TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: La bellezza della visualizzazione delle informazioni
Filmed:
Readability: 4.3
3,250,094 views
David McCandless trasforma set di informazioni complesse come la spese militare mondiale, i buzz mediali, gli stati di Facebook e molto altro in diagrammi belli ma semplici. Propone un'architettura dell'informazione come strumento per navigare tra i meandri dell'informazione, trovando percorsi unici e connessioni che potrebbero cambiare il modo in cui vediamo il mondo.
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
Sembra che stiamo tutti soffrendo
00:17
from information overload or data glut.
1
2000
3000
per un sovraccarico di informazioni o una saturazione di dati.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
La buona notizia è che ci potrebbe essere una semplice soluzione al problema,
00:22
and that's using our eyes more.
3
7000
2000
utilizzando di più i nostri occhi.
00:24
So, visualizing information, so that we can see
4
9000
2000
Visualizzando le informazioni, così da vedere
00:26
the patterns and connections that matter
5
11000
3000
i percorsi e le connessioni che contano
00:29
and then designing that information so it makes more sense,
6
14000
3000
e poi progettare queste informazioni perché abbiano più senso,
00:32
or it tells a story,
7
17000
2000
o raccontino una storia,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
o ci permettano di focalizzarci solo sull'informazione importante.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
Altrimenti, l'informazione visualizzata potrebbe solo apparire molto bella.
00:41
So, let's see.
10
26000
2000
Allora, vediamo.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Questo è il Billion Dollar Gram,
00:47
and this image arose
12
32000
2000
e questa immagine è venuta fuori
00:49
out of frustration I had
13
34000
2000
dalla frustrazione che avevo
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
nel riportare i miliardi di dollari comunicati dalla stampa.
00:53
That is, they're meaningless without context:
15
38000
3000
Cioè, sono senza significato senza il contesto.
00:56
500 billion for this pipeline,
16
41000
2000
500 miliardi per questa conduttura.
00:58
20 billion for this war.
17
43000
2000
20 miliardi per questa guerra
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
Non ha senso, quindi l'unico modo per capire
01:02
is visually and relatively.
19
47000
2000
è visivo e relativo.
01:04
So I scraped a load of reported figures
20
49000
2000
Quindi ho raccolto tanti numeri che vengono riportati
01:06
from various news outlets
21
51000
2000
da varie fonti informative
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
e poi ho proporzionato i riquadri secondo gli importi.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
E i colori qui rappresentano la motivazione che c'è stata dietro alla spesa.
01:14
So purple is "fighting,"
24
59000
3000
Viola è un conflitto,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
rosso sono donazioni, e verde è profitto.
01:20
And what you can see straight away
26
65000
2000
E quello che potete immediatamente notare
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
è che iniziate ad avere una diversa relazione con i numeri.
01:24
You can literally see them.
28
69000
2000
Letteralmente potete vederli.
01:26
But more importantly, you start to see
29
71000
2000
Ma, più importante ancora, cominciate a vedere
01:28
patterns and connections between numbers
30
73000
2000
percorsi e connessioni tra i numeri
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
che altrimenti verrebbero disperse su vari mezzi informativi.
01:33
Let me point out some that I really like.
32
78000
3000
Lasciate che ne sottolinei alcune che mi piaciono molto.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Questi sono i fatturati dell'OPEC, questo riquadro verde qui --
01:38
780 billion a year.
34
83000
2000
780 miliardi all'anno.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
E questo piccolo pixel nell'angolo -- 3 miliardi --
01:43
that's their climate change fund.
36
88000
3000
sono i fondi destinati ai cambiamenti climatici.
01:46
Americans, incredibly generous people --
37
91000
2000
Gli Americani, gente incredibilmente generosa --
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
più di 300 miliardi all'anno, donati ogni anno in beneficienza,
01:51
compared with the amount of foreign aid
39
96000
2000
confrontati con l'ammontare degli aiuti stranieri
01:53
given by the top 17 industrialized nations
40
98000
2000
dei 17 paesi più industrializzati
01:55
at 120 billion.
41
100000
2000
che totalizzano 120 miliardi.
01:57
Then of course,
42
102000
2000
E poi, ovviamente,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
la guerra in Iraq, con una previsione di costo di soli 60 miliardi
02:01
back in 2003.
44
106000
3000
nel 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
E si è praticamente moltiplicato. In Afganistan siamo arrivati ora
02:07
to 3,000 billion.
46
112000
3000
a 3.000 miliardi.
02:10
So now it's great
47
115000
2000
E' fantastico
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
perché ora abbiamo questa trama, e possiamo anche aggiungere numeri.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Così potremmo dire, bene, abbiamo un altro numero ... vediamo il debito Africano.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
Quanto di questo grafico pensate possa essere coperto
02:19
by the debt that Africa owes to the West?
51
124000
2000
dal debito che l'Africa ha nei confronti dell'Occidente?
02:21
Let's take a look.
