TED2006
Hans Rosling: The best stats you've ever seen
Hans Rosling mostra as melhores estatísticas jamais vistas
Filmed:
Readability: 3.6
14,386,844 views
Nunca se viram dados apresentados desta maneira. Com o dramatismo e o ímpeto de um comentador desportivo, o guru da Estatística, Hans Rosling, desfaz mitos acerca do tão chamado "mundo em desenvolvimento".
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
Há cerca de 10 anos, assumi a tarefa de ensinar desenvolvimento global
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
a estudantes universitários suecos. Isto, depois de ter passado
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
cerca de 20 anos, com instituições africanas, a estudar a fome em África.
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
Portanto, de algum modo esperava-se que eu soubesse um pouco sobre o mundo.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
E criei, na nossa universidade de medicina, Instituto Karolinska,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
uma licenciatura chamada "Saúde Global". Mas quando se consegue
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
uma oportunidade destas, fica-se um pouco nervoso. Pensei: "Estes estudantes
00:53
coming to us actually have the highest grade you can get
7
28000
3000
que chegam até nós têm as melhores notas que se pode obter
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
no sistema universitário sueco" -- "Por isso", pensei, "talvez saibam tudo
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
o que lhes vou ensinar". Resolvi fazer-lhes um pré-teste quando eles chegaram.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
E uma das perguntas com que aprendi muito foi esta:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"Que país tem a mais elevada mortalidade infantil destes cinco pares?"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
E juntei-os de forma a que, em cada par de países,
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
um tivesse o dobro da mortalidade infantil do outro. E isto significa que
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
é muito maior a diferença do que a incerteza dos dados.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Não vos vou testar aqui, mas é a Turquia
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
que é mais elevada ali, a Polónia, a Rússia, o Paquistão e a África do Sul.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
E estes foram os resultados dos estudantes suecos. Assim obtive
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
o intervalo de confiança, que é bastante estreito, e fiquei feliz, claro:
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
1,8 respostas certas em 5 possíveis. Isto significa que
01:41
there was a place for a professor of international health --
20
76000
3000
havia lugar para um professor de saúde internacional --
01:44
(Laughter) and for my course.
21
79000
2000
(Risos) e para o meu curso.
01:46
But one late night, when I was compiling the report
22
81000
4000
Mas, uma noite, quando estava a compilar o relatório,
01:50
I really realized my discovery. I have shown
23
85000
4000
realmente apercebi-me da minha descoberta. Mostrei
01:54
that Swedish top students know statistically significantly less
24
89000
5000
que, estatisticamente, os estudantes suecos de topo sabem muito menos
01:59
about the world than the chimpanzees.
25
94000
2000
sobre o mundo do que os chimpanzés.
02:01
(Laughter)
26
96000
2000
(Risos)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Porque os chimpazés acertariam em metade, se eu lhes desse
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
duas bananas com o Sri Lanka e a Turquia. Estariam certos em metade dos casos.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Mas os alunos não. O problema, para mim, não foi a ignorância,
02:14
it was preconceived ideas.
30
109000
3000
foram as ideias pré-concebidas.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Fiz também um estudo nada ético dos professores do Instituto Karolinska
02:21
(Laughter)
32
116000
1000
(Risos)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- que atribui o Prémio Nobel da Medicina --,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
e naquela matéria estão ao nível dos chimpanzés.
02:26
(Laughter)
35
121000
3000
(Risos)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Foi aí que me apercebi de que havia mesmo necessidade de comunicar,
02:33
because the data of what's happening in the world
37
128000
3000
porque os dados sobre o que está a acontecer no mundo
02:36
and the child health of every country is very well aware.
38
131000
3000
e sobre a saúde infantil de todos os países são muito claros.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Criámos este programa que o mostra desta forma: cada bolha é um país.
02:44
This country over here is China. This is India.
40
139000
6000
Este país aqui é a China. Este é a Índia.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
O tamanho da bolha é a população, e neste eixo aqui pus a taxa de fertilidade.
