TED2006
Hans Rosling: The best stats you've ever seen
ハンス・ロスリング 最高の統計を披露
Filmed:
Readability: 3.6
14,386,844 views
統計データをこんな風に見せられたことはないでしょう。スポーツ実況者張りのドラマ性と緊迫感を込めて、統計の達人ハンス・ロスリングが「発展途上国」の神話を打ち崩します。
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
10年ほど前 私はスウェーデンの学生に 世界の発展について
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
教える仕事に就きました 私がアフリカの機関と一緒に
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
20年ほどアフリカの飢餓の研究をしていたので
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
世界のことを少しは知っていると期待したのでしょう
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
医科大であるカロリンスカ研究所で「世界保健」という
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
学部の授業を持つことになりました しかしやる段になって
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
不安になりました スウェーデンでも最も成績優秀な
00:53
coming to us actually have the highest grade you can get
7
28000
3000
学生たちが相手です 私が教える事なんか
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
みんな知っているのではないかと思いました
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
そこで最初に小テストをやることにしました
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
その時の質問は 私に多くのことを教えてくれました
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
“この5組のそれぞれについて 乳幼児死亡率が高い方を選べ”
01:10
And I put them together, so that in each pair of country,
12
45000
4000
各組は 一方が他方よりも2倍以上
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
乳幼児死亡率が高くなるように選んであります
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
差異が データの誤差よりずっと大きくなるようにしたのです
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
別に皆さんをテストはしません
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
答えは トルコ、ポーランド、ロシア、パキスタン、南アフリカです
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
これがスウェーデンの学生の成績です
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
信頼区間はごく狭く 私にはありがたい結果でした
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
5点満点で平均1.8です これなら
01:41
there was a place for a professor of international health --
20
76000
3000
世界保健の教授の居場所があります
01:44
(Laughter) and for my course.
21
79000
2000
私の授業も安泰です (笑)
01:46
But one late night, when I was compiling the report
22
81000
4000
しかしその結果について 本当に理解したのは
01:50
I really realized my discovery. I have shown
23
85000
4000
夜遅く その答案をまとめている時でした
01:54
that Swedish top students know statistically significantly less
24
89000
5000
スウェーデンの学生の世界の知識は 統計的有意に
01:59
about the world than the chimpanzees.
25
94000
2000
チンパンジーより低い ということです
02:01
(Laughter)
26
96000
2000
(笑)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
チンパンジーはバナナを2本もやれば スリランカかトルコか
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
半分の場合は正しい方を選ぶでしょう
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
スウェーデンの学生はもっと下です 問題は無知ではなく
02:14
it was preconceived ideas.
30
109000
3000
先入観です
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
私はカロリンスカ研究所の教授にも 非倫理的な調査を行いました
02:21
(Laughter)
32
116000
1000
（笑）
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
ノーベル医学賞を授与する人たちが
02:24
and they are on par with the chimpanzee there.
34
119000
2000
チンパンジー並みだったのです
02:26
(Laughter)
35
121000
3000
（笑）
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
コミュニケーションの必要性を実感しました
02:33
because the data of what's happening in the world
37
128000
3000
世界各国の子供の健康水準については
02:36
and the child health of every country is very well aware.
38
131000
3000
よく整ったデータがあるからです
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
それで ご覧のようなソフトを作りました 丸はそれぞれ国を表しています
02:44
This country over here is China. This is India.
40
139000
6000
これは中国で これはインドです
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
円の大きさは人口を表し 横軸は出生率です
02:56
Because my students, what they said
42
151000
3000
学生たちが 世界をどう捉えているのか
02:59
when they looked upon the world, and I asked them,
43
154000
2000
彼らに聞いてみました
03:01
"What do you really think about the world?"
44
156000
2000
“世界を実際どう思っているの？”
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
彼らの知識は「タンタンの冒険旅行」から来ているのが分かりました
03:07
(Laughter)
46
162000
1000
（笑）
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
学生たちは いまだ世界を「我々」と「彼ら」に分け
03:11
And we is Western world and them is Third World."
