TEDNYC
Giorgia Lupi: How we can find ourselves in data
Giorgia Lupi: Cómo encontrarnos en los datos
Filmed:
Readability: 4.7
1,279,894 views
Giorgia Lupi usa datos para contar historias humanas, lo que añade matices a los números. En esta charla fascinante, ella comparte cómo podemos dar personalidad a los datos, visualizando incluso los detalles mundanos de nuestra vida cotidiana y transformando lo abstracto e incontable en algo que se puede ver, sentir y reconectar directamente a nuestras vidas.
Giorgia Lupi - Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas. Full bio
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas. Full bio
Double-click the English transcript below to play the video.
00:12
This is what my last week looked like.
0
760
2880
Aquí pueden ver cómo fue mi semana pasada.
00:16
What I did,
1
4680
1696
Lo que hice,
00:18
who I was with,
2
6400
1816
con quién estuve,
00:20
the main sensations I had
for every waking hour ...
for every waking hour ...
3
8240
3120
las principales sensaciones
que tuve durante el día...
que tuve durante el día...
00:24
If the feeling came as I thought of my dad
4
12080
2496
Si el sentimiento se produjo
pensando en mi padre
pensando en mi padre
00:26
who recently passed away,
5
14600
1776
que falleció hace poco,
00:28
or if I could have just definitely
avoided the worries and anxieties.
avoided the worries and anxieties.
6
16400
4056
o si hubiera podido evitar por completo
las preocupaciones y ansiedades.
las preocupaciones y ansiedades.
00:32
And if you think I'm a little obsessive,
7
20480
1936
Si creen que soy un poco obsesiva,
00:34
you're probably right.
8
22440
1856
probablemente tengan razón.
00:36
But clearly, from this visualization,
9
24320
2256
Pero lo cierto es que al ver esto
00:38
you can learn much more about me
than from this other one,
than from this other one,
10
26600
3296
podrán conocerme mucho mejor
que al ver esto otro,
que al ver esto otro,
00:41
which are images you're
probably more familiar with
probably more familiar with
11
29920
2976
que es a lo que probablemente
estén más acostumbrados
estén más acostumbrados
00:44
and which you possibly even have
on your phone right now.
on your phone right now.
12
32920
2816
y que posiblemente tengan
en sus teléfonos ahora.
en sus teléfonos ahora.
00:47
Bar charts for the steps you walked,
13
35760
2216
Gráficas de barras
que cuentan tus pasos,
que cuentan tus pasos,
00:50
pie charts for the quality
of your sleep --
of your sleep --
14
38000
2376
circulares para la calidad de tu sueño,
00:52
the path of your morning runs.
15
40400
1720
tu trayectoria al correr temprano.
00:55
In my day job, I work with data.
16
43280
2296
En mi día a día, trabajo con datos.
00:57
I run a data visualization design company,
17
45600
2496
Tengo una compañía
de diseño de visualización de datos
de diseño de visualización de datos
01:00
and we design and develop ways
to make information accessible
to make information accessible
18
48120
3336
donde ideamos y creamos métodos
que hacen accesible la información
que hacen accesible la información
01:03
through visual representations.
19
51480
2096
mediante representaciones visuales.
01:05
What my job has taught me over the years
20
53600
3016
Lo que me ha enseñado
mi trabajo en estos años
mi trabajo en estos años
01:08
is that to really understand data
and their true potential,
and their true potential,
21
56640
4216
es que para comprender los datos
y su verdadero potencial,
y su verdadero potencial,
01:12
sometimes we actually
have to forget about them
have to forget about them
22
60880
3096
a veces tenemos que dejarlos de lado
01:16
and see through them instead.
23
64000
1760
y mejor ver a través de ellos.
01:18
Because data are always
just a tool we use to represent reality.
just a tool we use to represent reality.
24
66440
3576
Porque los datos son solo un medio
que usamos para plasmar la realidad.
que usamos para plasmar la realidad.
01:22
They're always used
as a placeholder for something else,
as a placeholder for something else,
25
70040
2856
Siempre se usan
como sustitutivos de algo,
como sustitutivos de algo,
01:24
but they are never the real thing.
26
72920
2176
pero no son lo real.
01:27
But let me step back for a moment
27
75120
1936
Me remontaré un momento
01:29
to when I first understood
this personally.
this personally.
28
77080
2480
a cuando lo comprendí de primera mano.
