TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: La belleza de la visualización de datos
Filmed:
Readability: 4.3
3,250,094 views
David McCandless convierte series de datos complejos, como el gasto militar mundial, la cobertura mediática, las actualizaciones en los perfiles de Facebook, entre otros, en los diagramas más preciosos y simples. Propone el diseño de información como herramienta para navegar a través de la superabundancia de la información actual, buscando patrones y conexiones únicas que pueden lograr cambiar la forma de ver el mundo.
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
Parece que todos sufrimos
00:17
from information overload or data glut.
1
2000
3000
la sobrecarga de información o el exceso de datos.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
Lo bueno es que puede que haya una solución fácil para eso,
00:22
and that's using our eyes more.
3
7000
2000
simplemente usando más los ojos.
00:24
So, visualizing information, so that we can see
4
9000
2000
Es decir, visualizando la información para que podamos ver
00:26
the patterns and connections that matter
5
11000
3000
los patrones y conexiones importantes
00:29
and then designing that information so it makes more sense,
6
14000
3000
y luego diseñando esa información para que tenga más sentido,
00:32
or it tells a story,
7
17000
2000
o para que explique una historia,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
o para que nos permita centrarnos únicamente en la información relevante.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
De no ser así, la información visualizada puede ser realmente fría.
00:41
So, let's see.
10
26000
2000
Veamos.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Aquí tenemos el diagrama de los mil millones.
00:47
and this image arose
12
32000
2000
Y esto surgió
00:49
out of frustration I had
13
34000
2000
de la frustración que tuve
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
al tener que escribir un artículo sobre cifras, sobre miles de millones de dólares.
00:53
That is, they're meaningless without context:
15
38000
3000
Es decir, que carecen de cualquier significado sin contexto.
00:56
500 billion for this pipeline,
16
41000
2000
500 mil millones para el oleoducto.
00:58
20 billion for this war.
17
43000
2000
20 mil millones para esta guerra.
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
Así no tiene ningún sentido, la única manera de entenderlo
01:02
is visually and relatively.
19
47000
2000
es visualizándolo y relativizándolo.
01:04
So I scraped a load of reported figures
20
49000
2000
Así es que, escarbé en un montón de cifras publicadas
01:06
from various news outlets
21
51000
2000
en diversos medios de comunicación
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
y luego adapté las casillas a las cantidades.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
Y los colores que representan la motivación existente tras el dinero.
01:14
So purple is "fighting,"
24
59000
3000
Así púrpura significa combate,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
rojo significa donaciones y verde especulación.
01:20
And what you can see straight away
26
65000
2000
Y lo que se percibe de inmediato
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
es que se comienza a establecer una relación diferente con los números.
01:24
You can literally see them.
28
69000
2000
Literalmente se pueden ver.
01:26
But more importantly, you start to see
29
71000
2000
Pero lo más importante es que se comienzan a ver
01:28
patterns and connections between numbers
30
73000
2000
patrones y conexiones entre los números
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
que de otro modo encontraríamos diseminados en múltiples artículos de prensa.
01:33
Let me point out some that I really like.
32
78000
3000
Permítanme señalar algunos que me gustan.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Estos son los ingresos de la OPEP, la caja verde de aquí,
01:38
780 billion a year.
34
83000
2000
780 mil millones al año.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
Y este pequeño pixel en la esquina de tres mil millones
01:43
that's their climate change fund.
36
88000
3000
son los fondos para el cambio climático.
01:46
Americans, incredibly generous people --
37
91000
2000
Los estadounidenses, personas increíblemente generosas,
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
donaron más de 300 mil millones de dólares a la beneficencia como cada año,
01:51
compared with the amount of foreign aid
39
96000
2000
comparado con la suma de la ayuda exterior
01:53
given by the top 17 industrialized nations
40
98000
2000
donada por los 17 países más industrializados
01:55
at 120 billion.
41
100000
2000
de 120 mil millones de dólares.
01:57
Then of course,
42
102000
2000
Y, por supuesto,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
la guerra de Irak, cuyos costes previstos eran de apenas 60 mil millones
02:01
back in 2003.
44
106000
3000
en el 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
Y que se ha multiplicado ligeramente. Afganistán asciende ahora a
02:07
to 3,000 billion.
46
112000
3000
a 3 billones de dólares.
02:10
So now it's great
47
115000
2000
Así que es estupendo
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
porque ahora tenemos este entorno donde podemos añadir también números.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Así que podemos decir, un nuevo número sale... vamos a ver la deuda africana.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
¿Cuánto de este diagrama creen que podría condonarse
02:19
by the debt that Africa owes to the West?
51
124000
2000
de la deuda que África debe a Occidente?
02:21
Let's take a look.
52
126000
2000
Echemos un vistazo.
02:23
So there it is:
53
128000
2000
Ahí está.
