TEDGlobal 2010
David McCandless: The beauty of data visualization
데이비드 맥칸들리스: 정보 시각화의 아름다움
Filmed:
Readability: 4.3
3,250,094 views
데이비드 맥칸들리스가 군비 지출이나 언론의 열광, 페이스북의 상태 업데이트 같은 복잡한 정보를 아름답고 간단한 도표로 바꿉니다. 그는 오늘날의 정보 과잉 상태를 헤치고 고유한 패턴을 찾아 연결하여 우리가 세상을 보는 방법을 바꾸는 도구로써 정보 디자인을 활용하자고 제안합니다.
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
우리 대다수는 지나치게 많은
00:17
from information overload or data glut.
1
2000
3000
정보 때문에 버거워합니다.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
그런데 이를 간단히 해결할 방법이 있습니다.
00:22
and that's using our eyes more.
3
7000
2000
그건 우리가 눈을 더 많이 사용하는 것입니다.
00:24
So, visualizing information, so that we can see
4
9000
2000
그렇게 정보를 시각화함으로써
00:26
the patterns and connections that matter
5
11000
3000
우리는 패턴 사이의 의미 있는 관계를 알아낼 수 있습니다.
00:29
and then designing that information so it makes more sense,
6
14000
3000
그리고 그 정보를 디자인해서 더욱 이해하기 쉽게 하거나
00:32
or it tells a story,
7
17000
2000
내용을 전달할 수 있도록 하거나
00:34
or allows us to focus only on the information that's important.
8
19000
3000
또는 우리가 중요한 정보에만 집중하도록 합니다.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
그렇게 되지 않는다고 해도, 시각화된 정보는 매우 멋집니다.
00:41
So, let's see.
10
26000
2000
자, 봅시다.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
'빌리언 달러 도표'입니다.
00:47
and this image arose
12
32000
2000
그리고 이 그림은 제가 언론을 통해
00:49
out of frustration I had
13
34000
2000
수십억의 단위의 돈 얘기를 들을 때
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
가졌던 불만에서 비롯된 겁니다.
00:53
That is, they're meaningless without context:
15
38000
3000
즉, 맥락을 모르면 무의미해지는 그런 것들 말입니다.
00:56
500 billion for this pipeline,
16
41000
2000
'이 송유관엔 5,000억 달러가 듭니다.'
00:58
20 billion for this war.
17
43000
2000
'이 전쟁엔 200억 달러가 들었습니다.'
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
이렇겐 잘 이해가 되질 않죠. 이를 이해하는 유일한 길은
01:02
is visually and relatively.
19
47000
2000
시각화하고, 비교할 수 있게 만드는 것입니다.
01:04
So I scraped a load of reported figures
20
49000
2000
그래서 저는 여러 뉴스로부터
01:06
from various news outlets
21
51000
2000
이 수치를 모았습니다.
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
그리고 각각 크기에 맞게 저 네모 크기들을 조절했습니다.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
그리고 각각 색상은 지출의 동기를 나타냅니다.
01:14
So purple is "fighting,"
24
59000
3000
보라색은 분쟁,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
빨간색은 기부, 녹색은 소득을 나타내고 있습니다.
01:20
And what you can see straight away
26
65000
2000
그리고 여기서 확인할 수 있는 건
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
이 수치 사이의 색다른 관계가 보인다는 겁니다.
01:24
You can literally see them.
28
69000
2000
여러분이 그 관계를 눈으로 직접 볼 수가 있는 거죠.
01:26
But more importantly, you start to see
29
71000
2000
하지만 더욱 중요한 점은 여러분이 그냥 놓쳤다면
01:28
patterns and connections between numbers
30
73000
2000
단지 뉴스거리로만 흘려들었을 숫자들이 가진
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
패턴과 각각 연관 관계를 알기 시작했다는 겁니다.
01:33
Let me point out some that I really like.
32
78000
3000
이제 제가 좋아하는 것들에 초점을 맞춰보죠.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
석유수출국기구(OPEC)의 수익입니다. 녹색이 여기 있지요-
01:38
780 billion a year.
34
83000
2000
매년 7,900억 달러를 법니다.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
그리고 여기 구석에 있는 작은 점은 -- 30억 달러인데요--
01:43
that's their climate change fund.
36
88000
3000
기후 변화를 위한 기금입니다.
01:46
Americans, incredibly generous people --
37
91000
2000
자선에 상당히 후한 미국인들은
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
매년 3,000억 달러 이상을 자선활동에 기부했습니다.
01:51
compared with the amount of foreign aid
39
96000
2000
반면에 상위 17개의 선진 공업국이 기부한
01:53
given by the top 17 industrialized nations
40
98000
2000
국외 원조 총액은
01:55
at 120 billion.
41
100000
2000
약 1,200억 달러에 불과합니다.
01:57
Then of course,
42
102000
2000
그리고 이건
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
이라크 전쟁 비용입니다. 2003년 이전까지 600억 달러로
02:01
back in 2003.
44
106000
3000
추정됩니다.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
그리고 약간 늘어나는데요. 아프간 전쟁 비용은
02:07
to 3,000 billion.
46
112000
3000
현재 3조 달러까지 늘어났습니다.
02:10
So now it's great
47
115000
2000
이거 대단하죠.
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
이제 우리가 이런 그림을 갖고 있으니 다른 수치를 추가할 수 있습니다.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
이제 새 항목을 더해봅시다. 이건 아프리카의 부채입니다.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
아프리카가 서구세계에 지고 있는 부채가
02:19
by the debt that Africa owes to the West?
