TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Cosa ho imparato leggendo 2000 necrologi
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan inizia la sua giornata con uova strapazzate e la domanda: "Chi è morto oggi?" Perché? Analizzando 2000 necrologi del New York Times per 20 mesi, Narayan ha raccolto le poche parole che descrivono cosa rimane dei nostri traguardi alla fine di tutta una vita. Qui ci racconta cosa possono insegnarci le persone immortalate dalla stampa su come vivere bene la vita.
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
Joseph Keller faceva sempre jogging
attorno al campus, a Standford,
attorno al campus, a Standford,
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
e rimase colpito dalle donne
che a loro volta erano lì a correre.
che a loro volta erano lì a correre.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Perché le loro code di cavallo oscillavano
da un lato all'altro a quel modo?
da un lato all'altro a quel modo?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Dato che era un matematico,
si mise in testa di scoprirlo.
si mise in testa di scoprirlo.
00:29
(Laughter)
4
17029
1151
(Risate)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
Il professor Keller era curioso
di tante cose:
di tante cose:
00:32
why teapots dribble
6
20534
1967
perché le teiere gocciolano,
00:34
or how earthworms wriggle.
7
22525
1830
o come fanno i lombrichi a strisciare.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
Fino a pochi mesi fa, non sapevo
niente di Joseph Keller.
niente di Joseph Keller.
00:40
I read about him in the New York Times,
9
28581
2852
Ho letto di lui sul New York Times,
00:43
in the obituaries.
10
31457
1432
nei necrologi.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
Il Times gli aveva dedicato
un editoriale di mezza pagina,
un editoriale di mezza pagina,
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
che come potete immaginare è uno spazio
enorme per un giornale di quel calibro.
enorme per un giornale di quel calibro.
00:53
I read the obituaries almost every day.
13
41368
2342
Leggo i necrologi quasi ogni giorno.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Mia moglie, com'è comprensibile,
pensa che io sia un po' morboso
pensa che io sia un po' morboso
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
a cominciare la giornata con uova
strapazzate e "Vediamo chi è morto oggi."
strapazzate e "Vediamo chi è morto oggi."
01:04
(Laughter)
16
52160
1150
(Risate)
01:06
But if you think about it,
17
54025
1292
Ma se ci pensate,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
La prima pagina del giornale
di solito riporta cattive notizie,
di solito riporta cattive notizie,
01:10
and cues man's failures.
19
58778
1975
e segnala i fallimenti dell'uomo.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Un esempio di cattive notizie
che segnalano conseguimenti
che segnalano conseguimenti
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
si trova alla fine del giornale,
nei necrologi.
nei necrologi.
01:19
In my day job,
22
67405
1364
Nel lavoro di ogni giorno,
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
dirigo un'azienda focalizzata
sulle previsioni
sulle previsioni
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
che il marketing può ricavare
dai dati passati --
dai dati passati --
01:25
a kind of rearview-mirror analysis.
25
73737
2944
una specie di analisi attraverso
lo specchietto retrovisore.
lo specchietto retrovisore.
01:29
And we began to think:
26
77092
1155
E abbiamo pensato,
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
E se tenessimo uno specchietto retrovisore
dei necrologi del New York Times?
dei necrologi del New York Times?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Si poteva imparare qualcosa su come
potrebbe apparire il tuo necrologio...
potrebbe apparire il tuo necrologio...
01:40
even if you aren't around to enjoy it?
29
88006
1977
anche se non sei qui a godertelo?
01:42
(Laughter)
30
90007
1484
(Risate)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Andrebbe meglio con le uova strapazzate?
01:46
(Laughter)
32
94167
1150
(Risate)
01:48
And so, we looked at the data.
33
96163
2998
Così abbiamo analizzato i dati.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2000 necrologi editoriali gratuiti
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
per un periodo di oltre 20 mesi
tra il 2015 e il 2016.
tra il 2015 e il 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Cosa ci insegnano queste 2000 morti
- o piuttosto, vite?
- o piuttosto, vite?
02:04
Well, first we looked at words.
37
112901
2033
Innanzitutto,
abbiamo osservato le parole.
abbiamo osservato le parole.
