TED2006
Hans Rosling: The best stats you've ever seen
হান্স রোস্লিং আপ্নাদের আজ পর্যন্তর সর্বোত্তম স্ট্যাটস্ দেখাবে
Filmed:
Readability: 3.6
14,386,844 views
আপ্নারা এই ধরনের পরিবেশনা এর আগে ক্কখনো দেখেননি। স্ট্যাটিস্টিক্স গুরু হান্সরোসলিং তথাকথিত উন্নতশীল পৃথিবীর সম্পর্কের যে কল্পকথা সেই ভ্রান্ত ধারনার অপসারন ঘটিয়েছেন।
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
১০ বছর আগে, আমি গ্লোবাল ডেভলপমেন্ট শেখানোর কাজ নিয়েছিলাম
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
সুইডিশ আন্ডার গ্র্যাজুয়েট স্টুডেন্টদের জন্য,সেটা ছিল প্রায়
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
২০ বছর আফ্রিকার ইনস্টিটিউশনের সঙ্গে যারা আফ্রিকায় হাঙ্গার নিয়ে স্টাডি করছে, একসঙ্গে সময় কাটানোর পরে
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
তাই আমি পৃথিবীর সম্পর্কে জানবার জন্য কিছুটা আশা করেছিলাম
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
এবং আমি আমাদের মেডিকেল ইউনিভার্সিটিতে ,কারোলিন্সকা ইনস্টিটিউটে,শুরু করেছিলাম
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
একটি আন্ডার গ্র্যাজুয়েট কোর্স নাম গ্রোবাল হেল্থ ৷ কিন্তু যখন আপনি
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
সেই সুযোগটি পান, আপনি কিছুটা নার্ভাস হয়ে পড়েন ৷ আমি ভেবেছিলাম , এই সব ছাত্ররা
00:53
coming to us actually have the highest grade you can get
7
28000
3000
আমাদের কাছে আসছে প্রকৃতপক্ষে আপনি যতটা হাইযেস্ট গ্রেড পেতে পারেন
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
সুইডিশ কলেজ সিস্টেমে- তাই তারা হয়তো সব কিছু জানতে পারে
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
আমি তাদের কি শেখাতে যাচ্ছি ৷ তাই তারা যখন এসেছিল আমি একটা প্রি-টেস্ট নিয়েছিলাম ৷
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
এবং সেগুলোর মধ্যে একটা প্রশ্ন যার থেকে আমি অনেক কিছু শিখেছি সেটা হল :
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"এই পাঁচটি জুড়ির মধ্যে কোন দেশের শিশুদের সবথেকে বেশী মৃত্যু হয় ?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
এবং আমি তাদের একসঙ্গে রাখি, যাতে দেশের প্রত্যেকটি জুড়িতে,
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
একের অপরের থেকে দ্বিগুণ পরিমাণে শিশুদের মৃত্যু হয় ৷ এবং এর মানে এই হয় যে
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
তথ্যের অনিশ্চয়তার থেকে এটি অনেক বেশী বড় পার্থক্য
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
আমি আপনাকে এখানে পরীক্ষায় ফেলব না, কিন্তু এটি হল তুর্কী,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
যেখানে এটি সবথেকে বেশী, পোল্যান্ড, রাশিয়া, পাকিস্তান এবং সাউথ আফ্রিকা
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
এবং এইগুলি ছিল সুইডিশ ছাত্রদের রেজাল্ট ৷ আমি এটা করেছিলাম তাই আমি পেয়েছিলাম
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
গোপন বিরাম, যেটি খুবই সংকীর্ণ, এবং আমি আনন্দিত হয়েছিলাম,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
অতি অবশ্যই : পাঁচটির মধ্যে একটি ১.৮ সঠিক উত্তর সম্ভব ৷ তার মানে এই যে
01:41
there was a place for a professor of international health --
20
76000
3000
ইন্টারন্যাশলান হেল্থ-এর একজন প্রফেসরের জন্য একটা জায়গা ছিল--
01:44
(Laughter) and for my course.
21
79000
2000
(হাসি) এবং আমার কোর্সের জন্য ৷
01:46
But one late night, when I was compiling the report
22
81000
4000
কিন্তু একদিন বেশী রাতে, যখন আমি রিপোর্ট তৈরী করছিলাম
01:50
I really realized my discovery. I have shown
23
85000
4000
আমি সত্যিই আমার আবিষ্কার উপলব্ধি করেছিলাম ৷ আমি দেখিয়েছি
01:54
that Swedish top students know statistically significantly less
24
89000
5000
সুইডিশ টপ স্টুডেন্টরা পরিসংখ্যানগত দিক দিয়ে তাত্পর্যপূর্ণভাবে
01:59
about the world than the chimpanzees.
25
94000
2000
শিম্পাঞ্জিদের থেকে পৃথিবীর সম্বন্ধে কম জানে
02:01
(Laughter)
26
96000
2000
(হাসি)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
কারণ শিম্পাঞ্জি আধা সঠিক স্কোর করবে যদি আমি তাদের
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
শ্রী লঙ্কা এবং তুর্কীর সঙ্গে দুটো কলা দি ৷ ওরা অর্ধেক কেসে সঠিক হবে ৷
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
কিন্তু ছাত্ররা সেখান নেই৷ আমার কাছে না জানাটা সমস্যা ছিল না
02:14
it was preconceived ideas.
