื้อหาของเกม จึงเพิ่มสูงขึ้น
04:29
But April isn't a particularly massive month
104
269260
3000
แต่เมษายนก็ไม่ใช่เดือนที่คึกคักเท่าไหร่
04:32
for video games.
105
272260
2000
สำหรับวิดีโอเกม
04:34
Why April?
106
274260
2000
แล้วทำไมเมษายนด้วยล่ะ?
04:36
Well, in April 1999 was the Columbine shooting,
107
276260
3000
ในเดือนเมษายน 1999 เกิดเหตุสังหารหมู่โคลัมไบน์ขึ้น
04:39
and since then, that fear
108
279260
2000
แต่นั้นมา สื่อจึงจดจำความกลัวนี้
04:41
has been remembered by the media
109
281260
2000
มาโดยตลอด
04:43
and echoes through the group mind gradually through the year.
110
283260
2000
แล้วสะท้อนผ่านความนึกคิดของสื่อ มานานหลายปี
04:45
You have retrospectives, anniversaries,
111
285260
3000
เป็นทั้งข่าวรำลึก วันครบรอบ
04:48
court cases, even copy-cat shootings,
112
288260
3000
คดีในศาล หรือกระทั่งกรณีสังหารเลียนแบบ
04:51
all pushing that fear into the agenda.
113
291260
3000
ทั้งหลายแหล่ เพื่อตอกย้ำความกลัวนี้ ลงในเนื้อหา
04:54
And there's another pattern here as well. Can you spot it?
114
294260
2000
ยังมีรูปแบบเกิดซ้ำอีกอันนึงครับ
04:56
See that gap there? There's a gap,
115
296260
2000
ช่องว่างตรงนั้นครับ
04:58
and it affects all the other stories.
116
298260
2000
มันมีผลกระทบต่อเรื่องอื่น ๆ ทุกเรื่องเลย
05:00
Why is there a gap there?
117
300260
2000
ทำไมมีช่องว่างอยู่ตรงนั้นล่ะ?
05:02
You see where it starts? September 2001,
118
302260
3000
ดูที่จุดเริ่มต้นของช่องครับ กันยายน 2001
05:05
when we had something very real
119
305260
2000
ช่วงเวลาที่เรามีภัยคุกคามซึ่งจับต้องได้
05:07
to be scared about.
120
307260
2000
ให้หวาดกลัวกัน
05:09
So, I've been working as a data journalist for about a year,
121
309260
3000
ผมทำงานเป็นนักข่าวสายงานดาต้าประมาณหนึ่งปี
05:12
and I keep hearing a phrase
122
312260
2000
ผมจะได้ยินวลีนี้
05:14
all the time, which is this:
123
314260
3000
ตลอดเวลาเลย
05:17
"Data is the new oil."
124
317260
2000
"ดาต้าคือน้ำมันยุคใหม่"
05:19
Data is the kind of ubiquitous resource
125
319260
3000
ดาต้าเป็นเหมือนทรัพยากรที่มีอยู่แพร่หลาย
05:22
that we can shape to provide new innovations and new insights,
126
322260
3000
ให้เรานำมาใช้สร้างนวัตกรรม หรือหาข้อมูลเชิงลึกใหม่ ๆ ได้
05:25
and it's all around us, and it can be mined very easily.
127
325260
3000
มันอยู่ทุกที่รอบตัวเรา และค้นหาได้ง่ายมาก ๆ
05:28
It's not a particularly great metaphor in these times,
128
328260
3000
เป็นคำอุปมาที่ไม่ค่อยดีนักสำหรับเวลานี้
05:31
especially if you live around the Gulf of Mexico,
129
331260
3000
โดยเฉพาะ ถ้าคุณอยู่แถว ๆ อ่าวเม็กซิโก
05:34
but I would, perhaps, adapt this metaphor slightly,
130
334260
2000
ผมจะขอปรับคำอุปมานี้นิดหน่อย
05:36
and I would say that data is the new soil.
131
336260
3000
ว่า ดาต้าคือดินยุคใหม่
05:40
Because for me, it feels like a fertile, creative medium.
132
340260
3000
เพราะผมคิดว่า มันเป็นสื่อสร้างสรรค์ ที่อุดมสมบูรณ์มาก
05:43
Over the years, online,
133
343260
2000
หลายปีมานี้ บนโลกออนไลน์
05:45
we've laid down
134
345260
3000
เราได้โปรยหว่าน
05:48
a huge amount of information and data,
135
348260
2000
เมล็ดพันธ์ข่าวสารและดาต้าจำนวนมหาศาล
05:50
and we irrigate it with networks and connectivity,
136
350260
2000
วางเน็ตเวิร์กและการเชื่อมต่อ เสมือนระบบรดน้ำ
05:52
and it's been worked and tilled by unpaid workers and governments.
137
352260
3000
โดยมีรัฐบาลและพนักงานที่ไม่ได้ค่าจ้าง ช่วยไถพรวน และเตรียมพื้นที่
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
355260
3000
ผมอาจจะอุปมาหนักมือไปหน่อย
05:58
But it's a really fertile medium,
139
358260
3000
แต่มันเป็นสื่อที่อุดมสมบูรณ์จริง ๆ
06:01
and it feels like visualizations, infographics, data visualizations,
140
361260
3000
แผนภูมิภาพจากดาต้า และอินโฟกราฟฟิกต่าง ๆ
06:04
they feel like flowers blooming from this medium.
141
364260
3000
ก็เป็นเหมือนดอกไม้ที่เบ่งบานขึ้นจากสื่อนี้
06:07
But if you look at it directly,
142
367260
2000
ถ้าคุณแค่กวาดตาดูเฉย ๆ
06:09
it's just a lot of numbers and disconnected facts.
