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.
ตอนนี้ ปัญหาของเราทุกคน มาจากข้อมูลข่าวสารที่มากเกินไป ข่าวดีคือ เรื่องนี้มีทางแก้ง่าย ๆ อยู่ นั่นคือ การใช้ดวงตาของเราให้มากขึ้น โดยแปรข้อมูลเป็นแผนภาพ เราจะได้มองเห็น รูปแบบและความสัมพันธ์ที่สำคัญ ดีไซน์ข้อมูล เพื่อให้ใช้ตีความได้ดีขึ้น ให้มันเล่าเรื่องราว หรือช่วยให้เราพุ่งความสนใจแค่ส่วนที่สำคัญ หรือไม่เช่นนั้น แค่แผนภาพสวย ๆ ก็ยังดูเจ๋งมาก ๆ อยู่ดี
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.
มาดูกันเลยครับ นี่คือ "บิลเลี่ยน ดอลล่าร์ โอแกรม" ('แผนภาพพันล้านเหรียญ') ภาพนี้เกิดขึ้น จากความหงุดหงิด เวลาอ่านข่าวที่รายงานตัวเลขระดับพันล้าน ตัวเลขพวกนี้ ไม่มีความหมายเลยถ้าไม่มีบริบท 5 แสนล้านสำหรับท่อขนส่งน้ำมัน 2 หมื่นล้านสำหรับสงคราม ตีความต่อไม่ได้เลย วิธีเดียวที่จะเข้าใจได้ คือใช้ภาพ และการเปรียบเทียบ ดังนั้นผมจึงเก็บตัวเลขรายงานพวกนี้ จากรายงานข่าวต่าง ๆ มาทำเป็นรูปสี่เหลี่ยม มีขนาดตามมูลค่าเงิน แล้วใช้สีแทนแรงจูงใจต่าง ๆ ของการใช้เงิน สีม่วงคือ "การสงคราม" สีแดงคือ "การบริจาค" และสีเขียวคือ "ฉวยโอกาสค้ากำไร" สิ่งที่คุณเห็นได้ทันที คือ มุมมองต่อจำนวนเงินของคุณจะเปลี่ยนไป ตัวเลขกลายเป็นภาพที่จับต้องได้ ที่สำคัญกว่าคือ คุณจะเห็น รูปแบบและความสัมพันธ์ระหว่างตัวเลขต่างๆ ที่กระจัดกระจายอยู่ตามรายงานข่าว
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.
ผมขอชี้บางอันที่ผมชอบมากนะครับ นี่คือรายได้ของกลุ่มโอเป็คในกล่องสีเขียว 7.8 แสนล้านต่อปี ส่วนช่องเล็ก ๆ ตรงหัวมุมนี้ -- 3 พันล้าน -- คือมูลค่ากองทุนภูมิอากาศแปนปรวนของโอเปค ชาวอเมริกัน ใจกว้างอย่างไม่น่าเชื่อ เพราะบริจาคเงินให้การกุศล ทุก ๆ ปีกว่า 3 แสนล้านเหรียญ เมื่อเทียบกับมูลค่าเงินช่วยเหลือต่างประเทศ ซึ่งบริจาคโดย 17 ประเทศอุตสาหกรรมชั้นนำ ที่ 1.2 แสนล้าน แล้วแน่นอน สงครามอิรัก ซึ่งเคยคาดว่าจะใช้เงินเพียง 6 หมื่นล้าน ในปี 2003 แล้วก็ค่อย ๆ บานปลาย จนตอนนี้ อัฟกานิสถาน และอิรัก ใช้เงินไปแล้ว 3 ล้านล้าน ทีนี้ก็เยี่ยมเลย เพราะตอนนี้เรามีข้อมูลให้เปรียบเทียบ แล้วเราจะเพิ่มข้อมูลเข้าไปอีกก็ได้ อาจมีตัวเลขใหม่ออกมา เช่น หนี้ชาติแอฟริกัน พื้นที่จะใหญ่แค่ไหนครับ ถ้าใช้มูลค่า หนี้ที่แอฟริกาค้างชาติตะวันตก? มาดูกันเลย ตามนี้ครับ 2.27 แสนล้าน คือมูลค่าหนี้ของแอฟริกา และวิกฤตการเงินที่ผ่านมาล่ะ ตัวเลขที่ได้ จะกินพื้นที่ขนาดไหน? วิกฤตินั้นสร้างความเสียหายให้โลกขนาดไหน? ลองมาดู วูบบบบ - เสียงแบบนี้ ผมว่าเหมาะเลย สำหรับเงินมากขนาดนี้ 11.9 ล้านล้าน เมื่อแปรข้อมูลเหล่านี้เป็นแผนภาพ เราก็จะได้ภาพภูมิทัศน์ ที่คุณสำรวจได้เพียงแค่กวาดสายตา เป็นเหมือนแผนที่, เป็นแผนที่ของข้อมูล พอข้อมูลเยอะมาก จนคุณหลงทาง แผนที่ข้อมูลนี้ ก็จะช่วยคุณได้
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.
