TED2006
Hans Rosling: The best stats you've ever seen
हंस रोसलिंग आपको सबसे बेहतर आंकड़े दिखाएँगे जो आपने देखे होंगे।
Filmed:
Readability: 3.6
14,386,844 views
आपने कभी आँकड़ों को ऐसे प्रस्तुत किए हुए नहीं देखा है. एक खेल कॅसटर के ड्रामा और जल्दबाज़ी के साथ, आँकड़ों के गुरु हंस रोसलिंग विकासशील जग के इस गप्प को ग़लत साबित करते हैं।
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
क़रीब दस साल पहले मैंने स्वेडिश छात्रों को वेश्विक विकास पढ़ाने का ज़िम्मा लिया।
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
अध्ययन के प्रति लालयित होने के साथ-साथ अफ्रीका के
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
अफ्रीकी संस्थानों के साथ क़रीबन 20 साल गुज़ार कर मुझसे
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
विश्व के बारे में कुछ जानने की आशा की जाती थी।
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
और मैंने अपनी चिकित्सकीय विश्वविधालय करोलिन्स्का संस्थान,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
एक पूर्वस्नातक पाठ्यक्रम शुरू किया।
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
लेकिन जब आपको सुअवसर मिलता है तो आप नर्वस हो जाते हैं।
00:53
coming to us actually have the highest grade you can get
7
28000
3000
इन छात्रों के उच्चतम ग्रेड हैं जो स्वेडिश कालेज प्रणाली में मिलते हैं- इसलिए इन छात्रों को वह सब
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
आता होगा जो मैं इन्हें पढ़ाने वाला हूँ।
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
इसलिए जब वे आये तो मैंने एक पूर्व-परीक्षा ली।
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
और जिन प्रश्नों से मुझे बहुत कुछ सीखने को मिला उनमें से एक था:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"इन पाँच युग्मों में से कौन से देश की बाल मृत्युदर सबसे अधिक है?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
और मैंने प्रश्नों को एक साथ रख दिया, जिससे कि प्रत्येक देश के युग्म में,
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
दूसरे देश की अपेक्षा बाल मृत्युदर दोहरी हो। और इसका अर्थ है कि
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
आंकड़ों की अनिश्चितता की अपेक्षा यह एक बड़ा अंतर है।
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
यहाँ मैं आपकी परीक्षा नहीं लूँगा, लेकिन यह देश टर्की है,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
जिसकी बाल मृत्युदर पोलेन्ड, रूस, पाकिस्तान और दक्षिण अफ्रीका की अपेक्षा सबसे अधिक है।
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
और ये स्वेडिश छात्रों के परिणाम थे। मैंने इसे किया था इसलिए
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
मैंने विश्वास अन्तराल प्राप्त किया, जोकि थोड़ा-सा अनुदार है, और मैं खुश हो गया,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
निश्चय ही पाँच सम्भावित जवाबों में 1.8 सही थे। इसका अर्थ है कि
01:41
there was a place for a professor of international health --
20
76000
3000
अन्तर्राष्ट्रीय स्वास्थ्य (हँसते हुए) और मेरे पाठ्यक्रम के लिए
01:44
(Laughter) and for my course.
21
79000
2000
एक प्रोफेसर की ज़रूरत थी।
01:46
But one late night, when I was compiling the report
22
81000
4000
लेकिन एक देर रात, जब मैं रिपोर्ट इकट्ठी कर रहा था
01:50
I really realized my discovery. I have shown
23
85000
4000
तो मैंने अपनी खोज के बारे में महसूस किया।
01:54
that Swedish top students know statistically significantly less
24
89000
5000
कि स्वेडिश के शीर्ष छात्र भी गणना के आधार पर आवश्यकतानुसार
01:59
about the world than the chimpanzees.
25
94000
2000
विश्व के बारे में चिंपैंजी से भी कम जानते हैं।
02:01
(Laughter)
26
96000
2000
(हँसते हुए)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
क्योंकि अगर मैं चिंपैंजी को दो केले दे दूँ, तो वह श्रीलंका और टर्की
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
के बारे में आधा सही बता देंगे। इन सवालों का वे आधे सही जवाब तो दे ही देंगे।
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
लेकिन ये छात्र ऐसा नहीं कर सकते। यह समस्या अज्ञानता की नहीं थी:
02:14
it was preconceived ideas.
