TED2006
Hans Rosling: The best stats you've ever seen
Hans Rosling näyttää parhaat koskaan näkemänne tilastot
Filmed:
Readability: 3.6
14,386,844 views
Ette ole koskaan nähneet tilastoja esitettävän tällä tavalla. Yhtä dramaattisesti ja kiireisesti kuin urheilutoimittajat, tilastotieteiden guru Hans Rosling kumoaa myyttejä niin sanotuista "kehitysmaista".
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
About 10 years ago, I took on the task to teach global development
0
0
4000
Noin 10 vuotta sitten aloin opettaa maailmanlaajuista kehitystä
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
ruotsalaisille opiskelijoille. Olin sitä ennen viettänyt
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
noin 20 vuotta yhdessä afrikkalaisten instituutioiden kanssa tutkien nälkää Afrikassa,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
joten minun odotettiin tietävän jonkin verran maailmasta.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Ja aloitin lääketietellisessä yliopistossamme Karolinska Instituutissa,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
opettamalla ensimmäisen asteen tutkintoa varten kurssia nimeltään globaali terveys.
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
Mutta saatuani tämän mahdollisuuden, olin hermostunut. Ajattelin, että
00:53
coming to us actually have the highest grade you can get
7
28000
3000
näillä opiskelijoilla on yleensä kaikista korkeimmat arvosanat
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
ruotsalaisessa opintojärjestelmässä, joten ehkä he jo tietävät kaiken
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
siitä, mitä aion heille opettaa. Joten annoin heille esitestin tullessaan.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Ja yksi kysymyksistä, joista itse opin paljon, oli seuraava:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Millä maalla näistä viidestä parista on korkein lapsikuolleisuus?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Ja yhdistin ne niin, että jokaisessa maaparissa toisen
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
maan lapsikuolleisuus on kaksi kertaa suurempi kuin toisen. Ja tämä merkitsee sitä,
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
että se on paljon suurempi ero kuin tietojen epävarmuus.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
En aio testata teitä tällä kertaa, mutta se on Turkki,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
joka on korkeimmalla, Puola, Venäjä, Pakistan ja Etelä-Afrikka.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
Ja nämä olivat ruotsalaisten opiskelijoiden tulokset. Tein sen niin, että sain
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
luottamusvälin, mikä on aika kapea, ja olin onnellinen,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
tietenkin: 1,8 oikeaa vastausta viidestä mahdollisesta. Tämä merkitsee,
01:41
there was a place for a professor of international health --
20
76000
3000
että kansainvälisen terveyden professorille oli oma paikkansa -
01:44
(Laughter) and for my course.
21
79000
2000
(naurua) samoin kuin kurssilleni.
01:46
But one late night, when I was compiling the report
22
81000
4000
Mutta myöhään yhtenä iltana kun laadin raporttia
01:50
I really realized my discovery. I have shown
23
85000
4000
todella tajusin mitä olin saanut aikaan. Olen osoittanut
01:54
that Swedish top students know statistically significantly less
24
89000
5000
että parhaat ruotsalaiset opiskelijat tietävät tilastollisesti merkittävästi vähemmän
01:59
about the world than the chimpanzees.
25
94000
2000
maailmasta kuin simpanssit.
02:01
(Laughter)
26
96000
2000
(Naurua)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Koska simpanssit saisivat puolet oikein, jos antaisin heille
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
kaksi banaania Sri Lankan ja Turkin. He olisivat oikeassa puolessa tapauksista.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Mutta opiskelijat eivät. Ongelma ei ollut tietämättömyys:
02:14
it was preconceived ideas.
30
109000
3000
ongelma oli etukäteen muodostetut ideat.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Suoritin myös epäeettisen tutkimuksen Karolinska Instituutin professorien
02:21
(Laughter)
32
116000
1000
keskuudessa (naurua)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
- he jakavat Nobelin palkinnon lääketieteessä,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
ja heitä verrataan simpansseihin.
