TED2006
Hans Rosling: The best stats you've ever seen
Өмнө нь харж байгаагүй хамгийн сайн статистик мэдээллийг Ханс Рослинг үзүүлж байна
Filmed:
Readability: 3.6
14,386,844 views
Ийм сайн харуулсан мэдээллийг өмнө нь та хараагүй бизээ. Спортын тэмцээн мэт хурдтай, яаран догдлох сэтгэгдэл төрүүлэм тайлбарын хамт Статистикийн мастер Ханс Рослинг "хөгжиж буй ертөнц" хэмээх орнуудын талаарх ташаа мэдээллийг залруулж байна.
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-д жилийн өмнө дэлхий дахины хөгжлийн байдлаар Шведийн оюутнуудад
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
хичээл заах үүрэг надад оногдсон юм. Тэр үед би
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
Африкийн институциудтай хамтран Африк дахь өлсгөлөнгийн талаар 20-иод жил судалгааны ажил хийчихсэн байлаа.
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
Тиймээс энэ ертөнцийн талаар намайг бага боловч мэддэг гэсэн хүлээлт байсан байх л даа.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
За тэгээд Анагаах ухааны Их сургууль Каролинска Институтад
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
Дэлхийн Эрүүл Мэнд гэдэг хичээл зааж эхлэв. Гэхдээ
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
иймэрхүү үед хүн сандардаг юм байна. За тэгээд
00:53
coming to us actually have the highest grade you can get
7
28000
3000
энэ оюутнууд чинь Шведийн боловсролын тогтолцоонд хамгийн өндөр оноо авч
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
орж ирсэн хүмүүс- тиймээс миний заах гэж байгаа бүгдийг
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
мэдэж байж магад гэж бодлоо. Тэгээд мэдлэгийн түвшинг нь шалгах санаатай нэг тест авав.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Нэг асуултаас би маш их зүйлийг сурч авсан юм.
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Эдгээр хоёроор нь хамт жагсаасан улсуудаас аль нь хүүхдийн эндэгдэлээр хамгийн өндөр үзүүлэлттэй вэ?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Улсуудыг хоёр хоёроор нь ангилахдаа би
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
нэг нь нөгөөгөөсөө 2 дахин их үзүүлэлттэй байхаар жагсаав.
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
Мэдээлэл тодорхойгүй байснаас ингэх нь хавьгүй илүү давуу талтай юм.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Мэдлэгийг чинь шалгах гээгүй юм шүү. Гэхдээ энэ Турк улс
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
хамгийн өндөр үзүүлэлтэй, Польш, Орос, Пакистан, Өмнөд Африк байна.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
За энэ Шведийн оюутнуудын дүн. Энэ шалгалтыг би
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
өөртөө итгэлтэй байхын тулд авсан юм л даа...тэгээд ч үр дүнд нь баяртай байлаа.
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
5 зөв хариултаас 1.8-ийг нь хариулсан байна гэдэг чинь мэдээж
01:41
there was a place for a professor of international health --
20
76000
3000
олон улсын эрүүл мэнд заах профессорын хувьд хичээлийн орон зай байна гэсэн үг шүү дээ.
01:44
(Laughter) and for my course.
21
79000
2000
(инээв) миний хичээлийн хэрэгцээ байна гэсэн үг.
01:46
But one late night, when I was compiling the report
22
81000
4000
Нэг орой тайлангаа дуусгахаар сууж байхдаа
01:50
I really realized my discovery. I have shown
23
85000
4000
гэнэт нэг зүйлийг ухаарлаа. Би чинь
01:54
that Swedish top students know statistically significantly less
24
89000
5000
Шведийн хамгийн сайн оюутнуудын дэлхийн талаарх мэдлэг
01:59
about the world than the chimpanzees.
25
94000
2000
статистикийн хувьд шимпанзе сармагчингаас ч бага гэдгийг харуулсан байна шүү дээ.
02:01
(Laughter)
26
96000
2000
(инээв)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Учир нь шимпанзе сармагчинд би Шриланка болон Турк улс бүрт
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
хоёр банана жимс өгвөл тэд хагасыг нь зөв хариулна шүү дээ. Яг хагасыг нь.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Гэхдээ оюутнууд тэнд байхгүй л дээ. Миний хувьд асуудал хайхрамжгүй байсандаа биш юм.
02:14
it was preconceived ideas.
30
109000
3000
Урьдаас тогтчихсон ойлголт санаанд учир нь байгаа юм.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
За тэгээд би Каролинска Институцын багш нарын дунд нэг ёс зүйгүй судалгаа явуулав.
