ABOUT THE SPEAKER

Lux Narayan - Entrepreneur
Lux 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.

More profile about the speaker
Lux Narayan | Speaker | TED.com

TEDNYC

Lux Narayan: What I learned from 2,000 obituaries

Lux Narayan: နာရေးသတင်း ၂၀၀၀ မှ သင်ယူခဲ့သမျှ။

Filmed: 2017-01-26

Readability: 4.4

1,705,669 views

Lux Narayan ဟာ သူ့ရဲ့တစ်နေ့တာကို ကြက်ဉမွှေကြော်နဲ့ "ဒီနေ့ ဘယ်သူ ဆုံးသွားလဲ" ဆိုတဲ့မေးခွန်းနဲ့ အစပြုပါတယ်။ New York Times နာရေးသတင်း၂၀၀၀ကို လပေါင်း ၂၀ ခွဲခြမ်းစိစစ်ခြင်းနဲ့ Narayan ဟာ ဘဝတစ်သက်တာမှာ အောင်မြင်မှုဆိုတာ ဘာနဲ့ တူသလဲဆိုတာကို စကားလုံး အနည်းငယ်နဲ့ ကောက်သင်းကောက်ခဲ့တယ်။ ဟောဒီမှာ သူဟာ ရေးသားပြီး မျှဝေထားတဲ့ အစဉ်မမေ့အပ်တာတွေက ကျွန်ုပ်တို့ကို ကောင်းမွန်စွာ ရှင်သန်ခဲ့တဲ့ ဘဝတစ်ခုအကြောင်း သင်ကြားပေးနိုင်ပါတယ်။

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

Double-click the English transcript below to play the video.

00:12

Joseph Keller used to jog
around the Stanford campus,

0

879

4072

Joseph Keller ဟာ Stanford ကျောင်းဝင်း
တစ်ဝိုက်မှာ အပြေးလေ့ကျင့်ခဲ့ဖူးပြီး

00:16

and he was struck by all the women
jogging there as well.

1

4975

4717

အဲဒီမှာအပြေးလေ့ကျင့်တဲ့ အမျိုးသမီးတွေ
အားလုံးကို နားလည် မရခဲ့ပါ။

00:21

Why did their ponytails swing
from side to side like that?

2

9716

3589

သူတို့ရဲ့ စုချည်ထားတဲ့ဆံပင်က
ဘာလို့ ဒီလို ဘယ်ညာ လွှဲနေတာလဲ။

00:25

Being a mathematician,
he set out to understand why.

3

13867

3138

သင်္ချာပညာရှင်ဆိုတော့ ဘာကြောင့်ဆိုတာ
နားလည်ဖို့ ရည်မှန်းချက်ချတယ်။

00:29

(Laughter)

4

17029

1151

(ရယ်သံများ)

00:30

Professor Keller was curious
about many things:

5

18204

2306

ပါမောက္ခ Keller က အတော်များများကို
သိလိုတယ်။

00:32

why teapots dribble

6

20534

1967

လက်ဖက်ရည်အိုးက ဘာလို့ စီးကျတာလဲ၊

00:34

or how earthworms wriggle.

7

22525

1830

တီကောင်တွေ ဘယ်လို တွန့်လိမ်သွားတာလဲ

00:36

Until a few months ago,
I hadn't heard of Joseph Keller.

8

24847

3048

လွန်ခဲ့တဲ့ လအနည်းငယ်မတိုင်ခင်အထိ
Joseph Keller ကို မကြားမိသေးဘူး။

00:40

I read about him in the New York Times,

9

28581

2852

သူ့အကြောင်းကို New York Times
နာရေးသတင်းတွေမှာ

00:43

in the obituaries.

10

31457

1432

ဖတ်လိုက်ရတာပါ။

00:44

The Times had half a page
of editorial dedicated to him,

11

32913

3772

The Times မှာ စာမျက်နှာဝက်ရှိတဲ့
သူ့ကိုရည်စူးတဲ့ အယ်ဒီတာအာဘော်ပါခဲ့တယ်။

00:48

which you can imagine is premium space
for a newspaper of their stature.