48
166000
3000
我々「西欧世界」 彼ら「第三世界」と考えています
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
私は聞きました “その「西欧世界」というのは何？”
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
“長生きで小家族なのがそうです 短命で大家族なのが第三世界です”
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
これをご覧ください 横軸は出生率 女性1人当たりの子どもの数です
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
1人、2人、3人、4人から8人まで
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
1962年以降の 各国の家族の大きさについては とても良いデータがあります
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
誤差はわずかです 縦軸は出生時平均余命です
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
30歳くらいから 上は70歳くらいまであります
03:45
And 1962, there was really a group of countries here
56
200000
3000
1962年には 実際こういう国のグループがありました
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
工業国は 小家族で長寿です
03:53
And these were the developing countries:
58
208000
2000
そしてこっちは発展途上国
03:55
they had large families and they had relatively short lives.
59
210000
3000
大家族で比較的短命でした
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
そして1962年以降何が起きたのか？ 変化を見てみましょう
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
学生たちは正しく 今も2種類の国があるのでしょうか？
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
それとも発展途上国が小家族になって この辺にいるのか？
04:09
Or have they got longer lives and live up there?
63
224000
2000
あるいは長寿になって この上にいるのか？
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
見てみましょう データには利用可能な 国連の
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
統計を使っています では見てみましょう
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
これは中国 より健康な社会へと改善していきます
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
緑のラテンアメリカ諸国が 小家族に向かっています
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
黄色いのはアラブ諸国です
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
寿命が延びています
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
緑色のアフリカは この場に留まったままです
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
インドに インドネシア とても速く動いています
04:36
(Laughter)
72
251000
1000
（笑）
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
80年代に入ります バングラデシュはずっと
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
アフリカ諸国と一緒でしたが ここで奇跡が起きます
04:43
the imams start to promote family planning.
75
258000
3000
イマームが家族計画を推進し
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
左上に上がっていきます 90年代にひどいHIVの流行があり
04:51
that takes down the life expectancy of the African countries
77
266000
3000
アフリカ諸国の平均余命が下がります
04:54
and all the rest of them move up into the corner,
78
269000
4000
残りの国はみな 左上へと進んでいきます
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
長寿で小家族 私たちの世界は全く違ったものになったのです
05:02
(Applause)
80
277000
13000
（拍手）
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
米国とベトナムとを比較してみましょう
05:20
1964: America had small families and long life;
82
295000
5000
1964年 米国は小家族で長寿
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
一方ベトナムは大家族で短命です その後こうなります
05:29
the data during the war indicate that even with all the death,
84
304000
6000
戦争中のデータを見ると 戦争による多くの死者にも関わらず
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
平均余命が伸びています 戦争が終わる頃に
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
ベトナムで家族計画が始まり 小家族に向かいます
05:41
And the United States up there is getting for longer life,
87
316000
3000
米国は長寿で小さな家族を保っています
05:44
keeping family size. And in the '80s now,
88
319000
3000
ベトナムは80年代に
05:47
they give up communist planning and they go for market economy,
89
322000
3000
計画経済を捨てて市場経済になり
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
社会水準の向上が加速します そして今日
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
2003年のベトナムの平均余命と 家族の大きさは
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
ベトナム戦争末 1974年の米国と同じ水準になりました
06:06
I think we all -- if we don't look in the data --
93
341000
4000
データを見なければ 我々は
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
アジアの著しい変化を 過小評価することになります
06:14
in social change before we saw the economical change.
95
349000
4000
アジアでは 経済の変化の前に 社会の変化が現れています
06:18
Let's move over to another way here in which we could display
96
353000
5000
別な見方をしてみましょう 世界の所得の分布です
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
これは世界の人々の所得の分配を示しています
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
世帯1日当たり 1ドル、10ドル、100ドルです
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
もはや豊かな国と貧しい国の間にギャップはありません 神話です
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
小さな谷がありますが ずっと途切れなく分布しています
06:44
And if we look where the income ends up -- the income --
101
379000
4000
所得がどういう配分になっているか見てみましょう
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
これが世界の年間所得の100％です 最も豊かな20％が
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
74%を手にしています そして最も貧しい20%が
07:01
they take about two percent. And this shows that the concept
104
396000
5000
2%を手にしています これを見ると 発展途上国という概念は
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
非常に疑わしいことが分かります 援助について考えるとき
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
私たちは ここの人たちが ここの人たちを助けていると思っています しかし真ん中の
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
最も人口の多い部分が 今や24%の所得を得ているのです
07:19
We heard it in other forms. And who are these?