30
109000
3000
यह पूर्व कल्पना विचार थे।
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
मैंने कारोलिंसका संस्थान के प्रोफसरों का भी अनीतिपरक अध्ययन किया
02:21
(Laughter)
32
116000
1000
(हँसते हुए)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- जो औषधि में नोबल पुरस्कार प्राप्त हैं,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
और वे वहाँ चिंपैंजी के तुल्य हैं।
02:26
(Laughter)
35
121000
3000
(हँसते हुए)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
तभी मुझे एहसास हुआ कि विश्व में क्या हो रहा है
02:33
because the data of what's happening in the world
37
128000
3000
के आंकड़े और प्रत्येक देश के
02:36
and the child health of every country is very well aware.
38
131000
3000
देश के बच्चे के स्वास्थ के बारे में जानने की ज़रूरत है।
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
हमने यह सोफ्टवेयर बनाया जो इसे इस तरफ़ दर्शाता है : यहाँ प्रत्येक बुलबुला एक देश है।
02:44
This country over here is China. This is India.
40
139000
6000
यहाँ यह देश चीन है। यह भारत है।
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
बुलबुले का आकार जनसंख्या है, और यहाँ अक्ष रेखा पर मैं उत्पादन दर को रखता हूँ।
02:56
Because my students, what they said
42
151000
3000
क्योंकि मेरे छात्र, जब वे दुनिया को देखते हैं, वे कहते हैं,
02:59
when they looked upon the world, and I asked them,
43
154000
2000
जब मैं उनसे पूछ्ता हूँ,
03:01
"What do you really think about the world?"
44
156000
2000
"आप दुनिया के बारे में वास्तव में क्या सोचते हैं?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
ठीक है, मैंने पहले यह परिणाम निकाला कि पाठ्य-पुस्तक मुख्यतया झुनझुना थी।
03:07
(Laughter)
46
162000
1000
(हँसते हुए)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
और उन्होंने कहा, "दुनिया महज 'हम' और 'वे' है।
03:11
And we is Western world and them is Third World."
48
166000
3000
और हम पश्चिमी दुनिया है और वे तीसरी दुनिया।"
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"और पश्चिमी दुनिया से आपका क्या तात्पर्य है?" मैंने पूछा।
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"हाँ, उसका जीवन लम्बा और परिवार छोटा है, जबकि तीसरी दुनिया का जीवन छोटा परिवार बड़ा है।"
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
तो यह सब में यहाँ प्रदर्शित कर सकता हूँ। मैं यहाँ उत्पादन दर को रखता हूँ: प्रति औरत बच्चों की संख्या,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
एक, दो, तीन, चार, प्रति औरत बच्चों की संख्या क़रीबन आठ तक।
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
1962 तक हमारे पास बहुत अच्छे आंकड़े हैं – 1960 में सभी देशों के परिवार के आकार्।
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
त्रुटि हाशिया संकीर्ण है। यहाँ में कुछ देशों में जीवन प्रत्याशा,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
30 साल से क़रीबन 70 साल रखता हूँ।
03:45
And 1962, there was really a group of countries here
56
200000
3000
और 1962 में यहाँ देशों का एक समूह था।
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
वे औधोगिक देश थे, जिनमें परिवार छोटे और जीवन आयु लम्बी होती थी।
03:53
And these were the developing countries:
58
208000
2000
और ये विकासशील देश थे:
03:55
they had large families and they had relatively short lives.
59
210000
3000
इनमें परिवार बड़े और जीवन आयु छोटी होती थी।
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
अब 1962 से क्या हुआ है? हम बदलाव देखना चाहते हैं।
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
क्या छात्र सही कह रहे हैं? क्या अभी भी दो प्रकार के देश हैं?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
या इन विकासशील देशों के परिवार अधिक छोटे हो गये हैं और वे यहाँ रह रहे हैं?
04:09
Or have they got longer lives and live up there?
63
224000
2000
या उनकी जीवन आयु बढ़ गयी है और वहाँ रह रहे हैं?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
आओ देखें। तब हमने दुनिया को रोक दिया। यह पूर्ण यूएन गणना है
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
जो उपलब्ध रही है। हम यहाँ आते हैं। क्या आप वहाँ देख सकते हैं?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
यह चीन है, वहाँ स्वास्थ्य बेहतर हो रहे हैं, सुधार हो रहा है।
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
सभी हरित लेटिन अमेरीकी देश छोटे परिवारों में तब्दील हो रहे हैं।
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
यहाँ खाड़ी देश पीले रंग से दर्शाये गये हैं,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
उनके परिवार बड़े हैं, लेकिन उनकी न, तो लम्बी आयु है, और न ही, परिवार बड़े हो पाते हैं।
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
यहाँ नीचे अफ्रीकी दिखाये गये हैं। वे अभी भी यहाँ हैं।
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
यह भारत है। इंडोनेशिया बहुत तेज़ी से आगे बढ़ रहा है।
04:36
(Laughter)
72
251000
1000
(हँसते हुए)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
और 80 के दशक में, वहाँ बंगलादेश अफ्रीकी देशों के बीच में था।
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
लेकिन अब, बंगलादेश— में भी 80 के दशक में चमत्कार हो गया है।
04:43
the imams start to promote family planning.