52
126000
2000
Vediamo un pò.
02:23
So there it is:
53
128000
2000
Eccolo qui.
02:25
227 billion is what Africa owes.
54
130000
2000
227 miliardi è quello che deve l'Africa.
02:27
And the recent financial crisis,
55
132000
2000
E la recente crisi finanziaria --
02:29
how much of this diagram might that figure take up?
56
134000
2000
quando potrebbe coprire su questo diagramma?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
Quanto è costata al mondo? Vediamo un pò.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
Dooosh. Credo sia l'effetto sonoro più appropriato
02:37
for that much money:
59
142000
2000
per tutti questi soldi.
02:39
11,900 billion.
60
144000
4000
11.900 miliardi.
02:45
So, by visualizing this information,
61
150000
2000
Quindi, visualizzando questa informazione,
02:47
we turned it into a landscape
62
152000
2000
l'abbiamo trasformata in un panorama
02:49
that you can explore with your eyes,
63
154000
2000
che potete esplorare con gli occhi,
02:51
a kind of map really, a sort of information map.
64
156000
2000
una specie di mappa, una mappa delle informazioni.
02:53
And when you're lost in information,
65
158000
2000
E quando siete persi tra le informazioni,
02:55
an information map is kind of useful.
66
160000
3000
la mappa delle informazioni è particolarmente utile.
02:58
So I want to show you another landscape now.
67
163000
2000
Ora voglio mostrarvi un altro panorama.
03:00
We need to imagine what a landscape
68
165000
2000
Dobbiamo immaginare a cosa potrebbe assomigliare
03:02
of the world's fears might look like.
69
167000
3000
un panorama delle paure del mondo.
03:05
Let's take a look.
70
170000
2000
Guardiamo un pò.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Queste sono montagne rispetto ai mucchietti delle talpe,
03:09
a timeline of global media panic.
72
174000
2000
una linea del tempo delle paure globali mediatizzate.
03:11
(Laughter)
73
176000
2000
(Risate)
03:13
So, I'll label this for you in a second.
74
178000
2000
Allora, lo etichetterò in un attimo.
03:15
But the height here, I want to point out,
75
180000
2000
Ma l'altezza qui, voglio evidenziarla,
03:17
is the intensity of certain fears
76
182000
2000
è l'intensità di certe paure,
03:19
as reported in the media.
77
184000
2000
come riportato dai media.
03:21
Let me point them out.
78
186000
2000
Fatemele sottolineare.
03:23
So this, swine flu -- pink.
79
188000
4000
Allora, questa, influenza suina -- rosa.
03:27
Bird flu.
80
192000
2000
Influenza aviaria.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
SARS - marrone. Ve la ricordate.
03:32
The millennium bug,
82
197000
3000
Il millenium bug --
03:35
terrible disaster.
83
200000
2000
disastro terribile.
03:37
These little green peaks
84
202000
2000
Questi piccoli picchi verdi
03:39
are asteroid collisions.
85
204000
2000
sono collisioni di asteroidi.
03:41
(Laughter)
86
206000
2000
(Risate)
03:43
And in summer, here, killer wasps.
87
208000
2000
E in estate, qui, le vespe assassine.
03:45
(Laughter)
88
210000
8000
(Risate)
03:53
So these are what our fears look like
89
218000
2000
Quindi questo è l'aspetto che hanno le nostre paure
03:55
over time in our media.
90
220000
2000
nel tempo sui mezzi di informazione.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Ma ciò che adoro -- e sono un giornalista --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
e quello che mi piace è trovare percorsi nascosti; mi piace essere il detective delle informazioni.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
E c'è un percorso strano e molto interessante nascosto in questi dati
04:05
that you can only see when you visualize it.
94
230000
2000
che potete vedere solo visualizzandoli.
04:07
Let me highlight it for you.
95
232000
2000
Lasciate che ve li evidenzi.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Vedete questa linea. Questo è il panorama dei videogiochi violenti.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Come potete vedere, c'è una specie di strano percorso regolare in questi dati,
04:15
twin peaks every year.
98
240000
2000
picchi gemelli ogni anno.
04:17
If we look closer, we see those peaks occur
99
242000
2000
Se guardiamo più da vicino, vediamo che i picchi capitano
04:19
at the same month every year.
100
244000
3000
lo stesso mese ogni anno.
04:22
Why?
101
247000
2000
Perché?
04:24
Well, November, Christmas video games come out,
102
249000
2000
Bene, Novembre, a Natale escono i giochi,
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
e potrebbe esserci un ondata di preoccupazione sul loro contenuto.
04:29
But April isn't a particularly massive month
104
254000
3000
Invece Aprile non è un mese particolarmente pesante
04:32
for video games.
105
257000
2000
per i videogiochi.
04:34
Why April?
106
259000
2000
Perché Aprile?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
Nell'Aprile del 1999 c'è stata la sparatoria di Columbine,
04:39
and since then, that fear
108
264000
2000
e da allora, quella paura
04:41
has been remembered by the media
109
266000
2000
viene ricordata dai media
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
ed echeggia nella mentalità della gente durante tutto l'anno.
