TED2006
Hans Rosling: The best stats you've ever seen
Ханс Розлинг показва най-добрите статистики които сте виждали
Filmed:
Readability: 3.6
14,386,844 views
Никога не сте виждали данни представени по този начин. С чувството и страстта на спортен коментатор, гуруто на статистиката Ханс Розлинг развенчава митовете за така наречения "развиващ се" свят.
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
Преди около 10 години се заех да преподавам световно развитие
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
на Шведски студенти. Това беше след като 20 години
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
изучавах глада в Африка, заедно с африкански институции,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
така че, малко или много, от мен се очакваше да знам достатъчно за света.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Започнах в Каролинския Медицински Университет,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
начален курс, наречен Глобално Здраве. Но когато получиш такава възможност
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
ставаш малко нервен. Мислех, че студентите,
00:53
coming to us actually have the highest grade you can get
7
28000
3000
които постъпват при нас с най-високите възможни оценки
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
в Шведската образователна система, може би знаят всичко,
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
което щях да им преподавам. Така че направих входящ тест.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Един от въпросите, от които научих много, беше този:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Коя държава в тези 5 двойки има по-високо ниво на детска смъртност?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
И подбрах страните така, че във всяка двойка една от държавите
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
има двойно по-висока детска смъртност от другата.
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
Това означава, че разликата е доста по-голяма от статистическата грешка.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Няма да тествам и вас тук, но Турция
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
е с по-висока, Полша, Русия, Пакистан и Южна Африка.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
И това са резултатите на Шведските студенти. Направих теста
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
с висока степен на надеждност, и което ме ощастливи, е:
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
1.8 правилни отговора от възможни 5. Това означава,
01:41
there was a place for a professor of international health --
20
76000
3000
че има място за професор по международно здраве --
01:44
(Laughter) and for my course.
21
79000
2000
(Смях) и за моя предмет.
01:46
But one late night, when I was compiling the report
22
81000
4000
Но късно една вечер, когато съставях доклада,
01:50
I really realized my discovery. I have shown
23
85000
4000
наистина прозрях моето откритие. Аз бях показал,
01:54
that Swedish top students know statistically significantly less
24
89000
5000
статистически значимо, че най-добрите Шведски студенти знаят по-малко
01:59
about the world than the chimpanzees.
25
94000
2000
за света, отколкото шимпанзетата.
02:01
(Laughter)
26
96000
2000
(Смях)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Защото шимпанзетата биха познали половината отговори ако им дам
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
два банана за Шри Ланка и Турция. Те биха познали в половината случаи.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Но студентите не познават. Проблемът за мен не е невежество,
02:14
it was preconceived ideas.
30
109000
3000
той е предварително втълпени идеи.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Също, неетично проведох изследване върху професорите в Каролинския Институт,
02:21
(Laughter)
32
116000
1000
(Смях)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
който присъжда Нобеловата награда за медицина,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
и те са наравно с шимпанзетата.
02:26
(Laughter)
35
121000
3000
(Смях)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Тогава рзбрах, че наистина има нужда да се комуникира,
02:33
because the data of what's happening in the world
37
128000
3000
защото данните за това какво се случва по света
02:36
and the child health of every country is very well aware.
38
131000
3000
и здравето на децата във всяка държава са много добре известни.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Направихме софтуер, който показва данните така: всеки балон е страна.
02:44
This country over here is China. This is India.
40
139000
6000
Тази страна тук е Китай. Това е Индия.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Размера на балона е населението, по тази ос слагам раждаемостта.
02:56
Because my students, what they said
42
151000
3000
Защото когато студентите
02:59
when they looked upon the world, and I asked them,
43
154000
2000
погледнаха света и аз ги попитах:
03:01
"What do you really think about the world?"
44
156000
2000
"Какво наистина мислите за света?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Е, първо разбрах че учебника е Тинтин (белгийски комикс), основно.
03:07
(Laughter)
46
162000
1000
(Смях)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Те отговориха: "Света е все още 'ние' и 'те'."
03:11
And we is Western world and them is Third World."
48
166000
3000
'Ние' е западният свят, 'те' са третия свят.