12

36709

3922

သူတို့ရဲ့ ဂုဏ်ကြီးတဲ့ သတင်းစာအတွက်
စျေးကြီးတဲ့ နေရာဆိုတာ တွေးကြည့်နိုင်တယ်။

00:53

I read the obituaries almost every day.

13

41368

2342

ကျွန်တော်က နာရေးသတင်းတွေကို
နေ့စဉ်နီးပါးဖတ်တယ်။

00:56

My wife understandably thinks
I'm rather morbid

14

44690

3022

နေ့တာကို ကြက်ဥမွှေကြော်နဲ့
"ဒီနေ့ ဘယ်သူဆုံးတာကြည့်ကြစို့"လို့

00:59

to begin my day with scrambled eggs
and a "Let's see who died today."

15

47736

4400

အတော့ကို အနိဌာရုံကို စွဲလန်းနေတယ်ဆိုတာ
ဇနီးက နားလည်မယ်ဆို နားလည်လောက်ပါတယ်။

01:04

(Laughter)

16

52160

1150

(ရယ်သံများ)

01:06

But if you think about it,

17

54025

1292

ဒါပေမဲ့ အဲဒီအကြောင်းတွေးရင်

01:07

the front page of the newspaper
is usually bad news,

18

55341

3413

သတင်းစာရဲ့ ရှေ့ဆုံးစာမျက်နှာဟာ
အမြဲ အမင်္ဂလာ သတင်းတွေဖြစ်ပြီး

01:10

and cues man's failures.

19

58778

1975

လူသားရဲ့ ကျဆုံးမှုတွေကို အရိပ်ပြတယ်။

01:12

An instance where bad news
cues accomplishment

20

60777

2666

အမင်္ဂလာသတင်းက အောင်မြင်မှုကို
အရိပ်ပြတဲ့ အခိုက်က

01:15

is at the end of the paper,
in the obituaries.

21

63467

3235

သတင်းစာရဲ့ အဆုံးက နာရေးသတင်းတွေမှာပါ။

01:19

In my day job,

22

67405

1364

ကျွန်တော့ နေ့အလုပ်မှာ

01:20

I run a company that focuses
on future insights

23

68793

2476

စျေးကွက်ဖော်သူတွေ ယခင် ဒေတာတွေကို
ရယူတဲ့ အနာဂတ်

01:23

that marketers can derive
from past data --

24

71293

2420

ထိုးထွင်းအမြင်တွေကို
အာရုံစိုက်တဲ့ ကုမ္ပဏီလုပ်တယ်။

01:25

a kind of rearview-mirror analysis.

25

73737

2944

နောက်ကြည့်မှန် စိစစ်မှုမျိုးပေါ့။

01:29

And we began to think:

26

77092

1155

ဒါနဲ့ စတွေးမိကြတာက

01:30

What if we held a rearview mirror
to obituaries from the New York Times?

27

78271

5118

New York Times က နာရေးသတင်းတွေဆီ
နောက်ကြည့်မှန် ထိုးကြည့်ရင် ဘယ်လိုဖြစ်မလဲ။

01:36

Were there lessons on how you could get
your obituary featured --

28

84514

3468

သင့်နာရေးသတင်းကို ဘယ်လိုထည့်သွင်းခိုင်းမလဲ
ဆိုတဲ့ သင်ခန်းစာတွေရှိလားပေါ့။

01:40

even if you aren't around to enjoy it?

29

88006

1977

ဒါကို ခံစားဖို့ အနီးမှာ မရှိတာတောင်ပေါ့။

01:42

(Laughter)

30

90007

1484

(ရယ်သံများ)

01:43

Would this go better with scrambled eggs?

31

91515

2628

ဒါက ကြက်ဥမွေကြော်နဲ့ ပိုလိုက်မလားပေါ့။

01:46

(Laughter)

32

94167

1150

(ရယ်သံများ)

01:48

And so, we looked at the data.

33

96163

2998

ဒါနဲ့ ဒေတာတွေကို ကြည့်ကြတယ်။

01:51

2,000 editorial, non-paid obituaries

34

99869

4494

အယ်ဒီတာအာဘော် ၂၀၀၀၊ ၂၀၁၅ နဲ့ ၂၀၁၆ ကြား

01:56

over a 20-month period
between 2015 and 2016.

