Falls ich Ihnen heute eine Sache näherbringen möchte ist es, dass die Gesamtheit der Daten, die wir konsumieren, größer ist als die Summe ihrer Einzelteile und anstatt dabei an Informationsüberladung zu denken möchte ich, dass Sie darüber nachdenken wie wir Information so nutzen können, dass sich Muster ergeben und wir so Trends erkennen, die ansonsten nicht sichtbar geworden wären.
If I can leave you with one big idea today, it's that the whole of the data in which we consume is greater that the sum of the parts, and instead of thinking about information overload, what I'd like you to think about is how we can use information so that patterns pop and we can see trends that would otherwise be invisible.
So, was wir hier sehen ist ein typisches Sterbediagramm nach Alter angeordnet. Das Programm, das ich hier benutze, ist ein kleines Experiment. Es heißt Pivot und was ich mit Pivot machen kann ist, dass ich nach einer bestimmten Todesursache filtern kann, sagen wir Unfälle. Und sofort sehe ich ein anderes Muster, das sich ergibt. Und zwar, weil im Mittelbereich hier die Menschen am aktivsten sind und sie hier drüben am gebrechlichsten sind. Wir können einen Schritt weiter rausgehen und ordnen die Daten dann neu und sehen, dass Kreislauferkrankungen und Krebs die üblichen Verdächtigen sind, jedoch nicht für jeden. Wenn wir nun weitergehen und nach Alter sortieren, sagen wir 40 Jahre oder jünger sehen wir, dass Unfälle sogar die Hauptursache ist über die sich die Menschen Sorgen machen sollten. Und wer weiterforscht sieht, dass ist dies besonders bei Männern zutrifft.
So what we're looking at right here is a typical mortality chart organized by age. This tool that I'm using here is a little experiment. It's called Pivot, and with Pivot what I can do is I can choose to filter in one particular cause of deaths -- say, accidents. And, right away, I see there's a different pattern that emerges. This is because, in the mid-area here, people are at their most active, and over here they're at their most frail. We can step back out again and then reorganize the data by cause of death, seeing that circulatory diseases and cancer are the usual suspects, but not for everyone. If we go ahead and we filter by age -- say 40 years or less -- we see that accidents are actually the greatest cause that people have to be worried about. And if you drill into that, it's especially the case for men.
Sie erkennen also, dass das Ansehen von Informationen und Daten in dieser Weise sehr an Schwimmen in einer lebendigen Informationsgrafik erinnert. Und wenn wir dies für Rohdaten machen können warum nicht auch für Inhalte selbst? Was wir nun hier haben sind die Titelbilder jeder einzelnen "Sports Illustrated", die jemals gedruckt wurden. Es ist alles hier. Es ist alles online. Sie können es gerne nach meinem Vortrag in Ihren Zimmern testen. Mit Pivot können sie eintauchen in ein Jahrzehnt. Sie können eintauchen in ein bestimmtes Jahr. Sie können direkt zu einer bestimmten Ausgabe springen. Wenn ich nun hier schaue, sehe ich die Athleten, die in dieser Ausgabe erscheinen und die Sportarten. Ich bin ein Lance Armstrong Fan, also klicke ich hierhin wodurch sich mir alle Ausgaben zeigen in denen Lance Armstrong erwähnt wird.
So you get the idea that viewing information, viewing data in this way, is a lot like swimming in a living information info-graphic. And if we can do this for raw data, why not do it for content as well? So what we have right here is the cover of every single Sports Illustrated ever produced. It's all here; it's all on the web. You can go back to your rooms and try this after my talk. With Pivot, you can drill into a decade. You can drill into a particular year. You can jump right into a specific issue. So I'm looking at this; I see the athletes that have appeared in this issue, the sports. I'm a Lance Armstrong fan, so I'll go ahead and I'll click on that, which reveals, for me, all the issues in which Lance Armstrong's been a part of.
