TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Wat ik heb geleerd van 2.000 necrologieën
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan begint zijn dag met roerei en de vraag: wie is er vandaag gestorven? Waarom? Aan de hand van een analyse van 2.000 necrologieën uit The New York Times achterhaalde Narayan hoe een succesvol leven er in een paar woorden uitziet. Hij vertelt ons hier wat zij die in de krant werden vereeuwigd ons kunnen leren over een rijk leven.
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 liep altijd hard
op het universiteitsterrein van Stanford
op het universiteitsterrein van Stanford
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
en hij verbaasde zich over alle vrouwen
die daar ook aan het hardlopen waren.
die daar ook aan het hardlopen waren.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Waarom zwaaiden hun paardenstaarten
altijd zo heen en weer?
altijd zo heen en weer?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Als wiskundige wilde hij weten
waarom dat zo was.
waarom dat zo was.
00:29
(Laughter)
4
17029
1151
(Gelach)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
Professor Keller
was overal in geïnteresseerd:
was overal in geïnteresseerd:
00:32
why teapots dribble
6
20534
1967
waarom een theepot lekt
00:34
or how earthworms wriggle.
7
22525
1830
of hoe een worm kronkelt.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
Enkele maanden terug had ik
nog nooit van Joseph Keller gehoord.
nog nooit van Joseph Keller gehoord.
00:40
I read about him in the New York Times,
9
28581
2852
Ik las over hem in The New York Times
00:43
in the obituaries.
10
31457
1432
onder de necrologieën.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
The Times had een artikel
van een halve pagina aan hem gewijd,
van een halve pagina aan hem gewijd,
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
kostbare ruimte natuurlijk
voor een krant van dat niveau.
voor een krant van dat niveau.
00:53
I read the obituaries almost every day.
13
41368
2342
Ik lees de necrologieën bijna elke dag.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Mijn vrouw vindt het nogal morbide
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
hoe ik mijn dag begin met roerei
en 'wie zou er vandaag zijn overleden'.
en 'wie zou er vandaag zijn overleden'.
01:04
(Laughter)
16
52160
1150
(Gelach)
01:06
But if you think about it,
17
54025
1292
Maar als je erover nadenkt,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
is de voorpagina meestal
gevuld met slecht nieuws
gevuld met slecht nieuws
01:10
and cues man's failures.
19
58778
1975
dat ons herinnert aan al onze gebreken.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Een plek waar slecht nieuws
ons herinnert aan succes,
ons herinnert aan succes,
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
is achterin de krant bij de necrologieën.
01:19
In my day job,
22
67405
1364
Voor mijn werk
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
run ik een bedrijf gericht
op toekomstige inzichten
op toekomstige inzichten
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
die marketeers halen
uit data uit het verleden --
uit data uit het verleden --
01:25
a kind of rearview-mirror analysis.
25
73737
2944
een soort analyse
via de achteruitkijkspiegel.
via de achteruitkijkspiegel.
01:29
And we began to think:
26
77092
1155
Op een keer dachten we:
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
als we die achteruitkijkspiegel
nou eens gebruikten
nou eens gebruikten
voor de necrologieën
uit The New York Times?
uit The New York Times?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Konden we erachter komen
hoe je je eigen necrologie kunt krijgen --
hoe je je eigen necrologie kunt krijgen --
01:40
even if you aren't around to enjoy it?
29
88006
1977
ook al zul je haar nooit kunnen lezen?
01:42
(Laughter)
30
90007
1484
(Gelach)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Zou dat beter passen bij het ontbijt?
01:46
(Laughter)
32
94167
1150
(Gelach)
01:48
And so, we looked at the data.
33
96163
2998
Dus we bekeken de data.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2.000 redactionele,
onbetaalde necrologieën
onbetaalde necrologieën
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
uit een periode van 20 maanden
in 2015 en 2016.
in 2015 en 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Wat konden we leren van die 2.000 doden,
of beter gezegd: levens?
of beter gezegd: levens?
02:04
Well, first we looked at words.
37
112901
2033
We keken in de eerste plaats naar woorden.
02:06
This here is an obituary headline.
