ABOUT THE SPEAKER
Giorgia Lupi - Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas.

Why you should listen

What sets Giorgia Lupi apart is her humanistic approach to the world of data.

Her work frequently crosses the divide between digital, print and handcrafted representations of information: primarily, she draws with data. She has a passion for and obsession with data, the material she uses to tell stories, and the lens through which she sees the world.

Data are often considered to be very impersonal, boring and clinical, but Lupi's work proves the opposite. She makes sense of data with a curious mind and a heterogeneous arsenal, which ranges from digital technology to exhausting and repetitive manual labor. She believes we will ultimately unlock the full potential of data only when we embrace their nature, and make them part of our lives, which will inevitably make data more human in the process.

Trained as an architect, Lupi has always been driven by opposing forces: analysis and intuition, logic and beauty, numbers and images. True to these dichotomies, in 2011 she started both her own company and studying for a PhD. She earned her ddoctorate in design at Politecnico di Milano, where she focused on information mapping, and she is now the design director and co-founder of Accurat, a global, data-driven research, design and innovation firm with offices in Milan and New York. She relocated from Italy to New York City, where she now lives.

Thanks to her work and research, Giorgia is a prominent voice in the world of data. She has spoken at numerous events, universities and institutions around the world, including the Museum of Modern Art, the Guggenheim Museum, PopTech Conference, Eyeo Festival, Fast Company Innovation by Design, New York University, Columbia University and the New York Public Library. She has been featured in major international outlets such as the New York Times, The Guardian, the Washington Post, NPR, BBC, TIME magazine, National Geographic, Scientific American, Popular Science, Wired, Vogue, Vanity Fair, Monocle and more. Her work has been exhibited at the Design Museum, the Science Museum, and Somerset House in London; the New York Hall of Science and the Storefront for Art and Architecture in New York; at the Triennale Design Museum and the Design Week in Milan, among others.

With her company, Accurat, she has worked with major international clients including IBM, Google, Microsoft, the United Nations, the World Health Organization, the World Economic Forum, the European Union, the Louis Vuitton-Moet-Hennessy Group, Fiat Chrysler Automobiles, J.P. Morgan Asset Management, Unicredit Group and KPMG Advisory.

Giorgia is the co-author of Dear Data, an aspirational hand-drawn data visualization book that explores the more slippery details of daily life through data, revealing the patterns that inform our decisions and affect our relationships.

Her work is part of the permanent collection of the Museum of Modern Art.

More profile about the speaker
Giorgia Lupi | Speaker | TED.com
TEDNYC

Giorgia Lupi: How we can find ourselves in data

جورجیا لوپی: چطور خودمان را در داده‌ها پیدا کنیم؟

Filmed:
1,279,894 views

جورجیا لوپی از داده‌ها استفاده می‌کند تا با اضافه کردن جزئیات به اعداد، داستان آدم‌ها را بگوید. او در این گفتگوی دوستانه به ما می‌گوید چطور می‌توان به داده شخصیت داد و چگونه می‌توان حتی جزئیات وقایع روزمره زندگی را به تصویر کشید و مسائل انتزاعی و غیرقابل شمارش را به چیزهایی تبدیل کرد که می‌توانند دیده و احساس شوند و مستقیماً با زندگی ما ارتباط پیدا کنند.
- Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas. Full bio