51
124000
2000
도표에서 얼마나 크게 그려질 것 같습니까?
02:21
Let's take a look.
52
126000
2000
이걸 보시죠.
02:23
So there it is:
53
128000
2000
이겁니다.
02:25
227 billion is what Africa owes.
54
130000
2000
아프리카는 2,270억 달러의 빚을 지고 있습니다.
02:27
And the recent financial crisis,
55
132000
2000
그리고 최근에 닥쳤던 세계 금융 위기는
02:29
how much of this diagram might that figure take up?
56
134000
2000
얼마나 크게 나타날까요?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
전 세계가 지고 있는 빚은? 이걸 보세요.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
두쉬-! 이 정도의 규모에 딱 어울리는
02:37
for that much money:
59
142000
2000
음향효과죠.
02:39
11,900 billion.
60
144000
4000
11조 9천억 달러입니다.
02:45
So, by visualizing this information,
61
150000
2000
이렇게 정보들을 시각화함으로써
02:47
we turned it into a landscape
62
152000
2000
우리는 이걸 한눈에 볼 수 있습니다.
02:49
that you can explore with your eyes,
63
154000
2000
눈으로 보면서 탐색할 수 있는
02:51
a kind of map really, a sort of information map.
64
156000
2000
일종의 정보 지도가 되는 거죠.
02:53
And when you're lost in information,
65
158000
2000
그리고 정보 속에서 길을 잃게 될 때
02:55
an information map is kind of useful.
66
160000
3000
이런 정보 지도는 유용할 겁니다.
02:58
So I want to show you another landscape now.
67
163000
2000
자, 이제 다른 경관을 보여 드리죠.
03:00
We need to imagine what a landscape
68
165000
2000
세상이 느끼는 공포는 어떻게 보일지
03:02
of the world's fears might look like.
69
167000
3000
한 번 상상해보세요.
03:05
Let's take a look.
70
170000
2000
이제 봅시다.
03:07
This is Mountains Out of Molehills,
71
172000
2000
여기저기 뭔가 쌓여 있는 게 보이죠,
03:09
a timeline of global media panic.
72
174000
2000
이건 시간의 흐름에 따른 전 세계적 미디어 공황입니다.
03:11
(Laughter)
73
176000
2000
(웃음)
03:13
So, I'll label this for you in a second.
74
178000
2000
자, 제가 여러분을 위해 범례를 알려 드릴 겁니다.
03:15
But the height here, I want to point out,
75
180000
2000
여기서 세로축은 언론에 의해 알려진
03:17
is the intensity of certain fears
76
182000
2000
일종의 공포를
03:19
as reported in the media.
77
184000
2000
의미합니다.
03:21
Let me point them out.
78
186000
2000
이걸 좀 짚어보겠습니다.
03:23
So this, swine flu -- pink.
79
188000
4000
이건 돼지 독감이고요. 분홍색,
03:27
Bird flu.
80
192000
2000
조류 독감.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
사스. 여기 갈색을 띠고 있죠? 기억해두세요. 기억하십니까?
03:32
The millennium bug,
82
197000
3000
밀레니엄[Y2K: 번역주] 버그.
03:35
terrible disaster.
83
200000
2000
끔찍한 재앙이죠.
03:37
These little green peaks
84
202000
2000
이 작은 녹색 최고점들은
03:39
are asteroid collisions.
85
204000
2000
소행성의 지구 충돌입니다.
03:41
(Laughter)
86
206000
2000
(웃음)
03:43
And in summer, here, killer wasps.
87
208000
2000
그리고 여름엔, 이건요, 살인 말벌떼입니다.
03:45
(Laughter)
88
210000
8000
(웃음)
03:53
So these are what our fears look like
89
218000
2000
이것이 우리가 지난 시기 동안
03:55
over time in our media.
90
220000
2000
언론을 통해 나타난 우리들의 공포입니다.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
그런데 제가 사랑하는, 저는 언론인입니다,
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
제가 사랑하는 건 숨겨진 패턴을 찾아내는 일입니다. 정보 수사관이 되는 걸 좋아하죠.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
그리고 이 데이터에는 아주 흥미롭고 특이한 패턴이 숨어 있습니다.
04:05
that you can only see when you visualize it.
94
230000
2000
시각화를 할 때만 알아차릴 수 있죠.
04:07
Let me highlight it for you.
95
232000
2000
제가 여러분을 위해서 표시해볼게요.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
이 선을 보세요. 이건 폭력적 비디오 게임에 대한 것입니다.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
보시다시피 이 데이터에는 일정한 이상한 패턴이 있습니다.
04:15
twin peaks every year.
98
240000
2000
매년 2번의 최고점이 보입니다.
04:17
If we look closer, we see those peaks occur
99
242000
2000
조금 더 자세히 보시면 이 최고점들이
04:19
at the same month every year.
100
244000
3000
매년 같은 달에 나타난다는 것을 알 수 있습니다.
04:22
Why?
101
247000
2000
왜일까요?
04:24
Well, November, Christmas video games come out,
102
249000
2000
일단 11월에는 크리스마스용 새 게임들이 출시됩니다.
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
그리고 그 게임들이 담고 있는 내용에 대한 영향이 우려되곤 하죠.
04:29
But April isn't a particularly massive month
104
254000
3000
하지만 4월은 비디오 게임에 있어서
04:32
for video games.
105
257000
2000
특별한 일이 없는데요.
04:34
Why April?
