TED2006
Hans Rosling: The best stats you've ever seen
한스 로슬링이 이제껏 보지 못했던 최고의 통계를 보여준다.
Filmed:
Readability: 3.6
14,386,844 views
이 같은 데이터를 본 적이 없을 것이다. 드라마틱한 이야기 전개와 스포츠 캐스터 같은 열의있는 발표를 통해, 통계 전문가 한스 로슬링이 소위 말하는 개발 도상국에 관한 통계를 완전 해부한다.
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
한 10년쯤 전, 스웨덴의 학부 학생들에게 국제 개발을 가르치는
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
임무를 수행한 적이 있었습니다. 아프리카에서 기아를 연구하는
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
아프리카 기관들과 약 20년을 함께 보낸 후였습니다.
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
그래서 제가 세계에 대해 좀 알고 있을 것이라는 기대를 받고 있었지요.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
저는 카로린스카 의학연구소 의대에서
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
국제 보건이라는 학부 과목을 가르치기 시작했습니다. 하지만
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
그 기회를 얻게 되자, 좀 불안해졌습니다. 제 강의를 들으러 오는
00:53
coming to us actually have the highest grade you can get
7
28000
3000
이 학생들이 스웨덴 대학 제도에서 받을 수 있는 최고 학점을 받는
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
학생들이라고 생각했고, 제가 가르치려고 하는 모든 것을
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
알고 있을 것 같았습니다. 그래서 학생들이 오자 사전 시험을 보았지요.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
제가 많은 것을 배웠던 문제들 중 하나는 이것이었습니다.
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
다음 다섯 쌍 중 어린이 사망률이 가장 높은 나라는?
01:10
And I put them together, so that in each pair of country,
12
45000
4000
그리고 저는 다섯 쌍의 나라들을 짜맞춰서, 각 쌍의 나라마다
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
한 쪽 나라가 다른 쪽 나라의 어린이 사망률의 두 배가 되도록 했습니다.
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
데이터의 불확실성보다 차이가 훨씬 더 크도록 말입니다.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
여러분에게 이 시험을 드리지는 않겠습니다. 그 중
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
어린이 사망률이 가장 높은 나라는 터키입니다. 그리고 스웨덴 학생들의
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
결과는 폴란드, 러시아, 파키스탄, 남아프리카였습니다. 그렇게 해서
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
아주 가까스로 얻어진 자신감 차이였지만 그래도 이렇게 저는 자신감 차이를 얻어냈고 당연히 저는 행복했죠.
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
정답은 가능한 다섯 개 중 1.8개였습니다.
01:41
there was a place for a professor of international health --
20
76000
3000
이 말은 국제 보건 교수를 위한 자리가 있다는 뜻이었습니다.
01:44
(Laughter) and for my course.
21
79000
2000
(웃음)그리고 제 강의를 위해서도요.
01:46
But one late night, when I was compiling the report
22
81000
4000
하지만 어느날 밤 늦게, 보고서를 종합하고 있었을 때
01:50
I really realized my discovery. I have shown
23
85000
4000
저는 정말로 중대한 사실을 깨달았습니다.
01:54
that Swedish top students know statistically significantly less
24
89000
5000
스웨덴의 최우수 학생들이 통계적으로 볼 때 침팬지에 비해 세계에 대해
01:59
about the world than the chimpanzees.
25
94000
2000
아는 것이 훨씬 적다는 것이었습니다.
02:01
(Laughter)
26
96000
2000
(웃음)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
왜냐하면, 제가 스리랑카, 터키와 함께 바나나 두 개를 침팬지에게
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
준다면, 침팬지는 반은 맞출 것이기 때문입니다.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
하지만 학생들은 그렇지 않았지요. 제게 있어서 문제는 무지가 아니었습니다.
02:14
it was preconceived ideas.
30
109000
3000
그것은 편견이었습니다.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
저는 카로린스카 의학연구소 교수들에 대해서도 비윤리적인 연구를 했지요.
02:21
(Laughter)
32
116000
1000
(웃음)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
노벨의학상을 수여하는 분들인데,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
그 분들도 그 침팬지들과 똑같은 수준이 되었지요.
02:26
(Laughter)
35
121000
3000
(웃음).
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
이 대목에서 저는 정말 커뮤니케이션이 필요하다는 것을 깨달았습니다.