35

104387

3642

လ ၂၀ ကျော်ကာလ က အခမပေးရတဲ့
နာရေးသတင်းတွေပါ။

02:00

What did these 2,000 deaths --
rather, lives -- teach us?

36

108053

4824

ရှင်သန်နေတာတွေထက် ဒီသေဆုံးမှု ၂၀၀၀ က
ဘာကို ကျွန်တော်တို့ကို သင်ပေးလဲ။

02:04

Well, first we looked at words.

37

112901

2033

ကဲ၊ ပထမဆုံး စကားလုံးတွေကို
ကြည့်ခဲ့တယ်။

02:06

This here is an obituary headline.

38

114958

1761

ဟေဒီဟာက နာရေးသတင် ခေါင်းကြီးတစ်ခုပါ။

02:08

This one is of the amazing Lee Kuan Yew.

39

116743

2296

ဒါက အံ့သြဖွယ် Lee Kuan Yew ရဲ့ဟာပါ။

02:11

If you remove the beginning and the end,

40

119063

2522

အစနဲ့ အဆုံးကို ဖယ်လိုက်ရင်

02:13

you're left with a beautifully
worded descriptor

41

121609

3334

စာလုံးအနည်းငယ်နဲ့ အောင်မြင်မှု
(သို့) တစ်သက်တာကို

02:16

that tries to, in just a few words,
capture an achievement or a lifetime.

42

124967

4675

ဖမ်းစားဖို့ ကြိုးစားတဲ့ လှလှပပ
စာပန်းချီခြယ်ထားတာ ကျန်ခဲ့မယ်။

02:21

Just looking at these is fascinating.

43

129666

2161

ကြည့်ရုံနဲ့ကို စိတ်ဝင်စားစရာကောင်းပါတယ်။

02:24

Here are a few famous ones,
people who died in the last two years.

44

132301

3295

ဒီမှာ နည်းနည်း ကျော်ကြားသူတွေ
လွန်ခဲ့တဲ့ နှစ်နှစ်က ဆုံးသွာတဲ့ လူတွေပါ။

02:27

Try and guess who they are.

45

135620

1319

ဘယ်သူဆိုတာ မှန်းဆကြည့်ပါ။

02:28

[An Artist who Defied Genre]

46

136963

1440

သရုပ်ဖော်ကို အာခံသူပန်းချီဆရာ

02:30

That's Prince.

47

138427

1185

ဒါက Prince ပါ။

02:32

[Titan of Boxing and the 20th Century]

48

140497

1837

[လက်ဝှေ့နဲ့ ၂၀ ရာစုရဲ့ အထင်ကရ]

02:34

Oh, yes.

49

142358

1160

အင်း၊ ဟုတ်တာပေါ့။

02:35

[Muhammad Ali]

50

143542

1224

[မိုဟာမက် အလီ]

02:36

[Groundbreaking Architect]

51

144790

1546

တီထွင်ဆန်းသစ်သော ဗိသုကာပညာရှင်]

02:38

Zaha Hadid.

52

146360

1251

Zaha Hadid ပါ။

02:40

So we took these descriptors

53

148843

1748

ဒီတော့ ဒီစာပန်းချီတွေကို ယူပြီး

02:42

and did what's called
natural language processing,

54

150615

2524

သဘာဝ ဘာသာစကားဖြစ်စဉ်ဆိုတာ
လုပ်ခဲ့တယ်။

02:45

where you feed these into a program,

55

153163

1771

ဒါတွေကို ပရိုဂရမ်တစ်ခုမှာ ထည့်၊

02:46

it throws out the superfluous words --

56

154958

1865

အပိုစကားလုံးတွေ ဖယ်လိုက်တော့

02:48

"the," "and," -- the kind of words
you can mime easily in "Charades," --

57

156847

4223

အမူအရာပြတွေထဲက လွယ်လွယ် ဟန်ဆောင်လို့ရတဲ့
စကားလုံးမျိုးတွေ၊

02:53

and leaves you with the most
significant words.

