TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: Krása ve vizualizaci dat
Filmed:
Readability: 4.3
3,250,094 views
David McCandless přetváří komplexní skupiny udajů, jako jsou například celosvětové válečné výdaje, novinové titulky, statusy na Facebooku a další na pohledné a přitom jednoduché diagramy. Předkládá informační design jako pomůcku k orientaci v dnešním přebytku informací, nacházení unikátních vzorců a spojitostí, které mohou změnit náš pohled na svět.
David McCandless - Data journalist
David McCandless draws beautiful conclusions from complex datasets -- thus revealing unexpected insights into our world. Full bio
David McCandless draws beautiful conclusions from complex datasets -- thus revealing unexpected insights into our world. Full bio
Double-click the English transcript below to play the video.
00:15
It feels like we're all suffering
0
0
2000
Zdá se, že se všichni potýkáme
00:17
from information overload or data glut.
1
2000
3000
se zahlcením informacemi a přebytkem dat.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
Naštěstí by tento problém mohl mít jednoduché řešení
00:22
and that's using our eyes more.
3
7000
2000
ve větším používání našich očí.
00:24
So, visualizing information, so that we can see
4
9000
2000
Znázornění informací tak, aby byly zřetelné
00:26
the patterns and connections that matter
5
11000
3000
důležité vzorce a spojitosti,
00:29
and then designing that information so it makes more sense,
6
14000
3000
jejichž přehledným vyobrazením získáme daleko vetší smysl
00:32
or it tells a story,
7
17000
2000
nebo nějakou zajímavou zápletku,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
nebo prostor zacílit pouze na důležitou informaci.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
Mimo to, znázorněná data mohou vypadat i opravdu dobře.
00:41
So, let's see.
10
26000
2000
Pojďme se podívat.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Tohle je Miliardový diagram v dolarech
00:47
and this image arose
12
32000
2000
a vznikl
00:49
out of frustration I had
13
34000
2000
na základě mé nespokojenosti
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
s tím, jak se o miliardách dolarů píše v tisku.
00:53
That is, they're meaningless without context:
15
38000
3000
Totiž, pokud nejsou v kontextu, postrádají smysl.
00:56
500 billion for this pipeline,
16
41000
2000
500 miliard za tohle potrubí.
00:58
20 billion for this war.
17
43000
2000
20 miliard za tuhle válku.
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
To nedává smysl, takže jediný způsob, jak tomu porozumět,
01:02
is visually and relatively.
19
47000
2000
je názorně a relativně.
01:04
So I scraped a load of reported figures
20
49000
2000
A tak jsem shromáždil spousty čísel
01:06
from various news outlets
21
51000
2000
z různých novinových zdrojů
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
a pak upravil velikost čtverců podle těchto sum.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
A barvy zde představují učel, na který byly peníze určeny.
01:14
So purple is "fighting,"
24
59000
3000
Fialová je válčení,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
červená je útrata a zelená je zisk.
01:20
And what you can see straight away
26
65000
2000
A co můžete vidět na první pohled
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
je, že začínáte mít úplně odlišný vztah k číslům.
01:24
You can literally see them.
28
69000
2000
Doslova je vidíte.
01:26
But more importantly, you start to see
29
71000
2000
Ale hlavně začínáte vidět
01:28
patterns and connections between numbers
30
73000
2000
vzorce a spojitosti mezi čísly,
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
která by jinak byla roztroušená pod mnoha novinovými titulky.
01:33
Let me point out some that I really like.
32
78000
3000
Dovolte mi poukázat na některé mé oblíbené.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Zelený rámeček je zisk Organizace zemí vyvážejících ropu (OPEC).
01:38
780 billion a year.
34
83000
2000
780 miliard ročně.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
A tenhle malý pixel tady v rohu - 3 miliardy -
01:43
that's their climate change fund.
36
88000
3000
to je jejich fond na změnu klimatu.
01:46
Americans, incredibly generous people --
37
91000
2000
Američané jsou velice stědří lidé.
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
Přes 300 miliard ročně darují na charitu,
01:51
compared with the amount of foreign aid
39
96000
2000
v porovnání se sumou zahraniční pomoci,
01:53
given by the top 17 industrialized nations
40
98000
2000
darované 17ti nejvyspělejšími průmyslovými zeměmi
01:55
at 120 billion.
41
100000
2000
a činící 120 miliard.
01:57
Then of course,
42
102000
2000
A samozřejmě,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
válka v Iráku, odhadovaná na 60 miliard
02:01
back in 2003.
44
106000
3000
v roce 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
Teď se trochu prodražila. Afghánistán se vyšplhal
02:07
to 3,000 billion.
46
112000
3000
až na 3000 miliard.
02:10
So now it's great
47
115000
2000
Na celé věci je skvělé,
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
že když máme takovou strukturu, můžeme do ní čísla i přidávat.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Takže si můžeme vzít nějaké nové číslo... podívejme se na Africký dluh.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
Jak velkou část tohoto diagramu, myslíte, by zabral
02:19
by the debt that Africa owes to the West?