02:56
Because my students, what they said
42
151000
3000
Porque os meus alunos, o que disseram
02:59
when they looked upon the world, and I asked them,
43
154000
2000
quando olharam para o mundo e eu lhes perguntei
03:01
"What do you really think about the world?"
44
156000
2000
"O que pensam realmente acerca do mundo?" --
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Bem, primeiro descobri que o livro de estudo era o Tintim, principalmente.
03:07
(Laughter)
46
162000
1000
(Risos)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
E eles responderam: "O mundo ainda é 'nós' e 'eles'.
03:11
And we is Western world and them is Third World."
48
166000
3000
E 'nós' é o mundo ocidental, e 'eles' é o terceiro mundo."
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"E o que querem dizer com mundo ocidental?", perguntei.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"Bem, é vida longa e família pequena, e o terceiro mundo é vida curta e família numerosa."
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Portanto, isso é o que pude mostrar aqui. Pus a taxa de fertilidade aqui: número de filhos por mulher:
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
um, dois, três, quatro, até cerca de oito filhos por mulher.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Temos dados muito bons desde 1962 - por volta de 1960 - sobre o tamanho das famílias em todos os países.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
A margem de erro é reduzida. Aqui, pus a esperança de vida à nascença,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
desde 30 anos, nalguns países, até cerca de 70 anos.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Em 1962 havia realmente um grupo de países, aqui,
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
que eram países industrializados e que tinham famílias pequenas e vidas longas.
03:53
And these were the developing countries:
58
208000
2000
E estes eram os países em desenvolvimento:
03:55
they had large families and they had relatively short lives.
59
210000
3000
tinham famílias grandes e vidas relativamente curtas.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Agora, o que aconteceu desde 1962? Queremos ver a mudança.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Estarão os alunos certos? Existem, ainda, dois tipos de países?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Ou será que estes países em desenvolvimento têm famílias mais pequenas e vivem aqui?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Ou terão eles vidas mais longas e viverão ali em cima?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Vamos ver. Parámos o mundo. Tudo isto são estatísticas da ONU
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
que estão disponíveis. Aqui vamos nós. Conseguem ver ali?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
É a China ali, a dirigir-se para melhor saúde ali, a melhorar ali.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Todos os países latino-americanos, a verde, caminham para famílias mais pequenas.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Os amarelos aqui são os países árabes,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
que ficam com famílias maiores, mas - não, vida mais longa, mas não famílias maiores.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Os africanos são os verdes aqui em baixo. Eles continuam aqui.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Esta é a Índia. A Indonésia está a mover-se muito depressa.
04:36
(Laughter)
72
251000
1000
(Risos)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
E nos anos 80, aqui, temos o Bangladesh ali, ainda entre os países africanos.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Mas, agora, o Bangladesh -- é um milagre que acontece nos anos 80:
04:43
the imams start to promote family planning.
75
258000
3000
os imãs começam a promover o planeamento familiar.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Sobem para aquele canto. E nos anos 90, temos a terrível epidemia de VIH
04:51
that takes down the life expectancy of the African countries
77
266000
3000
que diminui a esperança média de vida dos países africanos
04:54
and all the rest of them move up into the corner,
78
269000
4000
e todos os restantes sobem para o canto,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
onde temos vidas longas e famílias pequenas, e temos um mundo completamente novo.
05:02
(Applause)
80
277000
13000
(Aplausos)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Permitam-me fazer uma comparação directa entre os E.U.A. e o Vietname.
05:20
1964: America had small families and long life;
82
295000
5000
1964: a América tinha famílias pequenas e vida longa;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
o Vietname tinha famílias grandes e vidas curtas. E eis o que acontece:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
os dados do período da guerra indicam que, apesar de todas as mortes,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
houve uma melhoria na esperança média de vida. No final do ano,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
começou o planeamento familiar no Vietname e eles caminharam para famílias mais pequenas.