75
258000
3000
इमामों ने परिवार योजना को प्रोत्साहन देना शुरू कर दिया है।
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
वे उस कोने से निकलकर आगे बढ़े और 90 में हम एचआईवी की भयंकर आपदा झेलते हैं
04:51
that takes down the life expectancy of the African countries
77
266000
3000
जिससे अफ्रीकी देशों की जीवन प्रत्याशा नीचे आ जाती है
04:54
and all the rest of them move up into the corner,
78
269000
4000
और बाकी सब कोने में खिसक जाते हैं जहाँ आयु लम्बी
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
और परिवार छोटे हैं, और हमारा एक पूर्णतया नया संसार बनता है।
05:02
(Applause)
80
277000
13000
(करतल ध्वनि)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
मुझे सीधे संयुक्त राष्ट्र अमेरीका और वियतनाम में तुलना करने दो।
05:20
1964: America had small families and long life;
82
295000
5000
1964: अमेरिका के परिवार छोटे और लोगों की आयु लम्बी होती थी,
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
वियतनाम के परिवार बड़े और लोगों की जीवन आयु छोटी होती थी, और जो होता है वह यह है:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
युद्ध के दौरान के आंकड़े दर्शाते हैं कि मृत्यु के वावजूद भी
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
जीवन प्रत्याशा में सुधार आया। साल के अंत तक,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
वियतनाम में परिवार योजना शुरू हो गई और उनके परिवार छोटे होने लगे।
05:41
And the United States up there is getting for longer life,
87
316000
3000
और संयुक्त राष्ट्र में परिवार को सीमित कर लम्बा जीवन जीने लगे हैं
05:44
keeping family size. And in the '80s now,
88
319000
3000
और अब 80 में, वे सामाजिक योजना को त्यागकर
05:47
they give up communist planning and they go for market economy,
89
322000
3000
बाज़ार अर्थव्यवस्था की और ध्यान देते हैं
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
और यह सामाजिक जीवन से भी अधिक तेज़ गति से चलती है और आज, हमारे
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
वियतनाम में जीवन की समान आशा और परिवार का समान
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
आकार है, जैसा कि संयुक्त राष्ट्र में, 1974 में युद्ध के अंत था।
06:06
I think we all -- if we don't look in the data --
93
341000
4000
मैं सोचता हूँ कि – कि यदि हम आंकड़े पर नज़र न डालें तो,
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
एशिया में हुए आश्चर्यजनक परिवर्तन को हम कम आंकते हैं जोकि
06:14
in social change before we saw the economical change.
95
349000
4000
आर्थिक परिवर्तन की अपेक्षा सामाजिक परिवर्तन में पहले देखने को मिला।
06:18
Let's move over to another way here in which we could display
96
353000
5000
आओ अब दूसरी तरफ़ रुख़ करें जहाँ हम विश्व में आय
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
के वितरण को देख सकते हैं। यह विश्व के लोगों की आय का वितरण है।
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
प्रतिदिन एक डालर, 10 डालर या 100 डालर।
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
अब अमीर और ग़रीब में ज़्यादा अंतर नहीं है। यह केवल एक मिथ्याभास है।
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
यहाँ थोड़ी सी कमी है। लेकिन सभी तरफ़ लोग ही लोग हैं।
06:44
And if we look where the income ends up -- the income --
101
379000
4000
और अगर हम वहाँ देखें जहाँ आय ख़त्म होती है-
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
यह आय विश्व की वार्षिक आय की 100 प्रतिशत है, कुल सबसे अधिक अमीर 20 प्रतिशत हैं
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
जिनकी आय क़रीबन 74 प्रतिशत है और सबसे ग़रीब 20 प्रतिशत हैं
07:01
they take about two percent. And this shows that the concept
104
396000
5000
जिनकी आय 2 प्रतिशत है और यह दर्शाता है कि
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
विकासशील देशों की संकल्पना अत्याधिक संदेहयुक्त है। हम सहायता राशि के बारे में सोचते हैं, जैसे
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
कि यह लोग इन लोगों को सहायता राशि प्रदान कर रहे हैं, लेकिन बीच में
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
अधिकांश विश्व की जनसंख्या है, और अब वह आय की 24 प्रतिशत है।
07:19
We heard it in other forms. And who are these?