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

00:12
This is what my last weekهفته lookedنگاه کرد like.
0
760
2880
هفته‌ی پیش من به این شکل گذشت.
00:16
What I did,
1
4680
1696
چه کار کردم،
00:18
who I was with,
2
6400
1816
با چه کسانی بودم،
00:20
the mainاصلی sensationsاحساسات I had
for everyهرکدام wakingبیدار شدن hourساعت ...
3
8240
3120
احساسات غالب من در هر
ساعت بیداری چه بود ...
00:24
If the feelingاحساس cameآمد as I thought of my dadپدر
4
12080
2496
آیا ریشه‌ی این احساسات
فکر کردن به پدرم بود،
00:26
who recentlyبه تازگی passedگذشت away,
5
14600
1776
که به تازگی از دستش دادم؟
00:28
or if I could have just definitelyقطعا
avoidedاجتناب کنید the worriesنگرانی ها and anxietiesاضطراب.
6
16400
4056
یا این که آیا می‌توانستم ازاحساس نگرانی
و اضطراب خود جلوگیری کنم.
00:32
And if you think I'm a little obsessiveوسواس فکری,
7
20480
1936
و اگر فکر می‌کنید من زیادی وسواسی هستم،
00:34
you're probablyشاید right.
8
22440
1856
احتمالاً حق دارید.
00:36
But clearlyبه وضوح, from this visualizationتجسم,
9
24320
2256
ولی قطعاً از این تصویر،
00:38
you can learnیاد گرفتن much more about me
than from this other one,
10
26600
3296
به شناخت بهتری ازمن می‌رسید، تا این یکی
00:41
whichکه are imagesتصاویر you're
probablyشاید more familiarآشنا with
11
29920
2976
که تصویرهایی دارد که
شما احتمالاً بیشتر با آنها آشنا هستید
00:44
and whichکه you possiblyاحتمالا even have
on your phoneتلفن right now.
12
32920
2816
و شاید حتی همین الان روی موبایل خود دارید.
00:47
Barبار chartsنمودار for the stepsمراحل you walkedراه می رفت,
13
35760
2216
نمودار میله‌ای تعداد قدم‌هایتان
00:50
pieپای chartsنمودار for the qualityکیفیت
of your sleepبخواب --
14
38000
2376
نمودار دایره‌ای کیفیت خوابتان،
00:52
the pathمسیر of your morningصبح runsاجرا می شود.
15
40400
1720
مسیر دویدن صبحگاهی شما.
00:55
In my day jobکار, I work with dataداده ها.
16
43280
2296
من در کار روزانه‌ام با داده کار می‌کنم.
00:57
I runاجرا کن a dataداده ها visualizationتجسم designطرح companyشرکت,
17
45600
2496
مدیر شرکتی هستم که کارش
به تصویر کشیدن داده است،
01:00
and we designطرح and developتوسعه waysراه ها
to make informationاطلاعات accessibleدر دسترس
18
48120
3336
و ما راه‌هایی را طراحی می‌کنیم
تا اطلاعات را
01:03
throughاز طریق visualبصری representationsنمایندگی ها.
19
51480
2096
به صورت تصویری ارائه دهیم.
01:05
What my jobکار has taughtتدریس کرد me over the yearsسالها
20
53600
3016
آنچه شغل من در طول این سالها به من آموخت
01:08
is that to really understandفهمیدن dataداده ها
and theirخودشان trueدرست است potentialپتانسیل,
21
56640
4216
این بود که برای درک داده‌ها
و قابلیت واقعی‌شان،
01:12
sometimesگاه گاهی we actuallyدر واقع
have to forgetفراموش کردن about them
22
60880
3096
گاهی لازم است ظاهر آنها را کنار بگذاریم
01:16
and see throughاز طریق them insteadبجای.
23
64000
1760
و در عوض معنای واقعی آنها را ببینیم.
01:18
Because dataداده ها are always
just a toolابزار we use to representنمایندگی realityواقعیت.
24
66440
3576
چون داده‌ها همیشه تنها ابزاری
برای نشان دادن واقعیت هستند.
01:22
They're always used
as a placeholderحفره یا سوراخ for something elseچیز دیگری,
25
70040
2856
همیشه به عنوان
جایگزین چیز دیگری استفاده می‌شود،
01:24
but they are never the realواقعی thing.
26
72920
2176
اما هیچ وقت اصل مطلب نیستند.
01:27
But let me stepگام back for a momentلحظه
27
75120
1936
ولی بگذارید برای یک لحظه به عقب برگردم،
01:29
to when I first understoodفهمید
this personallyشخصا.
28
77080
2480
به اولین باری که
شخصاً این موضوع را فهمیدم.
01:32
In 1994, I was 13 yearsسالها oldقدیمی.
29
80280
3336
در سال ۱۹۹۴ من ۱۳ ساله بودم.
01:35
I was a teenagerنوجوان in Italyایتالیا.
30
83640
1936
نوجوانی درایتالیا.
01:37
I was too youngجوان
to be interestedعلاقه مند in politicsسیاست,
31
85600
2616
جوان‌تر از آن بودم
که به سیاست علاقه داشته باشم،
01:40
but I knewمی دانست that a businessmanتاجر,
Silvioسیلویو Berlusconiبرلوسکونی,
32
88240
2496
ولی می‌دانستم تاجری
به نام سیلویو برلوسکنی،
01:42
was runningدر حال اجرا for presidentرئيس جمهور
for the moderateدر حد متوسط right.
33
90760
2560
کاندیدای رئیس جمهوری
حزب میانه‌رو راست است.
01:46
We livedزندگی می کرد in a very liberalلیبرال townشهر,
34
94120
2016
ما درشهری بسیار لیبرال زندگی می‌کردیم،
01:48
and my fatherپدر was a politicianسیاستمدار
for the Democraticدموکراتیک Partyمهمانی - جشن.
35
96160
3296
و پدر من سیاستمداری دموکرات بود.
01:51
And I rememberیاد آوردن that no one thought
that Berlusconiبرلوسکونی could get electedانتخاب شده --
36
99480
4336
به یاد می‌آورم که هیچ کس فکر نمی‌کرد
برلوسکنی انتخاب شود --
01:55
that was totallyکاملا not an optionگزینه.
37
103840
1760
این اصلاً شدنی نبود.
01:58
But it happenedاتفاق افتاد.
38
106560
1216
ولی اتفاق افتاد.
01:59
And I rememberیاد آوردن the feelingاحساس very vividlyبه وضوح.
39
107800
2536
جو را به خوبی به یاد می‌آورم.
02:02
It was a completeتکمیل surpriseتعجب,
40
110360
1856
کاملاً غافلگیر شده بودیم،
02:04
