TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: O que aprendi com 2 mil necrologias
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan começa o seu dia com ovos mexidos e uma pergunta: "Quem morreu hoje?" Porquê? Ao analisar dois mil obituários do New York Times durante um período de 20 meses, Narayan reuniu, em poucas palavras, a maneira como as conquistas são percebidas ao longo de uma vida. Aqui, ele partilha o que as pessoas imortalizadas no papel podem ensinar-nos sobre uma vida 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 pelo campus de Stanford
correr pelo campus de Stanford
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
e era atingido pelas mulheres
que também corriam por lá.
que também corriam por lá.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Porque é que os seus rabos-de-cavalo
balançavam assim, de um lado para o outro?
balançavam assim, de um lado para o outro?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Como era matemático,
decidiu perceber porquê.
decidiu perceber porquê.
00:29
(Laughter)
4
17029
1151
(Risos)
O professor Keller era curioso
sobre muitos assuntos:
sobre muitos assuntos:
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
00:32
why teapots dribble
6
20534
1967
Porque é que os bules de chá pingam
00:34
or how earthworms wriggle.
7
22525
1830
ou como é que 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
na necrologia.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
O Times tinha meia página
que lhe era dedicada.
que lhe era dedicada.
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
Como podem imaginar, é um
espaço seleto, num jornal tão grande.
espaço seleto, num jornal tão grande.
00:53
I read the obituaries almost every day.
13
41368
2342
Eu leio a necrologia quase diariamente.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
A minha esposa, compreensivelmente,
acha-me um pouco mórbido
acha-me 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 o 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 vocês pensarem bem,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
a primeira página do jornal
geralmente traz notícias más
geralmente traz notícias más
01:10
and cues man's failures.
19
58778
1975
e indica os fracassos do homem.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
Uma secção em que as notícias más
destacam feitos pessoais
destacam feitos pessoais
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
está no fim do jornal, na necrologia.
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
eu dirijo uma empresa
que se concentra nas perspetiva
que se concentra nas perspetiva
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
que os comerciantes podem deduzir
de dados antigos,
de dados antigos,
01:25
a kind of rearview-mirror analysis.
25
73737
2944
uma espécie de análise retroativa.
01:29
And we began to think:
26
77092
1155
E pusemo-nos a pensar:
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 olhássemos em retrospetiva
para a necrologia do New York Times?
para a necrologia do New York Times?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Haveria lições sobre como
ter uma necrologia de destaque,
ter uma necrologia de destaque,
01:40
even if you aren't around to enjoy it?
29
88006
1977
mesmo sem estar cá para apreciá-la?
01:42
(Laughter)
30
90007
1484
(Risos)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Isso combinaria melhor
com os ovos mexidos?
com os ovos mexidos?
01:46
(Laughter)
32
94167
1150
(Risos)
01:48
And so, we looked at the data.
33
96163
2998
Então, observámos os dados.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
Duas mil obituários editoriais, não pagos,
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
durante um período de 20 meses,
entre 2015 e 2016.
entre 2015 e 2016.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
O que é que essas duas mil mortes
— ou melhor, vidas — nos ensinam?
— ou melhor, vidas — nos ensinam?
02:04
Well, first we looked at words.
37
112901
2033
Bem, primeiro observámos as palavras.
02:06
This here is an obituary headline.
38
114958
1761
Este é um título de uma necrologia.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
É do extraordinário Lee Kuan Yew.
02:11
If you remove the beginning and the end,
40
119063
2522
Se retirarmos o início e o fim,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
ficamos com uma descrição
elegantemente redigida
elegantemente 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 tenta, 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
Observem. É fascinante.
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 aqui algumas pessoas famosas
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
[Um Artista que Desafiou o Sexo]
02:30
That's Prince.
47
138427
1185
É o Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[Titã do Boxe do Século XX]
02:34
Oh, yes.
49
142358
1160
Ah, sim.
02:35
[Muhammad Ali]
50
143542
1224
[Muhammad Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Arquiteta Inovadora]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Nós pegámos nestas descrições
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
e fizemos um processamento
de linguagem natural,
de linguagem natural,
02:45
where you feed these into a program,
55
153163
1771
em que o colocamos num programa
que elimina palavras supérfluas
que elimina palavras supérfluas
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
— "o", "e" — as palavras fáceis de fazer
num jogo de mímica —
num jogo de mímica —
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
ficando com as palavras
mais significativas.
mais significativas.
02:55
And we did it not just for these four,
59
163311
1821
Fizemos isso não só com estas quatro,
02:57
but for all 2,000 descriptors.
60
165156
2519
mas com todas as duas mil descrições.
02:59
And this is what it looks like.
61
167699
1743
E o resultado foi este.
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, é claro, Artes, são um colosso.
e, é claro, Artes, são um colosso.
03:08
Over 40 percent.
63
176485
1946
Mais de 40%.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Ficamos a pensar porque é que,
em tantas sociedades,
em tantas sociedades,
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
insistimos com os filhos para que sigam
Engenharia, Medicina, Gestão ou Direito
Engenharia, Medicina, Gestão ou Direito
03:17
to be construed as successful.