143
369260
2000
ก็จะเห็นแค่ตัวเลข กับข้อมูลที่สะเปะสะปะ
06:11
But if you start working with it and playing with it in a certain way,
144
371260
3000
แต่ถ้าคุณลองใคร่ครวญ แล้วดัดแปลงข้อมูล
06:14
interesting things can appear and different patterns can be revealed.
145
374260
3000
เรื่องน่าสนใจจะปรากฏ และรูปแบบที่แปลกใหม่จะเผยโฉม
06:17
Let me show you this.
146
377260
2000
ผมขอแสดงตัวอย่างนี้
06:19
Can you guess what this data set is?
147
379260
3000
เดาออกมั้ยครับ ว่านี่เป็นข้อมูลอะไร
06:22
What rises twice a year,
148
382260
2000
อะไรเอ่ย ที่เพิ่มขึ้นสูง 2 ครั้งต่อปี
06:24
once in Easter
149
384260
2000
ครั้งแรกในวันอีสเตอร์
06:26
and then two weeks before Christmas,
150
386260
2000
อีกครั้ง ช่วง 2 สัปดาห์ก่อนวันคริสต์มาส
06:28
has a mini peak every Monday,
151
388260
2000
มียอดเล็ก ๆ ทุกวันจันทร์
06:30
and then flattens out over the summer?
152
390260
2000
แล้วแบนเรียบลงในช่วงฤดูร้อน
06:32
I'll take answers.
153
392260
2000
ใครตอบหน่อยครับ
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
394260
2000
(ผู้ชม: ช็อคโกแลต) เดวิด: ช็อคโกแลต
06:36
You might want to get some chocolate in.
155
396260
3000
อาจจะเป็นช็อกโกแลตมั้ย
06:39
Any other guesses?
156
399260
2000
มีใครตอบอีกมั้ย
06:41
(Audience: Shopping.) DM: Shopping.
157
401260
2000
(ผู้ชม: ช้อปปิ้ง) เดวิด:ช็อปปิ้ง
06:43
Yeah, retail therapy might help.
158
403260
3000
เป็นไปได้ คนเราต้องช็อปคลายเครียดกันบ้าง
06:46
(Audience: Sick leave.)
159
406260
2000
(ผู้ชม: ลาป่วย)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
408260
2000
เดวิด: ลาป่วย ใคร ๆก็ชอบวันเบา ๆกันทั้งนั้น
06:50
Shall we see?
161
410260
2000
ดูกันดีกว่า ('ยอดการบอกเลิก สรุปจากการอัพเดตสเตตัสเฟซบุ้ก')
06:53
(Laughter)
162
413260
8000
(เสียงหัวเราะ)
07:01
(Applause)
163
421260
3000
(เสียงปรบมือ)
07:04
So, the information guru Lee Byron and myself,
164
424260
3000
กูรูด้านข้อมูล ลี ไบรอน (Lee Byron) และตัวผมเอง
07:07
we scraped 10,000 status Facebook updates
165
427260
3000
เรารวบรวมสเตตัสเฟสบุ้กมา 10,000 อัน
07:10
for the phrase "break-up" and "broken-up"
166
430260
2000
แล้วหาคำว่า "เลิกกัน" และ "แยกทางกัน"
07:12
and this is the pattern we found --
167
432260
2000
และนี่คือรูปแบบที่เราพบ --
07:14
people clearing out for Spring Break,
168
434260
2000
เลิกกัน จะได้อิสระรับปิดเทอมฤดูใบไม้ผลิ
07:16
(Laughter)
169
436260
5000
(หัวเราะ)
07:21
coming out of very bad weekends on a Monday,
170
441260
2000
เลิกกันวันจันทร์ เพราะสุดสัปดาห์ไม่ได้ดังใจ
07:23
being single over the summer,
171
443260
3000
โสดสนิท ตลอดฤดูร้อน
07:26
and then the lowest day of the year, of course: Christmas Day.
172
446260
3000
และวันที่บอกเลิกกันน้อยที่สุดของปี วันคริสต์มาส
07:29
Who would do that?
173
449260
3000
ใครเขาจะเลิกกันลง
07:32
So there's a titanic amount of data out there now,
174
452260
2000
ตอนนี้ ข้อมูลมีจำนวนมโหฬารมหาศาล
07:34
unprecedented.
175
454260
2000
เป็นประวัติการณ์
07:37
But if you ask the right kind of question,
176
457260
2000
แต่ถ้าคุณถามคำถามที่ถูกต้อง
07:39
or you work it in the right kind of way,
177
459260
2000
หรือดัดแปลงข้อมูลด้วยวิธีดี ๆได้
07:41
interesting things can emerge.
178
461260
3000
คุณจะได้เห็นสิ่งที่น่าสนใจ
07:44
So information is beautiful. Data is beautiful.
179
464260
3000
ข้อมูลก็มีความสวยงาม ดาต้าก็มีความสวยงาม
07:47
I wonder if I could make my life beautiful.
180
467260
3000
ถ้างั้น ชีวิตตัวผมเอง จะสวยงามได้ด้วยมั้ย
07:50
And here's my visual C.V.
181
470260
2000
นี่คือภาพประวัติทำงานของผมครับ
07:52
I'm not quite sure I've succeeded.
182
472260
2000
ผมว่า ยังดูไม่ค่อยสวยเท่าไหร่
07:54
Pretty blocky, the colors aren't that great.
183
474260
2000
ดูเป็นแท่ง ๆ สีก็ยังไม่ค่อยโดน
07:56
But I wanted to convey something to you.