02:25
227 billion is what Africa owes.
54
130000
2000
227 mil millones es lo que África debe.
02:27
And the recent financial crisis,
55
132000
2000
Y la reciente crisis financiera,
02:29
how much of this diagram might that figure take up?
56
134000
2000
¿cuánto de este diagrama podría alcanzar esta cantidad?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
¿Qué costaría esto al mundo? Vamos a ver.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
¡Guauuuuu! Creo que es el efecto de sonido apropiado
02:37
for that much money:
59
142000
2000
para esa cantidad de dinero.
02:39
11,900 billion.
60
144000
4000
11,9 billones.
02:45
So, by visualizing this information,
61
150000
2000
Así, mediante la visualización de esta información,
02:47
we turned it into a landscape
62
152000
2000
se convierte en un escenario
02:49
that you can explore with your eyes,
63
154000
2000
explorable con los ojos,
02:51
a kind of map really, a sort of information map.
64
156000
2000
una especie de mapa en realidad, una especie de mapa de información.
02:53
And when you're lost in information,
65
158000
2000
Y cuando uno está perdido en información,
02:55
an information map is kind of useful.
66
160000
3000
el mapa de la información es una ayuda.
02:58
So I want to show you another landscape now.
67
163000
2000
Ahora quiero mostrar otro escenario.
03:00
We need to imagine what a landscape
68
165000
2000
Tenemos que imaginarnos lo que sería un escenario
03:02
of the world's fears might look like.
69
167000
3000
de los miedos del mundo.
03:05
Let's take a look.
70
170000
2000
Echemos un vistazo.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Son montañas, una cordillera de colinas,
03:09
a timeline of global media panic.
72
174000
2000
un cronograma del pánico global transmitido en los medios.
03:11
(Laughter)
73
176000
2000
(Risas)
03:13
So, I'll label this for you in a second.
74
178000
2000
Lo etiquetaré para Uds en un segundo.
03:15
But the height here, I want to point out,
75
180000
2000
Quisiera señalar que la altura
03:17
is the intensity of certain fears
76
182000
2000
significa la intensidad de ciertos miedos
03:19
as reported in the media.
77
184000
2000
según se informa en los medios de comunicación.
03:21
Let me point them out.
78
186000
2000
Se los mostraré.
03:23
So this, swine flu -- pink.
79
188000
4000
Esto en rosa es la gripe porcina.
03:27
Bird flu.
80
192000
2000
La gripe aviar.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
Epidemia del SARS, la marrón. ¿Se acuerdan de esa?
03:32
The millennium bug,
82
197000
3000
El error del milenio,
03:35
terrible disaster.
83
200000
2000
desastre terrible.
03:37
These little green peaks
84
202000
2000
Estos picos pequeños verdes
03:39
are asteroid collisions.
85
204000
2000
son las colisiones de asteroides.
03:41
(Laughter)
86
206000
2000
(Risas)
03:43
And in summer, here, killer wasps.
87
208000
2000
Y en verano, aquí, avispas asesinas.
03:45
(Laughter)
88
210000
8000
(Risas)
03:53
So these are what our fears look like
89
218000
2000
Así que estos son los que parecen ser nuestros miedos
03:55
over time in our media.
90
220000
2000
en el transcurso del tiempo en nuestros medios de comunicación.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Pero lo que me encanta, soy periodista,
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
es encontrar patrones ocultos, me encanta ser un detective de datos.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
Y existe un patrón muy interesante y extraño oculto en estos datos
04:05
that you can only see when you visualize it.
94
230000
2000
que sólo se puede ver al visualizarlos.
04:07
Let me highlight it for you.
95
232000
2000
Permítanme que los resalte.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Observen esta línea. Es un mapa relativo a videojuegos violentos.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Como ven, hay una especie de patrón extraño, constante en los datos,
04:15
twin peaks every year.
98
240000
2000
picos idénticos cada año.
04:17
If we look closer, we see those peaks occur
99
242000
2000
Si observamos con detalle, vemos que los picos se repiten
04:19
at the same month every year.
100
244000
3000
en el mismo mes cada año.
04:22
Why?
101
247000
2000
¿Por qué?
04:24
Well, November, Christmas video games come out,
102
249000
2000
En noviembre se lanzan los videojuegos para la campaña de Navidad
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
y puede que haya una mayor preocupación por su contenido.
04:29
But April isn't a particularly massive month
104
254000
3000
Pero abril no es un mes particularmente relevante
04:32
for video games.
105
257000
2000
para los videojuegos.
04:34
Why April?
106
259000
2000
¿Por qué abril?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
En abril de 1999 fue la masacre de Columbine,
04:39
and since then, that fear
108
264000
2000
y desde entonces, aquel miedo
04:41
has been remembered by the media
109
266000
2000
ha sido recordado por los medios de comunicación
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
y resuena en las mentes de algunos durante el año.
