TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: A beleza da visualização de dados
Filmed:
Readability: 4.3
3,250,094 views
David McCandless transforma séries de dados complexos como despesas militares globais, rumores dos media, actualizações de estado no Facebook e outros em belos, ainda que simples, diagramas. Ele propõe design de informação como uma ferramenta usada para navegarmos no excesso de informação de hoje em dia, descobrindo padrões únicos e conexões que podem muito bem mudar a maneira como vemos o 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 estamos todos a sofrer
00:17
from information overload or data glut.
1
2000
3000
de uma sobrecarga de informação ou excesso de dados.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
E as boas notícias é que pode haver uma solução simples para isso,
00:22
and that's using our eyes more.
3
7000
2000
e que é usarmos mais os nossos olhos.
00:24
So, visualizing information, so that we can see
4
9000
2000
Portanto, visualizarmos informação, para que possamos ver
00:26
the patterns and connections that matter
5
11000
3000
os padrões e conexões que interessam
00:29
and then designing that information so it makes more sense,
6
14000
3000
e depois projectar essa informação para que faça mais sentido,
00:32
or it tells a story,
7
17000
2000
ou contar-nos uma história,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
ou permitir-nos focar somente na informação que é importante.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
Falhando isso, a informação visualizada pode simplesmente parecer muito porreira.
00:41
So, let's see.
10
26000
2000
Vejamos.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Este é o diagrama Billion Dollar
00:47
and this image arose
12
32000
2000
e esta imagem surgiu
00:49
out of frustration I had
13
34000
2000
da frustação que eu tinha
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
com as quantidades de biliões de dólares que eram anunciados nas notícias.
00:53
That is, they're meaningless without context:
15
38000
3000
Isto é, eram insignificantes sem um contexto.
00:56
500 billion for this pipeline,
16
41000
2000
500 biliões por esta conduta de gás.
00:58
20 billion for this war.
17
43000
2000
20 biliões por esta guerra.
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
Não faz sentido nenhum, portanto a única maneira de o compreender
01:02
is visually and relatively.
19
47000
2000
é visualmente e relativamente.
01:04
So I scraped a load of reported figures
20
49000
2000
Portanto vasculhei uma data de imagens reportadas
01:06
from various news outlets
21
51000
2000
de várias fontes de notícias
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
e depois escalonei as caixas de acordo com essas quantidades.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
E as cores aqui representam a motivação por detrás do dinheiro.
01:14
So purple is "fighting,"
24
59000
3000
Então o roxo é luta,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
o vermelho é doar dinheiro, e o verde é lucrar.
01:20
And what you can see straight away
26
65000
2000
E o que podem ver de imediato
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
é que começam a ter uma diferente relação com os números.
01:24
You can literally see them.
28
69000
2000
Podem literalmente vê-los.
01:26
But more importantly, you start to see
29
71000
2000
Mas mais importante, começam a ver
01:28
patterns and connections between numbers
30
73000
2000
padrões e conexões entre números
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
que iriam de outra forma estar espalhados em várias notícias.
01:33
Let me point out some that I really like.
32
78000
3000
Deixem-me indicar alguns que gosto realmente.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Este é a receita da OPEP, esta caixa verde aqui --
01:38
780 billion a year.
34
83000
2000
780 biliões por ano.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
E este pixel pequeno no canto -- três biliões --
01:43
that's their climate change fund.
36
88000
3000
é o fundo para as alterações climáticas.
01:46
Americans, incredibly generous people --
37
91000
2000
Os Americanos, pessoas incrivelmente generosas --
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
doam para a caridade todos os anos,mais de 300 biliões,
01:51
compared with the amount of foreign aid
39
96000
2000
comparado com a quantidade de ajuda estrangeira
01:53
given by the top 17 industrialized nations
40
98000
2000
dada pelas 17 maiores nações industrializadas
01:55
at 120 billion.
41
100000
2000
de 120 biliões.
01:57
Then of course,
42
102000
2000
E depois claro,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
a guerra do Iraque, com um custo previsto de apenas 60 biliões
02:01
back in 2003.
44
106000
3000
em 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
E cresceu ligeiramente. O Afeganistão cresceu agora
02:07
to 3,000 billion.
46
112000
3000
para 3 mil biliões.
02:10
So now it's great
47
115000
2000
Agora é óptimo
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
porque temos esta textura, e podemos também adicionar números a isto.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Portanto poderíamos dizer, bem, uma nova figura aparece...vejamos a dívida Africana.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
Quanto deste diagrama é que vocês pensam que pode corresponder
02:19
by the debt that Africa owes to the West?
51
124000
2000
à dívida africana para com o Ocidente?
02:21
Let's take a look.
52
126000
2000
Vamos dar uma vista.
02:23
So there it is:
53
128000
2000
Aqui está.
