The beauty of data visualization | David McCandless

Translator: Rawee Ma Reviewer: Teerachart Prasert

It feels like we're all suffering

ตอนนี้ ปัญหาของเราทุกคน

from information overload or data glut.

มาจากข้อมูลข่าวสารที่มากเกินไป

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

ข่าวดีคือ เรื่องนี้มีทางแก้ง่าย ๆ อยู่

and that's using our eyes more.

นั่นคือ การใช้ดวงตาของเราให้มากขึ้น

So, visualizing information, so that we can see

โดยแปรข้อมูลเป็นแผนภาพ เราจะได้มองเห็น

the patterns and connections that matter

รูปแบบและความสัมพันธ์ที่สำคัญ

and then designing that information so it makes more sense,

ดีไซน์ข้อมูล เพื่อให้ใช้ตีความได้ดีขึ้น

or it tells a story,

ให้มันเล่าเรื่องราว

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

หรือช่วยให้เราพุ่งความสนใจแค่ส่วนที่สำคัญ

Failing that, visualized information can just look really cool.

หรือไม่เช่นนั้น แค่แผนภาพสวย ๆ ก็ยังดูเจ๋งมาก ๆ อยู่ดี

So, let's see.

มาดูกันเลยครับ

This is the $Billion Dollar o-Gram,

นี่คือ "บิลเลี่ยน ดอลล่าร์ โอแกรม" ('แผนภาพพันล้านเหรียญ')

and this image arose

ภาพนี้เกิดขึ้น

out of frustration I had

จากความหงุดหงิด

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

เวลาอ่านข่าวที่รายงานตัวเลขระดับพันล้าน

That is, they're meaningless without context:

ตัวเลขพวกนี้ ไม่มีความหมายเลยถ้าไม่มีบริบท

500 billion for this pipeline,

5 แสนล้านสำหรับท่อขนส่งน้ำมัน

20 billion for this war.

2 หมื่นล้านสำหรับสงคราม

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

ตีความต่อไม่ได้เลย วิธีเดียวที่จะเข้าใจได้

is visually and relatively.

คือใช้ภาพ และการเปรียบเทียบ

So I scraped a load of reported figures

ดังนั้นผมจึงเก็บตัวเลขรายงานพวกนี้

from various news outlets

จากรายงานข่าวต่าง ๆ

and then scaled the boxes according to those amounts.

มาทำเป็นรูปสี่เหลี่ยม มีขนาดตามมูลค่าเงิน

And the colors here represent the motivation behind the money.

แล้วใช้สีแทนแรงจูงใจต่าง ๆ ของการใช้เงิน

So purple is "fighting,"

สีม่วงคือ "การสงคราม"

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

สีแดงคือ "การบริจาค" และสีเขียวคือ "ฉวยโอกาสค้ากำไร"

And what you can see straight away

สิ่งที่คุณเห็นได้ทันที

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

คือ มุมมองต่อจำนวนเงินของคุณจะเปลี่ยนไป

You can literally see them.

ตัวเลขกลายเป็นภาพที่จับต้องได้

But more importantly, you start to see

ที่สำคัญกว่าคือ คุณจะเห็น

patterns and connections between numbers

รูปแบบและความสัมพันธ์ระหว่างตัวเลขต่างๆ

that would otherwise be scattered across multiple news reports.

ที่กระจัดกระจายอยู่ตามรายงานข่าว

Let me point out some that I really like.

ผมขอชี้บางอันที่ผมชอบมากนะครับ

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

นี่คือรายได้ของกลุ่มโอเป็คในกล่องสีเขียว

780 billion a year.

7.8 แสนล้านต่อปี

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

ส่วนช่องเล็ก ๆ ตรงหัวมุมนี้ -- 3 พันล้าน --

that's their climate change fund.

คือมูลค่ากองทุนภูมิอากาศแปนปรวนของโอเปค

Americans, incredibly generous people --

ชาวอเมริกัน ใจกว้างอย่างไม่น่าเชื่อ

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

เพราะบริจาคเงินให้การกุศล ทุก ๆ ปีกว่า 3 แสนล้านเหรียญ

compared with the amount of foreign aid

เมื่อเทียบกับมูลค่าเงินช่วยเหลือต่างประเทศ

given by the top 17 industrialized nations

ซึ่งบริจาคโดย 17 ประเทศอุตสาหกรรมชั้นนำ

at 120 billion.

ที่ 1.2 แสนล้าน

Then of course,

แล้วแน่นอน

the Iraq War, predicted to cost just 60 billion

สงครามอิรัก ซึ่งเคยคาดว่าจะใช้เงินเพียง 6 หมื่นล้าน

back in 2003.

ในปี 2003

And it mushroomed slightly. Afghanistan and Iraq mushroomed now

แล้วก็ค่อย ๆ บานปลาย จนตอนนี้ อัฟกานิสถาน และอิรัก ใช้เงินไปแล้ว

to 3,000 billion.

3 ล้านล้าน

So now it's great

ทีนี้ก็เยี่ยมเลย

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

เพราะตอนนี้เรามีข้อมูลให้เปรียบเทียบ แล้วเราจะเพิ่มข้อมูลเข้าไปอีกก็ได้

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

อาจมีตัวเลขใหม่ออกมา เช่น หนี้ชาติแอฟริกัน

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

พื้นที่จะใหญ่แค่ไหนครับ ถ้าใช้มูลค่า

by the debt that Africa owes to the West?

หนี้ที่แอฟริกาค้างชาติตะวันตก?

Let's take a look.