05:41
And the United States up there is getting for longer life,
87
316000
3000
E os Estados Unidos, lá em cima, estão a tornar a vida mais longa,
05:44
keeping family size. And in the '80s now,
88
319000
3000
mantendo o tamanho das famílias. Agora, nos anos 80,
05:47
they give up communist planning and they go for market economy,
89
322000
3000
os vietnamitas desistem do planeamento comunista e aderem à economia de mercado,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
e o país move-se mais depressa do que a vida social. E hoje temos,
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
no Vietname, a mesma esperança média de vida e o mesmo tamanho de família,
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
aqui no Vietname, em 2003, que tínhamos nos E.U.A., em 1974, no fim da guerra.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Penso que todos nós -- se não olharmos para os dados --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
subestimamos a mudança tremenda ocorrida na Ásia, que foi
06:14
in social change before we saw the economical change.
95
349000
4000
a mudança social, antes de vermos a mudança económica.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Vamos mudar aqui para uma outra maneira, através da qual possamos mostrar
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
a distribuição de rendimentos no mundo. Esta é a distribuição mundial do rendimento da população.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Um dólar, 10 dólares ou 100 dólares por dia.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Já não existe um fosso entre os ricos e os pobres. Isso é um mito.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Há um pequeno pico aqui. Mas há pessoas de uma ponta à outra.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
E se analisarmos onde o rendimento acaba -- o rendimento --
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
isto corresponde a 100% do rendimento mundial anual. E os 20% mais ricos
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
tiram daí cerca de 74%. E os 20% mais pobres
07:01
they take about two percent. And this shows that the concept
104
396000
5000
ficam com cerca de 2%. Isto mostra que o conceito
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
de países em desenvolvimento é muito duvidoso. Pensamos em ajuda, como
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
estas pessoas aqui estarem a ajudar estas pessoas aqui. Mas, no meio,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
temos a maioria da população mundial, e eles têm agora 24% do rendimento.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Ouvimo-lo de outras formas. E quem são estes?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Onde estão os diferentes países? Posso mostrar-vos a África.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Isto é a África. 10% da população mundial, a maioria na pobreza.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Isto é a OCDE. Os países ricos. O clube de campo das Nações Unidas (U.N.).
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Eles estão aqui deste lado. Uma grande sobreposição entre a África e a OCDE.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
E isto é a América Latina. Tem de tudo neste mundo,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
dos mais pobres aos mais ricos, na América Latina.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
E por cima disto podemos pôr a Europa de Leste, a Ásia Oriental,
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
e a Ásia do Sul. E como seria isto se voltássemos atrás no tempo,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
até por volta de 1970? Existia um pico maior.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
E a maioria dos que viviam em pobreza absoluta eram asiáticos.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
O problema do mundo era a pobreza na Ásia. E se eu agora deixar o mundo avançar,
08:14
you will see that while population increase, there are
120
469000
3000
verão que, enquanto a população aumenta, há
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
centenas de milhões na Ásia que saem da pobreza e outros
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
que entram na pobreza, e este é o padrão que temos hoje.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
E a melhor projecção do Banco Mundial vai no sentido de que isto acontecerá,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
e de que não teremos um mundo dividido. Teremos a maioria das pessoas no meio.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Claro que isto é uma escala logarítmica,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
mas o nosso conceito de economia é crescimento com percentagem. Olhamo-la
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
como uma possibilidade de aumento percentual. Se eu mudar isto, e considerar
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
o PIB per capita em vez do rendimento familiar, e transformar estes
08:48
individual data into regional data of gross domestic product,
129
503000
6000
dados individuais em dados regionais de produto interno bruto (PIB),
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
e considerar estas regiões aqui em baixo, o tamanho da bolha continua a ser a população.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
E temos a OCDE aqui, e a África subsariana ali,
09:01
and we take off the Arab states there,
132
516000
3000
e tiramos os estados árabes dali,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
que vêm tanto de África como da Ásia, e separamo-los,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
e podemos expandir este eixo, e posso dar-lhe uma nova dimensão aqui,
09:13
by adding the social values there, child survival.