02:33
because the data of what's happening in the world
37
128000
3000
세계에서 일어나고 있는 일의 데이터와
02:36
and the child health of every country is very well aware.
38
131000
3000
각 나라의 어린이 건강은 아주 잘 알려져 있습니다.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
우리는 이 소프트웨어로 이런 식의 표시를 했습니다. 여기의 방울 하나 하나가 나라입니다.
02:44
This country over here is China. This is India.
40
139000
6000
여기 이 나라는 중국입니다. 이건 인도입니다.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
이 방울의 크기는 인구입니다. 여기 이 축에는 출산율을 표시합니다.
02:56
Because my students, what they said
42
151000
3000
제 학생들이 세계를 바라보고 있을 때,
02:59
when they looked upon the world, and I asked them,
43
154000
2000
제가 이렇게 물었습니다.
03:01
"What do you really think about the world?"
44
156000
2000
"얘들아, 세계에 대해 어떻게 여기니?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
글쎄요. 제가 처음 알게 된 건 교과서가 틴틴이라는 것이었죠.
03:07
(Laughter)
46
162000
1000
(웃음)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
학생들은 이렇게 대답하더라구요. "세계는 아직도 '우리'와 '그들'이죠.
03:11
And we is Western world and them is Third World."
48
166000
3000
우리는 서방 세계이고 그들은 제 3진국가들이지요."
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
전 "서방 세계는 무슨 뜻이지?"라고 물었습니다.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"글쎄 뭐. 수명이 길고 가족수는 적은 거요. 제3진국가들은 수명이 짧고 가족수가 많은거구요."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
그래서 여기에 이것을 표시하게 되었습니다. 출산율이요. 여성당 자녀수,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
하나, 둘, 셋, 넷, 여성당 최고 약 여덟명의 자녀까지 있습니다.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
우리는 1962년 이래, 1960년경부터, 모든 나라의 가족 크기에 대한 아주 훌륭한 데이터를 보유하고 있습니다.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
오차 한계는 좁습니다. 여기에는 출생시 기대 수명을 표시합니다.
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
어떤 나라들은 30세이고, 최고 약 70세까지 있습니다.
03:45
And 1962, there was really a group of countries here
56
200000
3000
그리고 1962년, 여기에도 일단의 나라들이 있었습니다.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
산업화된 나라들이었고, 가족수가 적고 수명이 길었지요.
03:53
And these were the developing countries:
58
208000
2000
이 나라들은 개발도상국들이었습니다.
03:55
they had large families and they had relatively short lives.
59
210000
3000
가족수는 많고 상대적으로 수명이 짧았습니다.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
1962년 이래로 어떤 일이 일어났을까요? 어떤 변화가 있었는지 궁금하시죠?
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
학생들이 맞을까요? 여전히 두 종류의 나라들이었을까요?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
아니면 이 개발도상국들은 가족수가 적어지고 여기에 살고 있을까요?
04:09
Or have they got longer lives and live up there?
63
224000
2000
아니면 수명이 더 길어지고 저 위에 살고 있을까요?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
자, 봅시다. 거기서 세계를 멈췄습니다. 이것은 모두
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
이용 가능한 유엔 통계입니다. 여기 있습니다. 거기서 보이시나요?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
저기가 중국입니다. 건강이 좋아지고, 향상되고 있군요.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
초록색 라틴 아메리카 국가들은 모두 가족수가 더 적어지고 있습니다.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
여기 노란색들은 아랍 국가들입니다.
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
가족수는 점점 더 늘어나지만, 아니, 수명이 길어지지만, 가족수는 늘지 않는군요.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
아프리카 사람들은 이 아래 초록색입니다. 아직도 여기에 있네요.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
이것은 인도입니다. 인도네시아는 꽤 빨리 움직이고 있네요.
04:36
(Laughter)
72
251000
1000
(웃음)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
여기 1980년대에는, 방글라데시가 여전히 저기 아프리카 국가들 사이에 있습니다.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
하지만 이제, 방글라데시에는 1980년대에 기적이 일어납니다.
04:43
the imams start to promote family planning.
75
258000
3000
이맘이 가족 계획을 권장하기 시작합니다.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
방글라데시는 저 구석으로 올라갑니다. 1990년대에는 끔찍한 HIV가 유행합니다.
04:51
that takes down the life expectancy of the African countries
77
266000
3000
그래서 아프리카 국가들의 기대 수명이 줄어듭니다.
