TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: O que eu aprendi de 2 mil obituários
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan começa seu dia com ovos mexidos e a pergunta: "Quem morreu hoje? Por quê?" Ao analisar 2 mil obituários do New York Times durante um período de 20 meses, Narayan resumiu, em poucas palavras, o que uma realização se aparece ao longo da vida. Aqui ele compartilha o que aqueles imortalizados na imprensa podem nos ensinar sobre uma bem vivida.
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 costumava correr
ao redor do campus de Stanford,
ao redor do campus de Stanford,
e ficava impressionado com todas
as mulheres que corriam lá.
as mulheres que corriam lá.
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Por que seus rabos de cavalo
balançavam de um lado para o outro?
balançavam de um lado para o outro?
Por ser matemático,
ele decidiu entender o porquê.
ele decidiu entender o porquê.
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
00:29
(Laughter)
4
17029
1151
(Risos)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
O professor Keller era
curioso por tantas coisas:
curioso por tantas coisas:
00:32
why teapots dribble
6
20534
1967
por que os bules de chá gotejam?
00:34
or how earthworms wriggle.
7
22525
1830
Ou como as minhocas se contorcem?
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
Até há poucos meses, eu nunca
tinha ouvido falar de Joseph Keller.
tinha ouvido falar de Joseph Keller.
00:40
I read about him in the New York Times,
9
28581
2852
Li sobre ele no New York Times
00:43
in the obituaries.
10
31457
1432
em um obituário.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
Era um editorial de meia página
dedicado a ele no Times
dedicado a ele no Times
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
e você percebe que é um espaço nobre
para um jornal desta estatura.
para um jornal desta estatura.
00:53
I read the obituaries almost every day.
13
41368
2342
Leio os obituários quase todos os dias.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
Minha esposa, compreensivelmente,
me acha um pouco mórbido
me acha um pouco mórbido
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
por começar meu dia com ovos mexidos
e um: "Vamos ver quem morreu hoje".
e um: "Vamos ver quem morreu hoje".
01:04
(Laughter)
16
52160
1150
(Risos)
01:06
But if you think about it,
17
54025
1292
Mas se pensarem nisso,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
a primeira página do jornal,
normalmente, só tem notícias ruins,
normalmente, só tem notícias ruins,
01:10
and cues man's failures.
19
58778
1975
e reforça as falhas humanas.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Uma secção na qual as notícias ruins
destacam feitos pessoais
destacam feitos pessoais
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
fica no final do jornal, no obituário.
01:19
In my day job,
22
67405
1364
No meu trabalho
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
lidero uma empresa
que foca as perspectivas futuras
que foca as perspectivas futuras
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
que os negociantes podem deduzir
de dados antigos,
de dados antigos,
01:25
a kind of rearview-mirror analysis.
25
73737
2944
um tipo de análise pelo retrovisor.
01:29
And we began to think:
26
77092
1155
E começamos a avaliar:
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 colocarmos o espelho retrovisor
nos obituários do New York Times?
nos obituários do New York Times?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Há lições de como podemos ter
seu obituário em destaque,
seu obituário em destaque,
01:40
even if you aren't around to enjoy it?
29
88006
1977
mesmo você não estando
por perto para usufruí-lo?
por perto para usufruí-lo?
01:42
(Laughter)
30
90007
1484
(Risos)
01:43
Would this go better with scrambled eggs?
31
91515
2628
E ficaria melhor com ovos mexidos?
01:46
(Laughter)
32
94167
1150
(Risos)
01:48
And so, we looked at the data.
33
96163
2998
E assim, avaliávamos os dados.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
Dois mil editoriais
de obituários gratuitos,
de obituários gratuitos,
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
no período de 20 meses, de 2015 a 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
O que essas 2 mil mortes,
ou melhor, vidas, nos ensinam?
ou melhor, vidas, nos ensinam?
02:04
Well, first we looked at words.
37
112901
2033
Certo, primeiro observamos as palavras.
02:06
This here is an obituary headline.
38
114958
1761
Este aqui é um título do obituário.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Este é o incrível Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Se removemos o início e o final,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
vamos ficar com uma descrição
muito boa e bem redigida
muito boa e bem redigida
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
que busca, em poucas palavras,
resumir uma conquista ou uma vida.
resumir uma conquista ou uma vida.
02:21
Just looking at these is fascinating.
43
129666
2161
É incrível só de olhar!
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
Eis algumas celebridades
que morreram nos últimos dois anos.
que morreram nos últimos dois anos.
02:27
Try and guess who they are.
45
135620
1319
Tentem adivinhar quem são.
02:28
[An Artist who Defied Genre]
46
136963
1440
[Artista que desafiou o gênero]
02:30
That's Prince.
47
138427
1185
É o Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[O grande boxeador do século 20]
02:34
Oh, yes.
49
142358
1160
Sim.
02:35
[Muhammad Ali]
50
143542
1224
[Muhammad Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Arquiteta extraordinária]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Nós nos apoiamos nestas descrições
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
e fizemos o processamento
natural da linguagem,
natural da linguagem,
02:45
where you feed these into a program,
55
153163
1771
que alimenta o programa eliminando
palavras supérfluas como "o", "e",
palavras supérfluas como "o", "e",
02:46
it throws out the superfluous words --
56
154958
1865
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
as palavras fáceis
de fazer num jogo de mímica,
de fazer num jogo de mímica,
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
e deixa apenas as palavras significativas.
02:55
And we did it not just for these four,
59
163311
1821
Fizemos não somente com essas quatro,
mas com todas as 2 mil descrições.
mas com todas as 2 mil descrições.
02:57
but for all 2,000 descriptors.
60
165156
2519
Este é o resultado:
02:59
And this is what it looks like.