02:21
(Laughter)
32
116000
1000
(инээв)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- тэр нь Анагаах Ухааны салбарт Нобелийн Шагнал авчирдаг юм байна.
02:24
and they are on par with the chimpanzee there.
34
119000
2000
За тэр энд шимпанзетэй харцуулсан ч болно.
02:26
(Laughter)
35
121000
3000
(инээв)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Эндээс л би харилцаа холбоо хачин их хэрэгтэй байгаа юм байна гэдгийг ухаарсан юм.
02:33
because the data of what's happening in the world
37
128000
3000
Учир нь дэлхий дахинаа чухам ямар үйл явдал болж байгаа
02:36
and the child health of every country is very well aware.
38
131000
3000
болон улс бүрийн хүүхдийн эрүүл мэндийн талаарх мэдээлэл хангалттай байна.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Бид энэ харагдаж байгаа програмыг хийсэн юм: бөмбөлөг бүр нэг улсыг төлөөлнө
02:44
This country over here is China. This is India.
40
139000
6000
Энд байгаа улс бол Хятад. Энэ бол Энэтхэг.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Бөмбөлөгний хэмжээ хүн амын тоог харуулна. Энэ тэнхлэг дээр нөхөн үржихүйн түвшинг оруулсан.
02:56
Because my students, what they said
42
151000
3000
Учир нь манай оюутнууд дэлхийн зураг хараад
02:59
when they looked upon the world, and I asked them,
43
154000
2000
юу гэж хэлсэн гээч. Би уул нь ингэж асуусан юм л даа,
03:01
"What do you really think about the world?"
44
156000
2000
"За та нар дэлхийн талаар юу гэж бодож байна даа?"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Үнэндээ, тэр сурах бичиг нь Тинтин байсан гэдгийг эхлээд би олж тогтоов.
03:07
(Laughter)
46
162000
1000
(инээв)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
За тэгээд оюутнууд "Дэлхий бол "бид" ба "тэд" гэж хуваагдсан хэвээр,
03:11
And we is Western world and them is Third World."
48
166000
3000
Бид гэдэг нь Барууны ертөнц, тэд гэдэг нь Гуравдагч ертөнц" гэдэг юм байна.
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"Барууны ертөнц гэдэг чинь юу вэ?" гэж би асуулаа.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"За, тэр бол урт наслалт, жижиг гэр бүл гэсэн үг. Харин Гуравдагч ертөнц гэдэг бол богино наслалт, том гэр бүл гэсэн үг" гэлээ.
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Тэрнийг би энд үзүүлж чадна. Энд нөхөн үржихүйн түвшинг оруулсан: нэг эмэгтэйд оногдох хүүхдийн тоо
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
нэг, хоёр, гурав, дөрөв, нэг эмэгтэйд 8 хүртэлх хүүхэд байхаар
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
1960, 1962 оноос хойшхи улс бүрийн гэр бүрийн хэмжээний талаарх мэдээлэл бол хангалттай сайн байгаа шүү.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Алдааны хязгаар бол нэлээд бага. Энд дундаж наслалт оруулсан
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
зарим орнуудад 30 жил байхад зарим нь 70 хүртэл байна.
03:45
And 1962, there was really a group of countries here
56
200000
3000
1962 онд, хэсэг бүлэг улс орнууд байна.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
энэ бол аж үйлдвэржсэн орнууд, тэд жижиг гэр бүл, урт наслалттай байна.
03:53
And these were the developing countries:
58
208000
2000
энд хөгжиж буй орнууд:
03:55
they had large families and they had relatively short lives.
59
210000
3000
тэд том гэр бүл, богино наслалттай байна.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
За одоо 1962 оноос хойш юу болж вэ? Бид өөрчлөлтийг хармаар байна.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Оюутнуудын зөв үү? Одоо болтол 2 төрлийн улс орнууд гэж хуваагдсан хэвээр гэж үү?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
эдгээр хөгжиж буй орнууд жижиг гэр бүлтэй болоод энд амьдарч байна уу?
04:09
Or have they got longer lives and live up there?
63
224000
2000
эсвэл тэд урт наслалттай болоод энд байна уу?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Харцгаая л даа. Дэлхийг энд зогсоочихсон байна. Энэ бол бүгд НҮБ-ын статистик мэдээллүүд.