มาดูกันเลย

So there it is:

ตามนี้ครับ

227 billion is what Africa owes.

2.27 แสนล้าน คือมูลค่าหนี้ของแอฟริกา

And the recent financial crisis,

และวิกฤตการเงินที่ผ่านมาล่ะ

how much of this diagram might that figure take up?

ตัวเลขที่ได้ จะกินพื้นที่ขนาดไหน?

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

วิกฤตินั้นสร้างความเสียหายให้โลกขนาดไหน? ลองมาดู

Dooosh -- Which I think is the appropriate sound effect

วูบบบบ - เสียงแบบนี้ ผมว่าเหมาะเลย

for that much money:

สำหรับเงินมากขนาดนี้

11,900 billion.

11.9 ล้านล้าน

So, by visualizing this information,

เมื่อแปรข้อมูลเหล่านี้เป็นแผนภาพ

we turned it into a landscape

เราก็จะได้ภาพภูมิทัศน์

that you can explore with your eyes,

ที่คุณสำรวจได้เพียงแค่กวาดสายตา

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

เป็นเหมือนแผนที่, เป็นแผนที่ของข้อมูล

And when you're lost in information,

พอข้อมูลเยอะมาก จนคุณหลงทาง

an information map is kind of useful.

แผนที่ข้อมูลนี้ ก็จะช่วยคุณได้

So I want to show you another landscape now.

ผมอยากแสดงภาพภูมิทัศน์อีกอันให้ดูกัน

We need to imagine what a landscape

เราจะมาจินตนาการกันว่าภูมิทัศน์

of the world's fears might look like.

ความกลัวของชาวโลก มันเป็นอย่างไร

Let's take a look.

มาดูกันเลย

This is Mountains Out of Molehills,

นีคือ เทือกเขาเนินตัวตุ่น

a timeline of global media panic.

แสดงลำดับเวลาความหวาดกลัวของสื่อทั่วโลก

(Laughter)

(เสียงหัวเราะ)

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

อีกเดี๋ยวผมจะอธิบายให้ฟัง

But the height here, I want to point out,

แต่ผมอยากบอกก่อนว่า ยอดกราฟพวกนี้

is the intensity of certain fears

คือระดับความรุนแรงของความหวาดกลัว

as reported in the media.

จากรายงานข่าวต่าง ๆ

Let me point them out.

ผมจะอธิบายให้ฟังนะครับ

So this, swine flu -- pink.

อันนี้ไข้หวัดหมู -- สีชมพู

Bird flu.

ไข้หวัดนก

SARS -- brownish here. Remember that one?

โรคซาร์ส สีน้ำตาล ยังจำได้มั้ยครับ?

The millennium bug,

เรื่องกลัวคอมพิวเตอร์ล่มปี 2000

terrible disaster.

น่ากลัวมาก ๆ เลย

These little green peaks

ยอดสีเขียวเล็ก ๆ พวกนี้

are asteroid collisions.

คือกลัวอุกกาบาตชนโลก

(Laughter)

(เสียงหัวเราะ)

And in summer, here, killer wasps.

ในช่วงฤดูร้อน ก็กลัวตัวต่อเพชรฆาต

(Laughter)

(เสียงหัวเราะ)

So these are what our fears look like

เหล่านี้ คือสิ่งที่เราหวาดกลัว

over time in our media.

ซึ่งเห็นได้จากสื่อในระยะเวลาต่าง ๆ

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

สิ่งที่ผมชอบมาก -- ผมเป็นนักข่าวนะครับ --

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

คือการหารูปแบบเกิดซ้ำที่ซ่อนอยู่ ผมชอบเป็นนักสืบข้อมูล

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

ข้อมูลเหล่านี้ มีรูปแบบเกิดซ้ำที่แปลก และน่าสนใจมาก ๆ ซ่อนอยู่

that you can only see when you visualize it.

และจะเห็นได้ เมื่อแปรเป็นภาพก่อนเท่านั้น

Let me highlight it for you.

อย่างที่ผมจะชี้ให้ดูนี้นะครับ

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

เส้น ๆ นี้ เป็นภูมิทัศน์วิดีโอเกมรุนแรง

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

จะเห็นว่า ข้อมูลนี้มีรูปแบบแปลก ๆ เกิดขึ้นซ้ำ ๆ

twin peaks every year.

เป็นยอดคู่ อยู่ทุก ๆ ปี

If we look closer, we see those peaks occur

ดูให้ละเอียด ก็จะเห็นว่ายอดคู่พวกนั้น

at the same month every year.

เกิดขึ้นในเดือนเดียวกัน ทุก ๆ ปี

Why?

ทำไม?

Well, November, Christmas video games come out,

พฤศจิกายน วีดีโอเกมใหม่วางตลาดรับคริสต์มาส

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

ความกังวลเกี่ยวกับเนื้อหาของเกม จึงเพิ่มสูงขึ้น

But April isn't a particularly massive month

แต่เมษายนก็ไม่ใช่เดือนที่คึกคักเท่าไหร่

for video games.

สำหรับวิดีโอเกม

Why April?

แล้วทำไมเมษายนด้วยล่ะ?

Well, in April 1999 was the Columbine shooting,

ในเดือนเมษายน 1999 เกิดเหตุสังหารหมู่โคลัมไบน์ขึ้น

and since then, that fear

แต่นั้นมา สื่อจึงจดจำความกลัวนี้

has been remembered by the media

มาโดยตลอด

and echoes through the group mind gradually through the year.