108
414000
4000
この人たちは誰なのでしょう？
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
それぞれの国はどこにあたるのでしょう？ まずアフリカです
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
これがアフリカ 世界の人口の10%で 大部分が貧困です
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
これはOECD諸国 豊かな国々 国連のカントリークラブです
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
この部分で アフリカとOECDの間に 結構重なりがあります
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
これは南アメリカ
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
最貧から最富裕まで 全部そろっています
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
さらに重ねて 東欧、東アジア、
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
南アジア 時間を1970年までを戻します
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
谷が深くなっています
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
極貧生活をしている人はアジアに多くいました
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
世界の問題はアジアの貧困だったのです 時間を進めていくと
08:14
you will see that while population increase, there are
120
469000
3000
人口が増加していき アジアでは
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
何億という人々が貧困から抜け出し 別なところで
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
貧困が進みます これが現在のパターンです
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
世界銀行による最良の予測では この後こうなります
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
世界は分断されておらず ほとんどの人が真ん中にいます
08:31
Of course it's a logarithmic scale here,
125
486000
2000
これはもちろん対数目盛です
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
私たちの経済の概念では 成長をパーセントで計ります
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
発展の割合として見るのです
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
横軸を世帯収入から 1人当たりのGDPに変えましょう
08:48
individual data into regional data of gross domestic product,
129
503000
6000
それぞれのデータを 地域のGDPに変えます
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
円の大きさは人口です
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
OECDがここで サハラ以南のアフリカがここです
09:01
and we take off the Arab states there,
132
516000
3000
アラブ諸国を
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
アフリカやアジアと分けて別にしましょう
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
横軸を引き伸ばし 次元をもう1つ追加します
09:13
by adding the social values there, child survival.
135
528000
3000
子供の生存率です
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
横軸がお金で 縦軸が子どもの生き残る可能性です
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
ある国々では99.7％の子どもが5歳以上まで生きられます
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
一方70%の国々もあります ここにギャップがあるように見えます
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
OECD、南アメリカ、東欧、東アジア
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
アラブ諸国、南アジア、サハラ以南のアフリカ
09:37
The linearity is very strong between child survival and money.
141
552000
5000
子どもの生存率とお金の間には強い相関があります
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
サハラ以南のアフリカをバラしてみましょう 縦軸が保健の水準で 上に行くほど良いということです
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
サハラ以南アフリカを国に分けました
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
それぞれの円の大きさは国の人口を表しています
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
シエラレオネがここ モーリシャスがあそこにあります
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
モーリシャスは貿易障壁を最初に解除した国で
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
砂糖や繊維製品を 欧米と対等な条件で売ることができます
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
アフリカの国の間にも大きな差があるのです ガーナは真ん中あたり
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
シエラネオネは人道的支援を受けています
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
ウガンダは開発支援を受けています この辺は投資できます
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
ここでは休暇を過ごせます
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
アフリカには大きな幅があるのに 私たちは一緒くたにしています
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
南アジアを分割してみましょう 真ん中の大きな円がインドです
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
アフガニスタンとスリランカでは 大変大きな違いがあります
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
アラブ諸国を分割してみましょう どうなるでしょう？
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
気候、文化、宗教が同じでも 大きな違いがあります 隣国同士でも
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
イエメンは内戦 アラブ首長国連邦では 外国人労働者の子どもも含め
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
お金が平等にうまく使われています 私たちが信じているのとは異なっています
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
データはみんなが思うより有効なのです 不確実な部分があるにしても
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
はっきりした差が見られます
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
このカンボジアとシンガポールの差は
11:11
than the weakness of the data. East Europe:
162
646000
3000
データの問題を はるかに超えています
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
東欧は長い間ソビエト経済下にありましたが 離脱して10年
11:20
very, very differently. And there is Latin America.
164
655000
3000
大きく変わっています 南米も
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
今や健康な国はキューバだけではありません
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
チリは数年のうちに 子供の死亡率の低さでキューバを抜きそうです
11:32
And here we have high-income countries in the OECD.