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
одоогоор байгаа. За эхэлцгээе. За харцгааж байна уу?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Энэ бол Хятад байна, эрүүл мэндийн хувьд сайжирсаар, ахисаар байна
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Энэ бүх ногоон бол Латин Америкийн орнууд улам бүр жижиг гэр бүлтэй болж байна.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Энд байгаа шар бол Арабын улсууд
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
Тэд том гэр бүлтэй шүү дээ, гэтэл үгүй ээ тэд урт наслалттай болж байна гэхдээ гэр бүл нь томорсонгүй.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Африкийн улсууд бол энэ доор байгаа ногоон.Тэд эндээ хэвээр үлдэж байна.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Энэ бол Энэтхэг. Индонез үнэндээ хурдан хөдөлж байна.
04:36
(Laughter)
72
251000
1000
(инээв)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
За тэгээд 80-аад оны үед, Бангладеш Африкийн орнуудын дунд тэнд байсаар байна.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Гэтэл одоо, Бангладеш --хараач 80-д онд гайхалтай явдал болжээ
04:43
the imams start to promote family planning.
75
258000
3000
Исламын удирдагч нар гэр бүл төлөвлөлтийг дэмжиж эхэлжээ.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Тэд энэ булан хүртэл явж байна. За 90-д оны үед бид ДОХ-ын аюулт тахалд нэрвэгдэв.
04:51
that takes down the life expectancy of the African countries
77
266000
3000
тэрнээс болж Африкийн улсууд дахь дундаж наслалт буурлаа.
04:54
and all the rest of them move up into the corner,
78
269000
4000
бусад улсууд бүгд тэр буланруу дээш явж байна.
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
за тэгээд бид урт наслалт, жижиг гэр бүлтэй боллоо. Бид маш өөр дэлхий ертөнцтэй болж шүү дээ.
05:02
(Applause)
80
277000
13000
(алга ташилт)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
За Америк, Вьетнам хоёрыг шууд харьцуулж үзье л дээ.
05:20
1964: America had small families and long life;
82
295000
5000
1964 онд: Америк жижиг гэр бүл, урт наслалттай байжээ.
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Харин Вьетнам том гэр бүл, бонгино наслалттай байв. За энэ юу болж байгааг харуулж байна.
05:29
the data during the war indicate that even with all the death,
84
304000
6000
хичнээн дайны үе байгаад үхэл хагацал их байсан ч
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
дундаж наслалт дээшилсэн байна. Жилийн сүүлрүү
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
Вьетнамд гэр бүл төлөвлөлт хэрэгжиж эхлэв, тэгээд тэд жижиг гэр бүлтэй болж байна.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Америкийн Нэгдсэн Улс тэр дээр улам бүр урт наслалттай болсоор
05:44
keeping family size. And in the '80s now,
88
319000
3000
гэр бүлийн хэмжээ хэвээр. За одоо 80-д оны үед
05:47
they give up communist planning and they go for market economy,
89
322000
3000
Вьетнам коммунист төлөвлөлтийг халж зах зээлийн эдийн засагт шилжив.
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
Тэд бүр илүү хурдан хөдөлгөөнд орлоо. За одоо тэгвэл бид
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
Вьетнамд адилхан дундаж наслалт, адилхан гэр бүлийн хэмжээтэй болжээ.
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
Энд 2003 оны Вьетнам улс 1974 оны дайны дараах АНУ-тай адил түвшинд очсон байна.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Хэрвээ бид эдгээр тоон мэдээллийг харахгүй бол
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
Ази тивд болсон агуу их өөрчлөлийг дутуу үнэлэх байлаа
06:14
in social change before we saw the economical change.
95
349000
4000
бидний мэдэх эдийн засгийн өөрчлөлтөөс өмнө нийгмийн өөрчлөлт болж шүү дээ.
