TEDNYC
Lux Narayan: What I learned from 2,000 obituaries
Lux Narayan: Kétezer gyászjelentés tanulsága
Filmed:
Readability: 4.4
1,705,669 views
Lux Narayan rántottával és egy kérdéssel indítja a napját: "Ki halt meg ma?" Hogy miért? A New York Times 2000 gyászjelentését 20 hónapos időszakon át elemezve Narayan kiderítette, hogy fest egy élet teljesítménye néhány szóban. Előadásában megosztja, mit tanulhatunk a jól élt életről azoktól, akiknek a neve örökre fennmarad.
Lux Narayan - Entrepreneur
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Lux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. Full bio
Double-click the English transcript below to play the video.
00:12
Joseph Keller used to jog
around the Stanford campus,
around the Stanford campus,
0
879
4072
Joseph Keller gyakran kocogott
a Stanford Egyetem campusán,
a Stanford Egyetem campusán,
00:16
and he was struck by all the women
jogging there as well.
jogging there as well.
1
4975
4717
és felfigyelt a rengeteg,
szintén ott kocogó nőre.
szintén ott kocogó nőre.
00:21
Why did their ponytails swing
from side to side like that?
from side to side like that?
2
9716
3589
Miért leng a lófarkuk
olyan jellegzetesen balról jobbra?
olyan jellegzetesen balról jobbra?
00:25
Being a mathematician,
he set out to understand why.
he set out to understand why.
3
13867
3138
Mivel matematikus volt,
a válasz nyomába eredt.
a válasz nyomába eredt.
00:29
(Laughter)
4
17029
1151
(Nevetés)
00:30
Professor Keller was curious
about many things:
about many things:
5
18204
2306
Keller professzort sok minden érdekelte:
00:32
why teapots dribble
6
20534
1967
miért csepeg a teáskanna,
00:34
or how earthworms wriggle.
7
22525
1830
és hogyan tekereg a giliszta.
00:36
Until a few months ago,
I hadn't heard of Joseph Keller.
I hadn't heard of Joseph Keller.
8
24847
3048
Én pár hónappal ezelőtt
hallottam először Kellerről.
hallottam először Kellerről.
00:40
I read about him in the New York Times,
9
28581
2852
A New York Times-ban olvastam róla,
00:43
in the obituaries.
10
31457
1432
a gyászjelentések között.
00:44
The Times had half a page
of editorial dedicated to him,
of editorial dedicated to him,
11
32913
3772
Féloldalas vezércikket szenteltek neki,
00:48
which you can imagine is premium space
for a newspaper of their stature.
for a newspaper of their stature.
12
36709
3922
ami, gondolhatják, az egyik
legértékesebb felület egy ekkora lapban.
legértékesebb felület egy ekkora lapban.
00:53
I read the obituaries almost every day.
13
41368
2342
Jóformán mindennap
elolvasom a gyászjelentéseket.
elolvasom a gyászjelentéseket.
00:56
My wife understandably thinks
I'm rather morbid
I'm rather morbid
14
44690
3022
A feleségem szerint elég morbid szokás,
00:59
to begin my day with scrambled eggs
and a "Let's see who died today."
and a "Let's see who died today."
15
47736
4400
hogy rántottával és azzal a kérdéssel
kezdem a napot: "Lássuk, ki halt meg ma!"
kezdem a napot: "Lássuk, ki halt meg ma!"
01:04
(Laughter)
16
52160
1150
(Nevetés)
01:06
But if you think about it,
17
54025
1292
De ha belegondolunk,
01:07
the front page of the newspaper
is usually bad news,
is usually bad news,
18
55341
3413
az újság címlapján többnyire
a rossz híreket olvashatjuk,
a rossz híreket olvashatjuk,
01:10
and cues man's failures.
19
58778
1975
amelyek a kudarcokra emlékeztetnek.
