Return to Video

如何在数据中找到自己

  • 0:01 - 0:04
    上周我的生活是这样的。
  • 0:05 - 0:06
    我做了什么,
  • 0:06 - 0:08
    我跟谁在一起,
  • 0:08 - 0:11
    清醒时的每个小时我的
    主要感受,等等。
  • 0:12 - 0:15
    我是否在想起刚去世的爸爸时
  • 0:15 - 0:16
    产生了这感觉,
  • 0:16 - 0:20
    或者我能否绝对避免担忧和焦虑。
  • 0:20 - 0:22
    如果你认为我有点着魔,
  • 0:22 - 0:24
    你应该是对的。
  • 0:24 - 0:27
    但是很明显,从这个画面中,
  • 0:27 - 0:30
    你对我的了解会比
    从另外的途径了解得多很多,
  • 0:30 - 0:33
    你可能对这些图片更熟悉,
  • 0:33 - 0:36
    甚至你的手机里现在就有。
  • 0:36 - 0:38
    你走路步数的条形图,
  • 0:38 - 0:40
    你睡眠质量的饼图,
  • 0:40 - 0:42
    你晨跑的路线。
  • 0:43 - 0:46
    我的工作是与数据打交道。
  • 0:46 - 0:48
    我运营一家数据可视化设计公司,
  • 0:48 - 0:52
    我们设计和开发一些方法,
    意图通过视觉表现
  • 0:52 - 0:54
    使信息容易理解。
  • 0:54 - 0:57
    多年来我的工作教给我的是,
  • 0:57 - 1:01
    要真正了解数据及其真实的潜力,
  • 1:01 - 1:04
    实际上有时我们必须忘掉它们,
  • 1:04 - 1:06
    反而才能识破它们。
  • 1:06 - 1:10
    因为数据永远只是我们
    用来表达现实的工具。
  • 1:10 - 1:13
    数据总被用作其他东西的占位符,
  • 1:13 - 1:15
    但它们永远不是真实的事物。
  • 1:15 - 1:17
    但是让我先回溯一下,
  • 1:17 - 1:20
    回到我个人第一次
    明白这道理的时候。
  • 1:20 - 1:24
    1994年,我13岁,
  • 1:24 - 1:26
    生活在意大利。
  • 1:26 - 1:28
    我太年轻了,对政治不感兴趣,
  • 1:28 - 1:31
    但是我知道有个商人,
    西尔维奥·贝卢斯科尼,
  • 1:31 - 1:33
    正在代表右翼温和派竞选总统。
  • 1:34 - 1:36
    我们的镇上非常偏向自由党,
  • 1:36 - 1:39
    而且我父亲是民主党的政客。
  • 1:39 - 1:44
    我记得没有人认为
    贝卢斯科尼可以当选——
  • 1:44 - 1:46
    他完全不可能当选。
  • 1:47 - 1:48
    然而事实相反,他当选了。
  • 1:48 - 1:50
    我非常清晰地记得那种感觉。
  • 1:50 - 1:52
    那是个巨大的意外,
  • 1:52 - 1:57
    因为我爸爸信誓旦旦地说,
    他知道我们镇上没人投票给他。
  • 1:59 - 2:00
    这是第一次
  • 2:00 - 2:05
    我手里的数据反映出的现实
    是完全错误的。
  • 2:05 - 2:09
    我的数据样本实际上
    很有限且有偏向性,
  • 2:09 - 2:12
    可能是由于我以为
    自己生活在一个气泡里,
  • 2:12 - 2:15
    没有足够的机会看到外面的世界。
  • 2:16 - 2:20
    现在,快进到2016年11月8日,
  • 2:20 - 2:21
    在美国。
  • 2:22 - 2:23
    互联网民意调查、
  • 2:23 - 2:25
    统计模型、
  • 2:25 - 2:29
    所有专家对总统选举的
    预测结果意见一致。
  • 2:29 - 2:32
    好像这次我们的信息很充足,
  • 2:32 - 2:36
    而且有更多机会看到
    我们所在的封闭圈以外的世界,
  • 2:36 - 2:38
