TED2006
Hans Rosling: The best stats you've ever seen
Hans Rosling: Hans Rosling präsentiert die besten Statistiken, die Sie jemals gesehen haben
Filmed:
Readability: 3.6
14,386,844 views
Niemals wurden Ihnen Daten auf diese Art und Weise präsentiert. Mit der Dramatik und der Dringlichkeit eines Sportreporters entlarvt Statistikguru Hans Rosling den Mythos der sogenannten „Entwicklungsländer“.
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
Vor ungefähr 10 Jahren übernahm ich die Aufgabe,
schwedische Studenten im Grundstudium
schwedische Studenten im Grundstudium
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
globale Entwicklung zu lehren.
Damals hatte ich seit ca. 20 Jahren
Damals hatte ich seit ca. 20 Jahren
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
gemeinsam mit afrikanischen Organisationen
Hunger in Afrika erforscht,
Hunger in Afrika erforscht,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
sodass von mir erwartet wurde,
dass ich ein wenig von der Welt wusste.
dass ich ein wenig von der Welt wusste.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Ich führte an unserer medizinischen Universität,
dem Karolinska-Institut,
dem Karolinska-Institut,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
einen Kurs namens „Weltgesundheit“
im Grundstudium ein. Wenn man aber
im Grundstudium ein. Wenn man aber
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
so eine Gelegenheit bekommt,
wird man etwas nervös. Ich sagte mir,
wird man etwas nervös. Ich sagte mir,
00:53
coming to us actually have the highest grade you can get
7
28000
3000
die Studenten, haben den
bestmöglichen Abschluss
bestmöglichen Abschluss
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
im schwedischen Hochschulsystem.
Vielleicht wissen sie ja schon alles,
Vielleicht wissen sie ja schon alles,
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
was ich sie lehren möchte.
Deshalb begann ich mit einem Test.
Deshalb begann ich mit einem Test.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Eine der Fragen, durch die ich
eine Menge gelernt habe, lautete:
eine Menge gelernt habe, lautete:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
„Welches Land innerhalb dieser fünf Paare
hat die höchste Kindersterblichkeit?“
hat die höchste Kindersterblichkeit?“
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Ich hatte sie so ausgewählt,
dass in jedem der Länderpaare
dass in jedem der Länderpaare
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
die Kindersterblichkeit eines Landes
doppelt so hoch wie die des anderen war.
doppelt so hoch wie die des anderen war.
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
Der Unterschied ist also deutlich größer
als die Unsicherheit der Daten.
als die Unsicherheit der Daten.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Ich werde Sie nicht testen.
Hier hat aber die Türkei
Hier hat aber die Türkei
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
die höchste. Polen, Russland,
Pakistan und Südafrika.
Pakistan und Südafrika.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
Und dies waren die Ergebnisse
der schwedischen Studenten. So erhielt ich
der schwedischen Studenten. So erhielt ich
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
das Konfidenzintervall, das ziemlich schmal ist,
und ich war natürlich zufrieden:
und ich war natürlich zufrieden:
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
von fünf möglichen Antworten
waren 1,8 richtig. Das bedeutet, dass
waren 1,8 richtig. Das bedeutet, dass
01:41
there was a place for a professor of international health --
20
76000
3000
ein Professor für Weltgesundheit
gebraucht wurde --
gebraucht wurde --
01:44
(Laughter) and for my course.
21
79000
2000
(Lachen) und mein Kurs.
01:46
But one late night, when I was compiling the report
22
81000
4000
Aber eines Nachts,
als ich den Bericht verfasste,
als ich den Bericht verfasste,
01:50
I really realized my discovery. I have shown
23
85000
4000
wurde mir meine Entdeckung
wirklich bewusst. Ich hatte gezeigt,
wirklich bewusst. Ich hatte gezeigt,
01:54
that Swedish top students know statistically significantly less
24
89000
5000
dass Schwedens beste Studenten,
statistisch gesehen, wesentlich weniger
statistisch gesehen, wesentlich weniger
01:59
about the world than the chimpanzees.
25
94000
2000
über die Welt wussten als Schimpansen.
02:01
(Laughter)
26
96000
2000
(Lachen)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Denn Schimpansen würden die Hälfte richtig
auswählen, wenn ich ihnen zwei Bananen
auswählen, wenn ich ihnen zwei Bananen
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
mit Sri Lanka und der Türkei geben würde.
Sie würden in der Hälfte der Fälle richtig liegen.
Sie würden in der Hälfte der Fälle richtig liegen.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Aber die Studenten nicht. Das Problem war
meines Erachtens nicht Dummheit --
meines Erachtens nicht Dummheit --
02:14
it was preconceived ideas.