ผมอยากแสดงภาพภูมิทัศน์อีกอันให้ดูกัน เราจะมาจินตนาการกันว่าภูมิทัศน์ ความกลัวของชาวโลก มันเป็นอย่างไร มาดูกันเลย นีคือ เทือกเขาเนินตัวตุ่น แสดงลำดับเวลาความหวาดกลัวของสื่อทั่วโลก (เสียงหัวเราะ) อีกเดี๋ยวผมจะอธิบายให้ฟัง แต่ผมอยากบอกก่อนว่า ยอดกราฟพวกนี้ คือระดับความรุนแรงของความหวาดกลัว จากรายงานข่าวต่าง ๆ ผมจะอธิบายให้ฟังนะครับ อันนี้ไข้หวัดหมู -- สีชมพู ไข้หวัดนก โรคซาร์ส สีน้ำตาล ยังจำได้มั้ยครับ? เรื่องกลัวคอมพิวเตอร์ล่มปี 2000 น่ากลัวมาก ๆ เลย ยอดสีเขียวเล็ก ๆ พวกนี้ คือกลัวอุกกาบาตชนโลก (เสียงหัวเราะ) ในช่วงฤดูร้อน ก็กลัวตัวต่อเพชรฆาต
(Laughter)
(เสียงหัวเราะ)
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.
เหล่านี้ คือสิ่งที่เราหวาดกลัว ซึ่งเห็นได้จากสื่อในระยะเวลาต่าง ๆ สิ่งที่ผมชอบมาก -- ผมเป็นนักข่าวนะครับ -- คือการหารูปแบบเกิดซ้ำที่ซ่อนอยู่ ผมชอบเป็นนักสืบข้อมูล ข้อมูลเหล่านี้ มีรูปแบบเกิดซ้ำที่แปลก และน่าสนใจมาก ๆ ซ่อนอยู่ และจะเห็นได้ เมื่อแปรเป็นภาพก่อนเท่านั้น อย่างที่ผมจะชี้ให้ดูนี้นะครับ เส้น ๆ นี้ เป็นภูมิทัศน์วิดีโอเกมรุนแรง จะเห็นว่า ข้อมูลนี้มีรูปแบบแปลก ๆ เกิดขึ้นซ้ำ ๆ เป็นยอดคู่ อยู่ทุก ๆ ปี ดูให้ละเอียด ก็จะเห็นว่ายอดคู่พวกนั้น เกิดขึ้นในเดือนเดียวกัน ทุก ๆ ปี ทำไม? พฤศจิกายน วีดีโอเกมใหม่วางตลาดรับคริสต์มาส ความกังวลเกี่ยวกับเนื้อหาของเกม จึงเพิ่มสูงขึ้น แต่เมษายนก็ไม่ใช่เดือนที่คึกคักเท่าไหร่ สำหรับวิดีโอเกม แล้วทำไมเมษายนด้วยล่ะ? ในเดือนเมษายน 1999 เกิดเหตุสังหารหมู่โคลัมไบน์ขึ้น แต่นั้นมา สื่อจึงจดจำความกลัวนี้ มาโดยตลอด แล้วสะท้อนผ่านความนึกคิดของสื่อ มานานหลายปี เป็นทั้งข่าวรำลึก วันครบรอบ คดีในศาล หรือกระทั่งกรณีสังหารเลียนแบบ ทั้งหลายแหล่ เพื่อตอกย้ำความกลัวนี้ ลงในเนื้อหา ยังมีรูปแบบเกิดซ้ำอีกอันนึงครับ ช่องว่างตรงนั้นครับ มันมีผลกระทบต่อเรื่องอื่น ๆ ทุกเรื่องเลย ทำไมมีช่องว่างอยู่ตรงนั้นล่ะ? ดูที่จุดเริ่มต้นของช่องครับ กันยายน 2001 ช่วงเวลาที่เรามีภัยคุกคามซึ่งจับต้องได้ ให้หวาดกลัวกัน
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.