106
259000
2000
4월엔 왜 그럴까요?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
바로 1999년 4월에 있었던 컬럼바인 고교 총기 난사 사건 때문입니다.
04:39
and since then, that fear
108
264000
2000
그때부터 미디어는
04:41
has been remembered by the media
109
266000
2000
매년 이맘때, 그때의 공포를 상기시켰고
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
그 여파가 서서히 사람들 마음에 들어오는 것입니다.
04:45
You have retrospectives, anniversaries,
111
270000
3000
사람들은 회고하고, 기념하고
04:48
court cases, even copy-cat shootings,
112
273000
3000
판례로 들고, 심지어 모방 범죄까지 일으킵니다.
04:51
all pushing that fear into the agenda.
113
276000
3000
모두 재생산된 공포가 스며들었기 때문입니다.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
그리고 여기에 다른 패턴이 있습니다. 알아볼 수 있나요?
04:56
See that gap there? There's a gap,
115
281000
2000
저기 앞에 크게 비어 있는 간격이 보이죠?
04:58
and it affects all the other stories.
116
283000
2000
이건 다른 모든 범례에서도 동일합니다.
05:00
Why is there a gap there?
117
285000
2000
왜 저기에 간격이 있을까요?
05:02
You see where it starts? September 2001,
118
287000
3000
언제부터 시작되었는지 보이시나요? 2001년 9월입니다.
05:05
when we had something very real
119
290000
2000
진짜 겁에 질릴만한 뭔가가
05:07
to be scared about.
120
292000
2000
있었던 거죠. [9·11 사태: 번역주]
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
저는 약 일 년간 데이터 저널리스트로 일 해왔습니다.
05:12
and I keep hearing a phrase
122
297000
2000
저는 늘 이 문장을 되뇌었습니다.
05:14
all the time, which is this:
123
299000
3000
어떤 문장이냐면:
05:17
"Data is the new oil."
124
302000
2000
"정보는 새로운 석유이다."
05:19
Data is the kind of ubiquitous resource
125
304000
3000
그리고 정보는 일종의 흔한 자원이죠.
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
새 혁신과 새로운 통찰력을 제공하도록 형성할 수 있고
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
이는 우리 주위 어디에나 있고, 쉽게 캐낼 수 있습니다.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
그래서 요즘 시대엔 이는 특별한 비유조차도 되지 않습니다.
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
특히, 당신이 만약 멕시코만에 산다고 한다면 말이죠.
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
하지만 전 이 비유를 조금 조정해야 할 듯싶습니다.
05:36
and I would say that data is the new soil.
131
321000
3000
전 '정보는 새로운 토양이다.'라고 말하고 싶습니다.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
왜냐면 제겐 정보는 비옥하고 창조적인 매체니까요.
05:43
Over the years, online,
133
328000
2000
알다시피 수년간 온라인에서
05:45
we've laid down
134
330000
3000
엄청난 양의 정보와 데이터를
05:48
a huge amount of information and data,
135
333000
2000
축적해 왔습니다.
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
우리는 네트워크와 연계성으로 물을 공급하고
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
이는 무임금 노동자들과 정부에 의해 경작되고 가꾸어져 왔습니다.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
그리고, 제가 비유를 조금 더 짜내는 중입니다만,
05:58
But it's a really fertile medium,
139
343000
3000
정보는 정말 비옥한 매질 매체입니다.
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
그리고 시각화, 정보그래픽, 그리고 데이터 시각화는
06:04
they feel like flowers blooming from this medium.
141
349000
3000
이 토양에서 피어난 꽃과 같습니다.
06:07
But if you look at it directly,
142
352000
2000
하지만 여러분이 이것을 직접적으로 본다면
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
단지 수많은 숫자와 연계성 없는 사실들에 불과하죠.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
특정방식으로 갖고 놀면서 작업을 하다 보면
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
흥미로운 점들이 나타나고 다른 패턴들이 드러나게 되죠.
06:17
Let me show you this.
146
362000
2000
그걸 보여 드리도록 하죠.
06:19
Can you guess what this data set is?
147
364000
3000
이 데이터가 무엇을 뜻하는 것 같으십니까?
06:22
What rises twice a year,
148
367000
2000
일 년에 두 번 상승하고,
06:24
once in Easter
149
369000
2000
한번은 부활절에
06:26
and then two weeks before Christmas,
150
371000
2000
그리고 다른 한번은 크리스마스 두 주전에.
06:28
has a mini peak every Monday,
151
373000
2000
작은 상승이 매주 월요일에 있고
06:30
and then flattens out over the summer?
152
375000
2000
여름에는 대체로 빈도가 낮아지는
06:32
I'll take answers.
153
377000
2000
이는 무엇일까요?
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(청중: 초콜릿.) 데이비드: 초콜릿.
06:36
You might want to get some chocolate in.
155
381000
3000
초콜릿을 받았으면 하나 보군요?
06:39
Any other guesses?
156
384000
2000
다른 의견은 없으십니까?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(청중: 쇼핑) 데이비드: 쇼핑.
06:43
Yeah, retail therapy might help.
158
388000
3000
네, 구매요법이 도움될 수 있겠네요. [기분 전환을 위해 하는 쇼핑: 번역주]
06:46
(Audience: Sick leave.)
159
391000
2000
(청중: 병가)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
데이비드: 병가. 네. 확실히 좀 쉬었으면 하실 겁니다.
06:50
Shall we see?
161
395000
2000
한번 볼까요?
