TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: Skönheten i datavisualisering
Filmed:
Readability: 4.3
3,250,094 views
David McCandless förändrar komplexa datamängder som världens globala militära utgifter, mediatrender, statusuppdateringar på Facebook och mer därtill, till vackra men enkla diagram. Han föreslår att informationsdesign är det verktyg vi ska använda för att navigera i dagens överväldigande informationsmängder, och för att hitta unika mönster och kopplingar som skulle kunna förändra sättet på vilket vi betraktar världen.
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
Det känns som att vi alla far illa
00:17
from information overload or data glut.
1
2000
3000
av en flod av information och ett överflöd av data.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
Och den goda nyheten är att det kan finnas en enkel lösning för detta.
00:22
and that's using our eyes more.
3
7000
2000
och det är att använda våra ögon mer.
00:24
So, visualizing information, so that we can see
4
9000
2000
Alltså, att visualisera information, så att vi kan se
00:26
the patterns and connections that matter
5
11000
3000
de mönster och kopplingar som är meningsfulla
00:29
and then designing that information so it makes more sense,
6
14000
3000
och att utforma den informationen så att den blir mer begriplig,
00:32
or it tells a story,
7
17000
2000
eller att den berättar något för oss,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
eller tillåter oss att fokusera endast på det som är viktigt.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
Och om det inte lyckas, så kan det ändå se riktigt cool ut.
00:41
So, let's see.
10
26000
2000
Så, då ska vi se.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Detta är miljard-dollar-diagrammet
00:47
and this image arose
12
32000
2000
och den här bilden växte fram
00:49
out of frustration I had
13
34000
2000
ur en frustration jag hade
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
med det sätt som summor om miljard rapporterades i pressen.
00:53
That is, they're meaningless without context:
15
38000
3000
Det vill säga, de är meningslösa utan ett sammanhang.
00:56
500 billion for this pipeline,
16
41000
2000
500 miljarder för den här rörledningen
00:58
20 billion for this war.
17
43000
2000
20 miljarder för det här kriget.
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
Det blir inte begripligt, så det enda sättet att förstå det
01:02
is visually and relatively.
19
47000
2000
är visuellt och relativt.
01:04
So I scraped a load of reported figures
20
49000
2000
Så jag extraherade en mängd rapporterad fakta
01:06
from various news outlets
21
51000
2000
från ett antal olika nyhetskällor
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
och sedan skalade jag rutorna i förhållande till de beloppen.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
Och färgerna representerar motivationen bakom pengarna.
01:14
So purple is "fighting,"
24
59000
3000
Lila är krigsföring
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
och rött är att skänka pengar, och grönt är vinstdrivande.
01:20
And what you can see straight away
26
65000
2000
Och vad vi kan se på en gång
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
är att man börjar att få ett annat förhållande till siffrorna.
01:24
You can literally see them.
28
69000
2000
Man kan bokstavligen se dem.
01:26
But more importantly, you start to see
29
71000
2000
Men än mer viktigt, börjar man att se
01:28
patterns and connections between numbers
30
73000
2000
mönster och kopplingar mellan siffrorna,
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
som annars skulle vara spridda över olika nyhetsrapporteringar.
01:33
Let me point out some that I really like.
32
78000
3000
Låt mig poängtera några som jag verkligen gillar.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Detta är OPEC:s intäkter, den här gröna rutan här -
01:38
780 billion a year.
34
83000
2000
780 miljarder per år.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
Och den här pixeln i hörnet - tre miljarder -
01:43
that's their climate change fund.
36
88000
3000
det är deras fond för klimatförändringarna.
01:46
Americans, incredibly generous people --
37
91000
2000
Amerikaner, ett oerhört generöst folk -
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
över 300 miljarder per år som doneras till välgörande ändamål varje år,
01:51
compared with the amount of foreign aid
39
96000
2000
jämfört med mängden bistånd
01:53
given by the top 17 industrialized nations
40
98000
2000
som har delats ut av de 17 främsta industrinationerna
01:55
at 120 billion.
41
100000
2000
som uppgår till 120 miljarder.
01:57
Then of course,
42
102000
2000
Och så givetvis,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
kriget i Irak, som uppskattades att bara kosta 60 miljarder dollar
02:01
back in 2003.
44
106000
3000
i 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
Och det svällde en del. Afghanistan svällde nu
02:07
to 3,000 billion.
46
112000
3000
till 3000 miljarder.
02:10
So now it's great
47
115000
2000
Så det är bra,
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
för nu har vi den här ytan, och vi kan lägga till siffror till den också.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Så vi kan säga, ja, en ny ruta träder fram, låt oss titta på den afrikanska skulden
02:17
How much of this diagram do you think might be taken up
50
122000
2000
Hur mycket av det här diagrammet tror du upptas
02:19
by the debt that Africa owes to the West?