as my dadپدر promisedوعده داده شده that in my townشهر
he knewمی دانست nobodyهيچ كس who votedرای دادم for him.
41
112240
5040
چون پدرم قسم می‌خورد هیچ کس را در شهر ما
نمی‌شناسد که به او رأی داده باشد.
02:10
This was the first time
42
118720
1496
این اولین باری بود که
02:12
when the dataداده ها I had gaveداد me
a completelyبه صورت کامل distortedتحریف شده imageتصویر of realityواقعیت.
43
120240
4560
داده‌هایی که داشتم،
تصویری تحریف‌شده از واقعیت به من می‌داد.
02:17
My dataداده ها sampleنمونه was actuallyدر واقع
prettyبسیار limitedمحدود and skewedتکان دهنده,
44
125280
3296
در واقع، نمونه‌ی آماری من
بسیار محدود و یک طرفه بود
02:20
so probablyشاید it was because of that,
I thought, I livedزندگی می کرد in a bubbleحباب,
45
128600
3736
پس شاید به این علت بود
که در یک حباب زندگی می‌کردم
02:24
and I didn't have enoughکافی chancesشانس
to see outsideخارج از of it.
46
132360
2600
و فرصتی برای دیدن بیرون آن را نداشتم.
02:28
Now, fast-forwardسریع به جلو to Novemberنوامبر 8, 2016
47
136080
3776
حال جلو بزنیم به ۸ نوامبر ۲۰۱۶،
02:31
in the Unitedیونایتد Statesایالت ها.
48
139880
1200
در آمریکا.
02:33
The internetاینترنت pollsنظرسنجی ها,
49
141960
1296
نظرسنجی‌های اینترنتی،
02:35
statisticalآماری modelsمدل ها,
50
143280
1376
مدل‌های آماری،
02:36
all the punditsمتخصصان agreeingموافقم on a possibleامکان پذیر است
outcomeنتیجه for the presidentialریاست جمهوری electionانتخابات.
51
144680
4816
و همه کارشناسان در مورد نتیجه‌ی احتمالی
انتخابات ریاست جمهوری توافق داشتند.
02:41
It lookedنگاه کرد like we had
enoughکافی informationاطلاعات this time,
52
149520
2616
این بار به نظر می‌رسید
اطلاعات کافی در دست داریم،
02:44
and manyبسیاری more chancesشانس to see outsideخارج از
the closedبسته شد circleدایره we livedزندگی می کرد in --
53
152160
4096
و خیلی بیشتر می‌توانیم بیرون دایره‌‌ی
بسته‌ای را که در آن زندگی می‌کنیم ببینیم--
02:48
but we clearlyبه وضوح didn't.
54
156280
1320
ولی گویا این طور نبود.
02:50
The feelingاحساس feltنمد very familiarآشنا.
55
158040
2096
احساس کاملاً آشنایی بود،
02:52
I had been there before.
56
160160
1480
قبلاً آن را تجربه کرده بودم.
02:54
I think it's fairنمایشگاه to say
the dataداده ها failedناموفق us this time --
57
162360
2856
فکرمی‌کنم عادلانه باشد که بگوییم
این بار داده شکست خورده است،
02:57
and prettyبسیار spectacularlyبه شدت.
58
165240
1856
شکستی سنگین.
02:59
We believedمعتقد in dataداده ها,
59
167120
1696
ما به داده اطمینان داشتیم
03:00
but what happenedاتفاق افتاد,
60
168840
1416
ولی آنچه که
03:02
even with the mostاکثر respectedاحترام newspaperروزنامه,
61
170280
2696
حتی برای معتبرترین روزنامه اتفاق افتاد،
03:05
is that the obsessionوسواس to reduceكاهش دادن everything
to two simpleساده percentageدرصد numbersشماره
62
173000
4696
میل افراطی به این بود که
همه چیز در دو عدد ساده خلاصه شود
03:09
to make a powerfulقدرتمند headlineعنوان
63
177720
1976
تا تیتری قدرتمند ایجاد شود
03:11
madeساخته شده us focusتمرکز on these two digitsرقم
64
179720
2056
این باعث شد فقط این دو عدد را ببینیم
03:13
and them aloneتنها.
65
181800
1200
و تنها به آنها توجه کنیم.
03:15
In an effortتلاش to simplifyساده کردن the messageپیام
66
183560
2056
برای این که پیام را ساده کنیم
03:17
and drawقرعه کشی a beautifulخوشگل,
inevitableاجتناب ناپذیر redقرمز and blueآبی mapنقشه,
67
185640
3416
و نمودار قرمز و آبی زیبا
و اجتناب ناپذیری بکشیم،
03:21
we lostکم شده the pointنقطه completelyبه صورت کامل.
68
189080
1880
نکته اصلی را به کلی فراموش کردیم.
03:23
We somehowبه نحوی forgotیادم رفت
that there were storiesداستان ها --
69
191440
2136
فراموش کردیم که داستان‌هایی هست --
03:25
storiesداستان ها of humanانسان beingsموجودات
behindپشت these numbersشماره.
70
193600
2360
داستان‌هایی از آدمیزادها
در پشت این اعداد هست.
03:29
In a differentناهمسان contextزمینه,
71
197240
1576
در موقعیت دیگری
03:30
but to a very similarمشابه pointنقطه,
72
198840
1656
دقیقاً همین نکته را مشاهده کردم.
03:32
a peculiarعجیب و غریب challengeچالش was presentedارایه شده
to my teamتیم by this womanزن.
73
200520
3896
وقتی که زنی تیم من را
به چالش عجیبی دعوت کرد.
03:36
She cameآمد to us with a lot of dataداده ها,
74
204440
2376
او با کلی داده به سراغ ما آمد
03:38
but ultimatelyدر نهایت she wanted to tell
one of the mostاکثر humaneانسانی storiesداستان ها possibleامکان پذیر است.
75
206840
4416
ولی در نهایت می‌خواست یکی از
انسانی‌ترین داستان‌های ممکن را تعریف کند.
03:43
She's Samanthaسامانتا CristoforettiCristoforetti.
76
211280
1696
اسمش سامانتا کریستوفورتی است.
03:45
She has been the first
Italianایتالیایی womanزن astronautفضانورد,
77
213000
2576
او اولین فضانورد زن ایتالیایی است،
03:47
and she contactedتماس گرفت us before beingبودن launchedراه اندازی شد
78
215600
2496
او قبل از این با ما تماس گرفت
03:50
on a six-month-longشش ماه طول می کشد expeditionاکسپدیشن
to the Internationalبین المللی Spaceفضا Stationایستگاه.
79
218120
3896
که سفری شش ماهه به ایستگاه فضایی
بین‌المللی را شروع کند
