It feels like we're all suffering from information overload or data glut. And the good news is there might be an easy solution to that, and that's using our eyes more. So, visualizing information, so that we can see the patterns and connections that matter and then designing that information so it makes more sense, or it tells a story, or allows us to focus only on the information that's important. Failing that, visualized information can just look really cool.
انگار همه ی ما رنج می بریم از زیادی اطلاعات و اشباع داده ها و خبر خوش این است که ممکن است یک راه حل ساده برای آن وجود داشته باشد، و آن این است که از چشمهایمان بیشتر استفاده کنیم. بنابراین، با تصویر کشیدن اطلاعات می توانیم ببینیم الگوها و ارتباطاتی که مهم هستند و سپس، آن اطلاعات را طراحی کنیم طوری که قابل فهم تر بشوند یا یک داستانی را بگویند، یا به ما اجازه دهند که متمرکز شویم بر روی اطلاعاتی که مهم هستند. و حتی اگر نشد، به تصویر کشیدن اطلاعات به خودیِ خود، واقعا می تواند جالب به نظر آید.
So, let's see. This is the $Billion Dollar o-Gram, and this image arose out of frustration I had with the reporting of billion-dollar amounts in the press. That is, they're meaningless without context: 500 billion for this pipeline, 20 billion for this war. It doesn't make any sense, so the only way to understand it is visually and relatively. So I scraped a load of reported figures from various news outlets and then scaled the boxes according to those amounts. And the colors here represent the motivation behind the money. So purple is "fighting," and red is "giving money away," and green is "profiteering." And what you can see straight away is you start to have a different relationship to the numbers. You can literally see them. But more importantly, you start to see patterns and connections between numbers that would otherwise be scattered across multiple news reports.
پس بگذارید ببینیم. این نمودارِ توضیع یک میلیارد دلار است، و این تصویر به وجود آمد به خاطر ناامیدی که داشتم از گزارش مقدار یک میلیارد دلار در مطبوعات. به بیانی دیگر ، آنها بدون در نظر گرفتن موقعیتی که نمودار در آن بیان شده بی معنی هستند. 500 میلیارد برای این لوله کشی. 20 میلیارد برای یک جنگ. هیچ معنی ندارد، پس تنها راهی که می شود آن را فهمید به صورت تصویری و نسبی است. پس یک مجموعه از شکلهای گزارش شده را جدا کردم از خبرگزاری رسانه های مختلف و بعد مستطیلها را بر اساس مقدارشان مقیاس کردم. و رنگها در اینجا، انگیزه برای پولِ خرج شده را نشان می هد. پس بنفش دعوا کردن است، و قرمز بخشیدن پول است، و سبز احتکار کردن است. و اولین چیزی که میبینید این است که شروع کنید به داشتن یک ارتباط متفاوت با اعداد. شما عینا می توانید آنها را ببینید. ولی مهمتر اینکه شما شروع می کنید به دیدن الگوها و ارتباطات بین اعدادی که در غیر این صورت در سراسر گزارشهای خبری متعدد پراکنده هستند.
Let me point out some that I really like. This is OPEC's revenue, this green box here -- 780 billion a year. And this little pixel in the corner -- three billion -- that's their climate change fund. Americans, incredibly generous people -- over 300 billion a year, donated to charity every year, compared with the amount of foreign aid given by the top 17 industrialized nations at 120 billion. Then of course, the Iraq War, predicted to cost just 60 billion back in 2003. And it mushroomed slightly. Afghanistan and Iraq mushroomed now to 3,000 billion. So now it's great because now we have this texture, and we can add numbers to it as well. So we could say, well, a new figure comes out ... let's see African debt. How much of this diagram do you think might be taken up by the debt that Africa owes to the West? Let's take a look. So there it is: 227 billion is what Africa owes. And the recent financial crisis, how much of this diagram might that figure take up? What has that cost the world? Let's take a look at that. Dooosh -- Which I think is the appropriate sound effect for that much money: 11,900 billion. So, by visualizing this information, we turned it into a landscape that you can explore with your eyes, a kind of map really, a sort of information map. And when you're lost in information, an information map is kind of useful.
