TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
ラックス・ナラヤン: ２千本のおくやみ記事から学んだこと
Filmed:
Readability: 4.4
1,705,669 views
ラックス・ナラヤンの１日は、朝食のスクランブルエッグと、「今日は誰が死んだかな」から始まります。なぜでしょう？ナラヤンはNYタイムズ紙のおくやみ記事20か月分、２千本を分析して、人が一生のうちに成し遂げてきたことを短い言葉の形で集めました。記事に足跡を残した人々から教わる「いい人生」についての講演です。
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
ジョセフ・ケラーはスタンフォード大学の
構内をよくジョギングしていましたが
構内をよくジョギングしていましたが
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
同じくジョギングしている女性たちに
強く興味をひかれました
強く興味をひかれました
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
なぜポニーテールは あんな風に
左右に揺れるんだろう？
左右に揺れるんだろう？
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
数学者の彼は
理由を探り始めました
理由を探り始めました
00:29
(Laughter)
4
17029
1151
（笑）
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
ケラー教授の好奇心は
多岐にわたりました
多岐にわたりました
00:32
why teapots dribble
6
20534
1967
なぜティーポットから
お茶が垂れるのか？
お茶が垂れるのか？
00:34
or how earthworms wriggle.
7
22525
1830
ミミズのくねり方は？
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
私は数か月前まで
ジョセフ・ケラーを知りませんでした
ジョセフ・ケラーを知りませんでした
00:40
I read about him in the New York Times,
9
28581
2852
NYタイムズ紙のおくやみ記事で
00:43
in the obituaries.
10
31457
1432
彼のことを読んだんです
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
NYタイムズは半ページを割いて
ケラー教授に捧げる記事を載せました
ケラー教授に捧げる記事を載せました
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
一流紙でそれだけのスペースといえば
ご想像の通り かなり贅沢なことです
ご想像の通り かなり贅沢なことです
00:53
I read the obituaries almost every day.
13
41368
2342
私は ほぼ毎日おくやみ記事を読みます
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
当然のごとく 妻には
病んでると思われています
病んでると思われています
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
朝からスクランブルエッグを前に
「今日は誰が死んだかな？」とか
言うんですから
言うんですから
01:04
(Laughter)
16
52160
1150
（笑）
01:06
But if you think about it,
17
54025
1292
でも 考えてみると
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
新聞の１面に載るのは
たいてい悪いニュースで
たいてい悪いニュースで
01:10
and cues man's failures.
19
58778
1975
伝えられるのは
誰かの失敗です
誰かの失敗です
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
悪いニュースだけれど
人の業績を伝えるのが
人の業績を伝えるのが
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
新聞の最終ページに載る
おくやみ記事です
おくやみ記事です
01:19
In my day job,
22
67405
1364
私の本業は
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
会社経営です
マーケティング担当者に過去データを提供し
マーケティング担当者に過去データを提供し
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
将来の予測に役立ててもらうという
01:25
a kind of rearview-mirror analysis.
25
73737
2944
バックミラーを見ながら
分析するような仕事です
分析するような仕事です
01:29
And we began to think:
26
77092
1155
我が社で こう考えました
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
NYタイムズのおくやみ記事を
過去データ分析にかけたらどうなるだろう？
過去データ分析にかけたらどうなるだろう？
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
記事の切り口から
何か教訓は得られないだろうか？
何か教訓は得られないだろうか？
01:40
even if you aren't around to enjoy it?
29
88006
1977
掲載された時には
もう本人はいませんけど
もう本人はいませんけど
01:42
(Laughter)
30
90007
1484
（笑）
01:43
Would this go better with scrambled eggs?
31
91515
2628
それはスクランブルエッグに合う
記事でしょうか？
記事でしょうか？
01:46
(Laughter)
32
94167
1150
（笑）
01:48
And so, we looked at the data.
33
96163
2998
そこでデータを調べてみました
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2015年～16年の20か月間に
編集部が無料で書いた
編集部が無料で書いた
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
おくやみ記事２千本です
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
この２千人の死 というか人生が
教えてくれることは何でしょう？
教えてくれることは何でしょう？
02:04
Well, first we looked at words.