03:54
She told us, "I'm going to spaceفضا,
80
222040
2216
به ما گفت «من عازم فضا هستم،
03:56
and I want to do something meaningfulمعنی دار
with the dataداده ها of my missionماموریت
81
224280
3096
و می‌خواهم با داده های مأموریتم
کار معناداری انجام دهم
03:59
to reachنائل شدن out to people."
82
227400
1240
تا به مردم خدمتی کنم.»
04:01
A missionماموریت to the
Internationalبین المللی Spaceفضا Stationایستگاه
83
229600
2536
با مأموریتی به ایستگاه بین المللی فضایی
04:04
comesمی آید with terabytesترابایت of dataداده ها
84
232160
2096
حجم ترابایتی از داده بدست می‌آید
04:06
about anything you can possiblyاحتمالا imagineتصور کن --
85
234280
2376
در مورد هرچه که فکرش را بکنید.
04:08
the orbitsمدارها around Earthزمین,
86
236680
1496
مدارهای گردش حول زمین،
04:10
the speedسرعت and positionموقعیت of the ISSISS
87
238200
2096
سرعت و موقعیت ایستگاه بین المللی فضایی
04:12
and all of the other thousandsهزاران نفر
of liveزنده streamsجریان ها from its sensorsسنسورها.
88
240320
3680
و هزاران اطلاعات زنده
دریافتی ازسنسورهای آن.
04:16
We had all of the hardسخت dataداده ها
we could think of --
89
244840
2896
ما تمامی دادهای خام را داشتیم،
04:19
just like the punditsمتخصصان
before the electionانتخابات --
90
247760
2416
درست مانند کارشناسان، قبل از انتخابات--
04:22
but what is the pointنقطه
of all these numbersشماره?
91
250200
2976
اما فایده‌ی این همه عدد چه بود؟
04:25
People are not interestedعلاقه مند
in dataداده ها for the sakeمنظور of it,
92
253200
2736
مردم به داده‌ی تنها علاقه‌ای ندارند،
04:27
because numbersشماره are never the pointنقطه.
93
255960
1855
چون اعداد هیچ‌گاه اصل مطلب نیستند.
04:29
They're always the meansبه معنای to an endپایان.
94
257839
1961
همیشه ابزاری هستند برای رسیدن به هدف.
04:32
The storyداستان we neededمورد نیاز است to tell
95
260839
1777
داستانی که ما باید می‌گفتیم
04:34
is that there is a humanانسان beingبودن
in a teenyخنده دار boxجعبه
96
262640
2496
این بود که انسانی در جعبه‌ای کوچک
04:37
flyingپرواز in spaceفضا aboveدر بالا your headسر,
97
265160
2256
درفضای بالای سر شما درحال پرواز است،
04:39
and that you can actuallyدر واقع see her
with your nakedبرهنه eyeچشم on a clearروشن است night.
98
267440
4096
و اگر شبی هوا صاف باشد شما می‌توانید
با چشم غیر مسلح او را ببینید.
04:43
So we decidedقرار بر این شد to use dataداده ها
to createايجاد كردن a connectionارتباط
99
271560
3096
پس تصمیم گرفتیم با استفاده از داده‌ها
ارتباطی ایجاد کنیم
04:46
betweenبین Samanthaسامانتا and all of the people
looking at her from belowدر زیر.
100
274680
4056
بین سامانتا وتمام مردمی که
از پایین به او نگاه می‌کردند.
04:50
We designedطراحی شده and developedتوسعه یافته
what we calledبه نام "Friendsدوستان in Spaceفضا,"
101
278760
3176
ما چیزی را طراحی و تولید کردیم
به نام "دوستان در فضا"،
04:53
a webوب applicationکاربرد that simplyبه سادگی
letsاجازه می دهد you say "helloسلام" to Samanthaسامانتا
102
281960
4656
اپلیکیشنی که به شما امکان می‌داد
به سامانتا سلام کنید
04:58
from where you are,
103
286640
1256
از هر جایی که هستید،
04:59
and "helloسلام" to all the people
who are onlineآنلاین at the sameیکسان time
104
287920
3536
و همچنین به هر کسی که همزمان آنلاین بود
05:03
from all over the worldجهان.
105
291480
1520
ازسرتاسر دنیا.
05:05
And all of these "hellosسلام"
left visibleقابل رویت marksعلائم on the mapنقشه
106
293640
3456
و تمام این «سلام‌ها» به شکل نقطه‌ای
روی نقشه دیده می‌شد
05:09
as Samanthaسامانتا was flyingپرواز by
107
297120
2016
همان طور سامانتا از آنجا می‌گذشت
05:11
and as she was actuallyدر واقع
wavingتکان دادن back everyهرکدام day at us
108
299160
3376
و در واقع با استفاده از
توییتر ایستگاه بین المللی فضایی
05:14
usingاستفاده كردن Twitterتوییتر from the ISSISS.
109
302560
1680
برایمان دست تکان می‌داد.
05:16
This madeساخته شده people see the mission'sماموریت dataداده ها
from a very differentناهمسان perspectiveچشم انداز.
110
304880
4976
این باعث شد مردم داده‌های این مأموریت را
از زاویه‌ای بسیار متفاوت ببینند.
05:21
It all suddenlyناگهان becameتبدیل شد much more
about our humanانسان natureطبیعت and our curiosityکنجکاوی,
111
309880
4696
حالا پدیده‌ای شده بود درباره‌ی
طبیعت انسان و کنجکاوی او،
05:26
ratherنسبتا than technologyتکنولوژی.
112
314600
1656
به جای تکنولوژی.
05:28
So dataداده ها poweredطراحی شده the experienceتجربه,
113
316280
2336
پس داده آزمایش ما را تقویت کرد،
05:30
but storiesداستان ها of humanانسان beingsموجودات
were the driveراندن.
114
318640
2400
اما نیروی محرک آن داستان انسان‌ها بود.
05:34
The very positiveمثبت responseواکنش
of its thousandsهزاران نفر of usersکاربران
115
322840
3336
واکنش خیلی مثبت هزاران کاربر
05:38
taughtتدریس کرد me a very importantمهم lessonدرس --
116
326200
1936
درس بزرگی به من داد--
05:40
that workingکار کردن with dataداده ها
meansبه معنای designingطراحی waysراه ها
117
328160
2856
این که کار کردن با داده
یعنی طراحی روش‌هایی
05:43
to transformتبدیل the abstractچکیده