58

161094

2193

အရေးပါဆုံး စကားလုံးတွေပဲ
ကျန်ခဲ့တယ်။

02:55

And we did it not just for these four,

59

163311

1821

ကျွန်တော်တို့လုပ်တာ ဒီလေးခုပဲ မဟုတ်ဘူး

02:57

but for all 2,000 descriptors.

60

165156

2519

စာပန်းချီ ၂၀၀၀ လုံးအတွက်ပါ။

02:59

And this is what it looks like.

61

167699

1743

ဒါက မြင်ရတဲ့ ပုံပါ။

03:03

Film, theatre, music, dance
and of course, art, are huge.

62

171004

4827

ရုပ်ရှင်၊ သဘင်၊ ဂီတ၊ အကနဲ့
တကယ်တော့ အနုပညာတို့ဟာ ကြီးမားပါတယ်။

03:08

Over 40 percent.

63

176485

1946

၄၀% ကျော်ပါ။

03:10

You have to wonder
why in so many societies

64

178455

2528

သင်တို့ တွေးမိဖို့လိုတာက
များလှတဲ့ လူအဖွဲ့အစည်းတွေမှာ

03:13

we insist that our kids pursue
engineering or medicine or business or law

65

181007

4435

ဘာလို့ ကလေးတွေကို အောင်မြင်မှုတည်ဆောက်ဖို့
အင်ဂျင်နီယာ၊ ဆေး၊ စီးပွာရေး၊ ဥပဒေပညာတွေ

03:17

to be construed as successful.

66

185466

1587

လိုက်စားဖို့ အတင်းလုပ်ကြလဲလို့ပါ။

03:19

And while we're talking profession,

67

187871

1693

အသက်မွေးအလုပ်အကြောင်းပြောနေရင်း

03:21

let's look at age --

68

189588

1151

အသက်ကို ကြည့်ရအောင်၊

03:22

the average age at which
they achieved things.

69

190763

2510

အရာဌာနတွေကို သူတို့အောင်မြင်တဲ့
ပျမ်းမျှအသက်ပါ။

03:25

That number is 37.

70

193297

1846

ဒီဂဏန်းက ၃၇ ပါ။

03:28

What that means is,
you've got to wait 37 years ...

71

196274

3656

ဆိုလိုတာက ကိုယ့်ကို အမှတ်ရစေတဲ့

03:31

before your first significant achievement
that you're remembered for --

72

199954

3395

ပထမဆုံးထူးခြားတဲ့ အောင်မြင်မှုမရခင်
၃၇ နှစ်စောင့်ဖို့လိုတာပါ။

03:35

on average --

73

203373

1151

ပျမ်းမျှအနေနဲ့ပါ၊

03:36

44 years later, when you
die at the age of 81 --

74

204548

2478

၄၄ နှစ်နောက်ပိုင်း အသက် ၈၁ မှာ
သေမယ့်အရွယ်...

03:39

on average.

75

207050

1168

ပျမ်းမျှပါ။

03:40

(Laughter)

76

208242

1001

(ရယ်သံများ)

03:41

Talk about having to be patient.

77

209267

1684

သည်းခံတတ်ဖို့လိုတဲ့အကြောင်း ပြောပါ။

03:42

(Laughter)

78

210975

1057

(ရယ်သံများ)

03:44

Of course, it varies by profession.

79

212056

2089

တကယ်က ဒါက အလုပ်အလိုက်
ပြောင်းလဲပါတယ်။

03:46

If you're a sports star,

80

214566

1193

နာမည်ကျော် အားကစားသမားဆို

03:47

you'll probably hit
your stride in your 20s.

81

215783

2127

၂၀ ကျော်တွင်းမှာ တိုးတက်မှု
ရလောက်ပါလိမ့်မယ်။

03:49

And if you're in your 40s like me,

82

217934

2645

ကျွန်တော့လို ၄၀ ကျော်တွင်းဆိုရင်

03:52

you can join the fun world of politics.

83

220603

1991

နိုင်ငံရေးရဲ့ ပျော်စရာလောကမှာ
ပါနိုင်တယ်။

03:54

(Laughter)

84

222618

1056

(ရယ်သံများ)

03:55

Politicians do their first and sometimes
only commendable act in their mid-40s.