ผมทำงานเป็นนักข่าวสายงานดาต้าประมาณหนึ่งปี ผมจะได้ยินวลีนี้ ตลอดเวลาเลย "ดาต้าคือน้ำมันยุคใหม่" ดาต้าเป็นเหมือนทรัพยากรที่มีอยู่แพร่หลาย ให้เรานำมาใช้สร้างนวัตกรรม หรือหาข้อมูลเชิงลึกใหม่ ๆ ได้ มันอยู่ทุกที่รอบตัวเรา และค้นหาได้ง่ายมาก ๆ เป็นคำอุปมาที่ไม่ค่อยดีนักสำหรับเวลานี้ โดยเฉพาะ ถ้าคุณอยู่แถว ๆ อ่าวเม็กซิโก ผมจะขอปรับคำอุปมานี้นิดหน่อย ว่า ดาต้าคือดินยุคใหม่ เพราะผมคิดว่า มันเป็นสื่อสร้างสรรค์ ที่อุดมสมบูรณ์มาก หลายปีมานี้ บนโลกออนไลน์ เราได้โปรยหว่าน เมล็ดพันธ์ข่าวสารและดาต้าจำนวนมหาศาล วางเน็ตเวิร์กและการเชื่อมต่อ เสมือนระบบรดน้ำ โดยมีรัฐบาลและพนักงานที่ไม่ได้ค่าจ้าง ช่วยไถพรวน และเตรียมพื้นที่ ผมอาจจะอุปมาหนักมือไปหน่อย แต่มันเป็นสื่อที่อุดมสมบูรณ์จริง ๆ แผนภูมิภาพจากดาต้า และอินโฟกราฟฟิกต่าง ๆ ก็เป็นเหมือนดอกไม้ที่เบ่งบานขึ้นจากสื่อนี้ ถ้าคุณแค่กวาดตาดูเฉย ๆ ก็จะเห็นแค่ตัวเลข กับข้อมูลที่สะเปะสะปะ แต่ถ้าคุณลองใคร่ครวญ แล้วดัดแปลงข้อมูล เรื่องน่าสนใจจะปรากฏ และรูปแบบที่แปลกใหม่จะเผยโฉม
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?
ผมขอแสดงตัวอย่างนี้ เดาออกมั้ยครับ ว่านี่เป็นข้อมูลอะไร อะไรเอ่ย ที่เพิ่มขึ้นสูง 2 ครั้งต่อปี ครั้งแรกในวันอีสเตอร์ อีกครั้ง ช่วง 2 สัปดาห์ก่อนวันคริสต์มาส มียอดเล็ก ๆ ทุกวันจันทร์ แล้วแบนเรียบลงในช่วงฤดูร้อน ใครตอบหน่อยครับ (ผู้ชม: ช็อคโกแลต) เดวิด: ช็อคโกแลต อาจจะเป็นช็อกโกแลตมั้ย มีใครตอบอีกมั้ย (ผู้ชม: ช้อปปิ้ง) เดวิด:ช็อปปิ้ง เป็นไปได้ คนเราต้องช็อปคลายเครียดกันบ้าง (ผู้ชม: ลาป่วย) เดวิด: ลาป่วย ใคร ๆก็ชอบวันเบา ๆกันทั้งนั้น ดูกันดีกว่า ('ยอดการบอกเลิก สรุปจากการอัพเดตสเตตัสเฟซบุ้ก')
(Laughter)
(เสียงหัวเราะ)
(Applause)
(เสียงปรบมือ)
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.