and the uncountableغیر قابل شمارش
118
331040
2736
برای تبدیل مفاهیم انتزاعی و غیر قابل درک
05:45
into something that can be seenمشاهده گردید,
feltنمد and directlyبه طور مستقیم reconnectedدوباره متصل شد
119
333800
4016
به چیزی که قابل دیدن و حس کردن باشد
05:49
to our livesزندگی می کند and to our behaviorsرفتار,
120
337840
2296
و با زندگی و رفتار ما ارتباط پیدا کند
05:52
something that is hardسخت to achieveرسیدن
121
340160
1856
چیزی که به دست آوردنش سخت است
05:54
if we let the obsessionوسواس for the numbersشماره
and the technologyتکنولوژی around them
122
342040
3896
اگر اجازه دهیم تعصب ما
روی اعداد و تکنولو‌‌ژی وابسته به آن،
05:57
leadسرب us in the processروند.
123
345960
1280
ما را هدایت کند.
06:00
But we can do even more to connectاتصال dataداده ها
to the storiesداستان ها they representنمایندگی.
124
348600
4896
اما برای ایجاد ارتباط بین داده و
داستان‌های مربوط به آن می‌شود فراتر هم رفت
06:05
We can removeبرداشتن technologyتکنولوژی completelyبه صورت کامل.
125
353520
2656
میشود تکنولوژی را کاملاً حذف کرد.
06:08
A fewتعداد کمی yearsسالها agoپیش, I metملاقات کرد this other womanزن,
126
356200
2256
چند سال پیش، با زن دیگری آشنا شدم،
06:10
Stefanieاستفانی Posavecپوساوک تدریس --
127
358480
1376
به نام استفانی پوساوک--
06:11
a London-basedمستقر در لندن designerطراح who sharesسهام with me
the passionشور and obsessionوسواس about dataداده ها.
128
359880
5816
طراحی اهل لندن که در مورد علاقه‌ی شدیدش
به داده با من صحبت کرد.
06:17
We didn't know eachهر یک other,
129
365720
1336
ما یکدیگر را نمی‌شناختیم،
06:19
but we decidedقرار بر این شد to runاجرا کن
a very radicalافراطی experimentآزمایشی,
130
367080
3256
اما تصمیم گرفتیم به کمک هم
آزمایشی بنیادی انجام دهیم،
06:22
startingراه افتادن a communicationارتباطات usingاستفاده كردن only dataداده ها,
131
370360
2536
شروع کنیم به برقراری ارتباط
تنها از طریق داده
06:24
no other languageزبان,
132
372920
1336
بدون هیچ زبان دیگری.
06:26
and we optedانتخاب کرد for usingاستفاده كردن no technologyتکنولوژی
whatsoeverهرچه to shareاشتراک گذاری our dataداده ها.
133
374280
4616
قرار گذاشتیم از هیچ گونه تکنولوژی
برای به اشتراک گذاری داده استفاده نکنیم.
06:30
In factواقعیت, our only meansبه معنای of communicationارتباطات
134
378920
2896
در واقع، تنها وسیله‌ی ارتباطی ما
06:33
would be throughاز طریق
the old-fashionedسبک قدیمی postپست officeدفتر.
135
381840
2856
ارسال نامه از اداره پست بود.
06:36
For "Dearعزیزم Dataداده ها," everyهرکدام weekهفته for one yearسال,
136
384720
2456
ما به مدت یک سال هر هفته،
06:39
we used our personalشخصی dataداده ها
to get to know eachهر یک other --
137
387200
3456
از داده‌های شخصی‌مان استفاده کردیم
تا یکدیگر را بشناسیم --
06:42
personalشخصی dataداده ها around weeklyهفتگی
sharedبه اشتراک گذاشته شده mundaneعرفانی topicsموضوعات,
138
390680
3656
داده‌های شخصی در مورد
موضوعات روزمره‌ی هر هفته،
06:46
from our feelingsاحساسات
139
394360
1216
از احساساتمان گرفته
06:47
to the interactionsفعل و انفعالات with our partnersهمکاران,
140
395600
1856
تا برخوردهایی که با شرکایمان داشتیم،
06:49
from the complimentsتعریف we receivedاخذ شده
to the soundsبرای تلفن های موبایل of our surroundingsمحیط اطراف.
141
397480
3160
از تحسین‌هایی که شنیدیم
تا صدای محیط اطرافمان.
06:53
Personalشخصی informationاطلاعات
that we would then manuallyبه صورت دستی handدست drawقرعه کشی
142
401480
3536
اطلاعات شخصی که
به صورت دستی می‌کشیدیم
06:57
on a postcard-sizeاندازه کارت پستال sheetورق of paperکاغذ
143
405040
2496
روی کاغذی به اندازه کارت پستال
06:59
that we would everyهرکدام weekهفته
sendارسال from Londonلندن to Newجدید Yorkیورک,
144
407560
2936
که هر هفته از لندن می‌فرستادیم
07:02
where I liveزنده,
145
410520
1256
به نیویورک، محل زندگی من.
07:03
and from Newجدید Yorkیورک to Londonلندن,
where she livesزندگی می کند.
146
411800
2200
و از نیویورک به لندن،
جایی که او زندگی می‌کند.
07:06
The frontجلوی of the postcardکارت پستال
is the dataداده ها drawingنقاشی,
147
414480
3696
روی کارت پستال
داده کشیده شده
07:10
and the back of the cardکارت
148
418200
1296
و طبیعتاً پشتش
07:11
containsحاوی the addressنشانی
of the other personفرد, of courseدوره,
149
419520
2429
آدرس گیرنده هست،
07:13
and the legendافسانه for how
to interpretتفسیر our drawingنقاشی.
150
421973
2640
و همچنین راهنمای خواندن داده‌ها.
07:17
The very first weekهفته into the projectپروژه,
151
425640
2016
هفته‌ی اول این پروژه،
07:19
we actuallyدر واقع choseانتخاب کرد
a prettyبسیار coldسرماخوردگی and impersonalغیر شخصی topicموضوع.
152
427680
3056
موضوعی نسبتاً غیر شخصی را انتخاب کردیم.
07:22
How manyبسیاری timesبار do we
checkبررسی the time in a weekهفته?
153
430760
3200
این که چند بار در هفته
ساعت را چک می‌کنیم؟
07:26
So here is the frontجلوی of my cardکارت,
154
434720
1936
این جلوی کارت پستال من هست،
07:28
and you can see that everyهرکدام little symbolسمبل
155
436680
1976
همان طور که می‌بینید،
هر علامت کوچک
07:30
representsنشان دهنده all of the timesبار