30
109000
3000
es waren vorgefasste Meinungen.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Ich machte auch eine skrupellose Studie
mit den Professoren des Karolinska-Instituts,
mit den Professoren des Karolinska-Instituts,
02:21
(Laughter)
32
116000
1000
(Lachen)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
das den Nobelpreis für Medizin vergibt.
02:24
and they are on par with the chimpanzee there.
34
119000
2000
Sie sind gleichauf mit den Schimpansen.
02:26
(Laughter)
35
121000
3000
(Lachen)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Da wurde mir bewusst, dass ich die Daten kommunizieren musste,
02:33
because the data of what's happening in the world
37
128000
3000
denn die Daten darüber,
was in der Welt passiert
was in der Welt passiert
02:36
and the child health of every country is very well aware.
38
131000
3000
und die Gesundheit der Kinder,
sind sehr gut bekannt.
sind sehr gut bekannt.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Wir entwickelten diese Software:
Jede Blase hier ist ein Land.
Jede Blase hier ist ein Land.
02:44
This country over here is China. This is India.
40
139000
6000
Dieses Land hier ist China. Das ist Indien.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Die Größe der Blase ist die Bevölkerung
und auf dieser Achse habe ich die
und auf dieser Achse habe ich die
02:56
Because my students, what they said
42
151000
3000
Fruchtbarkeitsrate eingetragen.
Denn meine Studenten sagten,
Denn meine Studenten sagten,
02:59
when they looked upon the world, and I asked them,
43
154000
2000
als sie die Weltkarte betrachteten
und ich sie fragte:
und ich sie fragte:
03:01
"What do you really think about the world?"
44
156000
2000
„Wie denken Sie wirklich über die Welt?“
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Also, zuerst stellte ich fest, dass ihr Lehrbuch hauptsächlich „Tim und Struppi“ war.
03:07
(Laughter)
46
162000
1000
(Lachen)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Sie sagten: „Die Welt ist noch immer
in ,wir‘ und ,die anderen‘ aufgeteilt.
in ,wir‘ und ,die anderen‘ aufgeteilt.
03:11
And we is Western world and them is Third World."
48
166000
3000
Und ,wir‘ sind die westliche Welt und
,die anderen‘ sind die Dritte Welt.“
,die anderen‘ sind die Dritte Welt.“
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
„Und was verstehen Sie unter
der westlichen Welt?“, fragte ich.
der westlichen Welt?“, fragte ich.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
„Langes Leben und kleine Familien und die Dritte Welt
steht für kurzes Leben und große Familien.“
steht für kurzes Leben und große Familien.“
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Das könnte ich also hier zeigen. Hier ist die
Fruchtbarkeitsrate: Anzahl der Kinder pro Frau,
Fruchtbarkeitsrate: Anzahl der Kinder pro Frau,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
eins, zwei, drei, vier --
bis zu acht Kinder pro Frau.
bis zu acht Kinder pro Frau.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Wir haben seit 1960/1962 sehr gute Daten
über Familiengrößen in allen Ländern.
über Familiengrößen in allen Ländern.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Die Fehlerquote ist gering. Hier habe ich
die Lebenserwartung bei Geburt eingetragen,
die Lebenserwartung bei Geburt eingetragen,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
die in manchen Ländern 30 Jahre --
bis ungefähr 70 Jahre beträgt.
bis ungefähr 70 Jahre beträgt.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Und 1962 gab es wirklich
eine Reihe von Ländern hier.
eine Reihe von Ländern hier.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
Das waren Industrieländer mit
kleinen Familien und einem langen Leben.
kleinen Familien und einem langen Leben.
03:53
And these were the developing countries:
58
208000
2000
Und dies waren die Entwicklungsländer:
03:55
they had large families and they had relatively short lives.
59
210000
3000
sie hatten große Familien
und ein relativ kurzes Leben.
und ein relativ kurzes Leben.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Was hat sich seit 1962 geändert?
Sehen wir uns die Veränderungen an.
Sehen wir uns die Veränderungen an.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Hatten die Studenten recht? Sind die Länder
noch immer in zwei Arten aufgeteilt?
noch immer in zwei Arten aufgeteilt?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Oder haben die Entwicklungsländer
kleinere Familien und leben hier?
kleinere Familien und leben hier?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Oder haben sie jetzt
ein längeres Leben und leben hier oben?
ein längeres Leben und leben hier oben?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Sehen wir mal. Wir haben die Welt
hier angehalten. Dies sind alles
hier angehalten. Dies sind alles
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
Statistiken der UNO, die verfügbar waren.
Also gut. Können Sie das dort sehen?