แล้วสะท้อนผ่านความนึกคิดของสื่อ มานานหลายปี

You have retrospectives, anniversaries,

เป็นทั้งข่าวรำลึก วันครบรอบ

court cases, even copy-cat shootings,

คดีในศาล หรือกระทั่งกรณีสังหารเลียนแบบ

all pushing that fear into the agenda.

ทั้งหลายแหล่ เพื่อตอกย้ำความกลัวนี้ ลงในเนื้อหา

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

ยังมีรูปแบบเกิดซ้ำอีกอันนึงครับ

See that gap there? There's a gap,

ช่องว่างตรงนั้นครับ

and it affects all the other stories.

มันมีผลกระทบต่อเรื่องอื่น ๆ ทุกเรื่องเลย

Why is there a gap there?

ทำไมมีช่องว่างอยู่ตรงนั้นล่ะ?

You see where it starts? September 2001,

ดูที่จุดเริ่มต้นของช่องครับ กันยายน 2001

when we had something very real

ช่วงเวลาที่เรามีภัยคุกคามซึ่งจับต้องได้

to be scared about.

ให้หวาดกลัวกัน

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

ผมทำงานเป็นนักข่าวสายงานดาต้าประมาณหนึ่งปี

and I keep hearing a phrase

ผมจะได้ยินวลีนี้

all the time, which is this:

ตลอดเวลาเลย

"Data is the new oil."

"ดาต้าคือน้ำมันยุคใหม่"

Data is the kind of ubiquitous resource

ดาต้าเป็นเหมือนทรัพยากรที่มีอยู่แพร่หลาย

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

ให้เรานำมาใช้สร้างนวัตกรรม หรือหาข้อมูลเชิงลึกใหม่ ๆ ได้

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

มันอยู่ทุกที่รอบตัวเรา และค้นหาได้ง่ายมาก ๆ

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

เป็นคำอุปมาที่ไม่ค่อยดีนักสำหรับเวลานี้

especially if you live around the Gulf of Mexico,

โดยเฉพาะ ถ้าคุณอยู่แถว ๆ อ่าวเม็กซิโก

but I would, perhaps, adapt this metaphor slightly,

ผมจะขอปรับคำอุปมานี้นิดหน่อย

and I would say that data is the new soil.

ว่า ดาต้าคือดินยุคใหม่

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

เพราะผมคิดว่า มันเป็นสื่อสร้างสรรค์ ที่อุดมสมบูรณ์มาก

Over the years, online,

หลายปีมานี้ บนโลกออนไลน์

we've laid down

เราได้โปรยหว่าน

a huge amount of information and data,

เมล็ดพันธ์ข่าวสารและดาต้าจำนวนมหาศาล

and we irrigate it with networks and connectivity,

วางเน็ตเวิร์กและการเชื่อมต่อ เสมือนระบบรดน้ำ

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

โดยมีรัฐบาลและพนักงานที่ไม่ได้ค่าจ้าง ช่วยไถพรวน และเตรียมพื้นที่

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

ผมอาจจะอุปมาหนักมือไปหน่อย

But it's a really fertile medium,

แต่มันเป็นสื่อที่อุดมสมบูรณ์จริง ๆ

and it feels like visualizations, infographics, data visualizations,

แผนภูมิภาพจากดาต้า และอินโฟกราฟฟิกต่าง ๆ

they feel like flowers blooming from this medium.

ก็เป็นเหมือนดอกไม้ที่เบ่งบานขึ้นจากสื่อนี้

But if you look at it directly,

ถ้าคุณแค่กวาดตาดูเฉย ๆ

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

ก็จะเห็นแค่ตัวเลข กับข้อมูลที่สะเปะสะปะ

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

แต่ถ้าคุณลองใคร่ครวญ แล้วดัดแปลงข้อมูล

interesting things can appear and different patterns can be revealed.

เรื่องน่าสนใจจะปรากฏ และรูปแบบที่แปลกใหม่จะเผยโฉม

Let me show you this.

ผมขอแสดงตัวอย่างนี้

Can you guess what this data set is?

เดาออกมั้ยครับ ว่านี่เป็นข้อมูลอะไร

What rises twice a year,

อะไรเอ่ย ที่เพิ่มขึ้นสูง 2 ครั้งต่อปี

once in Easter

ครั้งแรกในวันอีสเตอร์

and then two weeks before Christmas,

อีกครั้ง ช่วง 2 สัปดาห์ก่อนวันคริสต์มาส

has a mini peak every Monday,

มียอดเล็ก ๆ ทุกวันจันทร์

and then flattens out over the summer?

แล้วแบนเรียบลงในช่วงฤดูร้อน

I'll take answers.

ใครตอบหน่อยครับ

(Audience: Chocolate.) David McCandless: Chocolate.

(ผู้ชม: ช็อคโกแลต) เดวิด: ช็อคโกแลต

You might want to get some chocolate in.

อาจจะเป็นช็อกโกแลตมั้ย

Any other guesses?

มีใครตอบอีกมั้ย

(Audience: Shopping.) DM: Shopping.

(ผู้ชม: ช้อปปิ้ง) เดวิด:ช็อปปิ้ง

Yeah, retail therapy might help.

เป็นไปได้ คนเราต้องช็อปคลายเครียดกันบ้าง

(Audience: Sick leave.)

(ผู้ชม: ลาป่วย)

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

เดวิด: ลาป่วย ใคร ๆก็ชอบวันเบา ๆกันทั้งนั้น

Shall we see?