    但是很显然,事实并非如此。
  • 2:38 - 2:40
    那感觉太熟悉了。
  • 2:40 - 2:42
    我亲身经历过。
  • 2:42 - 2:45
    我认为可以说这次是
    数据让我们失望了,
  • 2:45 - 2:47
    而且非常严重。
  • 2:47 - 2:49
    我们相信了数据,
  • 2:49 - 2:50
    但真正发生的是,
  • 2:50 - 2:53
    即便是最受尊敬的报纸也只是
  • 2:53 - 2:58
    痴迷于将所有事情缩减成
    两个简单的百分比数字,
  • 2:58 - 3:00
    用来制作震撼的标题,
  • 3:00 - 3:02
    让我们聚焦在这两个数字上,
  • 3:02 - 3:03
    并且只看到这两个数字。
  • 3:03 - 3:06
    为了简化信息,
  • 3:06 - 3:09
    画出漂亮的、无法抵御的红蓝地图,
  • 3:09 - 3:11
    我们完全失去了重点。
  • 3:11 - 3:14
    我们莫名其妙地忘记了还有故事——
  • 3:14 - 3:16
    这些数字背后的人类的故事。
  • 3:17 - 3:19
    还有一件背景不同
  • 3:19 - 3:20
    但情况很相似的事件,
  • 3:20 - 3:24
    这位女士给我的团队
    提出了一个特殊的挑战。
  • 3:24 - 3:27
    她带着很多数据来找我们,
  • 3:27 - 3:31
    但最终她想要的是
    讲一个可能最有人性的故事。
  • 3:31 - 3:33
    她是萨曼莎·克里斯托维蒂,
  • 3:33 - 3:36
    意大利第一位女性宇航员,
  • 3:36 - 3:38
    在出发去国际空间站进行
  • 3:38 - 3:42
    为期六个月的远征之前,
    她联系到我们。
  • 3:42 - 3:44
    她说:“我要去太空了,
  • 3:44 - 3:47
    我想用我的任务数据
    做些有意义的事,
  • 3:47 - 3:49
    去联络人们。”
  • 3:50 - 3:52
    去国际空间站的任务
  • 3:52 - 3:54
    带着兆兆字节(太字节)的数据,
  • 3:54 - 3:57
    涉及你能想到的任何事——
  • 3:57 - 3:58
    绕地轨道,
  • 3:58 - 4:00
    ISS的速度和位置,
  • 4:00 - 4:05
    还有另外数千个
    来自其传感器的直播流。
  • 4:05 - 4:08
    我们拥有所有可以想到的硬数据——
  • 4:08 - 4:10
    就像那次选举前的专家一样——
  • 4:10 - 4:13
    但是这些数字是什么意思?
  • 4:13 - 4:16
    人们对数据本身不感兴趣,
  • 4:16 - 4:18
    因为数字永远不是重点。
  • 4:18 - 4:20
    它们总是用来结束的手段。
  • 4:21 - 4:23
    我们要讲的故事是,
  • 4:23 - 4:25
    小箱子里有一个人
  • 4:25 - 4:27
    正在你头上的太空中飞行
  • 4:27 - 4:31
    你在晴朗的夜晚能用肉眼看到她。
  • 4:31 - 4:35
    所以我们决定用数据在萨曼莎和
  • 4:35 - 4:39
    正从地面看着她的
    所有人之间建立一个连接。
  • 4:39 - 4:42
    我们设计和开发了“太空中的朋友”,
  • 4:42 - 4:47
    这是一个网络应用程序,
    简单地让你从你的位置
  • 4:47 - 4:48
    对萨曼莎说“你好”,
  • 4:48 - 4:51
    对世界各地的所有同时在线的人
  • 4:51 - 4:54
    说“你好”。
  • 4:54 - 4:57
    所有这些“你好”都能在
    萨曼莎飞过的地图上
  • 4:57 - 4:59
    留下可见的痕迹,
  • 4:59 - 5:02
    而且她每天都在使用推特
  • 5:02 - 5:05
    从国际空间站向我们问候。
  • 5:05 - 5:10
    这使人们看待任务数据的