51
124000
2000
dluh Afriky západním zemím?
02:21
Let's take a look.
52
126000
2000
Pojďme se podívat.
02:23
So there it is:
53
128000
2000
Tady to máme.
02:25
227 billion is what Africa owes.
54
130000
2000
Afrika dluží 227 miliard.
02:27
And the recent financial crisis,
55
132000
2000
A současná finanční krize...
02:29
how much of this diagram might that figure take up?
56
134000
2000
kolik by ta mohla zabrat na diagramu?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
Kolik stála svět? Podívejme se na to.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
BUM! To myslím, že je příznačný zvuk
02:37
for that much money:
59
142000
2000
pro tolik peněz.
02:39
11,900 billion.
60
144000
4000
11 900 miliard.
02:45
So, by visualizing this information,
61
150000
2000
Takže vyobrazením těchto informací
02:47
we turned it into a landscape
62
152000
2000
jsme je převedli na krajinu,
02:49
that you can explore with your eyes,
63
154000
2000
kterou můžeme zkoumat svýma očima.
02:51
a kind of map really, a sort of information map.
64
156000
2000
Vlastně je to ve skutečnosti mapa, informační mapa.
02:53
And when you're lost in information,
65
158000
2000
A pokud se ztrácíte v informacích,
02:55
an information map is kind of useful.
66
160000
3000
informační mapa se celkem hodí.
02:58
So I want to show you another landscape now.
67
163000
2000
Teď chci ukázat další krajinu.
03:00
We need to imagine what a landscape
68
165000
2000
Představte si, jak by vypadala krajina
03:02
of the world's fears might look like.
69
167000
3000
sestavená ze strachů ve světě.
03:05
Let's take a look.
70
170000
2000
Pojďme se podívat.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Toto jsou hory z vrcholků a údolí, neboli
03:09
a timeline of global media panic.
72
174000
2000
časová osa globální paniky v médiích.
03:11
(Laughter)
73
176000
2000
(smích)
03:13
So, I'll label this for you in a second.
74
178000
2000
Hned si to popíšeme.
03:15
But the height here, I want to point out,
75
180000
2000
Ta výška tady, to bych chtěl zdůraznit,
03:17
is the intensity of certain fears
76
182000
2000
je intenzita daného strachu
03:19
as reported in the media.
77
184000
2000
tak, jak ho popisují média.
03:21
Let me point them out.
78
186000
2000
Dovolte mi to ukázat.
03:23
So this, swine flu -- pink.
79
188000
4000
Tohle je prasečí chřipka - růžová.
03:27
Bird flu.
80
192000
2000
Ptačí chřipka.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
SARS - nahnědlá zde. Pamatujete si na to ještě?
03:32
The millennium bug,
82
197000
3000
Počítačový problém roku 2000.
03:35
terrible disaster.
83
200000
2000
Hrozná katastrofa.
03:37
These little green peaks
84
202000
2000
Tyhle malé zelené kopečky
03:39
are asteroid collisions.
85
204000
2000
jsou nárazy asteroidů.
03:41
(Laughter)
86
206000
2000
(smích)
03:43
And in summer, here, killer wasps.
87
208000
2000
A tady v létě - smrtelné vosí bodnutí.
03:45
(Laughter)
88
210000
8000
(smích)
03:53
So these are what our fears look like
89
218000
2000
Takže takhle vypadal náš strach
03:55
over time in our media.
90
220000
2000
v průběhu času podle médií.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Ale co já rád dělám -- jsem žurnalista --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
já rád nacházím skryté vzorce; rád si hraju na "datového" detektiva.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
A tady vidíme zajímavý a zvláštní vzorec,
04:05
that you can only see when you visualize it.
94
230000
2000
kterého si všimneme pouze ve vizualizaci.
04:07
Let me highlight it for you.
95
232000
2000
Dovolte mi to zvýraznit.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Vidíte tuhle osu. To je krajina násilných videoher.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Jak vidíte, je tam zvláštní, pravidelný vzorec pro tento údaj.
04:15
twin peaks every year.
98
240000
2000
Dva nárůsty ročně.
04:17
If we look closer, we see those peaks occur
99
242000
2000
Detailním pohledem zjistíme, že se tyto nárůsty objevují
04:19
at the same month every year.
100
244000
3000
stejný měsíc každým rokem.
04:22
Why?
101
247000
2000
Proč?
04:24
Well, November, Christmas video games come out,
102
249000
2000
No, v listopadu vycházejí vánoční videohry,
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
a tam by se mohl objevit náhlý vzestup obav o jejich tématiku.
04:29
But April isn't a particularly massive month
104
254000
3000
Zato duben není zrovna plodný měsíc
04:32
for video games.
105
257000
2000
pro videohry.
04:34
Why April?
106
259000
2000
Proč duben?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
V dubnu 1999 se odehrál masakr na střední škole Columbine.