184
476260
3000
แต่ผมอยากจะสื่อบางอย่างกับคุณ
07:59
I started as a programmer,
185
479260
2000
เริ่มต้น ผมเป็นโปรแกรมเมอร์
08:01
and then I worked as a writer for many years, about 20 years,
186
481260
2000
แล้วมาเป็นนักเขียนอยู่นาน ประมาณ 20 ปี
08:03
in print, online and then in advertising,
187
483260
2000
ทั้งในสิ่งพิมพ์ ออนไลน์ และในโฆษณา
08:05
and only recently have I started designing.
188
485260
3000
แล้วก็เพิ่งได้เริ่มทำงานออกแบบ
08:08
And I've never been to design school.
189
488260
2000
ผมไม่เคยไปเรียนที่โรงเรียนการออกแบบ
08:10
I've never studied art or anything.
190
490260
3000
ศิลปะอะไร ก็ไม่เคยเรียน
08:13
I just kind of learned through doing.
191
493260
2000
แต่เรียนเอาจากลองทำดูเอง
08:15
And when I started designing,
192
495260
2000
พอผมเริ่มทำงานออกแบบ
08:17
I discovered an odd thing about myself.
193
497260
2000
ผมค้นพบสิ่งที่แปลกเกี่ยวกับตัวเอง
08:19
I already knew how to design,
194
499260
2000
ผมรู้วิธีการออกแบบอยู่แล้ว
08:21
but it wasn't like I was amazingly brilliant at it,
195
501260
3000
ไม่ใช่ว่า ผมเก่งกาจมหัศจรรย์อะไรนะครับ
08:24
but more like I was sensitive
196
504260
2000
แต่เหมือนผมจะจับจุดได้ไว
08:26
to the ideas of grids and space
197
506260
2000
กับเรื่องจำพวกตารางและพื้นที่
08:28
and alignment and typography.
198
508260
2000
การจัดตำแหน่งและตัวอักษร
08:30
It's almost like being exposed
199
510260
2000
ราวกับว่า การได้คลุกคลี
08:32
to all this media over the years
200
512260
2000
กับสื่อแบบต่าง ๆ ที่ผ่านมานั้น
08:34
had instilled a kind of dormant design literacy in me.
201
514260
3000
ทำให้ผมได้เรียนงานออกแบบโดยไม่รู้ตัว
08:37
And I don't feel like I'm unique.
202
517260
2000
และผมคิดว่า ผมไม่ได้เป็นอยู่คนเดียว
08:39
I feel that everyday, all of us now
203
519260
2000
ผมเชื่อว่า ตอนนี้พวกเราทุกคน
08:41
are being blasted by information design.
204
521260
3000
เห็นการออกแบบข้อมูลเต็มไปหมด
08:44
It's being poured into our eyes through the Web,
205
524260
2000
มันถูกถ่ายทอดสู่สายตาของเราผ่านเว็บไซต์
08:46
and we're all visualizers now;
206
526260
2000
ตอนนี้ เราทุกคนเป็นนักแปลงข้อมูลเป็นภาพ
08:48
we're all demanding a visual aspect
207
528260
2000
เราทุกคน ต่างร้องหามุมมองด้านภาพ
08:50
to our information.
208
530260
3000
ประกอบข้อมูลของเรา
08:53
There's something almost quite magical about visual information.
209
533260
3000
ข้อมูลแบบรูปภาพนี่ จะมีความมหัศจรรย์บางอย่าง
08:56
It's effortless, it literally pours in.
210
536260
3000
มันง่ายดาย กวาดตาเห็นหมด
08:59
And if you're navigating a dense information jungle,
211
539260
3000
การหาข้อมูลมากมายจนเหมือนเดินฝ่าป่าหนาทึบ
09:02
coming across a beautiful graphic
212
542260
2000
แล้วไปเจอกราฟฟิกสวย ๆ
09:04
or a lovely data visualization,
213
544260
2000
หรือแผนภูมิภาพดูง่าย ๆ สบายตา
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
546260
3000
จะรู้สึกสดชื่น เหมือนเจอลานโล่งกลางป่าทึบ
09:09
I was curious about this, so it led me
215
549260
2000
ผมสงสัยว่าเพราะอะไร เลยได้ไปเจอ
09:11
to the work of a Danish physicist
216
551260
2000
ผลงานของนักฟิสิกส์ชาวเดนมาร์ก
09:13
called Tor Norretranders,
217
553260
2000
ทอร์ นอร์ทรานเดอร์ส (Tor Norretranders)
09:15
and he converted the bandwidth of the senses into computer terms.
218
555260
3000
เขาแปลงความสามารถในการส่งข้อมูลทางประสาทสัมผัสต่าง ๆ เป็นศัพท์ทางคอมพิวเตอร์
09:19
So here we go. This is your senses,
219
559260
2000
และนี่คือ ประสาทสัมผัสต่าง ๆ ของคุณ
09:21
pouring into your senses every second.
220
561260
2000
ที่เรารับรู้อยู่ทุกวินาที
09:23
Your sense of sight is the fastest.
221
563260
3000
การรับรู้ผ่านสายตาจะรวดเร็วที่สุด
09:26
It has the same bandwidth as a computer network.
222
566260
3000
ส่งถ่ายข้อมูลได้มาก เหมือนเครือข่ายคอมพิวเตอร์เลย
09:29
Then you have touch, which is about the speed of a USB key.
223
569260
3000
ผิวสัมผัสจะรองลงมา เร็วเท่ากับแท่งยูเอสบี
09:32
And then you have hearing and smell,
224
572260
2000
จากนั้นก็เป็น เสียงกับกลิ่น
09:34
which has the throughput of a hard disk.
225
574260
2000
ซึ่งส่งข้อมูลได้เท่าแผ่นฮาร์ดดิสก์
09:36
And then you have poor old taste,
226
576260
2000
อันดับแย่สุด คือรสชาติ
09:38
which is like barely the throughput of a pocket calculator.