135
528000
3000
adicionando os valores sociais ali, a sobrevivência infantil.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Agora, tenho dinheiro naquele eixo, e a possibilidade de sobrevivência das crianças ali.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Em alguns países, 99,7% das crianças sobrevivem até aos 5 anos de idade;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
noutros, apenas 70%. E aqui parece haver um fosso
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
entre a OCDE, a América Latina, a Europa de Leste, a Ásia Oriental,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
os Estados árabes, a Ásia do Sul e a África subsariana.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
A linearidade é muito forte entre a sobrevivência infantil e o dinheiro.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Mas permitam-me que divida a África subsariana. A saúde está ali, e a saúde melhor está lá em cima.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Posso chegar aqui e dividir a África subsariana nos seus países.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
E quando isto rebenta -- o tamanho da bolha de cada país é o tamanho da população.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
A Serra Leoa, ali em baixo. As Maurícias estão lá em cima. Foram o primeiro país
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
a livrar-se das barreiras comerciais, e puderam vender o seu açúcar --
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
puderam vender os seus têxteis -- em termos iguais aos da Europa e da América do Norte.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Existem diferenças enormes dentro da África. E o Gana está aqui no meio.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Na Serra Leoa, ajuda humanitária.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Aqui, no Uganda, apoio ao desenvolvimento. Aqui, é tempo de investir; ali
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
podemos ir de férias. Existe uma variação tremenda
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
dentro da África, que raramente consideramos -- pensamos ser tudo igual.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Posso dividir a Ásia do Sul aqui. A Índia é a bolha grande no meio.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Mas há uma grande diferença entre o Afeganistão e o Sri Lanka.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Posso dividir os Estados árabes. Como estão eles? O mesmo clima, a mesma cultura,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
a mesma religião -- uma enorme diferença. Mesmo entre vizinhos.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Yemen, guerra civil. Emirados Árabes Unidos, dinheiro que foi bastante bem e equitativamente usado.
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
Não de acordo com o mito. E isto inclui todos os filhos dos trabalhadores estrangeiros que estão no país.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Os dados são frequentemente melhores do que se pensa. Muitos dizem que os dados são maus.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Existe uma margem de incerteza, mas podemos ver aqui a diferença:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Cambodja, Singapura. As diferenças são muito maiores
11:11
than the weakness of the data. East Europe:
162
646000
3000
do que a fragilidade dos dados. Europa de Leste:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
economia soviética durante um longo período, mas surgem, 10 anos depois,
11:20
very, very differently. And there is Latin America.
164
655000
3000
com muitas, muitas diferenças. E ali está a América Latina.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Hoje, não temos que ir a Cuba para encontrar um país saudável na América Latina.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
O Chile terá uma mortalidade infantil menor que Cuba dentro de poucos anos.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
E aqui temos os países ricos da OCDE.
11:35
And we get the whole pattern here of the world,
168
670000
4000
E aqui temos o padrão do mundo inteiro,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
que é mais ou menos assim. E se olharmos para ele,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
para o seu aspecto -- o mundo, em 1960, começa a mover-se. 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Isto é Mao Tsé-tung. Ele trouxe saúde à China. E depois morreu.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Depois veio Deng Xiaoping e trouxe dinheiro à China, trouxe-os para a ribalta novamente.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
E já vimos como os países se movem assim, em diferentes direcções,
12:02
so it's sort of difficult to get
174
697000
4000
pelo que é difícil conseguir
12:06
an example country which shows the pattern of the world.
175
701000
5000
um país que exemplifique o padrão do mundo.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Mas gostaria de vos fazer regressar até por volta de 1960.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Gostaria de comparar a Coreia do Sul, que é esta, com o Brasil,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
que é este. O rótulo desapareceu-me aqui. E gostaria de comparar o Uganda,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
que está ali. E posso fazer isto avançar, assim.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
E podem ver como a Coreia do Sul está a ter um avanço muito, muito rápido,
12:46
whereas Brazil is much slower.
