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.
Si puedo dejarlos este día con una sola gran idea, es que el cúmulo de datos que consumimos es mayor que la suma de las partes, y, en lugar de verlo como una sobrecarga de información, Lo que quiero que piensen es en cómo podemos utilizar esa información para resaltar patrones y ver tendencias que de otro modo serian invisibles.
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.
Así que lo que estamos viendo aquí es una tabla típica de mortalidad organizada por edad. Esta herramienta que uso es un pequeño experimento. Se llama Pivot, y con Pivot lo que puedo hacer es filtrar una causa en particular de muertes, digamos accidentes. E inmediatamente vemos que se hace evidente un patrón diferente. Esto es porque, en la sección central aquí, las personas están su etapa mas activa, y aquí están en la mas frágil. Podemos nuevamente volver atrás y reorganizar los datos por causa de muerte, viendo que las enfermedades circulatorias y el cáncer son los sospechosos usuales, aunque no para todos. Si filtramos por edad, digamos menores de 40 años, vemos que los accidentes son realmente la principal causa de la que la gente debe preocuparse. Y si te adentras mas en eso, es mas común en el caso de los hombres.
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.
Así que entienden la idea de que ver la información y los datos en esta manera, es como nadar en una infografía viviente de información. Y si podemos hacer esto con datos crudos, ¿Por qué no lo hacemos también para contenido? Así que lo que tenemos aquí, es la portada de todas las Sports Illustrated que se han producido. Todo esta aquí. En la web. Pueden regresar a sus habitaciones e intentar esto después de mi platica. Con Pivot pueden reducirlo a una década. O reducirlo a un año en particular. O puedes brincar directo a una edición en particular. Asi que estoy viendo esto, veo atletas que han aparecido en esta edición, los deportes. Soy un fan de Lance Armstrong, así que le daré clic a eso, que me revela, todas las ediciones en las que está Lance Armostrong.
(Applause)
(Aplausos)
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.
Ahora si solo quieren darle un vistazo a esto, podríamos pensar, "¿Qué tal si vemos todo lo relacionado con el ciclismo?" Así que puedo volver, y expandir eso. Y ahora veo a Greg Lemond. Así tienes una idea de que cuando navegas la información de esta manera, acotando, expandiendo, adentrándote, retirándote, no estás buscando, no estás navegando. Estas haciendo algo ligeramente distinto. Es un intermedio, y pensamos que cambia la forma en que se aprovecha la información.
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.
Así que quiero extrapolar un poco esta idea algo que es un poco loco. Lo que hemos hecho es que hemos tomado todas las páginas de wikipedia y las hemos reducido a un pequeño resumen. El resumen consiste en una pequeña sinopsis y un ícono que indica el área de tópicos de la que proviene. Solo estoy mostrando las 500 páginas mas populares de Wikipedia. Pero aún en esta vista limitada, podemos hacer muchas cosas. De inmediato, podemos tener un sentir de los topicos más populares en Wikipedia. Voy a aventurarme a seleccionar gobierno. Ahora, habiendo seleccionado gobierno, puedo ver que las categorías de Wikipedia que más frecuentemente corresponden a eso son la revista Time Personas del Año. Esto es verdaderamente importante porque esto revela algo que no estaba contenido en ninguna página de Wikipedia. Solo es posible dar esa mirada cuando das un paso atrás y lo ves todo.
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.
Viendo uno de estos resúmenes en particular, Puedo entonces indagar en el concepto de la revista Time Personas del Año, y verlas todas. Así que viendo a estas personas, puedo ver que la mayoría de ellas viene del gobierno. Algunos vienen de ciencias naturales. Unos cuantos, vienen del mundo de los negocios. Ahí esta mi jefe. Y uno de ellos viene de la música. Y de mayor interés, Bono también es un ganador del premio TED. Así que podemos saltar y dar un vistazo a todos los ganadores del premio TED. Como ven, estamos navegando la Web por primera vez como si realmente fuera una red, no de página en página, sino a un nivel mayor de abstracción.
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.
Quiero mostrarles una cosa más que pueda quizá sorprenderles un poco. Solo estoy mostrando aquí el sito del New York Times. Y Pivot, esta herramienta -- No quiero llamarla un navegador; realmente no es un navegador, pero puedes ver paginas Web con ella -- y traemos la tecnología de acercamiento a cada página web como esta. Puedo regresar, dar un brinco atrás a una sección especifica. Ahora, la razón por lo que es importante es porque, por el hecho simple de ver páginas Web de esta manera, puedo ver mi historial de navegación completo exactamenrte en la misma manera. Y puedo adentrarme en lo que he hecho en periodos de tiempo específicos. Aquí, de hecho, aparece el estado de toda la demostración que acabo de dar. Y puedo hacer una reproducción de algunas de las cosas que veía esta mañana. Y, si quiero regresar y ver todo, puedo rebanar y recortar mi historial quizá por el historial de búsquedas. Aquí, estaba haciendo un poco de búsqueda nepotista, buscando por Bing, por aquí los Live Labs Pivot. Y desde aquí puedo adentrarme a la página web y volverlos a ejecutar. Es una metáfora que tiene un nuevo propósito cada vez, y en cada caso hace que la suma sea más grande que la suma de sus partes con los datos.
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.
Así que ahora, en este mundo, pensamos en los datos como una maldición. Hablamos acerca de la maldición de la sobrecarga de información. Hablamos acerca de ahogarnos en datos. ¿Qué tal si le damos la vuelta a esto y ponemos de cabeza la web, para que en lugar de ir de una cosa a la siguiente, nos acostumbremos al hábito de poder ir de muchas cosas a muchas cosas, y luego poder ver los patrones que de otra manera estarían ocultos? Si podemos hacer eso, entonces en vez de estar atrapados en datos, podremos realmente extraer información. Y si, en lugar de solo tratar con la información, podamos extraerle conocimiento, y si tenemos el conocimiento, entonces quizá podamos encontrar sabiduría.
So with that, I thank you.
Así que con eso, les doy las gracias.
(Applause)
(Aplausos)