TED2006
Hans Rosling: The best stats you've ever seen
Ханс Рослинг представља најбољу статистику коју сте икада видели
Filmed:
Readability: 3.6
14,386,844 views
Никада нисте видели податке овако представљене. Са драматиком и енергијом спортског коментатора, гуру статистике Ханс Рослинг разбија митове о такозваном „свету у развоју''.
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
Пре отприлике 10 година сам почео да предајем глобални развој
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
шведским студентима. То је било након што сам провео
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
око 20 година проучавајући глад у Африци заједно са афричким институцијама,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
тако да се некако очекивало да знам понешто о свету.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Започео сам на нашем медицинском универзитету, Институту Каролинска,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
курс за студенте под називом Глобално здравље. Али када добијете
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
такву прилику, постанете нервозни. Помислих, ови студенти
00:53
coming to us actually have the highest grade you can get
7
28000
3000
на курсу имају највише оцене које можете да имате
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
у шведском систему високог образовања -- тако да можда знају све
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
о чему је требало да их учим. Зато сам урадио пробни тест када су дошли.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
И једно од питања из којег сам много научио је било ово:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
„Које земље у ових пет парова имају највећу смртност деце?''
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Парове сам саставио тако да у сваком пару држава
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
једна има двапут већу смртност деце у односу на другу. Ово значи да је
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
разлика далеко већа него непоузданост података.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Нећу вас проверавати сад, али Турска је
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
највиша овде, Пољска, Русија, Пакистан и Јужна Африка.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
Ово су резултати шведских студената. Затим сам добио
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
интервал пузданости, који је био крајње узак, и био сам срећан,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
1.8 тачних одговора од пет могућих. То значи да
01:41
there was a place for a professor of international health --
20
76000
3000
има места за професора интернационалног здравља --
01:44
(Laughter) and for my course.
21
79000
2000
(смех) и за мој курс.
01:46
But one late night, when I was compiling the report
22
81000
4000
Али касно једне вечери, када сам састављао извештај
01:50
I really realized my discovery. I have shown
23
85000
4000
заиста сам схватио своје откриће. Показао сам
01:54
that Swedish top students know statistically significantly less
24
89000
5000
да најбољи шведски студенти знају статистички значајно мање
01:59
about the world than the chimpanzees.
25
94000
2000
о свету него шимпанзе.
02:01
(Laughter)
26
96000
2000
(смех)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Јер шимпанзе би имале пола тачних одговора, ако им дам
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
две банане са Шри Ланком и Турском, биле би у праву у пола случајева.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Али са студентима није тако. Проблем није било незнање:
02:14
it was preconceived ideas.
30
109000
3000
већ унапред формиране идеје.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Урадио сам и неетичку студију професора Института Каролинска
02:21
(Laughter)
32
116000
1000
(смех)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
-- који додељује Нобелову награду за медицину,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
и они су на нивоу са шимпанзама
02:26
(Laughter)
35
121000
3000
(смех)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Тада сам схватио да заиста постоји потреба за комуникацијом,
02:33
because the data of what's happening in the world
37
128000
3000
зато што подаци о томе шта се дешава у свету
02:36
and the child health of every country is very well aware.
38
131000
3000
и здравље деце сваке државе су познати.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Направили смо софтвер који овако приказује податке: сваки балончић је држава.
02:44
This country over here is China. This is India.
40
139000
6000
Овај овде је Кина. Ово је Индија.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Величина балончића представља популацију, а на овој оси је стопа плодности.
02:56
Because my students, what they said
42
151000
3000
Јер моји студенти су рекли
02:59
when they looked upon the world, and I asked them,
43
154000
2000
када су сагледавали свет, и када сам их питао,
03:01
"What do you really think about the world?"
44
156000
2000
„Шта заиста мислите о свету?''
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Па, најпре сам открио да је уџбеник углавном био Тинтин.
03:07
(Laughter)
46
162000
1000
(смех)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
И они су рекли: „Свет је још увек 'ми' и 'они'.
03:11
And we is Western world and them is Third World."
48
166000
3000
'ми'' је Западни свет, 'они' је Трећи свет.'