04:39
and since then, that fear
108
264000
2000
a od té doby ten strach
04:41
has been remembered by the media
109
266000
2000
zůstává v paměti médií
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
a ozývá se postupně v obecném podvědomí.
04:45
You have retrospectives, anniversaries,
111
270000
3000
Retrospektivy, výročí,
04:48
court cases, even copy-cat shootings,
112
273000
3000
soudní jednání, dokonce incidenty kopírující tuto střelbu.
04:51
all pushing that fear into the agenda.
113
276000
3000
To všechno podporuje strach v denním životě.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
A ještě je tu další vzorec. Najdete ho?
04:56
See that gap there? There's a gap,
115
281000
2000
Vidíte tuhle mezeru? Tady ten propad,
04:58
and it affects all the other stories.
116
283000
2000
který ovlivnil všechny ostatní linie.
05:00
Why is there a gap there?
117
285000
2000
Proč je tam ten pokles?
05:02
You see where it starts? September 2001,
118
287000
3000
Vidíte, kde to začíná? Září 2001,
05:05
when we had something very real
119
290000
2000
kdy jsme všichni měli velice reálný
05:07
to be scared about.
120
292000
2000
podnět k obavám.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
Jako novinář pracuji už asi rok
05:12
and I keep hearing a phrase
122
297000
2000
a stále slyším jednu větu
05:14
all the time, which is this:
123
299000
3000
pořád dokola, a to je:
05:17
"Data is the new oil."
124
302000
2000
"Informace jsou novou ropou."
05:19
Data is the kind of ubiquitous resource
125
304000
3000
Data jsou jakýsi všudypřítomný zdroj,
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
který můžeme zpracovávat a poskytnout tak inovace a nové úhly pohledu.
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
Je všude kolem a dá se těžit velice snadno.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
A tím pádem ta metafora není zrovna dobrá,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
zvlášť pokud žijete okolo Mexického zálivu,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
ale možná bych ji trochu poupravil
05:36
and I would say that data is the new soil.
131
321000
3000
a řekl bych, že informace jsou novou půdou.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
Protože pro mě je to úrodné, tvůrčí médium.
05:43
Over the years, online,
133
328000
2000
Během let na internetu
05:45
we've laid down
134
330000
3000
jsme zasadili
05:48
a huge amount of information and data,
135
333000
2000
obrovské množství informací a dat,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
zaléváme je sítěmi a spojením
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
a obdělávají je neplacení pracovníci a vlády.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
Samozřejmě tady trochu přeháním tu metaforu,
05:58
But it's a really fertile medium,
139
343000
3000
ale je to plodné médium,
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
a zdá se, jako by vizualizace, informační grafy a znázornění dat
06:04
they feel like flowers blooming from this medium.
141
349000
3000
opravdu byly květiny kvetoucí z tohoto média.
06:07
But if you look at it directly,
142
352000
2000
Pokud se díváte přímo,
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
je to jen spousta čísel a nespojitých faktů.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Ale pokud si s tím ale pohrajete správným způsobem,
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
mohou se objevit zajímavé věci a odkryjí se různé vzorce.
06:17
Let me show you this.
146
362000
2000
Dovolte mi ukázat tohle.
06:19
Can you guess what this data set is?
147
364000
3000
Odhadli byste, co tato data říkají?
06:22
What rises twice a year,
148
367000
2000
Co roste dvakrát do roka,
06:24
once in Easter
149
369000
2000
jednou o Velikonocích
06:26
and then two weeks before Christmas,
150
371000
2000
a pak dva týdny před Vánocemi,
06:28
has a mini peak every Monday,
151
373000
2000
a má malinký vrchol každé pondělí
06:30
and then flattens out over the summer?
152
375000
2000
a pak se to v létě srovná.
06:32
I'll take answers.
153
377000
2000
Čekám na odpovědi.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(Obecenstvo: Čokoláda.) David McCandless: Čokoláda.
06:36
You might want to get some chocolate in.
155
381000
3000
Možná si budete chtít dát trochu čokolády.
06:39
Any other guesses?
156
384000
2000
Další tipy?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(Obecenstvo: Nákupování.) DM: Nakupování.
06:43
Yeah, retail therapy might help.
158
388000
3000
Jo, maloobchodní terapie by mohla pomoct.
06:46
(Audience: Sick leave.)
159
391000
2000
(Obecenstvo: Nemocenská.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: Nemocenská. Jo, určitě si budete chtít vzít volno.
06:50
Shall we see?
161
395000
2000
Podíváme se?
06:53
(Laughter)
162
398000
8000
Počty rozchodů podle statusů na Facebooku. (smích)
07:01
(Applause)
163
406000
3000
(potlesk)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Pro tuto informaci jsme Lee Byron a já
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
prohledali 10 tis. statusů na Facebooku
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
s výrazy "rozejít" a "rozešlí"
07:12
and this is the pattern we found --
167
417000
2000
a tak jsme našli tento vzorec.