02:26
(Laughter)
35
121000
3000
(Naurua)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Ymmärsin tässä vaiheessa, että kyseessä on todellinen tarve välittää tietoa,
02:33
because the data of what's happening in the world
37
128000
3000
sillä tieto siitä, mitä tapahtuu maailmassa
02:36
and the child health of every country is very well aware.
38
131000
3000
ja jokaisen maan lasten terveys on erittäin tärkeää.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Rakensimme ohjelman, joka näyttää seuraavalta: jokainen ympyrä edustaa maata.
02:44
This country over here is China. This is India.
40
139000
6000
Tämä maa on Kiina. Tämä on Intia.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Ympyrän koko vastaa asukaslukua, ja tällä akselilla on hedelmällisyysluku.
02:56
Because my students, what they said
42
151000
3000
Koska mitä opiskelijani sanoivat
02:59
when they looked upon the world, and I asked them,
43
154000
2000
katsoessaan maailmaa ja minun kysyessäni heiltä,
03:01
"What do you really think about the world?"
44
156000
2000
"Mitä te todella ajattelette maailmasta?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
No, ensimmäiseksi tajusin, että oppikirja oli Tintin, pääosin.
03:07
(Laughter)
46
162000
1000
(Naurua)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Ja he vastasivat: "Maailma on vielä "me" ja "he".
03:11
And we is Western world and them is Third World."
48
166000
3000
Ja me olemme länsimaat ja he ovat kolmas maailma."
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"Ja mitä tarkoitatte länsimailla?" minä kysyin.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"Se tarkoittaa pitkää ikää ja pientä perhettä, ja kolmas maailma lyhyttä ikää ja isoa perhettä."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Joten näytin heille tämän. Laitoin hedelmällisyysluvun tähän, lapsien määrä
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
naista kohti, 1, 2, 3, 4, enintään 8 lasta naista kohti.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Meillä on erittäin hyvää tietoa vuodesta 1962 lähtien, noin vuodesta 1960, perheiden koosta
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
kaikissa maissa. Virhemarginaali on pieni. Tässä on elinajanodote syntymähetkellä,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
30 vuodesta joissakin maissa noin 70 vuoteen.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Ja vuonna 1962, tässä oli ryhmä
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
teollistuneita maita, ja niissä oli pieni perhe ja pitkä elinikä.
03:53
And these were the developing countries:
58
208000
2000
Ja nämä olivat kehitysmaita:
03:55
they had large families and they had relatively short lives.
59
210000
3000
niissä oli suuret perheet ja suhteellisen lyhyt elinikä.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Mitä on tapahtunut vuoden 1962 jälkeen? Haluamme nähdä muutoksen.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Ovatko opiskelijat oikeassa? Onko maailmassa vielä kahdentyyppisiä maita?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Vai onko kehitysmaiden perhekoko pienentynyt ja he elävät täällä?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Vai onko heidän elinikänsä pidentynyt ja he elävät tuolla?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Katsotaan. Pysäytämme siis maailman. Nämä ovat YK:n
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
tilastoja käytettävissämme. No niin. Voitteko nähdä?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Tuossa on Kiina, liikkuu kohti parempaa terveyttä, parantaa tuossa.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Ja vihreät Etelä-Amerikan maat liikkuvat pienempiä perheitä kohti.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Keltaiset ovat arabimaita,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
ja heillä on suuremmat perheet, mutta... ei, pitempi elämä, muttei suurempia perheitä.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Afrikkalaiset ovat vihreitä täällä. He pysyvät vielä täällä.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Tämä on Intia. Indonesia liikkuu aika nopeasti.
04:36
(Laughter)
72
251000
1000
(Naurua)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Ja nyt 80-luvulla, Bangladesh on vielä Afrikan maiden ryhmässä tuolla.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Mutta Bangladeshissa tapahtuu 80-luvulla ihme:
04:43
the imams start to promote family planning.
