TEDGlobal 2010
David McCandless: The beauty of data visualization
David McCandless: A beleza da visualização de dados
Filmed:
Readability: 4.3
3,250,094 views
David McCandless transforma conjuntos de dados complexos como gastos militares mundiais, media buzz, atualizações do Facebook e mais em bonitos ainda que simples diagramas. Ele propõe design de informação como a ferramenta que usamos para navegar através do excesso de informação de hoje, achando padrões únicos e conexões que podem mudar a maneira como vemos o mundo.
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
Parece que estamos sofrendo
00:17
from information overload or data glut.
1
2000
3000
de excesso de informação ou abundância de dados.
00:20
And the good news is there might be an easy solution to that,
2
5000
2000
E a boa noticia é que pode haver uma solução fácil pra isso,
00:22
and that's using our eyes more.
3
7000
2000
e é usarmos mais os nossos olhos.
00:24
So, visualizing information, so that we can see
4
9000
2000
E assim visualizando informação, para que possamos ver
00:26
the patterns and connections that matter
5
11000
3000
os padrões e conexões que importam
00:29
and then designing that information so it makes more sense,
6
14000
3000
e então projetar a informação para que faça mais sentido,
00:32
or it tells a story,
7
17000
2000
ou conte uma estória,
00:34
or allows us to focus only on the information that's important.
8
19000
3000
ou nos permita focar apenas na informação que for importante.
00:38
Failing that, visualized information can just look really cool.
9
23000
3000
Se não funcionar, informação visualizada pode simplesmente parecer muito legal.
00:41
So, let's see.
10
26000
2000
Então, vamos ver.
00:45
This is the $Billion Dollar o-Gram,
11
30000
2000
Este é o Billion Dollar Gram (Diagrama de Bilhões de Dólares),
00:47
and this image arose
12
32000
2000
e essa imagem surgiu
00:49
out of frustration I had
13
34000
2000
de uma frustração que tive
00:51
with the reporting of billion-dollar amounts in the press.
14
36000
2000
com relatos de montantes de bilhões de dólares na imprensa.
00:53
That is, they're meaningless without context:
15
38000
3000
Isto é, não fazem sentido sem o conexto.
00:56
500 billion for this pipeline,
16
41000
2000
500 bilhões por esse duto.
00:58
20 billion for this war.
17
43000
2000
20 bilhões por essa guerra
01:00
It doesn't make any sense, so the only way to understand it
18
45000
2000
Não faz o menor sentido, então a única maneira de entender
01:02
is visually and relatively.
19
47000
2000
é de forma visual e relativa.
01:04
So I scraped a load of reported figures
20
49000
2000
Então, eu peguei um monte de figuras
01:06
from various news outlets
21
51000
2000
de várias fontes de notícias
01:08
and then scaled the boxes according to those amounts.
22
53000
3000
e então coloquei em escala de acordo com as quantidades.
01:11
And the colors here represent the motivation behind the money.
23
56000
3000
E as cores aqui representam a motivação por trás do dinheiro.
01:14
So purple is "fighting,"
24
59000
3000
Então, roxo é luta,
01:17
and red is "giving money away," and green is "profiteering."
25
62000
3000
e vermelho é doação, e verde é lucro.
01:20
And what you can see straight away
26
65000
2000
E o que você pode ver de imediato
01:22
is you start to have a different relationship to the numbers.
27
67000
2000
é que você começa a se relacionar diferente com os números.
01:24
You can literally see them.
28
69000
2000
Você pode vê-los literalmente.
01:26
But more importantly, you start to see
29
71000
2000
Mas o mais importante é que você começa a ver
01:28
patterns and connections between numbers
30
73000
2000
padrões e conexões entre os números
01:30
that would otherwise be scattered across multiple news reports.
31
75000
3000
que, de outra forma, estariam desmembradas entre várias notícias.
01:33
Let me point out some that I really like.
32
78000
3000
Deixem-me destacar alguns dos quais eu gosto bastante.
01:36
This is OPEC's revenue, this green box here --
33
81000
2000
Esse é a receita da OPEP, essa caixa verde aqui --
01:38
780 billion a year.
34
83000
2000
780 bilhões por ano.
01:40
And this little pixel in the corner -- three billion --
35
85000
3000
E esse pequeno pixel no canto -- três bilhões --
01:43
that's their climate change fund.
36
88000
3000
é o fundo de mudanças climáticas deles.
01:46
Americans, incredibly generous people --
37
91000
2000
Americanos, pessoas incrivelmente generosas --
01:48
over 300 billion a year, donated to charity every year,
38
93000
3000
mais de 300 bilhões por ano, doados para caridade todos os anos,
01:51
compared with the amount of foreign aid
39
96000
2000
comparado com a quantidade de ajuda estrangeira
01:53
given by the top 17 industrialized nations
40
98000
2000
dada pelas 17 mais importantes nações industrializadas
01:55
at 120 billion.
41
100000
2000
em 120 bilhões.
01:57
Then of course,
42
102000
2000
E é claro,
01:59
the Iraq War, predicted to cost just 60 billion
43
104000
2000
a guerra do Iraque, prevista a custar 60 bilhões
02:01
back in 2003.
44
106000
3000
lá 2003.
02:04
And it mushroomed slightly. Afghanistan and Iraq mushroomed now
45
109000
3000
E cresceu de leve. O Afeganistão cresceu agora
02:07
to 3,000 billion.
46
112000
3000
para 3.000 bilhões.
02:10
So now it's great
47
115000
2000
Então agora é ótimo
02:12
because now we have this texture, and we can add numbers to it as well.
48
117000
2000
porque agora temos essa textura, e podemos adicionar números a ela também.
02:14
So we could say, well, a new figure comes out ... let's see African debt.
49
119000
3000
Então podemos dizer, bem, que surge uma nova figura... vamos ver: dívida africana.