108
414000
4000
हमने इसके बारे में दूसरे रूप में सुना। और ये कौन हैं?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
विभिन्न देश कहाँ हैं? मैं आपको अफ्रीका दिखा सकता हूँ।
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
यह अफ्रीका है, विश्व की जनसंख्या का 10 प्रतिशत। यहाँ सबसे ज़्यादा ग़रीबी है।
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
यह ओईसीडी है। अमीर देश। संयुक्त राष्ट्र का कंट्री क्लब।
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
और वे यहाँ इस तरफ़ हैं। अफ्रीका और ओईसीडी के बीच पूर्णतया एक से दूसरा किनारा।
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
और यह लेटिन अमेरीका है। यहाँ इस धरती ग्रह पर उपलब्ध सबकुछ है।
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
ग़रीबी से लेकर अमीरी तक
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
और उसके शीर्ष पर, हम पूर्वी यूरोप को रख सकते हैं, हम पूर्वी एशिया को रख सकते हैं।
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
और हम दक्षिणी एशिया को रख सकते हैं। और कहीं अगर हम वापस 1970 के समय में चले जायें,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
तो कैसा लगेगा? और भी ज़्यादा अंतर।
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
और जो सबसे ज़्यादा ग़रीबी में जीवन-यापन करते हैं वे हैं एशियाई लोग।
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
एशिया की ग़रीबी विश्व की समस्या थी। और अगर मैं अब विश्व को आगे बढ़ने दूँ, तो
08:14
you will see that while population increase, there are
120
469000
3000
आप देखोगे कि जैसे-जैसे जनसंख्या बढ़ेगी,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
एशिया में अरबों लोग ग़रीबी से बाहर आयेंगे और कुछ अन्य
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
ग़रीबी में आ जायेंगे, आज हमारा यही स्वरूप बन गया है।
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
और विश्व बैंक की सर्वश्रेष्ठ परिकल्पना यही है कि ऐसा होगा,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
और हमारा विश्व बंट नहीं पायेगा। मध्य में सबसे अधिक लोग नहीं होंगे।
08:31
Of course it's a logarithmic scale here,
125
486000
2000
निस्संदेह यह लघुगणक पैमाना है।
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
लेकिन हमारी आर्थिक व्यवस्था का संकल्प प्रतिशत के साथ विकास है। हम इसे
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
प्रतिशतता वृद्धि की संभावना के रूप में देखते हैं। अगर मैं इसे बदल दूँ, और
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
जीडीपी को पारिवारिक आय की अपेक्षा प्रति व्यक्ति लूँ, और इन
08:48
individual data into regional data of gross domestic product,
129
503000
6000
व्यक्तिगत आंकड़ों को कुल घरेलु उत्पाद के क्षेत्रीय आँकड़ों के आधार पर लूँ
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
और यहाँ क्षेत्र को नीचे कर दूँ, तो बुलबुले का आकार अभी भी जनसंख्या होगा।
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
आप वहाँ ओईसीडी देखें और वहाँ उप-सहारा अफ्रीका और यहाँ हम अफ्रीका
09:01
and we take off the Arab states there,
132
516000
3000
और एशिया दोनों से आकर खाड़ी राज्यों की ओर रूख़ करते हैं।
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
और हम उन्हें अलग-अलग रखेंगे।
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
और हम इस अक्ष रेखा का विस्तार कर सकते हैं, सामाजिक मूल्य, बाल जीवन को शामिल कर,
09:13
by adding the social values there, child survival.
135
528000
3000
और यहाँ मैं इसे एक नया परिमाण दे सकता हूँ,
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
अब उस अक्ष पर मेरे पास पैसा है, और सम्भवता बच्चें संघर्ष कर सकते हैं।
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
कुछ देशों में 99-7 प्रतिशत बच्चे पाँच साल की उम्र से संघर्ष करना शुरू कर देते हैं,
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
और दूसरे देशों में सिर्फ़ 70 प्रतिशत।
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
और यहाँ ओईसीडी और लेटिन अमेरिका, पूर्वी यूरोप, पूर्वी एशिया,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
खाड़ी देश, दक्षिणी एशिया, और उप-सहारन अफ्रीका के मध्य अंतर दिखलाई पड़ता है।
09:37
The linearity is very strong between child survival and money.