ดูกันดีกว่า ('ยอดการบอกเลิก สรุปจากการอัพเดตสเตตัสเฟซบุ้ก')

(Laughter)

(เสียงหัวเราะ)

(Applause)

(เสียงปรบมือ)

So, the information guru Lee Byron and myself,

กูรูด้านข้อมูล ลี ไบรอน (Lee Byron) และตัวผมเอง

we scraped 10,000 status Facebook updates

เรารวบรวมสเตตัสเฟสบุ้กมา 10,000 อัน

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

แล้วหาคำว่า "เลิกกัน" และ "แยกทางกัน"

and this is the pattern we found --

และนี่คือรูปแบบที่เราพบ --

people clearing out for Spring Break,

เลิกกัน จะได้อิสระรับปิดเทอมฤดูใบไม้ผลิ

(Laughter)

(หัวเราะ)

coming out of very bad weekends on a Monday,

เลิกกันวันจันทร์ เพราะสุดสัปดาห์ไม่ได้ดังใจ

being single over the summer,

โสดสนิท ตลอดฤดูร้อน

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

และวันที่บอกเลิกกันน้อยที่สุดของปี วันคริสต์มาส

Who would do that?

ใครเขาจะเลิกกันลง

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

ตอนนี้ ข้อมูลมีจำนวนมโหฬารมหาศาล

unprecedented.

เป็นประวัติการณ์

But if you ask the right kind of question,

แต่ถ้าคุณถามคำถามที่ถูกต้อง

or you work it in the right kind of way,

หรือดัดแปลงข้อมูลด้วยวิธีดี ๆได้

interesting things can emerge.

คุณจะได้เห็นสิ่งที่น่าสนใจ

So information is beautiful. Data is beautiful.

ข้อมูลก็มีความสวยงาม ดาต้าก็มีความสวยงาม

I wonder if I could make my life beautiful.

ถ้างั้น ชีวิตตัวผมเอง จะสวยงามได้ด้วยมั้ย

And here's my visual C.V.

นี่คือภาพประวัติทำงานของผมครับ

I'm not quite sure I've succeeded.

ผมว่า ยังดูไม่ค่อยสวยเท่าไหร่

Pretty blocky, the colors aren't that great.

ดูเป็นแท่ง ๆ สีก็ยังไม่ค่อยโดน

But I wanted to convey something to you.

แต่ผมอยากจะสื่อบางอย่างกับคุณ

I started as a programmer,

เริ่มต้น ผมเป็นโปรแกรมเมอร์

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

แล้วมาเป็นนักเขียนอยู่นาน ประมาณ 20 ปี

in print, online and then in advertising,

ทั้งในสิ่งพิมพ์ ออนไลน์ และในโฆษณา

and only recently have I started designing.

แล้วก็เพิ่งได้เริ่มทำงานออกแบบ

And I've never been to design school.

ผมไม่เคยไปเรียนที่โรงเรียนการออกแบบ

I've never studied art or anything.

ศิลปะอะไร ก็ไม่เคยเรียน

I just kind of learned through doing.

แต่เรียนเอาจากลองทำดูเอง

And when I started designing,

พอผมเริ่มทำงานออกแบบ

I discovered an odd thing about myself.

ผมค้นพบสิ่งที่แปลกเกี่ยวกับตัวเอง

I already knew how to design,

ผมรู้วิธีการออกแบบอยู่แล้ว

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

ไม่ใช่ว่า ผมเก่งกาจมหัศจรรย์อะไรนะครับ

but more like I was sensitive

แต่เหมือนผมจะจับจุดได้ไว

to the ideas of grids and space

กับเรื่องจำพวกตารางและพื้นที่

and alignment and typography.

การจัดตำแหน่งและตัวอักษร

It's almost like being exposed

ราวกับว่า การได้คลุกคลี

to all this media over the years

กับสื่อแบบต่าง ๆ ที่ผ่านมานั้น

had instilled a kind of dormant design literacy in me.

ทำให้ผมได้เรียนงานออกแบบโดยไม่รู้ตัว

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

และผมคิดว่า ผมไม่ได้เป็นอยู่คนเดียว

I feel that everyday, all of us now

ผมเชื่อว่า ตอนนี้พวกเราทุกคน

are being blasted by information design.

เห็นการออกแบบข้อมูลเต็มไปหมด

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

มันถูกถ่ายทอดสู่สายตาของเราผ่านเว็บไซต์

and we're all visualizers now;

ตอนนี้ เราทุกคนเป็นนักแปลงข้อมูลเป็นภาพ

we're all demanding a visual aspect

เราทุกคน ต่างร้องหามุมมองด้านภาพ

to our information.

ประกอบข้อมูลของเรา

There's something almost quite magical about visual information.

ข้อมูลแบบรูปภาพนี่ จะมีความมหัศจรรย์บางอย่าง

It's effortless, it literally pours in.

มันง่ายดาย กวาดตาเห็นหมด

And if you're navigating a dense information jungle,

การหาข้อมูลมากมายจนเหมือนเดินฝ่าป่าหนาทึบ

coming across a beautiful graphic

แล้วไปเจอกราฟฟิกสวย ๆ

or a lovely data visualization,

หรือแผนภูมิภาพดูง่าย ๆ สบายตา

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

จะรู้สึกสดชื่น เหมือนเจอลานโล่งกลางป่าทึบ

I was curious about this, so it led me

ผมสงสัยว่าเพราะอะไร เลยได้ไปเจอ

to the work of a Danish physicist

ผลงานของนักฟิสิกส์ชาวเดนมาร์ก

called Tor Norretranders,

ทอร์ นอร์ทรานเดอร์ส (Tor Norretranders)

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

เขาแปลงความสามารถในการส่งข้อมูลทางประสาทสัมผัสต่าง ๆ เป็นศัพท์ทางคอมพิวเตอร์

So here we go. This is your senses,

และนี่คือ ประสาทสัมผัสต่าง ๆ ของคุณ

pouring into your senses every second.