06:18
Let's move over to another way here in which we could display
96
353000
5000
За одоо бас нэг өөр зүйл үзүүлье
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
дэлхийн орлогын хувиарлалт. Энэ бол хүмүүсийн орлогын хувиарлалт
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
өдөрт нэг доллар, 10 доллар эсвэл 100 доллар
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Баян, ядуугийн ялгаа гэж байхаа больсон. Тэр чинь ташаа ойлголт.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Энд нэг жижигхэн дов байна. Гэхдээ л ихэнх хүмүүс ийшээ байна.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Хаана орлого дуусаж вэ гэдгийг харах юм бол -- орлого--
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
Энэ бол дэлхийн жилийн орлого 100 хувиар байна. Энд хамгийн баян 20 хувь,
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
Тэд бараг дэлхийн орлогын 70 хувийг авсан байна. Энд хамгийн ядуу 20 хувь
07:01
they take about two percent. And this shows that the concept
104
396000
5000
тэдэнд 2 хувь ногдож байна. За энд нөгөө бидний мэдэх ойлголт
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
хөгжиж буй орнуудын талаарх ойлголт тун сэжигтэй болоод ирнэ дээ. Бид тусламжийн тухай бодохдоо
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
эдгээр хүмүүс энд байгаа эдгээр хүмүүст тусламж үзүүлдэг гэж санадаг. Гэтэл энэ дунд
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
дэлхийн хүн амын ихэнх хэсэг нь байна шүү дээ. Тэдэнд одоо дэлхийн орлогын 24 хувь оногдож байна.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Бид энэ талаар өөр өөр хэлбэрээр сонсдог. Эд чинь хэн бэ?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Хаана тэр өөр өөр улс орнууд байна вэ? За Африкийг үзүүлье.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Энэ Африк байна. Дэлхийн хүн амын 10 хувь, ихэнх нь ядуу.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Энэ бол хөгжингүй, баян орнууд. НҮБ-ын бүлэг улс.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Тэд тэнд энэ хэсэг дээр байна. Африк болон хөгжингүй улсуудад нилээд тоо давхцаж байна.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Энэ бол Латин Америк. Тэдэнд дэлхий дээрх бүх юм байна.
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
Латин Америкт хамгийн ядуугаас авхуулаад хамгийн баян хүмүүс байна.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Энэ дээр бид зүүн Европыг тавьж болно, тэгээд зүүн Азийг тавья.
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
За тэгээд Өмнөд Ази. За тэгээд цаг хугацаагааг хойшлуулбал яаж харагдах бол
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
1970 онруу хойшлуулбал? Тэр үед энэ дов нилээд өндөр байжээ.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Тэгээд хамгийн их ядуучууд Ази тивд байсан байна.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Дэлхийн асуудал бол Ази тивийн ядуурал байжээ. За одоо цааш явах юм бол
08:14
you will see that while population increase, there are
120
469000
3000
Хүн ам нэмэгдэхийн хэрээр
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
Азид сая сая хүмүүс ядуурлаас гарч байна, бас зарим нь
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
ядуурч байна. За тэгээд энэ бол одоо бидний байгаа дүр зураг
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Дэлхийн Банкнаас гаргасан хамгийн сайн тооцооноос харвал ирээдүйд ийм болох юм байна.
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
бид хуваагдсан ертөнцөд амьдрахгүй нь. Ихэнх хүмүүс энэ дунд байх нь.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Мэдээж энэ бол логарифмын хэмжээс л дээ.
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
гэхдээ бидний эдийн засгийн ойлголт бол хувьчилсан өсөлт шүү дээ. Бид чинь
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
хувь процентийн өсөлтийн боломжийг л харж байдаг. Хэрвээ би үүнийг өөрчлөөд
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
гэр бүлийн орлогын оронд хүн ам тус бүрийн Үндэсний Нийт Бүтээгдэхүүн болговол,
08:48
individual data into regional data of gross domestic product,
129
503000
6000
энэ мэдээлэл тус бүрийг ҮНБ-ний бүс нутгаар нь хуваасан тоо болговол
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
Энэ доор бүс нутаг тус бүрийг оруулсан, бөмбөлөгийн хэмжээ хүн амын тоог илэрхийлнэ
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Энд хөгжингүй орнууд байна. энд Африкийн Сахарын Цөлийн бүс нутгийн улс орнууд
09:01
and we take off the Arab states there,
132
516000
3000
Арабын улсыг бас нэг тусад нь авч үзье.
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
Тэд Африк тивээс ч байна, Ази тивээс ч байна. ингээд тусад нь салгачихья
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
За тэгээд энэ тэнхлэгийг арай өрөгжүүлээд нэг шинэ хэмжээс нэмье.
09:13
by adding the social values there, child survival.