(Applaus)
(Applause)
Jetzt, wenn ich nur einen gröberen Überblick bekommen möchte, könnte ich denken "Ok, was wenn ich mir alles mit dem Thema Fahrradfahren ansehe?" Also gehe ich einen Schritt zurück und erweitere die Sichtweise. Nun sehe ich Greg Lemond. Und so bekommt man eine Idee davon, dass wenn man auf diese Art Informationen durchsucht, gezielter, breiter, reinzoomen, rauszoomen, dann sucht man nicht oder surft nicht einfach nur. Man macht etwas, das eigentlich ein wenig anders ist. Es ist etwas dazwischen und wir denken es ändert die Art und Weise wie Informationen genutzt werden können.
Now, if I want to just kind of take a peek at these, I might think, "Well, what about taking a look at all of cycling?" So I can step back, and expand on that. And I see Greg LeMond now. And so you get the idea that when you navigate over information this way -- going narrower, broader, backing in, backing out -- you're not searching, you're not browsing. You're doing something that's actually a little bit different. It's in between, and we think it changes the way information can be used.
Ich möchte diese Idee nun ein bisschen weiter ausführen mit etwa was ein bisschen verrückt ist. Was wir hier gemacht haben ist, wir haben jede einzelne Wikipediaseite genommen und sie auf eine kleine Zusammenfassung reduziert. Die Zusammenfassung enthält eine kurze Übersicht und ein Symbol für den Bereich aus dem sie kommt. Ich zeige nur mal die Top 500 der populärsten Wikipediaseiten. Aber sogar in dieser eingeschränkten Ansicht können wir eine Menge Dinge tun. Sofort bekommen wir einen Eindruck über die Themen, die auf Wikipedia am populärsten sind. Ich werde nun das Thema 'Regierung' wählen. Nun, nachdem ich 'Regierung' gewählt habe erkenne ich, dass die Wikipediakategorien, die sich am meisten damit decken Time Magazines "Menschen des Jahres" sind. Dies ist wirklich wichtig, da dies eine Erkenntnis ist, die nicht in einer einzelnen Wikipediaseite steckt. Das ist nur zu erkennen wenn man einen Schritt zurückgeht und das Ganze betrachtet.
So I want to extrapolate on this idea a bit with something that's a little bit crazy. What we're done here is we've taken every single Wikipedia page and we reduced it down to a little summary. So the summary consists of just a little synopsis and an icon to indicate the topical area that it comes from. I'm only showing the top 500 most popular Wikipedia pages right here. But even in this limited view, we can do a lot of things. Right away, we get a sense of what are the topical domains that are most popular on Wikipedia. I'm going to go ahead and select government. Now, having selected government, I can now see that the Wikipedia categories that most frequently correspond to that are Time magazine People of the Year. So this is really important because this is an insight that was not contained within any one Wikipedia page. It's only possible to see that insight when you step back and look at all of them.
Schauend auf eine bestimmte dieser Zusammenfassungen kann ich dann in das Thema Time Magazines "Menschen des Jahres" hinein gehen, und alle zusammen sehen. Wenn ich nun all diese Personen betrachte erkenne ich, dass die Mehrheit davon Regierungsbeamte sind. Manche kommen aus der Wissenschaft. Manche, noch weniger, kommen aus der Wirtschaft. Hier ist mein Chef. Und einer kommt aus dem Musikbereich. Und interessanterweise ist Bono auch ein TED Prize Gewinner. So können wir nun springen und einen Blick auf alle TED Prize Gewinner werfen. Man sieht, wir surfen im Netz das erste Mal als ob es auch wirklich ein Netz ist, nicht nur von Seite zu Seite, sondern viel abstrakter.
Looking at one of these particular summaries, I can then drill into the concept of Time magazine Person of the Year, bringing up all of them. So looking at these people, I can see that the majority come from government; some have come from natural sciences; some, fewer still, have come from business -- there's my boss -- and one has come from music. And interestingly enough, Bono is also a TED Prize winner. So we can go, jump, and take a look at all the TED Prize winners. So you see, we're navigating the web for the first time as if it's actually a web, not from page-to-page, but at a higher level of abstraction.