02:25
227 billion is what Africa owes.
54
130000
2000
227 biliões, é o que a África deve.
02:27
And the recent financial crisis,
55
132000
2000
E a recente crise financeira --
02:29
how much of this diagram might that figure take up?
56
134000
2000
quanto deste diagrama é que esta figura representaria?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
Quanto é que isso custou ao mundo? Vamos lá ver isso.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
Doosh. Acho que este é o efeito sonoro apropriado
02:37
for that much money:
59
142000
2000
para este dinheiro todo.
02:39
11,900 billion.
60
144000
4000
11 900 biliões.
02:45
So, by visualizing this information,
61
150000
2000
Portanto, ao visualizar esta informação,
02:47
we turned it into a landscape
62
152000
2000
tornámo-la numa paisagem
02:49
that you can explore with your eyes,
63
154000
2000
que podem explorar com os vossos olhos,
02:51
a kind of map really, a sort of information map.
64
156000
2000
uma espécie de mapa de facto, um tipo de mapa informacional.
02:53
And when you're lost in information,
65
158000
2000
E quando estão perdidos na informação,
02:55
an information map is kind of useful.
66
160000
3000
um mapa informacional pode ser útil.
02:58
So I want to show you another landscape now.
67
163000
2000
Agora quero mostrar-vos outra paisagem.
03:00
We need to imagine what a landscape
68
165000
2000
Precisamos imaginar como é que uma paisagem
03:02
of the world's fears might look like.
69
167000
3000
dos medos do mundo se pareceria.
03:05
Let's take a look.
70
170000
2000
Vamos dar uma vista.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Isto são montanhas de entre montículos,
03:09
a timeline of global media panic.
72
174000
2000
uma linha temporal do pânico global do media.
03:11
(Laughter)
73
176000
2000
(risos)
03:13
So, I'll label this for you in a second.
74
178000
2000
Agora, vou etiquetar-vos isto num segundo.
03:15
But the height here, I want to point out,
75
180000
2000
Mas a altura aqui, quero esclarecer,
03:17
is the intensity of certain fears
76
182000
2000
é a intensidade de certos medos,
03:19
as reported in the media.
77
184000
2000
reportados pelos media.
03:21
Let me point them out.
78
186000
2000
Deixem-me indicar-vos.
03:23
So this, swine flu -- pink.
79
188000
4000
Portanto isto, gripe suína -- rosa.
03:27
Bird flu.
80
192000
2000
Gripe das aves.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
SARS (Síndrome respiratória aguda grave) -- aqui acastanhado. Lembrem-se desta.
03:32
The millennium bug,
82
197000
3000
O bug do milénio --
03:35
terrible disaster.
83
200000
2000
desastre terrível.
03:37
These little green peaks
84
202000
2000
Este picos verdes pequenos
03:39
are asteroid collisions.
85
204000
2000
são colisões de asteróides.
03:41
(Laughter)
86
206000
2000
(risos)
03:43
And in summer, here, killer wasps.
87
208000
2000
E no Verão, aqui, vespas assassinas.
03:45
(Laughter)
88
210000
8000
(risos)
03:53
So these are what our fears look like
89
218000
2000
Isto é o que os nosso medos se parecem
03:55
over time in our media.
90
220000
2000
ao longo do tempo nos nossos media.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Mas o que eu adoro -- e sou jornalista --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
o que adoro é encontrar padrões ocultos; Adoro ser um detective de dados.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
E há um padrão muito interessante e estranho escondido nestes dados
04:05
that you can only see when you visualize it.
94
230000
2000
que apenas podem vê-lo quando o visualizam
04:07
Let me highlight it for you.
95
232000
2000
Deixem-me realçá-lo.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Vêm esta linha. Esta é a paisagem para videojogos violentos.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Como podem ver, há uma espécie de padrão estranho e regular nestes dados,
04:15
twin peaks every year.
98
240000
2000
picos gémeos a cada ano.
04:17
If we look closer, we see those peaks occur
99
242000
2000
Se olharmos mais de perto, vemos estes picos a ocorrer
04:19
at the same month every year.
100
244000
3000
no mesmo mês todos os anos.
04:22
Why?
101
247000
2000
Porquê?
04:24
Well, November, Christmas video games come out,
102
249000
2000
Bem, Novembro, os jogos de Natal saiem,
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
e pode muito bem haver uma explosão de preocupação no seu conteúdo.
04:29
But April isn't a particularly massive month
104
254000
3000
Mas Abril não é particularmente um mês massivo
04:32
for video games.
105
257000
2000
para videojogos.
04:34
Why April?
106
259000
2000
Por quê Abril?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
Bem, em Abril de 1999 foi o tiroteiro de Columbine,
04:39
and since then, that fear
108
264000
2000
e a partir daí, esse medo
04:41
has been remembered by the media
109
266000
2000
tem sido relembrado pelos media
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
e ecoa pela mente colectiva gradualmente ao longo do ano.