135
528000
3000
нийгмийн талаас, анх төрж буй хүүхдийн амьд үлдэх боломж түвшин
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
за энэ тэнхлэг дээр бол мөнгө тавья. энэ талд хүүхдүүдийн амьд үлдэх боломж байгаа
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Зарим улс орнуудад, анх төрж буй хүүхдүүдийн 99.7 хувь нь амьд үлддэг бол,
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
зарим улсуудад нь дөнгөж 70 хувьд хүрдэг. Энд нэг ялгаа ажиглагдаж байна
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
Хөгжингүй орнууд, Латин Америк, Зүүн Европ, Зүүн Ази
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
Арабын улсууд, Өмнөд Ази болон Африкийн Сахарын цөлийн бүс нутаг
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Хүүхдийн наслалт мөнгөний шугаман хамаарал хүчтэй байна.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
За Сахарын цөлийн бүс нутгийг дотор нь задлая. Эрүүл мэнд тэнд байна. Сайн эрүүл мэнд тэр дээр
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
За би энд энэ бүс нутгийг улс орон бүрээр нь задлая.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
За задарлаа. улс орнуудын бөмбөлөгүүдийн хэмжээ нь хүн амых нь тоо
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Сьерра Леоне энд доор байна. Мауритиус энэ дээр байна. Мауритиус бол
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
худалдааны хориг саадыг устгасан анхны улс, тэд элсэн чихэр худалдаалдаг
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Тэд Европ болон Хойд Америк тивийн хүмүүстэй адил тэгш нөхцөлөөр өөрсдийн нэхмэл эдлэлийг худалдаалдаг.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
За Африк тив дотор ихээхэн ялгаатай байдал харагдаж байна. Гана энэ дунд байна.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Сьерра Леоне, хүмүүнлэгийн тусламж
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Энд Уганда байна, хөгжлийн тусламж. Энд хөрөнгө оруулдаг цаг
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
тэнд та нар амралтаа өнгөрөөж болно. Энэ бол үнэхээр их ялгаатай байдал
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
Африкт ийм их ялгаатай гэж бид ховорхон л боддог шүү дээ.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Өмнөд Азийг энд задалж үзье. Энэтхэг энэ голд байгаа том бөмбөлөг.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Афганистан болон Шриланк улсуудын хооронд маш их ялгаа харагдана.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Арабын улсуудыг бас задалж үзье. Тэд ямар бол? Адилхан цаг агаар, адилхан соёл уламжлал
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
адилхан шашин шүтлэг. Үгүйээ маш их ялгаа байна. Бүр хөрш улсуудын хооронд ч
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Иемен - иргэний дайн. Арабын Нэгдсэн Эмират улс, мөнгө нилээд тэгш хувиарлагдаж, зарцуулагдсан байна.
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
Бодсоноос өөр байгаа биз. Энэ тоонд бас тухайн орон дахь гадаадын ажилчидын хүүхдүүд хүртэл хамрагдсан байгаа.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Мэдээлэл бол бидний бодсоноос ихэнхдээ илүү их, сайн байдаг. Ихэнх хүмүүс мэдээлэл дутмаг муу гэж боддог.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
За яахав тэнд жаахан тодорхой бус тооны хязгаар бий л дээ. Гэхдээ л бид энд ялгаатай байдлыг сайн харж чадаж байна.
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Камбодж, Сингапур. Ялгаатай байдал бүр их байна.
11:11
than the weakness of the data. East Europe:
162
646000
3000
Зүүн Европ тивийн улс орнууд:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
Зөвлөлтийн эдийн засагт олон жилийн туршид байсан, гэхдээ тэндээс гараад 10 жилийн дараа
11:20
very, very differently. And there is Latin America.
164
655000
3000
хоорондоо их өөр өөр байна. За энд Латин Америк байна.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Өнөөдрийн байдлаар эрүүл мэндээр сайн улс олохын тулд Кубаруу л заах шаардлагагүй болжээ.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
Одоогоос хэдхэн жилийн өмнөөс Чилид хүүхдийн эндэгдэл Куба улсаас бага болсон байна.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Хөгжингүй улс дотор энд өндөр орлоготой орнууд байна.
11:35
And we get the whole pattern here of the world,
168
670000
4000
За энд дэлхийн бүхий л дүр зураг харагдаж байна.
11:39
which is more or less like this. And if we look at it,
169
674000
5000
ойролцоогоор ингэж харагдах нь. За тэгээд бид ийшээ харвал,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
1960 онд дэлхийн байдал өөрчлөгдөж эхэлжээ. 1960 онд
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Мао Зедун гарч ирлээ. Тэр Хятадад эрүүл мэндийг авчирав. За тэгээд тэр нас барлаа.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Тэгээд Дэн Сиапинг гарч Хятадад хөрөнгө мөнгө авчирав. Ингээд хятадыг хөдөлгөөнд оруулав
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
За энд бид улс орнууд хэрхэн өөр өөр чиглэлд хөдөлж байгааг харж байна.
12:02
so it's sort of difficult to get
174
697000
4000
Үнэндээ дэлхийн ерөнхий дүр зургийг харуулсан
12:06
an example country which shows the pattern of the world.
