TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Vad jag lärde mig av 2 000 dödsrunor
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan börjar sin dag med äggröra och frågan, "Vem dog idag?"
Varför? Genom att analysera 2 000 dödsrunor i New York Times under 20 månader, snappade Narayan upp, med några få ord, hur en livsgärning ser ut. Han delar med sig av vad de som finns på pränt kan lära oss om ett väl levt liv.
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
Joseph Keller brukade jogga
runt campus på Stanford,
runt campus på Stanford,
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
och han noterade alla de kvinnor
som också joggade där.
som också joggade där.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Varför svängde deras hästsvansar
från sida till sida på det där viset?
från sida till sida på det där viset?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Som matematiker bestämde han sig
för att ta reda på det.
för att ta reda på det.
00:29
(Laughter)
4
17029
1151
(Skratt)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
Professor Keller var nyfiken
på många saker:
på många saker:
00:32
why teapots dribble
6
20534
1967
varför tekannor droppar
00:34
or how earthworms wriggle.
7
22525
1830
eller hur daggmaskar slingrar sig.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
För ett par månader sedan
kände jag inte till Joseph Keller.
kände jag inte till Joseph Keller.
00:40
I read about him in the New York Times,
9
28581
2852
Jag läste om honom i New York Times,
00:43
in the obituaries.
10
31457
1432
bland dödsrunorna.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
The Times hade en halvsidesartikel
tillägnad honom,
tillägnad honom,
vilket, som ni förstår, är ett
förstklassigt utrymme i en sådan tidning.
förstklassigt utrymme i en sådan tidning.
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
00:53
I read the obituaries almost every day.
13
41368
2342
Jag läser dödsrunorna nästan varje dag.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Min fru tycker, förståeligt nog,
att jag är ganska morbid
att jag är ganska morbid
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
som börjar min dag med äggröra
och, "Låt oss se vem som dog idag."
och, "Låt oss se vem som dog idag."
01:04
(Laughter)
16
52160
1150
(Skratt)
01:06
But if you think about it,
17
54025
1292
Men om man tänker på det,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
så innehåller ju tidningarnas förstasidor
oftast dåliga nyheter,
oftast dåliga nyheter,
01:10
and cues man's failures.
19
58778
1975
och visar på människans misslyckanden.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
En plats där dåliga nyheter
visar på bedrifter
visar på bedrifter
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
är i slutet av tidningen, i dödsrunorna.
01:19
In my day job,
22
67405
1364
På mitt jobb
leder jag ett företag
som fokuserar på framtida insikter
som fokuserar på framtida insikter
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
som marknadsförare kan få
utifrån tidigare data -
utifrån tidigare data -
01:25
a kind of rearview-mirror analysis.
25
73737
2944
ett slags backspegelsanalys.
01:29
And we began to think:
26
77092
1155
Och vi började fundera,
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
tänk om vi höll upp en backspegel
mot dödsrunorna i New York Times.
mot dödsrunorna i New York Times.
Fanns det lärdomar där om hur man kan
få sin dödsruna som en skriven artikel -
få sin dödsruna som en skriven artikel -
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
01:40
even if you aren't around to enjoy it?
29
88006
1977
även om man själv inte får uppleva det?
01:42
(Laughter)
30
90007
1484
(Skratt)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Skulle detta passa bättre med äggröra?
01:46
(Laughter)
32
94167
1150
(Skratt)
01:48
And so, we looked at the data.
33
96163
2998
Så, vi tittade på datan.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2 000 artiklar, ej köpta dödsrunor
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
under 20 månader från 2015 till 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Vad lärde vi oss
av dessa 2 000 dödsfall,
eller snarare, liv?
eller snarare, liv?
02:04
Well, first we looked at words.
37
112901
2033
Först tittade vi på orden.
02:06
This here is an obituary headline.
38
114958
1761
Detta är en rubrik i en dödsruna.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Det handlar om
den fantastiske Lee Kuan Yew.
den fantastiske Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Om man tar bort början och slutet
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
så får man en
vackert formulerad beskrivning
vackert formulerad beskrivning
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
som i några få ord försöker fånga
en bedrift eller en livstid.
en bedrift eller en livstid.
02:21
Just looking at these is fascinating.
43
129666
2161
Det är fascinerande att titta på dem.
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
Här är några kända, för människor
som dog de senaste två åren.
som dog de senaste två åren.
Försök gissa vilka de är.
02:27
Try and guess who they are.
45
135620
1319
[En artist som trotsade genrer]
02:28
[An Artist who Defied Genre]
46
136963
1440
Det är Prince.
02:30
That's Prince.
47
138427
1185
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[1900-talets boxningsjätte]
02:34
Oh, yes.
49
142358
1160
O ja.
02:35
[Muhammad Ali]
50
143542
1224
[Muhammad Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Banbrytande arkitekt]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Vi tog dessa beskrivningar
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
och gjorde något som kallas
naturlig språkbehandling,
naturlig språkbehandling,
02:45
where you feed these into a program,
55
153163
1771
där man matar in dem i ett program,
02:46
it throws out the superfluous words --
56
154958
1865
den sållar ut överflödiga ord -
"den", "och" - ord som man enkelt
kan mima när man leker charader -
kan mima när man leker charader -
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
och lämnar kvar
de mest betydelsefulla orden.
de mest betydelsefulla orden.
Vi gjorde det inte bara för dessa fyra,
02:55
And we did it not just for these four,
59
163311
1821
02:57
but for all 2,000 descriptors.
60
165156
2519
utan för alla 2 000 beskrivningarna.
02:59
And this is what it looks like.
61
167699
1743
Och så här ser det ut.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Film, teater, musik, dans
och konst förstås, de är stora.
och konst förstås, de är stora.