66
185466
1587
para virem a ter êxito.
03:19
And while we're talking profession,
67
187871
1693
Enquanto falamos de profissão,
vejamos a idade
vejamos a idade
03:21
let's look at age --
68
189588
1151
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
— a idade média com que
eles conquistaram algo.
eles conquistaram algo.
03:25
That number is 37.
70
193297
1846
O número é 37.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Isso significa que
é preciso aguardar 37 anos
é preciso aguardar 37 anos
antes do primeiro grande feito
pelo qual seremos lembrados,
pelo qual seremos lembrados,
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
— em média.
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
44 anos depois, quando
morremos aos 81 anos
morremos aos 81 anos
03:39
on average.
75
207050
1168
— em média.
03:40
(Laughter)
76
208242
1001
(Risos)
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
Claro, varia conforme a profissão.
03:46
If you're a sports star,
80
214566
1193
Se formos do desporto,
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
provavelmente atingiremos
o pico antes dos 30.
o pico antes dos 30.
03:49
And if you're in your 40s like me,
82
217934
2645
Se estivermos na casa dos 40, como eu,
03:52
you can join the fun world of politics.
83
220603
1991
podemos entrar
no animado mundo da política.
no animado 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 têm o primeiro e, às vezes,
único feito louvável aos 40 e poucos.
único feito louvável aos 40 e poucos.
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",
o que são os "outros",
04:02
here are some examples.
88
230879
1476
aqui vão alguns exemplos.
04:04
Isn't it fascinating, the things people do
89
232821
2116
Não é fascinante o que as pessoas fazem
04:06
and the things they're remembered for?
90
234961
1882
e as coisas por que são lembradas?
04:08
(Laughter)
91
236867
1752
(Risos)
04:12
Our curiosity was in overdrive,
92
240136
1844
A nossa curiosidade era enorme,
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
e 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
de todos os dois mil obituários,
de todos os dois mil obituários,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
mas separámo-los
em dois grupos de indivíduos:
em dois grupos de indivíduos:
as pessoas que são famosas
e as pessoas que não são famosas.
e as pessoas que não são famosas.
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Pessoas famosas:
Prince, Ali, Zara Hadid.
Prince, Ali, Zara Hadid.
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
Pessoas que não são famosas
são gente como Jocelyn Cooper,
são gente como Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
o Reverendo Curry
ou Lorna Kelly.
ou Lorna Kelly.
04:37
or Lorna Kelly.
100
265717
1169
Eu podia apostar que vocês
nunca ouviram falar da maioria deles.
nunca ouviram falar da maioria deles.
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 incríveis, conquistas fantásticas,
mas não são famosas.
mas não são famosas.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
E se analisássemos
esses dois grupos separadamente,
esses dois grupos separadamente,
04:49
the famous and the non-famous?
104
277532
1525
os famosos e os não famosos?
04:51
What might that tell us?
105
279081
1419
O que é que isso nos diria?
04:52
Take a look.
106
280524
1240
Vejam só.
04:56
Two things leap out at me.
107
284556
1469
Há duas coisas que 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
Se alguém aqui se chama John,
deve agradecer aos seus pais...
deve agradecer aos seus 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 filhos que recortem
a necrologia quando vocês se forem.
a necrologia quando vocês se forem.
05:13
And second:
114
301061
1356
Em segundo lugar:
05:15
"help."
115
303849
1154
"Ajuda."
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Descobrimos muitas lições
de vidas bem-vividas
de vidas bem-vividas
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
e o que esta gente imortalizada
no papel podia ensinar-nos.
no papel podia ensinar-nos.
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 testemunho fascinante
sobre o caleidoscópio que é a vida,
sobre o caleidoscópio que é a vida,
05:29
and even more fascinating
119
317635
2715
e uma coisa ainda mais incrível
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
foi o facto de a esmagadora
maioria das necrologias
maioria das necrologias
05:35
featured people famous and non-famous,
121
323466
2998
apresentar pessoas famosas e não famosas
05:38
who did seemingly extraordinary things.
122
326488
2433
que fizeram coisas
aparentemente extraordinárias.
aparentemente extraordinárias.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Fizeram uma mossa positiva
no tecido da vida.
no tecido da vida.
05:44
They helped.
124
332708
1237
Ajudaram.
Perguntem a vocês mesmos,
quando voltarem à vossa vida diária:
quando voltarem à vossa vida diária:
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
05:49
How am I using my talents to help society?
126
337387
2920
Como é que estou a usar os meus talentos
para ajudar a sociedade?
para ajudar a sociedade?
05:52
Because the most powerful lesson here is,
127
340331
2973
Pois esta é a lição mais poderosa:
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
tentando ser famosas na morte,
tentando ser famosas na morte,
05:59
the world would be a much better place.
129
347688
2605
o mundo seria um lugar muito melhor.
06:03
Thank you.
130
351062
1169
Obrigado.
06:04
(Applause)
131
352255
2848
(Aplausos)
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