This is what my last week looked like. What I did, who I was with, the main sensations I had for every waking hour ... If the feeling came as I thought of my dad who recently passed away, or if I could have just definitely avoided the worries and anxieties. And if you think I'm a little obsessive, you're probably right. But clearly, from this visualization, you can learn much more about me than from this other one, which are images you're probably more familiar with and which you possibly even have on your phone right now. Bar charts for the steps you walked, pie charts for the quality of your sleep -- the path of your morning runs.
Zo zag mijn voorbije week eruit. Wat ik deed, bij wie ik was, de belangrijkste sensaties die ik gedurende de dag had ... Gevoelens die bij me opkwamen toen ik dacht aan mijn vader, die onlangs overleed of als ik zorgen en angst had kunnen vermijden. En als je denkt dat ik een beetje obsessief ben, heb je waarschijnlijk gelijk. Maar je kan duidelijk via deze voorstelling veel meer over mij leren dan van deze andere beelden, waar je waarschijnlijk meer vertrouwd mee bent en die je misschien op dit moment zelfs op je telefoon hebt. Staafdiagrammen voor de genomen stappen, taartdiagrammen voor je slaapkwaliteit -- de route van je ochtentraining.
In my day job, I work with data. I run a data visualization design company, and we design and develop ways to make information accessible through visual representations. What my job has taught me over the years is that to really understand data and their true potential, sometimes we actually have to forget about them and see through them instead. Because data are always just a tool we use to represent reality. They're always used as a placeholder for something else, but they are never the real thing.
Voor mijn baan werk ik met data. Ik leid een bedrijf dat datavisualisatie ontwerpt en wij ontwerpen en ontwikkelen manieren om informatie toegankelijker te maken door middel van visuele voorstellingen. Wat mijn baan me door de jaren heen geleerd heeft, is dat om data en hun echte potentieel werkelijk te begrijpen, we ze soms moeten vergeten en in plaats daarvan voorbij de data moeten kijken. Want data zijn altijd enkel een middel om realiteit voor te stellen. Ze worden altijd gebruikt als een aanduiding voor iets anders, maar zijn zelf nooit de werkelijkheid.
But let me step back for a moment to when I first understood this personally. In 1994, I was 13 years old. I was a teenager in Italy. I was too young to be interested in politics, but I knew that a businessman, Silvio Berlusconi, was running for president for the moderate right. We lived in a very liberal town, and my father was a politician for the Democratic Party. And I remember that no one thought that Berlusconi could get elected -- that was totally not an option. But it happened. And I remember the feeling very vividly. It was a complete surprise, as my dad promised that in my town he knew nobody who voted for him.
Maar laat me een stap terug zetten naar toen ik dit voor het eerst zelf begreep. In 1994 was ik 13 jaar. Ik was een tiener in Italië. Ik was te jong om in politiek geïnteresseerd te zijn, maar ik wist dat een zakenman, Silvio Berlusconi, de presidentskandidaat voor gematigd rechts was. Wij woonde in een liberale stad en mijn vader was een politicus van de Democratische Partij. En ik herinner me dat niemand dacht dat Berlusconi verkozen kon worden -- dat was helemaal geen optie. Maar het is wel gebeurd. En ik herinner me zeer levendig het gevoel. Het was een complete verrassing want mijn vader had me verzekerd dat hij niemand in mijn stad kende die voor hem gestemd had.
This was the first time when the data I had gave me a completely distorted image of reality. My data sample was actually pretty limited and skewed, so probably it was because of that, I thought, I lived in a bubble, and I didn't have enough chances to see outside of it.
Dit was de eerste keer dat mijn eigen data me een compleet vertekend beeld van de realiteit gaven. Mijn steekproefgegevens waren eigenlijk behoorlijk beperkt en vertekend en dus was het waarschijnlijk daardoor, dacht ik, dat ik in een zeepbel leefde, en dat ik niet genoeg kansen had om er buiten te zien.
Now, fast-forward to November 8, 2016 in the United States. The internet polls, statistical models, all the pundits agreeing on a possible outcome for the presidential election. It looked like we had enough information this time, and many more chances to see outside the closed circle we lived in -- but we clearly didn't. The feeling felt very familiar. I had been there before. I think it's fair to say the data failed us this time -- and pretty spectacularly. We believed in data, but what happened, even with the most respected newspaper, is that the obsession to reduce everything to two simple percentage numbers to make a powerful headline made us focus on these two digits and them alone. In an effort to simplify the message and draw a beautiful, inevitable red and blue map, we lost the point completely. We somehow forgot that there were stories -- stories of human beings behind these numbers.
