TED2006
Hans Rosling: The best stats you've ever seen
Hans Rosling görecek olacağınız en iyi istatistikleri gösteriyor
Filmed:
Readability: 3.6
14,386,844 views
Verilerin bu şekilde sunulmasını daha önce hiç görmediniz. Bir spor muhabirinin dramı ve aciliyeti ile, istatistik uzmanı Hans Rosling, "gelişmekte olan dünya"nın mitlerini açığa vuruyor.
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
Yaklaşık 10 yıl önce, İsveçli lisans öğrencilerine küresel kalkınma
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
dersi vermeyi kabul etmiştim. Bu, yaklaşık 20 yıl boyunca
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
Afrika kurumlarıyla Afrika'daki açlık üzerine araştırma yaptıktan sonra idi,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
yani artık dünya hakkında biraz bilgi sahibi olmam beklenirdi.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
Tıp fakültemizde, Karolinska Enstitüsü’nde,
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
Küresel Sağlık adını verdiğimiz bir lisans dersi açtım. Ama elinize o imkan
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
geçtiğinde biraz geriliyorsunuz. Bize gelecek olan bu öğrencilerin
00:53
coming to us actually have the highest grade you can get
7
28000
3000
İsveç okullarında alınabilecek en yüksek dereceye
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
sahip olduklarını düşündüm, yani onlara öğreteceğim her şeyi
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
biliyor olabilirlerdi. Bu yüzden geldikleri zaman onlara bir ön test yaptım.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Ve bana çok şey öğreten sorulardan biri şuydu:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
“Bu beş çift arasında en yüksek çocuk ölüm oranına sahip olan ülke hangisidir?”
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Birinin çocuk ölüm oranı diğerinin iki katı olacak şekilde
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
ülkeleri eşleştirdim. Ve bu, bilgilerin
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
belirsizliğinin yanında çok daha büyük bir fark.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Sizi burada teste tabi tutmayacağım ama aralarında en yüksek olanı
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
Türkiye, Polonya, Rusya, Pakistan ve Güney Afrika.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
İsveçli öğrencilerin verdikleri cevaplar şöyleydi. Çok dar bir
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
güven aralığı oluşturdum ve mutlu oldum tabii ki:
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
Her beş cevaptan 1.8’i doğru idi. Bu demek oluyor ki
01:41
there was a place for a professor of international health --
20
76000
3000
artık bir uluslar arası sağlık profesörü için ihtiyaç vardı
01:44
(Laughter) and for my course.
21
79000
2000
(Gülüşmeler) ve vereceğim kurs için de.
01:46
But one late night, when I was compiling the report
22
81000
4000
Bir gece geç vakit, raporumu düzenlerken
01:50
I really realized my discovery. I have shown
23
85000
4000
buluşumun farkına vardım. İsveç'in en
01:54
that Swedish top students know statistically significantly less
24
89000
5000
başarılı öğrencilerinin dünya hakkında, istatiksel anlamda,
01:59
about the world than the chimpanzees.
25
94000
2000
şempanzelerden daha az bilgiye sahip olduklarını ispatladım.
02:01
(Laughter)
26
96000
2000
(Gülüşmeler.)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Çünkü bir şempanzeye Sri Lanka ve Türkiye için
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
muz verseydim yarısını doğru cevaplardı. Problemlerin yarısı doğru cevaplanırdı.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Ama öğrenciler bunu başaramadı. Benim için sorun bilgisizlik değildi:
02:14
it was preconceived ideas.
30
109000
3000
asıl sorun ön yargılı düşüncelerdi.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Ayrıca Karolinska Enstitüsündeki hocalar üzerinde etik olmayan bir araştırma yaptım
02:21
(Laughter)
32
116000
1000
(Gülüşmeler.)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
bu araştırma sonucu Nobel Tıp Ödülü veriliyor
02:24
and they are on par with the chimpanzee there.
34
119000
2000
ve hocalar da şempanzelerle eşit düzeyde.
02:26
(Laughter)
35
121000
3000
(Gülüşmeler.)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Ve bu anda gerçekten iletişime ihtiyaç olduğunu anladım,
02:33
because the data of what's happening in the world
37
128000
3000
çünkü dünyada olup bitenlerle ilgili veriler
02:36
and the child health of every country is very well aware.
38
131000
3000
ve her ülkenin çocuk sağlığı çok iyi biliniyor.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Bunu gösteren yazılım geliştirdik: Buradaki her baloncuk bir ülkeyi temsil ediyor.
02:44
This country over here is China. This is India.
40
139000
6000
Burada gördüğünüz ülke Çin. Bu, Hindistan.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Baloncuğun büyüklüğü nüfusu temsil ediyor ve bu eksenin üzerine doğurganlık oranını koyuyorum.
02:56
Because my students, what they said
42
151000
3000
Çünkü öğrencilerimin, dünyaya baktıklarında
02:59
when they looked upon the world, and I asked them,
43
154000
2000
ve ben onlara
03:01
"What do you really think about the world?"
44
156000
2000
“Dünya hakkında gerçekten ne düşünüyorsunuz?” diye sorduğumda,
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
laf arasında, ders kitabının genelde Tenten olduğunu ilk kez öğrenmiştim,
03:07
(Laughter)
46
162000
1000
(Gülüşmeler.)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Şu cevabı aldım: “Dünya halen ‘biz’ ve ‘onlar’dan oluşuyor.