175
701000
5000
жишиг улс орныг олоход тун хэцүү болжээ.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Та бүхнийг 1960 онд эргээгээд авчирмаар байна.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Энд байгаа Өмнөд Солонгосыг Бразилтай харьцуулж үзье.
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
Бразил энд байна.За нэр нь алга боллоо. Бас энд нэмээд
12:32
which is there. And I can run it forward, like this.
179
727000
5000
тэнд байгаа Уганда улсыг оруулья. За ингээд мэдээллийг явуулья.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Өмнөд Солонгос ямар хурдан хөгжиж байгааг та бүхэн харж байгаа байх.
12:46
whereas Brazil is much slower.
181
741000
3000
гэтэл Бразил нилээн удаан байна
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
За энд тэгвэл буцаад улс орнуудын явсан замын тэмдэглэгээг харуулбал
12:55
you can see again that the speed of development
183
750000
4000
та бүхэн хөгжлийн хурдыг эргээд харж болно.
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
үнэхээр үнэхээр их өөр байна. Улс орнууд их бага ч гэсэн ерөнхийдөө
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
мөнгө болоод эрүүл мэндийн хувьд адилхан түвшинд шилжиж байна. Гэхдээ эндээс
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
хэрвээ та эхлээд эрүүл бол эхлээд баян байснаас илүү хурдан өөрчлөгдөж чадаж байгааг ажиглаж болно.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
За тэгвэл одоо Арабын Нэгдсэн Эмират улсын нэмж байгаад харья.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Тэд эндээс эхэлсэн, газрын баялаг ихтэй орон. Тэд газрын тосыг
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
мөнгө болгож баяжсан, гэхдээ эрүүл мэндийг дэлгүүрээс худалдаж авч болдоггүй юм байна.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Эрүүл мэндэд хөрөнгө оруулах хэрэгтэй юм байна. Хүүхдүүдийг сургуульд явуулах хэрэгтэй юм байна.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Эрүүл мэндийн салбарын ажилчидыг сургах хэрэгтэй. Хүн амаа боловсролтой болгох хэрэгтэй.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
Шах Саеид энэ талаар нилээд гайгүй ажил хийсэн.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Газрын тосны үнэ буурсан боловч тэрээр улс орноо энэ дээр авчиржээ.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Бидний өмнө дэлхий ертөнцийн ерөнхий дүр зураг байна
13:43
where all countries tend to use their money
195
798000
2000
улс орнууд ерөнхийдөө хөрөнгө мөнгөө
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
өнгөрсөн үед зарцуулдаг байснаасаа илүү оновчтой зардаг болжээ. За одоо
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
та бүхэн улс орнуудын дундаж тоог харах юм бол. Тэд ийм байна.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Гэхдээ дундаж тоо ашиглах нь жаахан аюултай. Учир нь улс орнууд
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
дотоодод ялгаатай байдал их байдаг. Хэрвээ бид ийшээ
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
өнөөгийн Угандаг харах юм бол энэ улс Өмнөд Солонгос 1960 онд байсан түвшинд байна. Хэрвээ би Угандаг дотор нь
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
задалбал нилээд их ялгаатай байдлыг олж харах болно. Энд таван хэсэгт хувааж үзүүлсэн байна.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Угандагийн хамгийн баян 20 хувь нь тэнд байна.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Хамгийн ядуу нь энэ доор байна. Өмнөд Африкийг дотор нь хуваавал ийм.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
За энэ доор байгаа Нигерийг харья. Аймшигтай муухай өлсгөлөн болсон газар
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
ийм харагдаж байна. Нигерийн хамгийн ядуу 20 хувь нь энд байна.
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
Өмнөд Африкийн хамгийн баян 20 хувь нь тэнд байна.
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
Бид Африкт яаж туслах вэ, ямар арга зам байна вэ хэмээн хэлэлцэх дуртай
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Тэгвэл Африкт бүхий л нөхцөл байдал байна. Тэхлээр
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
энд байгаа хэсэгт, тээр доор байгаа хэсэгтэй адил стратеги арга замаар ДОХ-ын
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
эм эмчилгээг хүргэж чадахгүй шүү дээ. Дэлхий ертөнцийг сайжруулах асуудал
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
нутаг нутгийн нөхцөл байдалд тус тус тохирсон байх шаардлагатай болжээ.
15:00
on regional level. We must be much more detailed.