that I checkedچک شده the time,
156
438680
3416
دفعاتی را نشان می‌دهد
که من ساعت را چک کردم،
07:34
positionedموقعیت for daysروزها
and differentناهمسان hoursساعت ها chronologicallyاز لحاظ تاریخی --
157
442120
3376
که بر اساس روز و ساعت
به ترتیب قرار گرفته است--
07:37
nothing really complicatedبغرنج here.
158
445520
2040
هیچ چیز پیچیده‌ای اینجا نیست.
07:40
But then you see in the legendافسانه
159
448200
1576
اما در راهنمای پشت کارت می‌بینید
07:41
how I addedاضافه anecdotalعاقلانه detailsجزئیات
about these momentsلحظات.
160
449800
3456
جزئیاتی به هر کدام
از این لحظات اضافه کرده‌ام.
07:45
In factواقعیت, the differentناهمسان typesانواع of symbolsنمادها
indicateنشان می دهد why I was checkingچک کردن the time --
161
453280
4576
در واقع، علائم مختلف
نشان می‌دهد برای چه ساعت را چک کرده‌ام
07:49
what was I doing?
162
457880
1216
چه کار می‌کرده‌ام؟
07:51
Was I boredخسته? Was I hungryگرسنه?
163
459120
1696
حوصله‌ام سر رفته بود؟
گرسنه بودم؟
07:52
Was I lateدیر است?
164
460840
1216
دیرم شده بود؟
07:54
Did I checkبررسی it on purposeهدف
or just casuallyبه طور تصادفی glanceنگاه at the clockساعت?
165
462080
3216
با هدف ساعت را نگاه کردم
یا فقط نگاهی به ساعت انداختم؟
07:57
And this is the keyکلیدی partبخشی --
166
465320
2256
و این قسمت اصلی آزمایش هست
07:59
representingنمایندگی the detailsجزئیات
of my daysروزها and my personalityشخصیت
167
467600
3696
که جزئیات زندگی و شخصیت من را
08:03
throughاز طریق my dataداده ها collectionمجموعه.
168
471320
1936
از طریق داده‌هایم نشان می‌دهد.
08:05
Usingاستفاده كردن dataداده ها as a lensلنز or a filterفیلتر کردن
to discoverكشف كردن and revealآشکار ساختن, for exampleمثال,
169
473280
4696
استفاده از داده به عنوان لنز یا فیلتری
برای نگاه به زندگی، مثلاً
08:10
my never-endingپایان ناپذیر anxietyاضطراب for beingبودن lateدیر است,
170
478000
2176
نشان داد من دائماً نگران دیر کردن هستم،
08:12
even thoughگرچه I'm absolutelyکاملا always on time.
171
480200
2200
با این که همیشه دقیقاً به موقع می‌رسم.
08:16
Stefanieاستفانی and I spentصرف شده one yearسال
collectingجمع آوری our dataداده ها manuallyبه صورت دستی
172
484200
4096
من و استفانی یک سال داده‌هایمان را
به صورت دستی جمع‌آوری کردیم
08:20
to forceزور us to focusتمرکز on the nuancesتفاوت های ظریف
that computersکامپیوترها cannotنمی توان gatherجمع آوری --
173
488320
4496
تا روی جزئیاتی تمرکز کنیم
که کامپیوترها نمی‌توانند پیدا کنند
08:24
or at leastکمترین not yetهنوز --
174
492840
1536
یا حداقل هنوز نمی‌توانند--
08:26
usingاستفاده كردن dataداده ها alsoهمچنین to exploreکاوش کنید our mindsذهنها
and the wordsکلمات we use,
175
494400
3496
ما با استفاده از داده
ذهن و کلماتمان را هم بررسی کردیم،
08:29
and not only our activitiesفعالیت ها.
176
497920
1936
نه فقط کارهایمان را.
08:31
Like at weekهفته numberعدد threeسه,
177
499880
1416
مثلاً هفته سوم،
08:33
where we trackedردیابی شده the "thank yousتو"
we said and were receivedاخذ شده,
178
501320
3816
تعداد دفعاتی را شمردیم که تشکر کردیم
یا کسی از ما تشکر کرد
08:37
and when I realizedمتوجه شدم that I thank
mostlyاغلب people that I don't know.
179
505160
4656
و من متوجه شدم بیشتر
از کسانی تشکر می‌کنم که نمی‌شناسمشان.
08:41
Apparentlyظاهرا I'm a compulsiveاجباری thankerتشکر کننده
to waitressesپیشخدمت and waitersپیشخدمت ها,
180
509840
4336
ظاهراً من از آنهایی هستم که
بی اختیار از پیشخدمت‌ها تشکر می‌کنند.
08:46
but I definitelyقطعا don't thank enoughکافی
the people who are closeبستن to me.
181
514200
3160
ولی قطعاً به قدر کافی از کسانی
که به من نزدیک هستند تشکر نمی‌کنم.
08:51
Over one yearسال,
182
519000
1256
در طول یک سال،
08:52
the processروند of activelyفعالانه noticingمتوجه شدم
and countingبا احتساب these typesانواع of actionsاقدامات
183
520280
4496
توجه کردن به این نوع فعالیت‌ها
و شمردنشان
08:56
becameتبدیل شد a ritualمراسم.
184
524800
1296
تبدیل به رسمی نهادینه شد.
08:58
It actuallyدر واقع changedتغییر کرد ourselvesخودمان.
185
526120
2056
در حقیقت ما را تغییر داد.
09:00
We becameتبدیل شد much more
in tuneاهنگ with ourselvesخودمان,
186
528200
2696
بعد از آن ما خیلی بیشتر
با خودمان هماهنگ شدیم،
09:02
much more awareمطلع of our behaviorsرفتار
and our surroundingsمحیط اطراف.
187
530920
3120
خیلی بیشتر نسبت به
رفتار و محیط اطرافمان آگاه شدیم.
09:06
Over one yearسال, Stefanieاستفانی and I
connectedمتصل at a very deepعمیق levelسطح
188
534680
2976
من و استفانی بعد از یک سال
ارتباطی عمیق پیدا کردیم،
09:09
throughاز طریق our sharedبه اشتراک گذاشته شده dataداده ها diaryدفتر خاطرات,
189
537680
2016
از طریق داده‌هایی
که به اشتراک گذاشتیم.
09:11
but we could do this only because
we put ourselvesخودمان in these numbersشماره,
190
539720
4296
تنها با خلاصه کردن خودمان
در این اعداد و اضافه کردن
09:16
addingاضافه كردن the contextsزمینه ها
of our very personalشخصی storiesداستان ها to them.
191
544040
3976
شرایط داستان‌های شخصی‌مان به آنها
توانستیم این قدر به هم نزدیک شویم.
09:20
It was the only way
to make them trulyبراستی meaningfulمعنی دار