37
112901
2033
まず私たちは言葉に注目しました
02:06
This here is an obituary headline.
38
114958
1761
これはおくやみ記事の見出しです
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
こちらは偉大な
リー・クアンユーの記事です
リー・クアンユーの記事です
02:11
If you remove the beginning and the end,
40
119063
2522
はじめと終わりの部分を取り除くと
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
残るのは美しい語で綴られた描写です
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
この わずか数語で一生の業績を
捉えようとしているんです
捉えようとしているんです
02:21
Just looking at these is fascinating.
43
129666
2161
これだけでも 実に興味深いです
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
この２年間で亡くなった
有名な方を何人か紹介しましょう
有名な方を何人か紹介しましょう
誰だか当ててみてください
02:27
Try and guess who they are.
45
135620
1319
[ジャンルを超えたアーティスト]
02:28
[An Artist who Defied Genre]
46
136963
1440
プリンスです
02:30
That's Prince.
47
138427
1185
[ボクシングと20世紀の巨人]
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
そうですよね
02:34
Oh, yes.
49
142358
1160
[モハメド・アリ]
02:35
[Muhammad Ali]
50
143542
1224
[革新的建築家]
02:36
[Groundbreaking Architect]
51
144790
1546
02:38
Zaha Hadid.
52
146360
1251
ザハ・ハディドです
02:40
So we took these descriptors
53
148843
1748
私たちは こうしたキーワードを
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
「自然言語処理」にかけました
02:45
where you feed these into a program,
55
153163
1771
キーワードをプログラムに入力すると
02:46
it throws out the superfluous words --
56
154958
1865
余計な言葉
例えば
例えば
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
“the”とか“and”とか
黙っていても伝わりそうな言葉を取り除き
黙っていても伝わりそうな言葉を取り除き
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
重要な内容を持つ言葉だけを残します
02:55
And we did it not just for these four,
59
163311
1821
そして先程の４人だけでなく
02:57
but for all 2,000 descriptors.
60
165156
2519
２千人全員のキーワードを
処理しました
処理しました
02:59
And this is what it looks like.
61
167699
1743
その結果がこれです
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
映画、演劇、音楽、ダンス
そして当然 アートがとても多く
そして当然 アートがとても多く
03:08
Over 40 percent.
63
176485
1946
40%を超えます
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
なぜ 多くの社会で
「成功者になるためには
「成功者になるためには
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
子どもに工学、医療、ビジネス、法律を」
と言われるのか
と言われるのか
03:17
to be construed as successful.
66
185466
1587
不思議になってきますよね
03:19
And while we're talking profession,
67
187871
1693
職業について話してきましたが
03:21
let's look at age --
68
189588
1151
次は年齢です
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
成果をあげた時の
平均年齢を見てみましょう
平均年齢を見てみましょう
03:25
That number is 37.
70
193297
1846
平均は37歳です
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
つまり 37年間 待って
初めて
初めて
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
人々の記憶に残る
重要な成果に到達するのが
重要な成果に到達するのが
平均というわけです
03:35
on average --
73
203373
1151
そして その44年後に
81歳で亡くなります
81歳で亡くなります
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
これも平均です
03:39
on average.
75
207050
1168
03:40
(Laughter)
76
208242
1001
（笑）
03:41
Talk about having to be patient.
77
209267
1684
まさに忍耐の一言です
03:42
(Laughter)
78
210975
1057
（笑）
03:44
Of course, it varies by profession.
79
212056
2089
当然これは職業によって変わります
03:46
If you're a sports star,
80
214566
1193
スポーツ選手なら
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
頭角を現しはじめるのは
20代でしょう
20代でしょう
03:49
And if you're in your 40s like me,
82
217934
2645
私のように40代なら
03:52
you can join the fun world of politics.
83
220603
1991
楽しい政治の世界で
花を咲かせられます
花を咲かせられます
03:54
(Laughter)
84
222618
1056
（笑）
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
政治家は40代の半ばに 最初で
ともすると唯一の 立派な業績を残します
ともすると唯一の 立派な業績を残します
03:59
(Laughter)
86
227637
1257
（笑）
04:00
If you're wondering what "others" are,
87
228918
1937
「その他」が気になるでしょう
例をいくつかあげます
[科学界からブードゥーの司祭に]
[科学界からブードゥーの司祭に]
04:02
here are some examples.