51
124000
2000
av skulden som Afrika har till västvärlden?
02:21
Let's take a look.
52
126000
2000
Låt oss titta efter.
02:23
So there it is:
53
128000
2000
Så, där har vi det.
02:25
227 billion is what Africa owes.
54
130000
2000
227 miljarder dollar är vad Afrika är skyldiga.
02:27
And the recent financial crisis,
55
132000
2000
Och den senaste finansiella krisen -
02:29
how much of this diagram might that figure take up?
56
134000
2000
Hur mycket av det här diagrammet skulle det beloppet uppta?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
Vad har den kostat världen? Låt oss ta en titt på det.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
Dooosh. Det är nog en lämplig ljudeffekt
02:37
for that much money:
59
142000
2000
för så mycket pengar.
02:39
11,900 billion.
60
144000
4000
11 900 miljarder dollar.
02:45
So, by visualizing this information,
61
150000
2000
Så, genom att visualisera den här informationen,
02:47
we turned it into a landscape
62
152000
2000
så har vi skapat ett landskap
02:49
that you can explore with your eyes,
63
154000
2000
som man kan utforska med sina ögon,
02:51
a kind of map really, a sort of information map.
64
156000
2000
en sorts karta egentligen, en informationskarta.
02:53
And when you're lost in information,
65
158000
2000
Och när man har tappat bort sig i informationen
02:55
an information map is kind of useful.
66
160000
3000
så är en informationskarta rätt så användbar.
02:58
So I want to show you another landscape now.
67
163000
2000
Så jag vill visa ett annat landskap nu.
03:00
We need to imagine what a landscape
68
165000
2000
Vi behöver föreställa oss hur ett landskap
03:02
of the world's fears might look like.
69
167000
3000
av världens rädslor skulle kunna se ut.
03:05
Let's take a look.
70
170000
2000
Låt oss ta en titt.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Detta är en bergskedja av mullvadskullar.
03:09
a timeline of global media panic.
72
174000
2000
en tidslinje av global mediapanik.
03:11
(Laughter)
73
176000
2000
(skratt)
03:13
So, I'll label this for you in a second.
74
178000
2000
Så, jag kommer att visa etiketter för er om en sekund.
03:15
But the height here, I want to point out,
75
180000
2000
Men jag vill poängtera att höjden här,
03:17
is the intensity of certain fears
76
182000
2000
är intensiteten av särskilda rädslor,
03:19
as reported in the media.
77
184000
2000
så som de rapporterats i media.
03:21
Let me point them out.
78
186000
2000
Låt mig peka ut dem för er.
03:23
So this, swine flu -- pink.
79
188000
4000
Det här, svininfluensan - rosa.
03:27
Bird flu.
80
192000
2000
Fågelinfluensa.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
SARS - brunaktig här. Kommer ni ihåg den?
03:32
The millennium bug,
82
197000
3000
Millenniumbuggen -
03:35
terrible disaster.
83
200000
2000
fruktansvärd katastrof.
03:37
These little green peaks
84
202000
2000
De här små gröna topparna
03:39
are asteroid collisions.
85
204000
2000
är asteroidkollisioner.
03:41
(Laughter)
86
206000
2000
(skratt)
03:43
And in summer, here, killer wasps.
87
208000
2000
Och under sommaren, här, getingar.
03:45
(Laughter)
88
210000
8000
(skratt)
03:53
So these are what our fears look like
89
218000
2000
Så det här är så våra rädslor ser ut
03:55
over time in our media.
90
220000
2000
över tid i media.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Men vad jag gillar - och jag är journalist -
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
och jag gillar att hitta dolda mönster, jag älskar att vara en datadetektiv.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
Det finns ett väldigt intressant, märkligt mönster dolt i den här datan
04:05
that you can only see when you visualize it.
94
230000
2000
som man bara kan se om man visualiserar den.
04:07
Let me highlight it for you.
95
232000
2000
Låt mig tydliggöra den för er.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Se den här linjen. Det är ett landskap för våldsamma datorspel.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Som ni kan se, så finns där ett märkligt, regelbundet mönster i datan.
04:15
twin peaks every year.
98
240000
2000
dubbla toppar varje år-
04:17
If we look closer, we see those peaks occur
99
242000
2000
och om vi tittar närmare, så ser vi att topparna inträffar
04:19
at the same month every year.
100
244000
3000
vid samma månad varje år.
04:22
Why?
101
247000
2000
Varför?
04:24
Well, November, Christmas video games come out,
102
249000
2000
Ja, i november presenteras datorspelen för julhandeln.
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
och då kan det mycket väl vara en ökning i oro över dess innehåll.
04:29
But April isn't a particularly massive month
104
254000
3000
Men april är inte en särskilt stor månad
04:32
for video games.
105
257000
2000
för datorspel.
04:34
Why April?
106
259000
2000
Varför april?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
Ja, i april 1999 var skjutningarna i Columbine.