ที่เรารับรู้อยู่ทุกวินาที

Your sense of sight is the fastest.

การรับรู้ผ่านสายตาจะรวดเร็วที่สุด

It has the same bandwidth as a computer network.

ส่งถ่ายข้อมูลได้มาก เหมือนเครือข่ายคอมพิวเตอร์เลย

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

ผิวสัมผัสจะรองลงมา เร็วเท่ากับแท่งยูเอสบี

And then you have hearing and smell,

จากนั้นก็เป็น เสียงกับกลิ่น

which has the throughput of a hard disk.

ซึ่งส่งข้อมูลได้เท่าแผ่นฮาร์ดดิสก์

And then you have poor old taste,

อันดับแย่สุด คือรสชาติ

which is like barely the throughput of a pocket calculator.

ให้ข้อมูลได้แค่เครื่องคิดเลขพกพาเท่านั้น

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

และที่ตารางเล็กๆ ตรงมุมนั้น คือ 0.7 %

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

คือปริมาณข้อมูลที่เรารับรู้ได้อย่างแท้จริง

So a lot of your vision --

ฉะนั้น สิ่งที่ตาคุณมองเห็นนั้น

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

ส่วนใหญ่คือข้อมูลภาพ ซึ่งหลั่งไหลเข้ามา

It's unconscious.

โดยไม่รู้ตัวด้วยซ้ำ

The eye is exquisitely sensitive

ดวงตามีสัมผัสฉับไวมาก

to patterns in variations in color, shape and pattern.

ต่อแบบแผนเกิดซ้ำ ทั้งสี รูปทรง และลวดลาย

It loves them, and it calls them beautiful.

ดวงตาชอบสิ่งเหล่านี้ เพราะเห็นแล้วงามตา

It's the language of the eye.

สิ่งนี้เป็นภาษาของดวงตา

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

ถ้าคุณรวมภาษาของดวงตา เข้ากับภาษาของสมอง

which is about words and numbers and concepts,

ซึ่งเป็นคำศัพท์ ตัวเลข และแนวคิด

you start speaking two languages simultaneously,

เท่ากับว่าคุณกำลังพูดสองภาษาพร้อม ๆ กัน

each enhancing the other.

แต่ละอันเสริมความหมายกันและกัน

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

คุณใช้ตารับภาพ แล้วสมองก็รับแนวคิด

And that whole thing -- it's two languages

รวมกันเข้า เป็นสองภาษา

both working at the same time.

ทำงานไปพร้อม ๆ กัน

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

แล้วเราก็จะใช้ภาษาใหม่นี้

to alter our perspective or change our views.

เพื่อปรับทัศนคติ หรือมุมมองของเราได้

Let me ask you a simple question

ผมขอถามคำถามพื้น ๆ

with a really simple answer:

ที่มีคำตอบง่าย ๆ นะครับ

Who has the biggest military budget?

ใครมีงบประมาณทางทหารที่มากที่สุดครับ

It's got to be America, right?

ต้องอเมริกาสิ ใช่มั้ย

Massive. 609 billion in 2008 --

เยอะมาก 6.09 แสนล้านใน ค.ศ. 2008

607, rather.

โทษที 6.07

So massive, in fact, that it can contain

เยอะมาก จนเอางบการทหารที่เหลือทั้งโลก

all the other military budgets in the world inside itself.

ไปใส่รวมกันในกล่องของสหรัฐฯ ได้เลย

Gobble, gobble, gobble, gobble, gobble.

ง่ำ ง่ำ ง่ำ ง่ำ ง่ำ

Now, you can see Africa's total debt there

ข้าง ๆ นั่น คือหนี้มวลรวมของแอฟริกา

and the U.K. budget deficit for reference.

และการขาดดุลงบประมาณของอังกฤษ เอาไว้เปรียบเทียบ

So that might well chime

ซึ่งคงจะพ้องกันดี

with your view that America

กับมุมมองของคุณว่าอเมริกา

is a sort of warmongering military machine,

เป็นเครื่องจักรทางทหารบ้าสงคราม

out to overpower the world

วางอำนาจคุมโลก

with its huge industrial-military complex.

ด้วยขุมกำลังการทหารขนาดอุตสาหกรรมใหญ่โต

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

แต่จริงหรือ ที่อเมริกามีงบกองทัพใหญ่ที่สุด

Because America is an incredibly rich country.

เพราะอเมริกานั้น ร่ำรวยอย่างไม่น่าเชื่อ

In fact, it's so massively rich

ร่ำรวยล้นฟ้า ขนาดที่ว่า

that it can contain the four other

จุเอาเศรษฐกิจประเทศอุตสาหกรรม

top industrialized nations' economies

ชั้นนำอีก 4 ประเทศ

inside itself, it's so vastly rich.

มารวมกันไว้ได้เลย ร่ำรวยมาก ๆ

So its military budget is bound to be enormous.

งบกองทัพของสหรัฐฯ ย่อมใหญ่ตามเป็นธรรมดา

So, to be fair and to alter our perspective,

ดังนั้น เพื่อให้ยุติธรรม และปรับมุมมองเราใหม่

we have to bring in another data set,

เราต้องนำข้อมูลอีกชุดมาดูประกอบ

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

นั่นคือ จีดีพี หรือรายได้รวมของประเทศ

Who has the biggest budget as a proportion of GDP?