04:54
and all the rest of them move up into the corner,
78
269000
4000
나머지 모든 국가들이 저 구석으로 올라갑니다.
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
수명은 길고 가족수는 적은 곳이지요. 이제 완전히 새로운 세계네요.
05:02
(Applause)
80
277000
13000
(박수)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
미국과 베트남을 직접 비교해 보겠습니다.
05:20
1964: America had small families and long life;
82
295000
5000
1964년: 미국의 가족수는 적고 수명은 깁니다.
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
베트남은 가족수가 많고 수명이 짧습니다. 그리고 이런 일이 생깁니다.
05:29
the data during the war indicate that even with all the death,
84
304000
6000
전쟁 중의 데이터는 그 모든 죽음에도 불구하고
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
기대 수명이 향상되었음을 보여줍니다. 연말까지는,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
베트남에서 가족 계획이 시작되고, 가족수가 더 적어졌습니다.
05:41
And the United States up there is getting for longer life,
87
316000
3000
저 위 미국에서는 수명이 더 길어지고 있고,
05:44
keeping family size. And in the '80s now,
88
319000
3000
가족 수는 그대로 유지되네요. 이제 1980년대에,
05:47
they give up communist planning and they go for market economy,
89
322000
3000
공산주의 계획을 포기하고, 시장 경제로 이행합니다.
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
사회 생활보다 더 빨리 움직입니다. 그리고 오늘날,
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
베트남에서는, 2003년 베트남과 1974년, 종전 무렵, 미국의
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
기대 수명과 가족 수가 똑같습니다.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
데이터를 보지 않는다면, 우리는 모두
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
아시아에서의 엄청난 변화를 과소평가한다고 생각합니다.
06:14
in social change before we saw the economical change.
95
349000
4000
경제적인 변화를 보기 전에 일어난 사회적인 변화였습니다.
06:18
Let's move over to another way here in which we could display
96
353000
5000
이제 세계 소득 분배를 보여줄 수 있는 다른 방법으로 옮겨가 보겠습니다.
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
이것은 사람들의 소득의 세계 분배입니다.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
일당 1달러, 10달러, 또는 100달러입니다.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
부자와 가난한 자 사이에 더 이상 격차가 없습니다. 그것은 신화입니다.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
여기 조그만 언덕이 있네요. 하지만 끝까지 사람들이 있습니다.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
소득이 어디서 끝나는지 보면, 소득은--
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
이것이 세계의 연간 소득 100%입니다. 가장 부유한 20퍼센트,
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
그들이 약 74퍼센트의 소득을 가집니다. 가장 가난한 20퍼센트,
07:01
they take about two percent. And this shows that the concept
104
396000
5000
그들이 약 2퍼센트의 소득을 가집니다. 이것은 개발도상국가라는
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
개념이 극히 의심스럽다는 것을 보여줍니다. 우리는 도움을 생각합니다.
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
여기 이 사람들이 여기 이 사람들에게 도움을 주고 있다고. 하지만, 중간에,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
가장 많은 세계 인구가 있고, 이제 그들이 소득의 24퍼센트를 가집니다.
07:19
We heard it in other forms. And who are these?
108
414000
4000
우리는 이것을 다른 형태로 들어본 적이 있습니다. 이들이 누구입니까?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
다른 나라들은 어디 있습니까? 아프리카를 보여드리지요.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
이것이 아프리카입니다. 세계 인구의 10퍼센트. 대부분이 가난하지요.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
이것이 OECD입니다. 부자 나라지요. 유엔의 컨트리 클럽입니다.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
그리고 이들은 이쪽 여기에 있습니다. 아프리카와 OECD간에 꽤 겹칩니다.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
이것은 라틴 아메리카입니다. 이 땅에 모든 것이 다 있지요.
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
가장 가난한 사람부터 가장 부유한 사람까지, 라틴 아메리카에 있습니다.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
거기에다가, 동유럽, 동아시아가 있습니다.