กูรูด้านข้อมูล ลี ไบรอน (Lee Byron) และตัวผมเอง เรารวบรวมสเตตัสเฟสบุ้กมา 10,000 อัน แล้วหาคำว่า "เลิกกัน" และ "แยกทางกัน" และนี่คือรูปแบบที่เราพบ -- เลิกกัน จะได้อิสระรับปิดเทอมฤดูใบไม้ผลิ (หัวเราะ) เลิกกันวันจันทร์ เพราะสุดสัปดาห์ไม่ได้ดังใจ โสดสนิท ตลอดฤดูร้อน และวันที่บอกเลิกกันน้อยที่สุดของปี วันคริสต์มาส ใครเขาจะเลิกกันลง ตอนนี้ ข้อมูลมีจำนวนมโหฬารมหาศาล เป็นประวัติการณ์ แต่ถ้าคุณถามคำถามที่ถูกต้อง หรือดัดแปลงข้อมูลด้วยวิธีดี ๆได้ คุณจะได้เห็นสิ่งที่น่าสนใจ
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.
ข้อมูลก็มีความสวยงาม ดาต้าก็มีความสวยงาม ถ้างั้น ชีวิตตัวผมเอง จะสวยงามได้ด้วยมั้ย นี่คือภาพประวัติทำงานของผมครับ ผมว่า ยังดูไม่ค่อยสวยเท่าไหร่ ดูเป็นแท่ง ๆ สีก็ยังไม่ค่อยโดน แต่ผมอยากจะสื่อบางอย่างกับคุณ เริ่มต้น ผมเป็นโปรแกรมเมอร์ แล้วมาเป็นนักเขียนอยู่นาน ประมาณ 20 ปี ทั้งในสิ่งพิมพ์ ออนไลน์ และในโฆษณา แล้วก็เพิ่งได้เริ่มทำงานออกแบบ ผมไม่เคยไปเรียนที่โรงเรียนการออกแบบ ศิลปะอะไร ก็ไม่เคยเรียน แต่เรียนเอาจากลองทำดูเอง พอผมเริ่มทำงานออกแบบ ผมค้นพบสิ่งที่แปลกเกี่ยวกับตัวเอง ผมรู้วิธีการออกแบบอยู่แล้ว ไม่ใช่ว่า ผมเก่งกาจมหัศจรรย์อะไรนะครับ แต่เหมือนผมจะจับจุดได้ไว กับเรื่องจำพวกตารางและพื้นที่ การจัดตำแหน่งและตัวอักษร ราวกับว่า การได้คลุกคลี กับสื่อแบบต่าง ๆ ที่ผ่านมานั้น ทำให้ผมได้เรียนงานออกแบบโดยไม่รู้ตัว และผมคิดว่า ผมไม่ได้เป็นอยู่คนเดียว
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.
ผมเชื่อว่า ตอนนี้พวกเราทุกคน เห็นการออกแบบข้อมูลเต็มไปหมด มันถูกถ่ายทอดสู่สายตาของเราผ่านเว็บไซต์ ตอนนี้ เราทุกคนเป็นนักแปลงข้อมูลเป็นภาพ เราทุกคน ต่างร้องหามุมมองด้านภาพ ประกอบข้อมูลของเรา ข้อมูลแบบรูปภาพนี่ จะมีความมหัศจรรย์บางอย่าง มันง่ายดาย กวาดตาเห็นหมด การหาข้อมูลมากมายจนเหมือนเดินฝ่าป่าหนาทึบ แล้วไปเจอกราฟฟิกสวย ๆ หรือแผนภูมิภาพดูง่าย ๆ สบายตา จะรู้สึกสดชื่น เหมือนเจอลานโล่งกลางป่าทึบ ผมสงสัยว่าเพราะอะไร เลยได้ไปเจอ ผลงานของนักฟิสิกส์ชาวเดนมาร์ก ทอร์ นอร์ทรานเดอร์ส (Tor Norretranders) เขาแปลงความสามารถในการส่งข้อมูลทางประสาทสัมผัสต่าง ๆ เป็นศัพท์ทางคอมพิวเตอร์
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.