167
667000
3000
こちらは高所得なOECD諸国です
11:35
And we get the whole pattern here of the world,
168
670000
4000
これが世界全体のパターンです
11:39
which is more or less like this. And if we look at it,
169
674000
5000
だいたいこんな感じになっています
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
1960年の世界を見てみましょう 動き始めます
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
これは毛沢東です 中国に健康をもたらしました
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
彼の死後 鄧小平が出てきて 中国にお金をもたらし 中国を本流に引き戻しました
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
このようにそれぞれの国が違った方向に動いています
12:02
so it's sort of difficult to get
174
697000
4000
ですから 世界の典型的なパターンを示す
12:06
an example country which shows the pattern of the world.
175
701000
5000
国の例を挙げるというのは難しいのです
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
また1960年に戻しましょう
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
ここにある韓国と こちらにあるブラジルを比較してみましょう
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
比較のためウガンダも入れましょう
12:32
which is there. And I can run it forward, like this.
179
727000
5000
ここにあります 時間を進めます
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
韓国がいかに速く進歩しているか 分かるでしょう
12:46
whereas Brazil is much slower.
181
741000
3000
それに比べるとブラジルはずっとゆっくりです
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
また最初に戻って 航跡表示をオンにして
12:55
you can see again that the speed of development
183
750000
4000
もう一度実行すると 発展の速度が
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
大きく異なるのが分かります そして経済と保健は
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
だいたいのところ同じ割合で変化しています
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
しかし経済より保健が先に来る場合に 動きがずっと速いのが分かります
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
それが良くわかるように アラブ首長国連邦を加えてみましょう
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
資源の豊かな国です 石油でお金はできましたが
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
健康をスーパーマーケットで買うことはできません
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
健康に投資し 子どもたちを学校で教えなければなりません
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
医療スタッフを育て 国民を教育しなければなりません
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
首長ザーイドはこれをかなりうまくやりました
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
石油価格の下落にも関わらず この国をここまで引き上げたのです
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
だから世界の主流の状況としては
13:43
where all countries tend to use their money
195
798000
2000
各国は昔に比べて
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
お金をうまく使うようになっています
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
これは各国をその平均で見た場合です
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
でも平均データを使うのは危険があります
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
国の中にも大きな差があるからです これを見ると
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
現在のウガンダは 1960年に韓国がいた場所にいます
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
ウガンダを分けると 国内に大きな差があります
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
ウガンダで最も富裕な20%がここ
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
最も貧しい層はここです 南アフリカを分けるとこんな感じです
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
最近ひどい飢饉のあったニジェールを見てみましょう
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
ニジェールの最貧の20％はここで
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
南アフリカの最も豊かな20％はここです
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
それなのに私たちは アフリカに対する解決策は どうあるべきかと議論しています
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
アフリカには世界の全てがあります
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
HIV対策について こっちの20%と一緒の議論を
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
こっちの20%にはできないのです
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
世界の改善は それぞれのコンテキストに合わせる必要があり
15:00
on regional level. We must be much more detailed.
212
875000
3000
大きな地域でくくるのは不適切です 細かくやらなきゃいけません
15:03
We find that students get very excited when they can use this.
213
878000
4000
このツールを使わせると 学生がとてもワクワクするのに気づきました
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
政策立案者や企業もまた 世界の変化を知りたがっています
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
ではなぜ それが実現しないのでしょう？
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
なぜ 既に持っているデータを使おうとしないのか？
15:20
in the national statistical agencies
217
895000
2000
国連も 国の統計機関も
15:22
and in universities and other non-governmental organizations.
218
897000
4000
大学も その他の非政府組織も データを持っているというのに
15:26
Because the data is hidden down in the databases.
219
901000
2000
それはデータが隠されているからです
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
一般の人々が使えるインターネットがあるというのに データは有効に使われていません
15:33
All that information we saw changing in the world
221
908000
3000
私たちが見てきた 世界の変化を示す情報に
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
公的にアクセスできるものはありません ある種のウェブページはあります
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
データベースから養分を取っているわけですが
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
高い値段を付け 変なパスワードをかけ 退屈な統計データを表示するだけです
15:51
(Laughter) (Applause)
225
926000
3000
（笑と拍手）これではうまくいきません
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
何が必要なのか？ データベースはあります 新しいデータベースが
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
必要なわけではありません 素晴らしいデザインツールもあり
16:02
and more and more are added up here. So we started
228
937000
3000
どんどん増えています ですから私たちは
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
データをデザインに結び付ける 非営利のベンチャーを始めました
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
Gapminderです ロンドン地下鉄の“MIND THE GAP”
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
(隙間にご注意ください)から名前を取りました
16:16
And we started to write software which could link the data like this.