141
552000
5000
बाल संघर्ष और धन के बीच अनुरेखीय बहुत सशक्त होता है।
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
लेकिन मुझे उप-सहारन अफ्रीका पर आने दो। वहाँ स्वास्थ्य है और बेहतर स्वास्थ्य के प्रति जागरूकता है।
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
मैं यहाँ आ सकता हूँ और मैं उप-सहारन अफ्रीका से इसके देशों पर आ सकता हूं
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
और जब यह फूटता है, तो देश के बुलबुले का आकार जनसंख्या का आकार होता है।
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
सिएरा रोआंन वहाँ नीचे है। मोरिशस वहाँ ऊपर है। मोरिशस व्यापारिक बंधनों को तोड़ने वाला पहला देश था।
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
और उसने अपनी चीनी का निर्यात किया।
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
यूरोप और उत्तरी अमेरिका के लोगों की ही तरह मोरिशस के लोग भी समान शर्तों पर अपना कपड़ा बेच सके।
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
अफ्रीका में बहुत बड़ा अंतर है। और घाना यहाँ मध्य में है।
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
सिएरा रोआंन, मानवीय अनुदान,
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
यूगांडा में विकास अनुदान, यहाँ समय का निवेश,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
यहाँ आप छुट्टियां बिताने जा सकते हैं। अफ्रीका में यह एक आश्चर्यजनक अंतर है
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
जिसे हम कदाचित मान सकते हैं- जो सब चीजों के समान है।
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
यहाँ से में दक्षिण अफ्रीका को अलग कर सकता हूँ। बीच में भारत एस बड़ा बुलबुला है।
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
लेकिन अफगनिस्तान और श्रीलंका में एक बहुत बड़ा अंतर है
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
मैं खाड़ी देशों में जा सकता हूँ। वे कैसे हैं? एक जैसी जलवायु, एक जैसी संस्कृति,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
एक जैसा धर्म। बहुत बड़ा अंतर। पड़ोसियों में भी।
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
येमिन, धर्मनिरपेक्ष युद्ध। संयुक्त अरब अमीरात, धन जोकि बिल्कुल बराबर था और उसका सही इस्तेमाल होता था।
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
यह कोई मिथ्याबोध नहीं और इसमें विदेशी कर्मचारियों के बच्चें, जो देश में हैं, भी शामिल हैं।
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
आपके सोचने की अपेक्षा आंकड़े प्राय बेह्तर होते हैं। अधिकतर लोग कह्ते हैं कि आंकड़े अच्छे नहीं होते।
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
अनिश्चितता की गुंजाइश है, लेकिन हम यहाँ अंतर देख सकते हैं:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
कम्बोडिया, सिंगापुर। आंकड़ों की दुर्बलता की अपेक्षा
11:11
than the weakness of the data. East Europe:
162
646000
3000
अंतर बहुत बड़ा है। पूर्वी यूरोप में
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
लम्बे समय तक सोवियत अर्थव्यवस्था रही, लेकिन दस साल बाद
11:20
very, very differently. And there is Latin America.
164
655000
3000
वहां सबकुछ बिलकुल अलग था। लेटिन अमेरिका को लीजिए
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
आज लेटिन अमेरिका में स्वस्थ देहात खोजने के लिए हमें क्यूबा जाने की ज़रूरत नहीं है।
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
अब कुछ सालों में चिले में क्यूबा की अपेक्षा कम बाल जन्मदर होगी।
11:32
And here we have high-income countries in the OECD.
167
667000
3000
और यहाँ ओईसीडी में हम उच्च-आय वाले देश देखते हैं।
11:35
And we get the whole pattern here of the world,
168
670000
4000
और पूरे विश्व का प्रारूप देखने को मिलता है
11:39
which is more or less like this. And if we look at it,
169
674000
5000
जोकि क़रीब-क़रीब इस तरह है। और अगर हम इसे देखते हैं,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
तो, 1960 में विश्व किस तरह दिखता है, यह जानना होगा।
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
यह ट्से-तुन्ग है, जो चीन में स्वास्थ्य लेकर आया और फिर उसका स्वर्गवास हो गया।
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
और फिर डेन्ग कषिअओपिन्ग चीन में धन लाया, और एकबार फिर चीन मुख्यधारा से जुड़ गया।
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
और फिर हम देख चुके हैं कि किस तरह देशों ने इस तरह विभिन्न दिशाओं में रूख़ किया।
12:02
so it's sort of difficult to get
174
697000
4000
इसलिए कोई ऐसा देश जो विश्व प्रारूप का प्रदर्शन करें
12:06
an example country which shows the pattern of the world.