181
741000
3000
enquanto que o Brasil é muito mais lento.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
E se recuarmos novamente, aqui, e lhes pusermos rastos, assim,
12:55
you can see again that the speed of development
183
750000
4000
podem ver novamente que a velocidade do desenvolvimento
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
é muito, muito diferente, e que os países se movem mais ou menos
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
ao mesmo ritmo que o dinheiro e a saúde. Mas parece que se podem mover
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
muito mais depressa se primeiro forem saudáveis, do que se forem ricos primeiro.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
E para o mostrar, podemos acrescentar os Emirados Árabes Unidos.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Eles vieram daqui, um país rico em minerais. Aproveitaram o petróleo todo;
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
conseguiram o dinheiro todo; mas a saúde não se pode comprar no supermercado.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
É preciso investir na saúde. É preciso escolarizar as crianças.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
É preciso formar profissionais de saúde. É preciso educar a população.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
E o Xeque Sayed fê-lo de uma forma francamente boa.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Apesar da queda dos preços do petróleo, trouxe este país até cá acima.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Assim, temos uma imagem de um mundo mais desenvolvido,
13:43
where all countries tend to use their money
195
798000
2000
em que todos os países tendem a usar o seu dinheiro
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
melhor do que o usaram no passado. Isto é, mais ou menos,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
se olharem para os dados médios dos países -- eles são assim.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Agora, é perigoso usar dados médios, porque existe uma grande
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
diferença dentro dos países. Por isso, se olharmos para aqui, podemos ver
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
que o Uganda actual está onde a Coreia do Sul esteve em 1960.
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
Se dividir o Uganda, no seu interior existe uma grande diferença.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Há os quintiles do Uganda. Ali estão os 20% mais ricos.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Os mais pobres estão ali em baixo. Se dividir a África do Sul, fica assim.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
E se descer e observar a Nigéria, onde houve uma terrível crise de fome,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
no final, fica assim. Os 20% mais pobres da Nigéria ficam aqui de fora,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
e os 20% mais ricos da África do Sul estão ali,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
e, contudo, temos tendência a discutir que soluções deveria haver para África.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Em África há de tudo o que existe no mundo. E não podemos falar de
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
acesso universal a medicação para o VIH para este quintile aqui em cima
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
com a mesma estratégia que para os daqui debaixo. As melhorias, no mundo,
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
devem ser altamente contextualizadas, e não é relevante fazê-lo
15:00
on regional level. We must be much more detailed.
212
875000
3000
a nível regional. Devemos fazê-lo com maior detalhe.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Descobrimos que os estudantes ficam muito entusiasmados quando podem usar isto.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
E ainda mais decisores políticos e sectores corporativos gostariam de ver
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
como o mundo está a mudar. Agora, porque é que isto não acontece?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Por que razão não usamos os dados que temos? Temos dados nas Nações Unidas,
15:20
in the national statistical agencies
217
895000
2000
nas agências nacionais de estatísticas,
15:22
and in universities and other non-governmental organizations.
218
897000
4000
nas universidades e noutras organizações não governamentais.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Porque os dados estão escondidos nas bases de dados.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
E o público está ali, e a internet está ali, mas ainda não usámos isto eficazmente.
15:33
All that information we saw changing in the world
221
908000
3000
Toda aquela informação que vimos a mudar no mundo
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
não inclui estatísticas financiadas pelo estado. Há algumas páginas web
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
como esta, sabem, mas elas alimentam-se das bases de dados,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
mas as pessoas colocam-lhes preços, palavras-passe estúpidas e estatísticas maçadoras.
15:51
(Laughter) (Applause)
225
926000
3000
(Risos) (Aplausos)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
E isso não funciona. Por isso, o que é preciso? Nós temos as bases de dados.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Não é de novas bases de dados que precisamos. Temos ferramentas de design maravilhosas,
16:02
and more and more are added up here. So we started
228
937000
3000
e cada vez mais são aqui adicionadas. Por isso, demos início
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
a um empreendimento sem fins lucrativos a que chamámos -- ligando os dados ao design --
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
"Gapminder", nome inspirado no metropolitano de Londres, onde há o aviso
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"cuidado com o vão". Por isso pensámos que "Gapminder" era apropriado.
16:16
And we started to write software which could link the data like this.
232
951000
4000
E começámos a escrever programas que pudessem ligar os dados desta forma.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
E não foi muito difícil. Isto levou alguns anos-pessoa, e criámos animações.