232
951000
4000
私たちはデータをつなげられる ソフトを作り始めました
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
そんなに難しくはありません 数人年です それでデータを引き出し
16:26
You can take a data set and put it there.
234
961000
2000
アニメーションできるようになりました
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
いくつか国連機関のデータも解放しました
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
いくつかの国は データを世界に公開することに同意しています
16:37
but what we really need is, of course, a search function.
237
972000
3000
しかし本当に必要なのは検索機能です
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
データを検索可能な形にして公開し 自由に検索できるようにしなければなりません
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
そのために世界を回って どんな言葉を耳にするでしょう？
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
私は統計機関の人類学に詳しくなりました みんな同じことを言います
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
“不可能です うちの情報は特殊ですから”
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
“よそのデータのように検索可能にするのは無理です”
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
“学生や世界の起業家に データを無料で提供はできません”
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
しかし私はそうしたいのです
17:08
The publicly-funded data is down here.
245
1003000
3000
公的資金によるデータがここにあり
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
それがネット上で花開くのを見たいのです
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
肝心なのは データを検索可能にし 様々なデザインツールを使い
17:19
the different design tool to animate it there.
248
1014000
2000
絵として見られるようにすることです
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
良い報せがあります 国連統計局の新局長は
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
不可能だとは言いません 彼はただ
17:30
He only says, "We can't do it."
251
1025000
2000
“我々には無理です”と言うだけです
17:32
(Laughter)
252
1027000
4000
（笑）
17:36
And that's a quite clever guy, huh?
253
1031000
2000
なかなか頭の良い人ですよね？
17:38
(Laughter)
254
1033000
2000
（笑）
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
今後数年で データの方面で 多くのことが起こるでしょう
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
所得分布を まったく違った方法で見られるようになるでしょう
17:48
This is the income distribution of China, 1970.
257
1043000
5000
紫は1970年の中国の所得分布で
17:54
the income distribution of the United States, 1970.
258
1049000
5000
水色は1970年の米国の所得分布です
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
ほとんど重なりはありません その後どうなったでしょう？
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
こうなります 中国は成長し 平等ではなくなっていきます
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
そしてこのような位置に 米国のすぐ背後に迫っています
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
なんだか お化けのようですね
18:14
(Laughter)
263
1069000
2000
（笑）
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
結構怖い感じです このような情報を持つのは大変重要だと思います
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
本当に見る必要があります 最後に
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
1000人当たりの インターネットユーザ数を ご覧いただきましょう
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
このソフトを使うと 世界の国々の500種のデータに 容易にアクセスできます
18:42
It takes some time to change for this,
268
1097000
4000
画面の切り替えに若干時間がかかりますが
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
縦軸と横軸に 好きなデータを選択できます
18:51
And the thing would be to get up the databases free,
270
1106000
5000
必要なのはデータベースを無料化し 検索可能にすることで
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
そうすれば クリックするだけで
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
グラフに変えて 即座に理解できるようになります
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
統計学者はこういうのを気に入りません
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
現実を表していないと言います 統計的 分析的手法を使うべきだと言います
19:16
But this is hypothesis-generating.
275
1131000
3000
しかし これで仮説生成ができるのです
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
インターネットが現れ インターネットにアクセスする
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
ユーザ数が増えていきます 横軸は1人当たりのGDPです
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
新しく登場した技術ですが それが驚くほど
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
国の経済力に対応しています だからこそ100ドルPCが
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
重要なのです ここには良い傾向が見えます
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
世界がフラットになっているかのようです
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
これらの国々は 経済以上に上昇しており
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
今後どうなるか興味深いところです みんながすべての公的データを
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
使えるようになることを願っています
19:53
(Applause)
285
1168000
3000
（拍手）
Reviewed by Yasushi Aoki
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