Also gut. Können Sie das dort sehen?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Dort ist China, das sich in Richtung
einer besseren Gesundheit weiterentwickelt.
einer besseren Gesundheit weiterentwickelt.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Alle grünen Länder in Lateinamerika
gehen in Richtung einer kleineren Familie.
gehen in Richtung einer kleineren Familie.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Die gelben hier sind die arabischen Länder
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
sie haben größere Familien, aber -- nein,
ein längeres Leben, keine größeren Familien.
ein längeres Leben, keine größeren Familien.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Die Afrikaner sind hier unten grün
eingezeichnet. Sie bleiben weiterhin hier.
eingezeichnet. Sie bleiben weiterhin hier.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Hier ist Indien. Indonesien
verändert sich ziemlich schnell.
verändert sich ziemlich schnell.
04:36
(Laughter)
72
251000
1000
(Gelächter)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Und in den 80er Jahren befindet sich
Bangladesh noch immer unter den
Bangladesh noch immer unter den
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
afrikanischen Ländern dort. Aber dann ist
in Bangladesh in den 80er Jahren ein
in Bangladesh in den 80er Jahren ein
04:43
the imams start to promote family planning.
75
258000
3000
Wunder geschehen: die Imame
propagierten Familienplanung.
propagierten Familienplanung.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Sie haben sich in diese Ecke bewegt.
Und in den 90er Jahren
Und in den 90er Jahren
04:51
that takes down the life expectancy of the African countries
77
266000
3000
haben wir die schreckliche HIV-Epidemie,
die die Lebenserwartung in den
die die Lebenserwartung in den
04:54
and all the rest of them move up into the corner,
78
269000
4000
afrikanischen Ländern verkürzt.
Alle anderen bewegen sich in die Ecke,
Alle anderen bewegen sich in die Ecke,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
in der wir lange leben und kleine Familien haben
und wir haben eine total neue Welt.
und wir haben eine total neue Welt.
05:02
(Applause)
80
277000
13000
(Applaus)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Ich möchte einen Vergleich
zwischen den USA und Vietnam ziehen.
zwischen den USA und Vietnam ziehen.
05:20
1964: America had small families and long life;
82
295000
5000
1964: Amerika hatte kleine Familien
und eine lange Lebenserwartung;
und eine lange Lebenserwartung;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
in Vietnam genau anders herum.
Dann passiert Folgendes:
Dann passiert Folgendes:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
Die Daten während des Krieges zeigen,
dass sich, sogar mit all den Toden,
dass sich, sogar mit all den Toden,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
die Lebenserwartung verbesserte.
Am Ende des Jahres
Am Ende des Jahres
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
begann die Familienplanung in Vietnam
und es wurden kleinere Familien angestrebt.
und es wurden kleinere Familien angestrebt.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Und die USA dort oben bewegen sich
auf längeres Leben zu
auf längeres Leben zu
05:44
keeping family size. And in the '80s now,
88
319000
3000
und behalten die Größe der Familie.
Und in den 80ern
Und in den 80ern
05:47
they give up communist planning and they go for market economy,
89
322000
3000
gibt es kommunistische Planwirtschaft auf
und wendet sich der Marktwirtschaft zu,
und wendet sich der Marktwirtschaft zu,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
das alles geht schneller als Sozialleben.
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
Und 2003 haben wir in Vietnam die gleiche
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
Lebenserwartung und Familiengröße
in Vietnam, wie 1974, am Kriegsende, in den USA.
in Vietnam, wie 1974, am Kriegsende, in den USA.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Ich glaube, dass wir, wenn wir
uns die Daten nicht ansehen,
uns die Daten nicht ansehen,
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
den enormen Wandel in Asien unterschätzen,
06:14
in social change before we saw the economical change.
95
349000
4000
ein sozialer Wandel, noch bevor
wir einen ökonomischen Wandel sahen.
wir einen ökonomischen Wandel sahen.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Wechseln wir zu einer anderen
Betrachtungsweise, bei der wir
Betrachtungsweise, bei der wir
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
die Einkommensverteilung auf der Welt sehen.
Dies sind die weltweiten Statistiken.
Dies sind die weltweiten Statistiken.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Ein Dollar, 10 Dollar oder 100 Dollar pro Tag.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Es gibt keinen Unterschied zwischen
Reich und Arm mehr: ein Mythos.
Reich und Arm mehr: ein Mythos.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Hier ist ein kleiner Hügel, aber
die Menschen sind gleichmäßig verteilt.
die Menschen sind gleichmäßig verteilt.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Wenn wir betrachten, wo
das Einkommen letztendlich hinfließt,
das Einkommen letztendlich hinfließt,
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
das Einkommen, das 100 Prozent
des Welteinkommens ausmacht.
des Welteinkommens ausmacht.
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
Die reichsten 20 Prozent nehmen 74 Prozent ein.
Und die ärmsten 20 Prozent
Und die ärmsten 20 Prozent
07:01
they take about two percent. And this shows that the concept
104
396000
5000
ungefähr zwei Prozent.