01:32
In 1994, I was 13 years old.
29
80280
3336
Fue en 1994, tenía 13 años.
01:35
I was a teenager in Italy.
30
83640
1936
Era una adolescente en Italia.
01:37
I was too young
to be interested in politics,
to be interested in politics,
31
85600
2616
Demasiado joven
como para interesarme en política,
como para interesarme en política,
01:40
but I knew that a businessman,
Silvio Berlusconi,
Silvio Berlusconi,
32
88240
2496
pero sí sabía que un empresario,
Silvio Berlusconi,
Silvio Berlusconi,
01:42
was running for president
for the moderate right.
for the moderate right.
33
90760
2560
era el candidato de la derecha
moderada a la presidencia
moderada a la presidencia
01:46
We lived in a very liberal town,
34
94120
2016
Vivíamos en una ciudad muy liberal
01:48
and my father was a politician
for the Democratic Party.
for the Democratic Party.
35
96160
3296
y mi padre era político
en el Partido Democrático.
en el Partido Democrático.
01:51
And I remember that no one thought
that Berlusconi could get elected --
that Berlusconi could get elected --
36
99480
4336
Recuerdo que nadie creía
que Berlusconi pudiera ganar.
que Berlusconi pudiera ganar.
01:55
that was totally not an option.
37
103840
1760
No parecía para nada posible.
01:58
But it happened.
38
106560
1216
Pero ganó.
01:59
And I remember the feeling very vividly.
39
107800
2536
Y recuerdo perfectamente lo que sentí.
02:02
It was a complete surprise,
40
110360
1856
Fue una sorpresa total;
02:04
as my dad promised that in my town
he knew nobody who voted for him.
he knew nobody who voted for him.
41
112240
5040
mi padre juraba no conocer a nadie
que hubiese votado por él en mi ciudad.
que hubiese votado por él en mi ciudad.
02:10
This was the first time
42
118720
1496
Por primera vez,
02:12
when the data I had gave me
a completely distorted image of reality.
a completely distorted image of reality.
43
120240
4560
los datos que tenía me ofrecieron
un visión distorsionada de la realidad.
un visión distorsionada de la realidad.
02:17
My data sample was actually
pretty limited and skewed,
pretty limited and skewed,
44
125280
3296
Lo cierto es que mi muestra de datos
era bastante limitada y sesgada
era bastante limitada y sesgada
02:20
so probably it was because of that,
I thought, I lived in a bubble,
I thought, I lived in a bubble,
45
128600
3736
así que pensé que se debía
a que vivía en una burbuja
a que vivía en una burbuja
02:24
and I didn't have enough chances
to see outside of it.
to see outside of it.
46
132360
2600
y que tenía pocas posibilidades
de ver fuera de ella.
de ver fuera de ella.
02:28
Now, fast-forward to November 8, 2016
47
136080
3776
Ahora vayamos al 8 de noviembre de 2016,
02:31
in the United States.
48
139880
1200
Estados Unidos.
02:33
The internet polls,
49
141960
1296
Encuestas de internet,
02:35
statistical models,
50
143280
1376
modelos estadísticos,
02:36
all the pundits agreeing on a possible
outcome for the presidential election.
outcome for the presidential election.
51
144680
4816
acuerdo unánime de expertos
sobre las elecciones presidenciales.
sobre las elecciones presidenciales.
02:41
It looked like we had
enough information this time,
enough information this time,
52
149520
2616
Parecía que disponíamos
de suficiente información
de suficiente información
02:44
and many more chances to see outside
the closed circle we lived in --
the closed circle we lived in --
53
152160
4096
y más oportunidades de salir
del círculo cerrado en el que vivíamos,
del círculo cerrado en el que vivíamos,
02:48
but we clearly didn't.
54
156280
1320
pero no fue así.
02:50
The feeling felt very familiar.
55
158040
2096
El sentimiento me era muy familiar.
02:52
I had been there before.
56
160160
1480
Ya había vivido esa situación.
02:54
I think it's fair to say
the data failed us this time --
the data failed us this time --
57
162360
2856
Creo que es justo decir
que esta vez los datos nos fallaron
que esta vez los datos nos fallaron
02:57
and pretty spectacularly.
58
165240
1856
y de manera espectacular.