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
남아시아입니다. 약 1970년으로 돌아가면,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
어떻게 보일까요? 그 때는 언덕이 더 많이 있었네요.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
절대 빈곤 속에 살았던 대부분이 아시아인들이었습니다.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
세계의 문제는 아시아의 가난이었습니다. 지금 세계가 움직여 나가도록 하면,
08:14
you will see that while population increase, there are
120
469000
3000
인구가 증가하는 반면, 아시아에서 수천만명의 사람들이
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
가난에서 빠져나오고, 다른 사람들은 가난에 빠지고 있는 것을
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
볼 수 있습니다. 이것이 오늘날의 패턴입니다.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
세계 은행 최고의 계획은 이것이 일어나는 것입니다.
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
그러면 우리는 분리된 세계에 살지 않을 것입니다. 대부분의 사람들이 가운데 있을 것입니다.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
물론 여기 대수 계산자가 있습니다.
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
하지만, 우리의 경제라는 개념은 퍼센트로 성장하는 것입니다. 그것을 기대합니다.
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
백분위수의 증가 가능성이지요. 이것을 바꾼다면,
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
가족 소득 대신 1인당 국민 소득을 본다면,
08:48
individual data into regional data of gross domestic product,
129
503000
6000
이 개인 데이터를 총가정생산의 지역 데이터로 바꾸고,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
여기 이 지역을 봅니다. 방울의 크기는 여전히 인구를 나타냅니다.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
저기 OECD가 있습니다. 저기에는 사하라 이남 아프리카가 있습니다.
09:01
and we take off the Arab states there,
132
516000
3000
저기서 아랍 국가들이 상승합니다.
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
아프리카와 아시아에서요. 두 개를 떼어 놓습니다.
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
이 축을 확장할 수 있습니다. 여기에 새 차원을 더할 수 있습니다.
09:13
by adding the social values there, child survival.
135
528000
3000
저기에 사회적 가치를 더합니다. 어린이 생존률.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
이제 그 축에 돈을 더합니다. 저기에 어린이들이 생존할 가능성이 있습니다.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
어떤 나라들에서는, 어린이의 99.7퍼센트가 다섯 살까지 밖에 살지 못합니다.
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
다른 나라들에서는 70세까지 삽니다. 여기에서 격차가 있는 것 같습니다.
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
OECD, 라틴 아메리카, 동유럽, 동아시아, 아랍 국가들, 남아시아,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
사하라 이남 아프리카 간에 격차가 있는 것 같습니다.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
어린이 생존률과 돈 사이의 직선이 아주 강합니다.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
하지만 사하라 이남 아프리카를 나눠보겠습니다. 건강은 저쪽, 더 나은 건강은 저 위쪽.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
여기에서부터 시작해서, 사하라 이남 아프리카를 여러 나라들로 나눌 수 있습니다.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
터질 때는, 그 나라 방울의 크기가 인구의 크기입니다.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
이 아래에 시에라 레오네가 있고, 모리셔스는 저 위쪽입니다. 모리셔스는
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
무역 장벽을 철회한 첫번째 나라입니다. 모리셔스는 자국의 설탕을 팔 수 있습니다.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
유럽과 북미 사람들과 같은 조건으로 직물을 팔 수 있습니다.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
아프리카 사이에 거대한 차이가 있습니다. 가나는 여기 중간에 있네요.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
시에라 레오네에서는, 박애주의적인 도움이 있습니다.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
여기 우간다에서는, 개발 지원이 있습니다. 여기, 투자할 시간이군요, 저기,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
휴가 여행을 가실 수 있습니다. 아프리카 내에서는
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
보통 거의 볼 수 없을 정도의 엄청난 다양함이 있습니다. 모든 것이 평등합니다.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
여기 남아시아를 나누겠습니다. 인도는 중간의 큰 방울입니다.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
하지만 아프가니스탄과 스리랑카 사이에는 거대한 격차가 있네요.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
아랍 국가들을 나누겠습니다. 이들은 어떤가요? 같은 기후, 같은 문화,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
같은 종교. 차이가 큽니다. 심지어 이웃들 간에조차도.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
예멘, 시민전쟁. 아랍에미레이트, 돈이 균등하게 잘 사용되고 있었습니다.
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
신화 같지 않네요. 여기에는 그 나라에 있는 모든 외국인 노동자들의 자녀도 포함됩니다.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
데이터가 생각보다 좋을 때도 자주 있습니다. 많은 사람들이 데이터는 나쁘다고 합니다.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
불확실성의 오차가 있지만, 우리는 여기서 그 차이를 볼 수 있습니다.