227
578260
3000
ให้ข้อมูลได้แค่เครื่องคิดเลขพกพาเท่านั้น
09:41
And that little square in the corner, a naught .7 percent,
228
581260
3000
และที่ตารางเล็กๆ ตรงมุมนั้น คือ 0.7 %
09:44
that's the amount we're actually aware of.
229
584260
3000
คือปริมาณข้อมูลที่เรารับรู้ได้อย่างแท้จริง
09:47
So a lot of your vision --
230
587260
2000
ฉะนั้น สิ่งที่ตาคุณมองเห็นนั้น
09:49
the bulk of it is visual, and it's pouring in.
231
589260
2000
ส่วนใหญ่คือข้อมูลภาพ ซึ่งหลั่งไหลเข้ามา
09:51
It's unconscious.
232
591260
2000
โดยไม่รู้ตัวด้วยซ้ำ
09:53
The eye is exquisitely sensitive
233
593260
3000
ดวงตามีสัมผัสฉับไวมาก
09:56
to patterns in variations in color, shape and pattern.
234
596260
3000
ต่อแบบแผนเกิดซ้ำ ทั้งสี รูปทรง และลวดลาย
09:59
It loves them, and it calls them beautiful.
235
599260
2000
ดวงตาชอบสิ่งเหล่านี้ เพราะเห็นแล้วงามตา
10:01
It's the language of the eye.
236
601260
2000
สิ่งนี้เป็นภาษาของดวงตา
10:03
If you combine the language of the eye with the language of the mind,
237
603260
2000
ถ้าคุณรวมภาษาของดวงตา เข้ากับภาษาของสมอง
10:05
which is about words and numbers and concepts,
238
605260
3000
ซึ่งเป็นคำศัพท์ ตัวเลข และแนวคิด
10:08
you start speaking two languages simultaneously,
239
608260
3000
เท่ากับว่าคุณกำลังพูดสองภาษาพร้อม ๆ กัน
10:11
each enhancing the other.
240
611260
3000
แต่ละอันเสริมความหมายกันและกัน
10:14
So, you have the eye, and then you drop in the concepts.
241
614260
3000
คุณใช้ตารับภาพ แล้วสมองก็รับแนวคิด
10:17
And that whole thing -- it's two languages
242
617260
2000
รวมกันเข้า เป็นสองภาษา
10:19
both working at the same time.
243
619260
2000
ทำงานไปพร้อม ๆ กัน
10:21
So we can use this new kind of language, if you like,
244
621260
2000
แล้วเราก็จะใช้ภาษาใหม่นี้
10:23
to alter our perspective or change our views.
245
623260
3000
เพื่อปรับทัศนคติ หรือมุมมองของเราได้
10:26
Let me ask you a simple question
246
626260
2000
ผมขอถามคำถามพื้น ๆ
10:28
with a really simple answer:
247
628260
2000
ที่มีคำตอบง่าย ๆ นะครับ
10:30
Who has the biggest military budget?
248
630260
2000
ใครมีงบประมาณทางทหารที่มากที่สุดครับ
10:32
It's got to be America, right?
249
632260
2000
ต้องอเมริกาสิ ใช่มั้ย
10:34
Massive. 609 billion in 2008 --
250
634260
2000
เยอะมาก 6.09 แสนล้านใน ค.ศ. 2008
10:36
607, rather.
251
636260
2000
โทษที 6.07
10:38
So massive, in fact, that it can contain
252
638260
2000
เยอะมาก จนเอางบการทหารที่เหลือทั้งโลก
10:40
all the other military budgets in the world inside itself.
253
640260
3000
ไปใส่รวมกันในกล่องของสหรัฐฯ ได้เลย
10:43
Gobble, gobble, gobble, gobble, gobble.
254
643260
2000
ง่ำ ง่ำ ง่ำ ง่ำ ง่ำ
10:45
Now, you can see Africa's total debt there
255
645260
2000
ข้าง ๆ นั่น คือหนี้มวลรวมของแอฟริกา
10:47
and the U.K. budget deficit for reference.
256
647260
2000
และการขาดดุลงบประมาณของอังกฤษ เอาไว้เปรียบเทียบ
10:49
So that might well chime
257
649260
2000
ซึ่งคงจะพ้องกันดี
10:51
with your view that America
258
651260
2000
กับมุมมองของคุณว่าอเมริกา
10:53
is a sort of warmongering military machine,
259
653260
3000
เป็นเครื่องจักรทางทหารบ้าสงคราม
10:56
out to overpower the world
260
656260
2000
วางอำนาจคุมโลก
10:58
with its huge industrial-military complex.
261
658260
3000
ด้วยขุมกำลังการทหารขนาดอุตสาหกรรมใหญ่โต
11:01
But is it true that America has the biggest military budget?
262
661260
3000
แต่จริงหรือ ที่อเมริกามีงบกองทัพใหญ่ที่สุด
11:04
Because America is an incredibly rich country.
263
664260
2000
เพราะอเมริกานั้น ร่ำรวยอย่างไม่น่าเชื่อ
11:06
In fact, it's so massively rich
264
666260
2000
ร่ำรวยล้นฟ้า ขนาดที่ว่า
11:08
that it can contain the four other
265
668260
2000
จุเอาเศรษฐกิจประเทศอุตสาหกรรม
11:10
top industrialized nations' economies
266
670260
2000
ชั้นนำอีก 4 ประเทศ
11:12
inside itself, it's so vastly rich.
267
672260
3000
มารวมกันไว้ได้เลย ร่ำรวยมาก ๆ
11:15
So its military budget is bound to be enormous.
268
675260
3000
งบกองทัพของสหรัฐฯ ย่อมใหญ่ตามเป็นธรรมดา
11:18
So, to be fair and to alter our perspective,
269
678260
2000
ดังนั้น เพื่อให้ยุติธรรม และปรับมุมมองเราใหม่
11:20
we have to bring in another data set,
270
680260
2000
เราต้องนำข้อมูลอีกชุดมาดูประกอบ
11:22
and that data set is GDP, or the country's earnings.