01:12
An instance where bad news
cues accomplishment
cues accomplishment
20
60777
2666
A gyászjelentések rovatában viszont
01:15
is at the end of the paper,
in the obituaries.
in the obituaries.
21
63467
3235
a rossz hír a teljesítményre emlékeztet.
01:19
In my day job,
22
67405
1364
A napi munkám során
01:20
I run a company that focuses
on future insights
on future insights
23
68793
2476
a cégem a korábbi adatokból
kikövetkeztethető
kikövetkeztethető
01:23
that marketers can derive
from past data --
from past data --
24
71293
2420
előrejelzésekre fókuszál.
01:25
a kind of rearview-mirror analysis.
25
73737
2944
Valamiféle visszatekintő elemzés ez.
01:29
And we began to think:
26
77092
1155
Támadt egy ötletünk.
01:30
What if we held a rearview mirror
to obituaries from the New York Times?
to obituaries from the New York Times?
27
78271
5118
Mi volna, ha visszapillantó tükröt
tartanánk a New York Times gyászhírei elé?
tartanánk a New York Times gyászhírei elé?
01:36
Were there lessons on how you could get
your obituary featured --
your obituary featured --
28
84514
3468
Kiderülne, mit kell tenni, hogy fő helyet
kapjunk a gyászhírek között,
kapjunk a gyászhírek között,
01:40
even if you aren't around to enjoy it?
29
88006
1977
ha nem is élvezhetjük ezt személyesen.
01:42
(Laughter)
30
90007
1484
(Nevetés)
01:43
Would this go better with scrambled eggs?
31
91515
2628
Jobban passzolna ez a rántottához?
01:46
(Laughter)
32
94167
1150
(Nevetés)
01:48
And so, we looked at the data.
33
96163
2998
Úgyhogy megvizsgáltuk az adatokat.
01:51
2,000 editorial, non-paid obituaries
34
99869
4494
2000 szerkesztőségi,
nem fizetett gyászhírt vizsgáltunk
nem fizetett gyászhírt vizsgáltunk
01:56
over a 20-month period
between 2015 and 2016.
between 2015 and 2016.
35
104387
3642
20 hónapos időszakon át, 2015-től 2016-ig.
02:00
What did these 2,000 deaths --
rather, lives -- teach us?
rather, lives -- teach us?
36
108053
4824
Mit tanulhatunk ebből a 2000 halálból –
vagy inkább életből?
vagy inkább életből?
02:04
Well, first we looked at words.
37
112901
2033
Először is megnéztük a szavakat.
02:06
This here is an obituary headline.
38
114958
1761
Ez itt egy gyászhír címsora.
02:08
This one is of the amazing Lee Kuan Yew.
39
116743
2296
Ez itt a csodás Li Kuang-jao
gyászhíréből van.
gyászhíréből van.
02:11
If you remove the beginning and the end,
40
119063
2522
Ha kivágjuk az elejét és a végét,
02:13
you're left with a beautifully
worded descriptor
worded descriptor
41
121609
3334
egy gyönyörűen megfogalmazott
címsor marad,
címsor marad,
02:16
that tries to, in just a few words,
capture an achievement or a lifetime.
capture an achievement or a lifetime.
42
124967
4675
amely megpróbálja néhány szóban
összefoglalni egy élet teljesítményét.
összefoglalni egy élet teljesítményét.
02:21
Just looking at these is fascinating.
43
129666
2161
Már nézni is elragadó ezeket.
02:24
Here are a few famous ones,
people who died in the last two years.
people who died in the last two years.
44
132301
3295
Itt van néhány, híres emberekről,
akik az elmúlt 2 évben haltak meg.
akik az elmúlt 2 évben haltak meg.
02:27
Try and guess who they are.
45
135620
1319
Tippeljék meg, kik ők!
02:28
[An Artist who Defied Genre]
46
136963
1440
[Műfajok felett álló művész]
02:30
That's Prince.
47
138427
1185
Ő Prince.