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
캄보디아, 싱가포르. 데이터의 약함보다
11:11
than the weakness of the data. East Europe:
162
646000
3000
차이가 훨씬 큽니다. 동유럽.
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
오랫동안 소비에트 경제였지만 십년 후에 나옵니다.
11:20
very, very differently. And there is Latin America.
164
655000
3000
아주, 아주 다릅니다. 여기는 라틴 아메리카입니다.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
오늘날, 우리는 라틴 아메리카에서 건강한 나라를 찾아 쿠바에 갈 필요가 없습니다.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
앞으로 몇 년 동안 칠레는 쿠바보다 어린이 사망률이 더 낮을 것입니다.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
여기에는 OECD의 고소득 국가들이 있네요.
11:35
And we get the whole pattern here of the world,
168
670000
4000
그리고 여기서 세계의 전체 패턴을 봅니다.
11:39
which is more or less like this. And if we look at it,
169
674000
5000
대체로 이와 같습니다. 이것을 보면,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
어떻게 보이나 보세요. 1960년의 세계. 움직이기 시작합니다. 1960년.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
이 사람이 마오쩌둥입니다. 중국에 건강을 가져다 주었지요. 그리고 세상을 떠났습니다.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
그 다음에는 덩샤오핑이 나타나 중국에 돈을 가져다 주었지요. 다시 주류로 돌려 놓았습니다.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
나라들이 이렇게 다른 방향으로 어떻게 움직이는지 보았습니다.
12:02
so it's sort of difficult to get
174
697000
4000
세계의 패턴을 보여주는 예가 되는 나라를
12:06
an example country which shows the pattern of the world.
175
701000
5000
찾는 것은 조금 힘듭니다.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
여기 1960년으로 다시 돌아가 보십시다.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
한국, 이것입니다, 한국과 브라질을 비교하고 싶습니다.
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
이것이 브라질입니다. 여기서 저에게는 그 라벨이 사라졌습니다.
12:32
which is there. And I can run it forward, like this.
179
727000
5000
저기 있는 우간다를 비교하고 싶습니다. 이렇게 앞으로 달리게 할 수 있습니다.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
한국이 아주 아주 빨리 전진하고 있는 것을 보실 수 있지요.
12:46
whereas Brazil is much slower.
181
741000
3000
반면 브라질은 훨씬 더 느립니다.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
다시 여기로 돌아오면, 이렇게 흔적을 남깁니다.
12:55
you can see again that the speed of development
183
750000
4000
다시 한 번 그 발전의 속도가
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
아주 아주 다르다는 것을 보실 수 있지요. 대체로 나라들은
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
돈과 건강이 같은 비율로 움직이고 있습니다. 하지만,
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
먼저 부유한 것보다 먼저 건강하면 훨씬 더 빨리 움직일 수 있는 것 같습니다.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
그것을 보려면, 아랍에미레이트가 가는 길을 보면 됩니다.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
여기서 부터 시작했죠. 광물 국가지요. 석유도 잔뜩 있고,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
돈도 잔뜩 있습니다. 하지만, 건강은 수퍼마켓에서 살 수 있는 게 아니지요.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
건강에는 투자를 해야 합니다. 아이들에게 학교 공부를 시켜야 하지요.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
건강 담당 직원을 훈련시켜야 합니다. 인구를 교육시켜야 합니다.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
시크 사예드는 꽤 훌륭한 방법으로 그렇게 했습니다.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
석유 가격은 떨어졌지만, 나라를 여기까지 올려놓았습니다.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
그래서 우리는 훨씬 더 주류스러운 세계의 모습을 갖고 있습니다.
13:43
where all countries tend to use their money
195
798000
2000
모든 나라는 과거보다는 지금 돈을 더 잘
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
활용하는 것 같습니다.
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
나라들의 평균 데이터를 보시면, 이렇습니다.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
이제 평균 데이터를 사용하는 것은 위험합니다. 왜냐하면,
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
나라마다 내부적으로 큰 차이가 있기 때문입니다. 여기에 가서 보면,
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
오늘날의 우간다가 한국이 1960년에 있던 자리에 있는 것을 보실 수 있습니다.
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
우간다를 나누면, 우간다 내에도 꽤 차이가 존재합니다. 이것은 우간다의 5분위수입니다.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
우간다 사람들 중 가장 부유한 20퍼센트가 저기 있습니다.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
가장 가난한 사람들은 저 아래 있습니다. 남아프리카를 나누면, 이렇습니다.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
니제르로 내려가서 보면, 끔찍한 기근이 있었는데,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
마지막으로, 이렇습니다. 니제르의 가장 가난한 20퍼센트가 여기 있습니다.