Und dies zeigt, dass das Konzept
Und dies zeigt, dass das Konzept
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
der Entwicklungsländer sehr zweifelhaft ist.
Hilfe für uns bedeutet,
Hilfe für uns bedeutet,
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
die Menschen hier geben
den Menschen dort. Aber in der Mitte
den Menschen dort. Aber in der Mitte
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
haben wir die Mehrheit der Weltbevölkerung
mit 24 Prozent des Einkommens.
mit 24 Prozent des Einkommens.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Wir haben dies in anderer Form
gehört. In welcher?
gehört. In welcher?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Wo sind die verschiedenen Länder?
Ich kann Ihnen Afrika zeigen.
Ich kann Ihnen Afrika zeigen.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Das ist Afrika. 10 Prozent der Weltbevölkerung,
größtenteils arm.
größtenteils arm.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Das ist die OECD. Das reiche Land.
Der Country Club der UN.
Der Country Club der UN.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Und die sind hier auf dieser Seite.
Eine große Überlappung von Afrika und der OECD.
Eine große Überlappung von Afrika und der OECD.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Und dies ist Südamerika.
In Südamerika gibt es alles,
In Südamerika gibt es alles,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
sowohl die ärmsten als auch
die reichsten Menschen.
die reichsten Menschen.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Und obendrauf können wir Osteuropa, Ostasien
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
und Südasien setzen.
Und wenn wir nun die Zeit bis etwa 1970
Und wenn wir nun die Zeit bis etwa 1970
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
zurückdrehen?
Damals war der Hügel größer.
Damals war der Hügel größer.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Und die meisten, die in absoluter
Armut lebten, waren Asiaten.
Armut lebten, waren Asiaten.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Das Problem der Welt war die Armut in Asien.
Und wenn wir jetzt die Welt vorwärts bewegen,
Und wenn wir jetzt die Welt vorwärts bewegen,
08:14
you will see that while population increase, there are
120
469000
3000
werden Sie sehen, dass,
während die Bevölkerung zunimmt,
während die Bevölkerung zunimmt,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
hunderte Millionen in Asien
die Armut besiegen und einige andere
die Armut besiegen und einige andere
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
in die Armut absinken,
das ist das heutige Muster.
das ist das heutige Muster.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Und die beste Projektion der Weltbank ist,
dass dies geschehen wird
dass dies geschehen wird
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
und wir keine geteilte Welt haben werden.
Die meisten Menschen werden sich in
Die meisten Menschen werden sich in
08:31
Of course it's a logarithmic scale here,
125
486000
2000
der Mitte befinden. Dies hier ist
natürlich eine logarithmische Skala,
natürlich eine logarithmische Skala,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
aber unser Wirtschaftskonzept ist
Wachstum mit Prozent. Wir betrachten es
Wachstum mit Prozent. Wir betrachten es
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
als eine Möglichkeit der prozentualen Zunahme.
Wenn ich dies ändere und statt
Wenn ich dies ändere und statt
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
des Familieneinkommens
das BIP pro Kopf nehme und diese
das BIP pro Kopf nehme und diese
08:48
individual data into regional data of gross domestic product,
129
503000
6000
individuellen Daten in regionale Daten
des Bruttoinlandsprodukts umwandle
des Bruttoinlandsprodukts umwandle
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
und diese Regionen hier unten nehme,
die Größe ist noch immer die Bevölkerung.
die Größe ist noch immer die Bevölkerung.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Und wir haben die OECD dort
und Schwarzafrika dort
und Schwarzafrika dort
09:01
and we take off the Arab states there,
132
516000
3000
und wir nehmen
die arabischen Länder dort weg,
die arabischen Länder dort weg,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
die von Afrika und von Asien kommen
und tragen sie getrennt ein
und tragen sie getrennt ein
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
und dann können wir diese Achse erweitern
und ich kann ihr hier eine neue
und ich kann ihr hier eine neue
09:13
by adding the social values there, child survival.
135
528000
3000
Dimension geben, indem ich soziale Werte,
Überlebensrate der Kinder, hinzufüge.
Überlebensrate der Kinder, hinzufüge.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Jetzt habe ich Geld auf dieser Achse
und die Möglichkeit, dass Kinder dort überleben.
und die Möglichkeit, dass Kinder dort überleben.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
In einigen Ländern überleben 99,7 Prozent
der Kinder die ersten fünf Jahre,
der Kinder die ersten fünf Jahre,
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
in anderen nur 70 Prozent.
Und hier scheint es einen Unterschied
Und hier scheint es einen Unterschied
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
zwischen der OECD,
Lateinamerika, Osteuropa, Ostasien,
Lateinamerika, Osteuropa, Ostasien,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
den arabischen Ländern,
Südasien und Schwarzafrika zu geben.