Nu, laten we doorspoelen naar 8 november 2016 in de Verenigde Staten. De internetpeilingen, statistische modellen, alle experten waren het eens over de mogelijke uitkomst van de presidentsverkiezingen. Het leek erop dat we deze keer genoeg informatie hadden en veel meer kansen om buiten onze gesloten kring te kijken -- maar dat deden we duidelijk niet. Het gevoel was erg bekend. Ik had dit al eens meegemaakt. Ik denk dat we kunnen zeggen dat de data tekortschoten deze keer -- en behoorlijk spectaculair. We geloofden in data, maar wat gebeurde er? Zelfs in de meest gerespecteerde krant zag je de obsessie om alles te reduceren tot twee simpele percentages, voor een krachtige krantenkop. Onze blikken vernauwden zich tot deze twee cijfers. In een poging om de boodschap te vereenvoudigen en een mooie, onvermijdelijke rood en blauwe kaart te tekenen, zijn we het doel uit het oog verloren. We vergaten ergens dat er verhalen waren -- verhalen van mensen achter deze getallen.
In a different context, but to a very similar point, a peculiar challenge was presented to my team by this woman. She came to us with a lot of data, but ultimately she wanted to tell one of the most humane stories possible. She's Samantha Cristoforetti. She has been the first Italian woman astronaut, and she contacted us before being launched on a six-month-long expedition to the International Space Station. She told us, "I'm going to space, and I want to do something meaningful with the data of my mission to reach out to people." A mission to the International Space Station comes with terabytes of data about anything you can possibly imagine -- the orbits around Earth, the speed and position of the ISS and all of the other thousands of live streams from its sensors. We had all of the hard data we could think of -- just like the pundits before the election -- but what is the point of all these numbers? People are not interested in data for the sake of it, because numbers are never the point. They're always the means to an end. The story we needed to tell is that there is a human being in a teeny box flying in space above your head, and that you can actually see her with your naked eye on a clear night. So we decided to use data to create a connection between Samantha and all of the people looking at her from below. We designed and developed what we called "Friends in Space," a web application that simply lets you say "hello" to Samantha from where you are, and "hello" to all the people who are online at the same time from all over the world. And all of these "hellos" left visible marks on the map as Samantha was flying by and as she was actually waving back every day at us using Twitter from the ISS.
In een andere context, maar gelijkaardig, kreeg ons team een merkwaardige uitdaging gepresenteerd door deze vrouw. Ze kwam met heel veel data naar ons, maar eigenlijk wou ze een zo menselijk mogelijk verhaal vertellen. Het is Samantha Cristoforetti, de eerste Italiaanse vrouwelijke astronaut. Ze contacteerde ons voor aanvang van een zes maanden lange expeditie naar het internationale ruimtestation. Ze vertelde ons: "Ik ga naar de ruimte en ik wil iets betekenisvols doen met de data van mijn missie, om mensen erbij te betrekken." Een missie naar het internationaal ruimtestation levert terabytes aan gegevens op over alles wat je maar kunt bedenken -- de banen rond de Aarde, de snelheid en positie van het ISS en alle andere duizenden livestreams van zijn sensoren. We hadden alle harde data die we ons konden voorstellen -- net als de experten voor de verkiezingen -- maar wat is de bedoeling van al deze getallen? Mensen zijn niet geïnteresseerd in de data om de data zelf want getallen zijn nooit het uiteindelijke doel. Ze zijn altijd een hulpmiddel. Het verhaal dat we wilden vertelen, was dat er een mens in een kleine doos rondvliegt in de ruimte boven je hoofd en dat je haar op een heldere nacht met het blote oog kan zien. Dus besloten we de data te gebruiken om een verbinding te maken tussen Samantha en alle mensen die van beneden naar haar opkijken. We ontwierpen en ontwikkelden 'Vrienden in de Ruimte', een webapplicatie die je eenvoudigweg 'hallo' laat zeggen aan Samantha vanwaar je bent en 'hallo' aan alle mensen die op datzelfde moment online zijn over de hele wereld. En al deze 'hallo's' lieten een zichtbaar spoor achter op een kaart terwijl Samantha voorbij vloog en ze elke dag terugzwaaide naar ons via Twitter vanuit het ISS.
This made people see the mission's data from a very different perspective. It all suddenly became much more about our human nature and our curiosity, rather than technology. So data powered the experience, but stories of human beings were the drive. The very positive response of its thousands of users taught me a very important lesson -- that working with data means designing ways to transform the abstract and the uncountable into something that can be seen, felt and directly reconnected to our lives and to our behaviors, something that is hard to achieve if we let the obsession for the numbers and the technology around them lead us in the process. But we can do even more to connect data to the stories they represent. We can remove technology completely.