    角度大有不同。
  • 5:10 - 5:15
    这一切突然变得
    更加关乎人性和好奇心,
  • 5:15 - 5:16
    而不是技术。
  • 5:16 - 5:19
    所以虽然数据丰富了经历,
  • 5:19 - 5:21
    但人类的故事才是背后的驱动力。
  • 5:23 - 5:26
    数千用户的积极回应
  • 5:26 - 5:28
    教给我非常重要的一点——
  • 5:28 - 5:31
    处理数据意味着设计各种方法,
  • 5:31 - 5:34
    将抽象和无法量化的信息转化成
  • 5:34 - 5:38
    可以看到、感觉到并
    与我们的生活和行为
  • 5:38 - 5:40
    直接重新连接的东西,
  • 5:40 - 5:42
    而如果我们让对数字的痴迷和
  • 5:42 - 5:46
    围绕数字的技术
    在这个过程中引领我们,
  • 5:46 - 5:49
    则很难实现这一点。
  • 5:49 - 5:53
    但是,我们还能更进一步
    将数据与它们所代表的故事连接起来。
  • 5:53 - 5:56
    我们可以完全去掉技术。
  • 5:56 - 5:58
    几年前,我遇到另一位女士,
  • 5:58 - 6:00
    斯蒂芬妮·波萨维奇——
  • 6:00 - 6:06
    一位伦敦的设计师,
    与我一样对数据热爱和痴迷。
  • 6:06 - 6:07
    我们不认识对方,
  • 6:07 - 6:10
    但我们决定进行
    一个非常激进的实验,
  • 6:10 - 6:13
    开始一场只使用数据的交流,
  • 6:13 - 6:14
    不使用任何其他语言,
  • 6:14 - 6:19
    我们选择不使用任何科技
    来分享我们的数据。
  • 6:19 - 6:22
    事实上,我们唯一的沟通方式
  • 6:22 - 6:25
    是通过老式邮局。
  • 6:25 - 6:27
    为了“亲爱的数据”,
    一年中的每个星期,
  • 6:27 - 6:31
    我们用自己的
    个人数据来了解彼此——
  • 6:31 - 6:34
    个人信息包括每周分享的平凡话题,
  • 6:34 - 6:35
    从我们自己的感受
  • 6:35 - 6:37
    到我们与爱人之间的互动,
  • 6:37 - 6:41
    从我们收到的赞美到周围的声音。
  • 6:41 - 6:45
    然后我们把这些个人信息
  • 6:45 - 6:48
    手绘在一张明信片大小的纸上,
  • 6:48 - 6:51
    每周从伦敦寄到我所在的
  • 6:51 - 6:52
    纽约,
  • 6:52 - 6:54
    以及从纽约寄到她所在的伦敦。
  • 6:54 - 6:58
    明信片的正面是数据图,
  • 6:58 - 6:59
    卡片背面当然包括
  • 6:59 - 7:02
    对方的地址,
  • 7:02 - 7:05
    还有如何破译数据图的方法。
  • 7:06 - 7:08
    在开始的第一个星期,
  • 7:08 - 7:11
    我们实际上选择了一个
    相当冷门和非私人化的话题。
  • 7:11 - 7:14
    一周内看了多少次时间?
  • 7:15 - 7:17
    这里是我的卡片的正面,
  • 7:17 - 7:19
    你可以看到,每一个小符号
  • 7:19 - 7:22
    代表着我每次看时间,
  • 7:22 - 7:25
    位置按顺序代表日期和小时——
  • 7:25 - 7:28
    没有什么复杂的。
  • 7:28 - 7:30
    但是再看看这破译说明,
  • 7:30 - 7:33
    我是如何把这些时刻的
    各种细节加进去的。
  • 7:33 - 7:38
    实际上,不同类型的符号
    代表着我为什么要看时间——
  • 7:38 - 7:39
    当时我在做什么?
  • 7:39 - 7:41
    我无聊吗?我饿吗?
  • 7:41 - 7:42
    我迟到了吗?
  • 7:42 - 7:45
    我是有意看表
    还是随意瞥一眼时钟?