02:59
We believed in data,
59
167120
1696
Creímos en los datos,
03:00
but what happened,
60
168840
1416
pero lo que pasó,
03:02
even with the most respected newspaper,
61
170280
2696
incluso en los periódicos más serios,
03:05
is that the obsession to reduce everything
to two simple percentage numbers
to two simple percentage numbers
62
173000
4696
es que la obsesión por reducir
todo a dos simples porcentajes
todo a dos simples porcentajes
03:09
to make a powerful headline
63
177720
1976
para conseguir un titular impactante
03:11
made us focus on these two digits
64
179720
2056
noz hizo centrarnos en esas dos cifras
03:13
and them alone.
65
181800
1200
y nada más.
03:15
In an effort to simplify the message
66
183560
2056
En un esfuerzo por simplificar el mensaje
03:17
and draw a beautiful,
inevitable red and blue map,
inevitable red and blue map,
67
185640
3416
y crear un mapa azul y rojo,
bonito e inequívoco
bonito e inequívoco
03:21
we lost the point completely.
68
189080
1880
perdimos el rumbo por completo.
03:23
We somehow forgot
that there were stories --
that there were stories --
69
191440
2136
De algún modo, olvidamos
que había historias,
que había historias,
03:25
stories of human beings
behind these numbers.
behind these numbers.
70
193600
2360
historias humanas tras esas cifras.
03:29
In a different context,
71
197240
1576
En un contexto distinto
03:30
but to a very similar point,
72
198840
1656
pero con una situación similar,
03:32
a peculiar challenge was presented
to my team by this woman.
to my team by this woman.
73
200520
3896
una mujer nos trajo a mí y
a mi equipo un desafío peculiar.
a mi equipo un desafío peculiar.
03:36
She came to us with a lot of data,
74
204440
2376
Ella vino a nosotros con
una gran cantidad de datos
una gran cantidad de datos
03:38
but ultimately she wanted to tell
one of the most humane stories possible.
one of the most humane stories possible.
75
206840
4416
pero en última estancia, quería contar
una de las historias más humanas posibles.
una de las historias más humanas posibles.
03:43
She's Samantha Cristoforetti.
76
211280
1696
Ella es Samantha Cristoforetti.
03:45
She has been the first
Italian woman astronaut,
Italian woman astronaut,
77
213000
2576
Ha sido la primera mujer
astronauta italiana,
astronauta italiana,
03:47
and she contacted us before being launched
78
215600
2496
y nos contactó antes de irse
03:50
on a six-month-long expedition
to the International Space Station.
to the International Space Station.
79
218120
3896
en una expedición de seis meses
a la Estación Espacial Internacional.
a la Estación Espacial Internacional.
03:54
She told us, "I'm going to space,
80
222040
2216
Nos dijo, "Me voy al espacio,
03:56
and I want to do something meaningful
with the data of my mission
with the data of my mission
81
224280
3096
y quiero hacer algo significativo
con los datos de mi misión
con los datos de mi misión
03:59
to reach out to people."
82
227400
1240
para acercar a la gente".
04:01
A mission to the
International Space Station
International Space Station
83
229600
2536
Una misión a la Estación
Espacial Internacional
Espacial Internacional
04:04
comes with terabytes of data
84
232160
2096
comprende terabytes de información
04:06
about anything you can possibly imagine --
85
234280
2376
acerca de todo lo que se puedan imaginar:
04:08
the orbits around Earth,
86
236680
1496
las órbitas alrededor de la Tierra
la velocidad y posición de la EEI,
la velocidad y posición de la EEI,
04:10
the speed and position of the ISS
87
238200
2096
04:12
and all of the other thousands
of live streams from its sensors.
of live streams from its sensors.
88
240320
3680
y todas las miles de emisiones
en directo de sus sensores.
en directo de sus sensores.
04:16
We had all of the hard data
we could think of --
we could think of --
89
244840
2896
Teníamos tantos datos fidedignos
como se pudieran imaginar,
como se pudieran imaginar,
04:19
just like the pundits
before the election --
before the election --
90
247760
2416
como los expertos
antes de la elección,
antes de la elección,
04:22
but what is the point
of all these numbers?
of all these numbers?
91
250200
2976
pero, ¿cuál era el propósito
de todos estos números?
de todos estos números?
04:25
People are not interested
in data for the sake of it,
in data for the sake of it,
92
253200
2736
A la gente no le importan los datos
solo por que sí,
solo por que sí,
04:27
because numbers are never the point.