اجازه بدهید به بعضی موارد که واقعا دوست دارم اشاره کنم. این درآمد اپک است، این مستطیلِ سبز در اینجا 780 میلیارد در هر سال. و این پیکسل کوچک در این گوشه،--3 میلیارد-- این سرمایه تغییرات آب و هوایی آنها است. آمریکاییها، مردمی بسیار بخشنده -- بیش از 300 میلیارد در سال، اهدا شده به خیریه ها در هر سال، در مقایسه با میزان کمکهای خارجی که توسط بالاترین 17 کشور صنعتی داده می شود به مقدار 120 میلیارد. و سپس البته، جنگ عراق، پیش بینی شده بود که فقط 60 میلیارد هزینه داشته باشد در سال 2003 و کمی به سرعت رشد کرد. افغانستان به سرعت رشد کرد به 3000 میلیارد. پس الان بسیار عالی است چون اکنون این شالوده را داریم، وهمچنین می توانیم اعداد را به آن اضافه کنیم. بنابراین می توانستیم بگوییم، خوب، یک شکل جید بیرون می آید... بگذارید بدهی آفریقا را ببینیم. فکر می کنید چه اندازه از این نمودار ممکن است گرفته شود توسط بدهی که آفریقا به غرب دارد؟ بگذارید یک نگاهی بیندازیم. پس آنجا، این است. 227 میلیارد، مقداری است که آفریقا بدهی دارد. و بحران اقتصادی اخیر-- چه اندازه از این نمودار ممکن است گرفته شود؟ چه مقدار هزینه برای جهان داشته است؟ بگذارید یک نگاهی به آن بیندازیم. "اوفف" ، فکر می کنم صدای مناسبی باشد برای این مقدار پول. 11900 میلیارد. بنابراین با به تصویر کشیدن این اطلاعات، ما آن را به یک چشم اندازی تبدیل کردیم که می توانید با چشمهایتان کاوش کنید، در واقع نوعی نقشه، یک نوع نقشه ی اطلاعات. و هنگامی که در اطلاعات گم می شوید، این نقشه اطلاعات یک جورهایی پرکاربدر است.
So I want to show you another landscape now. We need to imagine what a landscape of the world's fears might look like. Let's take a look. This is Mountains Out of Molehills, a timeline of global media panic. (Laughter) So, I'll label this for you in a second. But the height here, I want to point out, is the intensity of certain fears as reported in the media. Let me point them out. So this, swine flu -- pink. Bird flu. SARS -- brownish here. Remember that one? The millennium bug, terrible disaster. These little green peaks are asteroid collisions. (Laughter) And in summer, here, killer wasps.
اکنون، یک چشم انداز دیگر را به شما نشان می دهم. ما نیاز داریم که تصور کنیم چه چشم اندازی از ترسهای جهانی که ممکن است به نظر بیاید. بگذارید یک نگاهی بیندازیم. این کوهها بیرون آمده از تپه های کوچک است، یک جدول زمانی از وحشت رسانه های جهانی است. (خنده حضار) خوب، در یک ثانیه این را برای شما برچسب گذاری می کنم. ولی ارتفاع در اینجا، من می خواهم اشاره کنم که شدت ترسهای به خصوص یی است، که در رسانه ها گزارش می شود. اجازه بدهید که به آنها اشاره کنم. خوب این، آنفولانزای خوکی-- صورتی. آنفولانزای مرغی. سارس -- اینجا به رنگ قهوه ای. آن را یادتان می آید. اشکال هزاره (اشکال درسیستمهای کامپیوتری در سال 2000 (مترجم) )-- بلایای وحشتناک. این قله های کوچک سبز برخورد شهابسنگها هستند. (خنده حضار) و در تابستان، اینجا، زنبورهای قاتل.
(Laughter)
(خنده حضار)
So these are what our fears look like over time in our media. But what I love -- and I'm a journalist -- and what I love is finding hidden patterns; I love being a data detective. And there's a very interesting and odd pattern hidden in this data that you can only see when you visualize it. Let me highlight it for you. See this line, this is a landscape for violent video games. As you can see, there's a kind of odd, regular pattern in the data, twin peaks every year. If we look closer, we see those peaks occur at the same month every year. Why? Well, November, Christmas video games come out, and there may well be an upsurge in the concern about their content. But April isn't a particularly massive month for video games. Why April? Well, in April 1999 was the Columbine shooting, and since then, that fear has been remembered by the media and echoes through the group mind gradually through the year. You have retrospectives, anniversaries, court cases, even copy-cat shootings, all pushing that fear into the agenda. And there's another pattern here as well. Can you spot it? See that gap there? There's a gap, and it affects all the other stories. Why is there a gap there? You see where it starts? September 2001, when we had something very real to be scared about.