06:53
(Laughter)
162
398000
8000
(웃음) [화면: 이별시기 최고점 (페이스북 상태에서 추출): 번역주]
07:01
(Applause)
163
406000
3000
(박수)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
그렇습니다. 정보의 구루, 리 바이런과 제가
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
"깨짐," "헤어졌음"에 관한 구절이 있는
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
만개의 페이스북 상태 업데이트를 모은 겁니다.
07:12
and this is the pattern we found --
167
417000
2000
그리고 이것이 우리가 찾은 패턴입니다.
07:14
people clearing out for Spring Break,
168
419000
2000
사람들은 봄 방학 때 차이고
07:16
(Laughter)
169
421000
5000
(웃음)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
고통스러운 주말을 보냈다고 월요일에 드러내고
07:23
being single over the summer,
171
428000
3000
여름 내내 솔로로 지냅니다.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
물론 가장 적게 헤어지는 때는 크리스마스 때입니다.
07:29
Who would do that?
173
434000
3000
누가 그러겠습니까?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
지금 세상엔 아주 엄청난 분량의 데이터가 있습니다.
07:34
unprecedented.
175
439000
2000
전례 없는.
07:37
But if you ask the right kind of question,
176
442000
2000
만약 적절한 질문을 하고
07:39
or you work it in the right kind of way,
177
444000
2000
적절한 방식으로 처리하면
07:41
interesting things can emerge.
178
446000
3000
재미있는 결과가 나올 것입니다.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
그래서 정보는 아름답습니다. 자료는 아름답죠.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
저는 제 삶도 아름답게 할 수 있지 않을까 생각했습니다.
07:50
And here's my visual C.V.
181
455000
2000
그래서 이렇게 시각적으로 제 이력서를 만들었습니다.
07:52
I'm not quite sure I've succeeded.
182
457000
2000
성공적으로 잘 만들었지는 모르겠습니다.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
블록들도 좀 많고 색깔도 그리 좋진 않습니다.
07:56
But I wanted to convey something to you.
184
461000
3000
하지만 전 여러분에게 뭔가 전달하고 싶습니다.
07:59
I started as a programmer,
185
464000
2000
저는 프로그래머로 시작했습니다
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
그리고 출판, 온라인 광고에서 약 20년 정도를
08:03
in print, online and then in advertising,
187
468000
2000
작가로 일했습니다.
08:05
and only recently have I started designing.
188
470000
3000
최근에야 디자인을 시작했습니다.
08:08
And I've never been to design school.
189
473000
2000
디자인 학교에는 가본 적도 없습니다.
08:10
I've never studied art or anything.
190
475000
3000
저는 미술이나 그런 것들을 배우지도 않았습니다.
08:13
I just kind of learned through doing.
191
478000
2000
그냥 해보면서 배운 것입니다.
08:15
And when I started designing,
192
480000
2000
제가 디자인을 시작하면서
08:17
I discovered an odd thing about myself.
193
482000
2000
저는 제게서 뭔가 이상한 것을 발견했습니다.
08:19
I already knew how to design,
194
484000
2000
저는 이미 '디자인은 어떻게 하는 것'인지 알고 있었습니다.
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
그러나 특별히 재능이 있던 것 같진 않았습니다.
08:24
but more like I was sensitive
196
489000
2000
그러나 제가 좀 민감하다는 것에 더 가까웠죠.
08:26
to the ideas of grids and space
197
491000
2000
격자, 공간, 정렬, 활자 등에 대한
08:28
and alignment and typography.
198
493000
2000
개념에 민감했던 거죠.
08:30
It's almost like being exposed
199
495000
2000
사실상 수년간 미디어에
08:32
to all this media over the years
200
497000
2000
노출되면서 디자인에 대한 기본적인
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
능력이 몸에 배어 버린 거에 가까웠죠.
08:37
And I don't feel like I'm unique.
202
502000
2000
전 제가 독특하다고 생각하지 않습니다.
08:39
I feel that everyday, all of us now
203
504000
2000
저는 우리가 모두 매일
08:41
are being blasted by information design.
204
506000
3000
정보 디자인에 노출되어 있다고 생각합니다.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
이건 웹을 통해서 우리의 눈으로 흘러듭니다.
08:46
and we're all visualizers now;
206
511000
2000
우리는 모두 시각적인 인간입니다.
08:48
we're all demanding a visual aspect
207
513000
2000
우리는 모두 우리가 접하는 정보가
08:50
to our information.
208
515000
3000
시각적이길 원합니다.
08:53
There's something almost quite magical about visual information.
209
518000
3000
그리고 시각적 정보에는 뭔가 마법 같은 것이 있어
08:56
It's effortless, it literally pours in.
210
521000
3000
별 어려움 없이 그대로 흘러들어옵니다.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
그리고 깊은 정보의 정글에서 누빌 때,
09:02
coming across a beautiful graphic
212
527000
2000
아름다운 그래픽이나
09:04
or a lovely data visualization,
213
529000
2000
사랑스러우리만치 시각화된 데이터를 마주치면
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
안심이 되는 거죠. 마치 정글에서 탁 트인 공간을 만나 듯이요.
09:09
I was curious about this, so it led me
215
534000
2000
저는 이런 것에 관심이 있다가 보니
09:11
to the work of a Danish physicist
216
536000
2000
덴마크의 물리학자인 토르 노레트란더스의
09:13
called Tor Norretranders,
217
538000
2000
작업을 접하게 되었습니다
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
그는 오감의 대역폭을 컴퓨터 처리 단위로 바꾸는 일을 하고 있었습니다.