75
258000
3000
imaamit alkavat edistää perhesuunnittelua.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
He siirtyvät tuohon kulmaan. Ja 90-luvulla meillä on kauhea HIV-epidemia
04:51
that takes down the life expectancy of the African countries
77
266000
3000
joka laskee Afrikan maiden elinajanodotetta
04:54
and all the rest of them move up into the corner,
78
269000
4000
ja kaikki loput maista siirtyvät kulmaan,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
jossa meillä on pitkä ikä ja pieni perhe, ja meillä on täysin uusi maailma.
05:02
(Applause)
80
277000
13000
(Aplodit)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Verrataan Yhdysvaltoja suoraan Vietnamiin.
05:20
1964: America had small families and long life;
82
295000
5000
1964: Yhdysvalloissa oli pienet perheet ja pitkä ikä,
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Vietnamissa oli suuret perheet ja lyhyt ikä. Ja sitten tapahtuu seuraavaa:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
sodanaikaiset tiedot osoittavat, että kaikesta kuolemasta huolimatta,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
elinajanodote parani. Vuoden lopussa
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
Vietnamissa aloitettiin perhesuunnittelu ja siirryttiin pienempiin perheisiin.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Ja Yhdysvallat tuolla ylhäällä parantaa elinajanodotettaan,
05:44
keeping family size. And in the '80s now,
88
319000
3000
pitäen perhekoon samana. Ja nyt 80-luvulla
05:47
they give up communist planning and they go for market economy,
89
322000
3000
he luopuvat kommunistisesta suunnittelusta ja siirtyvät markkinatalouteen,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
ja se etenee nopeammin kuin yhteiskuntaelämä. Ja tänään
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
Vietnamissa on sama elinajanodote ja sama perhekoko
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
täällä Vietnamissa, 2003, kuin Yhdysvalloissa, 1974, sodan loputtua.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Uskon että me me kaikki - jos emme katso tietoa -
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
aliarvioimme Aasiassa tapahtuneita valtavia muutoksia,
06:14
in social change before we saw the economical change.
95
349000
4000
yhteiskunnan muutoksia ennen kuin näimme muutoksia talouselämässä.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Siirrytään nyt toiseen tapaan näyttää
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
miten maailma jakautuu tulojen mukaan. Tämä edustaa maailmaa ihmisten tulojen mukaan.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Yksi dollari, 10 dollaria tai 100 dollaria päivä.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Rikkaiden ja köyhien välillä ei enää ole rakoa. Se on myytti.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Tässä on pieni töyssy. Mutta ihmisiä on koko matkalta.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Ja jos katsomme mihin tulot päätyvät -
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
tämä on 100 % maailman vuosittaisista tuloista. Ja rikkaimmat 20 %
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
he vievät siitä noin 74 %. Ja köyhimmät 20 %,
07:01
they take about two percent. And this shows that the concept
104
396000
5000
he vievät noin 2 %. Ja tämä osoittaa, että käsite kehitysmaista
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
on erittäin arveluttava. Me ajattelemme apua, kuten
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
nämä täällä antamassa apua näille täällä. Mutta keskellä
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
on suurin osa maailman väestöstä, ja heillä nyt 24 % tuloista.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Kuulimme siitä muissa muodoissa. Ja keitä ovat nämä?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Missä ovat eri maat? Voin näyttää teille Afrikan.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Tässä on Afrikka. 10 % maailman väestöstä, suurin osa köyhiä.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Tämä on OECD. Rikkaat maat. YK:n parhaimmisto.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Ja he ovat täällä tällä puolella. Afrikka ja OECD aika paljon päällekkäin.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Ja tässä on Etelä-Amerikka. Sillä on kaikki tällä maapallolla,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
köyhimmistä rikkaimpiin, Etelä-Amerikassa.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Ja tämän lisäksi voimme lisätä Itä-Euroopan, Itä-Aasian ja
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
Etelä-Aasian. Ja miltä ne näyttivät, jos menemme ajassa taaksepäin,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