بنابراین اینها هستند چیزهایی که ترسهای ما شبیه شان می باشند طی گذشت زمان در رسانه های ما. ولی چیزی که من عاشقش هستم-- و من یک روزنامه نگار هستم-- و چیزی که من عاشقش هستم پیداکردن الگوهای پنهان است؛ من عاشق این هستم که یک کارگاهِ داده ها باشم. و یک الگوی پنهان شده ی خیلی جالب و عجیب در این داه ها وجود دارد که فقط وقتی شما آن را به تصویر می کشید می توانید آن را ببینید. اجازه دهید این را برای شما روشن کنم. این خط را نگاه کنید. این یک چشم انداز برای بازی های ویدیویی خشن است. همان طور که می بینید، یک الگوی عجیب و منظم در این داده ها وجود دارد، دو قله در هر سال. اگر دقیق تر نگاه کنید، می بینید که این قله ها اتفاق می افتند در همان ماه هر سال. چرا؟ خوب، نوامبر، بازیهای ویدیویی کریسمس بیرون می آید، و ممکن است خوب، یک صعود ناگهانی در نگرانی ناشی از محتوای آنها وجود داشته باشد. ولی آپریل یک ماه ویژه بزرگ نیست برای بازیهای ویدیویی. چرا آپریل؟ خوب، در آپریل 1999، حادثه ی تیراندازی Columbine بود، و از آن موقع، آن ترس توسط رسانه ها یادآوری شده است و به تدریج در طول سال، توسط یک ذهنیت گروهی انعکاس داده می شود. شما مرور آثار، سالگردها را دارید، موارد دادگاهی، حتی تیراندازی های تقلیدی، همه ی اینها، این ترس را در دستور کار سوق می دهند. و یک الگوی دیگر در اینجا نیز وجود دارد. می توانید آن را پیدا کنید؟ این فاصله را در آنجا دیدید؟ این یک فاصله است، و این همه ی داستانهای دیگر را تحت تاثیر می دهد. چرا این فاصله آنجا وجود دارد؟ ببینید از کجا شروع می شود؟ سپتامبر 2001، ( اشاره به واقعه ی 11 سپتامبر - مترجم ) وقتی یک چیز خیلی محسوس را داشتیم که درباره اش بترسیم.
So, I've been working as a data journalist for about a year, and I keep hearing a phrase all the time, which is this: "Data is the new oil." Data is the kind of ubiquitous resource that we can shape to provide new innovations and new insights, and it's all around us, and it can be mined very easily. It's not a particularly great metaphor in these times, especially if you live around the Gulf of Mexico, but I would, perhaps, adapt this metaphor slightly, and I would say that data is the new soil. Because for me, it feels like a fertile, creative medium. Over the years, online, we've laid down a huge amount of information and data, and we irrigate it with networks and connectivity, and it's been worked and tilled by unpaid workers and governments. And, all right, I'm kind of milking the metaphor a little bit. But it's a really fertile medium, and it feels like visualizations, infographics, data visualizations, they feel like flowers blooming from this medium. But if you look at it directly, it's just a lot of numbers and disconnected facts. But if you start working with it and playing with it in a certain way, interesting things can appear and different patterns can be revealed.
من به عنوان گزارشگر داده برای حدود یک سال کار کرده ام، و من دائم یک عبارت را می شنوم همیشه، که این است: " داده ها یک سوختِ جدید هستند." و داده ها یک نوعی از منابع در همه جا حاضر و فراگیرهستند که می توانیم شکل بدهیم تا نوآوری های جدید و بینش های جدید را فراهم کند، و همه در اطراف ما هستند، و خیلی ساده می توانند استخراج شوند. و این واقعا استعاره ی خیلی خوبی در این زمانه نیست، به خصوص اگر شما اطراف خلیج مکزیک زندگی می کنید. ولی من، شاید، اندکی این استعاره را مطابقت می دادم، و می گفتم که داده ها یک خاک جدید هستند. چون برای من، این جور احساس می شود که یک بستر حاصلخیز و خلاقانه هستند. شما می دانید، در طول سالها، آنلاین، پی ریز کرده ایم یک انبوهی از داده ها و اطلاعات، و آن را آبیاری کرده ایم با شبکه ها و اتصال، و پیشرفت کرده و با کارگران بی مزد و دولتها جان گرفته است. و، بسیار خوب، من یک مقداری دارم استعاره را زیادی استفاده می کنم ولی این واقعا یک بستر حاصلخیز است. و این احساس می شود مانند به تصویر کشیدن، گرافیک اطلاعات، به تصویر کشیدن داد ها، آنها مانند گلهایی شکوفه می کنند از این بستر. اما اگر مستقیم به آن نگاه کنید، آن فقط انبوهی از اعداد و حقایق غیرمرتبط هستند. ولی اگر شروع کنید به کارکردن با آن و بازی کردن با آن به طریقِ خاصی چیزهای جالبی می تواند پدیدار شود و الگوهای مختلفی می تواند ظاهر شوند.
Let me show you this. Can you guess what this data set is? What rises twice a year, once in Easter and then two weeks before Christmas, has a mini peak every Monday, and then flattens out over the summer? I'll take answers. (Audience: Chocolate.) David McCandless: Chocolate. You might want to get some chocolate in. Any other guesses? (Audience: Shopping.) DM: Shopping. Yeah, retail therapy might help. (Audience: Sick leave.) DM: Sick leave. Yeah, you'll definitely want to take some time off. Shall we see?