09:19
So here we go. This is your senses,
219
544000
2000
이제 보여 드리겠습니다. 이게 매 1초당 흐르는
09:21
pouring into your senses every second.
220
546000
2000
여러분의 오감입니다.
09:23
Your sense of sight is the fastest.
221
548000
3000
여러분의 시각이 가장 빠릅니다.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
거의 네트워크의 속도입니다.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
촉각은 USB 수준의 속도를 가집니다.
09:32
And then you have hearing and smell,
224
557000
2000
청각과 후각은
09:34
which has the throughput of a hard disk.
225
559000
2000
하드디스크 정도의 속도입니다.
09:36
And then you have poor old taste,
226
561000
2000
그리고 불쌍한 미각은
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
겨우 휴대용 계산기 수준의 속도를 가집니다.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
저기 구석에 있는 작은 사각형입니다. 0.7 퍼센트입니다.
09:44
that's the amount we're actually aware of.
229
569000
3000
우리가 실제로 접하는 정보 대부분이
09:47
So a lot of your vision --
230
572000
2000
시각에 의한 것입니다.
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
깨닫지 못하는 사이에
09:51
It's unconscious.
232
576000
2000
흘러들어옵니다.
09:53
The eye is exquisitely sensitive
233
578000
3000
그리고 눈은 색상의 변화와
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
모양 및 패턴에 매우 민감합니다.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
그런 것을 좋아하고, 아름답다고 느낍니다.
10:01
It's the language of the eye.
236
586000
2000
이것이 눈의 언어입니다.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
그리고 눈의 언어와 단어와 숫자 그리고 개념에 관한
10:05
which is about words and numbers and concepts,
238
590000
3000
정신의 언어를 함께 한다면
10:08
you start speaking two languages simultaneously,
239
593000
3000
여러분은 동시에 두 개의 언어를 사용하는 셈입니다.
10:11
each enhancing the other.
240
596000
3000
상호 보완적으로요.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
여러분은 시각적으로 접하는 동시에 개념에 접근하는 거죠.
10:17
And that whole thing -- it's two languages
242
602000
2000
그리고 모든 것, 즉 두 언어가
10:19
both working at the same time.
243
604000
2000
동시에 작용하는 것입니다.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
우리는 이런 새로운 형태의 언어를 구사할 수 있습니다.
10:23
to alter our perspective or change our views.
245
608000
3000
원한다면 우리의 견해나 시각을 바꾸기 위해서요.
10:26
Let me ask you a simple question
246
611000
2000
대답하기 쉬운 간단한
10:28
with a really simple answer:
247
613000
2000
질문을 하나 드리겠습니다.
10:30
Who has the biggest military budget?
248
615000
2000
국방 예산이 가장 많은 나라가 어디일까요?
10:32
It's got to be America, right?
249
617000
2000
미국입니다. 그렇죠?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
2008년도엔 무려 6,090억 달러,
10:36
607, rather.
251
621000
2000
6,070억 달러입니다.
10:38
So massive, in fact, that it can contain
252
623000
2000
이건 엄청나게 많은 양이어서
10:40
all the other military budgets in the world inside itself.
253
625000
3000
다른 모든 나라의 국방 예산을 합친 것만큼 됩니다.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
와구, 와구, 와구, 와구, 와구
10:45
Now, you can see Africa's total debt there
255
630000
2000
이제 아프리카의 총부채와
10:47
and the U.K. budget deficit for reference.
256
632000
2000
영국의 재정 적자 규모를 봅시다.
10:49
So that might well chime
257
634000
2000
이는 어쩌면 여러분의 미국에 대한 견해와
10:51
with your view that America
258
636000
2000
일치하는 것으로 보일 수도 있습니다.
10:53
is a sort of warmongering military machine,
259
638000
3000
'미국은 전 세계를 제패하려 하는
10:56
out to overpower the world
260
641000
2000
일종의 전쟁 도발 군사 기계다.'라는 견해 말입니다.
10:58
with its huge industrial-military complex.
261
643000
3000
그의 거대한 군·산업 복합체와 함께 말이죠.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
하지만 진정 미국이 최대의 국방 예산 국가일까요?
11:04
Because America is an incredibly rich country.
263
649000
2000
왜냐하면 미국은 아주 부유한 나라이기 때문입니다.
11:06
In fact, it's so massively rich
264
651000
2000
어느 정도냐면 다른 최상위 산업국
11:08
that it can contain the four other
265
653000
2000
4개국의 경제규모를 다 합친 것과
11:10
top industrialized nations' economies
266
655000
2000
맞먹을 정도입니다.
11:12
inside itself, it's so vastly rich.
267
657000
3000
이건 정말 엄청난 부입니다.
11:15
So its military budget is bound to be enormous.
268
660000
3000
이런 이유로 국방 예산 역시 커지게 됩니다.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
그렇다면 공평하게 보기 위해서
11:20
we have to bring in another data set,
270
665000
2000
다른 데이터 자료를 도입해봅시다.
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
이 데이터는 GDP[국내 총생산: 번역주], 즉 국가의 소득입니다.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
GDP 대비 국방 예산이라면 어느 나라가 가장 클까요?
11:26
Let's have a look.
273
671000
2000
한번 봅시다. 양상이 상당히 바뀌었습니다.
11:28
That changes the picture considerably.
274
673000
3000
[국방 예산/GDP: 1.미얀마 2.요르단 3.조지아 4.사우디 아라비아: 번역주]
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
의외의 나라가 위로 올라온 것 같습니다.
11:34
and American drops into eighth.