93
255960
1855
porque los números nunca son el fin.
04:29
They're always the means to an end.
94
257839
1961
Siempre son un medio para un fin.
04:32
The story we needed to tell
95
260839
1777
La historia que necesitábamos contar
04:34
is that there is a human being
in a teeny box
in a teeny box
96
262640
2496
es que había un ser humano
en una caja minúscula
en una caja minúscula
04:37
flying in space above your head,
97
265160
2256
volando en el espacio
arriba de sus cabezas,
arriba de sus cabezas,
04:39
and that you can actually see her
with your naked eye on a clear night.
with your naked eye on a clear night.
98
267440
4096
visible a simple vista
en una noche despejada.
en una noche despejada.
04:43
So we decided to use data
to create a connection
to create a connection
99
271560
3096
Así que decidimos usar los datos
para crear una conexión
para crear una conexión
04:46
between Samantha and all of the people
looking at her from below.
looking at her from below.
100
274680
4056
entre Samantha y toda la gente
buscándola desde abajo.
buscándola desde abajo.
04:50
We designed and developed
what we called "Friends in Space,"
what we called "Friends in Space,"
101
278760
3176
Diseñamos y desarrollamos lo que llamamos
"Amigos en el espacio",
"Amigos en el espacio",
04:53
a web application that simply
lets you say "hello" to Samantha
lets you say "hello" to Samantha
102
281960
4656
una aplicación web que sencillamente
les permitía saludar a Samantha
les permitía saludar a Samantha
04:58
from where you are,
103
286640
1256
desde donde estuvieran,
04:59
and "hello" to all the people
who are online at the same time
who are online at the same time
104
287920
3536
y también podían saludar a la gente
que también estuviera en línea
que también estuviera en línea
05:03
from all over the world.
105
291480
1520
desde todo el mundo.
05:05
And all of these "hellos"
left visible marks on the map
left visible marks on the map
106
293640
3456
Todos estos saludos dejaban
unas marcas en un mapa
unas marcas en un mapa
05:09
as Samantha was flying by
107
297120
2016
mientras Samantha volaba
05:11
and as she was actually
waving back every day at us
waving back every day at us
108
299160
3376
y ella nos saludaba de vuelta
todos los días
todos los días
05:14
using Twitter from the ISS.
109
302560
1680
usando Twitter desde la EEI.
05:16
This made people see the mission's data
from a very different perspective.
from a very different perspective.
110
304880
4976
Gracias a eso, la gente pudo ver los datos
de la misión desde otra perspectiva.
de la misión desde otra perspectiva.
05:21
It all suddenly became much more
about our human nature and our curiosity,
about our human nature and our curiosity,
111
309880
4696
Repentinamente se trató mucho más
de la naturaleza humana y la curiosidad
de la naturaleza humana y la curiosidad
05:26
rather than technology.
112
314600
1656
que de la tecnología.
05:28
So data powered the experience,
113
316280
2336
Los datos potenciaron la experiencia
05:30
but stories of human beings
were the drive.
were the drive.
114
318640
2400
pero las historias humanas
fueron el impulso.
fueron el impulso.
05:34
The very positive response
of its thousands of users
of its thousands of users
115
322840
3336
Tan positiva respuesta
de los miles de usuarios
de los miles de usuarios
05:38
taught me a very important lesson --
116
326200
1936
me enseñó una lección importante:
05:40
that working with data
means designing ways
means designing ways
117
328160
2856
que el trabajar con datos implica
diseñar maneras
diseñar maneras
05:43
to transform the abstract
and the uncountable
and the uncountable
118
331040
2736
de transformar lo abstracto e incontable
05:45
into something that can be seen,
felt and directly reconnected
felt and directly reconnected
119
333800
4016
en algo que se puede ver,
sentir y reconectar
sentir y reconectar
05:49
to our lives and to our behaviors,
120
337840
2296
a nuestras vidas y comportamientos,
05:52
something that is hard to achieve
121
340160
1856
algo difícil de lograr
05:54
if we let the obsession for the numbers
and the technology around them
and the technology around them
122
342040
3896
si dejamos que la obsesión por los números
y la tecnología que los rodea,
y la tecnología que los rodea,
05:57
lead us in the process.
123
345960
1280
nos dirija en el proceso.
06:00
But we can do even more to connect data
to the stories they represent.
to the stories they represent.