Südasien und Schwarzafrika zu geben.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Es gibt eine starke Linearität zwischen
der Überlebensrate von Kindern und Geld.
der Überlebensrate von Kindern und Geld.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Aber lassen Sie mich Schwarzafrika unterteilen.
Gesundheit ist dort und bessere da oben.
Gesundheit ist dort und bessere da oben.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Wenn ich jetzt Schwarzafrika in seine Länder aufteile,
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
entspricht die Größe der Länderblase
der Größe der Bevölkerung.
der Größe der Bevölkerung.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Sierra Leone dort unten.
Mauritius ist dort oben.
Mauritius ist dort oben.
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
Mauritius konnte als erstes die Handelsschranken
ablegen und Zucker verkaufen.
ablegen und Zucker verkaufen.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Sie verkauften ihre Textilien zu den gleichen
Bedingungen wie Leute in Europa und Nordamerika.
Bedingungen wie Leute in Europa und Nordamerika.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Es gibt einen riesigen Unterschied
innerhalb Afrikas. Ghana liegt in der Mitte.
innerhalb Afrikas. Ghana liegt in der Mitte.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
In Sierra Leone, humanitäre Hilfe.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Hier in Uganda, Entwicklungshilfe.
Hier ist es an der Zeit zu investieren,
Hier ist es an der Zeit zu investieren,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
dort können Sie Ferien machen.
Innerhalb Afrikas gibt es enorme Varianz,
Innerhalb Afrikas gibt es enorme Varianz,
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
wobei wir oft glauben, dass alles gleich ist.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Ich kann Südasien hier unterteilen.
Indien ist die große Blase in der Mitte.
Indien ist die große Blase in der Mitte.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Es besteht ein riesiger Unterschied
zwischen Afghanistan und Sri Lanka.
zwischen Afghanistan und Sri Lanka.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Ich kann die arabischen Länder unterteilen.
Wie sehen sie aus? Dasselbe Klima,
Wie sehen sie aus? Dasselbe Klima,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
dieselbe Kultur, dieselbe Religion.
Ein riesiger Unterschied. Selbst zwischen
Ein riesiger Unterschied. Selbst zwischen
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Nachbarstaaten. Jemen: Bürgerkrieg. VAE: Geld,
das recht gleichmäßig und gut verwendet wurde.
das recht gleichmäßig und gut verwendet wurde.
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
Nicht wie der Mythos. Und das schließt
alle Kinder von ausländischen Arbeitern ein,
alle Kinder von ausländischen Arbeitern ein,
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
die im Land sind. Die Daten sind oft besser,
als Sie denken. Viele halten sie für schlecht.
als Sie denken. Viele halten sie für schlecht.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Es ist einiges unsicher, aber
wir sehen doch einen Unterschied:
wir sehen doch einen Unterschied:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Kambodscha, Singapur.
Die Unterschiede sind viel größer als
Die Unterschiede sind viel größer als
11:11
than the weakness of the data. East Europe:
162
646000
3000
Daten schlecht sind. Osteuropa:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
Lange Zeit Sowjetwirtschaft, doch nach
10 Jahren stellt es sich ganz anders dar.
10 Jahren stellt es sich ganz anders dar.
11:20
very, very differently. And there is Latin America.
164
655000
3000
Und dann ist da Lateinamerika.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Wir müssen heute nicht nach Kuba gehen, um
ein gesundes Land in Lateinamerika zu finden.
ein gesundes Land in Lateinamerika zu finden.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
In ein paar Jahren wird die Kindersterblichkeit
in Chile die in Kuba unterschreiten.
in Chile die in Kuba unterschreiten.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Und hier haben wir die Länder
in der OECD mit hohem Einkommen.
in der OECD mit hohem Einkommen.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Und wir sehen
das ganze Muster der Welt hier,
das ganze Muster der Welt hier,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
das mehr oder weniger so aussieht.
Und wenn wir uns ansehen,
Und wenn wir uns ansehen,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
wie sie aussieht, die Welt,
1960 fängt sie an, sich zu bewegen.
1960 fängt sie an, sich zu bewegen.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Hier ist Mao Tse-tung. Er führte die
Gesundheitsversorgung in China ein. Und starb.
Gesundheitsversorgung in China ein. Und starb.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Dann brachte Deng Xiaoping Geld nach China
und brachte das Land wieder auf einen Mittelweg.
und brachte das Land wieder auf einen Mittelweg.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Und wir haben gesehen, wie sich Länder
in verschiedene Richtungen bewegen,
in verschiedene Richtungen bewegen,
12:02
so it's sort of difficult to get
174
697000
4000
weshalb es etwas schwierig ist,
12:06
an example country which shows the pattern of the world.