07:14
people clearing out for Spring Break,
168
419000
2000
Lidé "zametají" před jarními prázdninami,
07:16
(Laughter)
169
421000
5000
(smích)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
v pondělí řeší následky nepovedených víkendů,
07:23
being single over the summer,
171
428000
3000
a chtějí být přes léto volní.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
A samozřejmě den s nejmenším počtem: Štědrý den.
07:29
Who would do that?
173
434000
3000
Kdo by to udělal?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
Existuje ohromné množství dat,
07:34
unprecedented.
175
439000
2000
nepředstavitelné.
07:37
But if you ask the right kind of question,
176
442000
2000
Pokud ale kladete správné otázky,
07:39
or you work it in the right kind of way,
177
444000
2000
nebo postupujete správným způsobem,
07:41
interesting things can emerge.
178
446000
3000
mohou se objevit zajímavé věci.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
Informace jsou krásné. Data jsou krásná.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Přemýšlel jsem, jestli bych mohl udělat i svůj život tak krásný.
07:50
And here's my visual C.V.
181
455000
2000
Tohle je můj vizuální životopis.
07:52
I'm not quite sure I've succeeded.
182
457000
2000
Nevím, jestli se mi to podařilo.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Trochu hranaté. Barvy nejsou nic moc.
07:56
But I wanted to convey something to you.
184
461000
3000
Ale chtěl jsem tím něco sdělit.
07:59
I started as a programmer,
185
464000
2000
Začínal jsem jako programátor,
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
pak jsem pracoval jako a spisovatel mnoho let, asi 20 let,
08:03
in print, online and then in advertising,
187
468000
2000
v tisku, online a pak v reklamě,
08:05
and only recently have I started designing.
188
470000
3000
a až nedávno jsem se dal na grafiku.
08:08
And I've never been to design school.
189
473000
2000
Nikdy jsem nebyl na grafické škole.
08:10
I've never studied art or anything.
190
475000
3000
Nestudoval jsem umění nebo něco podobného.
08:13
I just kind of learned through doing.
191
478000
2000
Naučil jsem se to prostě tím, že jsem to dělal.
08:15
And when I started designing,
192
480000
2000
A když jsem začal navrhovat,
08:17
I discovered an odd thing about myself.
193
482000
2000
zjistil jsem o sobě zvláštní věc.
08:19
I already knew how to design,
194
484000
2000
Už jsem věděl, jak navrhovat,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
ale ne tak, že bych v tom nějak úžasně vynikal,
08:24
but more like I was sensitive
196
489000
2000
spíš už jsem měl cit
08:26
to the ideas of grids and space
197
491000
2000
jak fungují mřížky a prostor
08:28
and alignment and typography.
198
493000
2000
a zarovnání a písmo.
08:30
It's almost like being exposed
199
495000
2000
Jako by to, že jsem byl vystaven
08:32
to all this media over the years
200
497000
2000
tolika médiím během let,
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
ve mně zanechalo jakousi dřímající grafickou gramotnost.
08:37
And I don't feel like I'm unique.
202
502000
2000
A v tom si nepřipadám nijak ojedinělý.
08:39
I feel that everyday, all of us now
203
504000
2000
Myslím, že všichni, každý z nás
08:41
are being blasted by information design.
204
506000
3000
je dnes poznamenaný informační grafikou.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Proudí nám do očí skrz web,
08:46
and we're all visualizers now;
206
511000
2000
a všichni jsme tak trochu grafici
08:48
we're all demanding a visual aspect
207
513000
2000
a vyžadujeme vizuální podobu
08:50
to our information.
208
515000
3000
našich informací.
08:53
There's something almost quite magical about visual information.
209
518000
3000
Na vizuálních informacích je něco skoro kouzelného.
08:56
It's effortless, it literally pours in.
210
521000
3000
Nevyžadují žádnou námahu; doslova do nás proudí.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
Pokud putujete hustou informační džunglí
09:02
coming across a beautiful graphic
212
527000
2000
a narazíte na hezkou grafiku
09:04
or a lovely data visualization,
213
529000
2000
nebo pěknou vizualizaci,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
je to podobná úleva, jako byste narazili na palouček.
09:09
I was curious about this, so it led me
215
534000
2000
Zajímal jsem se o tohle téma, a tak jsem se dostal
09:11
to the work of a Danish physicist
216
536000
2000
k práci dánského fyzika
09:13
called Tor Norretranders,
217
538000
2000
jménem Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
který převedl datový tok našich smyslů do počítačové terminologie.
09:19
So here we go. This is your senses,
219
544000
2000
Tady to máme. Tohle jsou vaše smysly,
09:21
pouring into your senses every second.
220
546000
2000
co jimi projde každou vteřinu.
09:23
Your sense of sight is the fastest.
221
548000
3000
Váš zrak je nejrychlejší.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Stejná přenosová rychlost jako u počítačové sítě.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
Pak máme hmat, který je srovnatelný s rychlostí USB disku.