04:45
You have retrospectives, anniversaries,
111
270000
3000
Ci sono retrospettive, anniversari,
04:48
court cases, even copy-cat shootings,
112
273000
3000
cause da tribunale, sparatorie ad opera di imitatori,
04:51
all pushing that fear into the agenda.
113
276000
3000
tutti che spingono quella paura nell'agenda.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
E c'è anche un altro percorso. Riuscite a individuarlo?
04:56
See that gap there? There's a gap,
115
281000
2000
Vedete questo salto qui? C'è uno spazio,
04:58
and it affects all the other stories.
116
283000
2000
e coinvolge tutte le altre storie.
05:00
Why is there a gap there?
117
285000
2000
Perché c'è questo vuoto qui?
05:02
You see where it starts? September 2001,
118
287000
3000
Vedete dove comincia? Settembre 2001,
05:05
when we had something very real
119
290000
2000
quando abbiamo avuto qualcosa di molto reale
05:07
to be scared about.
120
292000
2000
di cui avere paura.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
Quindi, ho lavorato come giornalista sulle informazioni per circa un anno,
05:12
and I keep hearing a phrase
122
297000
2000
e continuo a sentire una frase
05:14
all the time, which is this:
123
299000
3000
ogni volta, che è:
05:17
"Data is the new oil."
124
302000
2000
"L'informazione è il nuovo petrolio."
05:19
Data is the kind of ubiquitous resource
125
304000
3000
E le informazioni sono il tipo di risorsa onnipresente
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
a cui possiamo dare una forma per fornire innovazione e nuove visioni,
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
ed è tutta intorno a noi, e può essere estratta molto facilmente.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
E non è una metafora particolarmente riuscita in questo periodo,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
specialmente se vivete dalle parti del Golfo del Messico,
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
ma addatterei forse leggermente questa metafora,
05:36
and I would say that data is the new soil.
131
321000
3000
e direi che le infomazioni sono il nuovo suolo.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
Perché secondo me, appare come uno strumento fertile e creativo.
05:43
Over the years, online,
133
328000
2000
Sapete, negli anni, online,
05:45
we've laid down
134
330000
3000
abbiamo seminato
05:48
a huge amount of information and data,
135
333000
2000
una grande quantità di dati e informazioni,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
e le irrighiamo con reti e connessioni,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
e vengono arati da lavoratori non pagati e da governi.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
E, va bene, sto spremendo un pochino la metafora.
05:58
But it's a really fertile medium,
139
343000
3000
Ma è veramente uno strumento molto fertile,
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
e sembra che le visualizzazioni, i grafici informativi, la visualizzazione dei dati,
06:04
they feel like flowers blooming from this medium.
141
349000
3000
assomiglino a fiori che sbocciano da questo strumento.
06:07
But if you look at it directly,
142
352000
2000
Ma se li guardate direttamente,
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
sono solo tanti numeri e fatti disconnessi.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Ma se cominciate a lavorarci e giocarci in un certo modo,
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
possono apparire cose interessanti e percorsi diversi si rivelano.
06:17
Let me show you this.
146
362000
2000
Lasciate che vi mostri.
06:19
Can you guess what this data set is?
147
364000
3000
Riuscite a indovinare cosa dicono questi dati?
06:22
What rises twice a year,
148
367000
2000
Cosa cresce due volte all'anno,
06:24
once in Easter
149
369000
2000
una volta a Pasqua
06:26
and then two weeks before Christmas,
150
371000
2000
e poi due settimane prima di Natale,
06:28
has a mini peak every Monday,
151
373000
2000
ed ha piccoli picchi ogni Lunedì
06:30
and then flattens out over the summer?
152
375000
2000
e poi si appiattisce durante l'estate?
06:32
I'll take answers.
153
377000
2000
Accetto risposte.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(Pubblico: Cioccolato.) David McCandless: Cioccolato.
06:36
You might want to get some chocolate in.
155
381000
3000
Potreste metterci del cioccolato.
06:39
Any other guesses?
156
384000
2000
Altri tentativi?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(Pubblico: Shopping.) DM: Shopping.
06:43
Yeah, retail therapy might help.
158
388000
3000
Perché no, la terapia del negozio può aiutare.
06:46
(Audience: Sick leave.)
159
391000
2000
(Pubblico: congedo per malattia.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: congedo per malattia. Certo, potreste assolutamente volere prendere un pò di tempo.
06:50
Shall we see?
161
395000
2000
Vediamo?