30
109000
3000
এটি ছিল পূর্বকল্পিত ধারণা৷
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
আমি করোলিন্সকা ইনস্টিটিউটের প্রফেসারদের একটি অনৈতিক স্টাডিও করেছি৷
02:21
(Laughter)
32
116000
1000
(হাসি)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
যারা মেডিসিন-এ নোবেল প্রাইজ দেয়
02:24
and they are on par with the chimpanzee there.
34
119000
2000
এবং তারা সেথানকার শিম্পাঞ্জিদের সঙ্গে সমতুল্য ৷
02:26
(Laughter)
35
121000
3000
(হাসি)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
এটা সেই জায়গা যেখানে আমি অনুভব করেছি যে প্রকৃতই যোগাযোগের প্রযোজন আছে,
02:33
because the data of what's happening in the world
37
128000
3000
কারণ পৃথিবীতে কি ঘটছে তার তথ্য
02:36
and the child health of every country is very well aware.
38
131000
3000
এবং প্রত্যেক দেশের শিশুদের স্বাস্থ্যর বিষয়ে অতি সচেতন ৷
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
আমরা এই সফ্টওয়্যারটি করেছি যেটি এইভাবে ডিসপ্লে করে- এখানে প্রত্যেকটি বাবল্ একটি দেশ
02:44
This country over here is China. This is India.
40
139000
6000
এখান এই দেশটি হল চীন৷ এই হল ভারত৷
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
এই বাবলের সাইজ হল জনসংখ্যা, এবং এই অ্যাক্সিসে এখানে আমি ফার্টিলিটি রেট যোগ করছি
02:56
Because my students, what they said
42
151000
3000
কারণ আমার ছাত্ররা, তারা কি বলেছে
02:59
when they looked upon the world, and I asked them,
43
154000
2000
যখন তারা পৃথিবীর দিকে তাকিয়েছে, এবং আমি তাদের জিজ্ঞাসা করেছিলাম,
03:01
"What do you really think about the world?"
44
156000
2000
"তোমরা পৃথিবীর সম্বন্ধে কি প্রকৃতপক্ষে কি ভাবো ?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
ওয়েল,প্রধানতঃ আমি প্রথম আবিষ্কার করেছিলাম যে পাঠ্য বইটা ছিল টিনটিন
03:07
(Laughter)
46
162000
1000
(হাসি)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
এবং তারা বলেছে," এই পৃথিবী এখনও ' উই ' এবং ' দেম'
03:11
And we is Western world and them is Third World."
48
166000
3000
এবং উই হল পাশ্চাত্য জগত এবং দেম হল তৃতীয় বিশ্ব "
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
আমি বলেছিলাম " এবং পাশ্চাত্য জগত বোলতে আপনি কি বোঝাতে চাইছেন ?"
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
" ওয়েল, সেটা হল দীর্ঘ জীবন এবং ছোট পরিবার, এবং তৃতীয় বিশ্ব হল ছোট জীবন এবং বড় পরিবার "
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
তাই এটাই আমি এখানে ডিসপ্লে করতে পারি ৷ আমি এখানে ফার্টিলিটি রেট দিয়েছি৷
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
মহিলা প্রতি এক, দুই, তিন, চার থেকে ৮ টি শিশু পর্যন্ত
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
সমস্ত দেশের পরিবারের সাইজের ওপর----১৯৬২ থেকে -১৯৬০ পর্যন্ত আমাদের খুব ভাল তথ্য আছে
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
এজ়ায়গায় ভুল হওয়ার সম্ভাবনা অত্যন্ত কম। এখানে আমি কিছু দেশের ৩০ থেকে ৭০ বছর সময়ের
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
মধ্যে দেখেছি জন্মমুহুর্তে বেঁচে থাকার হার।
03:45
And 1962, there was really a group of countries here
56
200000
3000
এটা ১৯৬২ সালের কিছু শিল্পসমৃদ্ধ দেশ।
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
এইসব দেশে ছিল ছোট ছোট পরিবার আর লম্বা জীবন।
03:53
And these were the developing countries:
58
208000
2000
আর এইগুলি ছিল উন্নতশীল দেশঃ
03:55
they had large families and they had relatively short lives.
59
210000
3000
এইসব দেশে ছিল বড় বড় পরিবার আর সেই অনুপাতে ছোট ছোট জীবন।
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
এখন দেখা যাক ১৯৬২ থেকে কি ঘটেছে? আমরা পরিবর্তন টা দেখতে চাই।
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
ছাত্র রাই কি ঠিক?এখনও কি এটা দুরকমের দেশ?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
অথবা এই উন্নতশীল দেশগুলিতে কি ছোট ছোট পরিবার বাস করছে?
04:09
Or have they got longer lives and live up there?