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"Но какво имате предвид със Западния Свят?" попитах.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"Ами, това е дълъг живот и малки семейства, а Третият Свят е кратък живот и големи семейства."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Значи, това мога да ви покажа тук. Слагам раждаемостта тук: брой деца на жена,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
едно, две, три, четири, до осем деца на жена.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Имаме много добри данни от 60-те насам, за големината на семействата във всички страни.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Отклоненията са малки. Тук слагам очаквана продължителност на живота при раждане,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
от 30г.в някои страни до около 70г.
03:45
And 1962, there was really a group of countries here
56
200000
3000
През 1962 наистина имаше група държави тук.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
Индустриализирани страни с малки семейства и дълъг живот.
03:53
And these were the developing countries:
58
208000
2000
А тези бяха развиващите се страни --
03:55
they had large families and they had relatively short lives.
59
210000
3000
големи семейства и сравнително кратък живот.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Сега, какво се случи след 1962? Искаме да видим промяната.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Прави ли са студентите? Все още ли има два типа държави?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Или тези развиващи се страни са преминали към по-малки семейства и живеят тук?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Или са удължили продължителността на живота и са там горе?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Да видим. Спряхме света тогава. Всичко това са данни на ОН,
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
които са достъпни. Започваме. Виждате ли там?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Китай е там, движи се към по-добро здравеопазване, подобрява се.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
А зелените латино-американски държави минават към по-малки семейства.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Жълтите тук са арабските страни,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
и те отиват към по-големи семейства, но -- не, по-дълъг живот, но не по-големи семейства.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Африканците са зелените там долу. Те все още са там.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Това е Индия. Индонезия се придвижва доста бързо.
04:36
(Laughter)
72
251000
1000
(Смях)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
През 80-те Бангладеш все още е сред африканските страни там.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Но сега, Бангладеш -- случва се чудо през 80-те:
04:43
the imams start to promote family planning.
75
258000
3000
имамите започват да насърчават семейно планиране.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Те се издигат до този ъгъл. И през 90-те имаме ужасна СПИН епидемия,
04:51
that takes down the life expectancy of the African countries
77
266000
3000
която смъква продължителността на живота на африканските страни
04:54
and all the rest of them move up into the corner,
78
269000
4000
и всички останали отиват в този ъгъл,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
където имаме дълъг живот и малки семейства, и имаме един съвсем нов свят.
05:02
(Applause)
80
277000
13000
(Аплодисменти)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Нека направим пряко сравнение между САЩ и Виетнам.
05:20
1964: America had small families and long life;
82
295000
5000
1964: Америка има малки семейства и дълъг живот;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Виетнам има големи семейства и кратък живот. И ето какво става:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
данните по време на войната показват, че въпреки смъртта,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
има подобрение в продължителността на живота. До края на годината
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
семейното планиране започва във Виетнам и те отиват към по-малки семейства.
05:41
And the United States up there is getting for longer life,
87
316000
3000
И САЩ, там горе, отива към по-дълъг живот,
05:44
keeping family size. And in the '80s now,
88
319000
3000
запазвайки размера на семейството. И през 80те
05:47
they give up communist planning and they go for market economy,
89
322000
3000
Виетнам оставя комунистическото планиране и се ориентира към пазарна икономика,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
което ги придвижва дори по-бързо в социалната сфера. И днес във Виетнам
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
имаме същата продължителност на живота и същата големина на семействата,
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
Виетнам 2003, каквито са в САЩ 1974, към края на войната.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Мисля, че всички ние -- ако не гледаме данните --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
подценяваме огромната промяна в Азия, която се изразява
06:14
in social change before we saw the economical change.