16:26
You can take a data set and put it there.
234
961000
2000
Pode-se pegar num conjunto de dados e colocá-lo ali.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Estamos a facultar dados das Nações Unidas (N.U.), de algumas organizações das N.U..
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Alguns países aceitam que as suas bases de dados sejam divulgadas ao mundo,
16:37
but what we really need is, of course, a search function.
237
972000
3000
mas do que realmente precisamos, claro, é de uma função de pesquisa.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Uma função de pesquisa que nos permita copiar os dados para um formato passível de pesquisa
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
e divulgá-los ao mundo. E o que ouvimos quando andamos por aí?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Eu fiz antropologia nas principais unidades de estatística. Todos dizem:
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"É impossível. Não se consegue. A nossa informação é tão específica
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
quanto aos detalhes, que não pode ser pesquisada como as outras.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Não podemos fornecer os dados gratuitamente aos estudantes e aos empreendedores do mundo."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Mas era isso que nós gostaríamos de ver, não era?
17:08
The publicly-funded data is down here.
245
1003000
3000
Os dados publicamente financiados estão aqui em baixo.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
E gostaríamos que as flores crescessem na Net.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
E um dos pontos cruciais é torná-los passíveis de pesquisa, e depois as pessoas podem usar
17:19
the different design tool to animate it there.
248
1014000
2000
as diferentes ferramentas de design para os animar ali.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
E tenho notícias muito boas para vos dar. A boa notícia é que o actual,
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
o novo Dirigente das Estatísticas das Nações Unidas não diz que é impossível.
17:30
He only says, "We can't do it."
251
1025000
2000
Diz apenas: "Não conseguimos fazer isso."
17:32
(Laughter)
252
1027000
4000
(Risos)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
E é um sujeito bastante esperto, não é?
17:38
(Laughter)
254
1033000
2000
(Risos)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Portanto, prevemos muitas novidades em relação aos dados nos próximos anos.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Poderemos observar as distribuições de rendimentos de formas completamente diferentes.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Esta é a distribuição de rendimentos na China, 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
A distribuição de rendimentos nos Estados Unidos, 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Quase sem sobreposição. E o que aconteceu?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Aconteceu isto: a China está a crescer, já não é tão igual,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
e está a aparecer aqui, a olhar para os Estados Unidos.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Quase como um fantasma, não é?
18:14
(Laughter)
263
1069000
2000
(Risos)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
É bastante assustador. Mas penso que é muito importante termos toda esta informação.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Precisamos mesmo de vê-la. E em lugar de olhar para isto,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
gostaria de terminar mostrando a permilagem de utilizadores da internet.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Neste programa, temos acesso a 500 variáveis de todos os países, com muita facilidade.
18:42
It takes some time to change for this,
268
1097000
4000
Leva algum tempo a mudar para isto,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
mas, nos eixos, pode-se conseguir muito facilmente qualquer variável que se queira.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
E a questão seria conseguir ter acesso às bases de dados gratuitamente,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
torná-las passíveis de pesquisa e, com um segundo clique, transformá-las
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
em formato de gráfico, onde podem ser instantaneamente compreendidas.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Agora, os estatísticos não gostam, porque dizem que isto
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
não mostrará a realidade; dizem que temos que usar métodos estatísticos, analíticos.
19:16
But this is hypothesis-generating.
275
1131000
3000
Mas isto é um gerador de hipóteses.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Termino, agora, com o mundo. Aí está a Internet a surgir.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
O número de utilizadores da Internet está a subir assim. Este é o PIB per capita.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
E trata-se de uma nova tecnologia a surgir, mas depois, espantosamente, que bem
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
que se adapta à economia dos países. É por isso que o computador
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
de 100 dólares será tão importante. Mas é uma boa tendência.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
É como se o mundo se estivesse a nivelar, não é? Estes países
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
estão a elevar-se mais do que a economia e será muito interessante
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
seguir isto ao longo do ano, como gostaria que pudessem fazer
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
com todos os dados publicamente financiados. Muito obrigado.
19:53
(Applause)
285
1168000
3000
(Aplausos)
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