09:32
And then you have hearing and smell,
224
557000
2000
Pak sluch a čich
09:34
which has the throughput of a hard disk.
225
559000
2000
s výkonem pevného disku.
09:36
And then you have poor old taste,
226
561000
2000
A nakonec ubohá chuť,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
která se sotva vyrovná kapesní kalkulačce.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
A ten malý čtvereček tady v rohu, 0.7 procenta,
09:44
that's the amount we're actually aware of.
229
569000
3000
to je to, co si ve skutečnosti uvědomujeme.
09:47
So a lot of your vision --
230
572000
2000
Takže je mnoho vizuálního,
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
spousta obrazů, které proudí k nám.
09:51
It's unconscious.
232
576000
2000
Podvědomě.
09:53
The eye is exquisitely sensitive
233
578000
3000
Lidské oko je ohromně citlivé
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
na opakování ve změně barvy, tvaru a vzoru.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
To se oku líbí a oko to nazývá krásou.
10:01
It's the language of the eye.
236
586000
2000
Je to jazyk oka.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
A pokud spojíte jazyk oka a jazyk mysli,
10:05
which is about words and numbers and concepts,
238
590000
3000
který pracuje se slovy, čísly a koncepty,
10:08
you start speaking two languages simultaneously,
239
593000
3000
začnete mluvit dvěma jazyky najednou.
10:11
each enhancing the other.
240
596000
3000
Jeden podporuje druhý.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Máte zrak a když ho spojíte s myšlenkou,
10:17
And that whole thing -- it's two languages
242
602000
2000
tak to všechno, ty dva jazyky,
10:19
both working at the same time.
243
604000
2000
začne spolupracovat.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Tento nový "jazyk" může
10:23
to alter our perspective or change our views.
245
608000
3000
změnit náš úhel pohledu.
10:26
Let me ask you a simple question
246
611000
2000
Položím vám jednoduchou otázku
10:28
with a really simple answer:
247
613000
2000
s jednoduchou odpovědí.
10:30
Who has the biggest military budget?
248
615000
2000
Kdo má největší armádní rozpočet?
10:32
It's got to be America, right?
249
617000
2000
Určitě Amerika, že?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Ohromný. 609 miliard v roce 2008,
10:36
607, rather.
251
621000
2000
vlastně 607.
10:38
So massive, in fact, that it can contain
252
623000
2000
Tak velký, že by pohltil
10:40
all the other military budgets in the world inside itself.
253
625000
3000
všechny ostatní armádní rozpočty světa.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Mňam, mňam, mňam...
10:45
Now, you can see Africa's total debt there
255
630000
2000
Tady vidíte celkový dluh Afriky
10:47
and the U.K. budget deficit for reference.
256
632000
2000
a schodek rozpočtu Velké Británie pro porovnání.
10:49
So that might well chime
257
634000
2000
Z toho byste mohli mít pocit,
10:51
with your view that America
258
636000
2000
že Amerika
10:53
is a sort of warmongering military machine,
259
638000
3000
je nějaké válečné monstrum
10:56
out to overpower the world
260
641000
2000
a chce ovládnout svět
10:58
with its huge industrial-military complex.
261
643000
3000
svým obrovským průmyslově válečným komplexem.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Ale je pravdou, že Amerika má největší armádní rozpočet?
11:04
Because America is an incredibly rich country.
263
649000
2000
Je to neskutečně bohatá země.
11:06
In fact, it's so massively rich
264
651000
2000
Je tak bohatá,
11:08
that it can contain the four other
265
653000
2000
že by se do ní vešly ekonomiky čtyř dalších
11:10
top industrialized nations' economies
266
655000
2000
průmyslově nejsilnějších zemí.
11:12
inside itself, it's so vastly rich.
267
657000
3000
Tak moc je bohatá.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Takže její armádní rozpočet musí být enormní.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
Abychom byli fér a změnili perspektivu,
11:20
we have to bring in another data set,
270
665000
2000
musíme zahrnout ještě další údaj,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
a tím je HDP, neboli výdělek země.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
Kdo má největší rozpočet jako procento HDP?
11:26
Let's have a look.
273
671000
2000
Pojďme se podívat.
11:28
That changes the picture considerably.
274
673000
3000
To znatelně mění obrázek.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Jiné země, na které jste možná ani nepomysleli, se objevují
11:34
and American drops into eighth.
276
679000
2000
a Amerika se propadá na osmou příčku.
11:36
Now you can also do this with soldiers.
277
681000
2000
Tohle můžeme provést i s vojáky.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
Kdo má nejvíce vojáků? Musí to být Čína.
11:40
Of course, 2.1 million.
279
685000
2000
Jistě, 2,1 miliónů.
11:42
Again, chiming with your view
280
687000
2000
Zase, bijící do očí
11:44
that China has a militarized regime
281
689000
2000
jaký má Čína militantní režim
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
a je připravena mobilizovat ohromnou sílu.
11:48
But of course, China has an enormous population.
283
693000
3000
Čína má ale obrovskou populaci.