และนี่คือ ประสาทสัมผัสต่าง ๆ ของคุณ ที่เรารับรู้อยู่ทุกวินาที การรับรู้ผ่านสายตาจะรวดเร็วที่สุด ส่งถ่ายข้อมูลได้มาก เหมือนเครือข่ายคอมพิวเตอร์เลย ผิวสัมผัสจะรองลงมา เร็วเท่ากับแท่งยูเอสบี จากนั้นก็เป็น เสียงกับกลิ่น ซึ่งส่งข้อมูลได้เท่าแผ่นฮาร์ดดิสก์ อันดับแย่สุด คือรสชาติ ให้ข้อมูลได้แค่เครื่องคิดเลขพกพาเท่านั้น และที่ตารางเล็กๆ ตรงมุมนั้น คือ 0.7 % คือปริมาณข้อมูลที่เรารับรู้ได้อย่างแท้จริง ฉะนั้น สิ่งที่ตาคุณมองเห็นนั้น ส่วนใหญ่คือข้อมูลภาพ ซึ่งหลั่งไหลเข้ามา โดยไม่รู้ตัวด้วยซ้ำ ดวงตามีสัมผัสฉับไวมาก ต่อแบบแผนเกิดซ้ำ ทั้งสี รูปทรง และลวดลาย ดวงตาชอบสิ่งเหล่านี้ เพราะเห็นแล้วงามตา สิ่งนี้เป็นภาษาของดวงตา ถ้าคุณรวมภาษาของดวงตา เข้ากับภาษาของสมอง ซึ่งเป็นคำศัพท์ ตัวเลข และแนวคิด เท่ากับว่าคุณกำลังพูดสองภาษาพร้อม ๆ กัน แต่ละอันเสริมความหมายกันและกัน คุณใช้ตารับภาพ แล้วสมองก็รับแนวคิด รวมกันเข้า เป็นสองภาษา ทำงานไปพร้อม ๆ กัน
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.
แล้วเราก็จะใช้ภาษาใหม่นี้ เพื่อปรับทัศนคติ หรือมุมมองของเราได้ ผมขอถามคำถามพื้น ๆ ที่มีคำตอบง่าย ๆ นะครับ ใครมีงบประมาณทางทหารที่มากที่สุดครับ ต้องอเมริกาสิ ใช่มั้ย เยอะมาก 6.09 แสนล้านใน ค.ศ. 2008 โทษที 6.07 เยอะมาก จนเอางบการทหารที่เหลือทั้งโลก ไปใส่รวมกันในกล่องของสหรัฐฯ ได้เลย ง่ำ ง่ำ ง่ำ ง่ำ ง่ำ ข้าง ๆ นั่น คือหนี้มวลรวมของแอฟริกา และการขาดดุลงบประมาณของอังกฤษ เอาไว้เปรียบเทียบ ซึ่งคงจะพ้องกันดี กับมุมมองของคุณว่าอเมริกา เป็นเครื่องจักรทางทหารบ้าสงคราม วางอำนาจคุมโลก ด้วยขุมกำลังการทหารขนาดอุตสาหกรรมใหญ่โต แต่จริงหรือ ที่อเมริกามีงบกองทัพใหญ่ที่สุด เพราะอเมริกานั้น ร่ำรวยอย่างไม่น่าเชื่อ ร่ำรวยล้นฟ้า ขนาดที่ว่า จุเอาเศรษฐกิจประเทศอุตสาหกรรม ชั้นนำอีก 4 ประเทศ มารวมกันไว้ได้เลย ร่ำรวยมาก ๆ งบกองทัพของสหรัฐฯ ย่อมใหญ่ตามเป็นธรรมดา ดังนั้น เพื่อให้ยุติธรรม และปรับมุมมองเราใหม่ เราต้องนำข้อมูลอีกชุดมาดูประกอบ นั่นคือ จีดีพี หรือรายได้รวมของประเทศ ใครมีงบใหญ่ที่สุดเมื่อเทียบโดยสัดส่วนกับจีดีพี ลองไปดู รูปการณ์เปลี่ยนไปพอสมควรเลย มีหลายประเทศโผล่มา โดยที่คุณคงคาดไม่ถึง และอเมริกาตกมาเป็นที่แปด
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.