04:45
You have retrospectives, anniversaries,
111
270000
3000
Têm as retrospectivas, aniversários,
04:48
court cases, even copy-cat shootings,
112
273000
3000
casos de tribunal, até tiroteiros imitadores,
04:51
all pushing that fear into the agenda.
113
276000
3000
todos a puxar esse medo para o calendário.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
E há outro padrão aqui escondido também. Conseguem descobri-lo?
04:56
See that gap there? There's a gap,
115
281000
2000
Vêm aquela falha ali? Aquel é uma falha,
04:58
and it affects all the other stories.
116
283000
2000
e afecta todas as outras histórias.
05:00
Why is there a gap there?
117
285000
2000
Porque é que há uma falha ali?
05:02
You see where it starts? September 2001,
118
287000
3000
Vêm onde começa? Setembro de 2001,
05:05
when we had something very real
119
290000
2000
quando tivemos algo muito real
05:07
to be scared about.
120
292000
2000
para ser receado.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
Tenho trabalhado como um jornalista de dados à cerca de um ano,
05:12
and I keep hearing a phrase
122
297000
2000
e estou constantemente a ouvir uma frase
05:14
all the time, which is this:
123
299000
3000
que é esta:
05:17
"Data is the new oil."
124
302000
2000
"Dados são o novo petróleo."
05:19
Data is the kind of ubiquitous resource
125
304000
3000
E os dados são uma espécie de recursos ubíquos
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
que podemos moldar para fornecer inovações e novas percepções
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
e está por todo o lado, e pode ser extraída muito facilmente.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
E não é propriamente uma boa metáfora nestes tempos,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
especialmente se viverem à volta do Golfo do México,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
mas eu iria, talvez, adaptar ligeiramente esta metáfora,
05:36
and I would say that data is the new soil.
131
321000
3000
e diria que os dados são o novo solo.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
Porque para mim, parece-me um meio fértil e criativo.
05:43
Over the years, online,
133
328000
2000
Sabem, ao longo dos anos, online,
05:45
we've laid down
134
330000
3000
depositámos
05:48
a huge amount of information and data,
135
333000
2000
uma enorme quantidade de informação e dados,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
e irrigamo-los com redes e conexões,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
e têm sido trabalhados e lavrados por voluntários e governos.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
E, tudo bem, estou de certa forma a enaltecer um bocado esta metáfora.
05:58
But it's a really fertile medium,
139
343000
3000
Mas é de facto um meio fértil,
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
e parece que as visualizações, infográficos, visualizações de dados,
06:04
they feel like flowers blooming from this medium.
141
349000
3000
se parecem com flores a brotar deste meio.
06:07
But if you look at it directly,
142
352000
2000
Mas se olharem para eles directamente,
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
são somente um monte de número e factos não relacionados.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Mas se começarem a trabalhar e a arranjá-los de uma certa maneira,
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
podem aparecer coisas interessantes e padrões diferentes podem revelar-se.
06:17
Let me show you this.
146
362000
2000
Deixem-me mostra-vos.
06:19
Can you guess what this data set is?
147
364000
3000
Conseguem adivinhar o que é que estes dados indicam?
06:22
What rises twice a year,
148
367000
2000
O que é aumenta duas vezes por ano,
06:24
once in Easter
149
369000
2000
uma vez na Páscoa
06:26
and then two weeks before Christmas,
150
371000
2000
e depois duas semanas antes do Natal,
06:28
has a mini peak every Monday,
151
373000
2000
tem mini picos a cada Segunda-feira
06:30
and then flattens out over the summer?
152
375000
2000
e depois nivela durante o verão.
06:32
I'll take answers.
153
377000
2000
Aceito respostas.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(Audiência: Chocolate.) David McCandless: Chocolate.
06:36
You might want to get some chocolate in.
155
381000
3000
Podem querer algum chocolate nisto.
06:39
Any other guesses?
156
384000
2000
Mais palpites?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(Audiência: Compras.) DM: Compras.
06:43
Yeah, retail therapy might help.
158
388000
3000
Pois, terapia de compras poderá ajudar.
06:46
(Audience: Sick leave.)
159
391000
2000
(Audiência: Baixa médica.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: Baixa médica. Pois, definitivamente querem tirar algum tempo.
06:50
Shall we see?
161
395000
2000
Vejamos?