04:39
and since then, that fear
108
264000
2000
och sedan dess, har den rädslan
04:41
has been remembered by the media
109
266000
2000
blivit ihågkommen i media
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
och ger ett eko ifrån sig gradvis under året
04:45
You have retrospectives, anniversaries,
111
270000
3000
Man har retrospektiv, minneshögtider,
04:48
court cases, even copy-cat shootings,
112
273000
3000
rättsprocesser, även copy-cat-skjutningar.
04:51
all pushing that fear into the agenda.
113
276000
3000
Alla trycker den här rädslan in i agendan.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
Och det finns ett annat mönster här också. Kan ni se det?
04:56
See that gap there? There's a gap,
115
281000
2000
Ser ni avståndet här? Det är ett hål här,
04:58
and it affects all the other stories.
116
283000
2000
som påverkar alla andra berättelser.
05:00
Why is there a gap there?
117
285000
2000
Varför är det ett hål här?
05:02
You see where it starts? September 2001,
118
287000
3000
Ser ni när det börjar? September 2001.
05:05
when we had something very real
119
290000
2000
Då hade vi något verkligen äkta
05:07
to be scared about.
120
292000
2000
att vara rädda för.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
Så, jag har arbetat som en datajournalist i ungefär ett år
05:12
and I keep hearing a phrase
122
297000
2000
och jag får hela tiden höra en fras upprepas
05:14
all the time, which is this:
123
299000
3000
hela tiden, vilken är:
05:17
"Data is the new oil."
124
302000
2000
"Data är den nya oljan".
05:19
Data is the kind of ubiquitous resource
125
304000
3000
Och data är en slags allestädes närvarande resurs
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
som vi kan forma för att generera nya innovationer och insikter
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
och den finns överallt omkring oss, och kan bli insamlad väldigt enkelt.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
Det är inte en särskilt bra metafor i dessa dagar,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
särskilt om du bor runt den Mexikanska Golfen
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
men jag skulle, kanske, förändra metaforen något.
05:36
and I would say that data is the new soil.
131
321000
3000
Jag skulle säga att data är den nya jorden.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
För mig, så känns den som ett fertilt, kreativt medium.
05:43
Over the years, online,
133
328000
2000
Genom åren, online,
05:45
we've laid down
134
330000
3000
har vi lagrat
05:48
a huge amount of information and data,
135
333000
2000
en enorm mängd information och data,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
och vi har bevattnat det med nätverk och kontakter,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
och den har blivit bearbetad och brukad av oavlönad arbetskraft och myndigheter.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
Okej, jag kanske mjölkar ur metaforen en aning.
05:58
But it's a really fertile medium,
139
343000
3000
Men det är verkligen ett fertilt medium,
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
och det känns som om visualiseringar, informationsgrafik, datavisualisering,
06:04
they feel like flowers blooming from this medium.
141
349000
3000
de känns som blomstrande blommor från det här mediet.
06:07
But if you look at it directly,
142
352000
2000
Men om man tittar på det direkt,
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
så är det bara en massa siffror och osammanhängande fakta.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Börjar man behandla den och leker med den på ett visst sätt,
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
kan intressanta saker framträda och olika mönster skönjas.
06:17
Let me show you this.
146
362000
2000
Låt mig visa er det här.
06:19
Can you guess what this data set is?
147
364000
3000
Kan ni gissa vad den här datan säger?
06:22
What rises twice a year,
148
367000
2000
Vad stiger två gånger om året,
06:24
once in Easter
149
369000
2000
en gång vid påsk,
06:26
and then two weeks before Christmas,
150
371000
2000
och sedan två veckor före jul,
06:28
has a mini peak every Monday,
151
373000
2000
har en liten topp varje måndag
06:30
and then flattens out over the summer?
152
375000
2000
för att sedan plana ut över sommaren?
06:32
I'll take answers.
153
377000
2000
Jag tar emot svar.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
Choklad?
06:36
You might want to get some chocolate in.
155
381000
3000
Du kanske skulle vilja ha choklad då.
06:39
Any other guesses?
156
384000
2000
Några andra gissningar?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
Shopping...
06:43
Yeah, retail therapy might help.
158
388000
3000
Ja, shoppingterapi kanske hjälper.
06:46
(Audience: Sick leave.)
159
391000
2000
(Publiken: Sjukskrivning.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: Sjukskrivning. Ja, du skulle definitivt vilja ta lite ledigt.
06:50
Shall we see?
161
395000
2000
Ska vi se?