63
224000
2000
অথবা এগুলিতে কি লম্বা জীবন লাভ করা মানুষ ই বাস করছে?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
দেখা যাক। আমরা তখন পৃথিবীর ছবি দেখান বন্ধ করে দিয়েছিলাম।এটা
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
ইউ এন এর পরিসংখ্যান যা দেখান হচ্ছে।আপনারা কি দেখতে পাচ্ছেন?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
এদিকটা চীনদেশ,এরা সুস্বাস্থ্যের বিরুদ্ধে এগিয়ে যাচ্ছে,উন্নতি করছে।
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
সমস্ত সবুজ লাতিন আমেরিকার দেশগুলি স্বপক্ষে এগিয়ে যাচ্ছে।
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
আপনাদের এই হলুদ অংশগুলি সব আরবজাতির দেশ,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
এদের পরিবার সব বড়,কিন্তু এদের কাছে লম্বা জীবন ,কিন্তু বড় পরিবার নয়।
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
নীচের এই সবুজ টা হল আফ্রিকার মানুষ। এরা এখনও এখানে রয়েছে।
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
এটা ভারতবর্ষ। ইন্দোনেসিয়া খুব তাড়াতাড়ি এগোচ্ছে।
04:36
(Laughter)
72
251000
1000
{হাসি}
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
এটা আশির দশক,বাংলাদেশ তখন ও আফ্রিকান দেশগুলির মধ্যে রয়েছে।
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
কিন্তু এখন,বাংলাদেশ এ আশির দশকে এক্তটা মির্যাকেল ঘটে গেছেঃ
04:43
the imams start to promote family planning.
75
258000
3000
ইমামরা পরিবার পরিকল্পনায় উদ্যোগ নেওয়া শুরু করেছে।
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
তারা ওই অবধি এগিয়ে যেতে পেরেছে। ৯০ এর দশকে এইচ আই ভি মহামারীর আকার ধারন করাতে
04:51
that takes down the life expectancy of the African countries
77
266000
3000
আফ্রিকার দেশগুলির বেঁচে থাকার সম্ভাবনা অনেকটাই কমে গেল
04:54
and all the rest of them move up into the corner,
78
269000
4000
আর অন্যরা সবাই লম্বা জীবন আর ছোট পরিবারের পক্ষে অগ্রসর হল
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
আর আমরা সম্পূর্ন নতুন পৃথিবী পেলাম।
05:02
(Applause)
80
277000
13000
{হাততালি}
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
এখন আমি ইউনাইটেড স্টেটস অফ আমেরিকা আর ভিয়েতনামের সরাসরি তুলিনা করব।
05:20
1964: America had small families and long life;
82
295000
5000
সাল ১৯৬৪ঃ আমেরিকায় ছোট পরিবার আর লম্বা জীবন;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
ভিয়েতনামের বড় বড় পরিবার আর ছোট ছোট জিবন।এর ফলে কি হল
05:29
the data during the war indicate that even with all the death,
84
304000
6000
যুদ্ধকালীন সময়ে যে তথ্য তাতে দেখা গেল প্রায় সকলের মৃত্যু হলেও
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
বেঁচে থাকার সম্ভাবনায় একটা উন্নতি দেখা গেল। বছরের শেষে
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
ভিয়েতনামে পরিবার পরিকল্পনা শুরু হল ও তারা ছোট পরিবার গঠনে আগ্রহী হল।
05:41
And the United States up there is getting for longer life,
87
316000
3000
আর ওপরের এই ইউনাইটেড স্টেটস পরিবার কে ছোট রেখে
05:44
keeping family size. And in the '80s now,
88
319000
3000
লম্বা জীবনে আগ্রহী হল।আর এখন আশির দশকে
05:47
they give up communist planning and they go for market economy,
89
322000
3000
এরা সাম্যবাদী পরিকল্পনা ছেড়ে বাজার অর্থনীতির দিকে ঝূঁকেছে,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
আর এটা সামাজিক জিবনের থেকেও দ্রুততর বেগে চলেছে। আর আজ
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
২০০৩ সালের ভিয়েতনামে সেই ১৯৭৪ সালের ইউনাইটেড স্টেটস এর যুদ্ধশেষে যে পরিবারের আয়তন
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
ও জীবন প্রত্যাশা ছিল,একই রকম আছে।
06:06
I think we all -- if we don't look in the data --
93
341000
4000
আমার মনে হয় আমরা যদি তথ্যগুলো না দেখি তাহলে
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
এশিয়ার যে সাংঘাতিক পরিবর্তন তার অবমূল্যায়ন করব,
06:14
in social change before we saw the economical change.
95
349000
4000
আর এটা অর্থনৈতিক পরিবর্তনের আগে এক্তটা সামাজিক পরিবর্তন।
06:18
Let's move over to another way here in which we could display
96
353000
5000
এবারে আমরা অন্য প্রসঙ্গে যাব যেখানে আমরা রোজগারের জগতে বন্টন দেখাতে
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
পারব। এটা মানুষের রোজগারের একটা বিশ্ববন্টন।
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
দিনপ্রতি এক ডলার,দশ ডলার অথবা একশো ডলার।
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
এখানে ধনী দরিদ্রের কোন পার্থক্য নেই। এটা একটা অলীক কল্পনা।
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
এখানে এক্তটা ঢিপি মত আছে। কিন্তু এখানে লোক আছে।
06:44
And if we look where the income ends up -- the income --
101
379000
4000
এবং আমরা যদি রোজগার শেষ হওয়ার জায়গাটা দেখি তাহলে দেখব যে-
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
এটা হল ১০০ শতাংশ পৃথিবীর এক বছরের রোজ়গার। ২০ শতাংশ ধণীশ্রেষ্ঠ্ররা
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
৭৪ শতাংশ র মত নিয়ে নিচ্ছে,আর ২০ শতাংশ গরিব রা
07:01
they take about two percent. And this shows that the concept
104
396000
5000
প্রায় দু শতাংশ র মত নিতে পারছে। এর থেকে বোঝা যায় যে
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
উন্নতশীল দেশগুলির ধারনা খুব ই সন্দেহজনক।আমরা সাহায্যর কথা চিন্তা করি,যেমন
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
এখানে লোকেরা ওদিকের লোকেদের সাহায্য দিচ্ছে। কিন্তু মাঝখানে,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
পৃথিবীর জনসংখ্যার বেশিরভাগ টাই রয়েছে,এবং এখন তারা ২৪ শতাংশের মত রোজগার পাচ্ছে।
07:19
We heard it in other forms. And who are these?