212
875000
3000
Бүс нутгийн хэмжээнд ерөнхийлөх нь ач холбогдолгүй юм байна. Бид улам бүр тусгай детальчлах хэрэгтэй болсон байна.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Оюутнуудад энэ талаар үзүүлэхэд тэд их сонирхон хүлээж авдаг.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Бас олон олон бодлого боловсруулагчид, корпорацын салбарынхан
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
дэлхий хэрхэн өөрчлөгдөж байгааг сонирхох болжээ. Тэгвэл бид яагаад
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Яагаад байгаа тоон мэдээллийг ашиглахгүй байна вэ? Бидэд НҮБ-ээс гаргадаг тоо,
15:20
in the national statistical agencies
217
895000
2000
үндэсний статистикийн газруудын тоо,
15:22
and in universities and other non-governmental organizations.
218
897000
4000
их сургуулиуд, төрийн бус байгууллагуудаас гаргадаг тоо хангалттай байна.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Гэтэл эдгээр тоонууд нөгөө мэдээллийн сангууд доор нуугдчихаад байна шүү дээ.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Олон нийт тэнд байна, интернэт тэнд байна, гэхдээ бид тэдгээрийг одоо болтол сайн ашиглаж чадахгүй л байна шүү дээ.
15:33
All that information we saw changing in the world
221
908000
3000
Дэлхийн өөрчлөлтийн талаар бидний харсан энэ бүх мэдээлэл
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
төсвийн хөрөнгөр санхүүжүүлсэн статистик тоог хамруулаагүй. Зарим вэб хуудсууд байна
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
нэг тийм, та нар мэднэ дээ, мэдээллийн сангаас жаахан хэсэг мэдээлэл тавьдаг
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
гэхдээ хүмүүс мэдээлэлдээ үнэ тогтоочихдог, тэгээд бас тэнэг түлхүүр үг оруулах гэх мэтчилэн шаардлага тавьдаг, дээрээс нь уйтгартай статистик гээд л.
15:51
(Laughter) (Applause)
225
926000
3000
(инээд)(алга ташилт)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Ингээд бид явахгүй шүү дээ. Тэгвэл юу хэрэгтэй вэ? Бидэнд мэдээллийн сангууд байна.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Таньд шинэ мэдээллийн сан хэрэггүй. Бидэнд гайхалтай сайхан дизайнтай хэрэгсэл байна
16:02
and more and more are added up here. So we started
228
937000
3000
энд улам олон олон хэрэгсэлүүд нэмэгдэж байгаа. Бид
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
нэг ашигийн төлөө бус байгууллага санаачлан эхлүүлээд байна.
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
мэдээллийг дизайнтай холбодог " Гапмайндер". Лондонгийн метронд
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"зай нүхнээс болгоомжилно уу" гэж байдгаас бид санаа аваад "Зайг нөхөгч" гэсэн утгаар нэрлэе гэж шийдсэн юм л даа.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Тэгээд бид энэн шиг мэдээллийг хооронд нь холбодог програм бичиж эхэлсэн юм.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Тэгээд ч энэ тийм их хэцүү байгаагүй. Мэдээж хэсэг хүмүүс хэдэн жил ажиллаад хөдөлгөөнт дүрсийг бий болгосныг та бүхэн харлаа.
16:26
You can take a data set and put it there.
234
961000
2000
Та нар багц мэдээллийг аваад, ийшээ хийж болно.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Бид НҮБ-ын мэдээлэл, НҮБ-ын зарим агентлагуудыг чөлөөлж өгсөн.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Зарим улс орнууд өөрсдийн мэдээллийн сангаа дэлхийн хэмжээнд хуваалцахыг зөвшөөрсөн.
16:37
but what we really need is, of course, a search function.
237
972000
3000
гэхдээ мэдээж бидэнд хайлтын функц хэрэгтэй.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Бид мэдээллийг хайж болохуйц хэлбэрт оруулаад хайж болдог хайлтын функц.
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
тэгээд тэрнийгээ дэлхий даяар харуулж болдог тийм функц. Тэгээд бид юу сонсдог гээч?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Би гол статистикийн нэгжүүд дээр жаахан судалгаа хийсэн юм. Бүгд л
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"Энэ бол боломжгүй юм. Ийм юм хийж чадахгүй. Бидний мэдээлэл
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
тун их нарийвчлалтай, бусад зүйлийг хайж болдог шиг хайж чадахгүй шүү дээ" гэж хэлдэг гээч.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Бид оюутнуудад мэдээллийг үнэгүй өгч чадахгүй, дэлхийн олон олон жижиг үйлдвэр эрхлэгчид үнэгүй өгч чадахгүй гэдэг.
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Гэтэл эцсийн эцэст бид тэдний хөгжлийг л харахыг хүсэж байгаа биздээ.