02:17
How much of this diagram do you think might be taken up
50
122000
2000
Quanto deste diagrama vocês acham que será ocupado
02:19
by the debt that Africa owes to the West?
51
124000
2000
pela dívida que a África tem com o Ocidente?
02:21
Let's take a look.
52
126000
2000
Vamos ver.
02:23
So there it is:
53
128000
2000
Aí está.
02:25
227 billion is what Africa owes.
54
130000
2000
227 bilhões é o que a África deve.
02:27
And the recent financial crisis,
55
132000
2000
E a crise financeira recente --
02:29
how much of this diagram might that figure take up?
56
134000
2000
quanto desse diagrama ela pode ocupar?
02:31
What has that cost the world? Let's take a look at that.
57
136000
3000
O que custou para mundo? Vamos dar uma olhada nisso.
02:34
Dooosh -- Which I think is the appropriate sound effect
58
139000
3000
"Dooosh", acho que esse é o efeito sonoro apropriado
02:37
for that much money:
59
142000
2000
para tanto dinheiro.
02:39
11,900 billion.
60
144000
4000
11.900 bilhões.
02:45
So, by visualizing this information,
61
150000
2000
Então, visualizando essa informação,
02:47
we turned it into a landscape
62
152000
2000
nós a transformamos em um cenário
02:49
that you can explore with your eyes,
63
154000
2000
que você pode explorar com os seus olhos,
02:51
a kind of map really, a sort of information map.
64
156000
2000
um tipo de mapa mesmo, um tipo de mapa de informação.
02:53
And when you're lost in information,
65
158000
2000
E quando você está perdido em informação,
02:55
an information map is kind of useful.
66
160000
3000
um mapa de informação até que é útil.
02:58
So I want to show you another landscape now.
67
163000
2000
Eu quero mostrar outro cenário a vocês agora.
03:00
We need to imagine what a landscape
68
165000
2000
Precisamos imaginar como um cenário
03:02
of the world's fears might look like.
69
167000
3000
dos medos do mundo pode parecer.
03:05
Let's take a look.
70
170000
2000
Vamos dar uma olhada.
03:07
This is Mountains Out of Molehills,
71
172000
2000
Isto é tempestade em um copo d'água ,
03:09
a timeline of global media panic.
72
174000
2000
uma linha do tempo do pânico da mídia global.
03:11
(Laughter)
73
176000
2000
(Risos)
03:13
So, I'll label this for you in a second.
74
178000
2000
Então, já vou legendar isso pra vocês.
03:15
But the height here, I want to point out,
75
180000
2000
Mas a altura aqui, que eu quero destacar,
03:17
is the intensity of certain fears
76
182000
2000
é a intensidade de certos medos,
03:19
as reported in the media.
77
184000
2000
como mostrado na mídia.
03:21
Let me point them out.
78
186000
2000
Deixe-me destacá-los.
03:23
So this, swine flu -- pink.
79
188000
4000
Então isso, gripe suína -- rosa.
03:27
Bird flu.
80
192000
2000
Gripe aviária.
03:29
SARS -- brownish here. Remember that one?
81
194000
3000
SARS -- amarronzado aqui. Lembrem-se dessa.
03:32
The millennium bug,
82
197000
3000
O bug do milênio --
03:35
terrible disaster.
83
200000
2000
desastre terrível.
03:37
These little green peaks
84
202000
2000
Esses pequenos picos verdes
03:39
are asteroid collisions.
85
204000
2000
são colisões de asterórides.
03:41
(Laughter)
86
206000
2000
(Risos)
03:43
And in summer, here, killer wasps.
87
208000
2000
E no verão, aqui, vespas assassinas.
03:45
(Laughter)
88
210000
8000
(Risos)
03:53
So these are what our fears look like
89
218000
2000
Então isso é como os nossos medos podem ser representados
03:55
over time in our media.
90
220000
2000
ao longo do tempo na nossa mídia.
03:57
But what I love -- and I'm a journalist --
91
222000
2000
Mas o que eu amo -- e eu sou um jornalista --
03:59
and what I love is finding hidden patterns; I love being a data detective.
92
224000
3000
e o que eu amo é achar padrões escondidos; adoro ser um detetive da dados.
04:02
And there's a very interesting and odd pattern hidden in this data
93
227000
3000
E existe um padrão muito interessante e estranho escondido nessa informação
04:05
that you can only see when you visualize it.
94
230000
2000
que você só consegue ver quando o visualiza.
04:07
Let me highlight it for you.
95
232000
2000
Deixem-me destacá-lo para vocês.
04:09
See this line, this is a landscape for violent video games.
96
234000
3000
Olhem essa linha. Isso é um cenário para vídeo games violentos.
04:12
As you can see, there's a kind of odd, regular pattern in the data,
97
237000
3000
Como vocês podem ver, existe um padrão regular meio estranho nos dados,
04:15
twin peaks every year.
98
240000
2000
picos gêmeos todo ano.
04:17
If we look closer, we see those peaks occur
99
242000
2000
Se olhamos mais de perto, vemos esses picos ocorrerem
04:19
at the same month every year.
100
244000
3000
no mesmo mês todo ano.
04:22
Why?
101
247000
2000
Por quê?
04:24
Well, November, Christmas video games come out,
102
249000
2000
Bem, em Novembro, os jogos do Natal são lançados,
04:26
and there may well be an upsurge in the concern about their content.
103
251000
3000
e deve haver uma maior preocupação sobre seu conteúdo.
04:29
But April isn't a particularly massive month
104
254000
3000
Mas Abril não é um mês particularmente massivo
04:32
for video games.
105
257000
2000
para video games.
04:34
Why April?
106
259000
2000
Por que Abril?