108
414000
4000
আমরা এটা অন্যভাবে শুনেছিলাম। এবং এরা কারা?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
আলাদা দেশগুলি কোথায়? আমি আপনাদের আফ্রিকা দেখাচ্ছি।
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
এটা আফ্রিকা। বিশ্বের জনসংখ্যার ১০ শতাংশ,বেশিরভাগটাই দারিদ্রের কবলে।
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
এটা OECD.একটী ধনী দেশ। U N এর কান্ট্রি ক্লাব।
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
আর এরা এইখানে ওপর দিকে রয়েছে। আফ্রিকা আর OECD মাঝখানে ঝুঁকে রয়েছে।
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
এটা হল লাতিন আমেরিকা। লাতিন আমেরিকায় ধনী থেকে দরিদ্র সবকিছু রয়েছে,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
এই পৃথিবীতে এদের কিছু অভাব নেই।
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
এর ঠিক ওপরে আমরা পূর্ব ইউরোপ,পূর্ব এশিয়া আর দক্ষিণ এশিয়া কে
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
রাখতে পারি। ১৯৭০ সালে এটাকে কেমন দেখতে লাগত?
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
তখন এখান্টা আরো উঁচু ছিল।
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
আর এখানে যারা চরম দারিদ্রের মধ্যে বাস করত তারা ছিল এশিয়ান।
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
বিশ্বে তখন এশিয়ার দারিদ্র্য টাই এক্তা সমস্যা ছিল। এবং আমি যদি এখন বিশ্বকে সাম্নের দিকে এগিয়ে নিয়ে যেতে চাই,
08:14
you will see that while population increase, there are
120
469000
3000
তাহলে আপনারা দেখতে পাবেন যে,যখন জনসংখ্যা বর্ধিত হচ্ছে তখন কোটি কোটি এশিয়ান
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
দারিদ্র্য থেকে বেরিয়ে আসছে আর কিছু সংখ্যক দারিদ্র্যের মধ্যে প্রবেশ করছে।
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
এই ধরন টাই এখন চলছে।
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
বিশ্বব্যাঙ্কের সর্বশ্রেষ্ঠ আলোকপাত হল যে এটাই ঘটবে
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
আমরা একটা অবিভক্ত বিশ্বের অধিকারী হব। সবথেকে বেসি লোক আমরা মাঝখানে পাব।
08:31
Of course it's a logarithmic scale here,
125
486000
2000
নিশ্চয় এটা লগ অয়্যরিথমিক এর মাপ,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
কিন্তু আমাদের অর্থনীতির ধারনা টা শতাংশ বৃদ্ধির সাথে গড়ে ওঠে। এটার মধ্যে
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
আমরা শতাংশ হারে বৃদ্ধির সম্ভাবনা কেই দেখতে পাচ্ছি,যদি আমি এটাকে পরিবর্তন করে
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
পরিবারের রোজগার না নিয়ে মাথাপ্রতি রোজগার নি,আর গ্রস গৃহস্থালী সামগ্রীর একক তথ্যগুলিকে
08:48
individual data into regional data of gross domestic product,
129
503000
6000
আঞ্চলিক তথ্যে পরিনত করি,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
আর আমি যদি নিচের এই অঞ্চল্ টা কে নি তাহলে বুদবুদ যে আকার সেটাই জনসংখ্যা।
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
আর আপনারা ওখানে OECD এবং আফ্রিকার নিম্ন সাহারা অঞ্চল পাবেন,
09:01
and we take off the Arab states there,
132
516000
3000
আমি আপনাদের এবার আরব দেশে নিয়ে যাব,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
যা আফ্রিকা এবং এশিয়া দু জায়গা থেকে এসেছে,আমরা এদের আলাদা আলাদা রাখব,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
আমরা এটার কক্ষপথ কে বাড়াতে পারি, আর আমি এটাকে শিশু অস্তিত্বরক্ষার মত একটা সামাজিক
09:13
by adding the social values there, child survival.
135
528000
3000
মূল্যবোধ যুক্ত করে এর একটা নতুন মাত্রা আনতে পারি।
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
এখন ওয়ি কক্ষপথের জন্য আমার কাছে টাকা আছে,আর আমার কাছে শিশুদের অস্তিত্ব রক্ষার সম্ভাবনা আছে।
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
কিছু কিছু দেশে ৯৯.৭ শতাংশ শিশুরা পাঁচ বছর পর্যন্ত বেঁচে থাকে;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
অন্যরা সুধু ৭০। এবং এখানে দেখা যাচ্ছে OECD,লাতিন আমেরিকা,পূর্ব ইউরোপ,পূর্ব এশিয়া
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
আরব দেশ,দক্ষিণ এশিয়া আর
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
আফ্রিকার নিম্ন-সাহারা অঞ্চল এর মধ্যে এক্তটা ফাঁক রয়েছে
09:37
The linearity is very strong between child survival and money.