271
682260
2000
นั่นคือ จีดีพี หรือรายได้รวมของประเทศ
11:24
Who has the biggest budget as a proportion of GDP?
272
684260
2000
ใครมีงบใหญ่ที่สุดเมื่อเทียบโดยสัดส่วนกับจีดีพี
11:26
Let's have a look.
273
686260
2000
ลองไปดู
11:28
That changes the picture considerably.
274
688260
3000
รูปการณ์เปลี่ยนไปพอสมควรเลย
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
691260
3000
มีหลายประเทศโผล่มา โดยที่คุณคงคาดไม่ถึง
11:34
and American drops into eighth.
276
694260
2000
และอเมริกาตกมาเป็นที่แปด
11:36
Now you can also do this with soldiers.
277
696260
2000
คุณทำแบบเดียวกันนี้กับกำลังทหารแทนก็ได้
11:38
Who has the most soldiers? It's got to be China.
278
698260
2000
ใครมีทหารมากที่สุด จีนแน่เลย
11:40
Of course, 2.1 million.
279
700260
2000
2.1 ล้านคน
11:42
Again, chiming with your view
280
702260
2000
พ้องกันกับความคิดคุณอีกแล้ว
11:44
that China has a militarized regime
281
704260
2000
ที่จีนมีระบอบการปกครองแบบทหาร
11:46
ready to, you know, mobilize its enormous forces.
282
706260
2000
พร้อมระดมกำลังพลมหาศาลทุกเมื่อ
11:48
But of course, China has an enormous population.
283
708260
3000
แต่แน่นอนว่า จีนมีประชากรมหาศาลด้วย
11:51
So if we do the same,
284
711260
2000
ดังนั้น หากเราใช้แนวคิดเดียวกัน
11:53
we see a radically different picture.
285
713260
2000
เราจะเห็นภาพที่แตกต่างไปอย่างสิ้นเชิง
11:55
China drops to 124th.
286
715260
2000
จีนตกมาเป็นลำดับที่ 124
11:57
It actually has a tiny army
287
717260
2000
ที่จริงแล้ว กองทัพจีนเล็กมาก
11:59
when you take other data into consideration.
288
719260
3000
เมื่อพิจารณาประกอบกับข้อมูลอื่น
12:02
So, absolute figures, like the military budget,
289
722260
2000
ดังนั้น ตัวเลขโดด ๆ อย่างงบกองทัพ
12:04
in a connected world,
290
724260
2000
ในโลกที่เชื่อมต่อกัน
12:06
don't give you the whole picture.
291
726260
2000
จึงไม่ให้ภาพรวมทั้งหมด
12:08
They're not as true as they could be.
292
728260
2000
มันยังไม่เป็นความจริงขั้นลึกที่สุด
12:10
We need relative figures that are connected to other data
293
730260
3000
เราต้องมีตัวเลขโดยเปรียบเทียบ ซึ่งเชื่อมโยงกับข้อมูลอื่น ๆ
12:13
so that we can see a fuller picture,
294
733260
2000
เพื่อให้เราเห็นภาพที่สมบูรณ์
12:15
and then that can lead to us changing our perspective.
295
735260
2000
ซึ่งจะทำให้มุมมองของของเราเปลี่ยนไปด้วยได้
12:17
As Hans Rosling, the master,
296
737260
2000
อย่างที่ฮันส์ รอสลิ่ง ปรมาจารย์
12:19
my master, said,
297
739260
3000
ครูของผม กล่าวว่า
12:22
"Let the dataset change your mindset."
298
742260
3000
"ให้ชุดข้อมูลเปลี่ยนความคิดของคุณ."
12:26
And if it can do that, maybe it can also change your behavior.
299
746260
3000
หากมันทำเช่นนั้นได้แล้ว มันอาจเปลี่ยนพฤติกรรมคุณด้วยก็ได้
12:29
Take a look at this one.
300
749260
2000
ลองดูภาพนี้
12:31
I'm a bit of a health nut.
301
751260
2000
ผมเป็นพวกบ้าสุขภาพ
12:33
I love taking supplements and being fit,
302
753260
3000
ชอบกินอาหารเสริมและออกกำลัง
12:36
but I can never understand what's going on in terms of evidence.
303
756260
3000
แต่ผมไม่เคยเข้าใจเลยพอพูดถึงหลักฐานอ้างอิง
12:39
There's always conflicting evidence.
304
759260
2000
มันจะมีอะไรขัดแย้งกันเสมอ
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
761260
2000
กินวิตามินซีดีมั้ย กินต้นอ่อนข้าวสาลีดีหรือเปล่า
12:43
This is a visualization of all the evidence
306
763260
2000
นี่คือแผนภูมิภาพของหลักฐานทั้งหมด
12:45
for nutritional supplements.
307
765260
2000
สำหรับอาหารเสริม
12:47
This kind of diagram is called a balloon race.
308
767260
3000
แผนภาพแบบนี้ เรียกว่าการแข่งบอลลูน
12:50
So the higher up the image,
309
770260
2000
รูปไหนยิ่งอยู่สูง
12:52
the more evidence there is for each supplement.
310
772260
3000
ก็ยิ่งมีหลักฐานของอาหารเสริมนั้น ๆ เยอะตาม
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
775260
3000
ขนาดวงกลมจะใหญ่ตามจำนวนที่ค้นเจอในกูเกิ้ล
12:58
So you can immediately apprehend
312
778260
3000
คุณจะเห็นภาพแล้วเข้าใจได้ในทันที
13:01
the relationship between efficacy and popularity,
313
781260
3000
ถึงความสัมพันธ์ระหว่างประสิทธิผล และความนิยม
13:04
but you can also, if you grade the evidence,
314
784260
3000
แล้วถ้าคุณเอาหลักฐานมาให้คะแนน
13:07
do a "worth it" line.