คุณทำแบบเดียวกันนี้กับกำลังทหารแทนก็ได้ ใครมีทหารมากที่สุด จีนแน่เลย 2.1 ล้านคน พ้องกันกับความคิดคุณอีกแล้ว ที่จีนมีระบอบการปกครองแบบทหาร พร้อมระดมกำลังพลมหาศาลทุกเมื่อ แต่แน่นอนว่า จีนมีประชากรมหาศาลด้วย ดังนั้น หากเราใช้แนวคิดเดียวกัน เราจะเห็นภาพที่แตกต่างไปอย่างสิ้นเชิง จีนตกมาเป็นลำดับที่ 124 ที่จริงแล้ว กองทัพจีนเล็กมาก เมื่อพิจารณาประกอบกับข้อมูลอื่น ดังนั้น ตัวเลขโดด ๆ อย่างงบกองทัพ ในโลกที่เชื่อมต่อกัน จึงไม่ให้ภาพรวมทั้งหมด มันยังไม่เป็นความจริงขั้นลึกที่สุด
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.
เราต้องมีตัวเลขโดยเปรียบเทียบ ซึ่งเชื่อมโยงกับข้อมูลอื่น ๆ เพื่อให้เราเห็นภาพที่สมบูรณ์ ซึ่งจะทำให้มุมมองของของเราเปลี่ยนไปด้วยได้ อย่างที่ฮันส์ รอสลิ่ง ปรมาจารย์ ครูของผม กล่าวว่า "ให้ชุดข้อมูลเปลี่ยนความคิดของคุณ." หากมันทำเช่นนั้นได้แล้ว มันอาจเปลี่ยนพฤติกรรมคุณด้วยก็ได้
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.
ลองดูภาพนี้ ผมเป็นพวกบ้าสุขภาพ ชอบกินอาหารเสริมและออกกำลัง แต่ผมไม่เคยเข้าใจเลยพอพูดถึงหลักฐานอ้างอิง มันจะมีอะไรขัดแย้งกันเสมอ กินวิตามินซีดีมั้ย กินต้นอ่อนข้าวสาลีดีหรือเปล่า นี่คือแผนภูมิภาพของหลักฐานทั้งหมด สำหรับอาหารเสริม แผนภาพแบบนี้ เรียกว่าการแข่งบอลลูน รูปไหนยิ่งอยู่สูง ก็ยิ่งมีหลักฐานของอาหารเสริมนั้น ๆ เยอะตาม ขนาดวงกลมจะใหญ่ตามจำนวนที่ค้นเจอในกูเกิ้ล คุณจะเห็นภาพแล้วเข้าใจได้ในทันที ถึงความสัมพันธ์ระหว่างประสิทธิผล และความนิยม แล้วถ้าคุณเอาหลักฐานมาให้คะแนน คุณก็ลากเส้น 'น่าลอง' ขึ้นได้ด้วย อาหารเสริมอันไหนอยู่เหนือเส้น ก็น่าลองใช้ดู แต่ต้องดูเงื่อนไขข้างใต้ประกอบด้วย แล้วอันไหนที่อยู่ต่ำกว่าเส้น ก็คงไม่คุ้มค่าไปหาใช้เท่าไหร่
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.
