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.
Als ik jullie vandaag één groot idee mag meegeven, dan is het dat het geheel van de data die we gebruiken, groter is dan de som van de delen. In plaats van over overdaad aan informatie te denken, wil ik nadenken hoe we informatie kunnen gebruiken om patronen naar voor te halen en trends die anders onzichtbaar zouden blijven.
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.
Dit is een typische sterftegrafiek ingedeeld naar leeftijd. De tool die ik hier gebruik is een experimentje. Het heet Pivot. Met Pivot kan ik filteren op één bepaalde doodsoorzaak, bijvoorbeeld ongevallen. Ik zie onmiddellijk een ander patroon tevoorschijn komen. Dat is omdat hier in het midden mensen het meest actief zijn, en daar het kwetsbaarst. We kunnen opnieuw naar buiten stappen en de data reorganiseren volgens doodsoorzaak. We zien dat hart- en vaatziektes en kanker de gebruikelijke verdachten zijn, maar niet voor iedereen. Als we verder gaan en op leeftijd filteren, bijvoorbeeld 40 jaar of jonger, dan zien we dat ongevallen de grootste oorzaak van zorgen zijn. Als je daar dieper in duikt, geldt dat vooral voor mannen.
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.
Je ziet wat ik bedoel: op deze manier kijken naar informatie lijkt op zwemmen in een levende infographic. Als we dit kunnen met ruwe data, waarom dan niet ook met inhoud? Wat we hier hebben, is de voorpagina van elk nummer van Sports Illustrated dat ooit is gemaakt. Alles staat hier. Het staat allemaal op het net. Je kan naar je kamer gaan en dit proberen na mijn praatje. Met Pivot kan je op een decennium inzoomen. Je kan op een bepaald jaar inzoomen. Je kan naar een bepaald nummer springen. Ik bekijk dit dus. Ik zie de atleten die verschenen zijn in dit nummer, de sporten. Ik ben fan van Lance Armstrong, dus vooruit, daar klik ik op, en dat geeft me alle nummers waar Lance Armstrong in voorkomt.
(Applause)
(Applaus)
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.
Als ik hier gewoon snel naar wil kijken, dan denk ik: "Waarom niet al het wielrennen bekijken?" Ik doe een stap terug en ga daarop in. Nu zie ik Greg Lemond. Je ziet dat als je op deze manier door informatie laveert, smaller en breder, in en uit, dan zoek je niet, dan blader je niet. Je doet iets dat een beetje anders is. Het zit er tussenin, en wij denken dat het verandert hoe je informatie kunt gebruiken.
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.
Ik wil het dus wat verder doortrekken, een beetje gekker. Hier hebben we elke pagina van Wikipedia genomen en ze beperkt tot een kleine samenvatting. De samenvatting bestaat uit een kleine synopsis en een icoontje om het bijbehorende onderwerp aan te geven. Ik toon hier alleen de top 500 populairste Wikipedia-pagina's. Maar zelfs in deze beperkte view kunnen we veel doen. We krijgen onmiddellijk een idee van de onderwerpen die het populairst zijn op Wikipedia. Ik ga verder en kies overheid. Nu ik overheid heb gekozen, zie ik dat de Wikipedia-categorieën die daar het vaakst mee overeenstemmen, Time magazine Mensen van het Jaar zijn. Dit is erg belangrijk omdat dit inzicht in geen van de aparte Wikipedia-pagina's zat. Je kan het alleen krijgen door een stap achteruit te doen en ze allemaal te bekijken.
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.
Als ik naar één van deze samenvattingen kijk kan ik dieper ingaan op het begrip Time magazine Persoon van het jaar door ze allemaal te tonen. Een blik op al deze mensen leert me dat de meerderheid uit de politiek komt. Sommigen komen uit de natuurwetenschappen. Een nog kleiner aantal komt uit de zakenwereld. Daar is mijn baas. Eentje komt uit de muziekwereld. Wat interessant is, is dat Bono ook een TED Prize-winnaar is. We kunnen dus springen naar alle TED Prize-winnaars. We navigeren dus voor het eerst door het web alsof het echt een web is, niet van pagina naar pagina maar op een hoger abstractieniveau.
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.
Ik wil jullie nog één ander ding tonen dat jullie misschien wat zal verbazen. Ik toon hier de website van de New York Times. Pivot, deze toepassing -- ik wil het geen browser noemen, het is eigenlijk geen browser, maar je kan er webpagina's mee bekijken -- We brengen deze zoombare technologie naar elke webpagina, zo. Ik ga een stap achteruit en spring terug, recht in een specifieke sectie. De reden waarom dit belangrijk is, is dat ik door gewoon zo naar webpagina's te kijken ik mijn hele browse-geschiedenis op dezelfde manier kan bekijken. Ik kan dieper gaan kijken in wat ik heb gedaan in bepaalde periodes. Hier is de status van de demo die ik net heb gegeven. Ik kan sommige dingen afspelen waar ik eerder vandaag naar keek. Als ik een stap terugzet en alles bekijk, kan ik mijn historiek verknippen misschien op basis van mijn zoekhistoriek. Hier deed ik wat nepotistisch onderzoek, ik zocht Bing, en hier Live Labs Pivot. Van daar uit kan ik dieper op de pagina ingaan en ze opnieuw lanceren. Het is één metafoor die telkens opnieuw betekenis krijgt, en elke keer maakt het het geheel groter dan de som van de delen van de data.
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.
Vandaag, in onze wereld, zien we data als een vloek. We hebben het over de vloek van overdaad aan informatie. We hebben het over verdrinken in data. Als we dat nu eens op zijn kop konden zetten, en het web op zijn kop zetten, zodat in plaats van te gaan van één ding naar het volgende, we eraan wennen dat we van vele dingen naar vele dingen kunnen gaan, en de patronen kunnen zien die anders verborgen zouden zijn. Als we dat kunnen, zitten we niet meer vast in data, dan kunnen we er misschien echt informatie uithalen. In plaats van alleen met informatie te werken, kunnen we er misschien kennis uit lokken. Als we kennis hebben, is er misschien zelfs wijsheid te vinden.
So with that, I thank you.
Daarmee dank ik jullie hartelijk.
(Applause)
(Applaus)