04:45
You have retrospectives, anniversaries,
111
270000
3000
Contamos con retrospectivas, aniversarios,
04:48
court cases, even copy-cat shootings,
112
273000
3000
casos judiciales, incluso con simulaciones de tiroteos,
04:51
all pushing that fear into the agenda.
113
276000
3000
todo alimentando el miedo como tema del día.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
Y hay otro patrón aquí. ¿Lo ven?
04:56
See that gap there? There's a gap,
115
281000
2000
¿Ven ese vacío? Hay una espacio,
04:58
and it affects all the other stories.
116
283000
2000
y repercute en el resto de las noticias.
05:00
Why is there a gap there?
117
285000
2000
¿Por qué hay un vacío ahí?
05:02
You see where it starts? September 2001,
118
287000
3000
¿Ven cuándo empieza? Septiembre de 2001,
05:05
when we had something very real
119
290000
2000
cuando tuvimos algo muy real
05:07
to be scared about.
120
292000
2000
a lo que temer.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
He trabajado como periodista de datos alrededor de un año,
05:12
and I keep hearing a phrase
122
297000
2000
y sigo oyendo una frase
05:14
all the time, which is this:
123
299000
3000
todo el tiempo, esto es:
05:17
"Data is the new oil."
124
302000
2000
"Los datos son el nuevo petróleo".
05:19
Data is the kind of ubiquitous resource
125
304000
3000
Y los datos son un recurso omnipresente
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
a los que podemos dar forma para innovar y generar nuevos conocimientos,
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
y todo está a nuestro alcance y puede extraerse fácilmente.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
Es una metáfora poco feliz en estos tiempos,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
especialmente si viven en el Golfo de México,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
Por eso adaptaría esta metáfora un poco,
05:36
and I would say that data is the new soil.
131
321000
3000
y yo diría que la información es la nueva tierra.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
Porque para mí, es un medio fértil y creativo.
05:43
Over the years, online,
133
328000
2000
A lo largo de los años, en línea,
05:45
we've laid down
134
330000
3000
hemos depositado
05:48
a huge amount of information and data,
135
333000
2000
una enorme cantidad de información y datos,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
que hacemos florecer con redes y conectividad,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
y ha sido elaborado y cultivado por trabajadores no remunerados y por gobiernos.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
Y, bueno, desearía ordeñar la metáfora un poco más.
05:58
But it's a really fertile medium,
139
343000
3000
Pero se trata de un material muy fértil,
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
y parece como si las visualizaciones, la infografía, las visualizaciones de datos
06:04
they feel like flowers blooming from this medium.
141
349000
3000
fuesen flores que crecen en este medio.
06:07
But if you look at it directly,
142
352000
2000
Pero si lo observamos de forma lineal
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
se trata sólo de un montón de números y hechos inconexos.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Pero si empiezas a trabajar y jugar con ellos de otra manera,
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
surgen cosas interesantes que revelan diferentes patrones.
06:17
Let me show you this.
146
362000
2000
Ahora les mostraré esto.
06:19
Can you guess what this data set is?
147
364000
3000
¿Adivinan lo que dice esta información?
06:22
What rises twice a year,
148
367000
2000
Lo que sube dos veces al año,
06:24
once in Easter
149
369000
2000
una vez en Semana Santa
06:26
and then two weeks before Christmas,
150
371000
2000
y luego dos semanas antes de Navidad,
06:28
has a mini peak every Monday,
151
373000
2000
y que tiene un mini pico todos los lunes
06:30
and then flattens out over the summer?
152
375000
2000
y luego se aplana durante el verano.
06:32
I'll take answers.
153
377000
2000
A ver, sus respuestas,
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(Público: Chocolate) David McCandless: Chocolate.
06:36
You might want to get some chocolate in.
155
381000
3000
Puede que también desee un poco de chocolate
06:39
Any other guesses?
156
384000
2000
¿Alguna idea?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(Público: Compras) DM: Compras.
06:43
Yeah, retail therapy might help.
158
388000
3000
Sí, la terapia de ir de compras podría ayudar.
06:46
(Audience: Sick leave.)
159
391000
2000
(Público: baja por enfermedad)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: Baja por enfermedad. Sí, seguro que querrían unos días libres.
06:50
Shall we see?
161
395000
2000
¿Lo vemos?
06:53
(Laughter)
162
398000
8000
(Risas)
07:01
(Applause)
163
406000
3000
(Aplausos)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Esta es la información que Byron Lee y yo
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
hemos obtenido 10.000 actualizaciones de estado de Facebook
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
tras la frase "se interrumpe" e "interrumpido"
07:12
and this is the pattern we found --
167
417000
2000
y este es el patrón que encontramos.