ใครมีงบใหญ่ที่สุดเมื่อเทียบโดยสัดส่วนกับจีดีพี

Let's have a look.

ลองไปดู

That changes the picture considerably.

รูปการณ์เปลี่ยนไปพอสมควรเลย

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

มีหลายประเทศโผล่มา โดยที่คุณคงคาดไม่ถึง

and American drops into eighth.

และอเมริกาตกมาเป็นที่แปด

Now you can also do this with soldiers.

คุณทำแบบเดียวกันนี้กับกำลังทหารแทนก็ได้

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

ใครมีทหารมากที่สุด จีนแน่เลย

Of course, 2.1 million.

2.1 ล้านคน

Again, chiming with your view

พ้องกันกับความคิดคุณอีกแล้ว

that China has a militarized regime

ที่จีนมีระบอบการปกครองแบบทหาร

ready to, you know, mobilize its enormous forces.

พร้อมระดมกำลังพลมหาศาลทุกเมื่อ

But of course, China has an enormous population.

แต่แน่นอนว่า จีนมีประชากรมหาศาลด้วย

So if we do the same,

ดังนั้น หากเราใช้แนวคิดเดียวกัน

we see a radically different picture.

เราจะเห็นภาพที่แตกต่างไปอย่างสิ้นเชิง

China drops to 124th.

จีนตกมาเป็นลำดับที่ 124

It actually has a tiny army

ที่จริงแล้ว กองทัพจีนเล็กมาก

when you take other data into consideration.

เมื่อพิจารณาประกอบกับข้อมูลอื่น

So, absolute figures, like the military budget,

ดังนั้น ตัวเลขโดด ๆ อย่างงบกองทัพ

in a connected world,

ในโลกที่เชื่อมต่อกัน

don't give you the whole picture.

จึงไม่ให้ภาพรวมทั้งหมด

They're not as true as they could be.

มันยังไม่เป็นความจริงขั้นลึกที่สุด

We need relative figures that are connected to other data

เราต้องมีตัวเลขโดยเปรียบเทียบ ซึ่งเชื่อมโยงกับข้อมูลอื่น ๆ

so that we can see a fuller picture,

เพื่อให้เราเห็นภาพที่สมบูรณ์

and then that can lead to us changing our perspective.

ซึ่งจะทำให้มุมมองของของเราเปลี่ยนไปด้วยได้

As Hans Rosling, the master,

อย่างที่ฮันส์ รอสลิ่ง ปรมาจารย์

my master, said,

ครูของผม กล่าวว่า

"Let the dataset change your mindset."

"ให้ชุดข้อมูลเปลี่ยนความคิดของคุณ."

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

หากมันทำเช่นนั้นได้แล้ว มันอาจเปลี่ยนพฤติกรรมคุณด้วยก็ได้

Take a look at this one.

ลองดูภาพนี้

I'm a bit of a health nut.

ผมเป็นพวกบ้าสุขภาพ

I love taking supplements and being fit,

ชอบกินอาหารเสริมและออกกำลัง

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

แต่ผมไม่เคยเข้าใจเลยพอพูดถึงหลักฐานอ้างอิง

There's always conflicting evidence.

มันจะมีอะไรขัดแย้งกันเสมอ

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

กินวิตามินซีดีมั้ย กินต้นอ่อนข้าวสาลีดีหรือเปล่า

This is a visualization of all the evidence

นี่คือแผนภูมิภาพของหลักฐานทั้งหมด

for nutritional supplements.

สำหรับอาหารเสริม

This kind of diagram is called a balloon race.

แผนภาพแบบนี้ เรียกว่าการแข่งบอลลูน

So the higher up the image,

รูปไหนยิ่งอยู่สูง

the more evidence there is for each supplement.

ก็ยิ่งมีหลักฐานของอาหารเสริมนั้น ๆ เยอะตาม

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

ขนาดวงกลมจะใหญ่ตามจำนวนที่ค้นเจอในกูเกิ้ล

So you can immediately apprehend

คุณจะเห็นภาพแล้วเข้าใจได้ในทันที

the relationship between efficacy and popularity,

ถึงความสัมพันธ์ระหว่างประสิทธิผล และความนิยม

but you can also, if you grade the evidence,

แล้วถ้าคุณเอาหลักฐานมาให้คะแนน

do a "worth it" line.

คุณก็ลากเส้น 'น่าลอง' ขึ้นได้ด้วย

So supplements above this line are worth investigating,

อาหารเสริมอันไหนอยู่เหนือเส้น ก็น่าลองใช้ดู

but only for the conditions listed below,

แต่ต้องดูเงื่อนไขข้างใต้ประกอบด้วย

and then the supplements below the line

แล้วอันไหนที่อยู่ต่ำกว่าเส้น

are perhaps not worth investigating.

ก็คงไม่คุ้มค่าไปหาใช้เท่าไหร่

Now this image constitutes a huge amount of work.

ภาพนี้ เราต้องหาข้อมูลเยอะมาก ๆ

We scraped like 1,000 studies from PubMed,

ใช้งานวิจัยกว่า 1,000 ชิ้นจากพับเมด (PubMed)

the biomedical database,

ซึ่งเป็นฐานข้อมูลด้านชีวเวชศาสตร์

and we compiled them and graded them all.