noin vuoteen 1970? Silloin töyssy oli suurempi.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Ja useimmat köyhyydessä asuvat olivat aasialaisia.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Maailman ongelma oli köyhyys Aasiassa. Ja jos nyt annan maailman siirtyä eteenpäin,
08:14
you will see that while population increase, there are
120
469000
3000
näette että samalla kun väestöluku kasvaa,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
satoja miljoonia Aasiassa pääsee köyhyydestä ja jotkut muut
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
joutuvat köyhyyteen, ja tämä on kuvio, joka meillä on tänään.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Ja paras ennuste Maailmanpankista on, että tämä tapahtuu,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
ja meillä ei ole jaettua maailmaa. Useimmat ihmiset ovat keskivaiheilla.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Tämä on tietekin logaritminen asteikko,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
mutta talouselämän käsite on kasvu prosentteina. Katsomme sitä
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
mahdollisuutena prosenttikasvuun. Jos muutan tätä, ja käytän
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
sen sijaa BKT:ta per asukas enkä perheen tuloja, ja vaihdan nämä
08:48
individual data into regional data of gross domestic product,
129
503000
6000
yksilölliset tiedot alueellisiksi tiedoiksi bruttokansantuotteesta,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
ja otan nämä alueet täältä, ympyrän koko pysyy asukaslukuna.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Ja jos OECD on tuolla, ja Saharan eteläpuolinen Afrikka tuolla,
09:01
and we take off the Arab states there,
132
516000
3000
ja poistamme arabimaat tuolta,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
tullen sekä Afrikasta että Aasiasta, ja asetamme ne erikseen,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
ja voimme laajentaa tätä akselia, ja voin antaa sille uuden ulottuvuuden täällä,
09:13
by adding the social values there, child survival.
135
528000
3000
lisäämällä yhteiskunta-arvoja tuolla, lapsikuolleisuus.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Nyt minulla on rahaa tuolla akselilla ja lapsilla mahdollisuus jäädä eloon tuolla.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Joissakin maissa 99,7 % lapsista pysyy elossa viiteen ikävuoteen asti,
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
muissa maissa ainoastaan 70 %. Ja tässä näyttää olevan rako
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
OECD:n, Etelä-Amerikan, Itä-Euroopan, Itä-Aasian,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
arabimaiden, Etelä-Aasian ja Saharan eteläpuolisen Afrikan välillä.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Lasten eloonjäämisen ja rahan välinen suhde on erittäin vahva.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Mutta nyt Saharan eteläpuoliseen Afrikkaan. Terveys tuolla ja parempi terveys tuolla.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Voin mennä tänne ja jakaa Saharan eteläpuolisen Afrikan eri maihin.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
Ja kun se hajoaa, maan ympyrän koko vastaa maan asukaslukua.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Sierra Leone on tuolla alhaalla. Mauritius tuolla ylhäällä. Mauritius oli ensimmäinen maa
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
joka poisti kauppaesteet, ja he voivat myydä sokeria.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
He voivat myydä tekstiilejä samoin ehdoin kuin eurooppalaiset ja pohjoisamerikkalaiset.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Afrikan sisällä on suuria eroja. Ja Ghana on täällä keskellä.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Sierra Leonessa humanitääristä apua.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Täällä Uganda, kehitysapua. Täällä, aika sijoittaa, tuolla,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
voit mennä lomalle. Vaihtelut ovat huomattavia
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
Afrikan sisällä, emmekä usein ota sitä huomioon - vaan pidämme kaikkea yhtenä.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Voin jakaa Etelä-Aasian täällä. Intia on keskellä oleva iso ympyrä.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Mutta suuri ero Afganistanin ja Sri Lankan välillä.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Voin jakaa arabimaat. Miten ne ovat? Sama ilmasto, sama kulttuuri,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
sama uskonto. Suuret erot. Jopa naapurien välillä.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Jemen, kansallissota. Arabiemiirikunnat, rahaa, joka käytettiin tasapuolisesti ja hyvin.
10:54
Not as the myth is. And that includes all the children of the foreign workers who are in the country.