06:53
(Laughter)
162
398000
8000
[Picchi di rottura dei fidanzamenti] (Risate)
07:01
(Applause)
163
406000
3000
(Applausi)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Quindi, le informazioni qui, io e Lee Byron,
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
abbiamo tirato fuori 10.000 aggiornamenti di stato di Facebook
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
per la frase "rotture" e "rotto"
07:12
and this is the pattern we found --
167
417000
2000
e questo è il percorso che abbiamo trovato --
07:14
people clearing out for Spring Break,
168
419000
2000
la gente si libera a primavera,
07:16
(Laughter)
169
421000
5000
(Risate)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
dopo un brutto fine settimana di lunedì,
07:23
being single over the summer,
171
428000
3000
diventa single durante l'estate.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
E poi il giorno più basso dell'anno, ovviamente: il giorno di Natale.
07:29
Who would do that?
173
434000
3000
Chi lo farebbe?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
C'è quindi un'immensa quantità di dati la fuori,
07:34
unprecedented.
175
439000
2000
senza precedenti.
07:37
But if you ask the right kind of question,
176
442000
2000
Ma se fate la domanda giusta,
07:39
or you work it in the right kind of way,
177
444000
2000
o ci lavorate nel modo giusto,
07:41
interesting things can emerge.
178
446000
3000
possono emergere cose interessanti.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
L'informazione è bella. I dati sono belli.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Mi domando se potrei rendere bella la mia vita.
07:50
And here's my visual C.V.
181
455000
2000
Ecco il mio visual CV
07:52
I'm not quite sure I've succeeded.
182
457000
2000
non sono sicuro di esserci riuscito.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Un pò un blocco. I colori non sono un granché.
07:56
But I wanted to convey something to you.
184
461000
3000
Ma voglio trasmettervi una cosa.
07:59
I started as a programmer,
185
464000
2000
Ho cominciato come programmatore,
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
poi ho lavorato come scrittore per tanti anni, circa 20 anni,
08:03
in print, online and then in advertising,
187
468000
2000
nella stampa, online e poi nella pubblicità.
08:05
and only recently have I started designing.
188
470000
3000
e solo di recente ho cominciato a fare design.
08:08
And I've never been to design school.
189
473000
2000
E non sono mai stato a scuola di design.
08:10
I've never studied art or anything.
190
475000
3000
Non ho mai studiato arte né niente.
08:13
I just kind of learned through doing.
191
478000
2000
Ho praticamente imparato facendo.
08:15
And when I started designing,
192
480000
2000
E quando ho cominciato a progettare,
08:17
I discovered an odd thing about myself.
193
482000
2000
ho scoperto una cosa strana su me stesso.
08:19
I already knew how to design,
194
484000
2000
Sapevo già come progettare,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
ma non è che fossi particolarmente brillante,
08:24
but more like I was sensitive
196
489000
2000
ma ero piuttosto un pò sensibile
08:26
to the ideas of grids and space
197
491000
2000
all'idea di griglie e spazi
08:28
and alignment and typography.
198
493000
2000
e allineamenti e tipografia.
08:30
It's almost like being exposed
199
495000
2000
E un pò come se essere esposti
08:32
to all this media over the years
200
497000
2000
a tutti questi media negli anni
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
avesse instillato in me una specie di alfabetizzazione della progettazione.
08:37
And I don't feel like I'm unique.
202
502000
2000
E sento di non essere l'unico.
08:39
I feel that everyday, all of us now
203
504000
2000
Sento che ogni giorno, tutti noi
08:41
are being blasted by information design.
204
506000
3000
siamo bombardati dal design delle informazioni.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Viene riversato nei nostri occhi attraverso il web,
08:46
and we're all visualizers now;
206
511000
2000
e siamo tutti visualizzatori ora;
08:48
we're all demanding a visual aspect
207
513000
2000
chiediamo tutti un aspetto visivo
08:50
to our information.
208
515000
3000
delle informazioni.
08:53
There's something almost quite magical about visual information.
209
518000
3000
E c'è qualcosa di quasi magico nell'informazione visiva.
08:56
It's effortless, it literally pours in.
210
521000
3000
Non comporta sforzi; letteralmente sgorga.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
E se state navigando in una spessa giungla di informazioni,
09:02
coming across a beautiful graphic
212
527000
2000
trasmessa tramite un bel grafico
09:04
or a lovely data visualization,
213
529000
2000
o una bella visualizzazione dei dati,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
è un sollievo, è come trovarsi in una radura nella giungla.
09:09
I was curious about this, so it led me
215
534000
2000
Ed ero curioso a questo proposito, e mi ha condotto
09:11
to the work of a Danish physicist
216
536000
2000
al lavoro di un fisico Danese
09:13
called Tor Norretranders,
217
538000
2000
di nome Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
che ha convertito l'ampiezza di banda dei sensi in termini informatici.
09:19
So here we go. This is your senses,
219
544000
2000
Allora eccoci qui. Questi sono i vostri sensi,
09:21
pouring into your senses every second.
220
546000
2000
si riversano nei vostri sensi ogni secondo.
09:23
Your sense of sight is the fastest.
221
548000
3000
La vista è la più veloce.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Ha la stessa ampiezza di banda di una rete di computer.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
Poi c'è il tatto, che ha un pò la velocità di una chiavetta USB.