38
114958
1761
Dit is de kop van een necrologie.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Deze gaat over de geweldige Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Als je het begin en het eind weghaalt,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
houd je een prachtig
geformuleerde omschrijving over
geformuleerde omschrijving over
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
die in een paar woorden de prestatie
van een heel leven probeert te vatten.
van een heel leven probeert te vatten.
02:21
Just looking at these is fascinating.
43
129666
2161
Het is fascinerend
om die koppen te bestuderen.
om die koppen te bestuderen.
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
Dit zijn een paar beroemde
van de afgelopen twee jaar.
van de afgelopen twee jaar.
Raad maar eens over wie ze gaan.
02:27
Try and guess who they are.
45
135620
1319
02:28
[An Artist who Defied Genre]
46
136963
1440
[Artiest die genres doorbrak]
02:30
That's Prince.
47
138427
1185
Dat is Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[Titaan van het boksen en de 20e eeuw]
02:34
Oh, yes.
49
142358
1160
Oh, ja.
02:35
[Muhammad Ali]
50
143542
1224
[Mohammed Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Baanbrekend architect]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Die beschrijvende elementen
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
hebben we gebruikt
voor natuurlijke taalverwerking;
voor natuurlijke taalverwerking;
02:45
where you feed these into a program,
55
153163
1771
je voert ze in in een programma
02:46
it throws out the superfluous words --
56
154958
1865
dat de overbodige woorden eruit gooit,
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
'de', 'en', woorden die eenvoudig
uit te beelden zijn in Hints,
uit te beelden zijn in Hints,
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
en de belangrijkste woorden laat staan.
Dat deden we niet alleen met deze vier,
02:55
And we did it not just for these four,
59
163311
1821
02:57
but for all 2,000 descriptors.
60
165156
2519
maar met alle 2.000
beschrijvende elementen.
beschrijvende elementen.
02:59
And this is what it looks like.
61
167699
1743
En dit kwam eruit.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Film, theater, muziek, dans
en kunst natuurlijk, zijn heel belangrijk.
en kunst natuurlijk, zijn heel belangrijk.
03:08
Over 40 percent.
63
176485
1946
Goed voor meer dan 40 procent.
Waarom wordt er in zo veel
samenlevingen eigenlijk gedacht
samenlevingen eigenlijk gedacht
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
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
dat je techniek, geneeskunde, rechten
of bedrijfswetenschappen moet studeren
of bedrijfswetenschappen moet studeren
03:17
to be construed as successful.
66
185466
1587
om succesvol te zijn?
03:19
And while we're talking profession,
67
187871
1693
En nu we het hebben over beroepen,
03:21
let's look at age --
68
189588
1151
even over leeftijd --
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
de gemiddelde leeftijd
waarop ze iets bereikt hadden.
waarop ze iets bereikt hadden.
03:25
That number is 37.
70
193297
1846
Dat getal is 37.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Dat houdt dus in dat je gemiddeld
37 jaar moet wachten
37 jaar moet wachten
op de eerste mijlpaal
waarvoor je herinnerd zult worden,
waarvoor je herinnerd zult worden,
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
03:35
on average --
73
203373
1151
44 jaar later als je sterft op je 81e --
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
gemiddeld.
03:39
on average.
75
207050
1168
(Gelach)
03:40
(Laughter)
76
208242
1001
03:41
Talk about having to be patient.
77
209267
1684
Dat is pas geduld hebben.
03:42
(Laughter)
78
210975
1057
(Gelach)
03:44
Of course, it varies by profession.
79
212056
2089
Dat scheelt natuurlijk wel per beroep.
03:46
If you're a sports star,
80
214566
1193
Als je sporter bent,
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
komt je doorbraak vast al
als je in de 20 bent.
als je in de 20 bent.
03:49
And if you're in your 40s like me,
82
217934
2645
En als je in de 40 bent, zoals ik,
dan kan je altijd nog de politiek in gaan.
03:52
you can join the fun world of politics.
83
220603
1991
03:54
(Laughter)
84
222618
1056
(Gelach)
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
Politici bereiken hun eerste, soms enige
verdienste als ze halverwege 40 zijn.
verdienste als ze halverwege 40 zijn.