07:14
people clearing out for Spring Break,
168
419000
2000
La gente ordena para las vacaciones de primavera
07:16
(Laughter)
169
421000
5000
(Risas)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
sale los fines de semana repercutiendo en los lunes,
07:23
being single over the summer,
171
428000
3000
es soltera en verano.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
Y la actividad más baja del año, claro, el día de Navidad.
07:29
Who would do that?
173
434000
3000
¿Quién haría eso?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
Por tanto existe una cantidad titánica de datos,
07:34
unprecedented.
175
439000
2000
sin precedentes.
07:37
But if you ask the right kind of question,
176
442000
2000
Pero si formulan el tipo de pregunta adecuada,
07:39
or you work it in the right kind of way,
177
444000
2000
o lo abordan de la forma adecuada
07:41
interesting things can emerge.
178
446000
3000
pueden surgir cosas interesantes.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
Así que la información es preciosa. Los datos son preciosos.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Me pregunto si yo podría hacer mi vida tan bonita.
07:50
And here's my visual C.V.
181
455000
2000
Aquí está mi CV visual.
07:52
I'm not quite sure I've succeeded.
182
457000
2000
No estoy muy seguro de haberlo logrado.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Bastante cuadriculado. Los colores tampoco son tan maravillosos.
07:56
But I wanted to convey something to you.
184
461000
3000
Pero quería transmitirles algo.
07:59
I started as a programmer,
185
464000
2000
Empecé como programador,
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
y luego trabajé de redactor durante muchos años, unos 20 años,
08:03
in print, online and then in advertising,
187
468000
2000
en prensa, Internet y luego en publicidad
08:05
and only recently have I started designing.
188
470000
3000
y hace poco que he comenzado a diseñar.
08:08
And I've never been to design school.
189
473000
2000
Y nunca he ido a la escuela de diseño.
08:10
I've never studied art or anything.
190
475000
3000
Nunca he estudiado arte ni nada de eso.
08:13
I just kind of learned through doing.
191
478000
2000
Soy un autodidacta que aprende mediante la práctica.
08:15
And when I started designing,
192
480000
2000
Y cuando comencé a diseñar,
08:17
I discovered an odd thing about myself.
193
482000
2000
Descubrí una cosa extraña sobre mí.
08:19
I already knew how to design,
194
484000
2000
Yo ya sabía cómo diseñar,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
pero no en el sentido de ser muy brillante,
08:24
but more like I was sensitive
196
489000
2000
sino más bien de tener la sensibilidad
08:26
to the ideas of grids and space
197
491000
2000
de los conceptos de grilla y espacio
08:28
and alignment and typography.
198
493000
2000
así como de alineación y tipografía.
08:30
It's almost like being exposed
199
495000
2000
Es como si haber estado expuesto
08:32
to all this media over the years
200
497000
2000
a todo esto en los medios de comunicación durante años
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
me hubiese inculcado una especie de alfabetización en diseño.
08:37
And I don't feel like I'm unique.
202
502000
2000
Y no me siento único.
08:39
I feel that everyday, all of us now
203
504000
2000
Creo que todos los días, todos nosotros ahora
08:41
are being blasted by information design.
204
506000
3000
estamos tocados por el diseño de la información.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Se ha diseminado ante nuestros ojos a través de la Web,
08:46
and we're all visualizers now;
206
511000
2000
y todos somos ahora visualizadores;
08:48
we're all demanding a visual aspect
207
513000
2000
todos exigimos un rasgo visual
08:50
to our information.
208
515000
3000
a la información.
08:53
There's something almost quite magical about visual information.
209
518000
3000
Y hay algo casi mágico sobre la información visual.
08:56
It's effortless, it literally pours in.
210
521000
3000
No cuesta esfuerzo, sino que mana.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
Y si se navega en una jungla densa de información,
09:02
coming across a beautiful graphic
212
527000
2000
toparse con una gráfica hermosa
09:04
or a lovely data visualization,
213
529000
2000
o una visualización hermosa de datos,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
alivia, es como toparse con un claro en la selva.
09:09
I was curious about this, so it led me
215
534000
2000
Y esto me despertaba curiosidad, lo que me llevó
09:11
to the work of a Danish physicist
216
536000
2000
a la obra de un físico danés,
09:13
called Tor Norretranders,
217
538000
2000
Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
él renombró el ancho de banda de los sentidos en términos informáticos.
09:19
So here we go. This is your senses,
219
544000
2000
Así que allá vamos. Estos son los sentidos
09:21
pouring into your senses every second.
220
546000
2000
invirtiendo más en ellos cada segundo.
09:23
Your sense of sight is the fastest.
221
548000
3000
El sentido de la vista es el más rápido.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Tiene el mismo ancho de banda que una red informática.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
Además contamos con el tacto, con la velocidad aproximada de una llave USB.