11:51
So if we do the same,
284
696000
2000
Takže provedeme to samé
11:53
we see a radically different picture.
285
698000
2000
a vidíme radikální rozdíl.
11:55
China drops to 124th.
286
700000
2000
Čína je na 124. místě.
11:57
It actually has a tiny army
287
702000
2000
Ve skutečnosti má maličkou armádu,
11:59
when you take other data into consideration.
288
704000
3000
když přihlédnete k jiným datům.
12:02
So, absolute figures, like the military budget,
289
707000
2000
To znamená, že absolutní čísla, jako armádní rozpočty,
12:04
in a connected world,
290
709000
2000
v propojeném světě
12:06
don't give you the whole picture.
291
711000
2000
nedávají úplný obrázek.
12:08
They're not as true as they could be.
292
713000
2000
Nejsou tak pravdivá, jak by mohla být.
12:10
We need relative figures that are connected to other data
293
715000
3000
Potřebujeme relativní čísla propojená s dalšími daty,
12:13
so that we can see a fuller picture,
294
718000
2000
abychom viděli větší obrázek,
12:15
and then that can lead to us changing our perspective.
295
720000
2000
a to teprve povede ke změně našeho úhlu pohledu.
12:17
As Hans Rosling, the master,
296
722000
2000
Jak řekl učitel Hans Rosling
12:19
my master, said,
297
724000
3000
-- můj učitel --
12:22
"Let the dataset change your mindset."
298
727000
3000
"Nechť informace změní nastavení vaší mysli."
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
A pokud to dokáží, možná by mohly změnit i vaše chování.
12:29
Take a look at this one.
300
734000
2000
Podívejte se na tohle.
12:31
I'm a bit of a health nut.
301
736000
2000
Já jsem trochu ujetý na zdravý životní styl.
12:33
I love taking supplements and being fit,
302
738000
3000
Rád beru doplňky stravy a chci být fit,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
ale pořád mám zmatek ohledně důkazů, že to funguje.
12:39
There's always conflicting evidence.
304
744000
2000
Důkazy si stále protiřečí.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
Měl bych brát vitamin C? Měl bych jíst pšeničnou trávu?
12:43
This is a visualization of all the evidence
306
748000
2000
Tohle je vizualizace všech důkazů
12:45
for nutritional supplements.
307
750000
2000
o nutričních doplňcích.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Tomuhle typu diagramu se říká "závod balónů".
12:50
So the higher up the image,
309
755000
2000
Čím výše na obrázku,
12:52
the more evidence there is for each supplement.
310
757000
3000
tím více důkazů je pro daný doplněk.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
Bubliny znázorňují popularitu podle počtu hledání na Googlu.
12:58
So you can immediately apprehend
312
763000
3000
Zde okamžitě vidíte
13:01
the relationship between efficacy and popularity,
313
766000
3000
vztah mezi účinností a popularitou,
13:04
but you can also, if you grade the evidence,
314
769000
3000
ale také vidíte, pokud odstupňujete důkazy,
13:07
do a "worth it" line.
315
772000
2000
jakousi hranici doplňků, které za to stojí.
13:09
So supplements above this line are worth investigating,
316
774000
3000
Takže doplňky nad linkou stojí za povšimnutí
13:12
but only for the conditions listed below,
317
777000
3000
za podmínek uvedených níže.
13:15
and then the supplements below the line
318
780000
3000
A doplňky pod čarou
13:18
are perhaps not worth investigating.
319
783000
2000
asi nemá ani cenu zkoumat.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Tenhle obrázek představuje ohromné množství práce.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Prošli jsme asi 1000 volně dostupných medicínských studií,
13:26
the biomedical database,
322
791000
2000
bio-zdravotnické databáze,
13:28
and we compiled them and graded them all.
323
793000
3000
a setřídili a ohodnotili jsme je.
13:31
And it was incredibly frustrating for me
324
796000
2000
Pro mě to bylo hrozně frustrující,
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
protože jsem měl udělat 250 vizualizací pro svou knihu,
13:36
and I spent a month doing this,
326
801000
2000
a tímhle jsem strávil měsíc práce
13:38
and I only filled two pages.
327
803000
2000
a měl jsem jen dvě stránky.
13:40
But what it points to
328
805000
2000
To ale poukazuje na fakt,
13:42
is that visualizing information like this
329
807000
2000
že vizualizované informace jako tyhle
13:44
is a form of knowledge compression.
330
809000
2000
jsou formou komprimace vědomostí.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
Je to způsob, jak vtěsnat velké množství
13:48
of information and understanding
332
813000
2000
informací a porozumění
13:50
into a small space.
333
815000
2000
na malé místo.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
Jakmile jste zpracovali a vyčistili data
13:54
and once it's there,
335
819000
2000
a máte je připravené,
13:56
you can do cool stuff like this.
336
821000
2000
můžete dělat skvělé věci jako například toto.