ภาพนี้ เราต้องหาข้อมูลเยอะมาก ๆ ใช้งานวิจัยกว่า 1,000 ชิ้นจากพับเมด (PubMed) ซึ่งเป็นฐานข้อมูลด้านชีวเวชศาสตร์ เอาทุกชิ้นมารวบรวม แล้วให้คะแนน ซึ่งทำให้ผมอารมณ์เสียมาก ๆ เพราะผมจะทำหนังสือ ซึ่งต้องใช้แผนภูมิภาพ 250 ชิ้น และผมใช้เวลา 1 เดือน ทำแค่อันนี้ แต่ใส่หนังสือได้แค่ 2 หน้าเอง แต่ประเด็นคือ แผนภูมิข้อมูลภาพแบบนี้ เป็นการบีบอัดความรู้รูปแบบหนึ่ง เป็นวิธีการบับอัดข้อมูลและความเข้าใจ จำนวนมหาศาล ให้เป็นพื้นที่เล็ก ๆ พอคุณจัดระเบียบและขัดเกลาข้อมูล จนเสร็จเรียบร้อยแล้ว คุณก็จะทำอะไรเจ๋ง ๆ แบบนี้ได้ครับ
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.
ผมแปลงแผนภาพนี้ เป็นแอพแบบโต้ตอบได้ แล้วก็สร้างแอพพลิเคชั่นออนไลน์นี้ขึ้นมา นี่ครับ แผนภาพออนไลน์ เห็นแล้วก็อุทาน "เยี่ยมแท้" มันก็จะโผล่กันขึ้นมาเอง แล้วถ้าผมว่า "ไหนขอแค่อันที่ มีผลต่อสุขภาพของหัวใจซิ" ผมก็ใช้ตัวกรองเสีย ก็จะเหลือแต่พวกกลุ่มหัวใจ ดูได้สะดวก ผมคิดว่า "ไม่ ไม่ ไม่อยากทานสารสังเคราะห์น่ะ ขอแค่พืชกับ -- เอาแค่สมุนไพรกับพืชพอ ขอดูพวกส่วนผสมจากธรรมชาติทุกตัว" แอพนี้ มันสร้างภาพขึ้นได้เอง จากดาต้า ซึ่งถูกเก็บไว้ในกูเกิ้ลด็อค (Google Doc) แล้วภาพนี้ก็สร้างตัวเองขึ้นจากดาต้านั้นแหละ ดาต้าตอนนี้ จึงมีชีวิตขึ้นมา แปลงกายเปลี่ยนร่างได้ ผมอัพเดทข้อมูลได้แบบทันทีเลย หลักฐานใหม่ออกมา ผมแค่เปลี่ยนแถวในสเปรดชีต แว้บ! ภาพก็สร้างตัวมันเองใหม่อีกครั้ง ซึ่งเจ๋งเลย เหมือนมันมีชีวิตแน่ะ
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.
แล้วเรายังใช้กับอย่างอื่น นอกเหนือจากดาต้าหรือตัวเลขได้อีก ผมชอบเอาการแปลงข้อมูลเป็นแผนภาพ มาใช้กับแนวคิดหรือมุมมองต่าง ๆ นี่คือแผนภูมิภาพ ของขั้วความเชื่อทางการเมือง ผมพยายามทำความเข้าใจ ว่ามันมีกลไกอย่างไร และแนวคิดต่าง ๆ มันไหลเวียน จากรัฐบาล มาสู่สังคมและวัฒนธรรม จนถึงครอบครัว ตัวบุคคล และความเชื่อของพวกเขา แล้ววนกลับเป็นวัฏจักรอีกอย่างไร สิ่งที่ผมชอบเกี่ยวกับภาพนี้ คือมันสร้างขึ้นจากแนวความคิด มันสำรวจโลกทัศน์ของเรา และช่วยให้เรา - อย่างน้อยผมคนนึงล่ะ ได้เห็นสิ่งที่คนอื่นคิด ได้เห็นว่าพวกเขามีที่มาอย่างไร ซึ่งเป็นสิ่งที่เจ๋งมาก ๆ
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.