09:32
And then you have hearing and smell,
224
557000
2000
Poi cè l'udito e l'odorato,
09:34
which has the throughput of a hard disk.
225
559000
2000
che hanno la capacità di un hard disk.
09:36
And then you have poor old taste,
226
561000
2000
E poi cè il povero, vecchio tatto,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
che ha a malapena le capacità di una calcolatrice.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
E quel quadratino nell'angolo, 0,7 per cento,
09:44
that's the amount we're actually aware of.
229
569000
3000
è l'ammontare di cui siamo effettivamente a conoscenza.
09:47
So a lot of your vision --
230
572000
2000
Quindi molto della vostra visione --
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
la gran parte è visiva, e ci si riversa dentro.
09:51
It's unconscious.
232
576000
2000
E' inconscio.
09:53
The eye is exquisitely sensitive
233
578000
3000
E l'occhio è squisitamente sensibile
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
a pattern di variazione di colori, forme e pattern.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
Li adora, e li trova belli.
10:01
It's the language of the eye.
236
586000
2000
E' il linguaggio dell'occhio.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
E se combinate quel linguaggio dell'occhio con il linguaggio della mente,
10:05
which is about words and numbers and concepts,
238
590000
3000
che riguarda parole e numeri e concetti,
10:08
you start speaking two languages simultaneously,
239
593000
3000
cominciate a parlare due lingue contemporaneamente,
10:11
each enhancing the other.
240
596000
3000
l'uno che valorizza l'altro.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Quindi, c'è l'occhio, e vi inserite i concetti.
10:17
And that whole thing -- it's two languages
242
602000
2000
E il tutto -- sono due linguaggi
10:19
both working at the same time.
243
604000
2000
entrambi lavorano contemporaneamente.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Possiamo quindi utilizzare questo nuovo tipo di linguaggio, se volete,
10:23
to alter our perspective or change our views.
245
608000
3000
per modificare la nostra prospettiva o cambiare la nostra visione.
10:26
Let me ask you a simple question
246
611000
2000
Lasciatemi fare una semplice domanda
10:28
with a really simple answer:
247
613000
2000
con una risposta molto semplice.
10:30
Who has the biggest military budget?
248
615000
2000
Chi ha il budget militare più importante?
10:32
It's got to be America, right?
249
617000
2000
Devono essere gli Stati Uniti, giusto?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Immenso. 609 miliardi nel 2008 --
10:36
607, rather.
251
621000
2000
607 piuttosto.
10:38
So massive, in fact, that it can contain
252
623000
2000
Così importante, di fatto, che può contenere
10:40
all the other military budgets in the world inside itself.
253
625000
3000
tutti gli altri budget militari del mondo messi insieme.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Glu, glu, glu, glu,glu.
10:45
Now, you can see Africa's total debt there
255
630000
2000
Ora, qui vedete il debito totale dell'Africa
10:47
and the U.K. budget deficit for reference.
256
632000
2000
e il deficit del Regno Unito come riferimento.
10:49
So that might well chime
257
634000
2000
Potrebbe tranquillamente suonarvi giusto
10:51
with your view that America
258
636000
2000
che gli Stati Uniti
10:53
is a sort of warmongering military machine,
259
638000
3000
siano guerrafondai, una macchina militare,
10:56
out to overpower the world
260
641000
2000
che cerca di prendere il controllo del mondo
10:58
with its huge industrial-military complex.
261
643000
3000
con il suo pesante complesso industrial-militare.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Ma è vero che gli Stati Uniti hanno il budget militare più alto?
11:04
Because America is an incredibly rich country.
263
649000
2000
Perché è un paese incredibilmente ricco.
11:06
In fact, it's so massively rich
264
651000
2000
Di fatto, è così pesantemente ricco
11:08
that it can contain the four other
265
653000
2000
che può contenere le altre quattro
11:10
top industrialized nations' economies
266
655000
2000
economie nazionali più industrializzate del mondo
11:12
inside itself, it's so vastly rich.
267
657000
3000
al suo interno, così è ricco.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Quindi il suo budget militare deve necessariamente essere enorme.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
Quindi, per essere corretti e per alterare la nostra prospettiva,
11:20
we have to bring in another data set,
270
665000
2000
dobbiamo inserire un'altra serie di dati,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
e questi dati sono il PIL, o gli introiti del paese.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
Chi ha il budget più alto in proporzione al PIL?
11:26
Let's have a look.
273
671000
2000
Vediamo un pò.
11:28
That changes the picture considerably.
274
673000
3000
Questo cambia significativamente la fotografia.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Altri paesi saltano fuori che forse non avevate considerato,
11:34
and American drops into eighth.
276
679000
2000
e gli Stati Uniti scendono all'ottavo posto.
11:36
Now you can also do this with soldiers.
277
681000
2000
Potete fare la stessa cosa con le forze armate.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
Chi ha più militari? Deve essere la Cina.