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
남아프리카에서 가장 부유한 20퍼센트가 저기 있습니다.
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
하지만 우리는 아프리카에서 어떤 해결책이 있어야 하는지를 논의하곤 합니다.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
이 세상의 모든 것이 아프리카에 존재합니다. 그리고
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
여기 4분위수를 위해 저 아래에서와 똑같은 전략으로
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
HIV 약품에 대한 보편적인 접근을 논의할 수는 없습니다.
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
세계의 향상은 극히 문맥화되어야 합니다. 지역 수준에서
15:00
on regional level. We must be much more detailed.
212
875000
3000
보는 것은 중요하지 않습니다. 우리는 훨씬 더 구체적이어야 합니다.
15:03
We find that students get very excited when they can use this.
213
878000
4000
학생들이 이것을 사용할 수 있어서 아주 흥분하는 것을 봅니다.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
훨씬 더 많은 정책 입안자들과 기업 부문에서
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
세계가 어떻게 변화하고 있는지 보고 싶어합니다. 이제 왜 이런 일이 생기지 않을까요?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
왜 우리는 우리가 가지고 있는 데이터를 사용하지 않고 있을까요?
15:20
in the national statistical agencies
217
895000
2000
우리는 유엔과 국립 통계 대행사, 대학, 그 밖에 다른 비정부 조직들의
15:22
and in universities and other non-governmental organizations.
218
897000
4000
데이터를 가지고 있습니다.
15:26
Because the data is hidden down in the databases.
219
901000
2000
데이터가 데이터베이스 아래에 숨어 있기 때문에
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
일반 대중도 거기 있고, 인터넷도 거기 있지만, 아직 효과적으로 사용하지 못합니다.
15:33
All that information we saw changing in the world
221
908000
3000
우리가 세상에서 본 변화하는 모든 정보는
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
공적으로 기금을 지원받는 통계를 포함하지 않습니다. 이와 같은
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
웹페이지가 약간 있지만, 데이터베이스 밑바닥을 긁어 영양가를 좀 취할 수 있지만,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
사람들은 거기에, 바보같은 비밀번호에, 지루한 통계에 가격을 매깁니다.
15:51
(Laughter) (Applause)
225
926000
3000
(웃음).(박수).
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
이런 방법은 효과가 없습니다. 그러면 어떻게 해야 합니까? 우리는 데이터베이스가 있습니다.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
여러분이 필요한 것은 새 데이터베이스가 아닙니다. 우리는 멋진 디자인 도구를 가지고 있습니다.
16:02
and more and more are added up here. So we started
228
937000
3000
그리고 여기에 점점 더 많은 것들이 추가됩니다. 그래서 우리는
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
데이터를 디자인에 연결해주는, 갭마이너라고 부르는
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
비영리 벤처기업을 시작했습니다. 런던 지하철에서부터 시작했지요.
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
런던 지하철에서는 "간격이 떨어져 있으니 조심하세요."라고 경고해줍니다.
16:16
And we started to write software which could link the data like this.
232
951000
4000
그래서 갭마인더가 적당하다고 생각했습니다. 그리고 이것처럼
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
데이터를 연결할 수 있는 소프트웨어를 만들기 시작했습니다. 어렵지 않았어요.
16:26
You can take a data set and put it there.
234
961000
2000
몇 인-년이 걸렸고, 우리는 애니메이션을 제작했습니다.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
우리는 유엔 데이터와 몇몇 유엔 조직을 해방시키고 있습니다.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
어떤 나라들은 그들의 데이터베이스가 세계로 나갈 수 있도록 허락해주지만,
16:37
but what we really need is, of course, a search function.
237
972000
3000
우리가 정말로 필요한 것은, 물론, 검색 기능입니다.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
데이터를 검색 가능한 형식으로 복사할 수 있는 검색 기능을
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
세상에 내보내는 것입니다. 우리가 돌아다닐 때 무슨 얘기를 들을까요?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
저는 주 통계부서에서 인류학을 다룬 적이 있습니다. 누구나 말하지요.