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
„А шта подразумевате под Западним светом?'', упитах.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
„Па, то је дуг живот и мале породице, а Трећи свет је кратак живот и велике породице''
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Тако да, ево шта приказујем овде. Овде доле је стопа плодности: број деце по жени,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
једно, два, три, четири, до отприлике осморо деце по жени.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Имамо врло добре податке од око 1960, 1962. год. о величини породица у свим државама.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Маргина грешке је врло мала. Лево је очекивана дужина живота при рођењу,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
од 30 година у неким земљама до око 70 година.
03:45
And 1962, there was really a group of countries here
56
200000
3000
И 1962 год. постојала је група земаља овде
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
које су биле индустријализоване земље и имале су мале породице и дуге животе.
03:53
And these were the developing countries:
58
208000
2000
А ово су биле државе у развоју:
03:55
they had large families and they had relatively short lives.
59
210000
3000
оне су имале велике породице и релативно кратке животе.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
И шта се десило од 1962? Хајде да видимо ту промену.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Да ли су студенти у праву? Да ли још увек постоје два типа земаља?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Или су ове земље у развоју добиле мање породице које живе овде?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Или имају дуже животе и живе тамо горе?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Хајде да видимо. Зауставили смо свет тамо. Ово је све од доступних
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
УН статистика. Крећемо. Је л' видите овде?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Ево Кине, креће се ка бољем здрављу, напредује.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Све зелене латиноамеричке државе иду ка мањим породицама.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Ове жуте су вам арапске земље,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
и оне добијају дуже животе, али не и веће породице.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Афричке земље су ове зелене доле, још увек остају ту.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Ово је Индија. Индонезија се креће прилично брзо.
04:36
(Laughter)
72
251000
1000
(смех)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
А 80их овде, Бангладеш је још увек међу афричким земљама.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Али сада Бангладеш -- чудо се дешава 80их:
04:43
the imams start to promote family planning.
75
258000
3000
имами почињу да заговарају планирање породице.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Он се помера у онај горе ћошак. А 90их имамо страшну ХИВ епидемију
04:51
that takes down the life expectancy of the African countries
77
266000
3000
која спушта очекивани животни век афричких земаља
04:54
and all the rest of them move up into the corner,
78
269000
4000
и све остале земље се померају горе у ћошак,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
где имамо дуге животе и мале породице, и имамо потпуно нови свет.
05:02
(Applause)
80
277000
13000
(аплауз)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Хајде да направимо директно поређење између САД и Вијетнама.
05:20
1964: America had small families and long life;
82
295000
5000
1964. год: Америка је имала мале породице и дуге животе;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Вијетнам је имао велике породице и кратке животе. И ево шта се деси:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
подаци за време рата показују да чак и уз сву смрт,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
било је напретка у очекиваном животном веку. До краја године,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
планирање породица је започето у Вијетнаму и ишло се ка мањим породицама,
05:41
And the United States up there is getting for longer life,
87
316000
3000
И Сједињене Државе тамо горе иду ка дужем животу,
05:44
keeping family size. And in the '80s now,
88
319000
3000
одржавајући величину породице истом. У 80им
05:47
they give up communist planning and they go for market economy,
89
322000
3000
се одричу комунистичког планирања и окрећу се ка тржишној економији,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
и креће се чак брже и од друштвеног живота. И данас имамо
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
исти очекивани животни век и исту величину породице
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
овде у Вијетнаму 2003. као у Сједињеним Државама, 1974, на крају рата.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Мислим да сви ми -- ако не гледамо податке --
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
потцењујемо огромну промену у Азији, која је била
06:14
in social change before we saw the economical change.