02:32
[Titan of Boxing and the 20th Century]
48
140497
1837
[A boksz és a 20. század titánja]
02:34
Oh, yes.
49
142358
1160
Igen, pontosan.
02:35
[Muhammad Ali]
50
143542
1224
[Muhammad Ali]
02:36
[Groundbreaking Architect]
51
144790
1546
[Újító építész]
02:38
Zaha Hadid.
52
146360
1251
Zaha Hadid.
02:40
So we took these descriptors
53
148843
1748
Fogtuk tehát ezeket a címsorokat,
02:42
and did what's called
natural language processing,
natural language processing,
54
150615
2524
és természetes nyelvfeldolgozásnak
vetettük alá őket,
vetettük alá őket,
02:45
where you feed these into a program,
55
153163
1771
azaz számítógépre vittük az adatokat,
02:46
it throws out the superfluous words --
56
154958
1865
a program kiszűrte a töltelékszavakat,
02:48
"the," "and," -- the kind of words
you can mime easily in "Charades," --
you can mime easily in "Charades," --
57
156847
4223
mint az "az" és az "és" – amelyeket könnyű
elmutogatni a szókitaláló játékban –,
elmutogatni a szókitaláló játékban –,
02:53
and leaves you with the most
significant words.
significant words.
58
161094
2193
és csak a lényeges szavakat hagyta meg.
02:55
And we did it not just for these four,
59
163311
1821
Ezt nemcsak ezzel a négy címsorral,
02:57
but for all 2,000 descriptors.
60
165156
2519
hanem mind a 2000-rel megcsináltuk.
02:59
And this is what it looks like.
61
167699
1743
Így néz ki ki az eredmény.
03:03
Film, theatre, music, dance
and of course, art, are huge.
and of course, art, are huge.
62
171004
4827
A film, színház, zene, tánc,
és persze a művészetek tarolnak.
és persze a művészetek tarolnak.
03:08
Over 40 percent.
63
176485
1946
Több mint 40 százalékot tesznek ki.
03:10
You have to wonder
why in so many societies
why in so many societies
64
178455
2528
Elgondolkodtató, miért ragaszkodunk
sok társadalomban,
sok társadalomban,
03:13
we insist that our kids pursue
engineering or medicine or business or law
engineering or medicine or business or law
65
181007
4435
hogy a gyerekeink mérnöknek, orvosnak,
üzletembernek vagy jogásznak álljanak,
üzletembernek vagy jogásznak álljanak,
03:17
to be construed as successful.
66
185466
1587
hogy sikeresnek tartsák őket.
03:19
And while we're talking profession,
67
187871
1693
Ha már a szakmákról beszélünk,
03:21
let's look at age --
68
189588
1151
nézzük az életkort –
03:22
the average age at which
they achieved things.
they achieved things.
69
190763
2510
az átlagéletkort, amikor
az emberek elértek valamit.
az emberek elértek valamit.
03:25
That number is 37.
70
193297
1846
Az átlag 37 év.
03:28
What that means is,
you've got to wait 37 years ...
you've got to wait 37 years ...
71
196274
3656
Vagyis átlagosan 37 évig kell várnunk
03:31
before your first significant achievement
that you're remembered for --
that you're remembered for --
72
199954
3395
az első jelentős teljesítményünkre,
03:35
on average --
73
203373
1151
amelyre emlékeznek majd
03:36
44 years later, when you
die at the age of 81 --
die at the age of 81 --
74
204548
2478
44 évvel később, amikor átlag 81 évesen
03:39
on average.
75
207050
1168
végül meghalunk.
03:40
(Laughter)
76
208242
1001
(Nevetés)
03:41
Talk about having to be patient.
77
209267
1684
A türelem rózsát terem.
03:42
(Laughter)
78
210975
1057
(Nevetés)
03:44
Of course, it varies by profession.
79
212056
2089
Ezt persze szakmája válogatja.
03:46
If you're a sports star,
80
214566
1193
Ha az ember sportcsillag,
03:47
you'll probably hit
your stride in your 20s.
your stride in your 20s.