95
349000
4000
в социална промяна, преди да проличи икономическата промяна.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Да продължим с друг начин, по който можем да покажем
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
разпределението на приходите по света. Това е световното разпределение на приходите на хората.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Един долар, 10 долара, 100 долара на ден.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Вече няма пропаст между богати и бедни. Това е мит.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Има малка вдлъбнатина тук. Но има хора по цялата дължина.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
И ако погледнем как са разпределени доходите,
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
това са 100% от световните годишни доходи. Най-богатите 20% --
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
те получават около 74%. А най-бедните 20% --
07:01
they take about two percent. And this shows that the concept
104
396000
5000
те получават около 2%. И това показва, че схващането за
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
развиващи се страни е изключително съмнително. Ние мислим за помощите
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
като 'тези хора тук дават помощ на тези хора там'. Но в средата,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
имаме по-голямата част от световното население, и сега те получават 24% от световните приходи.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Чували сме го в други форми. И кои са тези?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Къде са различните държави? Мога да ви покажа Африка.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Това е Африка. 10% от световното население, по-голямата част в бедност.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Това е ОИСР. Богатите страни. Богаташкия клуб на ОН.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
И всички те са от тази страна. Доста голямо припокриване на Африка и ОИСР.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
А това е Латинска Америка. Там има от всичко на Земята,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
от най-бедните до най-богатите, в Латинска Америка.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
И отгоре на това можем да сложим Източна Европа, можем да сложим Източна Азия,
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
и слагаме Южна Азия. И как изглеждало това назад във времето,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
до около 1970? Тогава е имало по-голяма вдлъбнатина.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
И повечето които са живели в абсолютна бедност са азиатци.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Световният проблем беше бедността в Азия. И сега, ако пуснем света напред във времето,
08:14
you will see that while population increase, there are
120
469000
3000
виждате, че докато населението се увеличава, има
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
стотици милиони в Азия, които излизат от бедността и други,
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
които обедняват, и това е моделът днес.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
И най-добрата прогноза на Световната Банка е, че това ще се случи,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
и няма да имаме разделен свят. Повечето хора ще са в средата.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Разбира се, това е логаритмична скала,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
но идеята ни за икономика е разтеж в проценити. Гледаме на това,
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
като възможност за процентно увеличение. Ако променим това и вземем
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
БВП на глава от населението, вместо семеен доход и обърнем тези
08:48
individual data into regional data of gross domestic product,
129
503000
6000
индивидуални данни в регионални данни за БВП,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
и вземем тези региони там долу, размера на балона пак е населението.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Имате ОИСР там, имате Субсахарска Африка там,
09:01
and we take off the Arab states there,
132
516000
3000
взимаме всички Арабски държави там,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
от Африка и Азия, и ги слагаме по отделно,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
разширяваме тази ос, и мога да й дам ново измерение тук,
09:13
by adding the social values there, child survival.
135
528000
3000
като добавя социалните придобивки там, детска смъртност.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Сега имаме пари по тази ос и вероятността децата да оцелеят там.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
В някои страни 99,7% от децата оцеляват до 5 годишна възраст;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
в други -- само 70%. И тук изглежда има разлики
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
между ОИСР, Латинска Америка, Източна Европа, Източна Азия,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
Арабските държави, Южна Азия и Субсахарска Африка.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Линейната зависимост е много силна между детската смъртност и парите.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Но нека разбием Субсахарска Африка. Здравето е тук, по доброто здраве е там горе.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Мога да разбия Субсахарска Африка на съставящите я страни.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
И когато се разпръсне, размера на балона е броя на населението.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Сиера Леоне там долу. Мавриций там горе. Мавриций е първата страна
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
свалила ограниченията за търговия. Там можели да продават захарта си.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Можели да продават текстила си на равни начала с хората от Европа и Северна Америка.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Има огромни различия в Африка. И Гана е тук в средата.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
В Сиера Леоне -- хуманитарна помощ.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Тук в Уганда -- помощ за развитие. Тук - време да се инвестира, там -
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
можете да отидете на почивка. Това е огромно разнообразие в Африка,
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
ние често виждаме сякаш всичко вътре е еднакво.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Мога да разбия Южна Африка тук. Индия е големия балон в средата.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Но -- огромна разлика между Авганистан и Шри Ланка.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Мога да разбия Арабските държави. Как са те? Еднакъв климат, еднакви култури,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
еднакъв регион. Огромна разлика. Дори между съседи.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Йемен -- гражданска война. ОАЕ -- пари, доста равномерно и доста добре похарчени.
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
Не като в мита. И това включва всички деца на чуждестранни работници които са в страната.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Данните често са по-добри отколкото мислите. Много хора казват, че данните са лоши.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Има граница на несигурност, но можем да видим разликата тук:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Камбоджа, Сингапур. Разликите са много по големи
11:11
than the weakness of the data. East Europe:
162
646000
3000
от несигурността в данните. Източна Европа:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
Съветска икономика за дълго, но сега те излизат след 10 години
11:20
very, very differently. And there is Latin America.
164
655000
3000
всяка по много различен начин. А ето я Латинска Америка.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Днес не трябва да стигаме до Куба за да намерим страна с добро здраве в Латинска Америка.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
В Чили ще има по ниска детска смъртност от Куба до няколко години.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
А тук имаме страните с висок доход от ОИСР.