315
787260
2000
คุณก็ลากเส้น 'น่าลอง' ขึ้นได้ด้วย
13:09
So supplements above this line are worth investigating,
316
789260
3000
อาหารเสริมอันไหนอยู่เหนือเส้น ก็น่าลองใช้ดู
13:12
but only for the conditions listed below,
317
792260
3000
แต่ต้องดูเงื่อนไขข้างใต้ประกอบด้วย
13:15
and then the supplements below the line
318
795260
3000
แล้วอันไหนที่อยู่ต่ำกว่าเส้น
13:18
are perhaps not worth investigating.
319
798260
2000
ก็คงไม่คุ้มค่าไปหาใช้เท่าไหร่
13:20
Now this image constitutes a huge amount of work.
320
800260
3000
ภาพนี้ เราต้องหาข้อมูลเยอะมาก ๆ
13:23
We scraped like 1,000 studies from PubMed,
321
803260
3000
ใช้งานวิจัยกว่า 1,000 ชิ้นจากพับเมด (PubMed)
13:26
the biomedical database,
322
806260
2000
ซึ่งเป็นฐานข้อมูลด้านชีวเวชศาสตร์
13:28
and we compiled them and graded them all.
323
808260
3000
เอาทุกชิ้นมารวบรวม แล้วให้คะแนน
13:31
And it was incredibly frustrating for me
324
811260
2000
ซึ่งทำให้ผมอารมณ์เสียมาก ๆ
13:33
because I had a book of 250 visualizations to do for my book,
325
813260
3000
เพราะผมจะทำหนังสือ ซึ่งต้องใช้แผนภูมิภาพ 250 ชิ้น
13:36
and I spent a month doing this,
326
816260
2000
และผมใช้เวลา 1 เดือน ทำแค่อันนี้
13:38
and I only filled two pages.
327
818260
2000
แต่ใส่หนังสือได้แค่ 2 หน้าเอง
13:40
But what it points to
328
820260
2000
แต่ประเด็นคือ
13:42
is that visualizing information like this
329
822260
2000
แผนภูมิข้อมูลภาพแบบนี้
13:44
is a form of knowledge compression.
330
824260
2000
เป็นการบีบอัดความรู้รูปแบบหนึ่ง
13:46
It's a way of squeezing an enormous amount
331
826260
2000
เป็นวิธีการบับอัดข้อมูลและความเข้าใจ
13:48
of information and understanding
332
828260
2000
จำนวนมหาศาล
13:50
into a small space.
333
830260
2000
ให้เป็นพื้นที่เล็ก ๆ
13:52
And once you've curated that data, and once you've cleaned that data,
334
832260
2000
พอคุณจัดระเบียบและขัดเกลาข้อมูล
13:54
and once it's there,
335
834260
2000
จนเสร็จเรียบร้อยแล้ว
13:56
you can do cool stuff like this.
336
836260
2000
คุณก็จะทำอะไรเจ๋ง ๆ แบบนี้ได้ครับ
13:58
So I converted this into an interactive app,
337
838260
2000
ผมแปลงแผนภาพนี้ เป็นแอพแบบโต้ตอบได้
14:00
so I can now generate this application online --
338
840260
2000
แล้วก็สร้างแอพพลิเคชั่นออนไลน์นี้ขึ้นมา
14:02
this is the visualization online --
339
842260
2000
นี่ครับ แผนภาพออนไลน์
14:04
and I can say, "Yeah, brilliant."
340
844260
2000
เห็นแล้วก็อุทาน "เยี่ยมแท้"
14:06
So it spawns itself.
341
846260
2000
มันก็จะโผล่กันขึ้นมาเอง
14:08
And then I can say, "Well, just show me the stuff
342
848260
2000
แล้วถ้าผมว่า "ไหนขอแค่อันที่
14:10
that affects heart health."
343
850260
2000
มีผลต่อสุขภาพของหัวใจซิ"
14:12
So let's filter that out.
344
852260
2000
ผมก็ใช้ตัวกรองเสีย
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
854260
3000
ก็จะเหลือแต่พวกกลุ่มหัวใจ ดูได้สะดวก
14:17
I think, "No, no. I don't want to take any synthetics,
346
857260
2000
ผมคิดว่า "ไม่ ไม่ ไม่อยากทานสารสังเคราะห์น่ะ
14:19
I just want to see plants and --
347
859260
3000
ขอแค่พืชกับ --
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
862260
3000
เอาแค่สมุนไพรกับพืชพอ ขอดูพวกส่วนผสมจากธรรมชาติทุกตัว"
14:25
Now this app is spawning itself
349
865260
2000
แอพนี้ มันสร้างภาพขึ้นได้เอง
14:27
from the data.
350
867260
2000
จากดาต้า
14:29
The data is all stored in a Google Doc,
351
869260
2000
ซึ่งถูกเก็บไว้ในกูเกิ้ลด็อค (Google Doc)
14:31
and it's literally generating itself from that data.
352
871260
3000
แล้วภาพนี้ก็สร้างตัวเองขึ้นจากดาต้านั้นแหละ
14:34
So the data is now alive; this is a living image,
353
874260
2000
ดาต้าตอนนี้ จึงมีชีวิตขึ้นมา แปลงกายเปลี่ยนร่างได้
14:36
and I can update it in a second.
354
876260
2000
ผมอัพเดทข้อมูลได้แบบทันทีเลย
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
878260
2000
หลักฐานใหม่ออกมา ผมแค่เปลี่ยนแถวในสเปรดชีต
14:40
Doosh! Again, the image recreates itself.