04:36
Well, in April 1999 was the Columbine shooting,
107
261000
3000
Bem, em Abril de 1999 foi o tiroteio de Columbine,
04:39
and since then, that fear
108
264000
2000
e, desde então, aquele medo
04:41
has been remembered by the media
109
266000
2000
tem sido lembrado pela mídia
04:43
and echoes through the group mind gradually through the year.
110
268000
2000
e ecoa gradualmente pelo mente coletiva durante o ano.
04:45
You have retrospectives, anniversaries,
111
270000
3000
Temos restrospectivas, aniversários,
04:48
court cases, even copy-cat shootings,
112
273000
3000
casos judiciais, até mesmo tiroteios imitando,
04:51
all pushing that fear into the agenda.
113
276000
3000
todos empurrando aquele medo pro cotidiano.
04:54
And there's another pattern here as well. Can you spot it?
114
279000
2000
E existe outro padrão aqui também. Vocês conseguem ver?
04:56
See that gap there? There's a gap,
115
281000
2000
Vêem essa falha aqui? Existe uma falha,
04:58
and it affects all the other stories.
116
283000
2000
e ela afeta todas as outras estórias.
05:00
Why is there a gap there?
117
285000
2000
Por que existe essa falha aí?
05:02
You see where it starts? September 2001,
118
287000
3000
Vocês vêem onde ela começa? Setembro de 2001,
05:05
when we had something very real
119
290000
2000
quando tivemos algo bem real
05:07
to be scared about.
120
292000
2000
para temer.
05:09
So, I've been working as a data journalist for about a year,
121
294000
3000
Então, tenho trabalhado como jornalista apurador por mais ou menos um ano,
05:12
and I keep hearing a phrase
122
297000
2000
e fico escutando uma frase
05:14
all the time, which is this:
123
299000
3000
o tempo todo, que é a seguinte:
05:17
"Data is the new oil."
124
302000
2000
"Dados são o novo petróleo."
05:19
Data is the kind of ubiquitous resource
125
304000
3000
E dados são o tipo de recurso onipresente
05:22
that we can shape to provide new innovations and new insights,
126
307000
3000
que podemos formatar pra prover novas inovações e novas perspectivas,
05:25
and it's all around us, and it can be mined very easily.
127
310000
3000
e está ao redor, e pode ser extraído facilmente.
05:28
It's not a particularly great metaphor in these times,
128
313000
3000
E não é nenhuma grande metáfora nesses tempos,
05:31
especially if you live around the Gulf of Mexico,
129
316000
3000
especialmente se você vive perto do Golfo do México.
05:34
but I would, perhaps, adapt this metaphor slightly,
130
319000
2000
mas eu acho que adaptaria um pouquinho essa metáfora,
05:36
and I would say that data is the new soil.
131
321000
3000
e diria que dados são o novo solo.
05:40
Because for me, it feels like a fertile, creative medium.
132
325000
3000
Porque para mim, parece um meio fértil, criativo.
05:43
Over the years, online,
133
328000
2000
Sabe, ao longo dos anos, online,
05:45
we've laid down
134
330000
3000
nós plantamos
05:48
a huge amount of information and data,
135
333000
2000
uma quantidade gigantesca de informações e dados,
05:50
and we irrigate it with networks and connectivity,
136
335000
2000
e irrigamos com redes e conectividade,
05:52
and it's been worked and tilled by unpaid workers and governments.
137
337000
3000
e isso foi feito por empregados e governos sem pagamento.
05:55
And, all right, I'm kind of milking the metaphor a little bit.
138
340000
3000
E, ok, eu estou explorando a metáfora um pouquinho.
05:58
But it's a really fertile medium,
139
343000
3000
Mas é um meio muito fértil
06:01
and it feels like visualizations, infographics, data visualizations,
140
346000
3000
e visualizações, infográficos, visualização de dados,
06:04
they feel like flowers blooming from this medium.
141
349000
3000
eles se parecem com flores desabrochando desse meio.
06:07
But if you look at it directly,
142
352000
2000
Mas se você olhar diretamente,
06:09
it's just a lot of numbers and disconnected facts.
143
354000
2000
é só um monte e números e fatos disconexos.
06:11
But if you start working with it and playing with it in a certain way,
144
356000
3000
Mas se você começar a trabalhar com eles e manipulá-los de um certo modo
06:14
interesting things can appear and different patterns can be revealed.
145
359000
3000
coisas interessantes poderão aparecer, e padrões diferentes poderão ser revelados.
06:17
Let me show you this.
146
362000
2000
Deixem-me mostrar isto.
06:19
Can you guess what this data set is?
147
364000
3000
Vocês conseguem adivinhar o que esses dados dizem?
06:22
What rises twice a year,
148
367000
2000
O que cresce duas vezes por ano,
06:24
once in Easter
149
369000
2000
uma na Páscoa
06:26
and then two weeks before Christmas,
150
371000
2000
e, depois, duas semanas antes do Natal,
06:28
has a mini peak every Monday,
151
373000
2000
tem um mini pico todas as segundas-feiras
06:30
and then flattens out over the summer?
152
375000
2000
e depois some no verão.
06:32
I'll take answers.
153
377000
2000
Eu aceito respostas.
06:34
(Audience: Chocolate.) David McCandless: Chocolate.
154
379000
2000
(Platéia: Chocolate). David McCandless: Chocolate.
06:36
You might want to get some chocolate in.
155
381000
3000
Você pode querer colocar um pouco de chocolate dentro.
06:39
Any other guesses?
156
384000
2000
Alguma outra idéia?
06:41
(Audience: Shopping.) DM: Shopping.
157
386000
2000
(Platéia: Shopping.) DM: Shopping.
06:43
Yeah, retail therapy might help.
158
388000
3000
É terapia das compras pode ajudar.
06:46
(Audience: Sick leave.)
159
391000
2000
(Platéia: Licença de Saúde.)