11:35
And we get the whole pattern here of the world,
168
670000
4000
И тук получаваме цялостния модел на света,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
който горе-долу изглежда така. И ако го погледнем,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
как изглежда света през 1960 и започва да се движи. 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Това е Мао Дзедун. Той осигури здраве на Китай. И после умря.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
И тогава Дън Сяопин дойде и осигури пари на Китай, и ги върна на основната сцена.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Видяхме как страните се движат в различни посоки, така че
12:02
so it's sort of difficult to get
174
697000
4000
е малко трудно да определим
12:06
an example country which shows the pattern of the world.
175
701000
5000
примерна страна която определя модела на света.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Бих искал да ви върна до някъде тук, 1960.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Искам да сравня Южна Корея, тази, с Бразилия,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
която е тази. Надписа ми избяга за момент тук. И искам да сравня Уганда,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
която е там. Мога да го пусна напред, така.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
И виждате как Южна Корея напредва много, много бързо,
12:46
whereas Brazil is much slower.
181
741000
3000
докъто Бразилия напредва много по-бавно.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
И ако се придвижим назад пак, тук, и им сложим опашки, ето така,
12:55
you can see again that the speed of development
183
750000
4000
можете да видите пак, че скоростта на развитие
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
е много, много различна и страните се придвижват горе долу
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
със същата скорост като парите и здравето, но изглежда можете да напредвате
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
много по-бързо ако първо сте здрави, отколкото ако първо сте богати.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
За демонстрация на това, можете да видите пътя на Обединените Арабски Емирства
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Те дойдоха от тук, минерална страна. Те монетизират всичкия петрол,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
те взимат всичките пари, но здравето не може да се купи в супермаркет.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Трябва да се инвестира в здраве. Трябва да пратите децата на училище.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Трябва да обучите медицински персонал. Трябва да образовате населението.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
И Шеки Сайед направи това по относително добър начин.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
И вместо падащи цени на петрола, той доведе тази държава там горе.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Така че, ние имаме много по обща представа за света,
13:43
where all countries tend to use their money
195
798000
2000
където всички страни изглежда харчат парите си
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
по добре отколкото в миналото. Сега, това е така, криво-ляво,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
ако погледнете осреднените данни за държавите. Те изглеждат така.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Това е опасно, да се използват осреднени данни, защото има
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
големи различия в самите страни. Значи, ако отидем тук, можем да видим че,
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
Уганда днес е където Южна Корея е била през 1960. Ако разпръсна Уганда,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
виждаме доста големи различия в Уганда. Това са петините в Уганда.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Най-богатите 20% от угандийците са там.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Най-бетните са там долу. Ако разпръсна Южна Африка -- изглежда така.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Ако отида надолу и погледна Нигер, където имаше такъв ужасен глад,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
накрая, изглежда така. 20% от най-бедните в Нигер са ето тук,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
и богатите 20% са там,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
и въпреки това ние дискутираме какви решения трябват за Африка.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Всичко на света съществува в Африка. И не можете
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
да обсъждате достъп до лекарства срещу СПИН за едната пета там горе
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
със същата стратегия като тук долу. Развитието на света
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
трябва да бъде сложено в контекст, и не е уместно да го разглеждате
15:00
on regional level. We must be much more detailed.
212
875000
3000
на регионално ниво. Трябва да отидем в по-дребни детайли.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Открихме, че студентите много се вълнуват когато използват това.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
И все повече държавници и хора от корпоративния сектор искат да видят
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
как света се променя. Но, защо това не се случва?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Защо не използваме данните, които имаме? Имаме данни от Обединените Нации,
15:20
in the national statistical agencies
217
895000
2000
от националните статистически агенции
15:22
and in universities and other non-governmental organizations.
218
897000
4000
от университети и други неправителствени организации.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Защото информацията е скрита дълбоко в базите данни.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Обществото го има, интернет го има, но все още не я използваме ефективно.
15:33
All that information we saw changing in the world
221
908000
3000
Всичката информация която видяхме, променяща се в света
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
не включва публично-финансирани статистики. Има няколко уеб страници
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
като тази, нали, но те взимат по малко от базите данни
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
и хората им слагат цени, глупави пароли и отегчителни статистики.