276
679000
2000
미국은 8위로 떨어졌군요.
11:36
Now you can also do this with soldiers.
277
681000
2000
이제 같은 처리를 병력에 해보겠습니다.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
어느 나라의 병력이 가장 많죠? 당연히 중국입니다.
11:40
Of course, 2.1 million.
279
685000
2000
210만 명이죠. 이는 다시 중국은
11:42
Again, chiming with your view
280
687000
2000
[군인수: 1.중국 2.미국 3.인도 4.북한 5.러시아: 번역주]
11:44
that China has a militarized regime
281
689000
2000
거대한 동원 병력을 가진 군사 체제 국가라는
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
여러분의 견해와 들어맞을 것입니다.
11:48
But of course, China has an enormous population.
283
693000
3000
그러나 중국은 거대한 인구를 갖고 있기도 합니다.
11:51
So if we do the same,
284
696000
2000
다시 적용하면 우리는 철저히 다른 양상을
11:53
we see a radically different picture.
285
698000
2000
[십만 명당 군인수: 1.북한 2.에리트리아 3.지부티 4.이라크: 번역주]
11:55
China drops to 124th.
286
700000
2000
보게 됩니다. 중국은 124위로 떨어지죠.
11:57
It actually has a tiny army
287
702000
2000
이렇게 다른 자료를 고려하여 판단해보면
11:59
when you take other data into consideration.
288
704000
3000
정말 작은 규모의 군대를 가진 겁니다.
12:02
So, absolute figures, like the military budget,
289
707000
2000
연결된 세상이라는 점을 고려해 본다면
12:04
in a connected world,
290
709000
2000
국방 예산 같은 절대적인 수치가
12:06
don't give you the whole picture.
291
711000
2000
전체를 그려주질 않는다는 얘기입니다.
12:08
They're not as true as they could be.
292
713000
2000
그건 그만큼 진실이 아니라는 의미입니다.
12:10
We need relative figures that are connected to other data
293
715000
3000
우리에겐 다른 자료들과 연결된 상관관계의 수치가 필요합니다.
12:13
so that we can see a fuller picture,
294
718000
2000
그럼으로써 우리는 큰 그림을 보게 되고
12:15
and then that can lead to us changing our perspective.
295
720000
2000
우리의 관점을 바꿀 수 있게 됩니다.
12:17
As Hans Rosling, the master,
296
722000
2000
거장 한스 로슬링에 의하면,
12:19
my master, said,
297
724000
3000
제겐 거장입니다, 말씀하시길
12:22
"Let the dataset change your mindset."
298
727000
3000
"데이터 구조가 사고방식의 구조를 바꾸게 하라."
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
그리고 만약 그렇게 된다면 그건 아마 당신의 행동마저 바꾸게 될 것입니다.
12:29
Take a look at this one.
300
734000
2000
이걸 한번 보시죠.
12:31
I'm a bit of a health nut.
301
736000
2000
저는 좀 건강을 챙기는 편입니다.
12:33
I love taking supplements and being fit,
302
738000
3000
저는 영양제를 즐겨 먹고 건강에 신경을 씁니다만
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
그게 정말로 효과가 있는지는 잘 모릅니다.
12:39
There's always conflicting evidence.
304
744000
2000
언제나 상반되는 증거가 있는데요.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
제가 비타민 C를 섭취해야 하나요? 밀싹은요?
12:43
This is a visualization of all the evidence
306
748000
2000
이건 영양 공급에서
12:45
for nutritional supplements.
307
750000
2000
모든 물증에 대한 시각화입니다.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
이런 종류의 도표를 '풍선 경주'라고 합니다.
12:50
So the higher up the image,
309
755000
2000
그림의 위쪽으로 갈수록
12:52
the more evidence there is for each supplement.
310
757000
3000
그 보충제에 대한 효과가 입증된다는 의미입니다.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
그리고 풍선의 크기는 구글 검색어에 의한 인기도에 비례합니다.
12:58
So you can immediately apprehend
312
763000
3000
여러분은 즉각적으로 효과와 인기의
13:01
the relationship between efficacy and popularity,
313
766000
3000
상관관계를 파악할 수 있습니다.
13:04
but you can also, if you grade the evidence,
314
769000
3000
그리고 증거의 등급을 정하는 것으로
13:07
do a "worth it" line.
315
772000
2000
'먹을만한 가치가 있음'의 선을 정할 수 있습니다.
13:09
So supplements above this line are worth investigating,
316
774000
3000
그리고 아래 열거된 조건에 한해서
13:12
but only for the conditions listed below,
317
777000
3000
선 위에 있는 보충제들은 더 알아볼 가치가 있습니다.
13:15
and then the supplements below the line
318
780000
3000
그리고 이 선 아래에 있는 보충제들은
13:18
are perhaps not worth investigating.
319
783000
2000
아마도 알아볼 필요조차 없을 겁니다.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
이 사진은 엄청난 노력을 들여 만들었습니다.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
우리는 천 건에 이르는 연구자료를 의생물학 데이터베이스인
13:26
the biomedical database,
322
791000
2000
퍼브메드로(PubMed)부터 수집하여
13:28
and we compiled them and graded them all.
323
793000
3000
정리하고 등급을 매겼습니다.
13:31
And it was incredibly frustrating for me
324
796000
2000
저는 엄청난 좌절감을 맛봐야 했습니다.
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
제 책을 위해 250개의 시각화 이미지 작업을 하는데
13:36
and I spent a month doing this,
326
801000
2000
한 달이 꼬박 걸려
13:38
and I only filled two pages.