02:06
This here is an obituary headline.
38
114958
1761
Questo è il titolo di un necrologio.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Questo è dello straordinario Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Se cancellate l'inizio e la fine,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
vi resta una descrizione
meravigliosamente espressa,
meravigliosamente espressa,
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
che cerca di catturare in poche parole
i traguardi di una vita.
i traguardi di una vita.
02:21
Just looking at these is fascinating.
43
129666
2161
Anche solo guardarli è affascinante.
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
Eccone alcuni famosi,
di persone morte negli ultimi due anni.
di persone morte negli ultimi due anni.
Indovinate di chi si tratta.
02:27
Try and guess who they are.
45
135620
1319
[Un artista che sfidò i generi]
02:28
[An Artist who Defied Genre]
46
136963
1440
02:30
That's Prince.
47
138427
1185
Questo è Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[Titano della boxe e del XX secolo]
02:34
Oh, yes.
49
142358
1160
Oh, sì.
[Muhammad Ali]
02:35
[Muhammad Ali]
50
143542
1224
[Architetto rivoluzionario]
02:36
[Groundbreaking Architect]
51
144790
1546
Zaha Hadid.
02:38
Zaha Hadid.
52
146360
1251
02:40
So we took these descriptors
53
148843
1748
Abbiamo preso queste descrizioni
e abbiamo avviato una elaborazione
del linguaggio naturale,
del linguaggio naturale,
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
02:45
where you feed these into a program,
55
153163
1771
in cui li dai in pasto a un programma
che elimina le parole superflue,
che elimina le parole superflue,
02:46
it throws out the superfluous words --
56
154958
1865
"il", "e" -- quel genere di parole
facili da mimare giocando alle sciarade --
facili da mimare giocando alle sciarade --
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
e lascia le parole più significative.
02:55
And we did it not just for these four,
59
163311
1821
E non lo abbiamo fatto solo
per queste,
per queste,
02:57
but for all 2,000 descriptors.
60
165156
2519
ma per tutte le 2000 descrizioni.
02:59
And this is what it looks like.
61
167699
1743
Ed ecco che cosa appare.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Film, teatro, musica, danza e, com'è
ovvio, arte, sono in netta maggioranza.
ovvio, arte, sono in netta maggioranza.
03:08
Over 40 percent.
63
176485
1946
Oltre il 40 per cento.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Viene da chiedersi perché,
in così tante società,
in così tante società,
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
insistiamo perché i nostri figli scelgano
ingegneria o medicina o economia o legge
ingegneria o medicina o economia o legge
03:17
to be construed as successful.
66
185466
1587
se vogliono avere successo.
03:19
And while we're talking profession,
67
187871
1693
E già che parliamo di carriera,
03:21
let's look at age --
68
189588
1151
vediamo un po' l'età:
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
l'età media in cui si conseguono
dei traguardi.
dei traguardi.
03:25
That number is 37.
70
193297
1846
Quel numero è 37.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Significa che dovrete aspettare 37 anni
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
prima di ottenere il primo
risultato importante
risultato importante
per cui sarete ricordati --
03:35
on average --
73
203373
1151
in media --
44 anni più tardi, quando
morirete a 81 anni --
morirete a 81 anni --
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
03:39
on average.
75
207050
1168
in media.
03:40
(Laughter)
76
208242
1001
(Risate)
03:41
Talk about having to be patient.
77
209267
1684
Quando si dice: "Porta pazienza".
03:42
(Laughter)
78
210975
1057
(Risate)
03:44
Of course, it varies by profession.
79
212056
2089
Ovviamente, cambia con il mestiere.
03:46
If you're a sports star,
80
214566
1193
Se sei un grande sportivo
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
probabilmente darai il massimo
prima dei 30.
prima dei 30.
03:49
And if you're in your 40s like me,
82
217934
2645
E se avete passato i 40, come me,
03:52
you can join the fun world of politics.
83
220603
1991
potete darvi alle gioie della politica.
03:54
(Laughter)
84
222618
1056
(Risate)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
I politici eseguono il loro primo
e talvolta solo atto encomiabile verso i 45.
e talvolta solo atto encomiabile verso i 45.