141
552000
5000
শিশু অস্তিত্ব রক্ষা আর টাকার মধ্যে রৈখিকতা অত্যন্ত প্রখর।
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
আমি এখন আফ্রিকার নিম্ন-সাহারা অঞ্চলটা ভাগ করব। এখানে স্বাস্থ্য আছে এবং সুস্বাস্থ্য আছে ওপরে
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
এবার আমি এখানে যাচ্ছি আর আফ্রিকার নিম্ন-সাহারা অঞ্ছলকে দেশ অনুযায়ী ভাগ করছি।
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
এবং যখন এটা বিস্ফোরিত হবে দেশের বুদবুদ এর আয়তন টা জনসংখ্যার আয়তনের মত হবে।
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
এর নিচে সিয়েরা লিওন। ওপরে মরিশাস। মরিশাস হচ্ছে প্রথম দেশ যারা
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
বাণিজ্যের বেড়া টপকে তাদের দেশের চিনি বিক্রি করতে পেরেছিল।
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
তারা ইউরোপ আর উত্তর আমেরিকার মত তাদের বোনা কাপড় সমানুপাতে বিক্রি করতে পেরেছিল।
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
আফ্রিকার মধ্যে বিরাট একটা পার্থক্য রয়েছে। এখানে ঘানা ঠিক মাঝখানে রয়েছে।
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
সিয়েরা লিওন এ মানবিকতার সাহায্য।
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
ট
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
তুমি ছুটি কাটাতে যেতে পার।আফ্রিকার মধ্যে প্রচন্ড বৈচিত্র্য রয়েছে
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
যেটা আমরা খুব কম দেখতে পাই।
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
আমি এখন দক্ষিণ এশিয়াকে ভাগ করতে পারি। ভারত মাঝখানে অবস্থিত এক্তটা বড় বুদবুদ।
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
আফগানিস্তান আর শ্রীলঙ্কার মধ্যে এক্তটা বিশাল পার্থক্য রয়েছে।
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
আমি আরব দেশকে বিভক্ত করতে পারি। কেমন করে? একই জলবায়ু, একই সভ্যতা
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
একই ধর্ম। বিশাল পার্থক্য। এমনকি প্রতিবেশীদের মধ্যেও।
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
ইয়েমেন, গৃহযুদ্ধ। ইউনাইটেড আরব এমিরেটস্,পয়সা যা সমান ভাবে এবং সুন্দর ভাবে ব্যবহৃত হয়েছে।
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
কাল্পনিক গল্প নয় এটা।এবং এর মধ্যে ওই দেশে বসবাসকারী বিদেশী শ্রমিকের সন্তানরা ও রয়েছে।
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
আপনি যা চিন্তা করেন তার চেয়ে ডাটা অনেক ভাল। অনেকে বলে ডাটা ভাল নয়।
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
সেখানে এক্তটা অনিশ্চিত সীমারেখা রয়েছে। কিন্তু আমরা পার্থক্যটা দেখতে পাইঃ
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
কাম্বোডিয়া,সিঞ্জাপুর। তথ্যের দুর্বলতার থেকেও
11:11
than the weakness of the data. East Europe:
162
646000
3000
পার্থক্যটা অনেক বড়। পূর্ব ইউরোপঃ
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
সোভিয়েত অর্থনীতি অনেকদিন পর সম্পূর্ন নতুনভাবে সেজে উঠেছে।
11:20
very, very differently. And there is Latin America.
164
655000
3000
এটা হল লাতিন আমারিকা।
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
আজকে আমাদের কিউবায় গিয়ে লাতিন আমেরিকার সুস্থ রাষ্ট্র খুঁজতে হয় না।
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
আজ থেকে কিছু বছর পর চিলি র শিশুমৃত্যুর হার কিউবার থেকে অনেক কম হাবে।
11:32
And here we have high-income countries in the OECD.
167
667000
3000
আর এখানে OECD র উচ্চ রোজগার সম্পন্ন দেশগুলি আমরা দেখতে পারছি।
11:35
And we get the whole pattern here of the world,
168
670000
4000
আমরা এখানে বিশ্বের পুরো নকশা টা দেখতে পাচ্ছি,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
যেটা কমবেশি এর মতই।
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
আর যদি আমরা ১৯৬০ সালে পৃথিবী কেমন ছিল তা দেখতে যাই তাহলে এটা চলতে শুরু করবে।
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
ইনি মাও সে-তুং। ইনি চীনদেশের স্বাস্থ্য ফিরিয়েছিলেন। তারপর উনি মারা যান।
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
এরপর দেং জিয়াওপিং এসে চিনদেশের অর্থনীতি কে চাঙ্গা করেছিলেন,চীন কে তিনি আবার মূলস্রোতে ফিরিয়ে এনেছিলেন।
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
এবং আমরা দেখছি দেশগুলি বিভিন্ন দিকে এগিয়ে যাচ্ছে,
12:02
so it's sort of difficult to get
174
697000
4000
সেই দেশের উদাহরন পাওয়া খুব শক্ত
12:06
an example country which shows the pattern of the world.