09:32
And then you have hearing and smell,
224
557000
2000
En cuanto al oído y el olfato,
09:34
which has the throughput of a hard disk.
225
559000
2000
éstos tiene el rendimiento de un disco duro.
09:36
And then you have poor old taste,
226
561000
2000
Y por último el gusto, pobre y antiguo,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
cuyo rendimiento apenas equivale al de una calculadora.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
Y este cuadrado pequeño en la esquina, un 0,7%,
09:44
that's the amount we're actually aware of.
229
569000
3000
esa es la cantidad de la que en realidad somos conscientes.
09:47
So a lot of your vision --
230
572000
2000
Así que una gran parte de la percepción
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
la mayor parte de ella es visual y sigue aumentando.
09:51
It's unconscious.
232
576000
2000
Es inconsciente.
09:53
The eye is exquisitely sensitive
233
578000
3000
El ojo es muy sensible
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
a los patrones de variaciones de color, forma y patrón.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
Al ojo le encantan y los considera hermosos.
10:01
It's the language of the eye.
236
586000
2000
Es el lenguaje visual.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
Y si se combina ese lenguaje visual con el lenguaje mental,
10:05
which is about words and numbers and concepts,
238
590000
3000
que versa sobre palabras, números y conceptos,
10:08
you start speaking two languages simultaneously,
239
593000
3000
se empieza a hablar dos idiomas simultáneamente,
10:11
each enhancing the other.
240
596000
3000
uno mejorando al otro.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Así, primero es el ojo y luego ocurren los conceptos
10:17
And that whole thing -- it's two languages
242
602000
2000
Y todo esto son dos lenguas
10:19
both working at the same time.
243
604000
2000
trabajando al mismo tiempo.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Así que podríamos usar este nuevo tipo de lenguaje, si se quiere,
10:23
to alter our perspective or change our views.
245
608000
3000
para modificar nuestra perspectiva o cambiar nuestras opiniones
10:26
Let me ask you a simple question
246
611000
2000
Déjenme hacerles una pregunta sencilla
10:28
with a really simple answer:
247
613000
2000
con una respuesta muy simple.
10:30
Who has the biggest military budget?
248
615000
2000
¿Quién tiene el mayor presupuesto militar?
10:32
It's got to be America, right?
249
617000
2000
Seguro que EEUU ¿no?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Enorme. 609 mil millones en 2008,
10:36
607, rather.
251
621000
2000
607 mil, más bien.
10:38
So massive, in fact, that it can contain
252
623000
2000
Tan enorme, que puede abarcar
10:40
all the other military budgets in the world inside itself.
253
625000
3000
la suma de todo el resto de los presupuestos militares del mundo.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Engullir, engullir, engullir.
10:45
Now, you can see Africa's total debt there
255
630000
2000
Ahora, podemos ver la deuda total de África
10:47
and the U.K. budget deficit for reference.
256
632000
2000
y el déficit presupuestario del Reino Unido para comparar.
10:49
So that might well chime
257
634000
2000
De modo que bien podría sintonizar
10:51
with your view that America
258
636000
2000
con su opinión de que los EEUU
10:53
is a sort of warmongering military machine,
259
638000
3000
es una especie de maquinaria militar bélica
10:56
out to overpower the world
260
641000
2000
preparada para dominar el mundo
10:58
with its huge industrial-military complex.
261
643000
3000
con su enorme aparato industrial y militar.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Pero ¿es cierto que EEUU tiene el mayor presupuesto militar?
11:04
Because America is an incredibly rich country.
263
649000
2000
Porque sí que es un país increíblemente rico.
11:06
In fact, it's so massively rich
264
651000
2000
De hecho, es tan sumamente rico
11:08
that it can contain the four other
265
653000
2000
que puede contener las cuatro
11:10
top industrialized nations' economies
266
655000
2000
economías de las naciones más industrializadas.
11:12
inside itself, it's so vastly rich.
267
657000
3000
Así es de inmensamente rico.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Por ello está obligado a tener un presupuesto militar enorme.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
Así que, para ser justos y modificar nuestra perspectiva,
11:20
we have to bring in another data set,
270
665000
2000
tenemos que compararlo con otro conjunto de datos,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
y ese conjunto de datos es el PBI, o los ingresos del país.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
¿Quién tiene el mayor presupuesto en proporción al PBI?
11:26
Let's have a look.
273
671000
2000
Veamos.
11:28
That changes the picture considerably.
274
673000
3000
Esto cambia considerablemente el panorama.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Otros países que, tal vez, no se consideraban, saltan a la vista
11:34
and American drops into eighth.
276
679000
2000
y EEUU desciende al octavo puesto.
11:36
Now you can also do this with soldiers.
277
681000
2000
Ahora también lo hacemos con los soldados.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
¿Quién tiene el mayor número de soldados? Seguro que China.