เอาทุกชิ้นมารวบรวม แล้วให้คะแนน

And it was incredibly frustrating for me

ซึ่งทำให้ผมอารมณ์เสียมาก ๆ

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

เพราะผมจะทำหนังสือ ซึ่งต้องใช้แผนภูมิภาพ 250 ชิ้น

and I spent a month doing this,

และผมใช้เวลา 1 เดือน ทำแค่อันนี้

and I only filled two pages.

แต่ใส่หนังสือได้แค่ 2 หน้าเอง

But what it points to

แต่ประเด็นคือ

is that visualizing information like this

แผนภูมิข้อมูลภาพแบบนี้

is a form of knowledge compression.

เป็นการบีบอัดความรู้รูปแบบหนึ่ง

It's a way of squeezing an enormous amount

เป็นวิธีการบับอัดข้อมูลและความเข้าใจ

of information and understanding

จำนวนมหาศาล

into a small space.

ให้เป็นพื้นที่เล็ก ๆ

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

พอคุณจัดระเบียบและขัดเกลาข้อมูล

and once it's there,

จนเสร็จเรียบร้อยแล้ว

you can do cool stuff like this.

คุณก็จะทำอะไรเจ๋ง ๆ แบบนี้ได้ครับ

So I converted this into an interactive app,

ผมแปลงแผนภาพนี้ เป็นแอพแบบโต้ตอบได้

so I can now generate this application online --

แล้วก็สร้างแอพพลิเคชั่นออนไลน์นี้ขึ้นมา

this is the visualization online --

นี่ครับ แผนภาพออนไลน์

and I can say, "Yeah, brilliant."

เห็นแล้วก็อุทาน "เยี่ยมแท้"

So it spawns itself.

มันก็จะโผล่กันขึ้นมาเอง

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

แล้วถ้าผมว่า "ไหนขอแค่อันที่

that affects heart health."

มีผลต่อสุขภาพของหัวใจซิ"

So let's filter that out.

ผมก็ใช้ตัวกรองเสีย

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

ก็จะเหลือแต่พวกกลุ่มหัวใจ ดูได้สะดวก

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

ผมคิดว่า "ไม่ ไม่ ไม่อยากทานสารสังเคราะห์น่ะ

I just want to see plants and --

ขอแค่พืชกับ --

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

เอาแค่สมุนไพรกับพืชพอ ขอดูพวกส่วนผสมจากธรรมชาติทุกตัว"

Now this app is spawning itself

แอพนี้ มันสร้างภาพขึ้นได้เอง

from the data.

จากดาต้า

The data is all stored in a Google Doc,

ซึ่งถูกเก็บไว้ในกูเกิ้ลด็อค (Google Doc)

and it's literally generating itself from that data.

แล้วภาพนี้ก็สร้างตัวเองขึ้นจากดาต้านั้นแหละ

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

ดาต้าตอนนี้ จึงมีชีวิตขึ้นมา แปลงกายเปลี่ยนร่างได้

and I can update it in a second.

ผมอัพเดทข้อมูลได้แบบทันทีเลย

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

หลักฐานใหม่ออกมา ผมแค่เปลี่ยนแถวในสเปรดชีต

Doosh! Again, the image recreates itself.

แว้บ! ภาพก็สร้างตัวมันเองใหม่อีกครั้ง

So it's cool.

ซึ่งเจ๋งเลย

It's kind of living.

เหมือนมันมีชีวิตแน่ะ

But it can go beyond data,

แล้วเรายังใช้กับอย่างอื่น

and it can go beyond numbers.

นอกเหนือจากดาต้าหรือตัวเลขได้อีก

I like to apply information visualization

ผมชอบเอาการแปลงข้อมูลเป็นแผนภาพ

to ideas and concepts.

มาใช้กับแนวคิดหรือมุมมองต่าง ๆ

This is a visualization

นี่คือแผนภูมิภาพ

of the political spectrum,

ของขั้วความเชื่อทางการเมือง

an attempt for me to try

ผมพยายามทำความเข้าใจ

and understand how it works

ว่ามันมีกลไกอย่างไร

and how the ideas percolate down

และแนวคิดต่าง ๆ มันไหลเวียน

from government into society and culture,

จากรัฐบาล มาสู่สังคมและวัฒนธรรม

into families, into individuals, into their beliefs

จนถึงครอบครัว ตัวบุคคล และความเชื่อของพวกเขา

and back around again in a cycle.

แล้ววนกลับเป็นวัฏจักรอีกอย่างไร

What I love about this image

สิ่งที่ผมชอบเกี่ยวกับภาพนี้

is it's made up of concepts,

คือมันสร้างขึ้นจากแนวความคิด

it explores our worldviews

มันสำรวจโลกทัศน์ของเรา

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

และช่วยให้เรา - อย่างน้อยผมคนนึงล่ะ

to see what others think,

ได้เห็นสิ่งที่คนอื่นคิด

to see where they're coming from.

ได้เห็นว่าพวกเขามีที่มาอย่างไร

And it feels just incredibly cool to do that.

ซึ่งเป็นสิ่งที่เจ๋งมาก ๆ

What was most exciting for me

เรื่องน่าตื่นเต้นที่สุดสำหรับผม

designing this

ในการออกแบบสิ่งนี้

was that, when I was designing this image,

ก็คือ ตอนที่ผมออกแบบแผนภาพนี้

I desperately wanted this side, the left side,

ผมอยากจะไปอยู่ฝั่งซ้ายมาก ๆเลย

to be better than the right side --

จะได้ดูดีกว่าฝั่งขวา --

being a journalist, a Left-leaning person --

เพราะเป็นทั้งนักข่าว และหัวเอียงซ้าย

but I couldn't, because I would have created

แต่ผมทำไม่ได้ ไม่เช่นนั้น แผนภาพที่ได้

a lopsided, biased diagram.