124
348600
4896
Pero podemos hacer aún más para relacionar
los datos y las historias que representan.
los datos y las historias que representan.
06:05
We can remove technology completely.
125
353520
2656
Podemos prescindir
de la tecnología completamente.
de la tecnología completamente.
06:08
A few years ago, I met this other woman,
126
356200
2256
Hace un par de años conocí a esta mujer,
06:10
Stefanie Posavec --
127
358480
1376
Stefanie Posavec,
una diseñadora de Londres
una diseñadora de Londres
06:11
a London-based designer who shares with me
the passion and obsession about data.
the passion and obsession about data.
128
359880
5816
con quien comparto la pasión
y obsesión por los datos.
y obsesión por los datos.
06:17
We didn't know each other,
129
365720
1336
No nos conocíamos
06:19
but we decided to run
a very radical experiment,
a very radical experiment,
130
367080
3256
pero decidimos realizar
un experimento muy radical,
un experimento muy radical,
06:22
starting a communication using only data,
131
370360
2536
comenzamos una comunicación
usando solo datos,
usando solo datos,
06:24
no other language,
132
372920
1336
ningún otro lenguaje,
06:26
and we opted for using no technology
whatsoever to share our data.
whatsoever to share our data.
133
374280
4616
y optamos por no usar la tecnología
para compartir nuestros datos.
para compartir nuestros datos.
06:30
In fact, our only means of communication
134
378920
2896
De hecho, nuestro único
medio de comunicación
medio de comunicación
06:33
would be through
the old-fashioned post office.
the old-fashioned post office.
135
381840
2856
fue el anticuado correo postal.
06:36
For "Dear Data," every week for one year,
136
384720
2456
Para «Queridos datos»,
cada semana durante un año,
cada semana durante un año,
06:39
we used our personal data
to get to know each other --
to get to know each other --
137
387200
3456
usamos nuestros datos personales
para conocernos mútuamente,
para conocernos mútuamente,
06:42
personal data around weekly
shared mundane topics,
shared mundane topics,
138
390680
3656
datos personales semanales
sobre temas triviales,
sobre temas triviales,
06:46
from our feelings
139
394360
1216
nuestros sentimientos,
06:47
to the interactions with our partners,
140
395600
1856
la interacción con nuestra pareja,
06:49
from the compliments we received
to the sounds of our surroundings.
to the sounds of our surroundings.
141
397480
3160
los cumplidos que recibíamos
y los sonidos de nuestro entorno.
y los sonidos de nuestro entorno.
06:53
Personal information
that we would then manually hand draw
that we would then manually hand draw
142
401480
3536
Escribíamos a mano estos datos personales
06:57
on a postcard-size sheet of paper
143
405040
2496
en una hoja del tamaño de una postal
06:59
that we would every week
send from London to New York,
send from London to New York,
144
407560
2936
y la enviábamos semanalmente
de Londres a Nueva York,
de Londres a Nueva York,
07:02
where I live,
145
410520
1256
donde vivo,
07:03
and from New York to London,
where she lives.
where she lives.
146
411800
2200
y de Nueva York a Londres,
donde ella vive.
donde ella vive.
07:06
The front of the postcard
is the data drawing,
is the data drawing,
147
414480
3696
Los dibujos de los datos iban
en la parte frontal de la postal
en la parte frontal de la postal
07:10
and the back of the card
148
418200
1296
y en la parte trasera
07:11
contains the address
of the other person, of course,
of the other person, of course,
149
419520
2429
la dirección de la otra persona, claro,
07:13
and the legend for how
to interpret our drawing.
to interpret our drawing.
150
421973
2640
y la leyenda de cómo interpretar
nuestro dibujo.
nuestro dibujo.
07:17
The very first week into the project,
151
425640
2016
La primera semana de este proyecto,
07:19
we actually chose
a pretty cold and impersonal topic.
a pretty cold and impersonal topic.
152
427680
3056
elegimos un tema un poco frío e impersonal
07:22
How many times do we
check the time in a week?
check the time in a week?
153
430760
3200
"¿Cuántas veces consultamos
la hora en una semana?"
la hora en una semana?"