356
880260
4000
แว้บ! ภาพก็สร้างตัวมันเองใหม่อีกครั้ง
14:44
So it's cool.
357
884260
2000
ซึ่งเจ๋งเลย
14:46
It's kind of living.
358
886260
3000
เหมือนมันมีชีวิตแน่ะ
14:49
But it can go beyond data,
359
889260
2000
แล้วเรายังใช้กับอย่างอื่น
14:51
and it can go beyond numbers.
360
891260
2000
นอกเหนือจากดาต้าหรือตัวเลขได้อีก
14:53
I like to apply information visualization
361
893260
2000
ผมชอบเอาการแปลงข้อมูลเป็นแผนภาพ
14:55
to ideas and concepts.
362
895260
3000
มาใช้กับแนวคิดหรือมุมมองต่าง ๆ
14:58
This is a visualization
363
898260
2000
นี่คือแผนภูมิภาพ
15:00
of the political spectrum,
364
900260
2000
ของขั้วความเชื่อทางการเมือง
15:02
an attempt for me to try
365
902260
2000
ผมพยายามทำความเข้าใจ
15:04
and understand how it works
366
904260
2000
ว่ามันมีกลไกอย่างไร
15:06
and how the ideas percolate down
367
906260
2000
และแนวคิดต่าง ๆ มันไหลเวียน
15:08
from government into society and culture,
368
908260
2000
จากรัฐบาล มาสู่สังคมและวัฒนธรรม
15:10
into families, into individuals, into their beliefs
369
910260
3000
จนถึงครอบครัว ตัวบุคคล และความเชื่อของพวกเขา
15:13
and back around again in a cycle.
370
913260
3000
แล้ววนกลับเป็นวัฏจักรอีกอย่างไร
15:16
What I love about this image
371
916260
2000
สิ่งที่ผมชอบเกี่ยวกับภาพนี้
15:18
is it's made up of concepts,
372
918260
2000
คือมันสร้างขึ้นจากแนวความคิด
15:20
it explores our worldviews
373
920260
2000
มันสำรวจโลกทัศน์ของเรา
15:22
and it helps us -- it helps me anyway --
374
922260
2000
และช่วยให้เรา - อย่างน้อยผมคนนึงล่ะ
15:24
to see what others think,
375
924260
2000
ได้เห็นสิ่งที่คนอื่นคิด
15:26
to see where they're coming from.
376
926260
2000
ได้เห็นว่าพวกเขามีที่มาอย่างไร
15:28
And it feels just incredibly cool to do that.
377
928260
3000
ซึ่งเป็นสิ่งที่เจ๋งมาก ๆ
15:31
What was most exciting for me
378
931260
3000
เรื่องน่าตื่นเต้นที่สุดสำหรับผม
15:34
designing this
379
934260
2000
ในการออกแบบสิ่งนี้
15:36
was that, when I was designing this image,
380
936260
2000
ก็คือ ตอนที่ผมออกแบบแผนภาพนี้
15:38
I desperately wanted this side, the left side,
381
938260
3000
ผมอยากจะไปอยู่ฝั่งซ้ายมาก ๆเลย
15:41
to be better than the right side --
382
941260
2000
จะได้ดูดีกว่าฝั่งขวา --
15:43
being a journalist, a Left-leaning person --
383
943260
3000
เพราะเป็นทั้งนักข่าว และหัวเอียงซ้าย
15:46
but I couldn't, because I would have created
384
946260
2000
แต่ผมทำไม่ได้ ไม่เช่นนั้น แผนภาพที่ได้
15:48
a lopsided, biased diagram.
385
948260
3000
จะเอียงข้าง และมีอคติ
15:51
So, in order to really create a full image,
386
951260
3000
ฉะนั้น เพื่อสร้างภาพที่สมบูรณ์อย่างแท้จริง
15:54
I had to honor the perspectives on the right-hand side
387
954260
3000
ผมจึงต้องให้เกียรติมุมมองที่อยู่ฝั่งขวา
15:57
and at the same time, uncomfortably recognize
388
957260
3000
และในขณะเดียวกัน ก็ครั่นเนื้อครั่นตัว
16:00
how many of those qualities were actually in me,
389
960260
3000
ว่าตัวเองก็มีความเป็นฝั่งขวาอยู่ไม่น้อย
16:03
which was very, very annoying and uncomfortable.
390
963260
2000
ซึ่งน่ารำคาญ และชวนอึดอัดใจมาก ๆ
16:05
(Laughter)
391
965260
4000
(เสียงหัวเราะ)
16:09
But not too uncomfortable,
392
969260
2000
แต่ก็ไม่อึดอัดใจเกินไปนัก
16:11
because there's something unthreatening
393
971260
3000
เพราะการมองดูความเชื่อทางการเมืองนั้น
16:14
about seeing a political perspective,
394
974260
2000
ไม่ได้สร้างความรู้สึกถูกคุกคาม
16:16
versus being told or forced to listen to one.
395
976260
3000
เมื่อเทียบกับการถูกบอกหรือบังคับให้ฟัง
16:19
You're capable of holding conflicting viewpoints
396
979260
3000
คุณยังยึดถือมุมมองที่ขัดแย้งกันได้
16:22
joyously when you can see them.
397
982260
2000
อย่างสบายใจเมื่อมองดูความเชื่อ
16:24
It's even fun to engage with them
398
984260
2000
อาจสนุกเสียด้วยซ้ำ ถ้าเราลองคิดตาม
16:26
because it's visual.
399
986260
2000
เพราะคุณเห็นเป็นภาพ
16:28
So that's what's exciting to me,
400
988260
2000
นั่นเอง คือเรื่องน่าตื่นเต้นสำหรับผม
16:30
seeing how data can change my perspective
401
990260
2000
การได้เห็นว่า ข้อมูลสามารถเปลี่ยนมุมมอง
16:32
and change my mind midstream --
402
992260
2000
เปลี่ยนความคิดของผมได้กลางครรภ์
16:34
beautiful, lovely data.