158
629000
7000
Ei myytin mukaista. Ja tähän kuuluvat kaikki maassa olevien ulkomaisten työntekijöden lapset.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Tieto on usein parempaa kuin luulet. Monet ihmiset sanovat, että tieto on huonoa.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Epätietoisuuden marginaali on olemassa, mutta me voimme nähdä eron tässä:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Kambozha, Singapore. Erot ovat paljon suurempia
11:11
than the weakness of the data. East Europe:
162
646000
3000
kuin tietojen heikkous. Itä-Eurooppa:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
neuvostotalous pitkään, mutta nämä muuttuvat kymmenen vuoden
11:20
very, very differently. And there is Latin America.
164
655000
3000
jälkeen hyvin erilaiseksi. Ja tuolla on Etelä-Amerikka.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Enää ei tarvitse mennä Kuubaan hakemaan tervettä maata Etelä-Amerikasta.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
Chilessä on muutaman vuoden päästä jo Kuubaa alhaisempi lapsikuolleisuus.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Ja tässä ovat suurituloiset OECD-maat.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Ja meillä on koko maailma tässä kuviossa,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
mikä on suurin piirtein tällainen. Ja jos katsomme sitä,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
miltä se näyttää - maailman vuonna 1960, se alkaa liikkua. 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Tässä Mao Tse-tung. Hän toi terveyden Kiinaan. Ja sitten hän kuoli.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Ja sitten Deng Xiaoping tuli ja toi rahaa Kiinaan, ja toi Kiinan taas valtavirtaan.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Ja olemme nähneet, miten maat liikkuvat eri suuntiin tällä tavalla,
12:02
so it's sort of difficult to get
174
697000
4000
joten on vaikeaa saada
12:06
an example country which shows the pattern of the world.
175
701000
5000
esimerkkimaata, joka näyttää koko maailman kuvion.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Haluaisin tuoda teidät takaisin tänne vuoteen 1960.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Haluaisin verrata Etelä-Koreaa, joka on tämä, Brasiliaan,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
joka on tämä. Otsikko häipyi minulta. Ja haluaisin verrata Ugandaa,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
joka on tuolla. Ja voin siirtää sitä eteenpäin, näin.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Ja voitte nähdä miten Etelä-Korea etenee hyvin nopeasti,
12:46
whereas Brazil is much slower.
181
741000
3000
kun taas Brasilia on paljon hitaampi.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Ja jos siirrymme taas takaisin, noin, ja jäljitämme niitä, tällä tavalla,
12:55
you can see again that the speed of development
183
750000
4000
voitte taas nähdä että kehityksen nopeus
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
on hyvin, hyvin erilaista, ja maat liikkuvat enemmän tai vähemmän
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
samaan tahtiin kuin raha ja terveys, mutta näyttää siltä että maa voi liikkua
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
paljon nopeammin, jos se on ensin terve kuin jos se on ensin vauras.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Ja se voidaan näyttää Arabiemiirikunnilla.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
He tulivat täältä, mineraalimaasta. He varastoivat kaiken öljyn,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
saivat kaiken rahan, mutta terveyttä ei voi ostaa supermarketista.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Terveyteen on investoitava. Lapset on koulutettava.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Tervydenhoitohenkilöstö on koulutettava. Väestö on koulutettava.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
Ja sheikki Sayed teki sen melko hyvin.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Ja öljyn hinnan halpenemisesta huolimatta hän toi maansa tänne ylös.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Joten meillä on paljon valtavirtaa edustavampi maailma,
13:43
where all countries tend to use their money
195
798000
2000
jossa kaikki maat pyrkivät käyttämään rahaansa
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
paremmin kuin aiemmin. Tämä on, suurin piirtein,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
jos katsotaan maiden keskiarvotietoa. Ne näyttävät seuraavilta.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
On vaarallista käyttää keskiarvotietoa, sillä eri maiden
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
välillä on suuria eroja. Joten katson tätä, voimme nähdä
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
että Uganda on tänään missä Etelä-Korea oli vuonna 1960. Jos jaan Ugandan
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
osiin, niin Ugandan osien välillä on suuria eroja. Nämä ovat Ugandan viidenneksiä.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Rikkaimmat 20 % ugandalaisista ovat tuolla.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Köyhimmät ovat tuolla alhaalla. Jos jaan Etelä-Afrikan osiin, se näyttää tältä.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Jos katson Nigeriaa, missä oli erittäin kauhea nälänhätä,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
viimeksi, se näyttää tältä. Köyhimmät 20 % nigerialaisista ovat täällä,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
ja rikkaimmat 20 % etelä-afrikkalaisista ovat tuolla,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
ja kuitenkin pyrimme keskustelemaan mitä ratkaisuja Afrikalle voisi olla.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Kaikki tässä maailmassa on olemassa Afrikassa. Eikä
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
universaalista HIV-lääkkeen saatavuudesta voi keskustella tälle viidennekselle
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
samaa strategiaa käyttäen kuin täällä alhaalla. Maailman olosuhteiden parantamisen
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
on oltava asiayhteyteen liittyvää, eikä ole asiaankuuluvaa pitää
15:00
on regional level. We must be much more detailed.