07:26
So here is the front of my card,
154
434720
1936
Esta es la parte frontal de mi postal,
07:28
and you can see that every little symbol
155
436680
1976
como podrán ver, los símbolos pequeños
07:30
represents all of the times
that I checked the time,
that I checked the time,
156
438680
3416
representan todas las veces
que consulté la hora,
que consulté la hora,
07:34
positioned for days
and different hours chronologically --
and different hours chronologically --
157
442120
3376
organizados por día y hora
cronológicamente,
cronológicamente,
07:37
nothing really complicated here.
158
445520
2040
nada realmente complejo aquí.
07:40
But then you see in the legend
159
448200
1576
Pero, como verán en la leyenda,
07:41
how I added anecdotal details
about these moments.
about these moments.
160
449800
3456
agregué detalles anecdóticos
acerca de esos momentos.
acerca de esos momentos.
07:45
In fact, the different types of symbols
indicate why I was checking the time --
indicate why I was checking the time --
161
453280
4576
Los diferentes tipos de símbolos
indican el porqué consultaba la hora,
indican el porqué consultaba la hora,
07:49
what was I doing?
162
457880
1216
¿qué hacía?
07:51
Was I bored? Was I hungry?
163
459120
1696
¿estaba aburrida? ¿tenía hambre?
07:52
Was I late?
164
460840
1216
¿se me hacía tarde?
07:54
Did I check it on purpose
or just casually glance at the clock?
or just casually glance at the clock?
165
462080
3216
¿consulté la hora a propósito
o por casualidad miré el reloj?
o por casualidad miré el reloj?
07:57
And this is the key part --
166
465320
2256
Y lo más importante,
07:59
representing the details
of my days and my personality
of my days and my personality
167
467600
3696
representé los detalles
de mis días y personalidad
de mis días y personalidad
08:03
through my data collection.
168
471320
1936
en mi recopilación de datos.
08:05
Using data as a lens or a filter
to discover and reveal, for example,
to discover and reveal, for example,
169
473280
4696
Los datos me sirvieron como lupa o filtro
para descubrir y demostrar, por ejemplo,
para descubrir y demostrar, por ejemplo,
08:10
my never-ending anxiety for being late,
170
478000
2176
mi eterna preocupación por llegar tarde,
08:12
even though I'm absolutely always on time.
171
480200
2200
aunque nunca jamás llego tarde.
08:16
Stefanie and I spent one year
collecting our data manually
collecting our data manually
172
484200
4096
Stefanie y yo recolectamos nuestros datos
manualmente por un año
manualmente por un año
08:20
to force us to focus on the nuances
that computers cannot gather --
that computers cannot gather --
173
488320
4496
a fin de concentrarnos en los detalles
que las computadoras pasan por alto
que las computadoras pasan por alto
08:24
or at least not yet --
174
492840
1536
—al menos hasta ahora.
08:26
using data also to explore our minds
and the words we use,
and the words we use,
175
494400
3496
También usamos los datos para estudiar
nuestra mente y nuestras palabras,
nuestra mente y nuestras palabras,
08:29
and not only our activities.
176
497920
1936
no solo nuestras actividades.
08:31
Like at week number three,
177
499880
1416
Más o menos en la semana tres
08:33
where we tracked the "thank yous"
we said and were received,
we said and were received,
178
501320
3816
monitoreamos los «gracias»
que decíamos y recibíamos,
que decíamos y recibíamos,
08:37
and when I realized that I thank
mostly people that I don't know.
mostly people that I don't know.
179
505160
4656
descubrí que tiendo a agradecerle más
a la gente que no conozco.
a la gente que no conozco.
08:41
Apparently I'm a compulsive thanker
to waitresses and waiters,
to waitresses and waiters,
180
509840
4336
Al parecer, le agradezco compulsivamente
a las meseras y meseros,
a las meseras y meseros,
08:46
but I definitely don't thank enough
the people who are close to me.
the people who are close to me.
181
514200
3160
pero no le agradezco lo suficiente
a la gente cercana a mí.
a la gente cercana a mí.
08:51
Over one year,
182
519000
1256
Después de un año,
08:52
the process of actively noticing
and counting these types of actions
and counting these types of actions
183
520280
4496
el hacer conscientes y enumerar
este tipo de acciones
este tipo de acciones
08:56
became a ritual.
184
524800
1296
se volvió un ritual.
08:58
It actually changed ourselves.
185
526120
2056
Realmente cambió algo en nosotras.