  • 7:45 - 7:48
    但关键是——
  • 7:48 - 7:51
    我的数据收集代表了我的
  • 7:51 - 7:53
    生活细节和个性。
  • 7:53 - 7:58
    用数据作为镜头或过滤器
    来发现和揭示,例如
  • 7:58 - 8:00
    我对迟到无休止的焦虑,
  • 8:00 - 8:02
    即使我绝对每次都准时。
  • 8:04 - 8:08
    斯蒂芬妮和我花了一年时间
    手动收集我们的数据,
  • 8:08 - 8:12
    迫使我们专注于
    计算机无法收集——
  • 8:12 - 8:14
    至少现在还无法收集的细节,
  • 8:14 - 8:18
    使用数据来探索我们的思想
    和我们使用的词语,
  • 8:18 - 8:20
    而不仅是我们的活动。
  • 8:20 - 8:21
    比如在第三周,
  • 8:21 - 8:25
    我们记录了我们所说的
    以及收到的“感谢”,
  • 8:25 - 8:30
    它让我意识到,我多数时间
    在感谢我不认识的人。
  • 8:30 - 8:34
    显然我对感谢男女服务生有强迫症,
  • 8:34 - 8:37
    但绝对没有对身边的人
    表达足够的感谢。
  • 8:39 - 8:40
    在这一年多里,
  • 8:40 - 8:45
    对这些类型的行为
    积极留意和计数的过程
  • 8:45 - 8:46
    成为了一种仪式。
  • 8:46 - 8:48
    它真的改变了我们自己。
  • 8:48 - 8:51
    我们变得更加贴近真实的自己,
  • 8:51 - 8:55
    更加了解我们的行为和周围环境。
  • 8:55 - 8:58
    一年多的时间,斯蒂芬妮和我
    通过共享数据日记
  • 8:58 - 9:00
    建立了非常深层的联系,
  • 9:00 - 9:04
    但是我们能做到这样,
    只因为我们用这些数字表达了自己,
  • 9:04 - 9:08
    并加入了我们的个人故事背景。
  • 9:08 - 9:11
    这是使它们真正有意义
  • 9:11 - 9:13
    并代表了我们自己的唯一途径。
  • 9:14 - 9:18
    我不是要你开始画你的个人数据,
  • 9:18 - 9:20
    也不是要你找个跨洋笔友。
  • 9:20 - 9:23
    但是我请你把数据——
  • 9:23 - 9:25
    各种数据——
  • 9:25 - 9:26
    看成交谈的开始,
  • 9:26 - 9:28
    而不是终止。
  • 9:28 - 9:31
    因为数据本身永远不会给我们答案。
  • 9:31 - 9:34
    这就是为什么数据
    让我们败得这么惨——
  • 9:34 - 9:37
    因为我们没有考虑到
    要用适量的背景信息
  • 9:37 - 9:39
    来展示现实——
  • 9:39 - 9:42
    微妙的、错综复杂的现实。
  • 9:43 - 9:45
    我们一直盯着这两个数字,
  • 9:45 - 9:47
    痴迷于这两个数字,
  • 9:47 - 9:49
    假装我们的世界
  • 9:49 - 9:52
    可以缩减成两个数字和一场赛马,
  • 9:52 - 9:53
    而真实的故事,
  • 9:53 - 9:54
    真正重要的故事
  • 9:54 - 9:56
    在别处。
  • 9:56 - 10:01
    如果只用模型和算法
    来看待这些故事,我们错过的是
  • 10:01 - 10:03
    我所说的“数据人文主义”。
  • 10:03 - 10:06
    在文艺复兴时期的人文主义中,
  • 10:06 - 10:07
    欧洲的智者们
  • 10:07 - 10:13
    在他们世界观的中心位置
    摆放的是人类本性,而不是上帝。
  • 10:13 - 10:15
    我相信在数据的世界,
  • 10:15 - 10:17
    也需要类似的事情。
  • 10:17 - 10:20
    现在我们显然把数据
    当成了一个神——
  • 10:20 - 10:23
    我们现在和未来的永恒真理持有者。
  • 10:24 - 10:27
    我今天分享的经验告诉我,
  • 10:27 - 10:32
    为了使数据忠实地代表我们的人性,
  • 10:32 - 10:35
    并确保数据不再误导我们,
  • 10:35 - 10:39
    我们需要开始设计方法,
    在收集、处理、分析和
  • 10:39 - 10:40
    演示数据时,
  • 10:40 - 10:44
    纳入同情、不完美和人文素质。
  • 10:45 - 10:48
    我能预见,终将有个地方,
  • 10:48 - 10:52
    数据不会被单纯用来提高效率,
  • 10:52 - 10:55
    我们都会用数据来变得更人性化。
  • 10:55 - 10:56
    谢谢。
  • 10:56 - 10:59
    (掌声)
Title:
如何在数据中找到自己
Speaker:
乔治亚·卢皮
Description:

乔治亚·卢皮使用数据来讲述人文故事,为数字增添细枝末节。在这个魅力四射的演讲中,她分享了如何能够将个性融入数据中,如何对我们日常生活中甚至包括琐碎细节的内容进行可视化,如何让抽象和无法量化的信息变得能够被看到、被感知,并直接重新与我们的生活建立联系。

more » « less
Video Language:
English
Team:
closed TED
Project:
TEDTalks
Duration:
11:13

Chinese, Simplified subtitles

Revisions