11:40
Of course, 2.1 million.
279
685000
2000
Certo, 2,1 milioni.
11:42
Again, chiming with your view
280
687000
2000
Ancora una volta, contrariamente alla vostra visione
11:44
that China has a militarized regime
281
689000
2000
della Cina come un regime militarizzato
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
pronto a mobilizzare le sue enormi forze.
11:48
But of course, China has an enormous population.
283
693000
3000
Ma ovviamente, la Cina ha una popolazione enorme.
11:51
So if we do the same,
284
696000
2000
Quindi se facciamo lo stesso,
11:53
we see a radically different picture.
285
698000
2000
vediamo una fotografia completamente diversa.
11:55
China drops to 124th.
286
700000
2000
La Cina precipita al 124esimo posto.
11:57
It actually has a tiny army
287
702000
2000
Di fatto ha un piccolissimo esercito
11:59
when you take other data into consideration.
288
704000
3000
quando prendete in considerazione altri dati.
12:02
So, absolute figures, like the military budget,
289
707000
2000
Quindi, i numeri assoluti, come il budget militare,
12:04
in a connected world,
290
709000
2000
in un mondo connesso,
12:06
don't give you the whole picture.
291
711000
2000
in un certo senso non vi danno una fotografia completa.
12:08
They're not as true as they could be.
292
713000
2000
Non sono veri come potrebbero sembrare.
12:10
We need relative figures that are connected to other data
293
715000
3000
Abbiamo bisogno di numeri relativi connessi ad altri dati
12:13
so that we can see a fuller picture,
294
718000
2000
così da poter vedere una fotografia completa,
12:15
and then that can lead to us changing our perspective.
295
720000
2000
e che possa portarci a cambiare la nostra prospettiva.
12:17
As Hans Rosling, the master,
296
722000
2000
Come Hans Rosling, il maestro,
12:19
my master, said,
297
724000
3000
il mio maestro, ha detto,
12:22
"Let the dataset change your mindset."
298
727000
3000
"Lascia che la serie di dati cambi la tua mentalità"
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
E se riuscite a farlo, forse può cambiare anche il vostro comportamento.
12:29
Take a look at this one.
300
734000
2000
Date un'occhiata a questo.
12:31
I'm a bit of a health nut.
301
736000
2000
Sono un pò fanatico della salute.
12:33
I love taking supplements and being fit,
302
738000
3000
Mi piace prendere integratori ed essere in forma,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
ma non riesco mai a capire cosa succede in termini di efficacia.
12:39
There's always conflicting evidence.
304
744000
2000
Ci sono sempre prove di efficacia conflittuali.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
Dovrei prendere vitamina C? Dovrei prendere erba di grano?
12:43
This is a visualization of all the evidence
306
748000
2000
Questa è una visualizzazione di tutte le prove di efficacia
12:45
for nutritional supplements.
307
750000
2000
degli integratori alimentari.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Questo tipo di diagramma si chiama gara di palloncini.
12:50
So the higher up the image,
309
755000
2000
Più l'immagine è in alto,
12:52
the more evidence there is for each supplement.
310
757000
3000
più ci sono prove dei risultati per ogni integratore.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
E le bolle corrispondono alla popolarità tra i risultati di Google.
12:58
So you can immediately apprehend
312
763000
3000
Potete quindi recepire immediatamente
13:01
the relationship between efficacy and popularity,
313
766000
3000
la relazione tra efficacia e popolarità,
13:04
but you can also, if you grade the evidence,
314
769000
3000
ma potete anche, se ordinate le prove,
13:07
do a "worth it" line.
315
772000
2000
fare una specie di linea "vale la pena".
13:09
So supplements above this line are worth investigating,
316
774000
3000
E gli integratori sopra questa riga sono degni di approfondimento,
13:12
but only for the conditions listed below,
317
777000
3000
ma solo per le condizioni elencate sotto.
13:15
and then the supplements below the line
318
780000
3000
E poi gli integratori sotto la riga
13:18
are perhaps not worth investigating.
319
783000
2000
forse non valgono un approfondimento.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Questa immagine rappresenta un'immensa quantità di lavoro.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Abbiamo rovistato tra 1000 ricerche da PubMed,
13:26
the biomedical database,
322
791000
2000
il database di biomedica,
13:28
and we compiled them and graded them all.
323
793000
3000
e li abbiamo analizzati e classificati tutti.
13:31
And it was incredibly frustrating for me
324
796000
2000
Ed è stato incredibilmente frustrante per me
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
perché avevo un elenco di 250 visualizzazioni da fare per il mio libro,
13:36
and I spent a month doing this,
326
801000
2000
e mi ci è voluto un mese per farlo,
13:38
and I only filled two pages.
327
803000
2000
ed ho riempito solo due pagine.
13:40
But what it points to
328
805000
2000
Ma ciò che dimostra
13:42
is that visualizing information like this
329
807000
2000
è che la visualizzazione delle informazioni di questo tipo
13:44
is a form of knowledge compression.