212
875000
3000
sitä alueellisella tasolla. Meidän on oltava paljon yksityiskohtaisempia.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Huomaamme, että opiskelijat käyttävät tätä erittäin innokkaasti.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Ja yhä enemmän politiikan ja liike-elämän sektoreilla halutaan nähdä
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
miten maailma on muuttumassa. Miksi se ei sitten tapahdu?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Miksi emme käytä tietoa, jota meillä on? Meillä on tietoa YK:ssa,
15:20
in the national statistical agencies
217
895000
2000
kansallisissa tilastotieteellisissä virastoissa
15:22
and in universities and other non-governmental organizations.
218
897000
4000
ja yliopistoissa ja muissa ei-julkisen vallan organisaatioissa.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Koska tiedot ovat piilossa tietokannoissa.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Ja yleisö on tuolla, Internet tuolla, mutta emme ole vielä käyttäneet sitä tehokkaasti.
15:33
All that information we saw changing in the world
221
908000
3000
Kaikki tieto, jonka näimme muuttuvan maailmassa
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
ei sisällä julkisesti rahoitettuja tilastoja. On olemassa muutamia websivuja,
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
kuten tämä, mutta niitä on ruokittava tietokannoista,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
mutta ihmiset ottavat niistä hinnan, tyhmiä salasanoja ja tylsiä tilastoja.
15:51
(Laughter) (Applause)
225
926000
3000
(Naurua) (Aplodit)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Ja tämä ei toimi. Joten mitä tarvitaan? Meillä on tietokannat.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Uutta tietokantaa ei tarvita. Meillä on mahtavia suunnittelutyökaluja,
16:02
and more and more are added up here. So we started
228
937000
3000
ja lisää ja lisää lisätään. Joten aloitimme
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
ei-kaupallisen organisaation, jota kutsumme - linkittäen tiedon suunnitteluun -
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
Gapminderiksi, Lontoon maanalaisen mukaan, jossa varoitetaan
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"mind the gap", varo väliä. Joten mielestämme Gapminder oli sopiva.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Ja aloimme kirjoittaa ohjelmaa, joka linkittäisi tiedon tällä tavalla.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Eikä se ollut kovin vaikeaa. Se vei joltakin ihmiseltä vuosia, ja tuotimme animaatioita.
16:26
You can take a data set and put it there.
234
961000
2000
Voit ottaa tietosarjan ja laittaa sen tuonne.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Vapautamme YK:n tietoa, joitakin muutamia YK:n organisaatioita.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Jotkut maat sallivat tietokantojensa saatavuuden maailmalla,
16:37
but what we really need is, of course, a search function.