175
701000
5000
का उदाहरण प्रस्तुत करना मुश्किल काम है।
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
मैं आपको फिर से यहाँ 1960 पर वापिस लाना चाहूँगा।
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
मैं दक्षिण कोरिया, जोकि यह है, की तुलना ब्राज़ील, जोकि यह है, से करना चाहूँगा।
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
नामपट्टी मुझे यहाँ ले आयी। और मैं युगांडा,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
जोकि वहाँ है, की तुलना करना चाहूँगा, और इस तरह मैं इसे आगे बढ़ा सकता हूँ।
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
और आप देख सकते हैं कि दक्षिण कोरिया किस तरह बहुत तेज़ी से विकास कर रहा है।
12:46
whereas Brazil is much slower.
181
741000
3000
जबकि ब्राज़ील का विकास कितना धीमा है।
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
और अगर हम फिर वापिस यहाँ आयें, और उनका, इस तरह अनुसरण करें,
12:55
you can see again that the speed of development
183
750000
4000
तो आप देख सकते हैं कि विकास की गति
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
बिल्कुल अलग है, और राष्ट्र क़रीबन-क़रीबन उसी दर से
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
आगे बढ़ रहे हैं जिस दर से धन और स्वास्थ्य, लेकिन ऐसा प्रतीत होता है कि अगर
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
आप पहले धनी होने की अपेक्षा स्वस्थ पहले हो जायें तो अधिक तेज़ गति से आगे बढ़ सकते हैं
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
और दिखा सकते हैं कि, आप संयुक्त अरब अमीरात के मार्ग पर चल सकते हैं।
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
वह खनिज पदार्थ वाल देश के रूप में प्रस्तुत हुआ। उसने अपने तेल को भुनाया,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
पैसा कमाया, लेकिन स्वास्थ्य सुपरबाज़ार में नहीं बिकता।
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
आपको स्वास्थ्य में निवेश करना होता है। आपको स्वास्थ्य के लिए शिक्षण लेना होता है।
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
आपको स्वास्थ्य स्टाफ को प्रशिक्षित करना होता है। आपको अपने देशवासियों को पढ़ाना होता है।
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
और शेख सय्येद ने इसे बहुत अच्छी तरह से कर दिखाया।
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
और तेल मूल्य गिरने के बावजूद भी, उन्होंने इस देश का विकास किया।
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
इसलिए हम विश्व की मुख्यधारा की सम्भावना के बारे में बहुत कुछ जान चुके हैं,
13:43
where all countries tend to use their money
195
798000
2000
कि आज सभी देश अतीत की अपेक्षा अपने धन को कहाँ
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
उपयोग करने के इच्छुक हैं।
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
और, अगर आप सभी देशों के औसत आंकड़े देखें तो क़रीबन-क़रीबन यही स्थति है।
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
अब औसत आंकड़ों का इस्तेमाल करना भी ख़तरनाक है, क्योंकि देश-देश में ज़मीन-आसमान का अंतर है।
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
तो अगर यहाँ जाकर यह देखूँ तो हम देख सकते हैं कि
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
आज युगांडा जहाँ है दक्षिण कोरिया वहाँ 1960 में ही पहुँच चुका था। अगर मैं युगांडा को छोड़ दूँ,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
युगांडा में पूर्णतया अंतर है। यह युगांडा का सार है।
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
युगांडा के 20 प्रतिशत अमीर वहाँ हैं।
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
और ग़रीब वहाँ नीचे। अगर मैं दक्षिण अफ्रीका को छोड़ दूं, तो वह ऐसा है।
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
अगर आप नीचे जाकर नाइजीरिया को देखें, जहाँ इतना भयंकर अकाल पड़ा है,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
नाइजीरिया के 20 प्रतिशत सर्वाधिक ग़रीब यहाँ हैं,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
और दक्षिण अफ्रिका के 20 प्रतिशत सर्वाधिक अमीर वहाँ हैं,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
और फिर भी, हम इस बात पर चर्चा करने की इच्छा रखते हैं कि अफ्रिका का क्या समाधान होना चाहियें।
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
अफ्रीका में वह सब विधमान है जो इस दुनिया में है। और आप
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
एचआईवी की सर्वव्यापी पहुँच पर उस सार के साथ जो यहाँ ऊपर है उसी योजना के साथ जो नीचे है, चर्चा नहीं कर सकते।
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
विश्व सुधार अत्यधिक प्रासंगिक होना चाहिए,
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
और इसका क्षेत्रीय स्तर पर होना अनुरूप नहीं है
15:00
on regional level. We must be much more detailed.
212
875000
3000
हमारे पास और ज़्यादा जानकारी होनी चाहिए।
15:03
We find that students get very excited when they can use this.