327
803000
2000
나온 건 고작 두 페이지뿐이었습니다.
13:40
But what it points to
328
805000
2000
그런데 이것은
13:42
is that visualizing information like this
329
807000
2000
정보 시각화라는 것이 일종의
13:44
is a form of knowledge compression.
330
809000
2000
지식 압축이라는 것을 알려주고 있습니다.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
이건 방대한 분량의
13:48
of information and understanding
332
813000
2000
지식 및 이해를
13:50
into a small space.
333
815000
2000
작은 공간에 집어넣는 것입니다.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
그리고 한번 그 데이터를 정리했다면, 한번 자료를 모았다면
13:54
and once it's there,
335
819000
2000
그리고 그렇게 한 적이 있다면
13:56
you can do cool stuff like this.
336
821000
2000
당신은 멋지게 해낼 수 있습니다.
13:58
So I converted this into an interactive app,
337
823000
2000
저는 이걸 일종의 양 방향 어플리케이션으로 바꿔보았습니다.
14:00
so I can now generate this application online --
338
825000
2000
지금은 이 프로그램을 온라인에서 구현할 수 있습니다.
14:02
this is the visualization online --
339
827000
2000
이건 온라인에서의 시각화입니다.
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
전 "그래, 멋지다."라고 합니다.
14:06
So it spawns itself.
341
831000
2000
이건 스스로 증식합니다.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
그리고 "좋아, 이제 심장 질환에 효과가
14:10
that affects heart health."
343
835000
2000
있는 것만 보여줘."라고 주문할 수 있습니다.
14:12
So let's filter that out.
344
837000
2000
한번 걸러서 봅시다.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
제가 관심 있다면 심장과 관련 있는 것만 걸러서 볼 수 있습니다.
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
또 이렇게 입력하면 "합성화학품은 관심 없고
14:19
I just want to see plants and --
347
844000
3000
식물로 만들어진 것들,
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
약초와 식물로 된 것들, 천연 재료로 만든 것만 골라서."
14:25
Now this app is spawning itself
349
850000
2000
그러면 이 프로그램은 데이터로부터
14:27
from the data.
350
852000
2000
결과를 스스로 생성합니다.
14:29
The data is all stored in a Google Doc,
351
854000
2000
데이터는 구글 문서에 저장되어 있고
14:31
and it's literally generating itself from that data.
352
856000
3000
이건 문자 그대로 데이터로부터 직접 생성됩니다.
14:34
So the data is now alive; this is a living image,
353
859000
2000
살아 있는 자료의 살아 있는 시각화 이미지입니다.
14:36
and I can update it in a second.
354
861000
2000
갱신을 즉각적으로 할 수 있죠.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
새로운 증거가 나오면, 저는 데이터 시트를 한 줄만 바꿔주고,
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
다시, 두쉬! 이미지가 자동으로 다시 만들어집니다.
14:44
So it's cool.
357
869000
2000
멋지죠.
14:46
It's kind of living.
358
871000
3000
일종의 생명체입니다.
14:49
But it can go beyond data,
359
874000
2000
데이터로 구현된 것이죠.
14:51
and it can go beyond numbers.
360
876000
2000
숫자들로 구성된 거고요.
14:53
I like to apply information visualization
361
878000
2000
저는 아이디어와 개념을
14:55
to ideas and concepts.
362
880000
3000
정보 시각화해보는 걸 좋아합니다.
14:58
This is a visualization
363
883000
2000
이건 정치적 성향 범위에 대한
15:00
of the political spectrum,
364
885000
2000
시각화입니다.
15:02
an attempt for me to try
365
887000
2000
이건 제가 세상이
15:04
and understand how it works
366
889000
2000
어떻게 돌아가는지 그리고
15:06
and how the ideas percolate down
367
891000
2000
어떻게 아이디어가 정부로부터
15:08
from government into society and culture,
368
893000
2000
사회, 문화, 가족, 개개인,
15:10
into families, into individuals, into their beliefs
369
895000
3000
그리고 그들의 믿음으로 스며들어 다시 피드백되어
15:13
and back around again in a cycle.
370
898000
3000
순환하는지 이해하려는 시도입니다.
15:16
What I love about this image
371
901000
2000
저가 이 이미지를 좋아하는 이유는
15:18
is it's made up of concepts,
372
903000
2000
이는 개념들로 구성되어 있어
15:20
it explores our worldviews
373
905000
2000
우리들의 세계관을 탐험하고,
15:22
and it helps us -- it helps me anyway --
374
907000
2000
남들이 무엇을 생각하고
15:24
to see what others think,
375
909000
2000
왜 그런 생각을 하는지 이해하도록
15:26
to see where they're coming from.
376
911000
2000
돕습니다. 어쨌든 제겐 도움이 되었죠.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
그리고 그런 일을 한다는 것은 믿을 수 없을 만큼 멋집니다.
15:31
What was most exciting for me
378
916000
3000
그리고 이걸 디자인하면서 가장 짜릿한 점은
15:34
designing this
379
919000
2000
이것이었습니다.
15:36
was that, when I was designing this image,
380
921000
2000
제가 이걸 디자인할 때
15:38
I desperately wanted this side, the left side,
381
923000
3000
저는 이쪽, 왼쪽을 오른쪽보다
15:41
to be better than the right side --
382
926000
2000
좋게 표현하고 싶었습니다.