06:53
(Laughter)
162
398000
8000
("Höjdpunkter för att göra slut.")(Skratt)
07:01
(Applause)
163
406000
3000
(Applåder)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Så, informationen här, samlade Lee Byron och jag,
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
in från 10 000 statusuppdateringar på Facebook
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
och letade efter frasen "göra slut" och "gjort slut"
07:12
and this is the pattern we found --
167
417000
2000
och det här är mönstret vi hittade -
07:14
people clearing out for Spring Break,
168
419000
2000
personer som städar ur inför vårledigheten,
07:16
(Laughter)
169
421000
5000
(Skratt)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
kommer ut ur jobbiga helger på måndagar,
07:23
being single over the summer,
171
428000
3000
är singel över sommaren.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
Och så den dagen med lägst nivå under hela året, Juldagen.
07:29
Who would do that?
173
434000
3000
Vem skulle göra det?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
Så det finns en gigantisk mängd data där ute nu
07:34
unprecedented.
175
439000
2000
som saknar motstycke.
07:37
But if you ask the right kind of question,
176
442000
2000
Men om man ställer den rätta frågan,
07:39
or you work it in the right kind of way,
177
444000
2000
eller om man bearbetar data på rätt sätt,
07:41
interesting things can emerge.
178
446000
3000
kan intressanta saker träda fram.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
Information är vacker. Data är vackert.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Jag undrar om jag kan göra min data vacker.
07:50
And here's my visual C.V.
181
455000
2000
Här är min C.V. visualiserad
07:52
I'm not quite sure I've succeeded.
182
457000
2000
Jag är inte helt säker på att jag har lyckats
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Rätt så "rutig". Färgerna är kanske inte så bra.
07:56
But I wanted to convey something to you.
184
461000
3000
Men jag ville förmedla något till er
07:59
I started as a programmer,
185
464000
2000
Jag började som programmerare
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
och sedan arbetade jag som textförfattare i många år, ungefär 20 år.
08:03
in print, online and then in advertising,
187
468000
2000
I tryck, sedan online och i marknadsföring
08:05
and only recently have I started designing.
188
470000
3000
och bara den senaste tiden har jag börjat designa.
08:08
And I've never been to design school.
189
473000
2000
Och jag har aldrig gått på designskola.
08:10
I've never studied art or anything.
190
475000
3000
Jag har aldrig studerat konst eller något sånt.
08:13
I just kind of learned through doing.
191
478000
2000
Jag lärde mig genom att göra.
08:15
And when I started designing,
192
480000
2000
Och när jag började designa,
08:17
I discovered an odd thing about myself.
193
482000
2000
så upptäckte jag något märkligt om mig själv.
08:19
I already knew how to design,
194
484000
2000
Jag visste redan hur man designar,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
det var inte så att jag var fantastiskt skicklig eller så,
08:24
but more like I was sensitive
196
489000
2000
mera så att jag var mottaglig
08:26
to the ideas of grids and space
197
491000
2000
till koncepten om strukturer och ytor,
08:28
and alignment and typography.
198
493000
2000
och anpassningar och typografi.
08:30
It's almost like being exposed
199
495000
2000
Det är nästan som om, att ha varit utsatt
08:32
to all this media over the years
200
497000
2000
för all den här median genom åren
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
har givit mig en slags slumrande designkompetens.
08:37
And I don't feel like I'm unique.
202
502000
2000
Och jag känner mig inte unik.
08:39
I feel that everyday, all of us now
203
504000
2000
Jag känner att vi alla nu
08:41
are being blasted by information design.
204
506000
3000
blir bombarderade av informationsdesign.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Det hälls in i våra ögon genom Internet
08:46
and we're all visualizers now;
206
511000
2000
och alla av oss kan visualisera nu.
08:48
we're all demanding a visual aspect
207
513000
2000
Vi kräver nu en visuell aspekt
08:50
to our information.
208
515000
3000
i vår information.
08:53
There's something almost quite magical about visual information.
209
518000
3000
Och det är något nästan magiskt över visuell information.
08:56
It's effortless, it literally pours in.
210
521000
3000
Det är obesvärande, det bokstavligen rinner in.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
Och om du navigerar en tät informationsdjungel,
09:02
coming across a beautiful graphic
212
527000
2000
så är att snubbla över en vacker graf
09:04
or a lovely data visualization,
213
529000
2000
eller en underbar datavisualisering,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
en lättnad, det är som att träda in i en glänta i djungeln.
09:09
I was curious about this, so it led me
215
534000
2000
Och jag var nyfiken över detta, så det ledde mig
09:11
to the work of a Danish physicist
216
536000
2000
till en dansk fysikers arbete
09:13
called Tor Norretranders,
217
538000
2000
vid namn Tor Norretanders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
som konverterade sinnenas bandbredd i datortermer.
09:19
So here we go. This is your senses,
219
544000
2000
Så nu ser vi. Det här är dina sinnen,
09:21
pouring into your senses every second.
220
546000
2000
informationen flödar in i dina sinnen varje sekund.
09:23
Your sense of sight is the fastest.