Dit liet mensen de missiedata op een andere manier zien. Het ging ineens veel meer over de menselijke natuur en onze nieuwsgierigheid dan over technologie. Dus data zaten achter de ervaring, maar menselijke verhalen waren de motor. De erg positieve reacties van de duizenden gebruikers leerden me een belangrijke les -- werken met data betekent manieren te ontwerpen om het abstracte en ontelbare om te vormen in iets dat je kan zien, voelen en direct kan terugkoppelen naar ons leven en ons gedrag. Iets dat moeilijk te bereiken is als we onze obsessie met getallen en de omringende technologie ons laten leiden in het proces. Maar we kunnen nog meer doen om de data te verbinden met de verhalen die ze vertegenwoordigen. We kunnen de technologie volledig weglaten.
A few years ago, I met this other woman, Stefanie Posavec -- a London-based designer who shares with me the passion and obsession about data. We didn't know each other, but we decided to run a very radical experiment, starting a communication using only data, no other language, and we opted for using no technology whatsoever to share our data. In fact, our only means of communication would be through the old-fashioned post office. For "Dear Data," every week for one year, we used our personal data to get to know each other -- personal data around weekly shared mundane topics, from our feelings to the interactions with our partners, from the compliments we received to the sounds of our surroundings. Personal information that we would then manually hand draw on a postcard-size sheet of paper that we would every week send from London to New York, where I live, and from New York to London, where she lives. The front of the postcard is the data drawing, and the back of the card contains the address of the other person, of course, and the legend for how to interpret our drawing. The very first week into the project, we actually chose a pretty cold and impersonal topic. How many times do we check the time in a week? So here is the front of my card, and you can see that every little symbol represents all of the times that I checked the time, positioned for days and different hours chronologically -- nothing really complicated here. But then you see in the legend how I added anecdotal details about these moments. In fact, the different types of symbols indicate why I was checking the time -- what was I doing? Was I bored? Was I hungry? Was I late? Did I check it on purpose or just casually glance at the clock? And this is the key part -- representing the details of my days and my personality through my data collection. Using data as a lens or a filter to discover and reveal, for example, my never-ending anxiety for being late, even though I'm absolutely always on time.
Een paar jaar geleden ontmoette ik Stefanie Posavec, een Londense ontwerpster die mijn passie en obsessie met data deelt. We kenden elkaar niet, maar we besloten een erg radicaal experiment uit te voeren. We gingen communiceren met behulp van alleen data en geen enkele andere taal en we kozen ervoor geen enkele technologie te gebruiken om onze data te delen. Onze enige vorm van communicatie zou via de ouderwetse post gaan. Voor 'Liefste Data' gebruikten we, gedurende één jaar, wekelijks onze persoonlijke data om elkaar te leren kennen -- persoonlijke data over wekelijks gedeelde, alledaagse onderwerpen gaande van onze gevoelens tot de interacties met onze partners, van de complimenten die we kregen tot de omgevingsgeluiden. Persoonlijke informatie die we dan met de hand zouden tekenen op een blad papier ter grootte van een postkaart die we dan elke week van Londen naar New York zouden sturen, waar ik woon en van New York naar Londen, waar zij woont. De voorkant van de postkaart is een datatekening en de achterkant bevat uiteraard het adres van de andere persoon en de legenda om de tekening te begrijpen. De allereerste week van het project kozen we een behoorlijk koud en onpersoonlijk onderwerp. Hoeveel keer keken we op de klok in een week? Dit is de voorkant van mijn kaart en je kan zien dat elk symbool een moment voorsteld dat ik op de klok keek, chronologisch georganiseerd per dag en uur -- niet bijzonder ingewikkeld. Maar in de legenda zie je dat ik anekdotische details toevoegde over deze momenten. De verschillende symbolen geven aan waarom ik op de klok keek -- en wat deed ik? Verveelde ik me? Had ik honger? Was ik te laat? Keek ik bewust of juist nonchalant? En dit is belangrijk -- ik stelde de gegevens over mijn dagen en persoonlijkheid voor door middel van datacollectie. Ik gebruikte data als lens of filter om zo dingen te ontdekken, mijn eindeloze angst voor te laat zijn bijvoorbeeld, hoewel ik altijd op tijd ben.