95
349000
4000
прво друштвена промена пре економске промене.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Хајде да видимо још један начин како можемо да прикажемо
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
расподелу прихода у свету. Ово је светска расподела прихода људи.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Један долар, 10 долара и 100 долара дневно.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Више нема јаза између богатих и сиромашних. То је мит.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Овде има једна мала грба. Али свуда има људи.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
И ако погледамо где заврши приход,
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
ово је 100% годишњег светског прихода. Најбогатијих 20%
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
узимају од тога око 74%. А најсиромашнијих 20%
07:01
they take about two percent. And this shows that the concept
104
396000
5000
узима око 2%. Ово показује да је концепт
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
земаља у развоју врло непоуздан. Ми размишљамо о (новчаној) помоћи,
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
како ови људи овде дају помоћ овим људима овде. Али у средини,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
имамо већину светске популације, која сада има 24% прихода.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Слушали смо о томе са више страна. А ко је све ово?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Где су разне државе? Да вам покажем Африку.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Ово је Африка. 10% светске популације, углавном у сиромаштву.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Ово је ОЕЦД. Богате државе. „Салонски клуб'' УН-а.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Оне су овде десно. Има доста преклапања између Африке и ОЕЦД.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
А ово је Латинска Америка. Она има све на овом свету,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
од најсиромашнијих до најбогатијих.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
И на то можемо ставити Источну Европу, Источну Азију,
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
и Јужну Азију. И како је изгледало ако одемо натраг кроз време,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
до отприлике 1970? Тада је постојала већа грба.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Већина оних који су живели у потпуном сиромаштву су Азијати.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Проблем у свету је било сиромаштво у Азији. И ако кренемо унапред,
08:14
you will see that while population increase, there are
120
469000
3000
видећете да како се становништво увећава,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
стотине милиона у Азији излазе из сиромаштва и неки други
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
постају сиромашни, и овако свет изгледа данас.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
И најбоља пројекција Светске банке је да ће се десити ово,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
и нећемо имати подељен свет. Имаћемо већину људи у средини.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Наравно ово је логаритмичка скала,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
али наш концепт економије је раст са процентом. Гледамо на то
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
као на могућност процентног увећања. Ако променим ово и узмем
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
БДП по глави становника уместо породичног прихода, и претворим ове
08:48
individual data into regional data of gross domestic product,
129
503000
6000
појединачне податке у регионалне податке бруто домаћег производа,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
и узмем ове регионе доле, величина балончића је још увек популација.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
И имате ОЕЦД овде, и Субсахарску Африку ту,
09:01
and we take off the Arab states there,
132
516000
3000
и ако узмемо арапске земље овде,
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
и из Азије и из Африке, и ставимо их одвојено,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
и можемо да проширимо ову осу, и даћу јој нову димензију овде,
09:13
by adding the social values there, child survival.
135
528000
3000
додајући социолошке вредности, преживљавање деце.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
сада је новац доле на оси, а лево је могућност да деца преживе.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
у неким земљама, 99.7% деце преживи до пете године живота;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
другде, само 70%. А овде као да постоји процеп
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
између ОЕЦД, Латинске Америке, Источне Европе, Источне Азије,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
арапских земаља, Јужне Азије и Субсахарске Африке.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Линеарност је врло јака између дечијег преживљавања и новца.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Али хајде да поделим Субсахарску Африку. Лево је здравље, боље здравље је горе.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Сада ћу да поделим Субсахарску Африку на државе.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
И када се поделила, величина државе-балончића је величина популације.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Сиера Леоне је ту доле. Маурицијус је тамо горе. Маурицијус је прва држава
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
која је уклонила трговинске баријере, и могли су да продају свој шећер.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Могли су да продају своје текстиле по истим условима као и народи Европе и Северне Америке
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Постоје огромне разлике у Африци. И Гана је овде у средини.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
У Сиера Леоне имамо хуманитарну помоћ.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
у Уганди, помоћ за развој, време за улагање, а на Маурицијус
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
можете да идете на одмор. Огромне су варијације
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
у Африци за коју често сматрамо да је све у њој исто.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Да поделим сад Јужну Африку. Индија је велики балончић у средини.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Али огромна је разлика између Афганистана и Шри Ланке.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Да поделим арапске државе. Какве су оне? Иста клима, иста култура,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
иста регија. Огромне разлике. Чак и међу суседима.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
У Јемену, грађански рат. У Уједињеним Арапским Емиратима, новац који је прилично једнако и добро коришћен.
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
А не како нам каже мит. И то укључује сву децу страних радника који су у земљи.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Подаци су често бољи него што мислите. Многи кажу да су подаци лоши.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Постоји маргина несигурности, али овде видимо разлику:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Камбоџа, Сингапур. Разлике су далеко веће
11:11
than the weakness of the data. East Europe:
162
646000
3000
него непоузданост података. Источна Европа:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
дуго времена у совјетској економији, али након десет година постају
11:20
very, very differently. And there is Latin America.
164
655000
3000
врло, врло другачије. Ту је и Латинска Америка.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Данас не морамо до Кубе да бисмо нашли здраву земљу у Латинској Америци.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
За пар година Чиле ће имати мању стопу смртности деце него Куба.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
И овде имамо земље са високим приходима у ОЕЦД.