85

223698

3915

နိုင်ငံရေးသမားတွေက ပထမ၊ တခါတရံ ချီးကျုးရုံ
လုပ်ဆောင်ချက်ကို ၄၀ လွန်မှာ လုပ်တယ်။

03:59

(Laughter)

86

227637

1257

(ရယ်သံများ)

04:00

If you're wondering what "others" are,

87

228918

1937

"အြခားသူတွေ"က ဘာလဲလို့ တွေးနေတယ်ဆိုရင်

04:02

here are some examples.

88

230879

1476

ဒီမှာ နမူနာတစ်ချို့ပါ။

04:04

Isn't it fascinating, the things people do

89

232821

2116

လူတွေလုပ်တာတွေနဲ့ သူတို့ကို အမှတ်ရစေတာတွေ

04:06

and the things they're remembered for?

90

234961

1882

စိတ်ဝင်စားစရာ မကောင်းဘူးလား။

04:08

(Laughter)

91

236867

1752

(ရယ်သံများ)

04:12

Our curiosity was in overdrive,

92

240136

1844

ကျွန်တော်တို့ရဲ့ သိလိုမှုက အရမ်းများကာ

04:14

and we desired to analyze
more than just a descriptor.

93

242004

3788

စာပန်းချီသက်သက်တစ်ခုထက်ပိုပြီး
စိစစ်ဖို့ ဆန္ဒရှိခဲ့တယ်။

04:18

So, we ingested the entire
first paragraph of all 2,000 obituaries,

94

246998

4946

ဒါနဲ့ နာရေးသတင်း ၂၀၀၀ လုံးရဲ့
ပထမစာပိုဒ်တစ်ခုလုံးကို မှတ်သားခဲ့တယ်။

04:23

but we did this separately
for two groups of people:

95

251968

2774

ဒါပေမဲ့ ဒါကို လူအုပ်စုနှစ်ခုအတွက်
ခွဲလုပ်ခဲ့တာပါ။

04:26

people that are famous
and people that are not famous.

96

254766

2777

ကျော်ကြားတဲ့ လူတွေနဲ့
မကျော်ကြားတဲ့ လူတွေပါ။

04:29

Famous people -- Prince,
Ali, Zaha Hadid --

97

257567

2689

ကျော်ကြားတဲ့ သူတွေက Prince,
Ali Zaha Hadid ..

04:32

people who are not famous
are people like Jocelyn Cooper,

98

260280

4235

မကျော်ကြားတဲ့ လူတွေကတော့ Jocelyn Cooper

04:36

Reverend Curry

99

264539

1154

Reverend Curry

04:37

or Lorna Kelly.

100

265717

1169

Lorna Kelly တို့လိုပါ။

04:38

I'm willing to bet you haven't heard
of most of their names.

101

266910

3188

သူတို့ရဲ့ အမည်တွေကို သင်တို့မကြားဖူးဘူး
ဆိုတာ လောင်းချင်ပါတယ်။

04:42

Amazing people, fantastic achievements,
but they're not famous.

102

270122

3812

အံ့သြစရာ လူတွေ၊ စိတ်ဝင်စားစရာ
အောင်မြင်မှုတွေ၊ ဒါပေမဲ့ မကျော်ကြာကြဘူးလေ။

04:46

So what if we analyze
these two groups separately --

103

274720

2788

ဒီတော့ ဒီအုပ်စုနှစ်ခုကို သီးသန့်
စိစစ်လိုက်ရင်ရော၊။

04:49

the famous and the non-famous?

104

277532

1525

ကျော်ကြားသူနဲ့ မကျော်ကြားသူတွေ၊

04:51

What might that tell us?

105

279081

1419

ဒါက ဘာပြောလိမ့်မလဲ။

04:52

Take a look.

106

280524

1240

တစ်ချက်ကြည့်ပါ။

04:56

Two things leap out at me.

107

284556

1469

ကျွန်တော့ဆီ နှစ်ခု ခုန်လာတယ်။

04:58

First:

108

286569

1170

ပထမက

05:00

"John."