Und so möchte ich Ihnen was anderes zeigen was eine kleine Überraschung sein könnte. Ich zeige Ihnen hier einfach nur die New York Times Website. Pivot, diese Anwendung -- Ich möchte es nicht einen Browser nennen; es ist wirklich kein Browser, aber man kann Webseiten damit ansehen -- und wir bringen diese Zoom-Technologie zu jeder einzelnen Webseite wie dieser. Ich kann also einen Schritt zurückgehen, und direkt zu einer spezifischen Sektion springen. Das ist deshalb wichtig, weil man nur durch das Anschauen von Webseiten in dieser Art und Weise, den ganzen Internet-Verlauf auf die gleiche Art und Weise betrachten kann. Ich kann also in meinen Verlauf hineinzoomen in einem bestimmten Zeitrahmen. Hier ist der Stand der gesamten Demonstration, die ich bis hierhin gehalten habe. Und ich kann sozusagen alles, was ich heute bisher angesehen habe, wieder zurückholen. Und, wenn ich wieder einen Schritt rausgehe und auf alles schaue, kann ich meinen Verlauf neu anordnen vielleicht nach meiner Such-Vergangenheit. Hier, habe ich nach 'nepotistisch' gesucht, hier nach Bing, oder hier nach Live Labs Pivot. Und von hier kann ich in die Seite hineingehen und sie wieder aufrufen. Es ist eine Metapher, die immer wieder verwendet wird, und jedes Mal macht es das Gesamtbild größer als die Summe der Datenteile.
And so I want to show you one other thing that may catch you a little bit by surprise. I'm just showing the New York Times website here. So Pivot, this application -- I don't want to call it a browser; it's really not a browser, but you can view web pages with it -- and we bring that zoomable technology to every single web page like this. So I can step back, pop right back into a specific section. Now the reason why this is important is because, by virtue of just viewing web pages in this way, I can look at my entire browsing history in the exact same way. So I can drill into what I've done over specific time frames. Here, in fact, is the state of all the demo that I just gave. And I can sort of replay some stuff that I was looking at earlier today. And, if I want to step back and look at everything, I can slice and dice my history, perhaps by my search history -- here, I was doing some nepotistic searching, looking for Bing, over here for Live Labs Pivot. And from these, I can drill into the web page and just launch them again. It's one metaphor repurposed multiple times, and in each case it makes the whole greater than the sum of the parts with the data.
Im Moment, in dieser Welt, denken wir, dass Daten ein Fluch sind. Wir reden von dem Fluch des Informationsüberflusses. Wir reden vom "Ertrinken in Informationen". Was, wenn wir diese Situation umdrehen könnten und das Internet auf den Kopf stellen, so dass wir anstatt immer von einem zum anderen zu gehen, beginnen von vielen Dingen zu vielen Dingen gehen zu können, und dadurch Muster erkennen, welche ansonsten verborgen geblieben wären? Falls wir dies tun können, dann wird diese bisherige Datenfalle, vielleicht eine neue Quelle sinnvoller Informationen. Und, anstatt sich einfach nur in Informationen zu bewegen, können wir Wissen daraus bekommen. Und wenn wir Wissen erfahren, dann können wir vielleicht sogar Weisheiten daraus ziehen.
So right now, in this world, we think about data as being this curse. We talk about the curse of information overload. We talk about drowning in data. What if we can actually turn that upside down and turn the web upside down, so that instead of navigating from one thing to the next, we get used to the habit of being able to go from many things to many things, and then being able to see the patterns that were otherwise hidden? If we can do that, then instead of being trapped in data, we might actually extract information. And, instead of dealing just with information, we can tease out knowledge. And if we get the knowledge, then maybe even there's wisdom to be found.
Damit höre ich auf, vielen Dank.
So with that, I thank you.
(Applaus)
(Applause)