221
548000
3000
Ditt synsinne är det snabbaste.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Det har samma bandbredd som ett datornätverk.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
Sen har du känseln, som är ungefär samma hastighet som ett USB-minne.
09:32
And then you have hearing and smell,
224
557000
2000
Sen har du hörsel och doft,
09:34
which has the throughput of a hard disk.
225
559000
2000
som har ungefär samma hastighet som en hårddisk.
09:36
And then you have poor old taste,
226
561000
2000
Och sedan har du stackars gamla smaken,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
som har en hastighet knappt likvärdig en miniräknare.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
Och den här lilla fyrkanten i hörnet, 0,7 procent,
09:44
that's the amount we're actually aware of.
229
569000
3000
det är mängden som vi faktiskt är medvetna om.
09:47
So a lot of your vision --
230
572000
2000
Så en stor del av våra synintryck -
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
merparten av det som är visuellt och flödar in i oss,
09:51
It's unconscious.
232
576000
2000
är omedvetet.
09:53
The eye is exquisitely sensitive
233
578000
3000
Och ögat är oerhört känsligt
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
för mönster och variationer i färg, form och mönster.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
Det älskar dem, och kallar dem vackra.
10:01
It's the language of the eye.
236
586000
2000
Det är ögats språk.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
Och om ni kombinerar ögats språk med hjärnans språk,
10:05
which is about words and numbers and concepts,
238
590000
3000
vilket handlar om ord, nummer och koncept,
10:08
you start speaking two languages simultaneously,
239
593000
3000
så börjar man att prata två språk samtidigt,
10:11
each enhancing the other.
240
596000
3000
vilka förstärker varandra.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Så man har ögat, och så lägger man till koncepten.
10:17
And that whole thing -- it's two languages
242
602000
2000
Och det är hela saken - det är två språk
10:19
both working at the same time.
243
604000
2000
båda arbetandes samtidigt.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Så vi kan använda detta nya sortens språk, om man vill,
10:23
to alter our perspective or change our views.
245
608000
3000
till att förändra vårt perspektiv eller förändra vår vy.
10:26
Let me ask you a simple question
246
611000
2000
Låt mig ställa en enkel fråga
10:28
with a really simple answer:
247
613000
2000
med ett väldigt enkelt svar.
10:30
Who has the biggest military budget?
248
615000
2000
Vem har den största militära budgeten?
10:32
It's got to be America, right?
249
617000
2000
Det måste vara USA, eller hur?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Den är massiv. 609 miljarder dollar i 2008 -
10:36
607, rather.
251
621000
2000
607, ska det vara.
10:38
So massive, in fact, that it can contain
252
623000
2000
Den faktiskt så massiv, att den är större
10:40
all the other military budgets in the world inside itself.
253
625000
3000
än alla andra militärbudgetar i världen tillsammans.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Slurp, slurp, slurp, slurp, slurp.
10:45
Now, you can see Africa's total debt there
255
630000
2000
Här kan ni se Afrikas totala skuld
10:47
and the U.K. budget deficit for reference.
256
632000
2000
och Storbritanniens budgetunderskott som referens.
10:49
So that might well chime
257
634000
2000
Så det kanske låter rimligt
10:51
with your view that America
258
636000
2000
i relation till er syn på USA
10:53
is a sort of warmongering military machine,
259
638000
3000
som en krigsskapande militärmakt
10:56
out to overpower the world
260
641000
2000
som kan överta världen
10:58
with its huge industrial-military complex.
261
643000
3000
med deras enorma militärindustriella komplex.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Men är det sant att USA har den största militärbudgeten?
11:04
Because America is an incredibly rich country.
263
649000
2000
För det är ett oerhört rikt land.
11:06
In fact, it's so massively rich
264
651000
2000
Faktum är, att det är så enormt rikt
11:08
that it can contain the four other
265
653000
2000
Att det kan rymma de fyra andra
11:10
top industrialized nations' economies
266
655000
2000
industrialiserade toppländernas ekonomier
11:12
inside itself, it's so vastly rich.
267
657000
3000
inuti sig självt, så väldigt rikt är det.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Så deras militära budget är förstås väldigt stor.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
För att vara rättvisa och för att förändra vårt perspektiv,
11:20
we have to bring in another data set,
270
665000
2000
måste vi föra in ett annat dataunderlag,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
och den datan är BNP, eller bruttonationalprodukt.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
Vem har den största budgeten i relation till sin BNP?
11:26
Let's have a look.
273
671000
2000
Låt oss se efter.
11:28
That changes the picture considerably.
274
673000
3000
Det förändrar bilden markant.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Andra länder dyker upp i vyn som man kanske inte föreställt sig,
11:34
and American drops into eighth.
276
679000
2000
och USA faller till åttonde plats.
11:36
Now you can also do this with soldiers.
277
681000
2000
Man kan också göra detta med soldater.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
Vem har flest soldater? Det måste vara Kina.