81
215783
2127
valószínűleg a 20-as éveiben van csúcson.
03:49
And if you're in your 40s like me,
82
217934
2645
Ha pedig valaki negyvenes, mint jómagam,
03:52
you can join the fun world of politics.
83
220603
1991
beléphet a politika mókás világába.
03:54
(Laughter)
84
222618
1056
(Nevetés)
03:55
Politicians do their first and sometimes
only commendable act in their mid-40s.
only commendable act in their mid-40s.
85
223698
3915
Ők a 40-es éveikben viszik véghez
első és néha egyetlen fontos tettüket.
első és néha egyetlen fontos tettüket.
03:59
(Laughter)
86
227637
1257
(Nevetés)
04:00
If you're wondering what "others" are,
87
228918
1937
Ha kíváncsiak, mit takar az "egyebek",
04:02
here are some examples.
88
230879
1476
íme, néhány példa.
04:04
Isn't it fascinating, the things people do
89
232821
2116
Hát nem lenyűgöző,
amit az emberek csinálnak,
amit az emberek csinálnak,
04:06
and the things they're remembered for?
90
234961
1882
és amiért emlékezetesek maradnak?
04:08
(Laughter)
91
236867
1752
(Nevetés)
04:12
Our curiosity was in overdrive,
92
240136
1844
Kíváncsiságunk határtalan volt,
04:14
and we desired to analyze
more than just a descriptor.
more than just a descriptor.
93
242004
3788
és nemcsak a címsorokat akartuk elemezni.
04:18
So, we ingested the entire
first paragraph of all 2,000 obituaries,
first paragraph of all 2,000 obituaries,
94
246998
4946
Mind a 2000 nekrológ első bekezdését
betápláltuk a programba,
betápláltuk a programba,
04:23
but we did this separately
for two groups of people:
for two groups of people:
95
251968
2774
ám két csoportra osztottuk az embereket:
04:26
people that are famous
and people that are not famous.
and people that are not famous.
96
254766
2777
hírességekre és átlagemberekre.
04:29
Famous people -- Prince,
Ali, Zaha Hadid --
Ali, Zaha Hadid --
97
257567
2689
Hírességekre, mint amilyen Prince, Ali,
Zaha Hadid,
Zaha Hadid,
04:32
people who are not famous
are people like Jocelyn Cooper,
are people like Jocelyn Cooper,
98
260280
4235
és átlagemberekre,
mint Jocelyn Cooper,
mint Jocelyn Cooper,
04:36
Reverend Curry
99
264539
1154
Curry tisztelendő atya,
04:37
or Lorna Kelly.
100
265717
1169
vagy Lorna Kelly.
04:38
I'm willing to bet you haven't heard
of most of their names.
of most of their names.
101
266910
3188
Fogadni mernék, hogy legtöbbükről
még sosem hallottak.
még sosem hallottak.
04:42
Amazing people, fantastic achievements,
but they're not famous.
but they're not famous.
102
270122
3812
Csodás emberek, lenyűgöző teljesítményt
nyújtottak, de nem híresek.
nyújtottak, de nem híresek.
04:46
So what if we analyze
these two groups separately --
these two groups separately --
103
274720
2788
Mi történik, ha külön-külön
elemezzük a két csoportot –
elemezzük a két csoportot –
04:49
the famous and the non-famous?
104
277532
1525
a híres és az átlagembereket?
04:51
What might that tell us?
105
279081
1419
Mit tanulhatunk vajon ebből?
04:52
Take a look.
106
280524
1240
Nézzék!
04:56
Two things leap out at me.
107
284556
1469
Két dolog rögtön szembeötlik.
04:58
First:
108
286569
1170
Az első:
05:00
"John."
109
288106
1198
"John."