จะเอียงข้าง และมีอคติ

So, in order to really create a full image,

ฉะนั้น เพื่อสร้างภาพที่สมบูรณ์อย่างแท้จริง

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

ผมจึงต้องให้เกียรติมุมมองที่อยู่ฝั่งขวา

and at the same time, uncomfortably recognize

และในขณะเดียวกัน ก็ครั่นเนื้อครั่นตัว

how many of those qualities were actually in me,

ว่าตัวเองก็มีความเป็นฝั่งขวาอยู่ไม่น้อย

which was very, very annoying and uncomfortable.

ซึ่งน่ารำคาญ และชวนอึดอัดใจมาก ๆ

(Laughter)

(เสียงหัวเราะ)

But not too uncomfortable,

แต่ก็ไม่อึดอัดใจเกินไปนัก

because there's something unthreatening

เพราะการมองดูความเชื่อทางการเมืองนั้น

about seeing a political perspective,

ไม่ได้สร้างความรู้สึกถูกคุกคาม

versus being told or forced to listen to one.

เมื่อเทียบกับการถูกบอกหรือบังคับให้ฟัง

You're capable of holding conflicting viewpoints

คุณยังยึดถือมุมมองที่ขัดแย้งกันได้

joyously when you can see them.

อย่างสบายใจเมื่อมองดูความเชื่อ

It's even fun to engage with them

อาจสนุกเสียด้วยซ้ำ ถ้าเราลองคิดตาม

because it's visual.

เพราะคุณเห็นเป็นภาพ

So that's what's exciting to me,

นั่นเอง คือเรื่องน่าตื่นเต้นสำหรับผม

seeing how data can change my perspective

การได้เห็นว่า ข้อมูลสามารถเปลี่ยนมุมมอง

and change my mind midstream --

เปลี่ยนความคิดของผมได้กลางครรภ์

beautiful, lovely data.

ข้อมูลที่สวยงาม สบายตา

So, just to wrap up,

สรุปปิดท้าย

I wanted to say

ผมอยากจะบอกว่า

that it feels to me that design is about solving problems

สำหรับผม การออกแบบนั้น คือการแก้ปัญหา

and providing elegant solutions,

และหาทางแก้ด้วยวิธีเรียบง่ายลงตัว

and information design is about

และการออกแบบข้อมูลก็เกี่ยวข้อง

solving information problems.

กับการแก้ปัญหาด้านข้อมูล

It feels like we have a lot of information problems

เราดูจะมีปัญหาด้านข้อมูล มากมายหลายอย่าง

in our society at the moment,

ในสังคมของเรายุคนี้

from the overload and the saturation

ทั้งเรื่องข้อมูลที่มากมายจนรับไม่ทัน

to the breakdown of trust and reliability

จนถึงความน่าเชื่อถือและไว้ใจได้ที่ร่อยหรอลง

and runaway skepticism and lack of transparency,

การตั้งป้อมค้านอย่างมีอคติและการขาดความโปร่งใส

or even just interestingness.

หรือกระทั่งเพราะความน่าสนใจ

I mean, I find information just too interesting.

สำหรับผม ข้อมูลมันน่าสนใจเหลือเกิน

It has a magnetic quality that draws me in.

เป็นเหมือนแม่เหล็กที่ดูดผมให้เข้าหา

So, visualizing information

การแปรข้อมูลเป็นภาพ

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

จะช่วยแก้ปัญหาเหล่านี้ได้อย่างรวดเร็วมาก

Even when the information is terrible,

แม้ว่าตัวข้อมูลจะคุณภาพแย่

the visual can be quite beautiful.

แผนภาพที่ได้ก็ยังดูสวยงาม

Often we can get clarity

แล้วเราก็มักจะได้ความกระจ่าง

or the answer to a simple question very quickly,

หรือคำตอบสำหรับคำถามง่าย ๆ อย่างรวดเร็ว

like this one,

เช่นอย่างนี้

the recent Icelandic volcano.

เกี่ยวกับเหตุภูเขาไฟของไอซ์แลนด์ปะทุ

Which was emitting the most CO2?

อะไรปล่อยก๊าซซีโอทู (CO2) มากที่สุด

Was it the planes or the volcano,

เครื่องบินหรือภูเขาไฟ

the grounded planes or the volcano?

เครื่องบินที่ขึ้นบินไม่ได้เพราะควัน หรือภูเขาไฟ

So we can have a look.

ดูได้ตามนี้ครับ

We look at the data and we see:

พอเราดูข้อมูล ก็จะเห็น

Yep, the volcano emitted 150,000 tons;

ภูเขาไฟปล่อยออกมา 150,000 ตัน

the grounded planes would have emitted

เครื่องบินจะปล่อยก๊าซ

345,000 if they were in the sky.

345,000 ตัน ถ้าหากขึ้นบินได้เพราะไม่ติดควันภูเขาไฟ

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

เป็นภูเขาไฟ ที่ปล่อยคาร์บอนรวมเป็นศูนย์ ลูกแรกเลยทีเดียว

(Laughter)

(เสียงหัวเราะ)

(Applause)

(เสียงปรบมือ)

And that is beautiful. Thank you.

สวยงามดีนะครับ ขอบคุณครับ

(Applause)

(เสียงปรบมือ)