13:58
So I converted this into an interactive app,
337
823000
2000
Z tohohle jsem udělal interaktivní aplikaci,
14:00
so I can now generate this application online --
338
825000
2000
která může generovat data online -
14:02
this is the visualization online --
339
827000
2000
tohle je online vizualizace
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
a já si můžu říct "Bezva."
14:06
So it spawns itself.
341
831000
2000
Takže se to přetváří samo.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
A pak si řeknu "Ukaž mi jen věci
14:10
that affects heart health."
343
835000
2000
ovlivňující zdraví srdce."
14:12
So let's filter that out.
344
837000
2000
Teď to odfiltrujeme.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Takže máme odfiltrované srdce, pokud je to to, co nás zajímá.
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
Ale já si řeknu "Ne, ne. Nechci brát nic syntetického.
14:19
I just want to see plants and --
347
844000
3000
Chci vidět jen rostliny a...
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
jen byliny a rostliny. A mám všechny přírodní doplňky."
14:25
Now this app is spawning itself
349
850000
2000
Aplikace se upravuje sama
14:27
from the data.
350
852000
2000
podle dat.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Všechna data jsou uložena na Google docs
14:31
and it's literally generating itself from that data.
352
856000
3000
a z nich se diagram generuje.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Ta data jsou živá; tenhle obrázak je živý
14:36
and I can update it in a second.
354
861000
2000
a dá se ihned aktualizovat.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Ukáže se nový důkaz a já jen změním řádek v tabulce.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
Bum! Obrázek se znovu přetváří.
14:44
So it's cool.
357
869000
2000
Je to super.
14:46
It's kind of living.
358
871000
3000
Je to živé.
14:49
But it can go beyond data,
359
874000
2000
Ale může to jít ještě dál než jsou data
14:51
and it can go beyond numbers.
360
876000
2000
a než jsou čísla.
14:53
I like to apply information visualization
361
878000
2000
Já chci aplikovat informační vizualizace
14:55
to ideas and concepts.
362
880000
3000
na myšlenky a koncepty.
14:58
This is a visualization
363
883000
2000
Tohle je vizualizace
15:00
of the political spectrum,
364
885000
2000
politického spektra
15:02
an attempt for me to try
365
887000
2000
v mém pokusu
15:04
and understand how it works
366
889000
2000
o pochopení jeho fungování
15:06
and how the ideas percolate down
367
891000
2000
a principu pronikání myšlenek
15:08
from government into society and culture,
368
893000
2000
z vlády do společnosti a kultury,
15:10
into families, into individuals, into their beliefs
369
895000
3000
do rodin, k jednotlivcům a do jejich víry -
15:13
and back around again in a cycle.
370
898000
3000
a zpět v cyklu.
15:16
What I love about this image
371
901000
2000
Mně se na tomhle obrázku líbí,
15:18
is it's made up of concepts,
372
903000
2000
že je postaven z koncepcí,
15:20
it explores our worldviews
373
905000
2000
zkoumá naše pohledy na svět
15:22
and it helps us -- it helps me anyway --
374
907000
2000
a pomáhá nám, nebo alespoň mně,
15:24
to see what others think,
375
909000
2000
vidět, co si ostatní myslí
15:26
to see where they're coming from.
376
911000
2000
a odkud pocházejí.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
Je to skvělé se na to takhle podívat.
15:31
What was most exciting for me
378
916000
3000
Nejvíce zajímavé pro mě bylo
15:34
designing this
379
919000
2000
během vytváření toho obrázku,
15:36
was that, when I was designing this image,
380
921000
2000
že, když jsem ho vytvářel,
15:38
I desperately wanted this side, the left side,
381
923000
3000
zoufale jsem chtěl, aby tahle strana, levá strana,
15:41
to be better than the right side --
382
926000
2000
byla lepší než pravá.
15:43
being a journalist, a Left-leaning person --
383
928000
3000
Protože jsem novinář, levicově smýšlející člověk,
15:46
but I couldn't, because I would have created
384
931000
2000
ale nešlo to, protože bych vytvořil
15:48
a lopsided, biased diagram.
385
933000
3000
nevyvážený, zkreslený diagram.
15:51
So, in order to really create a full image,
386
936000
3000
Takže abych vytvořil celý obrázek,
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
musel jsem brát ohled i na pravicový pohled na věc
15:57
and at the same time, uncomfortably recognize
388
942000
3000
a současně jsem si uvědomil, což mě nepotěšilo,
16:00
how many of those qualities were actually in me,
389
945000
3000
kolik takových pohledů mám já sám.
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
To bylo opravdu otravné a nepříjemné zjištění.
16:05
(Laughter)
391
950000
4000
(smích)
16:09
But not too uncomfortable,
392
954000
2000
Ale ne zas tak moc,
16:11
because there's something unthreatening
393
956000
3000
protože je to docela uklidňující
16:14
about seeing a political perspective,
394
959000
2000
vidět politické perspektivy
16:16
versus being told or forced to listen to one.