03:59
(Laughter)
86
227637
1257
(Gelach)
04:00
If you're wondering what "others" are,
87
228918
1937
Vraag je je af wat 'overige' inhoudt --
04:02
here are some examples.
88
230879
1476
dit zijn een paar voorbeelden.
04:04
Isn't it fascinating, the things people do
89
232821
2116
Fascinerend toch, wat mensen doen
04:06
and the things they're remembered for?
90
234961
1882
en waarvoor ze herinnerd worden?
04:08
(Laughter)
91
236867
1752
(Gelach)
04:12
Our curiosity was in overdrive,
92
240136
1844
Onze nieuwsgierigheid liep hoog op
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
en we wilden meer analyseren
dan enkel een beschrijvend element.
dan enkel een beschrijvend element.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Dus we voerden de hele eerste paragraaf
van alle 2.000 necrologieën in,
van alle 2.000 necrologieën in,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
maar we deden dit voor twee
aparte groepen mensen:
aparte groepen mensen:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
beroemde mensen
en mensen die niet beroemd zijn.
en mensen die niet beroemd zijn.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Beroemde mensen:
Prince, Ali, Zaha Hadid ...
Prince, Ali, Zaha Hadid ...
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
Mensen die niet beroemd zijn,
zijn mensen zoals Jocelyn Cooper,
zijn mensen zoals Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
dominee Curry
04:37
or Lorna Kelly.
100
265717
1169
en 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
De meeste van die namen
heb je vast nog nooit gehoord.
heb je vast nog nooit gehoord.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Geweldige mensen, fantastische dingen
bereikt, maar ze zijn niet beroemd.
bereikt, maar ze zijn niet beroemd.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
Als we die twee groepen apart analyseren,
04:49
the famous and the non-famous?
104
277532
1525
beroemde en niet-beroemde?
04:51
What might that tell us?
105
279081
1419
Wat kunnen we daarvan leren?
04:52
Take a look.
106
280524
1240
Kijk maar.
04:56
Two things leap out at me.
107
284556
1469
Twee dingen springen eruit.
04:58
First:
108
286569
1170
Ten eerste:
05:00
"John."
109
288106
1198
'John'.
05:01
(Laughter)
110
289328
1300
(Gelach)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Heet je John, dan mag je
je ouders bedanken --
je ouders bedanken --
05:07
(Laughter)
112
295326
1329
(Gelach)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
en vertel je kinderen dat ze later
je necrologie uit de krant knippen.
je necrologie uit de krant knippen.
05:13
And second:
114
301061
1356
En ten tweede:
05:15
"help."
115
303849
1154
'helpen'.
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
We hebben veel geleerd van de rijke levens
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
en de lessen van deze mensen,
in de krant vereeuwigd.
in de krant vereeuwigd.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Dit project was een fascinerend testament
van de caleidoscoop die het leven is
van de caleidoscoop die het leven is
05:29
and even more fascinating
119
317635
2715
en nog fascinerender
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
was het feit dat de overgrote
meerderheid van de necrologieën
meerderheid van de necrologieën
05:35
featured people famous and non-famous,
121
323466
2998
ging over beroemde
en niet-beroemde mensen
en niet-beroemde mensen
05:38
who did seemingly extraordinary things.
122
326488
2433
die bijzondere dingen hadden bereikt.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Ze hebben een positieve bijdrage geleverd.
05:44
They helped.
124
332708
1237
Anderen geholpen.
Vraag jezelf dus eens het volgende af:
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
hoe draag ik met mijn talent
bij aan een betere maatschappij?
bij aan een betere maatschappij?
05:49
How am I using my talents to help society?
126
337387
2920
05:52
Because the most powerful lesson here is,
127
340331
2973
Want de belangrijkste les hier is:
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
als meer mensen zouden leven
om na hun dood beroemd te zijn,
om na hun dood beroemd te zijn,
05:59
the world would be a much better place.
129
347688
2605
zou de wereld er veel beter uitzien.
06:03
Thank you.
130
351062
1169
Bedankt.
06:04
(Applause)
131
352255
2848
(Applaus)
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