175
701000
5000
যে দেশ পৃথিবীর নকশাটা তুলে ধরবে।
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
আমি এখানে এখন আপনাদের ১৯৬০ সালে নিয়ে যাব।
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
এটা দক্ষিণ কোরিয়া,এর সাথে আমি ঐখানের ব্রাজিল তুলনা করব।
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
লেবেলটা আর এখানে পাওয়া যাচ্ছে না।এইখানে উগান্ডা আছে,আমি এর সাথে এখন তুলনা করব,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
এটাকে আমি সামনের দিকে এইভাবে নিয়ে যাচ্ছি।
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
আর আপনারা দেখতে পাচ্ছেন দক্ষিন কোরিয়া কি দ্রুত অগ্রসর হচ্ছে,
12:46
whereas Brazil is much slower.
181
741000
3000
যেখানে ব্রাজিলের গতি অনেক শ্লথ।
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
আমি যদি আপনাদের আবার পিছনে নিয়ে যাই,এইখানে,আর আমরা যদি কিছু চিহ্ন এদের ওপর রাখি।এইভাবে,
12:55
you can see again that the speed of development
183
750000
4000
আপনারা আবার দেখতে পাবেন যে উন্নতির যে গতি
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
সেটা ভীষন আলাদা রকমের,আর দেশগুলি কমবেশি একই হারে
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
টাকা আর স্বাস্থ্যের মত এগোচ্ছে,কিন্তু এটা দেখা যায় যে আপনি আরো দ্রুতগতিতে এগোতে
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
পারেন যদি আপনি প্রথমে ধনী না হয়ে প্রথমে স্বাস্থ্যবান হন।
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
আর সেটা দেখাবার জন্য আপনি united Arab Emirate এর দিকে এটা রাখতে পারেন।
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
এরা এইখান্থ থেকে এসেছিল,এক্তটা খনিজের দেশ। এরা সব তেলটুকু তুলে নিয়েছিল
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
আর অনেক টাকার মালিক হয়েছিল,কিন্তু স্বাস্থ্য সুপারমার্কেট এ কিনতে পাওয়া যায় না।
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
স্বাস্থ্যের জন্য আপনাকে বিনিয়োগ করতে হবে। ছেলেমেয়েদের স্কুল এ পাঠাতে হবে।
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
আপনাদের স্বাস্থ্যকর্মীদের প্রশিক্ষণ দিতে হবে। আপনাদের জনগনকে শিক্ষিত করে তুলতে হবে।
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
এবং শেখ সায়েদ এটা খুব সুন্দরভাবে সম্পন্ন করেছিলেন
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
তেলের দাম পড়া সত্তেও তিনি তার দেশকে এইখানে তুলে এনেছিলেন।
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
পৃথিবীর অনেক বেশি মূলস্রোতের দিকে, ফিরে আসার ছবিটা আমরা পেলাম
13:43
where all countries tend to use their money
195
798000
2000
যেখানে সব দেশগুলি অতীতের তুলনায় বর্তমানে তাদের টাকার সুযোগ্য ব্যবহার করেছে
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
এখন যদি দেশগুলির গড় তথ্যের দিকে আপনারা দেখেন তাহলে
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
কমবেশি তারা এইরকম দেখাবে।
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
এখন গড় তথ্যের ব্যবহার অত্যন্ত বিপদজনক,
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
কারন এখানে দেশগুলির মধ্যে বহু পার্থক্য রয়েছে। যদি আমি এইখান্ টায় দেখি তাহলে আমরা দেখতে পাব
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
যেখানে আজকের উগান্ডা আছে সেখানে ১৯৬০ সালে দক্ষিণ কোরিয়া ছিল। যদি আমি উগান্ডা কে ভাগ করি,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
তাহলে দেখা যাবে উগান্ডার মধ্যেই বহু পার্থক্য রয়েছে।এগুলি উগান্ডার কুইন্টিলস।
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
২০ শতাংশ ধনী উগান্ডান রা এখানে আছে।
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
এখানে নিচে দরিদ্রতমরা রয়েছে। যদি আমি দক্ষিণ আফ্রিকা কে ভাগ করি,এটা এইরকম হবে।
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
যদি আমি নিচের দিকে যায় তাহলে আমি নাইজের কে দেখতে পাব,যেখানে এক্তটা ভয়ংকর দুর্ভিক্ষ হয়েছিল,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
শেষে এটা ঠিক একরকম। ২০ শতাংশ নাইজের এর দরিদ্র সম্প্রদায় এইখানে,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
আর ২০ শতাংশ দক্ষিণ আফ্রিকার ধনীসম্প্রদায় এইখানে,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
এখনও আমরা আফ্রিকার সমস্যা সমাধানের আলোচনায় ইচ্ছুক।
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
আফ্রিকায় পৃথিবীর সবকিছুই রয়েছে।
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
HIV ওষূধের বিশ্বজোড়া সুগম্যতা নিয়ে আপনারা আলোচনা করতে পারেন না কারন এটা নিচের মত
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
একি নীতিতে কুইন্টিল রয়েছে। বিশ্বের উন্নতি ভীষনভাবে
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
প্রাসঙ্গিক হওয়া দরকার,আর এটা আঞ্চলিক স্তরে সম্পর্কিত হও্যার কোন
15:00
on regional level. We must be much more detailed.