11:40
Of course, 2.1 million.
279
685000
2000
Så klart, 2,1 miljoner.
11:42
Again, chiming with your view
280
687000
2000
Återigen, i linje med vår bild
11:44
that China has a militarized regime
281
689000
2000
att Kina är en militariserad regim
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
redo att, ni vet, mobilisera sina enorma styrkor.
11:48
But of course, China has an enormous population.
283
693000
3000
Men så klart, Kina har också en väldigt stor befolkning.
11:51
So if we do the same,
284
696000
2000
Så om vi gör samma sak,
11:53
we see a radically different picture.
285
698000
2000
ser vi en radikalt annorlunda bild.
11:55
China drops to 124th.
286
700000
2000
Kina dyker ner till tolfte plats.
11:57
It actually has a tiny army
287
702000
2000
De har egentligen en liten armé
11:59
when you take other data into consideration.
288
704000
3000
när man tar i beaktning annan data.
12:02
So, absolute figures, like the military budget,
289
707000
2000
Så, absoluta tal, som militärbudget,
12:04
in a connected world,
290
709000
2000
i en ihopkopplad värld,
12:06
don't give you the whole picture.
291
711000
2000
ger en på något sätt inte hela bilden.
12:08
They're not as true as they could be.
292
713000
2000
De är inte så sanna som de skulle kunna vara.
12:10
We need relative figures that are connected to other data
293
715000
3000
Vi behöver relativa sifforr som är kopplade till annan data
12:13
so that we can see a fuller picture,
294
718000
2000
så att vi kan se en mera fullödig bild
12:15
and then that can lead to us changing our perspective.
295
720000
2000
och det i sin tur kan leda till att vi kan förändra våra perspektiv.
12:17
As Hans Rosling, the master,
296
722000
2000
Som Hans Rosling, mästaren,
12:19
my master, said,
297
724000
3000
min mästare, sa
12:22
"Let the dataset change your mindset."
298
727000
3000
"Låt datan förändra ditt tankesätt."
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
Och om det kan göra det, kanske kan det också förändra ert beteende.
12:29
Take a look at this one.
300
734000
2000
Ta en titt på den här.
12:31
I'm a bit of a health nut.
301
736000
2000
Jag är något av ett hälsofreak.
12:33
I love taking supplements and being fit,
302
738000
3000
Jag älskar typ att ta kosttillskott och att hålla mig hälsosam,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
men jag kan aldrig förstå vad som gäller bevismässigt.
12:39
There's always conflicting evidence.
304
744000
2000
Det finns alltid motstridiga bevis.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
Ska jag äta vitamin C? Ska jag äta vetegräs?
12:43
This is a visualization of all the evidence
306
748000
2000
Det här är en visualisering av alla bevis
12:45
for nutritional supplements.
307
750000
2000
för kosttillskott.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Den här sortens diagram kallas för en ballongtävling.
12:50
So the higher up the image,
309
755000
2000
Så ju högre upp i bilden,
12:52
the more evidence there is for each supplement.
310
757000
3000
desto mer bevis finns det för varje kosttillskott.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
Och bubblorna representerar popularitet enligt antal träffar på Google.
12:58
So you can immediately apprehend
312
763000
3000
Så man kan nästan omedelbart uppfatta
13:01
the relationship between efficacy and popularity,
313
766000
3000
relationen mellan effekt och popularitet
13:04
but you can also, if you grade the evidence,
314
769000
3000
men man kan också, om man graderar bevisen,
13:07
do a "worth it" line.
315
772000
2000
göra en slags "är det värt det" linje.
13:09
So supplements above this line are worth investigating,
316
774000
3000
Så kosttillskott som är över linjen är värda att undersöka,
13:12
but only for the conditions listed below,
317
777000
3000
men bara för de tillstånd som listas nedanför.
13:15
and then the supplements below the line
318
780000
3000
Och kosttillskotten nedanför linjen
13:18
are perhaps not worth investigating.
319
783000
2000
är, kanske, inte värda att undersöka.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Det ligger väldigt mycket arbete bakom den här bilden.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Vi samlade in ungefär 1000 studier från PubMed,
13:26
the biomedical database,
322
791000
2000
den biomedicinska databasen,
13:28
and we compiled them and graded them all.
323
793000
3000
och vi sammanställde och graderade dem alla.
13:31
And it was incredibly frustrating for me
324
796000
2000
Och det var oerhört frustrerande för mig
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
eftersom jag hade en bok med 250 visualiseringar att göra,
13:36
and I spent a month doing this,
326
801000
2000
och jag ägnade en månad åt att göra denna,
13:38
and I only filled two pages.
327
803000
2000
och den upptog bara två sidor.
13:40
But what it points to
328
805000
2000
Men vad det pekar på
13:42
is that visualizing information like this
329
807000
2000
är att visualisera information som det här
13:44
is a form of knowledge compression.