06:53
(Laughter)
162
398000
8000
(Risos)
07:01
(Applause)
163
406000
3000
(Aplausos)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Portanto, a informação aqui, o Lee Byron e eu,
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
vasculhámos 10 mil actualizações de estado no Facebook
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
pelas frases "Acabar" e "Acabaram"
07:12
and this is the pattern we found --
167
417000
2000
e este é o padrão que encontrámos --
07:14
people clearing out for Spring Break,
168
419000
2000
pessoas a acabar para as férias de primavera,
07:16
(Laughter)
169
421000
5000
(risos)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
a virem de fim de semanas muito maus às Segundas,
07:23
being single over the summer,
171
428000
3000
serem solteiros ao longo do verão.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
E o dia mais baixo do ano, claro: Dia de Natal.
07:29
Who would do that?
173
434000
3000
Quem é que o faria?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
Agora há uma quantidade massiva de dados por aí
07:34
unprecedented.
175
439000
2000
sem precedentes.
07:37
But if you ask the right kind of question,
176
442000
2000
Mas se fizerem o tipo de pergunta certa,
07:39
or you work it in the right kind of way,
177
444000
2000
ou trabalharem da maneira correcta,
07:41
interesting things can emerge.
178
446000
3000
podem surgir coisas interessantes.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
Portanto a informação é linda. Os dados são lindos.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Questiono-me se poderia tornar a minha mais bonita.
07:50
And here's my visual C.V.
181
455000
2000
E aqui está o m CV visual.
07:52
I'm not quite sure I've succeeded.
182
457000
2000
Não tenho a certeza se fui bem sucedido.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Muito emblocado. As cores não são muito boas.
07:56
But I wanted to convey something to you.
184
461000
3000
Mas queria transmitir-vos uma coisa.
07:59
I started as a programmer,
185
464000
2000
Comecei como um programador,
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
e depois trabalhei como um escritor durante muitos anos, cerca de 20 anos,
08:03
in print, online and then in advertising,
187
468000
2000
em impresso, online e depois em publicidade.
08:05
and only recently have I started designing.
188
470000
3000
e só recentemente comecei a projectar.
08:08
And I've never been to design school.
189
473000
2000
E nunca frequentei uma escola de design.
08:10
I've never studied art or anything.
190
475000
3000
Nunca estudei arte ou assim.
08:13
I just kind of learned through doing.
191
478000
2000
Simplesmente aprendi fazendo.
08:15
And when I started designing,
192
480000
2000
E quando comecei a faze-lo,
08:17
I discovered an odd thing about myself.
193
482000
2000
descobri um coisa estranha acerca de mim.
08:19
I already knew how to design,
194
484000
2000
Eu já sabia como o fazer,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
mas não é que fosse espantosamente brilhante a faze-lo,
08:24
but more like I was sensitive
196
489000
2000
mas era mais como se eu fosse sensível
08:26
to the ideas of grids and space
197
491000
2000
às ideias de grelhas e espaço
08:28
and alignment and typography.
198
493000
2000
e alinhamento e topografia.
08:30
It's almost like being exposed
199
495000
2000
É quase como que ao ser exposto
08:32
to all this media over the years
200
497000
2000
a todos estes meios de informação ao longo dos anos
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
tenha instalado um tipo de instrução adormecida em mim.
08:37
And I don't feel like I'm unique.
202
502000
2000
E não acho que seja único.
08:39
I feel that everyday, all of us now
203
504000
2000
Acho que todos os dias, todos nós
08:41
are being blasted by information design.
204
506000
3000
estamos a ser bombardeados com design de informação.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Está a ser-nos debitado para os olhos através da Web,
08:46
and we're all visualizers now;
206
511000
2000
e agora somos todos visualizadores;
08:48
we're all demanding a visual aspect
207
513000
2000
e estamos todos a exigir um aspecto visual
08:50
to our information.
208
515000
3000
para a nossa informação.
08:53
There's something almost quite magical about visual information.
209
518000
3000
E algo quase mágico acerca da informação visual.
08:56
It's effortless, it literally pours in.
210
521000
3000
É passivo; salta literalmente à vista.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
E se estiverem a navegar numa selva densa de informação,
09:02
coming across a beautiful graphic
212
527000
2000
depararem-se com um belo gráfico
09:04
or a lovely data visualization,
213
529000
2000
ou uma visualização de dados adorável,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
é um alívio, é como se chegassem a clareira na selva.
09:09
I was curious about this, so it led me
215
534000
2000
E eu estava curioso em relação a isto, e levou-me
09:11
to the work of a Danish physicist
216
536000
2000
ao trabalho de um físico Dinamarquês
09:13
called Tor Norretranders,
217
538000
2000
chamado Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
e ele converteu a largura de banda dos sentidos em termos informáticos.
09:19
So here we go. This is your senses,
219
544000
2000
Então aqui vamos. Estes são os nossos sentidos,
09:21
pouring into your senses every second.
220
546000
2000
o que nos chega aos sentidos a cada segundo.
09:23
Your sense of sight is the fastest.
221
548000
3000
O vosso sentido de visão é o mais rápido.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Tem a mesma largura de banda que uma rede de computadores.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
E depois temos o tacto, que tem aproximadamente a velocidade de uma porta USB.