17:08
The publicly-funded data is down here.
245
1003000
3000
Төсвөөс санхүүжүүлсэн мэдээлэл энэ доор байна.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Тэгээд бид сүлжээнээс цэцэг ургуулмаар байна шүү дээ.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
тэхлээр нэг чухал асуудал бол мэдээллийг хайж болохуйц болгох, тэгээд тэднийг хүмүүс
17:19
the different design tool to animate it there.
248
1014000
2000
янз бүрийн дизайны хэрэгсэлээр хөдөлгөөнд оруулан ашиглаж чаддаг болгох явдал юм.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Надад нэг сайн мэдээ байна. НҮБ-ын
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
Статистикийн одоогийн тэргүүн "энэ боломжгүй" гэж хэлээгүй.
17:30
He only says, "We can't do it."
251
1025000
2000
Тэр зүгээр л "Бид хийж чадахгүй" л гэж хэлсэн.
17:32
(Laughter)
252
1027000
4000
(инээд)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Гэхдээ тэр ухаантай залуу байгаа биз, тийм үү?
17:38
(Laughter)
254
1033000
2000
(инээд)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Тэхлээр бид ирэх жилүүдэд мэдээлэлтэй холбоотой их зүйл өөрчлөгдөхыг харах байх.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Бид орлогын хувиарлалтыг тун өөр шинэ хэлбэрээр харж чаддаг болно.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Энэ 1970 оны Хятад дахь орлогын хувиарлалт.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
1970 оны АНУ дахь орлогын хувиарлалт.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Бараг давхцах юм алга. Тэгвэл юу болж вэ?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Юу гэвэл: Хятадад өсөлт ажиглагдаж байна. бүгд тийм ч адилхан байхаа больжээ.
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
энд сайн харагдаж байна, АНУ-г нөмрөн авч байгаа мэт.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
бараг нэг сүнс шиг харагдаж байгаа биз, үүү?
18:14
(Laughter)
263
1069000
2000
(инээд)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Аймаар тийм үү. Бидэнд энэ бүх мэдээлэл тун их хэрэгтэй.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Бид эдгээр мэдээллийг үнэхээр харах хэрэгтэй. За бас
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
энд 1000 хүнд ногдох интернэд хэрэглэгчдийн тоог харуулж болно.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Энэ програмд бүх улс орнуудын талаарх ойролцоогоор 500 хувьсагчийг олж харж болно.
18:42
It takes some time to change for this,
268
1097000
4000
Хувьсагчийг өөрчлөхөд жаахан л цаг авна.
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
тэнхлэгүүд дээр та хэрэглэхийг хүссэн ямар ч хувьсагчийг амархаан оруулж болно.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Хамгийн гол нь одоо бидэнд мэдээллийн сангуудыг үнэгүй олж авах
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
тэднийг нэг товчлуур дараад л хайж болохуйц болгох, тэднийг
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
харангуут ойлгож болохуйц график хэлбэлт оруулах хэрэгтэй байна.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Гэхдээ одоо статистикчид энэнд дургуй байна. Тэд "энэ чинь
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
бодит байдлыг харуулахгүй шүү дээ. Бид статистикийн болоод задлан шинжлэх аргууд хэрэгтэй " гэж эсэргүүцнэ.
19:16
But this is hypothesis-generating.
275
1131000
3000
Гэхдээ энэ чинь таамаглал шүү дээ.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Энд эрээд нөгөө мэдээлэлдээ орьё. Тэнд Интернэт ирж байна.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Интернэт хэрэглэгчдийн тоо ингэж их өсөж байна. Энэ нэг хүн амд оногдох ДНБ.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
За шинэ технологи ирж байна. Гэхдээ хараач,
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
энэ нь улс орнуудын эдийн засагтай хичнээн сайн нийцэж байна гээч. Тиймээс л
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
100 долларын компвьютер хичээн их чухал гээч. Энэ бол сайн чиг хандлага.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Яг л дэлхий ертөнц хавтгай болж байх шиг. Эдгээр улс орнууд
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
ганц эдийн засаг гэлтгүй улам бүр хөгжих болно, тиймээс ч
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
ирэх жилүүдэд эдгээр өөрчлөлтийг ажиглах тун сонирхолтой байх болно.
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
Харин энийг төсвөөс санхүүжүүлсэн мэдээллийн тусламжтайгаар харж чадна гэж найдаж байна. Баярлалаа.
19:53
(Applause)
285
1168000
3000
(алга ташилт)
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