06:48
DM: Sick leave. Yeah, you'll definitely want to take some time off.
160
393000
2000
DM: Licença de Saúde. É, vocês vão decididamente querer uma folga.
06:50
Shall we see?
161
395000
2000
Vamos ver?
06:53
(Laughter)
162
398000
8000
(Risos)
07:01
(Applause)
163
406000
3000
(Aplausos)
07:04
So, the information guru Lee Byron and myself,
164
409000
3000
Então, a informação aqui, Lee Byron e eu,
07:07
we scraped 10,000 status Facebook updates
165
412000
3000
pegamos 10,0000 atualizações do Facebook
07:10
for the phrase "break-up" and "broken-up"
166
415000
2000
para a frase "separar" e "separaram-se"
07:12
and this is the pattern we found --
167
417000
2000
e esse foi o padrão que achamos --
07:14
people clearing out for Spring Break,
168
419000
2000
pessoas se liberando para as férias de primavera,
07:16
(Laughter)
169
421000
5000
(Risos)
07:21
coming out of very bad weekends on a Monday,
170
426000
2000
voltando de finais de semana péssimos na segunda,
07:23
being single over the summer,
171
428000
3000
ficando solteiros durante o verão.
07:26
and then the lowest day of the year, of course: Christmas Day.
172
431000
3000
E então o dia mais baixo do ano, claro: Dia de Natal.
07:29
Who would do that?
173
434000
3000
Quem faria isso?
07:32
So there's a titanic amount of data out there now,
174
437000
2000
Então existe uma quantidade "titânica" de informação lá fora agora,
07:34
unprecedented.
175
439000
2000
sem precedentes.
07:37
But if you ask the right kind of question,
176
442000
2000
Mas se você fizer o tipo certo de pergunta,
07:39
or you work it in the right kind of way,
177
444000
2000
ou se trabalhar do jeito certo,
07:41
interesting things can emerge.
178
446000
3000
coisas interessantes podem vir à tona.
07:44
So information is beautiful. Data is beautiful.
179
449000
3000
Informação é bonita. Dados são bonitos.
07:47
I wonder if I could make my life beautiful.
180
452000
3000
Eu me pergunto se eu poderia fazer minha vida bela.
07:50
And here's my visual C.V.
181
455000
2000
E aqui esta meu curriculum visual
07:52
I'm not quite sure I've succeeded.
182
457000
2000
Não tenho certeza se deu muito certo.
07:54
Pretty blocky, the colors aren't that great.
183
459000
2000
Bem quadrado. As cores não são muito boas.
07:56
But I wanted to convey something to you.
184
461000
3000
Mas eu queria mostrar uma coisa pra vocês.
07:59
I started as a programmer,
185
464000
2000
Eu comecei como programador,
08:01
and then I worked as a writer for many years, about 20 years,
186
466000
2000
e depois trabalhei como escritor por muitos anos, uns 20,
08:03
in print, online and then in advertising,
187
468000
2000
em impressos, online e depois em propaganda,
08:05
and only recently have I started designing.
188
470000
3000
e só recentemente eu comecei a fazer design.
08:08
And I've never been to design school.
189
473000
2000
E eu nunca fui a escola de design.
08:10
I've never studied art or anything.
190
475000
3000
Nunca estudei arte nem nada.
08:13
I just kind of learned through doing.
191
478000
2000
Eu meio que aprendi fazendo.
08:15
And when I started designing,
192
480000
2000
E quando eu comecei a fazer design,
08:17
I discovered an odd thing about myself.
193
482000
2000
Eu descobri uma coisa estranha sobre mim mesmo.
08:19
I already knew how to design,
194
484000
2000
Eu já sabia fazer design,
08:21
but it wasn't like I was amazingly brilliant at it,
195
486000
3000
mas não era como se eu fosse incrivelmente brilhante nisso,
08:24
but more like I was sensitive
196
489000
2000
mas eu era sensível
08:26
to the ideas of grids and space
197
491000
2000
às idéias de gradess e espaço
08:28
and alignment and typography.
198
493000
2000
e alinhamento e tipografia.
08:30
It's almost like being exposed
199
495000
2000
É quase como se estar exposto
08:32
to all this media over the years
200
497000
2000
a toda essa mídia durante os anos
08:34
had instilled a kind of dormant design literacy in me.
201
499000
3000
tivesse colocado um aprendizado de design adormecido dentro de mim.
08:37
And I don't feel like I'm unique.
202
502000
2000
E eu não me sinto diferente de ninguém
08:39
I feel that everyday, all of us now
203
504000
2000
Eu sinto isso todos os dias, todos nós agora
08:41
are being blasted by information design.
204
506000
3000
estamos sendo afetados pelo design da informação.
08:44
It's being poured into our eyes through the Web,
205
509000
2000
Está sendo derramado nos nossos olhos através da web,
08:46
and we're all visualizers now;
206
511000
2000
e somos todos visualizadores agora;
08:48
we're all demanding a visual aspect
207
513000
2000
estamos exigindo um aspecto visual
08:50
to our information.
208
515000
3000
para a nossa informação.
08:53
There's something almost quite magical about visual information.
209
518000
3000
E existe algo quase mágico sobre a informação visual.
08:56
It's effortless, it literally pours in.
210
521000
3000
É sem esforço; literalmente jorra.
08:59
And if you're navigating a dense information jungle,
211
524000
3000
E se você está navegando por uma densa selva de informação,
09:02
coming across a beautiful graphic
212
527000
2000
passando por um lindo gráfico
09:04
or a lovely data visualization,
213
529000
2000
ou uma ótima visualização de informação,
09:06
it's a relief, it's like coming across a clearing in the jungle.
214
531000
3000
é um alívio, é como atravessar uma clareira na selva.