Stefanie and I spent one year collecting our data manually to force us to focus on the nuances that computers cannot gather -- or at least not yet -- using data also to explore our minds and the words we use, and not only our activities. Like at week number three, where we tracked the "thank yous" we said and were received, and when I realized that I thank mostly people that I don't know. Apparently I'm a compulsive thanker to waitresses and waiters, but I definitely don't thank enough the people who are close to me.
Stefanie en ik verzamelden handmatig onze gegevens voor meer dan een jaar om ons zo te dwingen op de nuances te letten die computers niet oppikken -- nog niet, tenminste. Via data verkenden we onze gedachtegang en de woorden die we gebruiken en niet alleen onze activiteiten. Zoals in de derde week, waar we onze 'dank je wels' volgden die we zeiden en ontvingen en waarbij ik me realiseerde dat ik vooral onbekenden dank. Blijkbaar dank ik compulsief obers en serveersters, maar dank ik de mensen die dicht bij me staan niet genoeg.
Over one year, the process of actively noticing and counting these types of actions became a ritual. It actually changed ourselves. We became much more in tune with ourselves, much more aware of our behaviors and our surroundings. Over one year, Stefanie and I connected at a very deep level through our shared data diary, but we could do this only because we put ourselves in these numbers, adding the contexts of our very personal stories to them. It was the only way to make them truly meaningful and representative of ourselves.
Gedurende één jaar werd het actief opmerken en tellen van dit soort activiteiten een ritueel. Het veranderde ons. We geraakten veel beter op onszelf afgesteld, veel meer bewust van ons gedrag en onze omgeving. Gedurende één jaar schiepen Stephanie en ik een diepe band middels ons gedeelde datadagboek, maar we konden dit enkel doen omdat we onszelf in deze getallen legden en de context van onze heel persoonlijke verhalen toevoegden. Alleen zo konden we die werkelijk betekenisvol maken en tot een afspiegeling van onszelf.
I am not asking you to start drawing your personal data, or to find a pen pal across the ocean. But I'm asking you to consider data -- all kind of data -- as the beginning of the conversation and not the end. Because data alone will never give us a solution. And this is why data failed us so badly -- because we failed to include the right amount of context to represent reality -- a nuanced, complicated and intricate reality. We kept looking at these two numbers, obsessing with them and pretending that our world could be reduced to a couple digits and a horse race, while the real stories, the ones that really mattered, were somewhere else.
Ik vraag je niet om je eigen persoonlijke data te gaan tekenen of een overzeese penvriend te zoeken. Maar ik vraag je om data te beschouwen -- alle soorten data -- als het begin van een gesprek en niet het einde. Want data alleen zal ons nooit een oplossing bieden. Daarom heeft data ons zo in de steek gelaten. We lieten na de juiste hoeveelheid context toe te voegen om de werkelijkheid voor te stellen -- een genuanceerde, gecompliceerde en gedetailleerde werkelijkheid. We bleven naar deze twee getallen kijken, erdoor geobsedeerd en we deden alsof onze wereld teruggebracht kon worden tot een paar cijfers en een paardenkoers terwijl de echte verhalen, die er echt toe deden, ergens anders zaten. Wat we over het hoofd zagen
What we missed looking at these stories only through models and algorithms is what I call "data humanism." In the Renaissance humanism, European intellectuals placed the human nature instead of God at the center of their view of the world. I believe something similar needs to happen with the universe of data. Now data are apparently treated like a God -- keeper of infallible truth for our present and our future.
toen we via modellen en algoritmes naar deze verhalen keken, is wat ik 'data-humanisme' noem. Tijdens de Renaissance plaatsten Europese intellectuelen de menselijke natuur in plaats van God in het centrum van het wereldbeeld. Ik geloof dat iets vergelijkbaars moet gebeuren in de datawereld. Nu dat data blijkbaar als een god wordt behandeld -- hoeder van de onfeilbare waarheid van het heden en de toekomst.
The experiences that I shared with you today taught me that to make data faithfully representative of our human nature and to make sure they will not mislead us anymore, we need to start designing ways to include empathy, imperfection and human qualities in how we collect, process, analyze and display them. I do see a place where, ultimately, instead of using data only to become more efficient, we will all use data to become more humane.
De ervaringen die ik vandaag met jullie deelde, leerden me dat om van data een goede afspiegeling te maken van onze menselijke natuur en te zorgen dat ze ons niet meer zullen misleiden, we manieren moeten vinden om empathie, imperfectie en menselijke kwaliteiten te stoppen in hoe we die data verzamelen, verwerken, analyseren en weergeven. Ik zie wel een toekomst waarin we uiteindelijk data niet alleen gebruiken om efficiënter te worden, maar ook om humaner te worden.
Thank you.
Dank je.
(Applause)
(Applaus)