192
548040
2456
این تنها راهی بود که
می‌توانستیم به اعداد
09:22
and representativeنماینده of ourselvesخودمان.
193
550520
2200
معنا و مفهومی واقعی بدهیم.
09:26
I am not askingدرخواست you
to startشروع کن drawingنقاشی your personalشخصی dataداده ها,
194
554480
3096
از شما نمی‌خواهم داده‌های شخصی‌تان
را نقاشی کنید،
09:29
or to find a penخودکار palپلو acrossدر سراسر the oceanاقیانوس.
195
557600
2856
یا شروع به نامه نگاری
با دوستی در آن سر اقیانوس‌ها بکنید.
09:32
But I'm askingدرخواست you to considerدر نظر گرفتن dataداده ها --
196
560480
2576
بلکه می‌خواهم داده، یعنی
09:35
all kindنوع of dataداده ها --
197
563080
1456
هر نوعی از داده را به عنوان
09:36
as the beginningشروع of the conversationگفتگو
198
564560
1776
شروع مکالمه در نظر بگیرید،
09:38
and not the endپایان.
199
566360
1200
و نه پایان آن.
09:40
Because dataداده ها aloneتنها
will never give us a solutionراه حل.
200
568080
3176
چون داده به تنهایی هیچ وقت
موقعیت را مشخص نمی‌کند.
09:43
And this is why dataداده ها failedناموفق us so badlyبدی --
201
571280
2696
و به خاطر همین است که
داده به شدت شکست خورده است --
09:46
because we failedناموفق to includeعبارتند از
the right amountمیزان of contextزمینه
202
574000
3376
چون شرایط آن به اندازه‌ی کافی
در نظر گرفته نشده
09:49
to representنمایندگی realityواقعیت --
203
577400
1456
تا واقعیتی را نشان دهد --
09:50
a nuancedمنحصر به فرد, complicatedبغرنج
and intricateپیچیده realityواقعیت.
204
578880
3200
واقعیتی جزئی، پیچیده و ظریف.
09:54
We keptنگه داشته شد looking at these two numbersشماره,
205
582960
2456
ما مدام به این دو عدد نگاه کردیم،
09:57
obsessingوسواس with them
206
585440
1496
فقط روی آنها تمرکز کردیم
09:58
and pretendingوانمود کردن that our worldجهان
could be reducedکاهش
207
586960
2496
و تظاهر کردیم می‌شود دنیای اطرافمان را
10:01
to a coupleزن و شوهر digitsرقم and a horseاسب raceنژاد,
208
589480
2336
مثل مسابقه اسب سواری در چند عدد
خلاصه کرد،
10:03
while the realواقعی storiesداستان ها,
209
591840
1256
درحالی که داستان‌های واقعی
10:05
the onesآنهایی که that really matteredمهم است,
210
593120
1456
آنهایی که واقعاً اهمیت داشتند،
10:06
were somewhereجایی elseچیز دیگری.
211
594600
1416
جای دیگری بودند.
10:08
What we missedاز دست رفته looking at these storiesداستان ها
only throughاز طریق modelsمدل ها and algorithmsالگوریتم ها
212
596040
4416
آنچه با نگاه به این داستان‌ها تنها از طریق
مدل و الگوریتم از آن غافل ماندیم
10:12
is what I call "dataداده ها humanismانسانیت."
213
600480
2520
چیزی است که من «انسان‌گرایی داده» می‌نامم
10:15
In the Renaissanceرنسانس humanismانسانیت,
214
603560
2016
در رنسانس انسان‌گرایی،
10:17
Europeanاروپایی intellectualsروشنفکران
215
605600
1616
روشنفکران اروپایی
10:19
placedقرار داده شده the humanانسان natureطبیعت insteadبجای of God
at the centerمرکز of theirخودشان viewچشم انداز of the worldجهان.
216
607240
4920
به جای خدا، ذات انسان را
در مرکز دیدگاه خود به دنیا قرار دادند.
10:24
I believe something similarمشابه
needsنیاز دارد to happenبه وقوع پیوستن
217
612800
2216
من معتقدم در دنیای داده‌ها هم
10:27
with the universeجهان of dataداده ها.
218
615040
1776
چنین چیزی باید اتفاق بیافتد.
10:28
Now dataداده ها are apparentlyظاهرا
treatedتحت درمان like a God --
219
616840
2976
ظاهراً در حال حاضر
با داده ها مثل خدایی رفتار می‌شود--
10:31
keeperدروازه بان of infallibleفریب خورده truthحقیقت
for our presentحاضر and our futureآینده.
220
619840
3280
که نگهدار حقیقت محظ
در مورد گذشته و آینده‌ی ماست.
10:35
The experiencesتجربیات
that I sharedبه اشتراک گذاشته شده with you todayامروز
221
623840
2896
آنچه امروز با شما به اشتراک گذاشتم
10:38
taughtتدریس کرد me that to make dataداده ها faithfullyصادقانه
representativeنماینده of our humanانسان natureطبیعت
222
626760
5016
به من آموخت برای این که داده
نماینده‌ی راستین ذات انسان شود
10:43
and to make sure they will not
misleadگمراه کردن us anymoreدیگر,
223
631800
3416
و اطمینان حاصل شود که
دیگر ما را گمراه نمی‌کند،
10:47
we need to startشروع کن designingطراحی waysراه ها
to includeعبارتند از empathyیکدلی, imperfectionناقص
224
635240
3696
باید راهی پیدا کنیم تا همدلی، نواقص
10:50
and humanانسان qualitiesکیفیت ها
225
638960
1576
و ویژگی‌های انسانی را
10:52
in how we collectجمع کن, processروند,
analyzeتجزیه و تحلیل and displayنمایش دادن them.
226
640560
3720
در روش جمع‌آوری، پردازش، آنالیز
و نمایش داده‌ها بگنجانیم.
10:57
I do see a placeمحل where, ultimatelyدر نهایت,
227
645280
2976
می‌توانم روزی را تصور کنم که
11:00
insteadبجای of usingاستفاده كردن dataداده ها
only to becomeتبدیل شدن به more efficientکارآمد,
228
648280
3336
به جای استفاده از داده
تنها برای کارایی بیشتر،
11:03
we will all use dataداده ها
to becomeتبدیل شدن به more humaneانسانی.
229
651640
2800
از آن برای انسان شدن بیشتر استفاده کنیم.
11:06
Thank you.
230
654880
1216
متشکرم.
11:08
(Applauseتشویق و تمجید)
231
656120
4441
(تشویق)
Translated by Foroogh Razavi
Reviewed by Masoud Motamedifar