05:01
(Laughter)
110
289328
1300
(Nevetés)
05:03
Anyone here named John
should thank your parents --
should thank your parents --
111
291914
3388
Legyenek hálásak a szüleiknek,
ha Johnnak hívják önöket –,
ha Johnnak hívják önöket –,
05:07
(Laughter)
112
295326
1329
(Nevetés)
05:08
and remind your kids to cut out
your obituary when you're gone.
your obituary when you're gone.
113
296679
3082
és kössék a gyerekeik lelkére,
hogy vágják ki a nekrológjukat.
hogy vágják ki a nekrológjukat.
05:13
And second:
114
301061
1356
A második:
05:15
"help."
115
303849
1154
"segítség."
05:18
We uncovered, many lessons
from lives well-led,
from lives well-led,
116
306524
3465
Sok tanulságot leszűrtünk
ezekből a jól élt életekből,
ezekből a jól élt életekből,
05:22
and what those people immortalized
in print could teach us.
in print could teach us.
117
310013
2836
és tanulhatunk ezektől
a halhatatlanná vált emberektől.
a halhatatlanná vált emberektől.
05:24
The exercise was a fascinating testament
to the kaleidoscope that is life,
to the kaleidoscope that is life,
118
312873
4738
Kutatásunk lenyűgöző tanúságot nyújtott
az élet végtelen gazdagságáról,
az élet végtelen gazdagságáról,
05:29
and even more fascinating
119
317635
2715
és még inkább lenyűgöző a tény,
05:32
was the fact that the overwhelming
majority of obituaries
majority of obituaries
120
320374
3068
hogy a gyászhírek nagy többsége
05:35
featured people famous and non-famous,
121
323466
2998
olyan híres vagy átlagos emberekről szólt,
05:38
who did seemingly extraordinary things.
122
326488
2433
akik látszólag rendkívüli dolgokat
vittek véghez.
vittek véghez.
05:41
They made a positive dent
in the fabric of life.
in the fabric of life.
123
329574
3110
Jobbá tették az életet.
05:44
They helped.
124
332708
1237
Segítettek másoknak.
05:46
So ask yourselves as you go
back to your daily lives:
back to your daily lives:
125
334772
2591
Tegyék fel maguknak a kérdést,
amint kilépnek az ajtón:
amint kilépnek az ajtón:
05:49
How am I using my talents to help society?
126
337387
2920
Hogyan segítem tehetségemmel
a társadalmat?
a társadalmat?
05:52
Because the most powerful lesson here is,
127
340331
2973
Mert a legnagyobb tanulság,
05:55
if more people lived their lives
trying to be famous in death,
trying to be famous in death,
128
343328
4336
hogy ha több ember élne úgy,
hogy halálában híres legyen,
hogy halálában híres legyen,
05:59
the world would be a much better place.
129
347688
2605
a világ sokkal jobb hely lenne.
06:03
Thank you.
130
351062
1169
Köszönöm.
06:04
(Applause)
131
352255
2848
(Taps)
ABOUT THE SPEAKER
Lux Narayan - EntrepreneurLux Narayan is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy.
Why you should listen
Lakshmanan aka Lux Narayan mans the helm of Unmetric, a social media intelligence company that helps digital marketers, social media analysts, and content creators harness social signals to track and analyze competitive content and campaigns, and to create better content and campaigns of their own.
Prior to founding Unmetric, Narayan was a co-founder at Vembu Technologies, an online data backup company. He also helped found and volunteered at ShareMyCake, a non-profit started by his wife that focuses on encouraging children to use their birthdays to channel monetary support towards a cause of their choosing.
As Unmetric's CEO, he leads a team of 70 people distributed across the company's operations in Chennai and New York City.
Outside of work, he is a perpetual learner of various things -- from origami and molecular gastronomy to stand-up and improv comedy. He enjoys reading obituaries and other non-fiction and watching documentaries with bad ratings. Narayan makes time every year for trekking in the Himalayas or scuba diving in tropical waters, and once he learns to fly, he hopes to spend more time off land than on it.
Lux Narayan | Speaker | TED.com