09:00
We became much more
in tune with ourselves,
in tune with ourselves,
186
528200
2696
Entramos en una mejor sintonía
con nosotras mismas,
con nosotras mismas,
09:02
much more aware of our behaviors
and our surroundings.
and our surroundings.
187
530920
3120
estábamos más conscientes
de nuestro comportamiento y entorno.
de nuestro comportamiento y entorno.
09:06
Over one year, Stefanie and I
connected at a very deep level
connected at a very deep level
188
534680
2976
Ese año, Stefanie y yo establecimos
una conexión muy profunda
una conexión muy profunda
09:09
through our shared data diary,
189
537680
2016
a través del diario de datos compartido,
09:11
but we could do this only because
we put ourselves in these numbers,
we put ourselves in these numbers,
190
539720
4296
pero lo logramos porque
nos depositamos en estos números
nos depositamos en estos números
09:16
adding the contexts
of our very personal stories to them.
of our very personal stories to them.
191
544040
3976
añadiéndoles los contextos
de nuestras historias personales.
de nuestras historias personales.
09:20
It was the only way
to make them truly meaningful
to make them truly meaningful
192
548040
2456
Solo así logramos
que fueran significativos
que fueran significativos
09:22
and representative of ourselves.
193
550520
2200
y que en verdad nos representaran.
09:26
I am not asking you
to start drawing your personal data,
to start drawing your personal data,
194
554480
3096
No les estoy pidiendo que empiecen
a dibujar sus datos personales,
a dibujar sus datos personales,
09:29
or to find a pen pal across the ocean.
195
557600
2856
o que se envíen postales con un amigo
al otro lado del mundo.
al otro lado del mundo.
09:32
But I'm asking you to consider data --
196
560480
2576
Lo que les pido es que vean los datos
09:35
all kind of data --
197
563080
1456
—todo tipo de datos—
09:36
as the beginning of the conversation
198
564560
1776
como el inicio de una conversación
09:38
and not the end.
199
566360
1200
y no como el final.
09:40
Because data alone
will never give us a solution.
will never give us a solution.
200
568080
3176
Porque los datos en sí
nunca nos darán una solución.
nunca nos darán una solución.
09:43
And this is why data failed us so badly --
201
571280
2696
Por eso los datos nos fallaron tanto,
09:46
because we failed to include
the right amount of context
the right amount of context
202
574000
3376
porque fallamos al no incluir
contexto suficiente
contexto suficiente
09:49
to represent reality --
203
577400
1456
que representara a la realidad,
09:50
a nuanced, complicated
and intricate reality.
and intricate reality.
204
578880
3200
una realidad compleja, intrincada
y llena de matices.
y llena de matices.
09:54
We kept looking at these two numbers,
205
582960
2456
Seguimos viendo estos dos números,
09:57
obsessing with them
206
585440
1496
nos obsesionamos con ellos
09:58
and pretending that our world
could be reduced
could be reduced
207
586960
2496
y pensamos que nuestro mundo
podía ser reducido
podía ser reducido
10:01
to a couple digits and a horse race,
208
589480
2336
a dos porcentajes y un enfrentamiento,
10:03
while the real stories,
209
591840
1256
entretanto, las historias reales
que en verdad importaban,
que en verdad importaban,
10:05
the ones that really mattered,
210
593120
1456
10:06
were somewhere else.
211
594600
1416
las hicimos a un lado.
10:08
What we missed looking at these stories
only through models and algorithms
only through models and algorithms
212
596040
4416
El ver estas historias a través de modelos
y algoritmos hizo que nos perdiéramos
y algoritmos hizo que nos perdiéramos
10:12
is what I call "data humanism."
213
600480
2520
de lo que llamo «humanismo de datos».
10:15
In the Renaissance humanism,
214
603560
2016
En el humanismo del Renacimiento,
10:17
European intellectuals
215
605600
1616
los intelectuales europeos
situaron la naturaleza humana,
situaron la naturaleza humana,
10:19
placed the human nature instead of God
at the center of their view of the world.
at the center of their view of the world.
216
607240
4920
en lugar de Dios, en el centro
de su visión del mundo.
de su visión del mundo.
10:24
I believe something similar
needs to happen
needs to happen
217
612800
2216
Creo que algo similar debe pasar
10:27
with the universe of data.
218
615040
1776
con el universo de los datos.