09:32
And then you have hearing and smell,
224
557000
2000
E depois temos a audição e o olfacto,
09:34
which has the throughput of a hard disk.
225
559000
2000
que tem a mesma taxa de transferência que um disco rígido.
09:36
And then you have poor old taste,
226
561000
2000
E depois temos um pobre e velho paladar,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
que é praticamente a taxa de transferência de uma calculadora de bolso.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
E aquele pequeno quadrado no canto, 0,7 por cento,
09:44
that's the amount we're actually aware of.
229
569000
3000
é de facto a quantidade que estamos conscientes.
09:47
So a lot of your vision --
230
572000
2000
Portanto uma grande parte da nossa percepção --
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
o sua maioria é visual, e é torrencial.
09:51
It's unconscious.
232
576000
2000
É inconsciente.
09:53
The eye is exquisitely sensitive
233
578000
3000
E o olho é extremamente sensível
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
a padrões de variação de cor, forma e padrão.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
Adora-os, e acha-os lindos.
10:01
It's the language of the eye.
236
586000
2000
É a linguagem do olho.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
E se combinarem essa linguagem do olho com a linguagem da mente,
10:05
which is about words and numbers and concepts,
238
590000
3000
que se baseia em palavras e número e conceitos,
10:08
you start speaking two languages simultaneously,
239
593000
3000
começam a falar duas linguagens simultâneamente,
10:11
each enhancing the other.
240
596000
3000
cada uma a potencia a outra.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Portanto, têm a vista, e depois adicionam os conceitos.
10:17
And that whole thing -- it's two languages
242
602000
2000
E a coisa toda junta -- são duas linguagens
10:19
both working at the same time.
243
604000
2000
ambas a trabalhar ao mesmo tempo.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Por isso podemos usar este novo tipo de linguagem, se quiserem,
10:23
to alter our perspective or change our views.
245
608000
3000
para alterar a nossa perspectiva ou mudar as nossas opiniões.
10:26
Let me ask you a simple question
246
611000
2000
Deixem-me fazer-vos uma pergunta simples
10:28
with a really simple answer:
247
613000
2000
com uma resposta muito simples.
10:30
Who has the biggest military budget?
248
615000
2000
Quem tem o maior orçamento militar?
10:32
It's got to be America, right?
249
617000
2000
Tem de ser a América, certo?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Massivo. 609 biliões em 2008 --
10:36
607, rather.
251
621000
2000
607, alias.
10:38
So massive, in fact, that it can contain
252
623000
2000
Tão massivo, de facto, que consegue conter
10:40
all the other military budgets in the world inside itself.
253
625000
3000
todos os outros orçamentos militares do mundo dentro de si.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Gobble, gobble, gobble, gobble, gobble,
10:45
Now, you can see Africa's total debt there
255
630000
2000
Ora, podem ver a dívida total de África ali
10:47
and the U.K. budget deficit for reference.
256
632000
2000
e o défice orçamental do Reino Unido como referência.
10:49
So that might well chime
257
634000
2000
Portanto isso pode muito bem estar de acordo
10:51
with your view that America
258
636000
2000
com a vossa visão da América
10:53
is a sort of warmongering military machine,
259
638000
3000
de que é uma espécie de nação belicista, uma máquina militar,
10:56
out to overpower the world
260
641000
2000
que quer dominar o mundo
10:58
with its huge industrial-military complex.
261
643000
3000
com o seu enorme complexo indústrial-militar.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Mas é verdade que a América tem o maior orçamento militar?
11:04
Because America is an incredibly rich country.
263
649000
2000
Porque é um país incrivelmente rico.
11:06
In fact, it's so massively rich
264
651000
2000
De facto, é tão massivamente rico
11:08
that it can contain the four other
265
653000
2000
que consegue conter as quatro outras
11:10
top industrialized nations' economies
266
655000
2000
economias do top das nações industrializadas
11:12
inside itself, it's so vastly rich.
267
657000
3000
dentro de si, é imensamente rico.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Então o seu orçamento militar é inerentemente enorme.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
Por isso, mas ser justo e para mudar a nossa perspectiva,
11:20
we have to bring in another data set,
270
665000
2000
temos de introduzir outro conjunto de dados,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
e esses dados são o PIB, ou os ganhos dos países.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
Quem tem o maior orçamento em relação ao seu PIB?
11:26
Let's have a look.
273
671000
2000
Vejamos.
11:28
That changes the picture considerably.
274
673000
3000
Isto altera o cenário consideravelmente.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Outros países saltam-nos à vista, que talvez vocês não estavam a considerar.
11:34
and American drops into eighth.
276
679000
2000
E o Americano cai para oitavo.
11:36
Now you can also do this with soldiers.