88
230879
1476
04:04
Isn't it fascinating, the things people do
89
232821
2116
業績とか 記憶に残ることって
[大統領９人の服を仕立てる]
[大統領９人の服を仕立てる]
04:06
and the things they're remembered for?
90
234961
1882
面白いじゃないですか？
[トップレス業界の先駆者]
[トップレス業界の先駆者]
04:08
(Laughter)
91
236867
1752
（笑）
04:12
Our curiosity was in overdrive,
92
240136
1844
私たちの好奇心は過熱して
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
キーワード以外も
分析したくなりました
分析したくなりました
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
そこで２千本の記事すべての
第一段落を丸ごとプログラムにかけました
第一段落を丸ごとプログラムにかけました
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
ただし２つのグループに分けて
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
有名人と無名人を別々に分析しました
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
プリンスやアリ
ザハ・ハディドといった有名人と
ザハ・ハディドといった有名人と
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
無名の人々 例えば
ジョスリン・クーパーや
ジョスリン・クーパーや
04:36
Reverend Curry
99
264539
1154
カリー牧師 ―
04:37
or Lorna Kelly.
100
265717
1169
ローナ・ケリーです
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
きっと ほとんど聞いたことのない
名前ばかりでしょう
名前ばかりでしょう
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
素晴らしい業績を残した
偉大な人々ですが 有名ではありません
偉大な人々ですが 有名ではありません
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
さて 有名人と無名人の
２グループに分けて
２グループに分けて
04:49
the famous and the non-famous?
104
277532
1525
分析したらどうなるでしょう？
04:51
What might that tell us?
105
279081
1419
どんなことが分かるでしょうか？
04:52
Take a look.
106
280524
1240
見てみましょう
04:56
Two things leap out at me.
107
284556
1469
２つの特徴が際立ちます
04:58
First:
108
286569
1170
１つ目は
05:00
"John."
109
288106
1198
「ジョン」です
05:01
(Laughter)
110
289328
1300
（笑）
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
ジョンという名前の人がいたら
親に感謝すべきだし ―
親に感謝すべきだし ―
05:07
(Laughter)
112
295326
1329
（笑）
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
子どもには 自分のおくやみ記事を
切り抜くよう言っておくべきです
切り抜くよう言っておくべきです
05:13
And second:
114
301061
1356
２つ目は
05:15
"help."
115
303849
1154
「力を貸す」です
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
私たちは「いい人生」から得た
多くの教訓や
多くの教訓や
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
記事に足跡を残した人々の
教えを掘り起こしました
教えを掘り起こしました
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
おくやみ記事は 万華鏡のような人生が
存在した 魅力あふれる証拠ですが
存在した 魅力あふれる証拠ですが
05:29
and even more fascinating
119
317635
2715
さらに魅力的なのは
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
おくやみ記事のほぼすべてが
有名か無名かに関わらず
有名か無名かに関わらず
05:35
featured people famous and non-famous,
121
323466
2998
類まれなことを
成し遂げた人々を
成し遂げた人々を
05:38
who did seemingly extraordinary things.
122
326488
2433
取り上げているという点です
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
みんな社会に
ポジティブな影響を残しました
ポジティブな影響を残しました
05:44
They helped.
124
332708
1237
力を貸したんです
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
みなさんも日常生活に戻った時
考えてみてください
考えてみてください
05:49
How am I using my talents to help society?
126
337387
2920
自分は才能を どんな形で
社会に役立てているだろうか？
社会に役立てているだろうか？
05:52
Because the most powerful lesson here is,
127
340331
2973
というのも ここから得た
最も大きな教訓によると
最も大きな教訓によると
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
死んだ時に有名でありたいと
努力して生きる人が増えれば
努力して生きる人が増えれば
05:59
the world would be a much better place.
129
347688
2605
世界は まだまだ良くなるからです
06:03
Thank you.
130
351062
1169
ありがとう
06:04
(Applause)
131
352255
2848
（拍手）
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com