03:08
Over 40 percent.
63
176485
1946
Mer än 40 procent.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Man undrar ju varför vi,
i så många samhällen,
i så många samhällen,
uppmanar våra barn att jobba
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
som ingenjörer, läkare,
affärsmän, jurister
affärsmän, jurister
03:17
to be construed as successful.
66
185466
1587
för att ses som framgångsrika.
03:19
And while we're talking profession,
67
187871
1693
Och när vi ändå pratar om yrke,
03:21
let's look at age --
68
189588
1151
låt oss titta på ålder -
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
den genomsnittliga åldern för bedrifter.
03:25
That number is 37.
70
193297
1846
Den är 37.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Det innebär att du måste vänta 37 år ...
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
innan den första bedrift
som du blir ihågkommen för,
som du blir ihågkommen för,
i genomsnitt,
03:35
on average --
73
203373
1151
44 år senare, när du dör vid 81 års ålder,
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
i genomsnitt.
03:39
on average.
75
207050
1168
03:40
(Laughter)
76
208242
1001
(Skratt)
03:41
Talk about having to be patient.
77
209267
1684
Snacka om att behöva ha tålamod.
03:42
(Laughter)
78
210975
1057
(Skratt)
03:44
Of course, it varies by profession.
79
212056
2089
Det varierar förstås mellan yrken.
03:46
If you're a sports star,
80
214566
1193
Är du idrottsstjärna
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
når du förmodligen toppen i 20-årsåldern.
03:49
And if you're in your 40s like me,
82
217934
2645
Och är du i 40-årsåldern, som jag,
03:52
you can join the fun world of politics.
83
220603
1991
kan du hoppa in i den roliga politiken.
03:54
(Laughter)
84
222618
1056
(Skratt)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
Politiker gör sin första, och ibland enda
berömvärda handling i 40-årsåldern.
berömvärda handling i 40-årsåldern.
03:59
(Laughter)
86
227637
1257
(Skratt)
04:00
If you're wondering what "others" are,
87
228918
1937
Om du undrar vad "övriga" är,
04:02
here are some examples.
88
230879
1476
så är detta några exempel.
04:04
Isn't it fascinating, the things people do
89
232821
2116
Visst är det fascinerande, det folk gör
04:06
and the things they're remembered for?
90
234961
1882
och vad de blir ihågkomna för?
04:08
(Laughter)
91
236867
1752
(Skratt)
Vår nyfikenhet var uppskruvad till max,
04:12
Our curiosity was in overdrive,
92
240136
1844
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
och vi ville analysera mer
än bara en beskrivning.
än bara en beskrivning.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Så vi tog hela första stycket
i alla 2 000 dödsrunorna,
i alla 2 000 dödsrunorna,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
men vi gjorde det uppdelat
i två grupper av människor:
i två grupper av människor:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
kända människor och okända människor.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Kända människor - Prince,
Ali, Zaha Hadid -
Ali, Zaha Hadid -
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
okända människor
är såna som Jocelyn Cooper,
är såna som Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
pastor Curry
04:37
or Lorna Kelly.
100
265717
1169
eller Lorna Kelly.
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
Jag slår vad om att du inte känner till
de flesta av dessa namn.
de flesta av dessa namn.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Otroliga människor, fantastiska bedrifter,
men de är inte kända.
men de är inte kända.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
Så vad händer om vi analyserar
grupperna var för sig -
grupperna var för sig -
04:49
the famous and the non-famous?
104
277532
1525
de kända och de okända?
Vad kan det säga oss?
04:51
What might that tell us?
105
279081
1419
Titta.
04:52
Take a look.
106
280524
1240
04:56
Two things leap out at me.
107
284556
1469
Två saker sticker ut.
04:58
First:
108
286569
1170
För det första:
05:00
"John."
109
288106
1198
"John."
05:01
(Laughter)
110
289328
1300
(Skratt)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Alla här som heter John
borde tacka sina föräldrar -
borde tacka sina föräldrar -
05:07
(Laughter)
112
295326
1329
(Skratt)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
och påminna barnen om
att klippa ut dödsrunan när ni är borta.
att klippa ut dödsrunan när ni är borta.
05:13
And second:
114
301061
1356
Och för det andra:
05:15
"help."
115
303849
1154
"hjälp."
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Vi upptäckte många lärdomar
från väl levda liv,
från väl levda liv,
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
och vad dessa människor,
förevigade i skrift, kan lära oss.
förevigade i skrift, kan lära oss.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Övningen var ett fascinerande bevis
på livets kalejdoskop,
på livets kalejdoskop,
05:29
and even more fascinating
119
317635
2715
och än mer fascinerande
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
var att en överväldigande majoritet
av dödsrunorna,
av dödsrunorna,
05:35
featured people famous and non-famous,
121
323466
2998
handlade om kända och okända människor,
05:38
who did seemingly extraordinary things.
122
326488
2433
som till synes gjorde enastående saker.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
De lämnade ett positivt märke
på livets väv.
på livets väv.
05:44
They helped.
124
332708
1237
De hjälpte till.
Så fråga dig själv,
när du återgår till ditt vardagsliv:
när du återgår till ditt vardagsliv:
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
05:49
How am I using my talents to help society?
126
337387
2920
Hur använder jag mina förmågor
för att hjälpa samhället?
för att hjälpa samhället?
05:52
Because the most powerful lesson here is,
127
340331
2973
För den starkaste lärdomen här är,
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
om fler människor levde sina liv
för att bli berömda efter döden,
för att bli berömda efter döden,
05:59
the world would be a much better place.
129
347688
2605
så skulle världen vara mycket bättre.
06:03
Thank you.
130
351062
1169
Tack.
06:04
(Applause)
131
352255
2848
(Applåder)
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com