213
878000
4000
हम पाते हैं कि जब छात्र इसका उपयोग कर सकते हैं तो वे बहुत ज़्यादा उतेजित हो जाते हैं।
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
और नीति-निर्माता त्तथा व्यावसायिक क्षेत्र भी यह जानना चाह्ते हैं
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
कि विश्व कैसे बदल रहा है? अब ऐसा क्यों नहीं होता ?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
हम उन आकंड़ों का इस्तेमाल क्यों नहीं करते जो हमारे पास हैं?
15:20
in the national statistical agencies
217
895000
2000
हमारे पास ये आंकड़े संयुक्त राष्टों, राष्ट्रीय सांख्यिकी
15:22
and in universities and other non-governmental organizations.
218
897000
4000
एजेंसियाँ, विश्वविद्यालय और ग़ैर-सरकारी संगठनों में उपलब्ध हैं।
15:26
Because the data is hidden down in the databases.
219
901000
2000
चूँकि आंकड़े डेटाबेस में छिपे हैं लोग इन्हें इंटरनेट पर देख सकते हैं
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
फिर भी हम उनका प्रभावपूर्ण तरीक़े से इस्तेमाल नहीं कर पा रहे हैं।
15:33
All that information we saw changing in the world
221
908000
3000
विश्व में परिवर्तन में जो कुछ सूचनाएँ हमने देखीं में,
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
सार्वजनिक -निधि गणनायें शामिल नहीं हैं।
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
इस तरह के कुछ वेबपेज हैं, लेकिन वे डाटाबेस की पुष्टि करते हैं।
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
लेकिन लोग उन पर पैसा चार्ज करते हैं, अरोचक पासवर्ड बनाते हैं, और गणनाएँ भी ऊबाऊ होती हैं।
15:51
(Laughter) (Applause)
225
926000
3000
(हँसते हुए) (करतल ध्वनि)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
और इस तरह काम नहीं चलेगा। तो देखिए किस चीज़ की ज़रूरत है? हमारे पास डाटाबेस है।
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
आपको नये डाटाबेस की ज़रूरत नहीं है। हमारे पास अदभुत डिज़ाइन टूल्स हैं।
16:02
and more and more are added up here. So we started
228
937000
3000
और ज़्यादा से ज़्यादा यहां जोड़े जा रहे हैं। इसलिए हमने एक
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
गैर-लाभकारी उपक्रम शुरू किया है जिसे हमने लिकिंग डाटा टू डिज़ाइन नाम दिया--
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
हम इसे गेपमाइंडर कह्ते हैं। लंदन वाले आपको चेतावनी देते हैं,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"माइंड द गेप" इसीलिए हमने सोचा कि गेपमाइंडर उचित है।
16:16
And we started to write software which could link the data like this.
232
951000
4000
और हमने उस सोफ्ट्वेयर पर लिखना शुरू किया जो इस तरह के आंकड़े को जोड़ सकता था।
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
और यह मुश्किल काम नहीं था। इसमें कुछ वर्ष लगे और हमने एनिमेशन का सृजन कर दिया।
16:26
You can take a data set and put it there.
234
961000
2000
आप एक डाटा सैट ले सकते हैं और वहाँ रख सकते हैं।
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
हम संयुक्त राष्ट्र डाटा को मुक्त कर रहे हैं, कुछ संयुक्त राष्ट्र संगठनों के।
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
कुछ देश यह स्वीकार करते हैं कि उनका डाटाबेस विश्व में प्रसारित किया जा सकता है,
16:37
but what we really need is, of course, a search function.
237
972000
3000
लेकिन वास्तव में हमें जिस चीज़ की आवश्यकता है वह है, सर्च फंग्शन (खोज संचालन)।
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
सर्च फंग्शन में हम डाटा को सर्चेबल फार्मेट में कोपी कर सकते हैं।
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
और पूरे विश्व में प्रसारित कर सकते हैं। और जब हमें अपने आस-पास क्या सुनने को मिलता है?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
मैंने मुख्य परिगणन ईकाई में डिप्लोमा किया है। हर कोई कह्ता है --
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"यह असम्भव है। ऐसा नहीं हो सकता। हमारी सूचना का वर्णन इतना
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
निजी है कि इसे सर्च नहीं किया जा सकता जैसा कि दूसरे सर्च करते हैं"
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
हम छात्रों को मुफ़्त डाटा प्रदान नहीं कर सकते, विश्व के उधमियों को भी नहीं।"
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
लेकिन यही वह है जो हम देखना चाह्ते हैं, क्या नहीं?
17:08
The publicly-funded data is down here.
245
1003000
3000
सार्वजनिक - विधि डाटा यहाँ डाउन करें।
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
और हम नेट पर फूल उगाना चाहते हैं।
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
और उनमें सबसे निर्णायक पहलुओं में से एक उन्हें सर्च करना है, और फिर लोग
17:19
the different design tool to animate it there.