เรื่องน่าตื่นเต้นที่สุดสำหรับผม ในการออกแบบสิ่งนี้ ก็คือ ตอนที่ผมออกแบบแผนภาพนี้ ผมอยากจะไปอยู่ฝั่งซ้ายมาก ๆเลย จะได้ดูดีกว่าฝั่งขวา -- เพราะเป็นทั้งนักข่าว และหัวเอียงซ้าย แต่ผมทำไม่ได้ ไม่เช่นนั้น แผนภาพที่ได้ จะเอียงข้าง และมีอคติ ฉะนั้น เพื่อสร้างภาพที่สมบูรณ์อย่างแท้จริง ผมจึงต้องให้เกียรติมุมมองที่อยู่ฝั่งขวา และในขณะเดียวกัน ก็ครั่นเนื้อครั่นตัว ว่าตัวเองก็มีความเป็นฝั่งขวาอยู่ไม่น้อย ซึ่งน่ารำคาญ และชวนอึดอัดใจมาก ๆ (เสียงหัวเราะ) แต่ก็ไม่อึดอัดใจเกินไปนัก เพราะการมองดูความเชื่อทางการเมืองนั้น ไม่ได้สร้างความรู้สึกถูกคุกคาม เมื่อเทียบกับการถูกบอกหรือบังคับให้ฟัง คุณยังยึดถือมุมมองที่ขัดแย้งกันได้ อย่างสบายใจเมื่อมองดูความเชื่อ อาจสนุกเสียด้วยซ้ำ ถ้าเราลองคิดตาม เพราะคุณเห็นเป็นภาพ นั่นเอง คือเรื่องน่าตื่นเต้นสำหรับผม การได้เห็นว่า ข้อมูลสามารถเปลี่ยนมุมมอง เปลี่ยนความคิดของผมได้กลางครรภ์ ข้อมูลที่สวยงาม สบายตา
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.
สรุปปิดท้าย ผมอยากจะบอกว่า สำหรับผม การออกแบบนั้น คือการแก้ปัญหา และหาทางแก้ด้วยวิธีเรียบง่ายลงตัว และการออกแบบข้อมูลก็เกี่ยวข้อง กับการแก้ปัญหาด้านข้อมูล เราดูจะมีปัญหาด้านข้อมูล มากมายหลายอย่าง ในสังคมของเรายุคนี้ ทั้งเรื่องข้อมูลที่มากมายจนรับไม่ทัน จนถึงความน่าเชื่อถือและไว้ใจได้ที่ร่อยหรอลง การตั้งป้อมค้านอย่างมีอคติและการขาดความโปร่งใส หรือกระทั่งเพราะความน่าสนใจ สำหรับผม ข้อมูลมันน่าสนใจเหลือเกิน เป็นเหมือนแม่เหล็กที่ดูดผมให้เข้าหา
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.
การแปรข้อมูลเป็นภาพ จะช่วยแก้ปัญหาเหล่านี้ได้อย่างรวดเร็วมาก แม้ว่าตัวข้อมูลจะคุณภาพแย่ แผนภาพที่ได้ก็ยังดูสวยงาม แล้วเราก็มักจะได้ความกระจ่าง หรือคำตอบสำหรับคำถามง่าย ๆ อย่างรวดเร็ว เช่นอย่างนี้ เกี่ยวกับเหตุภูเขาไฟของไอซ์แลนด์ปะทุ อะไรปล่อยก๊าซซีโอทู (CO2) มากที่สุด เครื่องบินหรือภูเขาไฟ เครื่องบินที่ขึ้นบินไม่ได้เพราะควัน หรือภูเขาไฟ ดูได้ตามนี้ครับ พอเราดูข้อมูล ก็จะเห็น ภูเขาไฟปล่อยออกมา 150,000 ตัน เครื่องบินจะปล่อยก๊าซ 345,000 ตัน ถ้าหากขึ้นบินได้เพราะไม่ติดควันภูเขาไฟ เป็นภูเขาไฟ ที่ปล่อยคาร์บอนรวมเป็นศูนย์ ลูกแรกเลยทีเดียว
(Laughter)
(เสียงหัวเราะ)
(Applause)
(เสียงปรบมือ)
And that is beautiful. Thank you.
สวยงามดีนะครับ ขอบคุณครับ
(Applause)
(เสียงปรบมือ)