330
809000
2000
är en slags kunskapskompression.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
Det är ett sätt att trycka ihop en väldigt stor mängd
13:48
of information and understanding
332
813000
2000
av information och förståelse
13:50
into a small space.
333
815000
2000
på en väldigt liten yta.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
Och när man väl har bearbetat datan, och när man rengjort datan,
13:54
and once it's there,
335
819000
2000
och när den väl är där,
13:56
you can do cool stuff like this.
336
821000
2000
så kan man göra coola saker som det här.
13:58
So I converted this into an interactive app,
337
823000
2000
Så jag konverterade detta till en interaktiv applikation,
14:00
so I can now generate this application online --
338
825000
2000
så att jag nu kan generera informationen i applikationen online
14:02
this is the visualization online --
339
827000
2000
det här är visualiseringen online -
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
och jag kan säga, "ja, strålande."
14:06
So it spawns itself.
341
831000
2000
Den genererar sig självt.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
Och sen kan jag säga "ja, visa mig bara det
14:10
that affects heart health."
343
835000
2000
som påverkar hjärtat."
14:12
So let's filter that out.
344
837000
2000
Så låt oss filtrera ut det.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Så hjärtat är filtrerat från resten, och om jag är nyfiken om detta,
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
så tänker jag "nej, nej, jag vill inte ta konstgjorda preparat,
14:19
I just want to see plants and --
347
844000
3000
jag vill bara se växter och -
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
bara visa mig örter och växter. Jag vill se alla naturliga ingridienser".
14:25
Now this app is spawning itself
349
850000
2000
Nu växer bilden fram i applikationen
14:27
from the data.
350
852000
2000
från datan.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Datan är sparad i ett Googledokument.
14:31
and it's literally generating itself from that data.
352
856000
3000
och den bokstavligt talat genererar sig själv från den datan.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Så datan är på ett sätt levande, och det blir en levande bild.
14:36
and I can update it in a second.
354
861000
2000
jag kan uppdatera den på en sekund.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Kommer nya bevis så ändrar jag bara en rad i datatabellen.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
Doosh! Bilden återskapar sig själv igen.
14:44
So it's cool.
357
869000
2000
Det är coolt,
14:46
It's kind of living.
358
871000
3000
på något sätt levande.
14:49
But it can go beyond data,
359
874000
2000
Men på ett sätt kan det gå utöver själva datan.
14:51
and it can go beyond numbers.
360
876000
2000
och det kan gå utöver siffrorna.
14:53
I like to apply information visualization
361
878000
2000
Och jag gillar att applicera informationsvisualisering
14:55
to ideas and concepts.
362
880000
3000
till idéer och koncept.
14:58
This is a visualization
363
883000
2000
Det här är en visualisering
15:00
of the political spectrum,
364
885000
2000
av det politiska spektrat,
15:02
an attempt for me to try
365
887000
2000
i ett försök av mig att pröva att
15:04
and understand how it works
366
889000
2000
förstå hur det fungerar
15:06
and how the ideas percolate down
367
891000
2000
och hur idéer sipprar ner
15:08
from government into society and culture,
368
893000
2000
från staten in i samhället och kulturen
15:10
into families, into individuals, into their beliefs
369
895000
3000
in i familjer, till individer och deras föreställningar
15:13
and back around again in a cycle.
370
898000
3000
och tillbaks igen i en cykel.
15:16
What I love about this image
371
901000
2000
Vad jag gillar med den här bilden
15:18
is it's made up of concepts,
372
903000
2000
är att den är skapad av koncept
15:20
it explores our worldviews
373
905000
2000
den utforskar våra bilder av världen
15:22
and it helps us -- it helps me anyway --
374
907000
2000
och hjälper oss - eller hjälper mig i alla fall -
15:24
to see what others think,
375
909000
2000
att se vad andra tänker,
15:26
to see where they're coming from.
376
911000
2000
att se varifrån de kommer.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
Och det känns bara obeskrivligt coolt att kunna göra det.
15:31
What was most exciting for me
378
916000
3000
Och vad som är mest spännande för mig
15:34
designing this
379
919000
2000
i att designa det här
15:36
was that, when I was designing this image,
380
921000
2000
var att, när jag designade bilden
15:38
I desperately wanted this side, the left side,
381
923000
3000
så ville jag att den här sidan, den vänstra sidan
15:41
to be better than the right side --
382
926000
2000
skulle vara bättre än den högra sidan
15:43
being a journalist, a Left-leaning person --
383
928000
3000
eftersom jag är journalist och lutar något till vänster
15:46
but I couldn't, because I would have created
384
931000
2000
men jag kunde inte, eftersom jag skulle ha skapat
15:48
a lopsided, biased diagram.
385
933000
3000
ett obalanserat och onyanserat diagram.