11:35
And we get the whole pattern here of the world,
168
670000
4000
И тако добијамо целу слику света,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
која је мање-више оваква. И ако погледамо,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
како свет изгледа у 1960. г, почиње да се креће. Дакле, 1960.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Ово је Мао Цедунг, донео је здравље Кини. И онда је умро.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
И онда је дошао Денг Шаопинг, донео новац Кини, и опет је ставио на светску сцену.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
И видели смо како се државе крећу у различитим правцима овако,
12:02
so it's sort of difficult to get
174
697000
4000
тако да је тешко добити
12:06
an example country which shows the pattern of the world.
175
701000
5000
државу-пример која осликава свет.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Хајде да се вратимо на 1960. годину
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
упоредићу Јужну Кореју, овај балончић лево, са Бразилом,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
овај балончић овде. И волео бих да упоредим Уганду.
12:32
which is there. And I can run it forward, like this.
179
727000
5000
која је ту скроз лево. И сада ћу да пустим траку.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
И можете да видите како Јужна Кореја напредује врло, врло брзо,
12:46
whereas Brazil is much slower.
181
741000
3000
док је Бразил далеко спорији.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
И ако се вратимо уназад, и наместимо да остављају траг иза себе
12:55
you can see again that the speed of development
183
750000
4000
опет можете да видите да је брзина развоја
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
врло, врло различита, и да се државе мање-више крећу
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
истим темпом као и новац и здравље, али чини се да напредујете
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
много брже ако сте прво здрави него ако сте прво богати.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
И да бих то показао, узећемо пример Уедињених Арапских Емирата.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Они су земља минерала, долазе одавде. Узели су сву нафту,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
узели су сав новац, али здравље не може да се купи у радњи.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Морате да улажете у здравље. Морате да школујете децу.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Морате да обучите здравствено особље, да образујете целу популацију.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
И Шеик Сајед је то урадио на прилично добар начин
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Иако су цене нафте падале, довео је земљу до овде горе.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Тако да имамо далеко хомогенији приказ света,
13:43
where all countries tend to use their money
195
798000
2000
у којем све земље углавном користе новац
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
боље него у прошлости. Е сада, ово је, мање-више,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
ако погледате просечне податке земаља, овако оне изгледају.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
А опасно је користити просечне податке, зато што постоји толико
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
разлика у државама. Тако да, ако погледамо овде, можемо видети
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
да је Уганда данас тамо где је Јужна Кореја била 1960. год. Ако поделим Уганду
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
постоји прилична разлика у Уганди. Ово су квинтили Уганде.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Најбогатијих 20
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Најсиромашнији су доле. Ако поделим Јужну Африку, овако изгледа.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Ако одем доле и погледам Нигер, у којем је била страшна глад,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
овако изгледа. 20% најсиромашнијих из Нигера су скроз овде,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
а 20% најбогатијих Јужне Африке је овде,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
а опет ми причамо о томе каква решења су потребна за Африку.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Све на овом свету постоји у Африци. Не можете
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
да причате о универзалном приступу ХИВ лековима за овај квинтил горе
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
са истом стратегијом као за овај доле. Унапређивање света
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
мора бити врло контекстуализовано, и не вреди радити га
15:00
on regional level. We must be much more detailed.
212
875000
3000
на регионалном нивоу. Мора бити далеко детаљније.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Уочили смо да су студенти врло узбуђени када користе овај програм.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
И све више креатора политика и оних из корпоративних сектора би желели да виде
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
како се свет мења. Е сад, зашто се ово не дешава?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Зашто не користимо податке које имамо? Имамо податке у Уједињеним нацијама,
15:20
in the national statistical agencies
217
895000
2000
у националним агенцијама за статистику
15:22
and in universities and other non-governmental organizations.
218
897000
4000
и у универзитетима и другим невладиним организацијама.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Зато што су подаци скривени у базама података.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Ту је и јавност, ту је и интернет, али још увек га не користимо ефектно.
15:33
All that information we saw changing in the world
221
908000
3000
Све информације које смо видели како се мењају
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
не укључују јавно-финансиране статистике. Постоје веб странице
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
као ова, знате, и оне узимају мало енергије из база података,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
али људи стављају цену на њих, глупе лозинке и досадне статистике.