330
809000
2000
è una forma di comprensione della conoscenza.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
E' un modo di spremere un enorme ammontare
13:48
of information and understanding
332
813000
2000
di informazioni e apprendimento
13:50
into a small space.
333
815000
2000
in uno spazio limitato.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
E una volta che avete curato i dati, e una volta che avete pulito quei dati,
13:54
and once it's there,
335
819000
2000
e una volta che sono lì,
13:56
you can do cool stuff like this.
336
821000
2000
potete farci un sacco di cose fantastiche.
13:58
So I converted this into an interactive app,
337
823000
2000
Quindi ho convertito tutto questo in una mappa interattiva,
14:00
so I can now generate this application online --
338
825000
2000
ora posso generare questa applicazione online --
14:02
this is the visualization online --
339
827000
2000
questa è la visualizzazione online --
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
e posso dire, "Brillante."
14:06
So it spawns itself.
341
831000
2000
Si autogenera.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
E poi posso dire, "Fammi solo vedere la roba che
14:10
that affects heart health."
343
835000
2000
riguarda la salute del cuore."
14:12
So let's filter that out.
344
837000
2000
Vediamo di filtrare un pò.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Il cuore viene filtrato, se sono curioso.
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
Penso, "No, no. Non voglio prendere niente di artificiale.
14:19
I just want to see plants and --
347
844000
3000
Voglio vedere solo le piante e --
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
fammi vedere solo erbe e piante. Qua ho solo ingredienti naturali."
14:25
Now this app is spawning itself
349
850000
2000
Questa app si genera da sola
14:27
from the data.
350
852000
2000
a partire dai dati.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Tutti i dati sono memorizzati in un Google doc,
14:31
and it's literally generating itself from that data.
352
856000
3000
e letteralmente si genera da sola da quei dati.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Ora i dati sono vivi; questa immagine è viva,
14:36
and I can update it in a second.
354
861000
2000
e posso aggiornarla in un attimo.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Vengono fuori nuove prove -- cambio semplicemente una riga in un foglio di calcolo.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
Doosh! Ancora una volta, l'immagine si ricrea da sola.
14:44
So it's cool.
357
869000
2000
E' fantastico.
14:46
It's kind of living.
358
871000
3000
E' una specie di creatura vivente.
14:49
But it can go beyond data,
359
874000
2000
Ma in un certo senso può andare oltre i dati,
14:51
and it can go beyond numbers.
360
876000
2000
e può andare oltre i numeri.
14:53
I like to apply information visualization
361
878000
2000
E mi piace applicare la visualizzazione delle informazioni
14:55
to ideas and concepts.
362
880000
3000
a idee e concetti.
14:58
This is a visualization
363
883000
2000
Questa è una visualizzazione
15:00
of the political spectrum,
364
885000
2000
dello spettro politico,
15:02
an attempt for me to try
365
887000
2000
in un tentativo da parte mia
15:04
and understand how it works
366
889000
2000
di capire come funziona
15:06
and how the ideas percolate down
367
891000
2000
e come le idee si infiltrano
15:08
from government into society and culture,
368
893000
2000
dal governo verso la società e la cultura,
15:10
into families, into individuals, into their beliefs
369
895000
3000
verso le famiglie, gli individui, nelle loro credenze
15:13
and back around again in a cycle.
370
898000
3000
e tornano indietro di nuovo in circolo.
15:16
What I love about this image
371
901000
2000
Quello che mi piace di questa immagine
15:18
is it's made up of concepts,
372
903000
2000
è che è fatta di concetti,
15:20
it explores our worldviews
373
905000
2000
esplora le nostre visione del mondo
15:22
and it helps us -- it helps me anyway --
374
907000
2000
e ci aiuta -- almeno aiuta me --
15:24
to see what others think,
375
909000
2000
a vedere ciò che pensano gli altri,
15:26
to see where they're coming from.
376
911000
2000
a conoscerne le motivazioni.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
E fa sentire meravigliosamente bene poterlo fare.
15:31
What was most exciting for me
378
916000
3000
E quello che è stato più emozionante per me
15:34
designing this
379
919000
2000
nel progettarlo,
15:36
was that, when I was designing this image,
380
921000
2000
è stato che, mentre progettavo questa immagine,
15:38
I desperately wanted this side, the left side,
381
923000
3000
volevo disperatamente che questa parte, la parte sinistra,
15:41
to be better than the right side --
382
926000
2000
fosse migliore della parte destra --
15:43
being a journalist, a Left-leaning person --
383
928000
3000
essendo quel tipo di giornalista, una persona che tende a sinistra --
15:46
but I couldn't, because I would have created
384
931000
2000
ma non ci sono riuscito, perché avrei creato
15:48
a lopsided, biased diagram.
385
933000
3000
un diagramma parziale e sbilenco.