248
1014000
2000
इसे वहाँ एनिमेट करने के लिए विभिन्न टूल का उपयोग कर सकते हैं।
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
और मेरे पास आपके लिये एक अच्छी ख़बर है। यह अच्छी ख़बर यह है कि,
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
संयुक्त राष्ट्र सांख्यिकी का वर्तमान मुखिया ऐसा नहीं कहता है कि यह असम्भव है।
17:30
He only says, "We can't do it."
251
1025000
2000
वह सिर्फ़ इतना कहता है कि, "हम यह नहीं कर सकते।"
17:32
(Laughter)
252
1027000
4000
(हँसते हुए)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
और वह बहुत ही बुद्धिमान व्यक्ति है?
17:38
(Laughter)
254
1033000
2000
(हँसते हुए)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
तो आने बाले सालों में हम बहुत सारा डाटा देख सकते हैं।
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
हम एक बिल्कुल नये तरीक़े से आय वितरण को देख सकेंगे।
17:48
This is the income distribution of China, 1970.
257
1043000
5000
यह 1970 में चीन का आय वितरण है।
17:54
the income distribution of the United States, 1970.
258
1049000
5000
और यह 1970 में यूनाइटेड स्टेटस का आय वितरण है।
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
लगभग सब अलग-अलग और क्या हुआ है?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
जो हुआ है वह यह है कि चीन विकास कर रहा है, वह अब और ज़्यादा समान नहीं है।
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
और यहाँ दिखलाई पड़ रहा है कि वह संयुक्त राष्ट्र की उपेक्षा कर रहा है।
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
सम्भवता एक भूत की तरह?
18:14
(Laughter)
263
1069000
2000
(हँसते हुए)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
यह बहुत ही अजीब है। लेकिन मुझे लगता है कि ये सारी सूचनाएँ रखना बहुत ज़रूरी हैं।
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
हमें वास्तव में इसे देखने की ज़रूरत है और इसे देखने की अपेक्षा
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
मैं प्रति 1000 इंटरनेट उपयोगकर्ता को दिखाकर समाप्त करना चाहूँगा।
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
इस सोफ्टवेयर में हम बड़ी आसानी से सभी देशों के क़रीबन 500 बदलने योग्य डाटाओं पर पहुंच बना लेते हैं।
18:42
It takes some time to change for this,
268
1097000
4000
इसे बदलने में थोड़ा वक्त लगता है।
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
लेकिन शीर्ष पर, आप आसानी से अपना पसन्दीदा परिवर्तन प्राप्त कर सकते हैं।
18:51
And the thing would be to get up the databases free,
270
1106000
5000
और यह सब आपको सिर्फ़ एस सेकेंड में किलक करके, मुफ़्त डाटाबेस
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
प्राप्त करने, उन्हें सर्च करने, उन्हें ग्राफिक फोर्मेट में पाने,
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
जहां आप उन्हें आसानी से समझ सकते हैं, में मदद करता है।
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
अब गणनाकार इसे पसन्द नहीं करते, क्योंकि वे कहते हैं। कि यह-
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
वास्तविकता नहीं दिखलायेगा: हमें परिगणना, विश्लेषणात्मक विधियाँ अपनानी पड़ती हैं
19:16
But this is hypothesis-generating.
275
1131000
3000
लेकिन इस परिकल्पना का सृजन होता है।
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
और मैं उस संसार के साथ समाप्त करता हूँ जहाँ इंटरनेट आ रहा है।
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
इंटरनेट उपयोग्कर्ता की संख्या इस तरह बढ़ रही है। यह प्रति व्यक्ति जीडीपी है।
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
और यह नयी प्रोद्योगिकी आ रही है, लेकिन आश्चर्यजनक रूप से, यह
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
देशों की अर्थव्य्वस्था से कैसे अनुरूप होगी। इसीलिए 100 डालर
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
के कम्प्यूटर भी इतने महत्वपूर्ण होंगे। लेकिन ये एक अच्छी आदत है।
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
यह ऐसा है मानो विश्व एकरूप हो रहा है। क्या नहीं? ये देश
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
अर्थव्यवस्था से कहीं ऊपर उठ रहे होंगे और
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
वर्षों तक इसका अनुसरण करना रुचिप्रद होगा, जैसा कि समस्त
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
सार्वजनिक-डाटा-निधि के साथ आप अनुसरण करने में समर्थ हों। ऐसी मैं आशा करता हूँ। बहुत-बहुत धन्यवाद्।
19:53
(Applause)
285
1168000
3000
करतल ध्वनि
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