09:09
I was curious about this, so it led me
215
534000
2000
E eu estava curioso sobre isso, e isso me levou
09:11
to the work of a Danish physicist
216
536000
2000
ao trabalho de um físico dinamarquês
09:13
called Tor Norretranders,
217
538000
2000
chamado Tor Norretranders,
09:15
and he converted the bandwidth of the senses into computer terms.
218
540000
3000
e ele converteu a banda larga dos sentidos em termos de informática.
09:19
So here we go. This is your senses,
219
544000
2000
Então aqui vamos nós. Isso são os seus sentidos,
09:21
pouring into your senses every second.
220
546000
2000
entrando nos seus sentidos a todo segundo.
09:23
Your sense of sight is the fastest.
221
548000
3000
Seu senso de visão é o mais rápido.
09:26
It has the same bandwidth as a computer network.
222
551000
3000
Tem a mesma largura de banda que a de uma rede de computadores.
09:29
Then you have touch, which is about the speed of a USB key.
223
554000
3000
Então você tem o tato, que tem a velocidade de um USB.
09:32
And then you have hearing and smell,
224
557000
2000
E depois tem audição e visão,
09:34
which has the throughput of a hard disk.
225
559000
2000
que têm a capacidade de um disco rígido.
09:36
And then you have poor old taste,
226
561000
2000
E você tem o pobre, velho paladar,
09:38
which is like barely the throughput of a pocket calculator.
227
563000
3000
que é mais ou menos a capacidade de uma calculadora de bolso.
09:41
And that little square in the corner, a naught .7 percent,
228
566000
3000
E aquele pequeno quadrado no canto, 0.7 porcento,
09:44
that's the amount we're actually aware of.
229
569000
3000
é a quantidade de que estamos realmente conscientes.
09:47
So a lot of your vision --
230
572000
2000
E muito da sua visão --
09:49
the bulk of it is visual, and it's pouring in.
231
574000
2000
a maior parte é visual, e está jorrando.
09:51
It's unconscious.
232
576000
2000
Inconscientemente.
09:53
The eye is exquisitely sensitive
233
578000
3000
E o olho é extremamente sensível
09:56
to patterns in variations in color, shape and pattern.
234
581000
3000
a padrões em variações de cor, formato e padrão.
09:59
It loves them, and it calls them beautiful.
235
584000
2000
Ele os ama, e os chama de belos.
10:01
It's the language of the eye.
236
586000
2000
É a linguagem do olho.
10:03
If you combine the language of the eye with the language of the mind,
237
588000
2000
E se você combinar a linguagem do olho com a linguagem da mente,
10:05
which is about words and numbers and concepts,
238
590000
3000
que é sobre palavras, números e conceitos,
10:08
you start speaking two languages simultaneously,
239
593000
3000
você começa a falar duas línguas simultâneamente,
10:11
each enhancing the other.
240
596000
3000
uma melhorando a outra.
10:14
So, you have the eye, and then you drop in the concepts.
241
599000
3000
Então, você tem o olho, e insere os conceitos.
10:17
And that whole thing -- it's two languages
242
602000
2000
E tudo aquilo -- são duas linguagens
10:19
both working at the same time.
243
604000
2000
trabalhando ao mesmo tempo.
10:21
So we can use this new kind of language, if you like,
244
606000
2000
Então usaremos esse novo tipo de linguagem, se vocês quiserem,
10:23
to alter our perspective or change our views.
245
608000
3000
pra alterar nossas perspectivas ou mudar nosso ponto de vista.
10:26
Let me ask you a simple question
246
611000
2000
Deixem-me fazer uma pergunta simples
10:28
with a really simple answer:
247
613000
2000
com uma resposta muito simples.
10:30
Who has the biggest military budget?
248
615000
2000
Quem tem o maior orçamento militar?
10:32
It's got to be America, right?
249
617000
2000
Tem que ser os Estados Unidos, certo?
10:34
Massive. 609 billion in 2008 --
250
619000
2000
Massivo. 609 bilhões em 2008 --
10:36
607, rather.
251
621000
2000
607, na verdade.
10:38
So massive, in fact, that it can contain
252
623000
2000
Tão massivo, de fato, que pode conter
10:40
all the other military budgets in the world inside itself.
253
625000
3000
todos os outros orçamentos militares do mundo dentro dele.
10:43
Gobble, gobble, gobble, gobble, gobble.
254
628000
2000
Glump, glump, glump, glump. glump.
10:45
Now, you can see Africa's total debt there
255
630000
2000
Agora, você pode ver o débito total da África ali
10:47
and the U.K. budget deficit for reference.
256
632000
2000
e o orçamento do Reino Unido para referência.
10:49
So that might well chime
257
634000
2000
Então isso pode ir de encontro
10:51
with your view that America
258
636000
2000
a nossa visão dos Estados Unidos
10:53
is a sort of warmongering military machine,
259
638000
3000
como país de guerra, máquina miltar,
10:56
out to overpower the world
260
641000
2000
querendo passar por cima do mundo
10:58
with its huge industrial-military complex.
261
643000
3000
com seu enorme complexo militar industrial.
11:01
But is it true that America has the biggest military budget?
262
646000
3000
Mas é verdade que os Estados Unidos têm o maior orçamento militar?
11:04
Because America is an incredibly rich country.
263
649000
2000
Porque é um país incrivelmente rico.
11:06
In fact, it's so massively rich
264
651000
2000
Na verdade, é tão enormemente rico
11:08
that it can contain the four other
265
653000
2000
que pode conter as outras quatro
11:10
top industrialized nations' economies
266
655000
2000
economias das principais nações industrializadas
11:12
inside itself, it's so vastly rich.
267
657000
3000
dentro de si, é tão rico.
11:15
So its military budget is bound to be enormous.
268
660000
3000
Então seu orçamento militar é certamente enorme.