03:59
(Laughter)
86
227637
1257
(Risate)
04:00
If you're wondering what "others" are,
87
228918
1937
Se vi chiedete chi sono gli "altri",
04:02
here are some examples.
88
230879
1476
ecco alcuni esempi.
04:04
Isn't it fascinating, the things people do
89
232821
2116
Non è affascinante quel che fa la gente
04:06
and the things they're remembered for?
90
234961
1882
e ciò per cui viene ricordata?
04:08
(Laughter)
91
236867
1752
(Risate)
04:12
Our curiosity was in overdrive,
92
240136
1844
La nostra curiosità faceva scintille
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
e volevamo analizzare più che un semplice
elemento di descrizione.
elemento di descrizione.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Così abbiamo processato per intero
il paragrafo iniziale dei 2000 necrologi,
il paragrafo iniziale dei 2000 necrologi,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
ma lo abbiamo fatto distinguendo
due gruppi di persone:
due gruppi di persone:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
le persone famose e le persone
che non sono famose.
che non sono famose.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Persone famose - Prince,
Ali, Zaha Hadid -
Ali, Zaha Hadid -
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
e persone che non sono famose,
persone come Jocelyn Cooper,
persone come Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
il reverendo Curry
04:37
or Lorna Kelly.
100
265717
1169
o Lorna Kelly.
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
Scommetto che non avete mai sentito
la maggior parte di questi nomi.
la maggior parte di questi nomi.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Persone meravigliose, grandi traguardi,
ma non sono famosi.
ma non sono famosi.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
E se analizzassimo
i due gruppi separatamente,
i due gruppi separatamente,
04:49
the famous and the non-famous?
104
277532
1525
i famosi e i non famosi?
04:51
What might that tell us?
105
279081
1419
Cosa potrebbe rivelarci?
04:52
Take a look.
106
280524
1240
Date un'occhiata.
04:56
Two things leap out at me.
107
284556
1469
Due cose mi hanno colpito.
04:58
First:
108
286569
1170
La prima:
05:00
"John."
109
288106
1198
"John".
05:01
(Laughter)
110
289328
1300
(Risate)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Tutti quelli che si chiamano John
dovrebbero ringraziare i genitori...
dovrebbero ringraziare i genitori...
05:07
(Laughter)
112
295326
1329
(Risate)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
e ricordare ai figli di ritagliare
i vostri necrologi quando ve ne andrete.
i vostri necrologi quando ve ne andrete.
05:13
And second:
114
301061
1356
E la seconda:
05:15
"help."
115
303849
1154
"aiuto."
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Abbiamo scoperto molte lezioni
in queste vite ben spese,
in queste vite ben spese,
e ciò che le persone immortalate
dalla stampa potevano insegnarci.
dalla stampa potevano insegnarci.
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Questo esercizio è stato una testimonianza
affascinante del caleidoscopio della vita,
affascinante del caleidoscopio della vita,
05:29
and even more fascinating
119
317635
2715
e ancor più affascinante
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
è stato il fatto che una schiacciante
maggioranza di necrologi
maggioranza di necrologi
05:35
featured people famous and non-famous,
121
323466
2998
mostrava persone famose e non
05:38
who did seemingly extraordinary things.
122
326488
2433
che apparentemente hanno fatto
cose straordinarie.
cose straordinarie.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Hanno lasciato un segno positivo
nel tessuto della vita.
nel tessuto della vita.
05:44
They helped.
124
332708
1237
Hanno aiutato.
Perciò chiedetevi, tornando
alla vita di tutti i giorni:
alla vita di tutti i giorni:
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
05:49
How am I using my talents to help society?
126
337387
2920
come sto usando le mie capacità
per aiutare la società?
per aiutare la società?
05:52
Because the most powerful lesson here is,
127
340331
2973
Perché la lezione più importante qui è
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
che se più persone vivessero le loro vite
cercando di essere famose da morte,
cercando di essere famose da morte,
05:59
the world would be a much better place.
129
347688
2605
il mondo sarebbe un posto molto migliore.
06:03
Thank you.
130
351062
1169
Grazie.
06:04
(Applause)
131
352255
2848
(Applausi)
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com