175
701000
5000
sich ein Land als Beispiel zu nehmen,
das das Muster der Weltentwicklung widerspiegelt.
das das Muster der Weltentwicklung widerspiegelt.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Ich möchte Sie ungefähr hier,
zum Jahr 1960, zurückführen.
zum Jahr 1960, zurückführen.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Ich möchte Südkorea hier
mit Brasilien dort vergleichen.
mit Brasilien dort vergleichen.
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
Der Name steht gerade nicht dabei.
Und ich möchte Uganda dort vergleichen.
Und ich möchte Uganda dort vergleichen.
12:32
which is there. And I can run it forward, like this.
179
727000
5000
Und ich kann es so nach vorne bewegen.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Und Sie können sehen, wie Südkorea
sehr große Fortschritte macht,
sehr große Fortschritte macht,
12:46
whereas Brazil is much slower.
181
741000
3000
während Brasilien viel langsamer ist.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Und wenn wir wieder weiter zurückgehen
und den Weg so markieren,
und den Weg so markieren,
12:55
you can see again that the speed of development
183
750000
4000
können Sie erneut sehen, dass
die Geschwindigkeit der Entwicklung
die Geschwindigkeit der Entwicklung
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
sehr verschieden ist und die Länder
mehr oder weniger gleich schnell
mehr oder weniger gleich schnell
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
in Bezug auf Geld und Gesundheit voranschreiten,
aber anscheinend geht es viel schneller,
aber anscheinend geht es viel schneller,
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
wenn es vorm Wohlstand
eine Gesundheitsversorgung gibt.
eine Gesundheitsversorgung gibt.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Das kann man an der Vorgehensweise
der Vereinigten Arabischen Emirate sehen.
der Vereinigten Arabischen Emirate sehen.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Sie kamen von hier, einem Land mit Mineralöl.
Sie förderten das ganze Mineralöl,
Sie förderten das ganze Mineralöl,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
erhielten all das Geld, aber Gesundheit
kann man nicht im Supermarkt kaufen.
kann man nicht im Supermarkt kaufen.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Man muss in Gesundheit investieren.
Man muss Kinder in die Schule schicken.
Man muss Kinder in die Schule schicken.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Man muss Gesundheitsberufe ausbilden.
Man muss die Bevölkerung aufklären.
Man muss die Bevölkerung aufklären.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
Und Scheich Sayed hat
dies recht gut gemacht.
dies recht gut gemacht.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Trotz der fallenden Ölpreise hat er
dieses Land nach hier oben gebracht.
dieses Land nach hier oben gebracht.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Somit erscheint die Welt
mehr in dem Kernbereich,
mehr in dem Kernbereich,
13:43
where all countries tend to use their money
195
798000
2000
in dem alle Länder ihr Geld besser
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
als in der Vergangenheit verwenden.
So sieht es mehr oder weniger aus,
So sieht es mehr oder weniger aus,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
wenn Sie sich die durchschnittlichen Daten
der Länder ansehen. So sehen sie aus.
der Länder ansehen. So sehen sie aus.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Aber es ist gefährlich, durchschnittliche
Daten zu verwenden, denn es gibt so viele
Daten zu verwenden, denn es gibt so viele
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
Unterschiede zwischen den Ländern.
Wenn sie hierhin sehen, sieht man,
Wenn sie hierhin sehen, sieht man,
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
dass Uganda heute dort ist, wo Südkorea 1960 war.
Wenn ich Uganda unterteile,
Wenn ich Uganda unterteile,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
besteht ein großer Unterschied im Land.
Hier ist Uganda in Fünftel aufgeteilt.
Hier ist Uganda in Fünftel aufgeteilt.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Die reichsten 20 Prozent der Ugander sind dort.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Die ärmsten sind dort unten. Wenn ich
Südafrika unterteile, sieht es so aus.
Südafrika unterteile, sieht es so aus.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Wenn ich zuletzt da unten Niger ansehe,
wo es eine schreckliche Hungersnot gab,
wo es eine schreckliche Hungersnot gab,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
sieht es so aus. Die 20 Prozent der Ärmsten
von Niger sind hier außen
von Niger sind hier außen
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
und die 20 Prozent der Reichsten
von Südafrika sind dort
von Südafrika sind dort
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
und trotzdem diskutieren wir
über Lösungen für Afrika.
über Lösungen für Afrika.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Alles auf der Welt ist in Afrika vorhanden.
Und Sie können nicht einen
Und Sie können nicht einen
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
universalen Zugang zu HIV-Medikamenten
für dieses Fünftel hier oben
für dieses Fünftel hier oben
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
mit derselben Strategie wie hier unten diskutieren.
Die Verbesserung in der Welt
Die Verbesserung in der Welt
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
muss ganz im Zusammenhang diskutiert werden
und ist auf regionaler Ebene nicht relevant.
und ist auf regionaler Ebene nicht relevant.
15:00
on regional level. We must be much more detailed.