11:18
So, to be fair and to alter our perspective,
269
663000
2000
Então, pra ser justo e para alterar a nossa perspectiva,
11:20
we have to bring in another data set,
270
665000
2000
temos que trazer outro conjunto de dados,
11:22
and that data set is GDP, or the country's earnings.
271
667000
2000
e esse conjunto de dados é um PIB, ou os ganhos do país.
11:24
Who has the biggest budget as a proportion of GDP?
272
669000
2000
Quem tem o maior orçamento comparado ao PIB?
11:26
Let's have a look.
273
671000
2000
Vamos dar uma olhada.
11:28
That changes the picture considerably.
274
673000
3000
Isso muda a figura consideravelmente.
11:31
Other countries pop into view that you, perhaps, weren't considering,
275
676000
3000
Outros países aparecem que você, talvez, não estivesse considerando.
11:34
and American drops into eighth.
276
679000
2000
e os americanos caem pra oitavo.
11:36
Now you can also do this with soldiers.
277
681000
2000
Agora você também pode fazer isso com soldados.
11:38
Who has the most soldiers? It's got to be China.
278
683000
2000
Quem tem mais soldados? Tem que ser a China.
11:40
Of course, 2.1 million.
279
685000
2000
Claro, 2.1 milhões.
11:42
Again, chiming with your view
280
687000
2000
Novamente, de encontro a sua visão
11:44
that China has a militarized regime
281
689000
2000
que a China é um regime militarizado
11:46
ready to, you know, mobilize its enormous forces.
282
691000
2000
pronto para mobilizar as suas forças enormes.
11:48
But of course, China has an enormous population.
283
693000
3000
Mas é claro, a China tem uma enorme população.
11:51
So if we do the same,
284
696000
2000
Então se fizermos o mesmo,
11:53
we see a radically different picture.
285
698000
2000
vemos uma figura radicalmente diferente.
11:55
China drops to 124th.
286
700000
2000
A China cai para número 124.
11:57
It actually has a tiny army
287
702000
2000
Na verdade tem um exército mínimo
11:59
when you take other data into consideration.
288
704000
3000
quando você leva em conta outras informações.
12:02
So, absolute figures, like the military budget,
289
707000
2000
Então, valores absolutos, como o orçamento militar,
12:04
in a connected world,
290
709000
2000
num mundo conectado,
12:06
don't give you the whole picture.
291
711000
2000
meio que não fornecem uma visão geral.
12:08
They're not as true as they could be.
292
713000
2000
Não são tão verdadeiras quanto poderiam ser.
12:10
We need relative figures that are connected to other data
293
715000
3000
Precisamos de valores relativos que estejam conectados com outros dados.
12:13
so that we can see a fuller picture,
294
718000
2000
para termos uma visão mais completa,
12:15
and then that can lead to us changing our perspective.
295
720000
2000
e isso pode nos levar a mudar nossa perspectiva.
12:17
As Hans Rosling, the master,
296
722000
2000
Como Hans Rosling, o mestre,
12:19
my master, said,
297
724000
3000
meu mestre, disse:
12:22
"Let the dataset change your mindset."
298
727000
3000
"Deixe o conjunto de dados mudar a sua mente"
12:26
And if it can do that, maybe it can also change your behavior.
299
731000
3000
E se puder fazer isso, talvez também possa mudar a sua atitude.
12:29
Take a look at this one.
300
734000
2000
Olhem pra este.
12:31
I'm a bit of a health nut.
301
736000
2000
Eu sou um pouco louco por saúde.
12:33
I love taking supplements and being fit,
302
738000
3000
Eu amo tomar suplementos e estar em forma,
12:36
but I can never understand what's going on in terms of evidence.
303
741000
3000
mas eu nunca entendo o que está acontecendo em termos de evidência.
12:39
There's always conflicting evidence.
304
744000
2000
Tem sempre evidências conflitantes.
12:41
Should I take vitamin C? Should I be taking wheatgrass?
305
746000
2000
Devo tomar vitamina C? Deveria estar comendo broto de trigo?
12:43
This is a visualization of all the evidence
306
748000
2000
Esta é uma visualização de toda a evidência
12:45
for nutritional supplements.
307
750000
2000
para suplementos nutricionais.
12:47
This kind of diagram is called a balloon race.
308
752000
3000
Esse tipo de diagrama é chamado de corrida de balão.
12:50
So the higher up the image,
309
755000
2000
Então quanto mais alto na imagem,
12:52
the more evidence there is for each supplement.
310
757000
3000
mais evidência existe para cada suplemento.
12:55
And the bubbles correspond to popularity as regards to Google hits.
311
760000
3000
E as bolhas correspondem à popularidade de acordo com o cliques no Google.
12:58
So you can immediately apprehend
312
763000
3000
Então você pode meio que compreender imediatamenet
13:01
the relationship between efficacy and popularity,
313
766000
3000
a relação entre eficácia e popularidade,
13:04
but you can also, if you grade the evidence,
314
769000
3000
mas você também pode, se você hierarquizar a evidência,
13:07
do a "worth it" line.
315
772000
2000
mais ou menos fazer uma linha de "vale a pena".
13:09
So supplements above this line are worth investigating,
316
774000
3000
E então os suplementos acima dessa linha valem ser investigados.
13:12
but only for the conditions listed below,
317
777000
3000
mas somente nas condições listadas a abaixo.
13:15
and then the supplements below the line
318
780000
3000
E os suplementos abaixo da linha
13:18
are perhaps not worth investigating.
319
783000
2000
talvez não valham a pena ser investigados.
13:20
Now this image constitutes a huge amount of work.
320
785000
3000
Agora, essa imagem constitui uma enorme quantidade de trabalho.
13:23
We scraped like 1,000 studies from PubMed,
321
788000
3000
Nós pegamos uns 1.000 estudos da PubMed
13:26
the biomedical database,
322
791000
2000
o banco de dados biomédico,
13:28
and we compiled them and graded them all.