212
875000
3000
প্রয়োজন নেই।আমাদের অনেক বেশি বিস্তৃত হওয়া উচিত।
15:03
We find that students get very excited when they can use this.
213
878000
4000
আমরা দেখি যে ছাত্ররা এটা ব্যবহার করতে পেরে খুব উত্তেজিত হয়।
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
এমনকি যারা পলিসি তৈরী করেন ও কর্পোরেট সেক্টর এর লোকেরা
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
পৃথিবীর এই পরিবর্তন টা দেখতে চান। কিন্তু এটা হয়না কেন?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
আমাদের কাছে যা ডাটা আছে কেন আমরা তা ব্যবহার করিনা? ইউনাইটেড নেসন এর
15:20
in the national statistical agencies
217
895000
2000
ন্যাশানাল স্ট্যাটিস্টিকাল এজেন্সি,
15:22
and in universities and other non-governmental organizations.
218
897000
4000
ইউনিভার্সিটি এবং অন্যান্য বেসরকারী সংস্থার কাছে আমাদের ডাটা আছে।
15:26
Because the data is hidden down in the databases.
219
901000
2000
কারন ডাটাগুলি ডাটাবেসের মধ্যে সুপ্ত আছে।
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
জনগন আছে, ইন্টারনেট আছে, কিন্তু আমরা সেগুলিকে ঠিকমত ব্যবহার করিনা।
15:33
All that information we saw changing in the world
221
908000
3000
পৃথিবীতে যে সমস্ত তথ্য পরিবর্তন হচ্ছে
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
সেগুলি সরকারী তথ্য নয়। এই ধরনের কিছু এমন ওয়েবপেজ আছে
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
কিন্তু ডাটাবেস থেকে তারা কিছু উপকারী তথ্য সরিয়ে নিয়েছে।
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
আসলে লোকেদের এর জান্যে মুল্য দিতে হয়েছে। বোকা বোকা পাসওয়ার্ড এবং একঘেঁয়ে পরসংখ্যান।
15:51
(Laughter) (Applause)
225
926000
3000
{হাসি} {হাততালি}
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
কিন্তু এভাবে হবেনা। তাহলে কি দরকার? আমাদের কাছে ডাটাবেস আছে।
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
আপ্অনারা যা চাইছেন তার মতন এটা নতুন নয়। আমাদের কাছে খুব ভাল ডিজাইন টুল আছে।
16:02
and more and more are added up here. So we started
228
937000
3000
এবং আরো অনেক সংযোজনা হচ্ছে। তাই আমরা
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
একটা নন্প্রফিট ভেঞ্চার তৈরি করেছি যার নাম--লিঙ্কিং ডাটা টু ডিজাইন--
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
আমরা এটাকে গ্যাপমাইন্ডার বলি, লন্ডন আন্ডারগ্রাউন্ড থেকে আপনাদের সতর্ক করা হয়,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
মাইন্ড দা গ্যাপ। তাই আমরা ভেবেছিলাম গ্যাপ মাইন্ডার উপযুক্ত।
16:16
And we started to write software which could link the data like this.
232
951000
4000
এবং আমরা সফটওয়ার লিখতে শুরু করেছিলাম যেগুলি এই ধরনের ডাটাকে লিঙ্ক করতে পারে।
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
এবং এগুলি খুব কঠিন ছিলনা। এগুলি করতে কয়েক বছর লেগেছিল, এবং আমরা অ্যানিমেশন প্রযোজনা করেছিলাম।
16:26
You can take a data set and put it there.
234
961000
2000
আপনারা একটা ডাটাসেট নিতে পারেন এবং সেখানে রাখতে পারেন।
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
আমরা মুক্তহস্তে ইউ এন তথ্য দেওয়া শুরু করেছি। কিছু ইউ.এন.সংস্থা।
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
কিছু দেশ তাদের ডাটাবেসকে বাইরে পাঠাবার প্রস্তাব গ্রহন করেছে, কিন্তু যেটা আমদের
16:37
but what we really need is, of course, a search function.
237
972000
3000
সত্তিকারের দরকার সেটা হল, নিশ্চয় একটা অনুসন্ধান কার্য।
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
অনুসন্ধান কার্য হল সেই জিনিস যেখানে ডাটাকে অনুসন্ধান উপযুক্ত ছাঁচে হুবহু তুলে ধরে
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
পৃথিবীকে দেখাতে পারি। আমরা যখন চারদিকে যাই তখন কি শুনি?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
আমি মুখ্য পরিসংখান ইউনিটের ওপর নৃতাত্ত্বিক গবেষণা করেছি। প্রত্যেকে বলেন
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"এটা অসম্ভব। এটা করা জায়না। আমাদের তথ্যগুলি বিস্তারিত ভাবে এতটাই অদ্ভুত
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
যে এটা অন্যদের মতন অনুসন্ধান যোগ্য নয়।
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
আমরা এই ডাটাটিকে বিনা পয়সায় ব্যবসায়ী বা ছাত্রদের হাতে তুলে দিতে পারিনা"
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
কিন্তু এটাই আমরা দেখতে চাই তাইনা?
17:08
The publicly-funded data is down here.