اجازه دهید این را به شما نشان دهم. می توانید حدس بزنید که این داده ها چه می گویند؟ چیزی که سالی دو بار بالا می رود، یکبار در عید پاک ( عید مسیحیان-مترجم) و سپس دو هفته قبل از کریسمس، یک قله هر دوشنبه دارد و سپس در طول تابستان نمودار مسطح می شود. من جواب را می گیرم. (حضار: شکلات.) دیوید مک کندلس: شکلات. شما ممکن است مقداری شکلات بگیرید. حدس دیگر؟ (حضار: خرید) دیوید مک کندلس: خرید. بله، درمان خرد فروشی ممکن است کمک کند. (حضار: مرخصی استعلاجی.) دیوید مک کندلس: مرخصی استعلاجی. بله، حتما می خواهید زمانی را مرخصی بگیرید. ببینیم؟
(Laughter)
(خنده حضار)
(Applause)
(تشویق)
So, the information guru Lee Byron and myself, we scraped 10,000 status Facebook updates for the phrase "break-up" and "broken-up" and this is the pattern we found -- people clearing out for Spring Break, (Laughter) coming out of very bad weekends on a Monday, being single over the summer, and then the lowest day of the year, of course: Christmas Day. Who would do that? So there's a titanic amount of data out there now, unprecedented. But if you ask the right kind of question, or you work it in the right kind of way, interesting things can emerge.
خوب، اطلاعات اینجا، لی بایرون و من، ما 10000 وضعیت به روز رسانی افراد در فیس بوک را در آوردیم برای عبارات "شکستن رابطه" و " شکسته شدن" و این الگویی است که پیدا کردیم-- مردم برای تعطیلات بهار جا خالی می کنند، (خنده حضار) بیرون آمدن از یک آخر هفته ی بد در روز دوشنبه، مجرد بودن در طول تابستان. و کمترین روز در سال، البته، روز کریسمس. چه کسی این را انجام می دهد؟ بنابراین، در حال حاضر، انبوه زیادی از داده ها بیرون وجود دارد، بی مانند. ولی اگر شما نوع درست سوالی را بپرسید، یا کاری را به نوع درست آن انجام دهید، چیزهای جالبی می تواند ظاهر شود.
So information is beautiful. Data is beautiful. I wonder if I could make my life beautiful. And here's my visual C.V. I'm not quite sure I've succeeded. Pretty blocky, the colors aren't that great. But I wanted to convey something to you. I started as a programmer, and then I worked as a writer for many years, about 20 years, in print, online and then in advertising, and only recently have I started designing. And I've never been to design school. I've never studied art or anything. I just kind of learned through doing. And when I started designing, I discovered an odd thing about myself. I already knew how to design, but it wasn't like I was amazingly brilliant at it, but more like I was sensitive to the ideas of grids and space and alignment and typography. It's almost like being exposed to all this media over the years had instilled a kind of dormant design literacy in me. And I don't feel like I'm unique.
پس اطلاعات زیبا هستند، داده ها زیبا هستند. نمی دانم که می توانم زندگیم را زیبا کنم. و این رزومه تصویری من است. ( بخشی از رزومه - مترجم ) و مطمئن نیستم که موفق شده ام. تا حدودی قالب دار. رنگها آنقدر عالی نیستند. ولی من می خواهم چیزی را به شما منتقل کنم. من به عنوان یک برنامه نویس شروع کردم، و سپس به عنوان یک نویسنده کار کردم به مدت سالهای زیاد، حدود 20 سال، چاپی، آن لاین و سپس در تبلیغات، و تنها به تازگی به عنوان طراح شروع کرده ام. و من هیچ گاه در مدرسه طراحی نبوده ام. هیچ گاه در هنر و یا چیز مشابه ای تحصیل نکرده ام. من فقط با انجام دادن یاد گرفتم. و وقتی که شروع کردم طراحی را چیز عجیبی درباره خودم کشف کردم. من قبلا می دانستم چگونه طراحی کنم، ولی این طور نبود که به طور شگفت انگیزی با استعداد باشم در آن ولی بیشتر شبیه با این بود که حساس هستم به ایده های شبکه ها و فضا و هم ترازی و فن چاپ. این تقریبا مثل این است که، بودن در معرض تمام این رسانه ها در طول سالها نوع سواد طراحی خفته در من القا شده کرده. و من احساس نمی کردم که من انسانِ خاصی هستم.
I feel that everyday, all of us now are being blasted by information design. It's being poured into our eyes through the Web, and we're all visualizers now; we're all demanding a visual aspect to our information. There's something almost quite magical about visual information. It's effortless, it literally pours in. And if you're navigating a dense information jungle, coming across a beautiful graphic or a lovely data visualization, it's a relief, it's like coming across a clearing in the jungle. I was curious about this, so it led me to the work of a Danish physicist called Tor Norretranders, and he converted the bandwidth of the senses into computer terms.
من احساس می کنم که، هر روز، همه ی ما در حال تخریب شدن بوسیله ی طراحی اطلاعات هستیم. توسط اینترنت در چشمانمان ریخته می شود، و همه ی ما اکنون به تصویر کشنده هستیم؛ همه ی ما خواستار بعد تصویری هستیم برای اطلاعاتمان. و یک چیز تقریبا منحصر به فرد جادویی درباره اطلاعات تصویری وجود دارد. آن نیاز به زحمت ندارد، به معنای واقعی کلمه ریخته می شود داخل (مانند یک مایع - مترجم ). و اگر شما در حال پیمایش جنگل انبوهی از اطلاعات باشید، به یک نمودارِ زیبا بر می خوردن یا به یک داده به تصویر کشیده ی دوست داشتنی، این یک آسودگی است، مثل این است که به یک پاکسازی در جنگل برخورد کرده ایم. ومن درباره این کنجکاو بودم، پس مرا سوق داد به سمت کار یک فیزیکدان دانمارکی به نام "تور نورتراندرس"، و او پهنای باند حس ها را به اصطلاحات کامپیوتری تبدیل کرد.
So here we go. This is your senses, pouring into your senses every second. Your sense of sight is the fastest. It has the same bandwidth as a computer network. Then you have touch, which is about the speed of a USB key. And then you have hearing and smell, which has the throughput of a hard disk. And then you have poor old taste, which is like barely the throughput of a pocket calculator. And that little square in the corner, a naught .7 percent, that's the amount we're actually aware of. So a lot of your vision -- the bulk of it is visual, and it's pouring in. It's unconscious. The eye is exquisitely sensitive to patterns in variations in color, shape and pattern. It loves them, and it calls them beautiful. It's the language of the eye. If you combine the language of the eye with the language of the mind, which is about words and numbers and concepts, you start speaking two languages simultaneously, each enhancing the other. So, you have the eye, and then you drop in the concepts. And that whole thing -- it's two languages both working at the same time.
پس شروع می کنیم. این حسهای شما هستند، ریخته می شوند در حسهای شما در هر ثانیه. حس دیداری شما سریعترین حس است. آن پهنای باند مشابهی نسبت به یک شبکه کامپیوتری دارد. سپس حس لامسه دارید، که آن درباره سرعت یک پورتِ USB است. و سپس حس شنوایی و بویایی دارید، که توان عملیاتی hard disk را دارد. و سپس حس ضعیف و قدیمی چشایی را دارید، که به سختی شبیه توان عملیاتی یک ماشین حساب جیبی است. و مربع کوچک در گوشه، 0.7 درصد، مقداری است که ما در واقع از آن آگاه هستیم. بنابراین مقدار زیادی از بینایی-- بخش عمده ای از آن تصاویری است، و در داخل آن ریخته می شود. ناخودآگاه است. و چشم کاملا حساس است به الگوهایی که در رنگها، شکلها و الگوها متغییر هستند. عاشق آنها است، و آنها را زیبا می نامد. این زبانِ چشم است. و اگر شما زبانِ چشم را با زبان ذهن ترکیب کنید، که درباره ی کلمات، اعداد و مفاهیم است، شما شروع به صحبت به دو زبان کرده اید به صورت همزمان، هر کدام دیگری را ارتقا می دهد. پس، شما بینایی را را دارید، و سپس مفاهیم را مطرح می کنید. و تمام قضیه، آن دو زبان است که در دو در یک زمان کار می کنند.
So we can use this new kind of language, if you like, to alter our perspective or change our views. Let me ask you a simple question with a really simple answer: Who has the biggest military budget? It's got to be America, right? Massive. 609 billion in 2008 -- 607, rather. So massive, in fact, that it can contain all the other military budgets in the world inside itself. Gobble, gobble, gobble, gobble, gobble. Now, you can see Africa's total debt there and the U.K. budget deficit for reference. So that might well chime with your view that America is a sort of warmongering military machine, out to overpower the world with its huge industrial-military complex. But is it true that America has the biggest military budget? Because America is an incredibly rich country. In fact, it's so massively rich that it can contain the four other top industrialized nations' economies inside itself, it's so vastly rich. So its military budget is bound to be enormous. So, to be fair and to alter our perspective, we have to bring in another data set, and that data set is GDP, or the country's earnings. Who has the biggest budget as a proportion of GDP? Let's have a look. That changes the picture considerably. Other countries pop into view that you, perhaps, weren't considering, and American drops into eighth.
پس می توانیم از این نوع جدید زبان استفاده کنیم، اگر شما دوست داشته باشید، تا چشم اندازمان را عوض کنیم یا دیدمان را تغییر دهیم. اجازه بدهید که یک سوال ساده از شما بپرسم با یک جواب بسیار ساده. چه کسی بزرگترین بودجه ی نظامی را دارد؟ باید آمریکا باشد، درست است؟ کلان. 609 میلیارد در سال 2008-- 607، ترجیحاً. بسیار کلان، در حقیقت، می تواند شامل شود همه ی بقیه ی بودجه های نظامی در جهان را. صدای بوقلمون♪ اکنون، می توانید همه ی بدهی آفریقا را در اینجا ببینید و کسری بودجه انگلیس را برای ارجاع. بنابراین، آن ممکن است که تطبیق کند با این دید شما که آمریکا یک نوعی از جنگ افروزی، ماشین نظامی، برای غالب شدن بر جهان است با آن صنایع نظامی پیچیده و عظیم. ولی آیا این درست است که آمریکا دارای بزرگترین بودجه نظامی است؟ به این دلیل که بهغایت کشورِ غنی ای است. در حقیقت، آنقدر غنی است که می تواند چهارتای دیگر از بالاترین ملیتهای اقتصاد صنعتی را درخود شامل شود، به صورت بسیار گسترده ای غنی است. بنابراین، بودجه نظامی آن میباید که بسیار زیاد باشد. پس، برای اینکه عادل باشیم و دیدگاه خود را عوض کنیم، باید مجموعه ی دیگری از داده ها را بیاوریم، و آن مجموعه داده GDP یا درآمدهای کشور است. چه کسی بیشترین سهمِ بودجه را از GDP دارد؟ اجازه دهید نگاهی بیاندازیم. آن ، دید را به طور قابل ملاحظه ای عوض می کند. دیگر کشورها به چشم می آیند که شما، شاید، ملاحظه نکردید، و آمریکا به رتبه ی هشتم سقوط می کند.
Now you can also do this with soldiers. Who has the most soldiers? It's got to be China. Of course, 2.1 million. Again, chiming with your view that China has a militarized regime ready to, you know, mobilize its enormous forces. But of course, China has an enormous population. So if we do the same, we see a radically different picture. China drops to 124th. It actually has a tiny army when you take other data into consideration. So, absolute figures, like the military budget, in a connected world, don't give you the whole picture. They're not as true as they could be.
حالا می توانید این را با سربازان انجام دهید. چه کسی بیشترین سربازان را دارد؟ باید چین باشد. البته، 2.1 میلیون. دوباره، با دید شما صدا می کند که چین یک رژیم نظامی است آماده، می دانید، نیروهای عضیمش را بسیج می کند. ولی البته، چین جمعیت عظیمی دارد. پس اگر همان کار را انجام دهیم، تصویر اساسا متفاوتی می بینیم. چین به رتبه ی 124 سقوط می کند. در واقع یک ارتش بسیار کوچک دارد وقتی که شما داده های دیگر را نیز مورد بررسی قرار می دهید. پس، تصاویر مستقل، مانند بودجه نظامی، در یک دنیای به هم مرتبط، یک تصویر کاملی به شما نمی دهند. آنها آن طور درست نیستند که می توانند باشد.
We need relative figures that are connected to other data so that we can see a fuller picture, and then that can lead to us changing our perspective. As Hans Rosling, the master, my master, said, "Let the dataset change your mindset." And if it can do that, maybe it can also change your behavior.
ما به تصاویر مرتبطی نیاز داریم که به داده های دیگر ارتباط داشته باشند تا بتوانیم تصویری کاملتر را ببینیم، و بنابراین آن می تواند ما را به سمت عوض کردن دیدگاهمان سوق دهد. همان طور که هنس روسلینگ، استاد، استاد من، گفت، "اجازه بده که مجموعه داده ها، مجموعه ذهنیت تو را عوض کند." و اگر می تواند این کار را انجام بدهد، شاید بتواند رفتار تو را نیز عوض کند.
Take a look at this one. I'm a bit of a health nut. I love taking supplements and being fit, but I can never understand what's going on in terms of evidence. There's always conflicting evidence. Should I take vitamin C? Should I be taking wheatgrass? This is a visualization of all the evidence for nutritional supplements. This kind of diagram is called a balloon race. So the higher up the image, the more evidence there is for each supplement. And the bubbles correspond to popularity as regards to Google hits. So you can immediately apprehend the relationship between efficacy and popularity, but you can also, if you grade the evidence, do a "worth it" line. So supplements above this line are worth investigating, but only for the conditions listed below, and then the supplements below the line are perhaps not worth investigating.
یک نگاهی به این یکی بیاندازید. من یک مقداری دیوانه ی سلامتی هستم. عاشق این هستم که مکمل مصرف کنم و تندرست باشم، ولی هیچ وقت درک نکردم که شواهد بیانگر چه هستند. همیشه تناقضی در بین شواهد وجود دارد. آیا باید ویتامین C مصرف کنم؟ آیا باید گندم سبزه مصرف کنم؟ این یک تجسمی از تمام شواهد است برای مکملهای غذایی. این نوع از نمودار را "مسابقه ی بادکنکها" می نامند. بنابراین، هرچه تصویر بالاتر باشد، شواهد بیشتری برای هر یک از مکملها وجود دارد. و حبابها بیانگر محبوبیت کالا از طریقِ تعدادِ بازدیدهای گوگل. بنابراین می توانید بلافاصله درک کنید ارتباط بین محبوبیت وتاثیرگذاری، اما به علاوه، می توانید، اگر ارزش بدهید به شواهد، یک جوری خط "ارزش گذاری" را انجام دهید. و پس مکملهای بالای بالای این خط ارزش در نظر گرفته شدن را دارند، ولی فقط تجتِ شرایط زیر، و مکملهای زیر این خط شاید ارزش در نظر گرفتن را نداشته باشند.