237
972000
3000
mutta mitä todella tarvitsemme on tietenkin hakutoiminto.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Hakutoiminto, jossa voimme kopioida tietoa haettavaan muotoon
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
ja antaa sen maailman saataville. Ja mitä kuulemme kun kierrämme maailmaa?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Olen tehnyt antropologiaa tilastollisten pääyksikköjen osalta. Kaikki sanovat:
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Se on mahdotonta. Tätä ei voi tehdä. Tietomme on niin erilaista
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
yksityiskohdiltaan, ettei sitä voi hakea kuten muita tietoja.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Emme voi antaa tietoa ilmaiseksi opiskelijoille tai yrittäjille maailmassa."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Mutta me haluasimme, että näin tapahtuisi, eikö niin?
17:08
The publicly-funded data is down here.
245
1003000
3000
Julkisesti rahoitettu tieto on täällä alhaalla.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Ja me haluaisimme, että Internetissä kasvaisi kukkia.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Ja yksi tärkeimmistä asioista on haettavuus, ja sitten että ihmiset voivat käyttää
17:19
the different design tool to animate it there.
248
1014000
2000
eri suunnittelutyökaluja niiden animointiin.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Ja minulla on teille aika hyviä uutisia. Minulla on uutisia, että nykyinen
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
YK:n tilastotieteen johtaja ei sano, että se on mahdotonta.
17:30
He only says, "We can't do it."
251
1025000
2000
Hän sanoo vain, että "Me emme voi tehdä sitä."
17:32
(Laughter)
252
1027000
4000
(Naurua)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Ja hän on aika terävä kaveri, eikö?
17:38
(Laughter)
254
1033000
2000
(Naurua)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Joten me tulemme näkemään että tiedossa tulee tapahtumaan paljon tulevina vuosina.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Voimme näyttää tulojen jakautumista täysin uusilla tavoilla.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Tässä on Kiinan tulojen jakautuminen vuonna 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
Yhdysvaltain tulojen jakautuminen vuonna 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Miltei ei ollenkaan päällekäisyyttä. Ei ollenkaan. Ja mitä on tapahtunut?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Seuraavaa on tapahtunut: Kiina kasvaa, se ei ole enää niin tasapuolinen,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
ja se näkyy tässä, Yhdysvaltain lähettyvillä.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Melkein kuin haamu, eikö?
18:14
(Laughter)
263
1069000
2000
(Naurua)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Tämä on aika pelottavaa. Mutta mielestäni on erittäin tärkeää saada kaikki nämä tiedot.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Meidän on todella nähtävä ne. Ja sen sijaan että katsomme tätä,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
haluaisin lopettaa näyttämällä Internetin käyttäjät 1000 asukasta kohti.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Tällä ohjelmalla käytämme noin 500 muuttujaa kaikista maista aika helposti.
18:42
It takes some time to change for this,
268
1097000
4000
Kestää hetken muuttaa tämä,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
mutta akseleilla voi helposti saada minkä tahansa muuttujan.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Ja parasta olisi saada tietokannat ilmaiseksi,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
saada ne haettavaksi, ja toisella napsautuksella saada ne
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
graafiseen muotoon, jossa ne on heti ymmärrettävissä.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Tilastotieteilijät eivät pidä tästä, sillä he sanovat ettei tämä
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
näytä todellisuutta. Meillä on oltava tilastotieteelliset, analyyttiset menetelmät.
19:16
But this is hypothesis-generating.
275
1131000
3000
Mutta tämä on hypoteesia aikaansaavaa.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Lopetan nyt maailmaan. Tuolla, Internet on tulossa.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Internetin käyttäjämäärät nousevat tällä tavalla. Tämä on BKT per asukas.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Ja uusi teknologia on tulossa, mutta sitten hämmästyttävää on miten hyvin
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
se sopii maiden talouselämään. Tästä syystä 100 dollarin tietokone
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
tulee olemaan niin tärkeä. Mutta se on mukava suuntaus.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Näyttää siltä kuin maailma latistuisi, eikö niin? Nämä maat
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
nousevat nopeammin kuin talouselämä ja on erittäin mielenkiintoista
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
seurata tätä vuoden aikana, kuten haluaisin että tekin voisitte
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
kaikella julkisesti rahoitetulla tiedolla. Kiitokset teille.
19:53
(Applause)
285
1168000
3000
(Taputusta)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com