245
1003000
3000
জনগনের হিতার্থে এই তথ্যটি নিচে রয়েছে।
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
আমরা ইন্টারনেট এর মধ্যেই নতুন সম্ভাবনার জন্ম দিতে চাই।
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
এবং এর মধ্যে একটি গুরুতর দিক হল এদের অনুসন্ধানযোগ্য করে তোলা, এবং তখনি লোকেরা বিভিন্ন ডিজাইন টুল
17:19
the different design tool to animate it there.
248
1014000
2000
ব্যবহার করে এর মধ্যে অ্যানিমেটার এর প্রয়োগ ঘটাবে।
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
এবং আমার কাছে খুব ভাল একটা খবর আছে। এই সুখবরটি হল যে বর্তমান
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
ইউ.এন পরিসংখ্যানের নতুন সর্বময় কর্তা বলেননি যে,এটা অসম্ভব।
17:30
He only says, "We can't do it."
251
1025000
2000
তিনি খালি বলেছেন,"আমরা পারবনা"।
17:32
(Laughter)
252
1027000
4000
{হাসি}
17:36
And that's a quite clever guy, huh?
253
1031000
2000
সত্যি খুব চতুর লোক, তাইনা?
17:38
(Laughter)
254
1033000
2000
{হাসি}
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
সুতরাং আগামী বছরগুলিতে ডাটার ক্ষেত্রে অনেক কিছু ঘটার সম্ভাবনা আমরা দেখতে পারছি।
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
সম্পুর্ন নতুন রুপে আমরা রোজগার বন্টন দেখতে পাব।
17:48
This is the income distribution of China, 1970.
257
1043000
5000
এটা ১৯৭০ সালের চীনের রোজগার বন্টন।
17:54
the income distribution of the United States, 1970.
258
1049000
5000
এটা ১৯৭০ সালের ইউনাইটেড স্টেট এর।
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
প্রায় কোনো ওভারল্যাপ ই নেই। আর এতে কি হয়েছে?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
আর এতে যেটা হয়েছে সেটা হলঃ চীন এগিয়ে চলেছে।এটা মটেই আর একরকম নেই।
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
আর এটাই এখানে দেখতে পাওয়া যাচ্ছে, ইউনাইটেড স্টেটকে এড়িয়ে যাচ্ছে।
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
প্রায় একটা ভুতের মতন। তাইনা?
18:14
(Laughter)
263
1069000
2000
{হাসি}
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
এটা বেশ ভয়ের। কিন্তু আমার মনে হয় তথ্য পাওয়াটা খুব গুরুত্বপুর্ন।
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
আমরা সত্যি এটা দেখতে চাই। এটা না দেখিয়ে আমি
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
আপনাদের প্রতি ১০০০ ইন্টারনেট ইউজার দেখিয়ে শেষ করতে চাই।
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
এই সফটওয়ারে, আমরা খুব সহজেই বিভিন্ন দেশ থেকে প্রায় ৫০০ রকম বৈচিত্র দেখাতে পারি।
18:42
It takes some time to change for this,
268
1097000
4000
এটা পরিবর্তনে কিছু সময় নেবে।
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
কিন্তু এই কক্ষপথগুলিতে আপনি আপনাদের ইচ্ছামতো যেকোনো বৈচিত্র খুব সহজেই পেতে পারেন।
18:51
And the thing would be to get up the databases free,
270
1106000
5000
এবং এটা করা হয় এই ডাটাবেসগুলি ফ্রীতে
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
খোঁজার জন্ন্যে এবং আবার সেগুলিকে বোঝার জন্যে
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
গ্রাফিক ফর্মাটে পেতে গেলে।
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
সংখ্যাতত্ববিদরা এগুলি পছন্দ করেনা, কারন তারা বলে যে
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
এগুলি বাস্তব নয়; এবং আমাদের স্ট্যাটিস্টিকাল এবং অ্যানালিটিকাল পদ্ধতি থাকা দরকার।
19:16
But this is hypothesis-generating.
275
1131000
3000
কিন্তু এটা অনুমান নির্ভর।
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
পৃথিবী নিয়ে এখানেই আমি শেষ করছি। ওখানে ইন্টারনেটের আগমন হচ্ছে।
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
ইন্টারনেট ইউজার এর সংখ্যা দেখুন এইভাবে বাড়ছে। এটা হল মাথাপ্রতি জিডিপি।
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
এবং এটা দেখুন একটা নতুন প্রযুক্তি আসছে, কিন্তু তারপর আশ্চর্যজনক ভাবে এটা দেশগুলির অর্থনীতির
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
সাথে কি সুন্দর ভাবে খাপ খাচ্ছে। তাই ১০০ ডলারের
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
কম্পিউটার খুব গুরুত্বপুরন হবে। কিন্তু এটা একটা সুন্দর প্রবনতা।
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
এটা যেন পৃথিবীটা সমতল হয়ে যাচ্ছে। তাইনা? এই দেশগুলি
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
অর্থনীতির থেকেও বেশী ওপরে উঠে আসছে এবং বছরের পর বছর
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
এরকম ভাবেই অনুসরন করবে, ঠিক সেইভাবে যেভাবে আমি আপনাদের
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
জনগন প্রদত্ত ডাটা নিয়ে করার জন্যে দেখতে চাই। অসংখ্য ধন্যবাদ।
19:53
(Applause)
285
1168000
3000
{হাত্তালি}
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