11:40
Of course, 2.1 million.
279
685000
2000
Por supuesto, 2,1 millones.
11:42
Again, chiming with your view
280
687000
2000
Una vez más, coincide con su opinión de
11:44
that China has a militarized regime
281
689000
2000
que China es un régimen militarizado
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
listo para movilizar cuantiosas fuerzas armadas.
11:48
But of course, China has an enormous population.
283
693000
3000
Pero, China tiene una población enorme.
11:51
So if we do the same,
284
696000
2000
Así que si hacemos lo mismo,
11:53
we see a radically different picture.
285
698000
2000
vemos una imagen radicalmente distinta.
11:55
China drops to 124th.
286
700000
2000
China desciende al puesto 124.
11:57
It actually has a tiny army
287
702000
2000
En realidad, tiene un pequeño ejército
11:59
when you take other data into consideration.
288
704000
3000
cuando se toma en cuenta otros datos.
12:02
So, absolute figures, like the military budget,
289
707000
2000
Por lo tanto, las cifras absolutas, al igual que el presupuesto militar,
12:04
in a connected world,
290
709000
2000
en un mundo conectado,
12:06
don't give you the whole picture.
291
711000
2000
no proporciona la visión completa.
12:08
They're not as true as they could be.
292
713000
2000
No es pues tan cierto como podría ser.
12:10
We need relative figures that are connected to other data
293
715000
3000
Necesitamos cifras relativas que se conecten con otros datos
12:13
so that we can see a fuller picture,
294
718000
2000
para que podamos ver un panorama más completo,
12:15
and then that can lead to us changing our perspective.
295
720000
2000
y que nos lleve a cambiar nuestra perspectiva.
12:17
As Hans Rosling, the master,
296
722000
2000
Como Hans Rosling, el maestro,
12:19
my master, said,
297
724000
3000
mi maestro, decía:
12:22
"Let the dataset change your mindset."
298
727000
3000
"Dejemos que los datos cambien la forma de pensar".
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
Y si se puede hacer, tal vez también se puede cambiar la conducta.
12:29
Take a look at this one.
300
734000
2000
Veamos este.
12:31
I'm a bit of a health nut.
301
736000
2000
Soy un poco fanático de la salud.
12:33
I love taking supplements and being fit,
302
738000
3000
Me gusta tomar suplementos vitamínicos y estar en forma,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
pero no entiendo lo que pasa en cuestiones de evidencia.
12:39
There's always conflicting evidence.
304
744000
2000
Siempre hay pruebas contradictorias.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
¿Debo tomar vitamina C? ¿Debería comer trigo candeal?
12:43
This is a visualization of all the evidence
306
748000
2000
Esta es una visualización de las pruebas
12:45
for nutritional supplements.
307
750000
2000
relacionadas con los suplementos nutricionales.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Este tipo de diagrama que se denomina carrera de globos.
12:50
So the higher up the image,
309
755000
2000
Así que cuanto más alta esté la imagen,
12:52
the more evidence there is for each supplement.
310
757000
3000
mayor son las pruebas existentes para cada suplemento.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
Y las burbujas corresponden a la popularidad en relación a los hits en Google.
12:58
So you can immediately apprehend
312
763000
3000
¿Así que se puede aprehender de forma inmediata
13:01
the relationship between efficacy and popularity,
313
766000
3000
la relación entre eficacia y popularidad,
13:04
but you can also, if you grade the evidence,
314
769000
3000
pero también puede, si se clasifican las pruebas,
13:07
do a "worth it" line.
315
772000
2000
evaluarlas en línea en función de si valen la pena.
13:09
So supplements above this line are worth investigating,
316
774000
3000
Y así, los suplementos por encima de esta línea merecen ser investigados,
13:12
but only for the conditions listed below,
317
777000
3000
pero sólo según las condiciones listadas a continuación.
13:15
and then the supplements below the line
318
780000
3000
Y a continuación, los suplementos por debajo del umbral
13:18
are perhaps not worth investigating.
319
783000
2000
quizás, no vale la pena que se investiguen.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Ahora bien, esto supone una enorme cantidad de trabajo.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Hemos rastreado unos 1.000 estudios de PubMed,
13:26
the biomedical database,
322
791000
2000
la base de datos biomédicas,
13:28
and we compiled them and graded them all.
323
793000
3000
y los hemos compilado y clasificado.
13:31
And it was incredibly frustrating for me
324
796000
2000
Y fue muy frustrante para mí
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
porque tenía 250 visualizaciones pendientes para mi libro,
13:36
and I spent a month doing this,
326
801000
2000
me pasé un mes haciendo esto,
13:38
and I only filled two pages.
327
803000
2000
y sólo escribí dos páginas.