15:51
So, in order to really create a full image,
386
936000
3000
Så, för att verkligen skapa en fullständig bild,
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
var jag tvungen att hedra perspektiven på den högra sidan
15:57
and at the same time, uncomfortably recognize
388
942000
3000
och att samtidigt, kanske lite obehagligt upptäcka
16:00
how many of those qualities were actually in me,
389
945000
3000
hur många av de kvaliteter som faktiskt fanns i mig,
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
något som var väldigt, väldigt irriterande och obehagligt.
16:05
(Laughter)
391
950000
4000
(Skratt)
16:09
But not too uncomfortable,
392
954000
2000
Men inte allt för obehagligt,
16:11
because there's something unthreatening
393
956000
3000
för det är något som lugnar
16:14
about seeing a political perspective,
394
959000
2000
med att se ett politiskt perspektiv,
16:16
versus being told or forced to listen to one.
395
961000
3000
jämfört med att bli berättad för eller forcerad att lyssna till ett.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
Det är egentligen - man är kapabel att hålla motstridiga perspektiv
16:22
joyously when you can see them.
397
967000
2000
med glädje, när man kan se dem.
16:24
It's even fun to engage with them
398
969000
2000
Det är till och med roligt att engagera sig med dem
16:26
because it's visual.
399
971000
2000
eftersom de är visuella.
16:28
So that's what's exciting to me,
400
973000
2000
Så det är vad som är spännande för mig,
16:30
seeing how data can change my perspective
401
975000
2000
att se hur ny data kan förändra mitt perspektiv
16:32
and change my mind midstream --
402
977000
2000
och förändra min upplevelse i stunden -
16:34
beautiful, lovely data.
403
979000
3000
vackra, underbara data.
16:38
So, just to wrap up,
404
983000
2000
Så, för att summera,
16:40
I wanted to say
405
985000
2000
ville jag säga
16:42
that it feels to me that design is about solving problems
406
987000
2000
att det känns för mig att design handlar om att lösa problem
16:44
and providing elegant solutions,
407
989000
3000
och att förse en med eleganta lösningar.
16:47
and information design is about
408
992000
2000
Och informationsdesign handlar om
16:49
solving information problems.
409
994000
2000
att lösa informationsproblem.
16:51
It feels like we have a lot of information problems
410
996000
2000
Och det känns som om vi har många informationsproblem
16:53
in our society at the moment,
411
998000
2000
i vårt samhälle just nu,
16:55
from the overload and the saturation
412
1000000
2000
från överflöd och informationsmättnad
16:57
to the breakdown of trust and reliability
413
1002000
2000
till nedbrytningen av förtroende och pålitlighet
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
och en tilltagande skepticism och brist på transparens,
17:01
or even just interestingness.
415
1006000
2000
eller huruvida något är intressant eller inte.
17:03
I mean, I find information just too interesting.
416
1008000
2000
Jag menar, jag känner att information är nästan för intressant,
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
det her en magnetisk kvalitet som drar mig till den.
17:09
So, visualizing information
418
1014000
2000
Så, att visualisera information
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
kan ge oss en väldigt snabb lösning till den typen av problem.
17:14
Even when the information is terrible,
420
1019000
2000
Och även när informationen är fruktansvärd,
17:16
the visual can be quite beautiful.
421
1021000
3000
kan det visuellt bli rätt vackert.
17:19
Often we can get clarity
422
1024000
3000
Och oftan kan vi får klarhet
17:22
or the answer to a simple question very quickly,
423
1027000
2000
eller ett svar på en enkel fråga väldigt snabbt,
17:24
like this one,
424
1029000
2000
som den här,
17:26
the recent Icelandic volcano.
425
1031000
3000
den senaste isländska vulkanen.
17:29
Which was emitting the most CO2?
426
1034000
2000
Vilken avgav mest koldioxid?
17:31
Was it the planes or the volcano,
427
1036000
2000
Var det flygplanen eller vulkanen,
17:33
the grounded planes or the volcano?
428
1038000
2000
de strandade flygplanen eller vulkanen?
17:35
So we can have a look.
429
1040000
2000
Låt oss se efter.
17:37
We look at the data and we see:
430
1042000
2000
Tittar vi på datan så ser vi,
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
japp, vulkanen gav ifrån sig 150 000 ton.
17:41
the grounded planes would have emitted
432
1046000
2000
och de strandade planen skulle ha givit ifrån sig
17:43
345,000 if they were in the sky.
433
1048000
3000
345 000 ton om de hade flugit.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Så, i princip, har vi haft vårt första koldioxidneutrala vulkanutbrott.
17:49
(Laughter)
435
1054000
2000
(skratt)
17:51
(Applause)
436
1056000
9000
(Applåder)
18:00
And that is beautiful. Thank you.
437
1065000
3000
Är inte det vackert. Tack så mycket.
18:03
(Applause)
438
1068000
8000
(Applåder)
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