15:51
(Laughter) (Applause)
225
926000
3000
(Смях) (Аплодисменти)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Това няма да проработи. Какво е необходимо? Имаме базите данни.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Нямаме нужда от нови бази данни. Имаме великолепни инструменти за дизайн,
16:02
and more and more are added up here. So we started
228
937000
3000
и все повече се добавят там горе. Така че, започнахме
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
огранизация с идеална цел, която свързва данните с оформлението, нарекохме я
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
Gapminder (дупковнимател), от Лондонското метро, където те предупреждават,©
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"внимавай с дупката". За това решихме, че Gapminder е подходящо.
16:16
And we started to write software which could link the data like this.
232
951000
4000
И започнахме да пишем софтуер, който свързва данните по този начин.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Това не беше трудно. Отне няколко човеко-години за да постигнем анимации.
16:26
You can take a data set and put it there.
234
961000
2000
Можете да вземете набор данни и да ги сложите там.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Ние правим достъпни данни от ООН, от няколко ООН организации.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Някои страни са съгласни данните им да са достъпни за света,
16:37
but what we really need is, of course, a search function.
237
972000
3000
но това, от което наистина имаме нужда е функция за търсене.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Функция за търсене където можем да копираме данните в търсим формат
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
и да ги изнесем за света. И какви отзиви получаваме?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Занимавал съм се с антропология на основните статистически единици. Всички казват,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Това е невъзможно. Не може да бъде направено. Информацията ни е толкова специфична
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
и детайлна, че в нея не може да се търси както в други.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Не можем да дадем данните свободно на студентите, безплатно на предприемачите в света."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Но не е ли това, което искаме да постигнем?
17:08
The publicly-funded data is down here.
245
1003000
3000
Публично-финансираните данни са тук долу.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
И ние искаме от тях да пораснат цветя в Мрежата.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
И едно от съществените неща е да ги направим търсими, тогава хората ще могат
17:19
the different design tool to animate it there.
248
1014000
2000
да използват различните инструменти и да ги анимират.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
И ние имаме доста добри новини за вас. Моята добра новина е, че сега,
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
новият Шеф на статистиките в ООН не казва, че е невъзможно.
17:30
He only says, "We can't do it."
251
1025000
2000
Той казва само: "Ние не можем да го направим."
17:32
(Laughter)
252
1027000
4000
(Смях)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Доста умен човек, а?
17:38
(Laughter)
254
1033000
2000
(Смях)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Ще видим доста движение в данните през следващите години.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Ще можем да разглеждаме разпределението на приходите по съвсем нови начини.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Това е разпределението на приходите в Китай, 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
разпределението на приходите в САЩ, 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Почти нчма припокриване. Но какво се е случило?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Това се е случило: Китай расте, и не е толкова хомогенен вече,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
появява се тук, издигайки се над САЩ.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Почти като призрак, нали?
18:14
(Laughter)
263
1069000
2000
(Смях)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Доста плашещо. Но мисля, че е много важно да разполагаме с тази информация.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Нуждаем се да я видим наистина. И вместо да гледаме това,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
искам да завърша като покажа броя на интернет потребители на 1000.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
В този софтуер имаме лесен достъп до около 500 променливи от всички страни.
18:42
It takes some time to change for this,
268
1097000
4000
Отнема известно време да се смени,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
но по осите можете лесно да поставите която променлива пожелаете.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Важното е да направим базите данни свободни,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
да ги направим търсими, и със следващия клик
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
да ги превърнем в графики, които са моментално разбираеми.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
На статистиците това не им харесва, те казват, че това
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
няма да покаже реалността; трябват ни статистически, аналитични методи.
19:16
But this is hypothesis-generating.
275
1131000
3000
Но това само създава хипотези.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Сега завършвам със света. Интернет се появява.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Броят на интернет потребители расте така. Това е БВП на глава от населението.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
И това е нова, навлизаща технология, но ето, че пасва учудващо добре
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
към икономиките на страните. Ето защо 100-доларовите компютри
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
ще са толкова важни. Но това е добра тенденция.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Сякаш света се изравнява, нали? Тези страни
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
повдигат повече от икономиката и ще бъде много интересно
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
да се наблюдава през годините, което бих искал вие да да можете да правите,
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
с всичките публично-финансирани данни. Благодаря ви много!
19:53
(Applause)
285
1168000
3000
(Аплодисменти)
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