13:40
But what it points to
328
805000
2000
Pero a lo que apunta
13:42
is that visualizing information like this
329
807000
2000
es que la información visualizada así
13:44
is a form of knowledge compression.
330
809000
2000
es una forma de compresión de conocimiento.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
Es una manera de exprimir una cantidad enorme
13:48
of information and understanding
332
813000
2000
de información y comprensión
13:50
into a small space.
333
815000
2000
en un espacio pequeño.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
Y una vez seleccionados los datos y una vez limpios esos datos,
13:54
and once it's there,
335
819000
2000
y una vez que están listos,
13:56
you can do cool stuff like this.
336
821000
2000
se pueden hacer cosas interesantes.
13:58
So I converted this into an interactive app,
337
823000
2000
Así que convertí esto en una aplicación interactiva,
14:00
so I can now generate this application online --
338
825000
2000
de manera que ahora puede generar estas solicitudes por Internet;
14:02
this is the visualization online --
339
827000
2000
esta es la visualización en línea.
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
Y puedo decir: "Sí, fantástico".
14:06
So it spawns itself.
341
831000
2000
Ya que ella misma produce.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
Y puedo pedir: "Muéstrame las cosas
14:10
that affects heart health."
343
835000
2000
que afectan la salud del corazón".
14:12
So let's filter that out.
344
837000
2000
Así que vamos a filtrar.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Así que selecciono el corazón, si es eso lo que me interesa.
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
Creo que, "No, no. No quiero tomar nada sintético.
14:19
I just want to see plants and --
347
844000
3000
Sólo quiero ver las plantas y
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
sólo quiero ver las hierbas y plantas. Quiero todos los ingredientes naturales".
14:25
Now this app is spawning itself
349
850000
2000
Y esta aplicación es la genera la respuesta
14:27
from the data.
350
852000
2000
a partir de los datos.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Los datos se almacenan en un documento de Google,
14:31
and it's literally generating itself from that data.
352
856000
3000
que se genera a partir de esos datos.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Así, la información ahora está viva, es una imagen viva,
14:36
and I can update it in a second.
354
861000
2000
y puedo actualizarla en un segundo.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Se genera nueva evidencia. Sólo he cambiado una fila en una hoja de cálculo.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
¡Guau! Una vez más, la imagen se auto-genera.
14:44
So it's cool.
357
869000
2000
Esto es genial.
14:46
It's kind of living.
358
871000
3000
Es una especie de vida.
14:49
But it can go beyond data,
359
874000
2000
Una especie con la que se puede ir más allá,
14:51
and it can go beyond numbers.
360
876000
2000
y puede ir más allá de los números.
14:53
I like to apply information visualization
361
878000
2000
Y me gusta aplicar la información de visualización
14:55
to ideas and concepts.
362
880000
3000
a las ideas y conceptos.
14:58
This is a visualization
363
883000
2000
Esta es una visualización
15:00
of the political spectrum,
364
885000
2000
del espectro político,
15:02
an attempt for me to try
365
887000
2000
en un intento para intentar
15:04
and understand how it works
366
889000
2000
comprender cómo funciona
15:06
and how the ideas percolate down
367
891000
2000
y cómo las ideas se infiltran
15:08
from government into society and culture,
368
893000
2000
desde el gobierno en la sociedad y la cultura,
15:10
into families, into individuals, into their beliefs
369
895000
3000
en las familias, en los individuos, en sus creencias
15:13
and back around again in a cycle.
370
898000
3000
y de nuevo en torno a un ciclo.
15:16
What I love about this image
371
901000
2000
Lo que me gusta de esta imagen
15:18
is it's made up of concepts,
372
903000
2000
es que está formada por conceptos,
15:20
it explores our worldviews
373
905000
2000
explora nuestra visión del mundo
15:22
and it helps us -- it helps me anyway --
374
907000
2000
y nos ayuda, a mí me ayuda en cualquier caso,
15:24
to see what others think,
375
909000
2000
a ver lo que otros piensan,
15:26
to see where they're coming from.
376
911000
2000
para ver de dónde vienen.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
Sintiéndose uno increíblemente genial al hacerlo.
15:31
What was most exciting for me
378
916000
3000
Y lo más emocionante para mí
15:34
designing this
379
919000
2000
al diseñarlo,
15:36
was that, when I was designing this image,
380
921000
2000
fue que, cuando estaba diseñando esta imagen,
15:38
I desperately wanted this side, the left side,
381
923000
3000
quería desesperadamente que este lado, el lado izquierdo,
15:41
to be better than the right side --
382
926000
2000
fuera mejor que el derecho,
15:43
being a journalist, a Left-leaning person --
383
928000
3000
al ser un periodista con orientaciones de izquierdas,
15:46
but I couldn't, because I would have created
384
931000
2000
pero no era posible, porque habría creado
15:48
a lopsided, biased diagram.