15:51
(Laughter) (Applause)
225
926000
3000
(смех) (аплауз)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
И неће ићи овако. Дакле, шта је потребно? Имамо базе података.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Нису потребне нове базе података. Имамо дивне дизајн алате,
16:02
and more and more are added up here. So we started
228
937000
3000
и додајемо све више и више нових. Тако да смо започели
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
непрофитну иницијативу коју смо назвали - повезивање података са дизајном -
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
назвали смо је Гепмајндер, због лондонског метроа, где вас упозоравају,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
„пазите на процеп'' (Mind the gap - Gapminder). Тако да се Гепмајндер учинило прикладним.
16:16
And we started to write software which could link the data like this.
232
951000
4000
И почели смо да пишемо софтер који може да повеже податке овако.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
И није било тако тешко. Требало нам је пар година, и направили смо анимације.
16:26
You can take a data set and put it there.
234
961000
2000
Можете да узмете скуп података и ставите га ту.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Ми ослобађамо УН податке. Неке УН организације
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
и неке државе дају да њихове базе података буду доступне свету,
16:37
but what we really need is, of course, a search function.
237
972000
3000
али оно што нам заиста треба је, наравно, опција за претрагу.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Опција за претрагу,тако да податке можемо да претворимо у претражив облик
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
и да их пошаљемо у свет. И шта чујемо када мало идемо около?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Радио сам антропологију главних статистичких јединица. Сви кажу,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
„Немогуће је. Ово се не може урадити. Наши подаци су тако специфични
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
по својим детаљима и не могу да се претражују као други.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Не можемо да их дамо бесплатно студентима и предузетницима целог света.''
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Али ово бисмо волели да видимо, зар не?
17:08
The publicly-funded data is down here.
245
1003000
3000
Јавно-финансирани подаци су овде доле.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
И волели бисмо да цвеће израсте на интернету
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
И један од круцијалних аспеката је да буду претраживи, да онда људи могу да користе
17:19
the different design tool to animate it there.
248
1014000
2000
различите дизајн алатке да их анимирају.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
И имам баш добре вести за вас, да тренутни,
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
нови шеф УН статистика, не каже да је немогуће.
17:30
He only says, "We can't do it."
251
1025000
2000
Само је рекао: „Ми то не можемо да урадимо.''
17:32
(Laughter)
252
1027000
4000
(смех)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Баш има кликер, зар не?
17:38
(Laughter)
254
1033000
2000
(смех)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Тако да, видимо да ће свашта да се дешава са подацима ових година.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Моћи ћемо да гледамо на расподеле прихода на потпуно нове начине.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Ево расподеле прихода Кине из 1970. год.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
и расподела прихода Сједињених Држава из 1970. год.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Скоро да нема преклапања. И шта се десило?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Ево шта се десило: Кина расте, више није тако једнако,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
и овде се то види, над Сједињеним Државама.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Скоро као дух, зар не, а?
18:14
(Laughter)
263
1069000
2000
(смех)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Баш застрашујуће. Али мислим да је врло важно имати све ове информације.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Стварно треба да их видимо. И уместо да гледамо ово,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
Волео бих да завршим тако што ћу приказати број корисника интернета на 1000
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Овим софтвером лако приступамо око 500 варијабли свих држава.
18:42
It takes some time to change for this,
268
1097000
4000
Потребно је мало времена да се ово промени,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
али на осама лако можете да имате коју год хоћете варијаблу.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
И права ствар би била да се базе података поставе бесплатно,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
да буду претраживе, и да их са другим кликом претворимо
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
у графичке формате, у којима можемо одмах да их разумемо.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Е сад, статистичари ово не воле, зато што кажу да ово
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
не приказује стварност; морамо да имамо статистичке, аналитичке методе.
19:16
But this is hypothesis-generating.
275
1131000
3000
Али ово је нешто што генерише хипотезу.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Завршићу сад са светом. Тамо, интернет се појављује.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Број интернет корисника расте овако. Ово је БДП по глави становника.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
И то је нова технологија, али је невероватно колико добро
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
се уклапа у економију држава. Зато ће компјутер од 100 долара
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
да буде тако важан. Али то је лепа тенденција.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Као да се свет поравњава, зар не? Ове земље
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
се подижу више него економија и биће врло интересантно
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
пратити ово током целе године, као што бих волео да то можете
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
са свим јавно-финансираним подацима. Хвала вам пуно.
19:53
(Applause)
285
1168000
3000
(Аплауз)
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