395
961000
3000
místo toho, aby vám někdo nějakou nutil.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
V podstatě jste schopni vnímat rozdílné úhly pohledu
16:22
joyously when you can see them.
397
967000
2000
radostněji, když je sami vidíte.
16:24
It's even fun to engage with them
398
969000
2000
Je dokonce zábava se jimi zabývat,
16:26
because it's visual.
399
971000
2000
protože je vidíte.
16:28
So that's what's exciting to me,
400
973000
2000
To je pro mě vzrušující,
16:30
seeing how data can change my perspective
401
975000
2000
vidět jak data mění mou perspektivu
16:32
and change my mind midstream --
402
977000
2000
a moje myšlenkové pochody.
16:34
beautiful, lovely data.
403
979000
3000
Krásná, rozkošná data.
16:38
So, just to wrap up,
404
983000
2000
Takže na závěr
16:40
I wanted to say
405
985000
2000
jsem chtěl říct,
16:42
that it feels to me that design is about solving problems
406
987000
2000
že podle mého je design o řešení problémů
16:44
and providing elegant solutions,
407
989000
3000
a poskytování elegantních řešení.
16:47
and information design is about
408
992000
2000
A informační design je
16:49
solving information problems.
409
994000
2000
o řešení informačních problémů.
16:51
It feels like we have a lot of information problems
410
996000
2000
A zdá se, že máme mnoho informačních problémů
16:53
in our society at the moment,
411
998000
2000
v naší současné společnosti.
16:55
from the overload and the saturation
412
1000000
2000
Od přebytku a přesycení
16:57
to the breakdown of trust and reliability
413
1002000
2000
ke zhroucení důvěryhodnosti a spolehlivosti,
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
skepticismu a nesrozumitelnosti,
17:01
or even just interestingness.
415
1006000
2000
nebo dokonce nezáživnosti.
17:03
I mean, I find information just too interesting.
416
1008000
2000
Pro mě jsou informace až moc zajímavé.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
Mají jakousi magnetickou sílu, která mě přitahuje.
17:09
So, visualizing information
418
1014000
2000
Zobrazování informací
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
nám může dát velmi rychlé řešení takových problémů.
17:14
Even when the information is terrible,
420
1019000
2000
I když informace je hrozná,
17:16
the visual can be quite beautiful.
421
1021000
3000
její vizualizace může vypadat celkem dobře.
17:19
Often we can get clarity
422
1024000
3000
A často si můžeme ujasnit
17:22
or the answer to a simple question very quickly,
423
1027000
2000
nebo odpovědět na jednoduché otázky velmi rychle.
17:24
like this one,
424
1029000
2000
Jako tahle,
17:26
the recent Icelandic volcano.
425
1031000
3000
nedávný výbuch sopky na Islandu.
17:29
Which was emitting the most CO2?
426
1034000
2000
Co produkovalo nejvíc oxidu uhličitého?
17:31
Was it the planes or the volcano,
427
1036000
2000
Byla to letadla nebo sopka,
17:33
the grounded planes or the volcano?
428
1038000
2000
letadla, co musela zůstat na zemi, nebo sopka?
17:35
So we can have a look.
429
1040000
2000
Můžeme se podívat.
17:37
We look at the data and we see:
430
1042000
2000
Koukneme na data a vidíme,
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
jo, sopka vychrlila 150 000 tun;
17:41
the grounded planes would have emitted
432
1046000
2000
letadla na zemi by vyprodukovala
17:43
345,000 if they were in the sky.
433
1048000
3000
345 000, kdyby byla ve vzduchu.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Takže v podstatě jsem měli první sopku čistící ovzuší.
17:49
(Laughter)
435
1054000
2000
(smích)
17:51
(Applause)
436
1056000
9000
(potlesk)
18:00
And that is beautiful. Thank you.
437
1065000
3000
A to je krásné. Děkuji.
18:03
(Applause)
438
1068000
8000
(potlesk)
ABOUT THE SPEAKER
David McCandless - Data journalistDavid McCandless draws beautiful conclusions from complex datasets -- thus revealing unexpected insights into our world.
Why you should listen
David McCandless makes infographics -- simple, elegant ways to see information that might be too complex or too big, small, abstract or scattered to otherwise be grasped. In his new book, Information Is Beautiful (in the US, it's being called The Visual Miscellaneum), McCandless and his cadre of info designers take a spin through the world of visualized data, from hard stats on politics and climate to daffy but no less important trends in pop music.
McCandless' genius is not so much in finding jazzy new ways to show data -- the actual graphics aren't the real innovation here -- as in finding fresh ways to combine datasets to let them ping and prod each other. Reporting the number of drug deaths in the UK every year is interesting; but mapping that data onto the number of drug deaths reported by the UK press, broken down by drug, is utterly fascinating (more deaths by marijuana were reported than in fact occurred, by a factor of 484%). McCandless contributes a monthly big-think graphic to the Guardian's Data Blog, and makes viral graphics for his blog Information Is Beautiful.
David McCandless | Speaker | TED.com