109

288106

1198

"John" ပါ။

05:01

(Laughter)

110

289328

1300

(ရယ်သံများ)

05:03

Anyone here named John
should thank your parents --

111

291914

3388

ဒီက John လို့ နာမည်မှည့်ထားသူတိုင်း
မိဘတွေကို ကျေးဇူတင်သင့်ပြီး

05:07

(Laughter)

112

295326

1329

(ရယ်သံများ)

05:08

and remind your kids to cut out
your obituary when you're gone.

113

296679

3082

ကိုယ်သေရင် ကလေးတွေကို နာရေး
သတင်းဖြတ်ယူထားဖို့ သတိပေးသင့်တယ်။

05:13

And second:

114

301061

1356

ဒုတိယက

05:15

"help."

115

303849

1154

"Help"

05:18

We uncovered, many lessons
from lives well-led,

116

306524

3465

ကောင်းမွန်စွာ ဦးဆောင် ရှင်သန်ခဲ့တဲ့ သူတို့
ဘဝတွေက သင်ခန်းစာ အများကြီးနဲ့

05:22

and what those people immortalized
in print could teach us.

117

310013

2836

ရေးမှတ်ထားတဲ့ အစဉ်မမေ့အပ်တာတွေက
သင်ပေးတာတွေ ဖော်ထုတ်ခဲ့တယ်

05:24

The exercise was a fascinating testament
to the kaleidoscope that is life,

118

312873

4738

လေ့ကျင့်ခန်းက ဘဝဆိုတဲ့ ရုပ်စုံမှန်ပြောင်း
အတွက် စိတ်ဝင်စားစရာ သက်သေတစ်ခုပါ၊

05:29

and even more fascinating

119

317635

2715

ပိုတောင် စိတ်ဝင်စားစရာကောင်းတာက

05:32

was the fact that the overwhelming
majority of obituaries

120

320374

3068

ထူးခြားပုံရတဲ့ အရာတွေကို
လုပ်ခဲ့ကြသူတွေပါတဲ့

05:35

featured people famous and non-famous,

121

323466

2998

လွန်ကဲတဲ့ နာရေးသတင်းအများစု

05:38

who did seemingly extraordinary things.

122

326488

2433

ဆိုတဲ့အချက်ပါ။

05:41

They made a positive dent
in the fabric of life.

123

329574

3110

ဘဝရဲ့အစိတ်အပိုင်းမှာ အပြုသဘော
ချိုင့်ရာတစ်ခုလုပ်ခဲ့တာပါ။

05:44

They helped.

124

332708

1237

အကူအညီပေးခဲ့ကြတယ်။

05:46

So ask yourselves as you go
back to your daily lives:

125

334772

2591

ဒီတော့ နေ့စဉ်ဘဝကို ပြန်သွားတဲ့အခါ
မိမိကိုယ်ကို မေးကြည့်

05:49

How am I using my talents to help society?

126

337387

2920

ငါ့အစွမ်းတွေကို လူ့အဖွဲအစည်းကို
ကူညီဖို့ ဘယ်လို သုံးနေလဲ

05:52

Because the most powerful lesson here is,

127

340331

2973

အကြောင်းက ဒီက အစွမ်းထက်ဆုံး သင်ခန်းစာက

05:55

if more people lived their lives
trying to be famous in death,

128

343328

4336

ပိုများတဲ့ လူတွေဟာ သေချိန်မှာ
ကျော်ကြားဖို့ ကြိုးစားရင်း နေထိုင်ကြရင်

05:59

the world would be a much better place.

129

347688

2605

ကမ္ဘာဟာ အများကြီးပိုကောင်းမွန်တဲ့
နေရာ ဖြစ်ပါလိမ့်မယ်။

06:03

Thank you.

130

351062

1169

ကျေးဇူတင်ပါတယ်။

06:04

(Applause)

131

352255

2848

(လက်ခုပ်သံများ)

Translated by sann tint
Reviewed by Myo Aung

ABOUT THE SPEAKER

Lux Narayan - Entrepreneur
Lux 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.

More profile about the speaker
Lux Narayan | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

Lux Narayan: နာရေးသတင်း ၂၀၀၀ မှ သင်ယူခဲ့သမျှ။ | TED Talk | TED.com