61
167699
1743
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
Cinema, teatro, música, dança,
e claro artes, são enormes.
e claro artes, são enormes.
Mais de 40%.
03:08
Over 40 percent.
63
176485
1946
É inevitável questionar
por que em tantas sociedades
por que em tantas sociedades
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
forçamos nossos filhos a seguir
engenharia, medicina, gestão ou advocacia
engenharia, medicina, gestão ou advocacia
para conseguirem sucesso.
03:17
to be construed as successful.
66
185466
1587
Enquanto falamos de profissão,
vejamos a idade:
vejamos a idade:
03:19
And while we're talking profession,
67
187871
1693
03:21
let's look at age --
68
189588
1151
a idade média em que conquistaram algo.
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
03:25
That number is 37.
70
193297
1846
O número 37.
Isso significa que você
deve esperar 37 anos
deve esperar 37 anos
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
antes que seu grande feito,
pelo qual será lembrado
pelo qual será lembrado
03:35
on average --
73
203373
1151
em média, 44 anos mais tarde,
quando morrer, na idade de 81 anos
quando morrer, na idade de 81 anos
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
em média.
(Risos)
03:40
(Laughter)
76
208242
1001
03:41
Talk about having to be patient.
77
209267
1684
Isso é que é ter paciência!
03:42
(Laughter)
78
210975
1057
(Risos)
03:44
Of course, it varies by profession.
79
212056
2089
É claro, isso varia conforme a profissão.
03:46
If you're a sports star,
80
214566
1193
Se você for uma estrela do esporte,
baterá o seu grande recorde aos 20 anos
baterá o seu grande recorde aos 20 anos
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
03:49
And if you're in your 40s like me,
82
217934
2645
e se tem 40 anos, como eu,
03:52
you can join the fun world of politics.
83
220603
1991
pode se juntar ao divertido
mundo da política.
mundo da política.
03:54
(Laughter)
84
222618
1056
(Risos)
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
Os políticos só fazem algo
que presta a partir dos seus 40 anos.
que presta a partir dos seus 40 anos.
03:59
(Laughter)
86
227637
1257
(Risos)
04:00
If you're wondering what "others" are,
87
228918
1937
Se quiserem saber o que são os "outros",
04:02
here are some examples.
88
230879
1476
aqui estão alguns exemplos.
Não é fascinante o que as pessoas fazem
e as coisas pelas quais são lembradas?
e as coisas pelas quais são lembradas?
04:04
Isn't it fascinating, the things people do
89
232821
2116
04:06
and the things they're remembered for?
90
234961
1882
(Risos)
04:08
(Laughter)
91
236867
1752
04:12
Our curiosity was in overdrive,
92
240136
1844
Nossa curiosidade era excessiva,
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
queríamos analisar
mais do que apenas uma descrição.
mais do que apenas uma descrição.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Então, inserimos o primeiro parágrafo
na íntegra de todos os 2 mil obituários,
na íntegra de todos os 2 mil obituários,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
fizemos isto separadamente
para dois grupos de pessoas:
para dois grupos de pessoas:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
celebridades e anônimos.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Celebridades: Prince, Ali, Zaha Hadid.
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
Anônimos: pessoas como Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
Reverendo Curry
04:37
or Lorna Kelly.
100
265717
1169
ou Lorna Kelly.
Aposto que vocês nunca ouviram
a maioria desses nomes.
a maioria desses nomes.
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Pessoas maravilhosas, com feitos
fantásticos, mas que não são famosas.
fantásticos, mas que não são famosas.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
E se analisarmos esses dois grupos,
separadamente,
separadamente,
04:49
the famous and the non-famous?
104
277532
1525
as celebridades e os anônimos?
04:51
What might that tell us?
105
279081
1419
O que isso pode nos dizer?
04:52
Take a look.
106
280524
1240
Vejam só.
04:56
Two things leap out at me.
107
284556
1469
Duas coisas me parecem óbvias.
04:58
First:
108
286569
1170
Primeiro:
05:00
"John."
109
288106
1198
"John".
05:01
(Laughter)
110
289328
1300
(Risos)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
E qualquer um aqui chamado John,
deveria agradecer aos pais...
deveria agradecer aos pais...
05:07
(Laughter)
112
295326
1329
(Risos)
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 lembrar aos seus filhos para cortar
o seu obituário quando você morrer.
o seu obituário quando você morrer.
05:13
And second:
114
301061
1356
E segundo:
05:15
"help."
115
303849
1154
"Ajuda".
Descobrimos muitas lições
de vidas bem vividas,
de vidas bem vividas,
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
e o que essas pessoas imortalizadas
no papel podem nos ensinar.
no papel podem nos ensinar.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
O exercício foi um fascinante testamento
para o caleidoscópio que é a vida.
para o caleidoscópio que é a vida.
05:29
and even more fascinating
119
317635
2715
Ainda mais fascinante,
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
foi o fato de que em muitos dos obituários
havia celebridades e anônimos
havia celebridades e anônimos
05:35
featured people famous and non-famous,
121
323466
2998
05:38
who did seemingly extraordinary things.
122
326488
2433
que fizeram coisas extraordinárias.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Fizeram algo positivo no tecido da vida.
05:44
They helped.
124
332708
1237
Ajudaram.
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
Perguntem-se ao voltar ao seu dia a dia:
como uso os meus talentos
para ajudar a sociedade?
para ajudar a sociedade?
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
Pois a lição mais poderosa aqui é:
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
se mais pessoas vivessem suas vidas
tentando ser famosos na morte,
tentando ser famosos na morte,
o mundo seria um lugar muito melhor.
05:59
the world would be a much better place.
129
347688
2605
(Risos)
06:03
Thank you.
130
351062
1169
Obrigado.
(Aplausos)
06:04
(Applause)
131
352255
2848
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