323
793000
3000
e nós compilamos e hierarquizamos todos.
13:31
And it was incredibly frustrating for me
324
796000
2000
e foi incrivelmente frustrante pra mim
13:33
because I had a book of 250 visualizations to do for my book,
325
798000
3000
porque tive um livro de 250 visualizações para fazer para o meu livro,
13:36
and I spent a month doing this,
326
801000
2000
e eu passei um mês fazendo isso,
13:38
and I only filled two pages.
327
803000
2000
e só consegui preencher duas páginas.
13:40
But what it points to
328
805000
2000
Mas isso aponta para
13:42
is that visualizing information like this
329
807000
2000
o fato de que visualizar a informação desta forma
13:44
is a form of knowledge compression.
330
809000
2000
é uma forma de compressão do saber.
13:46
It's a way of squeezing an enormous amount
331
811000
2000
É uma maneira de juntar uma enorme quantidade
13:48
of information and understanding
332
813000
2000
de informação e entendimento
13:50
into a small space.
333
815000
2000
num espaço pequeno.
13:52
And once you've curated that data, and once you've cleaned that data,
334
817000
2000
E uma vez que você tenha trabalhado aqueles dados, uma vez que você limpou aqueles dados,
13:54
and once it's there,
335
819000
2000
e uma vez que estiver lá,
13:56
you can do cool stuff like this.
336
821000
2000
você pode fazer coisas legais como esta.
13:58
So I converted this into an interactive app,
337
823000
2000
Então eu converti isso em um aplicativo interativo,
14:00
so I can now generate this application online --
338
825000
2000
para que eu possa gerar essa aplicação online --
14:02
this is the visualization online --
339
827000
2000
essa é a visualização online --
14:04
and I can say, "Yeah, brilliant."
340
829000
2000
e eu posso dizer, "É, genial."
14:06
So it spawns itself.
341
831000
2000
Ele se recria.
14:08
And then I can say, "Well, just show me the stuff
342
833000
2000
E eu posso dizer, "Tá, só me mostra as coisas
14:10
that affects heart health."
343
835000
2000
que afetam a saúde do coração."
14:12
So let's filter that out.
344
837000
2000
Então vamos filtrar isso.
14:14
So heart is filtered out, so I can see if I'm curious about that.
345
839000
3000
Então coração está filtrado, então se eu.. se estiver curioso sobre isso.
14:17
I think, "No, no. I don't want to take any synthetics,
346
842000
2000
Eu penso, "Não, não. Eu não quero nenhum sintético.
14:19
I just want to see plants and --
347
844000
3000
Eu só quero ver plantas e --
14:22
just show me herbs and plants. I've got all the natural ingredients."
348
847000
3000
só mostre ervas e plantas. Eu tenho todos os ingredientes naturais."
14:25
Now this app is spawning itself
349
850000
2000
Agora este aplicativo está se recriando
14:27
from the data.
350
852000
2000
a partir dos dados.
14:29
The data is all stored in a Google Doc,
351
854000
2000
Os dados estão todos guardados num Google doc,
14:31
and it's literally generating itself from that data.
352
856000
3000
e está literalmente se gerando através desses dados.
14:34
So the data is now alive; this is a living image,
353
859000
2000
Entõa os dados estão vivos agora; é uma imagem viva,
14:36
and I can update it in a second.
354
861000
2000
e eu posso atualizá-la em um segundo.
14:38
New evidence comes out. I just change a row on a spreadsheet.
355
863000
2000
Novas evidências aparecem -- eu só mudo uma linha na planilha.
14:40
Doosh! Again, the image recreates itself.
356
865000
4000
Doosh! Novamente, a imagem se recria.
14:44
So it's cool.
357
869000
2000
Então é legal.
14:46
It's kind of living.
358
871000
3000
Está meio que viva.
14:49
But it can go beyond data,
359
874000
2000
Mas meio que pode ir além dos dados.
14:51
and it can go beyond numbers.
360
876000
2000
e pode ir além dos números.
14:53
I like to apply information visualization
361
878000
2000
E eu gosto de aplicar visualização de informação
14:55
to ideas and concepts.
362
880000
3000
a idéias e conceitos.
14:58
This is a visualization
363
883000
2000
Esta é uma visualização
15:00
of the political spectrum,
364
885000
2000
do espectro político
15:02
an attempt for me to try
365
887000
2000
numa tentativa de eu tentar
15:04
and understand how it works
366
889000
2000
entender como funciona
15:06
and how the ideas percolate down
367
891000
2000
e como as idéias são filtradas
15:08
from government into society and culture,
368
893000
2000
do governo para a sociedade e cultura,
15:10
into families, into individuals, into their beliefs
369
895000
3000
para famílias, indivíduos, nas suas crenças
15:13
and back around again in a cycle.
370
898000
3000
e de volta novamente num ciclo.
15:16
What I love about this image
371
901000
2000
O que eu amo dessa imagem
15:18
is it's made up of concepts,
372
903000
2000
é que é ela é feita de conceitos,
15:20
it explores our worldviews
373
905000
2000
ela explora a nossa visão do mundo
15:22
and it helps us -- it helps me anyway --
374
907000
2000
e nos ajuda -- me ajuda pelo menos --
15:24
to see what others think,
375
909000
2000
a ver o que os outros pensam,
15:26
to see where they're coming from.
376
911000
2000
a ver de onde eles estão vindo.
15:28
And it feels just incredibly cool to do that.
377
913000
3000
E é uma sensação muito legal a de fazer isso.