277
681000
2000
Podem também faze-lo com soldados.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
Quem tem mais soldados? Tem de ser a China.
11:40
Of course, 2.1 million.
279
685000
2000
Claro, 2,1 biliões.
11:42
Again, chiming with your view
280
687000
2000
Novamente, de acordo com a vossa visão
11:44
that China has a militarized regime
281
689000
2000
que a China é um regime militarizado
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
pronto para, sabe, mobilizar muitas das suas forças.
11:48
But of course, China has an enormous population.
283
693000
3000
Mas claro, a China tem uma população enorme.
11:51
So if we do the same,
284
696000
2000
Por isso se fizermos o mesmo,
11:53
we see a radically different picture.
285
698000
2000
vemos um cenário radicalemente diferente.
11:55
China drops to 124th.
286
700000
2000
A china cai para centésimo vigésimo quarto lugar.
11:57
It actually has a tiny army
287
702000
2000
tem na realidade um pequeno exército
11:59
when you take other data into consideration.
288
704000
3000
quando temos outros dados em consideração.
12:02
So, absolute figures, like the military budget,
289
707000
2000
Portanto, figuras absolutas, como o orçamento militar,
12:04
in a connected world,
290
709000
2000
num mundo conectado,
12:06
don't give you the whole picture.
291
711000
2000
não dão bem o cenário completo.
12:08
They're not as true as they could be.
292
713000
2000
Não são tão reais como poderiam ser.
12:10
We need relative figures that are connected to other data
293
715000
3000
Precisamos de figuras relativas que estejam ligadas a outros dados
12:13
so that we can see a fuller picture,
294
718000
2000
para que possamos ver um cenário mais completo
12:15
and then that can lead to us changing our perspective.
295
720000
2000
e depois isso pode levar-nos a mudar a nossa perspectiva.
12:17
As Hans Rosling, the master,
296
722000
2000
Como o Hans Rosling, o mestre,
12:19
my master, said,
297
724000
3000
o meu mestre, disse,
12:22
"Let the dataset change your mindset."
298
727000
3000
"Deixa que os dados mudem a tua mente."
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
E se poderem faze-lo, talvez também possa mudar o vosso comportamento.
12:29
Take a look at this one.
300
734000
2000
Vejam este caso.
12:31
I'm a bit of a health nut.
301
736000
2000
Eu tenho um bocado a mania das saúdes.
12:33
I love taking supplements and being fit,
302
738000
3000
Adoro tomar suplementos e estar em forma,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
mas nunca consigo compreender o que há de facto em termos de evidências.
12:39
There's always conflicting evidence.
304
744000
2000
Há sempre evidências conflictuosas.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
Devo de tomar Vitamina C? Deveria tomar relva de trigo?
12:43
This is a visualization of all the evidence
306
748000
2000
Esta é uma visualização de toda a evidência
12:45
for nutritional supplements.
307
750000
2000
para suplementos nutricionais.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Este tipo de diagrama é chamado uma corrida de balões.
12:50
So the higher up the image,
309
755000
2000
Por isso quanto mais alto alto na imagem,
12:52
the more evidence there is for each supplement.
310
757000
3000
mais evidênvias há para cada suplemento.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
E as bolhas correspondem à popularidade em relação ao número de pesquisas no Google.
12:58
So you can immediately apprehend
312
763000
3000
Para que possam de certa forma reter imediatamente
13:01
the relationship between efficacy and popularity,
313
766000
3000
a relação entre a eficácia e a popularidade,
13:04
but you can also, if you grade the evidence,
314
769000
3000
mas podem também, se graduarem as evidências,
13:07
do a "worth it" line.
315
772000
2000
do género fazer uma linha de "válido".
13:09
So supplements above this line are worth investigating,
316
774000
3000
E então os suplementos acima da linha valem a pena serem investigados,
13:12
but only for the conditions listed below,
317
777000
3000
mas apenas para as condições indicadas.
13:15
and then the supplements below the line
318
780000
3000
E depois os suplementos abaixo da linha
13:18
are perhaps not worth investigating.
319
783000
2000
não são, talvez, merecedores de mais investigação.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Esta imagem constítui uma enorme quantidade de trabalho.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Vasculhámos cerca de mil estudos do PubMed,
13:26
the biomedical database,
322
791000
2000
a base de dados biomédica,
13:28
and we compiled them and graded them all.
323
793000
3000
e fizemos uma compilação e graduação de todos.
13:31
And it was incredibly frustrating for me
324
796000
2000
E foi incrivelmente frustante para mim
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
porque tinha um livro de 250 visualizações para fazer para o meu livro,
13:36
and I spent a month doing this,
326
801000
2000
e demorei um mês a fazer isto,
13:38
and I only filled two pages.
327
803000
2000
e apenas preenchi duas páginas.