▲Back to top

ABOUT THE SPEAKER
Giorgia Lupi - Information designer
Giorgia Lupi sees beauty in data. She challenges the impersonality that data communicate, designing engaging visual narratives that re-connect numbers to what they stand for: stories, people, ideas.

Why you should listen

What sets Giorgia Lupi apart is her humanistic approach to the world of data.

Her work frequently crosses the divide between digital, print and handcrafted representations of information: primarily, she draws with data. She has a passion for and obsession with data, the material she uses to tell stories, and the lens through which she sees the world.

Data are often considered to be very impersonal, boring and clinical, but Lupi's work proves the opposite. She makes sense of data with a curious mind and a heterogeneous arsenal, which ranges from digital technology to exhausting and repetitive manual labor. She believes we will ultimately unlock the full potential of data only when we embrace their nature, and make them part of our lives, which will inevitably make data more human in the process.

Trained as an architect, Lupi has always been driven by opposing forces: analysis and intuition, logic and beauty, numbers and images. True to these dichotomies, in 2011 she started both her own company and studying for a PhD. She earned her ddoctorate in design at Politecnico di Milano, where she focused on information mapping, and she is now the design director and co-founder of Accurat, a global, data-driven research, design and innovation firm with offices in Milan and New York. She relocated from Italy to New York City, where she now lives.

Thanks to her work and research, Giorgia is a prominent voice in the world of data. She has spoken at numerous events, universities and institutions around the world, including the Museum of Modern Art, the Guggenheim Museum, PopTech Conference, Eyeo Festival, Fast Company Innovation by Design, New York University, Columbia University and the New York Public Library. She has been featured in major international outlets such as the New York Times, The Guardian, the Washington Post, NPR, BBC, TIME magazine, National Geographic, Scientific American, Popular Science, Wired, Vogue, Vanity Fair, Monocle and more. Her work has been exhibited at the Design Museum, the Science Museum, and Somerset House in London; the New York Hall of Science and the Storefront for Art and Architecture in New York; at the Triennale Design Museum and the Design Week in Milan, among others.

With her company, Accurat, she has worked with major international clients including IBM, Google, Microsoft, the United Nations, the World Health Organization, the World Economic Forum, the European Union, the Louis Vuitton-Moet-Hennessy Group, Fiat Chrysler Automobiles, J.P. Morgan Asset Management, Unicredit Group and KPMG Advisory.

Giorgia is the co-author of Dear Data, an aspirational hand-drawn data visualization book that explores the more slippery details of daily life through data, revealing the patterns that inform our decisions and affect our relationships.

Her work is part of the permanent collection of the Museum of Modern Art.

More profile about the speaker
Giorgia Lupi | Speaker | TED.com

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee