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.
J'ai l'impression que nous souffrons tous d'un excès d'information ou d'une surabondance de données. Et la bonne nouvelle est qu'il se pourrait qu'il y ait une solution facile à cela, et c'est d'utiliser plus nos yeux. Et donc, en visualisant les informations, afin de pouvoir voir les modèles et les connexions qui ont de l'importance et en designant ces informations pour qu'elles aient plus de sens, ou qu'elles racontent une histoire, ou nous permettre de nous concentrer seulement sur les informations qui sont importantes. Sinon, les informations visualisées peuvent juste avoir l'air vraiment cool.
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.
Donc, voyons ça. C'est le diagramme des milliards de dollars, et cette image est née de ma frustration avec les rapports de montants de milliards de dollars dans la presse. C'est-à-dire, ils n'ont aucun sens hors contexte. 500 milliards pour cet oléoduc. 20 milliards pour cette guerre. Ca n'a aucun sens, donc le seul moyen de comprendre ça c'est visuellement et relativement. Donc j'ai rassemblé un tas de chiffres rapportés par différents services d'information et j'ai mis les carrés à l'échelle en fonction de ces montants. Et les couleurs représentent la motivation derrière l'argent. Donc le violet c'est le combat. et le rouge c'est les dons d'argent, et le vert c'est les profits excessifs. Et ce qu'on voit tout de suite c'est qu'on commence à avoir une relation différente aux chiffres. On peut littéralement les voir. Mais ce qui est plus important, on commence à voir des modèles et des connexions entre les chiffres qui autrement seraient éparpillés dans de multiples articles.
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.
Permettez-moi de vous faire remarquer certains chiffres que j'aime vraiment. C'est le revenu de l'OPEP, ce carré vert ici -- 780 milliards par an. Et ce petit pixel dans le coin -- trois milliards -- c'est leur fonds pour le changement climatique. Les américains, des gens incroyablement généreux -- plus de 300 milliards par an, donnés aux organismes caritatifs chaque année, comparé au montant de l'aide étrangère donné par les 17 plus grands pays industrialisés qui s'élève à 120 milliards. Et puis bien sûr, la guerre en Iraq, dont le coût était prévu à 60 milliards en 2003. Et il a légèrement gonflé. L'Afghanistan a gonflé à présent à 3 000 milliards. Donc maintenant c'est génial parce que maintenant nous avons cette texture, et nous pouvons y ajouter des chiffres aussi. Alors nous pourrions dire, et bien, un nouveau chiffre sort .. voyons la dette africaine. Quelle proportion pensez-vous que la dette que l'Afrique doit à l'Occident occupe sur ce diagramme? Jetons un coup d'oeil. Voilà. 227 milliards, c'est ce que l'Afrique doit. Et la récente crise financière -- quelle proportion de ce diagramme cela pourrait occuper? Qu'est-ce que ça a coûté au monde? Regardons ça. Vlan! Je pense que c'est l'effet sonore adéquat pour autant d'argent. 11 900 milliards. Donc, en visualisant ces informations, nous l'avons transformé en un paysage que vous pouvez explorer avec vos yeux, un genre de carte vraiment, une sorte de cartes d'informations. Et quand vous êtes perdu dans les informations, une carte des informations est plutôt utile.
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.
Alors je veux vous montrer un autre paysage maintenant. Il nous faut imaginer ce à quoi un paysage des peurs du monde pourrait ressembler. Regardons ça. Voici des montagnes faites à partir de taupinières, une chronologie de la panique des média mondiaux. (Rires) Donc je vous donnerai la légende dans une seconde. Mais la hauteur ici, que je veux vous faire remarquer, c'est l'intensité de certaines peurs, telles qu'elles ont été rapportées dans les média. Permettez moi de vous les montrer. Alors voici la grippe H1N1 -- rose. La grippe aviaire. Le SRAS -- en marron ici. Vouos vous rappelez de celui-là. Le bug de l'an 2000 -- une terrible catastrophe. Ces petits pics verts sont les collisions d'astéroïdes. (Rires) Et en été, ici, les guêpes tueuses.
(Laughter)
(Rires)
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.
Voilà donc à quoi ressemblent nos peurs au fil du temps dans nos média. Mais ce que j'adore -- et je suis journaliste -- et ce que j'adore c'est de trouver les modèles cachés: j'adore être un détective de données. Et il y a un modèle très intéressant et très bizarre caché dans ces données que vous ne pouvez voir que quand vous le visualisez. Permettez-moi de le mettre en évidence pour vous. Vous voyez cette ligne. C'est un paysage pour les jeux vidéo violents. Comme vous pouvez le voir, il y a un modèle bizarre, régulier dans les données, deux sommets identiques chaque année. Si vous regardez de plus près, nous voyons que ces pics se passent le même mois de chaque année. Pourquoi? Et bien, novembre, les jeux vidéo de Noël sortent. et il se peut bien qu'il y ait une recrudescence d'inquiétude quant à leur contenu. Mais avril n'est pas particulièrement un mois de sorties massives de jeux vidéos. Pourquoi avril? Et bien, en avril 1999 a eu lieu la fusillade de Columbine. et depuis, cette peur a été rappelée dans les média et trouve un écho dans l'esprit collectif petit à petit au fil de l'année. Vous avez des rétrospectives, des anniversaires, des procès, et même des fusillades similaires, le tout ramenant cette peur au premier plan. Et il y a un autre modèle ici aussi. Est-ce que vous le repérez? Vous voyez ce fossé ici? il y a un fossé, et il affecte toutes les autres histoires. Pourquoi y a-til un fossé ici? Vous voyez où il commence? Septembre 2001, quand nous avons vécu quelque chose dont on peut avoir vraiment peur.
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.
Donc j'ai été journaliste travaillant sur les données pendant environ un an, et j'entend une expression qui revient tout le temps, et c'est: "les données sont le nouveau pétrole." Et les données sont une sorte de ressource omniprésente que nous pouvons façonner pour fournir de nouvelles innovations et de nouveaux aperçus, et elles sont tout autour de nous, et nous pouvons les exploiter très facilement. et ce n'est pas particulièrement une super métaphore en ce moment surtout si vous vivez près du Golfe du Mexique, mais je voudrais peut-être adapter légèrement cette métaphone, et je dirais que les données sont le nouveau terreau. Parce que pour moi, c'est comme un média fertile et créatif Vous savez, au fil des ans, en ligne, nous avons déposé une quantité énorme d'informations et de données, et nous les irriguons avec des réseaux et de la connectivité, et des travailleurs non rémunérés et les gouvernements les ont travaillées et labourées. Et d'accord, je tire un peu sur la métaphore. Mais c'est vraiment un média fertile, et j'ai l'impression que les visualisations, l'infographie, les visualisations de données, sont comme des fleurs qui s'épanouissent à partir de ce média. Mais si vous les regardez directement, ce ne sont que des chiffres et des faits décousus. Mais si vous commencez à travailler avec et à jouer avec d'une certaine façon, des choses intéressantes peuvent apparaître et différents modèles peuvent être révélés.
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?
Permettez-moi de vous montrer ceci. Pouvez-vous deviner ce que disent ces données? Qu'est-ce qui s'élève deux fois par an, une fois à Pâques et ensuite deux semaines avant Noël, a un tout petit pic tous les lundis et retombe pendant l'été. J'attends vos réponses. (Public: Le chocolat.) David McCandless: Le chocolat. Il faudrait peut-être amener du chocolat. D'autres réponses? Public: le shopping) DM: Le shopping. Oui, la thérapie par le commerce de détail, ça aide. (Public: Les arrêts maladie) DM: Les arrêts maladie. Oui, vous voulez définitivement vous reposer. Voulez-vous que nous voyons ça?
(Laughter)
(Rires)
(Applause)
(Applaudissements)
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.
Donc, les informations ici, Lee Baron et moi-même, nous avons récolté 10 000 mises à jour de statuts facebook pour l'expression "rupture" et "rompu" et voilà le modèle que nous avons trouvé -- les gens font le ménage aux vacances de printemps, (Rires) reviennent de très mauvais weekends le lundi, qu'ils sont célibataires en été. Et puis le jours le plus bas de l'année, bien sûr : le jour de Noël. Qui ferait ça? Il y a donc une quantité titanesque de données là-dehors en ce moment, comme il n'y a jamais eu. Mais si vous posez les bonnes questions, ou si vous y travaillez de la bonne façon, des choses intéressantes peuvent émerger.
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.
Donc les informations sont belles. Les données sont belles. Je me demande si je pourrais rendre ma vie belle. Et voici mon CV visuel. Je ne suis pas sûr d'avoir réussi. Un peu trop monobloc, les couleurs ne sont pas super. Mais je voulais vous communiquer quelque chose. J'ai débuté comme programmeur, et puis j'ai travaillé comme écrivain pendant de nombreuses années, environ 20 ans, dans l'édition, en ligne puis dans la publicité. et c'est seulement récemment que je me suis lancé dans le design. Et je n'ai jamais étudié le design, je n'ai jamais étudié l'art ou quoi que ce soit. J'ai dans un sens appris en faisant. Et quand je me suis lancé dans le design, j'ai découvert une chose étrange à propos de moi-même. Je savais déjà faire du design, mais ce n'était pas comme si j'étais étonnamment excellent mais plus comme si j'étais sensible aux notions de grilles et d'espace d'alignement et de typographie. C'est presque comme si d'être exposé à tous ces médias au fil des ans avait instillé en moi une sorte de connaissance dormante du design. Et je n'ai pas l'impression d'être unique.
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.
j'ai l'impression que chaque jour, nous tous à présent sommes bombardés de design d'information. On le déverse dans nos yeux par le Web, et nous sommes tous des visualiseurs à présent ; nous exigeons tous un aspect visuel pour nos informations. Et il y a quelque chose de presque magique dans les informations visuelles. Elles ne demandent pas d'effort; elles se déversent littéralement en nous. Et si vous naviguez dans une jungle dense d'informations, tomber sur un beau graphique ou sur une jolie visualisation de données, c'est un soulagement, c'est comme tomber sur une clairière dans la jungle. Et j'étais curieux de cela, et ça m'a conduit au travail d'un physicien danois qui s'appelle Tor Norretranders, et il a convertit la bande passante des sens en termes informatiques.
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.
Donc allons-y. Voici vos sens, qui se déversent dans vos sens à chaque seconde. Votre vue est le plus rapide de vos sens. Il a la même bande passante qu'un réseau d'ordinateurs. Puis vous avez le toucher, qui a environ la vitesse d'une clé USB. Et ensuite vous avez l'ouïe et l'odorat, qui ont un débit de disque dur. Et vous avez le pauvre vieux goût qui a le débit d'une calculette de poche. Et ce petit carré dans le coin, 0,7 %, c'est la quantité dont nous sommes réellement conscient. Donc une grande partie de notre vision -- le gros des informations sont visuelles et elles se déversent en nous. C'est inconscient. Et l'oeil est délicieusement sensible aux modèles dans les variations de couleur, de forme et de motifs. Il les adore, et il les trouve belles. C'est le langage de l'oeil. Et si vous combinez ce langage de l'oeil avec le langage de l'esprit, qui est fait de mots, de chiffres et de concepts, vous commencez à parler deux langues en même temps, qui s'améliorent l'une l'autre. Donc vous avez l'oeil, et puis vous tombez dans les concepts. Et tout ça -- ce sont deux langages qui travaillent en même temps.
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.
Donc nous pouvons utiliser ce nouveau genre de langage, si vous voulez, pour altérer nos perspectives ou changer nos points de vue. Permettez-moi de vous poser une question simple dont la réponse est simple. Qui a le plus gros budget militaire? Ce doit être l'Amérique, pas vrai? Enorme, 609 milliards en 2008 -- 607, plutôt. Si énorme en fait, qu'il peut contenir tous les autres budgets militaires du monde. Miam, miam, miam, miam, miam. Maintenant, vous pouvez voir la totalité de la dette de l'Afrique ici et le déficit budgétaire du Royaume-Uni au titre de référence. Donc cela pourrait bien intervenir avec votre notion de l'Amérique comme un genre de machine militaire va-t-en-guerre, partie pour dominer le monde avec son énorme complexe industriel et militaire. Mais est-ce vrai que l'Amérique a le plus gros budget militaire? Parce que c'est un pays incroyablement riche. En fait, il est si énormément riche qu'il peut contenir les quatre autres économies des nations les plus industrialisés il est si immensément riche. Donc son budget militaire doit être énorme. Alors pour être juste et pour altérer notre perspective, nous devons amener un autre ensemble de données, et cet ensemble de données est le PIB, ou les revenus d'un pays. Qui a le plus gros budget par rapport au PIB? Regardons ça. Voilà qui change l'image considérablement. D'autres pays apparaissent auxquels vous ne pensiez peut-être pas, et l'Amérique tombe à la huitième place.
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.
Maintenant, on peut aussi faire ça avec les soldats. Qui a le plus de soldats? C'est forcément la Chine. Bien sûr, 2,1 millions. Là encore, ça intervient avec votre idée que la Chine est un régime militarisé prêt à mobiliser ses énormes forces. Mais bien sûr, la Chine a une population énorme. Donc si nous faisons la même chose, nous voyons une image radicalement différente. La Chine tombe à la 124ème place. Elle a en fait une toute petite armée quand vous prenez les données en considération. Donc, les chiffres absolus, comme le budget de l'armée, dans un monde connecté, ne vous donnent pas toute l'image. Ils ne sont pas aussi vrais qu'ils pourraient l'être.
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.
Il nous faut des chiffres relatifs qui soient connectés à d'autres données pour que nous puissions voir une image plus complète, et ensuite cela peut conduire à changer notre point de vue. Comme Hans Rosling, le maître, mon maître, a dit, "Laissez l'ensemble des données changer votre façon de voir les choses." Et si ça marche, peut-être que ça peut aussi changer votre comportement.
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.
Regardez celle-là. Je suis un peu un fana de la santé. J'adore prendre des compléments alimentaires et rester en forme, mais je ne comprend jamais ce qui se passe en termes de preuves. Il ya toujours des preuves contradictoires. Devrais-je prendre de la vitamine C? Devrais-je prendre du jus d'herbe de blé? Voici une visualisation de toutes les preuves qui concernent les compléments alimentaires. Ce genre de diagramme s'appelle une course de ballons Donc plus on monte dans l'image, plus il y a de preuve pour chaque complément. Et les bulles correspondent à la popularité telle qu'elle ressort des résultats Google. Donc vous voyez immédiatement la relation entre l'efficacité et la popularité, mais vous pouvez aussi, si vous classez les preuves, établir une sorte de ligne de ce qui vaut le coup. Et donc les compléments au dessus de cette ligne valent la peine qu'on s'y intéresse, mais seulement dans les conditions listées en dessous. Et ensuite les compléments en dessous de la ligne ne valent peut-être pas la peine qu'on s'y intéresse.
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.
Maintenant, cette image constitue un travail énorme. Nous avons collect 1000 études de PubMed, la base de données biomédicale, et nous les avons compilées et classées. Et c'était incroyablement frustrant pour moi parce que j'avais un livre de 250 visualisations à faire, et j'ai passé un mois là-dessus, et je n'ai rempli que deux pages. Mais ce que ça met en évidence c'est que visualiser les informations de cette façon est une forme de compression de connaissance. C'est une façon de tasser une énorme quantité d'informations et de compréhension dans un petit espace. Et une fois que vous avez organisé ces données, et une fois que vous avez nettoyé ces donénes, et une fois que c'est là, vous pouvez faire des trucs sympas comme ça.
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.
Donc j'ai converti ça en une application interactive, et je peux générer cette application en ligne -- voici la visualisation en ligne -- et je peux dire, "Oui, génial." Et donc il s'auto-génère. Et ensuite je peux dire, "Et bien, montre moi ce qui affecte la santé du coeur." Alors, filtrons ça. Donc on filtre ce qui a trait au coeur, et si je veux savoir ça. Je pense, "Non, non, je ne veux pas prendre de produits de synthèse. je veux juste voir les plantes et -- montre moi seulement les herbes et les plantes. J'ai tous les ingrédients naturels." Et cette application s'autogénère à partir des données. Les données sont toutes stockées dans un document Google. et elle s'autogénère à partir de ces données. Donc ces données sont vivantes; c'est une image vivante, et je peux la mettre à jour en une seconde. De nouvelles preuves apparaissent -- je change simplement une ligne dans le tableau. Vlan! A nouveau, l'image se recrée toute seule. Donc c'est sympa. Elle est vivante.
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.
Mais ça peut aller au delà des données, et ça peut aller au delà des chiffres. Et j'aime appliquer la visualisation d'informations à des idées et des concepts. Voici une visualisation du spectre politique, pour tenter de comprendre comment ça fonctionne et comment les idées passent du gouvernement à la société et la culture, aux familles, aux individus, à leurs croyances et reviennent au gouvernement dans un cycle. Ce que j'aime dans cette image c'est quelle est faite de concepts, elle explore nos visions du monde et elle nous aide -- elle m'aide de toute façon -- à voir ce que les autres pensent, pour voir d'où ils viennent. Et c'est super de faire ça.
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.
Et le plus excitant pour moi en concevant cette visualisation, c'était que pendant que je concevais cette image, je voulais désespérément que ce côté, le côté gauche, soit meilleur que le côté droit -- car je suis un genre de journaliste, une personne avec une sensibilité de gauche -- mais je ne pouvais pas, parce que j'aurais créé un diagramme faussé et bancal. Donc pour créer vraiment une image complète, j'ai dû honorer les perspectives du côté droit et en même temps, j'ai reconnu avec un certain malaise combien de ces qualités étaient en fait en moi, ce qui était très, très ennuyeux et inconfortable. (Rires) Mais pas trop inconfortable, parce qu'il y a quelque chose qui n'est pas menaçant dans le fait de voir une perspective politique. versus être obligé d'en écouter une. C'est en fait -- vous êtes capable de tenir des points de vue divergeants joyeusement, quand vous les voyez. C'est même amusant de s'y confronter parce que c'est visuel. Alors voilà ce qui est excitant pour moi, de voir comment les données changent ma perpective et changent le centre de mes pensées de belles et jolies données.
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.
Donc pour finir, je voulais dire que j'ai l'impression que le design est sur le point de résoudre des problèmes et de fournir des solutions élégantes. Et le design des informations est là pour résoudre les problèmes d'information. Et il semble que nous ayons beaucoup de problèmes d'information, dans notre société en ce moment, depuis la surcharge et la saturation jusqu'à l'effondrement de la confiance et de la fiabilité et le scepticisme effréné et le manque de transparence, ou même simplement l'intérêt. Je veux dire, je trouve les informations trop intéresantes. Elles ont une qualité magnétique qui m'attire.
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.
Alors, visualiser les informations peut nous donner une solution très rapide à ce genre de problèmes. Et même quand les informations sont terribles, le visuel peut être beau. Et souvent on peut obtenir de la clarté ou la réponse à une question simple très rapidement. comme celle-ci, le récent volcan islandais. Qui émettait le plus de CO2? Est-ce que c'était les avions ou le volcan, les avions cloués au sol ou le volcan? Alors nous pouvons voir ça. Nous regardons les données et nous voyons, oui, le volcan a émis 150 000 tonnes; les avions au sol auraient émis 345 000 tonnes si ils avaient été dans le ciel. Doc essentiellement, nous avons eu notre premier volcan à empreinte carbone neutre.
(Laughter)
(Rires)
(Applause)
(Applaudissements)
And that is beautiful. Thank you.
Et c'est beau. Merci.
(Applause)
(Applaudissements)