385
933000
3000
un diagrama desequilibrado y tendencioso.
15:51
So, in order to really create a full image,
386
936000
3000
Así, con el fin de crear realmente una imagen completa,
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
tuve que aceptar los puntos de vista del lado derecho
15:57
and at the same time, uncomfortably recognize
388
942000
3000
y al mismo tiempo fue incómodo reconocer
16:00
how many of those qualities were actually in me,
389
945000
3000
cuántas de esas cualidades eran también realmente mías,
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
lo que resultó ser muy molesto e incómodo.
16:05
(Laughter)
391
950000
4000
(Risas)
16:09
But not too uncomfortable,
392
954000
2000
Pero no demasiado incómodo,
16:11
because there's something unthreatening
393
956000
3000
porque no representa una amenaza
16:14
about seeing a political perspective,
394
959000
2000
el ver una perspectiva política,
16:16
versus being told or forced to listen to one.
395
961000
3000
en contra de forzarle a decir o a escuchar a uno.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
En realidad, se es capaz de sostener puntos de vista conflictivos
16:22
joyously when you can see them.
397
967000
2000
con alegría, cuando se pueden ver.
16:24
It's even fun to engage with them
398
969000
2000
Es incluso divertido involucrarse en ellos
16:26
because it's visual.
399
971000
2000
porque es visual.
16:28
So that's what's exciting to me,
400
973000
2000
Y eso es lo que me entusiasma,
16:30
seeing how data can change my perspective
401
975000
2000
ver cómo los datos pueden cambiar mi punto de vista
16:32
and change my mind midstream --
402
977000
2000
y modificar mi forma de pensar,
16:34
beautiful, lovely data.
403
979000
3000
datos hermosos y preciosos.
16:38
So, just to wrap up,
404
983000
2000
Así es que para recapitular,
16:40
I wanted to say
405
985000
2000
quería decir
16:42
that it feels to me that design is about solving problems
406
987000
2000
que para mí el diseño se dedica a solucionar problemas
16:44
and providing elegant solutions,
407
989000
3000
y ofrecer soluciones elegantes.
16:47
and information design is about
408
992000
2000
Y el diseño de la información trata de
16:49
solving information problems.
409
994000
2000
resolver problemas de información.
16:51
It feels like we have a lot of information problems
410
996000
2000
Y parece que tenemos un montón de problemas de información
16:53
in our society at the moment,
411
998000
2000
actualmente en nuestra sociedad,
16:55
from the overload and the saturation
412
1000000
2000
desde la sobrecarga y saturación
16:57
to the breakdown of trust and reliability
413
1002000
2000
hasta la ruptura de la confianza y la fiabilidad
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
así como el escepticismo galopante y la falta de transparencia,
17:01
or even just interestingness.
415
1006000
2000
o incluso sólo la "interesancia".
17:03
I mean, I find information just too interesting.
416
1008000
2000
Esto es, puedo encontrar información demasiado interesante.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
Esta tiene una calidad magnética que me atrae.
17:09
So, visualizing information
418
1014000
2000
Por lo tanto, visualizar información
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
nos puede dar una solución muy rápida a este tipo de problemas.
17:14
Even when the information is terrible,
420
1019000
2000
Y aun cuando la información sea terrible,
17:16
the visual can be quite beautiful.
421
1021000
3000
lo visual puede ser muy hermoso.
17:19
Often we can get clarity
422
1024000
3000
Y a menudo logramos una mayor claridad
17:22
or the answer to a simple question very quickly,
423
1027000
2000
o la respuesta a una pregunta simple muy rápidamente,
17:24
like this one,
424
1029000
2000
como ésta,
17:26
the recent Icelandic volcano.
425
1031000
3000
el reciente volcán islandés...
17:29
Which was emitting the most CO2?
426
1034000
2000
¿Cuál emitió más CO2?
17:31
Was it the planes or the volcano,
427
1036000
2000
¿Los aviones o el volcán,
17:33
the grounded planes or the volcano?
428
1038000
2000
los aviones en tierra o el volcán?
17:35
So we can have a look.
429
1040000
2000
Veamos.
17:37
We look at the data and we see:
430
1042000
2000
Nos fijamos en los datos y vemos
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
que sí, el volcán emitió 150.000 toneladas;
17:41
the grounded planes would have emitted
432
1046000
2000
los aviones podrían haber emitido
17:43
345,000 if they were in the sky.
433
1048000
3000
345.000 si hubieran despegado.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Así que, en principio, fue nuestro primer volcán neutral de carbono.
17:49
(Laughter)
435
1054000
2000
(Risas)
17:51
(Applause)
436
1056000
9000
(Aplausos)
18:00
And that is beautiful. Thank you.
437
1065000
3000
Y esto es bello. Gracias.
18:03
(Applause)
438
1068000
8000
(Aplausos)
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