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"불가능해요. 이건 불가능해요. 우리 정보는 세부 사항이 너무
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
특이해서 다른 데이터들이 검색되는 것처럼 검색될 수 없습니다.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
학생들에게, 세계의 기업가들에게 무료로 데이터를 줄 수는 없어요."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
그러나 이것이 우리가 보고 싶어하는 것이지요, 그렇지 않습니까?
17:08
The publicly-funded data is down here.
245
1003000
3000
공적으로 기금 지원을 받은 데이터가 여기 있습니다.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
우리는 네트에서 꽃처럼 자라게 하고 싶습니다.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
핵심적인 포인트 중 하나는 데이터를 검색 가능하게 만드는 것, 그리고 나서
17:19
the different design tool to animate it there.
248
1014000
2000
사람들이 다른 디자인 도구를 이용하여 거기서 애니메이션을 만들 수 있도록 하는 것입니다.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
여러분께 꽤 좋은 소식이 있습니다. 현 신임 유엔 통계청장은
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
불가능하다고 말하지 않았다는 좋은 소식을 알려드립니다.
17:30
He only says, "We can't do it."
251
1025000
2000
다만, "우리는 할 수 없습니다."라고만 말했지요.
17:32
(Laughter)
252
1027000
4000
(웃음).
17:36
And that's a quite clever guy, huh?
253
1031000
2000
상당히 영리하신 분이죠?
17:38
(Laughter)
254
1033000
2000
(웃음)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
그래서 우리는 앞으로 몇 년 동안 데이터에서 수많은 일들이 일어나는 것을 볼 수 있습니다.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
완전히 새로운 방법으로 소득 분배를 볼 수 있을 것입니다.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
이것은 1970년 중국의 소득 분배입니다.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
1970년 미국의 소득 분배입니다.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
거의 겹치는 부분이 없습니다. 무슨 일이 일어났을까요?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
이런 일이 있었습니다. 중국은 성장하고 있습니다. 더 이상 그렇게
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
평등하지 않고, 미국을 힐끗 보며 여기에서 나타나고 있습니다.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
거의 유령 같습니다. 그렇지요?
18:14
(Laughter)
263
1069000
2000
(웃음)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
꽤 섬찟한 일입니다. 하지만 이 모든 정보를 갖고 있는 것이 상당히 중요하다고 생각합니다.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
우리는 정말로 이 정보를 볼 필요가 있습니다. 이것을 보는 대신,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
1:00명당 인터넷 사용자들을 보여드리고 싶습니다.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
이 소프트웨어에서, 우리는 모든 나라들로부터의 약 500개의 변수들에 꽤 쉽게 접속합니다.
18:42
It takes some time to change for this,
268
1097000
4000
이것을 바꾸는데는 시간이 좀 걸리지만
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
축 위에서, 원하는 어떤 변수든 쉽게 볼 수 있습니다.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
데이터베이스가 무료이고,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
검색이 가능하고, 두번째 클릭으로, 정보를
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
그래픽 형식으로 옮길 수 있어, 즉시 정보를 이해할 수 있을 것입니다.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
지금, 통계학자들은 이것을 좋아하지 않습니다. 이것이 현실을 보여주지 않는다고
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
말합니다. 우리는 통계학적, 분석학적 방법을 갖고 있어야 합니다.
19:16
But this is hypothesis-generating.
275
1131000
3000
그러나 이것은 가설을 생성해 줍니다.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
이제 세계로 끝납니다. 거기에서, 인터넷이 들어옵니다.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
인터넷 사용자들의 수는 이렇게 올라가고 있습니다. 이것이 1인당 국민소득입니다.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
신기술이 도입되고 있지만, 그 다음에는 놀랍게도,
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
여러 나라들의 경제에 얼마나 잘 들어맞는지요. 이것이 바로
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
100달러짜리 컴퓨터가 그렇게 중요한 이유가 될 것입니다. 하지만 좋은 경향입니다.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
세계가 경사가 점점 완만해져서 평평하게 되고 있는 것 같지 않습니까?
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
이 나라들은 경제보다 훨씬 더 올라가고 있고, 앞으로 계속 추적해 보면
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
아주 재미있을 것입니다. 여러분이 공적인 기금의 지원을 받는
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
데이터와 함께 하실 수 있기를 바랍니다. 대단히 감사합니다.
19:53
(Applause)
285
1168000
3000
(박수)
Reviewed by John Lynch
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