212
875000
3000
Wir müssen ausführlicher vorgehen.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Studenten sind generell sehr begeistert,
wenn sie dies anwenden können.
wenn sie dies anwenden können.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Und selbst politische Entscheidungsträger und
der Unternehmenssektor würden gerne erfahren,
der Unternehmenssektor würden gerne erfahren,
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
wie sich die Welt verändert.
Aber warum geschieht dies nicht?
Aber warum geschieht dies nicht?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Warum verwenden wir die vorhandenen Daten nicht?
Wir haben Daten von den Vereinten Nationen,
Wir haben Daten von den Vereinten Nationen,
15:20
in the national statistical agencies
217
895000
2000
von den nationalen statistischen Ämtern
15:22
and in universities and other non-governmental organizations.
218
897000
4000
und von Universitäten und anderen
nichtstaatlichen Organisationen.
nichtstaatlichen Organisationen.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Weil die Daten
in den Datenbanken versteckt sind.
in den Datenbanken versteckt sind.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Und es gibt die Öffentlichkeit und das Internet,
aber wir haben sie noch nicht effektiv genutzt.
aber wir haben sie noch nicht effektiv genutzt.
15:33
All that information we saw changing in the world
221
908000
3000
All die Informationen, die wir gesehen haben,
wie sie sich in der Welt veränderten,
wie sie sich in der Welt veränderten,
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
enthalten keine öffentlich finanzierten Statistiken.
Es gibt einige Webseiten wie diese,
Es gibt einige Webseiten wie diese,
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
die einige Informationen
aus den Datenbanken nehmen,
aus den Datenbanken nehmen,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
aber Leute versehen sie mit einem Preis,
blöden Passwörtern und langweiligen Statistiken.
blöden Passwörtern und langweiligen Statistiken.
15:51
(Laughter) (Applause)
225
926000
3000
(Gelächter) (Applaus)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Und das funktioniert nicht.
Was brauchen wir also? Wir haben Datenbanken.
Was brauchen wir also? Wir haben Datenbanken.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Wir brauchen keine neue Datenbank.
Wir haben wunderbare Design-Tools
Wir haben wunderbare Design-Tools
16:02
and more and more are added up here. So we started
228
937000
3000
und immer mehr kommen hier hinzu.
Also haben wir
Also haben wir
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
ein gemeinnütziges Unternehmen ins Leben gerufen,
welches wir -- Daten mit Design verknüpfend --
welches wir -- Daten mit Design verknüpfend --
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
Gapminder nennen, von der Londoner U-Bahn,
und wo Sie so vorm Spalt zwischen Plattform
und wo Sie so vorm Spalt zwischen Plattform
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
und Wagen gewarnt werden:
"Mind the gap." " Das passte also.
"Mind the gap." " Das passte also.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Und wir begannen damit, Software zu entwickeln,
die die Daten so verknüpfen konnte.
die die Daten so verknüpfen konnte.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Das war nicht so schwierig. Jemand arbeitete
ein paar Jahre und wir produzierten Animationen.
ein paar Jahre und wir produzierten Animationen.
16:26
You can take a data set and put it there.
234
961000
2000
Sie können einen Datensatz nehmen
und ihn dort anwenden.
und ihn dort anwenden.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Wir setzen Daten der Vereinten Nationen und
von Organisationen der Vereinten Nationen frei.
von Organisationen der Vereinten Nationen frei.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Einige Ländern akzeptieren es, dass
ihre Datenbanken veröffentlicht werden,
ihre Datenbanken veröffentlicht werden,
16:37
but what we really need is, of course, a search function.
237
972000
3000
aber was wir wirklich benötigen,
ist natürlich eine Suchfunktion.
ist natürlich eine Suchfunktion.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Eine Suchfunktion, mit der wir die Daten
in ein durchsuchbares Format kopieren können
in ein durchsuchbares Format kopieren können
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
und weltweit veröffentlichen können.
Und was hören wir, wenn wir uns umsehen?
Und was hören wir, wenn wir uns umsehen?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Ich habe mich mit Anthropologie in den wichtigsten statistischen Bereichen beschäftigt. Alle sagen:
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Es ist unmöglich. Es ist nicht umsetzbar.
Unsere Informationen haben solche
Unsere Informationen haben solche
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
besonderen Details, die nicht wie
andere Daten durchsucht werden können.
andere Daten durchsucht werden können.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Wir können die Daten den Studenten und Unternehmen
der Welt nicht kostenlos zur Verfügung stellen."
der Welt nicht kostenlos zur Verfügung stellen."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Aber das ist doch das, was wir gerne
erreichen würden, oder nicht?
erreichen würden, oder nicht?
17:08
The publicly-funded data is down here.