13:40
But what it points to
328
805000
2000
Mas o que indica
13:42
is that visualizing information like this
329
807000
2000
é que visualizar a informação desta maneira
13:44
is a form of knowledge compression.
330
809000
2000
é uma forma de compressão de conhecimento.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
É uma maneira de apertar uma enorma quantidade
13:48
of information and understanding
332
813000
2000
de informação e entendimento
13:50
into a small space.
333
815000
2000
num pequeno espaço.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
E assim que curarem os dados, e que os limparam,
13:54
and once it's there,
335
819000
2000
assim que ali está,
13:56
you can do cool stuff like this.
336
821000
2000
podem fazer coisas muito porreiras como isto.
13:58
So I converted this into an interactive app,
337
823000
2000
Converti isto numa aplicação interactiva,
14:00
so I can now generate this application online --
338
825000
2000
e agora posso gerar esta aplicação online --
14:02
this is the visualization online --
339
827000
2000
esta é a visualização online --
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
e posso dizer, "Sim, brilhante."
14:06
So it spawns itself.
341
831000
2000
E assim pode auto gerar-se
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
E depois posso dizer, "Bem, mostra-me apenas as coisas
14:10
that affects heart health."
343
835000
2000
que afectam a saude cardíaca."
14:12
So let's filter that out.
344
837000
2000
Vamos então filtrar isso.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Então o coração está filtrado, assim se estiver curioso em relação a isso,
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
penso, " Não, não. Nao quero tomar compostos sintéticos.
14:19
I just want to see plants and --
347
844000
3000
Só quero ver plantas e --
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
mostra-me apenas ervas e plantas. Tenho todos os ingredientes naturais."
14:25
Now this app is spawning itself
349
850000
2000
Esta aplicação esta a auto gerar-se
14:27
from the data.
350
852000
2000
a partir dos dados.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Os dados estão todos armazenados num documento Google,
14:31
and it's literally generating itself from that data.
352
856000
3000
e está literalmente a criar-se a partir desses dados.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Portanto os dados agora estão vivos; esta é uma imagem viva,
14:36
and I can update it in a second.
354
861000
2000
e posso actualiza-la num segundo.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Novas evidências são lancadas -- Eu mudo apenas uma linha numa folha de cálculo.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
Doosh! Novamente, a imagem auto recrea-se.
14:44
So it's cool.
357
869000
2000
É porreiro.
14:46
It's kind of living.
358
871000
3000
Está tipo vivo.
14:49
But it can go beyond data,
359
874000
2000
Mas pode ir além dos dados,
14:51
and it can go beyond numbers.
360
876000
2000
e pode ir além dos números.
14:53
I like to apply information visualization
361
878000
2000
E eu gosto de aplicar a visualização de informação
14:55
to ideas and concepts.
362
880000
3000
a ideias e conceitos.
14:58
This is a visualization
363
883000
2000
Esta é uma visualização
15:00
of the political spectrum,
364
885000
2000
do espectro político,
15:02
an attempt for me to try
365
887000
2000
numa tentativa de eu tentar
15:04
and understand how it works
366
889000
2000
compreender como é que funciona
15:06
and how the ideas percolate down
367
891000
2000
e como é que as ideias se agregam
15:08
from government into society and culture,
368
893000
2000
a partir do governo para a sociedade e cultura,
15:10
into families, into individuals, into their beliefs
369
895000
3000
para famílias, para indivíduos, para as suas crenças
15:13
and back around again in a cycle.
370
898000
3000
e novamente, num ciclo
15:16
What I love about this image
371
901000
2000
O que eu adoro nesta imagem
15:18
is it's made up of concepts,
372
903000
2000
é que é feita de conceitos,
15:20
it explores our worldviews
373
905000
2000
explora visões do mundo
15:22
and it helps us -- it helps me anyway --
374
907000
2000
e ajuda-nos -- ajuda-me a mim pelo menos --
15:24
to see what others think,
375
909000
2000
a ver o que é que os outros pensam,
15:26
to see where they're coming from.
376
911000
2000
a ver de onde vêm.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
E parece incrivelmente porreiro fazer isso.
15:31
What was most exciting for me
378
916000
3000
E o que foi mais entusiasmante para mim
15:34
designing this
379
919000
2000
ao desenhar isto,
15:36
was that, when I was designing this image,
380
921000
2000
foi que, quando estava a desenhar esta imagem,
15:38
I desperately wanted this side, the left side,
381
923000
3000
Queria desesperadamente ver este lado, este lado esquerdo,
15:41
to be better than the right side --
382
926000
2000
ser melhor que o lado direito --
15:43
being a journalist, a Left-leaning person --
383
928000
3000
sendo jornalista, uma pessoa de tendências de esquerda --
15:46
but I couldn't, because I would have created
384
931000
2000
mas não podia, porque iria criar
15:48
a lopsided, biased diagram.