15:31
What was most exciting for me
378
916000
3000
E o que foi mais legal pra mim
15:34
designing this
379
919000
2000
projetando isso,
15:36
was that, when I was designing this image,
380
921000
2000
foi que, quando eu estava projetando essa imagem,
15:38
I desperately wanted this side, the left side,
381
923000
3000
eu queria desesperadamente que este lado, o lado esquerdo,
15:41
to be better than the right side --
382
926000
2000
fosse melhor do que o lado direito --
15:43
being a journalist, a Left-leaning person --
383
928000
3000
sendo um tipo de jornalista, uma pessoa de esquerda --
15:46
but I couldn't, because I would have created
384
931000
2000
mas eu não podia, porque eu teria criado
15:48
a lopsided, biased diagram.
385
933000
3000
um diagrama desequilibrado, tendencioso.
15:51
So, in order to really create a full image,
386
936000
3000
Então, pra realmente criar uma imagem completa
15:54
I had to honor the perspectives on the right-hand side
387
939000
3000
eu teria que honrar as perspectivas da direita
15:57
and at the same time, uncomfortably recognize
388
942000
3000
e ao mesmo tempo, meio que de forma desconfortável reconhecer
16:00
how many of those qualities were actually in me,
389
945000
3000
quantas daquelas qualidades estavam realmente em mim,
16:03
which was very, very annoying and uncomfortable.
390
948000
2000
o que foi, muito, muito irritante e desconfortável.
16:05
(Laughter)
391
950000
4000
(Risos)
16:09
But not too uncomfortable,
392
954000
2000
Mas não tão desconfortável,
16:11
because there's something unthreatening
393
956000
3000
porque existe algo não ameaçador
16:14
about seeing a political perspective,
394
959000
2000
sobre ver uma perspectiva política,
16:16
versus being told or forced to listen to one.
395
961000
3000
versus ouvir ou ser forçado a ouvir uma.
16:19
You're capable of holding conflicting viewpoints
396
964000
3000
É realmente -- você é capaz de ter pontos de vista conflitantes
16:22
joyously when you can see them.
397
967000
2000
de forma boa, quando você consegue vê-los.
16:24
It's even fun to engage with them
398
969000
2000
É até legal interagir com eles.
16:26
because it's visual.
399
971000
2000
porque é visual.
16:28
So that's what's exciting to me,
400
973000
2000
Isso é o que é legal pra mim,
16:30
seeing how data can change my perspective
401
975000
2000
ver como os dados podem mudar a minha perspectiva
16:32
and change my mind midstream --
402
977000
2000
e mudar minha cabeça --
16:34
beautiful, lovely data.
403
979000
3000
bela, adorável informação.
16:38
So, just to wrap up,
404
983000
2000
Então, só pra fechar,
16:40
I wanted to say
405
985000
2000
Eu queria dizer
16:42
that it feels to me that design is about solving problems
406
987000
2000
que me parece que o design é resolver problemas
16:44
and providing elegant solutions,
407
989000
3000
e prover soluções elegantes.
16:47
and information design is about
408
992000
2000
E design de informação é
16:49
solving information problems.
409
994000
2000
resolver problemas da informação.
16:51
It feels like we have a lot of information problems
410
996000
2000
E parece que nós temos um monte de problemas da informação
16:53
in our society at the moment,
411
998000
2000
na nossa sociedade atualmente,
16:55
from the overload and the saturation
412
1000000
2000
desde o excesso e da saturação
16:57
to the breakdown of trust and reliability
413
1002000
2000
até a queda da confiança
16:59
and runaway skepticism and lack of transparency,
414
1004000
2000
e ceticismo fugidio e falta de fransparência
17:01
or even just interestingness.
415
1006000
2000
ou até mesmo falta de interesse.
17:03
I mean, I find information just too interesting.
416
1008000
2000
Eu quero dizer, eu acho a informação muito interessante.
17:05
It has a magnetic quality that draws me in.
417
1010000
3000
Ela tem uma qualidade magnética que me atrai.
17:09
So, visualizing information
418
1014000
2000
Visualizar informação
17:11
can give us a very quick solution to those kinds of problems.
419
1016000
3000
pode nos dar uma solução rápida para esses tipos de problema.
17:14
Even when the information is terrible,
420
1019000
2000
E mesmo quando a informação é terrível,
17:16
the visual can be quite beautiful.
421
1021000
3000
o visual pode ser bem bonito.
17:19
Often we can get clarity
422
1024000
3000
E muitas vezes podemos ter clareza
17:22
or the answer to a simple question very quickly,
423
1027000
2000
ou a resposta para uma pergunta simples rapidamente,
17:24
like this one,
424
1029000
2000
como esta,
17:26
the recent Icelandic volcano.
425
1031000
3000
o recente vulcão da Islândia.
17:29
Which was emitting the most CO2?
426
1034000
2000
Qual estava emitindo mais CO2?
17:31
Was it the planes or the volcano,
427
1036000
2000
Os aviões ou o vulcão?
17:33
the grounded planes or the volcano?
428
1038000
2000
Os aviões parados ou o vulcão?
17:35
So we can have a look.
429
1040000
2000
Então podemos dar uma olhada.
17:37
We look at the data and we see:
430
1042000
2000
Olhamos os dados e vemos.
17:39
Yep, the volcano emitted 150,000 tons;
431
1044000
2000
é, o vulcão emitiu 150.000 toneladas;
17:41
the grounded planes would have emitted
432
1046000
2000
os aviões parados teriam emitido
17:43
345,000 if they were in the sky.
433
1048000
3000
345.000 se estivessem no céu.
17:46
So essentially, we had our first carbon-neutral volcano.
434
1051000
3000
Então essencialmente, tivemos nosso primeiro vulcão carbono-neutro
17:49
(Laughter)
435
1054000
2000
(Risos)
17:51
(Applause)
436
1056000
9000
(Aplausos)
18:00
And that is beautiful. Thank you.
437
1065000
3000
E isso é lindo. Obrigada.
18:03
(Applause)
438
1068000
8000
(Aplausos)
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