15:43
being a journalist, a Left-leaning person --
383
928000
3000
언론인으로서, 좌 편향적인 인물로서요. (웃음)
15:46
but I couldn't, because I would have created
384
931000
2000
그러나 그럴 수 없었습니다. 그랬다면
15:48
a lopsided, biased diagram.
385
933000
3000
왜곡된, 편견이 들어간 도표가 되었을 겁니다.
15:51
So, in order to really create a full image,
386
936000
3000
진정으로 전체의 보다 큰 그림을 보여주기 위해
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
저는 우 편향 쪽도 존중해야만 했습니다.
15:57
and at the same time, uncomfortably recognize
388
942000
3000
그러면서 동시에 은근 불편하게 깨달은 것이 있었습니다.
16:00
how many of those qualities were actually in me,
389
945000
3000
제가 사실 우 편향 쪽의 자질도 많이 갖고 있다는 거죠.
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
이 깨달음은 정말이지 매우 짜증스럽고 편치않더군요.
16:05
(Laughter)
391
950000
4000
(웃음)
16:09
But not too uncomfortable,
392
954000
2000
그러나 너무 많이 불편하진 않았습니다.
16:11
because there's something unthreatening
393
956000
3000
정치적 성향에 관해 시각적으로 볼 땐
16:14
about seeing a political perspective,
394
959000
2000
그에 관해 듣거나
16:16
versus being told or forced to listen to one.
395
961000
3000
강요받아 들을 때와 달리 압박을 느끼진 않았거든요.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
사실, 이걸 보시게 되면 반대 성향의 관점으로도
16:22
joyously when you can see them.
397
967000
2000
즐거이 보실 수 있게 됩니다.
16:24
It's even fun to engage with them
398
969000
2000
이걸 집중해서 보는 건 심지어 재밌습니다.
16:26
because it's visual.
399
971000
2000
왜냐하면 이건 시각적이기 때문이죠.
16:28
So that's what's exciting to me,
400
973000
2000
그게 제가 흥분하는 것입니다.
16:30
seeing how data can change my perspective
401
975000
2000
어떻게 데이터가 저의 관점을 바꾸는지
16:32
and change my mind midstream --
402
977000
2000
저의 사고방식을 바꾸는지요.
16:34
beautiful, lovely data.
403
979000
3000
아름답고, 사랑스러운 데이터입니다.
16:38
So, just to wrap up,
404
983000
2000
이제 정리해봅시다.
16:40
I wanted to say
405
985000
2000
저는 이렇게 말하고 싶습니다.
16:42
that it feels to me that design is about solving problems
406
987000
2000
저에게 디자인이란 문제를 해결하고
16:44
and providing elegant solutions,
407
989000
3000
우아한 해결책을 제시하는 것입니다.
16:47
and information design is about
408
992000
2000
그리고 정보 디자인은
16:49
solving information problems.
409
994000
2000
정보에 대한 문제를 푸는 것입니다.
16:51
It feels like we have a lot of information problems
410
996000
2000
지금 우리 사회는 과부하 또는 포화 상태라는
16:53
in our society at the moment,
411
998000
2000
수많은 정보의 문제를
16:55
from the overload and the saturation
412
1000000
2000
갖고 있습니다.
16:57
to the breakdown of trust and reliability
413
1002000
2000
믿음과 신용의 붕괴
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
그리고 힘든 회의주의, 투명성의 결여
17:01
or even just interestingness.
415
1006000
2000
무관심도 해당합니다.
17:03
I mean, I find information just too interesting.
416
1008000
2000
저는 정보라는 게 정말 재미있다는 사실을 발견했습니다.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
마치 자석처럼 끌어당기는 힘이 있습니다.
17:09
So, visualizing information
418
1014000
2000
이제 정보 시각화는
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
우리에게 이런 문제들에 대한 빠른 해결책을 줍니다.
17:14
Even when the information is terrible,
420
1019000
2000
그리고 끔찍해 보이는 정보가 있을 때에도
17:16
the visual can be quite beautiful.
421
1021000
3000
시각화는 매우 아름다운 것이 될 수 있습니다.
17:19
Often we can get clarity
422
1024000
3000
그리고 우리는 명쾌한 이해와
17:22
or the answer to a simple question very quickly,
423
1027000
2000
간단한 질문에 대한 답변을 빨리 얻을 수 있습니다.
17:24
like this one,
424
1029000
2000
이렇게 말이죠.
17:26
the recent Icelandic volcano.
425
1031000
3000
최근 아이슬란드의 화산 데이터입니다.
17:29
Which was emitting the most CO2?
426
1034000
2000
가장 이산화탄소 배출량이 많은 건?
17:31
Was it the planes or the volcano,
427
1036000
2000
항공기일까요? 화산일까요?
17:33
the grounded planes or the volcano?
428
1038000
2000
취소된 항공기? 화산?
17:35
So we can have a look.
429
1040000
2000
한번 봅시다.
17:37
We look at the data and we see:
430
1042000
2000
데이터를 통해 알 수 있는 건
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
네, 화산은 15만 톤을 배출하지만
17:41
the grounded planes would have emitted
432
1046000
2000
취소된 비행기가 난다면
17:43
345,000 if they were in the sky.
433
1048000
3000
34만 5천 톤을 배출하는군요.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
즉 본질적으로는 이것은 최초의 탄소 감소 화산인 셈입니다..
17:49
(Laughter)
435
1054000
2000
(웃음)
17:51
(Applause)
436
1056000
9000
(박수)
18:00
And that is beautiful. Thank you.
437
1065000
3000
참 아름답죠. 감사합니다.
18:03
(Applause)
438
1068000
8000
(박수)
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