Now this image constitutes a huge amount of work. We scraped like 1,000 studies from PubMed, the biomedical database, and we compiled them and graded them all. And it was incredibly frustrating for me because I had a book of 250 visualizations to do for my book, and I spent a month doing this, and I only filled two pages. But what it points to is that visualizing information like this is a form of knowledge compression. It's a way of squeezing an enormous amount of information and understanding into a small space. And once you've curated that data, and once you've cleaned that data, and once it's there, you can do cool stuff like this.
حالا این تصویرمقدار زیادی کار برده است. حدود 1000 مطالعه از PubMed را در نظر گرفتیم، پایگاه داده بیوپزشکی، و همه را جمع آوری و درجه بندی کردیم. و به طور باور نکردنی برای من خسته کننده بود برای اینکه یک کتاب از 250 تصویری داشتم که برای انجام دادن کتابم بود. و من یک ماه برای انجام دادن این کار وقت صرف کردم، و فقط دو صفحه پر کردم. ولی این بیانگر این است که به تصویر کشیدن اطلاعات مانند این یک فرم از فشرده سازی دانش است. این روشی برای فشرده کردن مقدار انبوهی از اطلاعات و مفاهیم در یک فضای محدود است. و هنگامی که آن داده ها را فشرده می کنید، و هنگامی که آن داده ها را پاکسازی می کنید، و هنگامی که این کار را می کنید ، می توانید کارهای جالبی مانند این انجام دهید.
So I converted this into an interactive app, so I can now generate this application online -- this is the visualization online -- and I can say, "Yeah, brilliant." So it spawns itself. And then I can say, "Well, just show me the stuff that affects heart health." So let's filter that out. So heart is filtered out, so I can see if I'm curious about that. I think, "No, no. I don't want to take any synthetics, I just want to see plants and -- just show me herbs and plants. I've got all the natural ingredients." Now this app is spawning itself from the data. The data is all stored in a Google Doc, and it's literally generating itself from that data. So the data is now alive; this is a living image, and I can update it in a second. New evidence comes out. I just change a row on a spreadsheet. Doosh! Again, the image recreates itself. So it's cool. It's kind of living.
بنابراین من این را به یک برنامه کاربردی تعاملی تبدیل کردم، بنابراین من می توانم این برنامه کاربردی آن لاین را تولید کنم-- این یک تصویر سازی آن لاین است-- و می توانم بگویم، "بله، عالیست." پس خودش را تولید می کند. و سپس می توانم بگویم، " خوب، فقط به من چیزها را نشان بده که سلامتی قلب را تحت تاثیر قرار می دهد." پس بگذارید آن را فیلتر کنیم. خوب، قلب فیلتر شده است، بنابراین اگر درباره آن کنجکاو باشم. من فکر می کنم، "نه، نه. نمی خواهم از خوراکیهای مصنوعی استفاده کنم. فقط می خواهم گیاهان را ببینم و-- فقط به من سبزیجات و گیاهان را نشان بده. همه ی محتویات طبیعی را در اختیار دارم." حالا این برنامه کاربردی خودش تولید می کند از داده ها. همه ی داده ها در Google doc ذخیره شده است، و به معنای واقعی کلمه خودش در حال تولید کردن از آن داده ها است. بنابراین داده ها اکنون زنده هستند؛ این یک تصویر زنده است، و می توانم در یک ثانیه آن را به روز کنم. مدارک جدید بیرون می آید--من فقط یک سطر را در صفحه گسترده عوض می کنم. اوف! دوباره، تصویر خودش را می سازد. جالب است. یک جورهایی زنده است.
But it can go beyond data, and it can go beyond numbers. I like to apply information visualization to ideas and concepts. This is a visualization of the political spectrum, an attempt for me to try and understand how it works and how the ideas percolate down from government into society and culture, into families, into individuals, into their beliefs and back around again in a cycle. What I love about this image is it's made up of concepts, it explores our worldviews and it helps us -- it helps me anyway -- to see what others think, to see where they're coming from. And it feels just incredibly cool to do that.
ولی می تواند فراتر از داده ها برود، و می تواند فراتر از اعداد برود. و من دوست دارم که به تصویر کشیدن اطلاعات را به کار ببرم برای ایده ها و مفاهیم. این یک تصویرسازی از طیف سیاسی است، برای من که تلاش کنم وبفهمم که چگونه کار می کند و چگونه ایده ها نفوذ می کنند از دولت به سمت جامعه و فرهنگ، به سمت خانواده ها، به سمت افراد، به سمت باورهایشان و دوباره در یک چرخه بر می گردند. چیزی که من راجع به این تصویر دوست دارم این است که از مفاهیم ساخته شده است، دید جهانی ما را کاوش می کند و به ما کمک می کند-- در هر حال به من کمک می کند-- چیزهایی که دیگران فکر می کنند را ببینم، ببینم آنها از کجا می آیند، واحساس می شود که به طور باور نکردنی فقط جالب است که آن را انجام دهید.