15:51
So, in order to really create a full image,
386
936000
3000
Quindi, per poter creare un'immagine completa,
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
ho dovuto rispettare il punto di vista della destra
15:57
and at the same time, uncomfortably recognize
388
942000
3000
e nello stesso tempo, con un pò di disagio riconoscere
16:00
how many of those qualities were actually in me,
389
945000
3000
quanto tutte queste qualità fossero presenti in me,
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
il che è stato molto, molto fastidioso e scomodo.
16:05
(Laughter)
391
950000
4000
(Risate)
16:09
But not too uncomfortable,
392
954000
2000
Ma senza poi così tanto disagio,
16:11
because there's something unthreatening
393
956000
3000
perché c'è un aspetto così poco minaccioso
16:14
about seeing a political perspective,
394
959000
2000
nel vedere una prospettiva politica,
16:16
versus being told or forced to listen to one.
395
961000
3000
rispetto a sentirsela raccontare o essere costretti ad ascoltarla.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
Di fatto -- siete capaci di tenere sotto controllo punti di vista in conflitto
16:22
joyously when you can see them.
397
967000
2000
felicemente, quando si riescono a vedere.
16:24
It's even fun to engage with them
398
969000
2000
E' addirittura divertente affrontarli
16:26
because it's visual.
399
971000
2000
perché è visuale.
16:28
So that's what's exciting to me,
400
973000
2000
Quindi ecco cos'è stato emozionante per me,
16:30
seeing how data can change my perspective
401
975000
2000
vedere come i dati possono cambiare i miei punti di vista
16:32
and change my mind midstream --
402
977000
2000
e cambiare la mia corrente di pensiero --
16:34
beautiful, lovely data.
403
979000
3000
bellissimo, fantastici dati.
16:38
So, just to wrap up,
404
983000
2000
Quindi solo per riassumere,
16:40
I wanted to say
405
985000
2000
volevo dire
16:42
that it feels to me that design is about solving problems
406
987000
2000
che ho l'impressione che la progettazione abbia a che fare con la risoluzione di problemi
16:44
and providing elegant solutions,
407
989000
3000
e col fornire soluzioni eleganti.
16:47
and information design is about
408
992000
2000
E la progettazione dell'informazione riguarda
16:49
solving information problems.
409
994000
2000
la risoluzione di problemi informativi.
16:51
It feels like we have a lot of information problems
410
996000
2000
E sembra che abbiamo un sacco di problemi informativi
16:53
in our society at the moment,
411
998000
2000
nella nostra società in questo momento,
16:55
from the overload and the saturation
412
1000000
2000
a partire dal sovraccarico e saturazione
16:57
to the breakdown of trust and reliability
413
1002000
2000
alla perdita della verità e dell'affidabilità
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
e al crescente scetticismo e alla mancanza di trasparenza,
17:01
or even just interestingness.
415
1006000
2000
o anche solo l'interesse.
17:03
I mean, I find information just too interesting.
416
1008000
2000
Voglio dire, trovo le informazioni troppo interessanti.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
hanno una qualità magnetica che mi coinvolge.
17:09
So, visualizing information
418
1014000
2000
Quindi, visualizzare le informazioni
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
può darci una soluzione molto veloce a questo tipo di problemi.
17:14
Even when the information is terrible,
420
1019000
2000
E anche quando le informazioni sono terribili,
17:16
the visual can be quite beautiful.
421
1021000
3000
la visualizzazione può essere molto bella.
17:19
Often we can get clarity
422
1024000
3000
E spesso riusciamo a fare chiarezza
17:22
or the answer to a simple question very quickly,
423
1027000
2000
o a trovare la risposta ad una domanda semplice molto rapidamente,
17:24
like this one,
424
1029000
2000
come questa,
17:26
the recent Icelandic volcano.
425
1031000
3000
il recente vulcano Islandese.
17:29
Which was emitting the most CO2?
426
1034000
2000
Chi stava emettendo più CO2?
17:31
Was it the planes or the volcano,
427
1036000
2000
Erano gli aerei o il vulcano,
17:33
the grounded planes or the volcano?
428
1038000
2000
gli aerei costretti a terra o il vulcano?
17:35
So we can have a look.
429
1040000
2000
Possiamo dare un'occhiata.
17:37
We look at the data and we see:
430
1042000
2000
Guardiamo i dati e vediamo,
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
sì, il vulcano ha emesso 150.000 tonnellate;
17:41
the grounded planes would have emitted
432
1046000
2000
gli aerei a terra avrebbero emesso
17:43
345,000 if they were in the sky.
433
1048000
3000
345.000 se fossero stati in cielo.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Quindi in sostanza, abbiamo avuto il nostro primo vulcano ad emissione zero.
17:49
(Laughter)
435
1054000
2000
(Risate)
17:51
(Applause)
436
1056000
9000
(Applausi)
18:00
And that is beautiful. Thank you.
437
1065000
3000
Ed è fantastico. Grazie.
18:03
(Applause)
438
1068000
8000
(Applausi)
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