245
1003000
3000
Die öffentlich finanzierten Daten
sind hier unten.
sind hier unten.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Und wir würden gerne Blumen
im Netz wachsen lassen.
im Netz wachsen lassen.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Dafür ist es entscheidend, sie durchsuchbar
zu machen und dann können Leute
zu machen und dann können Leute
17:19
the different design tool to animate it there.
248
1014000
2000
verschiedene Design-Tools verwenden,
um sie dort zu animieren.
um sie dort zu animieren.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Und ich habe gute Neuigkeiten für Sie.
Der derzeitige neue Leiter der Abteilung
Der derzeitige neue Leiter der Abteilung
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
für Statistik bei den Vereinten Nationen sagt nicht,
dass es unmöglich ist.
dass es unmöglich ist.
17:30
He only says, "We can't do it."
251
1025000
2000
Er sagt nur: "Wir können es nicht machen."
17:32
(Laughter)
252
1027000
4000
(Gelächter)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Und er ist ein ziemlich schlauer Kerl, oder?
17:38
(Laughter)
254
1033000
2000
(Gelächter)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Also werden wir in Bezug auf Daten in den
kommenden Jahren einige Veränderungen sehen.
kommenden Jahren einige Veränderungen sehen.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Wir werden die Einkommensverteilung
auf eine ganz neue Weise betrachten können.
auf eine ganz neue Weise betrachten können.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Dies ist die Einkommensverteilung
in China im Jahr 1970.
in China im Jahr 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
Die Einkommensverteilung
der Vereinigten Staaten, 1970.
der Vereinigten Staaten, 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Fast keine Überschneidung.
Und was ist geschehen?
Und was ist geschehen?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Folgendes: China ist im Wachstum begriffen,
die Menschen sind sich nicht mehr ganz so gleich,
die Menschen sind sich nicht mehr ganz so gleich,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
und es erscheint hier,
über den Vereinigten Staaten.
über den Vereinigten Staaten.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Fast wie ein Gespenst, nicht wahr?
18:14
(Laughter)
263
1069000
2000
(Gelächter)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Es ist ziemlich beängstigend. Aber es ist wichtig,
all diese Informationen zu besitzen.
all diese Informationen zu besitzen.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Wir müssen sie uns wirklich anschauen.
Und anstatt uns dies hier anzusehen,
Und anstatt uns dies hier anzusehen,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
möchte ich gern damit schließen,
Ihnen die Internetbenutzer pro 1.000 zu zeigen.
Ihnen die Internetbenutzer pro 1.000 zu zeigen.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Bei dieser Software greifen wir auf ungefähr
500 Variablen von allen Ländern relativ leicht zu.
500 Variablen von allen Ländern relativ leicht zu.
18:42
It takes some time to change for this,
268
1097000
4000
Es braucht einige Zeit, um dies zu ändern,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
aber auf den Achsen kann man ziemlich
leicht jede Variable erhalten, die man möchte.
leicht jede Variable erhalten, die man möchte.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Und das Ziel wäre,
die Datenbanken kostenlos zu erhalten,
die Datenbanken kostenlos zu erhalten,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
sie durchsuchbar zu machen
und mit einem zweiten Klick in
und mit einem zweiten Klick in
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
graphische Formate umzuwandeln,
durch die man sie sofort verstehen kann.
durch die man sie sofort verstehen kann.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Aber die Statistiker mögen das nicht,
denn sie sagen, dass dies
denn sie sagen, dass dies
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
nicht die Realität widerspiegelt, dass wir statistische,
analytische Methoden verwenden müssen.
analytische Methoden verwenden müssen.
19:16
But this is hypothesis-generating.
275
1131000
3000
Doch dies erstellt Hypothesen.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Hören wir mit der Welt auf.
Hier kommt das Internet.
Hier kommt das Internet.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Die Zahl der Internet-Nutzer steigt wie hier.
Dies ist das BIP pro Kopf.
Dies ist das BIP pro Kopf.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Und es ist eine neue Technologie auf dem Vormarsch,
aber es ist erstaunlich, wie gut sie
aber es ist erstaunlich, wie gut sie
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
in die Wirtschaft der Länder passt.
Daher ist der 100-Dollar-Computer so wichtig.
Daher ist der 100-Dollar-Computer so wichtig.
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
Aber es ist eine gute Tendenz.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Es ist, als ob die Welt flacher wird,
nicht wahr? Diese Länder
nicht wahr? Diese Länder
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
bewegen mehr als nur die Wirtschaft
und es wird interessant sein,
und es wird interessant sein,
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
dies über das Jahr zu verfolgen,
wie ich dies gerne
wie ich dies gerne
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
mit allen öffentlich finanzierten Daten
tun würde. Vielen Dank.
tun würde. Vielen Dank.
19:53
(Applause)
285
1168000
3000
(Applaus)
Reviewed by Alexander Klar
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