10:28
Now data are apparently
treated like a God --
treated like a God --
219
616840
2976
Aparentemente, hoy se cree
que los datos son como Dios,
que los datos son como Dios,
10:31
keeper of infallible truth
for our present and our future.
for our present and our future.
220
619840
3280
que contienen una verdad infalible
sobre nuestro presente y futuro.
sobre nuestro presente y futuro.
10:35
The experiences
that I shared with you today
that I shared with you today
221
623840
2896
Las experiencias que compartí
hoy con Uds., me enseñaron
hoy con Uds., me enseñaron
10:38
taught me that to make data faithfully
representative of our human nature
representative of our human nature
222
626760
5016
que para hacer que los datos representen
fielmente la naturaleza humana
fielmente la naturaleza humana
10:43
and to make sure they will not
mislead us anymore,
mislead us anymore,
223
631800
3416
y para asegurarnos
de que no nos desorienten más,
de que no nos desorienten más,
10:47
we need to start designing ways
to include empathy, imperfection
to include empathy, imperfection
224
635240
3696
se necesita comenzar a diseñar maneras
de incluir la empatía, la imperfección
de incluir la empatía, la imperfección
10:50
and human qualities
225
638960
1576
y las cualidades humanas
10:52
in how we collect, process,
analyze and display them.
analyze and display them.
226
640560
3720
en la recolección, procesamiento,
análisis y visualización de datos.
análisis y visualización de datos.
10:57
I do see a place where, ultimately,
227
645280
2976
En definitiva, sí veo un momento
11:00
instead of using data
only to become more efficient,
only to become more efficient,
228
648280
3336
donde en vez de usar datos
solo para ser más eficientes,
solo para ser más eficientes,
11:03
we will all use data
to become more humane.
to become more humane.
229
651640
2800
todos usaremos los datos
para ser más humanos.
para ser más humanos.
11:06
Thank you.
230
654880
1216
Gracias.
11:08
(Applause)
231
656120
4441
(Aplausos)
ABOUT THE SPEAKER
Giorgia Lupi - Information designerGiorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas.
Why you should listen
What sets Giorgia Lupi apart is her humanistic approach to the world of data.
Her work frequently crosses the divide between digital, print and handcrafted representations of information: primarily, she draws with data. She has a passion for and obsession with data, the material she uses to tell stories, and the lens through which she sees the world.
Data are often considered to be very impersonal, boring and clinical, but Lupi's work proves the opposite. She makes sense of data with a curious mind and a heterogeneous arsenal, which ranges from digital technology to exhausting and repetitive manual labor. She believes we will ultimately unlock the full potential of data only when we embrace their nature, and make them part of our lives, which will inevitably make data more human in the process.
Trained as an architect, Lupi has always been driven by opposing forces: analysis and intuition, logic and beauty, numbers and images. True to these dichotomies, in 2011 she started both her own company and studying for a PhD. She earned her ddoctorate in design at Politecnico di Milano, where she focused on information mapping, and she is now the design director and co-founder of Accurat, a global, data-driven research, design and innovation firm with offices in Milan and New York. She relocated from Italy to New York City, where she now lives.
Thanks to her work and research, Giorgia is a prominent voice in the world of data. She has spoken at numerous events, universities and institutions around the world, including the Museum of Modern Art, the Guggenheim Museum, PopTech Conference, Eyeo Festival, Fast Company Innovation by Design, New York University, Columbia University and the New York Public Library. She has been featured in major international outlets such as the New York Times, The Guardian, the Washington Post, NPR, BBC, TIME magazine, National Geographic, Scientific American, Popular Science, Wired, Vogue, Vanity Fair, Monocle and more. Her work has been exhibited at the Design Museum, the Science Museum, and Somerset House in London; the New York Hall of Science and the Storefront for Art and Architecture in New York; at the Triennale Design Museum and the Design Week in Milan, among others.
With her company, Accurat, she has worked with major international clients including IBM, Google, Microsoft, the United Nations, the World Health Organization, the World Economic Forum, the European Union, the Louis Vuitton-Moet-Hennessy Group, Fiat Chrysler Automobiles, J.P. Morgan Asset Management, Unicredit Group and KPMG Advisory.
Giorgia is the co-author of Dear Data, an aspirational hand-drawn data visualization book that explores the more slippery details of daily life through data, revealing the patterns that inform our decisions and affect our relationships.
Her work is part of the permanent collection of the Museum of Modern Art.
Giorgia Lupi | Speaker | TED.com