What was most exciting for me designing this was that, when I was designing this image, I desperately wanted this side, the left side, to be better than the right side -- being a journalist, a Left-leaning person -- but I couldn't, because I would have created a lopsided, biased diagram. So, in order to really create a full image, I had to honor the perspectives on the right-hand side and at the same time, uncomfortably recognize how many of those qualities were actually in me, which was very, very annoying and uncomfortable. (Laughter) But not too uncomfortable, because there's something unthreatening about seeing a political perspective, versus being told or forced to listen to one. You're capable of holding conflicting viewpoints joyously when you can see them. It's even fun to engage with them because it's visual. So that's what's exciting to me, seeing how data can change my perspective and change my mind midstream -- beautiful, lovely data.
و چیزی که برای من از همه جالب تر بود در طراحیِ این این بود که، وقتی در حال طراحی این تصویر بودم، به شدت این سمت را می خواستم، سمت چپ را، که بهتر از سمت راست شود-- به عنوان یک روزنامه نگار --یک فرد متمایل به سمت چپ-- ولی نمی توانستم، به خاطر اینکه می ساختم یک نمودار ناعادلانه و متمایل به یک طرف، پس،واقعا برای ساختن یک تصویر کامل، مجبور بودم که به دیدگاه های متمایل به راست احترام بگذارم و همزمان، به صورت ناراحت کننده ای تشخیص دادم چه قدر از آن مقدارها در واقع در من وجود داشت، که خیلی، خیلی ناراحت کننده و رنج آور بود. (خنده حضار) ولی نه بیش از اندازه ناراحت کننده، به این دلیل که چیز تهیده کننده ای وجود نداشت درباره "دیدن" یک دیدگاه سیاسی، در مقایسه با شنیدن آن از طریق شخص دیگر یا به زور شنیدن آن. در واقع -- شما توانا هستید که نقطه نظرات متضاد را نگه دارید شادمانه، وقتی که می توانید آنها را ببینید. حتی برای شما سرگرمی است که با آنها مشغول شوید. به خاطر اینکه آنها تصویری هستند. این دلیلِ هیجان آور بودنِ موضوع برای من است، دیدن اینکه چگونه داده ها می توانند دیدگاهم را عوض کنند و جریان ذهنی ام را عوض کنند-- داده های زیبا و دوست داشتنی.
So, just to wrap up, I wanted to say that it feels to me that design is about solving problems and providing elegant solutions, and information design is about solving information problems. It feels like we have a lot of information problems in our society at the moment, from the overload and the saturation to the breakdown of trust and reliability and runaway skepticism and lack of transparency, or even just interestingness. I mean, I find information just too interesting. It has a magnetic quality that draws me in.
خوب، در جمع بندی، من خواستم بگویم که من احساس می کنم که طراحی یعنی حل کردن مشکلات و فراهم کردن راه حلهای ظریف و طراحی اطلاعات یعنی حل کردن مشکلات اطلاعات. و این طور احساس می شود که ما مشکلات اطلاعات زیادی داریم در جامعه مان در این لحظه، از اشباع شدگی و زیادی تا از بین رفتنِ اعتماد و اطمینان و تردید و عدم شفافیت، یا حتی فقط جذاب نبودن. منظورم این است،من اطلاعات را خیلی جالب می یابم. یک خاصیت آهن ربایی دارد که من را به سوی خودش می کشد.
So, visualizing information can give us a very quick solution to those kinds of problems. Even when the information is terrible, the visual can be quite beautiful. Often we can get clarity or the answer to a simple question very quickly, like this one, the recent Icelandic volcano. Which was emitting the most CO2? Was it the planes or the volcano, the grounded planes or the volcano? So we can have a look. We look at the data and we see: Yep, the volcano emitted 150,000 tons; the grounded planes would have emitted 345,000 if they were in the sky. So essentially, we had our first carbon-neutral volcano.
بنابراین، به تصویر کشیدن اطلاعات می تواند به ما یک راه حل سریع به آن دسته از مشکلات بدهد. و حتی وقتی که اطلاعات افتضاح هستند، تصویر می تواند بسیار زیبا باشد. و اغلب می توانیم به نظم و ترتیب برسیم یا جواب بدهیم یک سوال ساده را، مانند این یکی، آتشفشان اخیر ایسلند. کدام یک بیشترین CO2 را منتشر کرد؟ آیا آن هواپیماها بود یا آتشفشان بود، هواپیماهای غیر فعال یا آتشفشان؟ پس می توانیم نگاهی بیاندازیم. به داده ها نگاهی می اندازیم و می بینیم، بله، آتشفشان 15000 تن (گاز) انتشار داد؛ و هواپیماهای غیر فعال انتشار خواهد داد 345000، اگر آنها در آسمان باشند. پس اساسا، اولین کربن-خنثی آتشفشان را داشتیم.
(Laughter)
(خنده حضار)
(Applause)
(تشویق)
And that is beautiful. Thank you.
و این زیبا است. متشکرم.
(Applause)
(تشویق)