385
933000
3000
um diagrama imparcial e assimétrico.
15:51
So, in order to really create a full image,
386
936000
3000
Então, de maneira a realmente criar esta imagem completa,
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
tinha que honrar as perspectivas do lado direito
15:57
and at the same time, uncomfortably recognize
388
942000
3000
e ao mesmo tempo, reconhecer desconfortavelmente de alguma forma
16:00
how many of those qualities were actually in me,
389
945000
3000
quantas dessas qualidades estavam de facto em mim,
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
o que era muito, muito irritante e desconfortável.
16:05
(Laughter)
391
950000
4000
(risos)
16:09
But not too uncomfortable,
392
954000
2000
Mas não muito desconfortável,
16:11
because there's something unthreatening
393
956000
3000
porque não há nada assustador
16:14
about seeing a political perspective,
394
959000
2000
em ver um perspectiva política,
16:16
versus being told or forced to listen to one.
395
961000
3000
em relação a ser-nos dito ou forçado a ouvir uma.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
É de facto -- somos capazes de manter pontos de vista conflictuosos
16:22
joyously when you can see them.
397
967000
2000
alegremente, quando os conseguimos ver.
16:24
It's even fun to engage with them
398
969000
2000
É até divertido interagir com eles
16:26
because it's visual.
399
971000
2000
porque é visual.
16:28
So that's what's exciting to me,
400
973000
2000
É isso que é entusiasmante para mim,
16:30
seeing how data can change my perspective
401
975000
2000
ver como é que os dados conseguem mudar a minha perspectiva
16:32
and change my mind midstream --
402
977000
2000
e mudar a minha corrente de pensamentos --
16:34
beautiful, lovely data.
403
979000
3000
lindos e adoráveis dados.
16:38
So, just to wrap up,
404
983000
2000
Então, para finalizar,
16:40
I wanted to say
405
985000
2000
queria dizer
16:42
that it feels to me that design is about solving problems
406
987000
2000
que parece-me que o design é sobre resolver problemas
16:44
and providing elegant solutions,
407
989000
3000
e a providenciar soluções elegantes.
16:47
and information design is about
408
992000
2000
E o design de informação é sobre
16:49
solving information problems.
409
994000
2000
resolver problemas de informação.
16:51
It feels like we have a lot of information problems
410
996000
2000
E parece que temos muitos problemas de informação
16:53
in our society at the moment,
411
998000
2000
na nossa sociedade neste momento,
16:55
from the overload and the saturation
412
1000000
2000
desde a sobrecarga e saturação
16:57
to the breakdown of trust and reliability
413
1002000
2000
até a perda de confiança e credibilidade
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
e cepticismo desertor e falta de transparência,
17:01
or even just interestingness.
415
1006000
2000
ou simplesmente falta de interesse.
17:03
I mean, I find information just too interesting.
416
1008000
2000
Quero dizer, eu acho a informação demasiado interessante.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
Tem uma qualidade magnética que me atrai.
17:09
So, visualizing information
418
1014000
2000
Portanto, visualizar a informação
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
pode dar-nos uma solução muito rápida para esses tipos de problemas.
17:14
Even when the information is terrible,
420
1019000
2000
E até quando a informaçaão é terrível,
17:16
the visual can be quite beautiful.
421
1021000
3000
o seu visual pode ser bastante bonito.
17:19
Often we can get clarity
422
1024000
3000
E muitas vezes podemos obter esclarecimento
17:22
or the answer to a simple question very quickly,
423
1027000
2000
ou a resposta para uma pergunta simples muito rapidamente,
17:24
like this one,
424
1029000
2000
como esta,
17:26
the recent Icelandic volcano.
425
1031000
3000
o recente vulcão Islândico.
17:29
Which was emitting the most CO2?
426
1034000
2000
Quem é que estava a emitir mais CO2?
17:31
Was it the planes or the volcano,
427
1036000
2000
Eram os aviões ou o vulcão?
17:33
the grounded planes or the volcano?
428
1038000
2000
os aviões em terra ou o vulcão?
17:35
So we can have a look.
429
1040000
2000
Assim podemos dar uma vista.
17:37
We look at the data and we see:
430
1042000
2000
Olhamos para os dados e vemos,
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
sim, o vulcão emitiu 150 mil toneladas;
17:41
the grounded planes would have emitted
432
1046000
2000
os aviões em terra teriam emitido
17:43
345,000 if they were in the sky.
433
1048000
3000
345 mill se estivessem no ar.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Então essencialmente, tivemos o nosso primeiro vulcão neutro em carbono
17:49
(Laughter)
435
1054000
2000
(Risos)
17:51
(Applause)
436
1056000
9000
(Aplausos)
18:00
And that is beautiful. Thank you.
437
1065000
3000
E isso é lindo. Obrigado.
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