403
994260
3000
ข้อมูลที่สวยงาม สบายตา
16:38
So, just to wrap up,
404
998260
2000
สรุปปิดท้าย
16:40
I wanted to say
405
1000260
2000
ผมอยากจะบอกว่า
16:42
that it feels to me that design is about solving problems
406
1002260
2000
สำหรับผม การออกแบบนั้น คือการแก้ปัญหา
16:44
and providing elegant solutions,
407
1004260
3000
และหาทางแก้ด้วยวิธีเรียบง่ายลงตัว
16:47
and information design is about
408
1007260
2000
และการออกแบบข้อมูลก็เกี่ยวข้อง
16:49
solving information problems.
409
1009260
2000
กับการแก้ปัญหาด้านข้อมูล
16:51
It feels like we have a lot of information problems
410
1011260
2000
เราดูจะมีปัญหาด้านข้อมูล มากมายหลายอย่าง
16:53
in our society at the moment,
411
1013260
2000
ในสังคมของเรายุคนี้
16:55
from the overload and the saturation
412
1015260
2000
ทั้งเรื่องข้อมูลที่มากมายจนรับไม่ทัน
16:57
to the breakdown of trust and reliability
413
1017260
2000
จนถึงความน่าเชื่อถือและไว้ใจได้ที่ร่อยหรอลง
16:59
and runaway skepticism and lack of transparency,
414
1019260
2000
การตั้งป้อมค้านอย่างมีอคติและการขาดความโปร่งใส
17:01
or even just interestingness.
415
1021260
2000
หรือกระทั่งเพราะความน่าสนใจ
17:03
I mean, I find information just too interesting.
416
1023260
2000
สำหรับผม ข้อมูลมันน่าสนใจเหลือเกิน
17:05
It has a magnetic quality that draws me in.
417
1025260
3000
เป็นเหมือนแม่เหล็กที่ดูดผมให้เข้าหา
17:09
So, visualizing information
418
1029260
2000
การแปรข้อมูลเป็นภาพ
17:11
can give us a very quick solution to those kinds of problems.
419
1031260
3000
จะช่วยแก้ปัญหาเหล่านี้ได้อย่างรวดเร็วมาก
17:14
Even when the information is terrible,
420
1034260
2000
แม้ว่าตัวข้อมูลจะคุณภาพแย่
17:16
the visual can be quite beautiful.
421
1036260
3000
แผนภาพที่ได้ก็ยังดูสวยงาม
17:19
Often we can get clarity
422
1039260
3000
แล้วเราก็มักจะได้ความกระจ่าง
17:22
or the answer to a simple question very quickly,
423
1042260
2000
หรือคำตอบสำหรับคำถามง่าย ๆ อย่างรวดเร็ว
17:24
like this one,
424
1044260
2000
เช่นอย่างนี้
17:26
the recent Icelandic volcano.
425
1046260
3000
เกี่ยวกับเหตุภูเขาไฟของไอซ์แลนด์ปะทุ
17:29
Which was emitting the most CO2?
426
1049260
2000
อะไรปล่อยก๊าซซีโอทู (CO2) มากที่สุด
17:31
Was it the planes or the volcano,
427
1051260
2000
เครื่องบินหรือภูเขาไฟ
17:33
the grounded planes or the volcano?
428
1053260
2000
เครื่องบินที่ขึ้นบินไม่ได้เพราะควัน หรือภูเขาไฟ
17:35
So we can have a look.
429
1055260
2000
ดูได้ตามนี้ครับ
17:37
We look at the data and we see:
430
1057260
2000
พอเราดูข้อมูล ก็จะเห็น
17:39
Yep, the volcano emitted 150,000 tons;
431
1059260
2000
ภูเขาไฟปล่อยออกมา 150,000 ตัน
17:41
the grounded planes would have emitted
432
1061260
2000
เครื่องบินจะปล่อยก๊าซ
17:43
345,000 if they were in the sky.
433
1063260
3000
345,000 ตัน ถ้าหากขึ้นบินได้เพราะไม่ติดควันภูเขาไฟ
17:46
So essentially, we had our first carbon-neutral volcano.
434
1066260
3000
เป็นภูเขาไฟ ที่ปล่อยคาร์บอนรวมเป็นศูนย์ ลูกแรกเลยทีเดียว
17:49
(Laughter)
435
1069260
2000
(เสียงหัวเราะ)
17:51
(Applause)
436
1071260
9000
(เสียงปรบมือ)
18:00
And that is beautiful. Thank you.
437
1080260
3000
สวยงามดีนะครับ ขอบคุณครับ
18:03
(Applause)
438
1083260
8000
(เสียงปรบมือ)
เกี่ยวกับเว็บไซต์นี้

ไซต์นี้จะแนะนำคุณเกี่ยวกับวิดีโอ YouTube ที่เป็นประโยชน์สำหรับการเรียนรู้ภาษาอังกฤษ คุณจะได้เห็นบทเรียนภาษาอังกฤษที่สอนโดยอาจารย์ชั้นนำจากทั่วโลก ดับเบิลคลิกที่คำบรรยายภาษาอังกฤษที่แสดงในแต่ละหน้าของวิดีโอเพื่อเล่นวิดีโอจากที่นั่น คำบรรยายเลื่อนซิงค์กับการเล่นวิดีโอ หากคุณมีความคิดเห็นหรือคำขอใด ๆ โปรดติดต่อเราโดยใช้แบบฟอร์มการติดต่อนี้

https://forms.gle/WvT1wiN1qDtmnspy7