03:11
And we is Western world and them is Third World."
48
166000
3000
Biz Batı Dünyası oluyoruz ve onlar Üçüncü Dünya oluyor.”
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
“Peki Batı Dünyası’ndan kastınız ne?” diye sordum.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
“Yani, uzun yaşam süresi ve küçük bir aile. Üçüncü Dünya’da ise kısa yaşam süresi ve büyük bir aile.”
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Bunu burada gösterebilirim. Doğurganlık oranını buraya koyuyorum: kadın başına
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
çocuk sayısı, bir, iki, üç, dört, kadın başına sekiz çocuğa kadar çıkıyor.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
1962, yaklaşık 1960 yılından beri bütün ülkelerin aile büyüklüğü ile ilgili çok iyi verilere sahibiz.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Yanılma payı küçük. Buraya doğumda ortalama yaşam süresini koyuyorum.
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
Bazı ülkelerde 30 yaşından 70 yaşına kadar çıkıyor.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Ve 1962 yılı, o zamanlar burada bir grup ülke vardı,
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
sanayileşmiş ülkeler ve onların küçük aileleri ve uzun yaşam süreleri vardı.
03:53
And these were the developing countries:
58
208000
2000
Ve bunlar da gelişmekte olan ülkeler:
03:55
they had large families and they had relatively short lives.
59
210000
3000
Büyük aileleri ve nispeten kısa yaşam süreleri vardı.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Şimdi 1962’den bu yana ne oldu? Değişimi görmek istiyoruz.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Öğrenciler haklı mı? Halen iki tip ülke mi var?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Yoksa bu gelişmekte olan ülkelerin aileleri küçüldü ve burada mı yaşıyor?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Yoksa yaşam süreleri uzadı ve şurada mı yaşıyorlar?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Bir bakalım. O zaman dünyayı durdurduk. Bunların hepsi, mevcut olan
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
Birleşmiş Milletler istatistikleri. Başlıyoruz. Orada, görebiliyor musunuz?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Burası Çin. Burada daha iyi bir sağlığa doğru ilerliyor ve burada düzeliyor.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Tüm yeşil Latin Amerika ülkeleri küçük ailelere doğru ilerliyor.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Sarı olanlar Arap ülkeleri
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
ve onların aileleri daha da büyüyor – hayır, yaşam süreleri uzuyor, ama aileleri büyümüyor.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Afrikan ülkeleri aşağıdaki yeşil olanlar. Hala burada kalıyorlar.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Bu, Hindistan. Endonezya bayağı hızlı ilerliyor.
04:36
(Laughter)
72
251000
1000
(Gülüşmeler.)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Ve burada 80’li yıllarda, Bangladeş halen Afrika ülkeleri arasında bulunuyor.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Ama şimdi, Bangladeş, 80’li yıllarda bir mucize oluyor:
04:43
the imams start to promote family planning.
75
258000
3000
İmamlar aile planlamasını desteklemeye başlıyor.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Bu noktaya çıkıyorlar. Ve 90’lı yıllarda Afrika ülkelerinin ortalama yaşam süresini
04:51
that takes down the life expectancy of the African countries
77
266000
3000
düşüren korkunç HIV salgını baş gösteriyor
04:54
and all the rest of them move up into the corner,
78
269000
4000
ve tüm diğerleri uzun yaşam süreleri ve
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
küçük ailelerin olduğu bu köşeye yerleşiyor ve tamamen yeni bir dünya var oluyor.
05:02
(Applause)
80
277000
13000
(Alkış.)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Amerika Birleşik Devletleri ve Vietnam arasında doğrudan bir karşılaştırma yapalım.
05:20
1964: America had small families and long life;
82
295000
5000
1964: Amerika’da küçük aileler ve uzun yaşam süresi var;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
Vietnam’da geniş aileler ve kısa yaşam süreleri. Ve olan şey şu:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
Savaş zamanındaki veriler, tüm ölümlere rağmen
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
yaşam süresinde bir iyileşme olduğunu gösteriyor. Yıl sonunda,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
Vietnam’da aile planlaması başlatıldı ve daha küçük aileler kurmayı seçtiler.
05:41
And the United States up there is getting for longer life,
87
316000
3000
Ve Amerika Birleşik Devletleri ise yaşam süresini uzatmayı seçti,
05:44
keeping family size. And in the '80s now,
88
319000
3000
aile büyüklüğünü değiştirmeden. Ve şimdi 80’li yıllarda
05:47
they give up communist planning and they go for market economy,
89
322000
3000
bu komünist planlamadan vazgeçip, piyasa ekonomisine yöneliyorlar,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
ve bu, sosyal hayattan bile daha hızlı bir şekilde ilerliyor. Ve bugün, 2003’te,
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
Vietnam’ın ortalama yaşam süresi ve aile büyüklüğü, Amerika Birleşik Devletleri’nin
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
1974’te savaşın sonundaki ortalama yaşam süresi ve aile büyüklüğü ile aynı.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Verilere bakmazsak, sanırım hepimiz
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
Asya’daki muazzam değişimi küçümsüyoruz. Daha bizler
06:14
in social change before we saw the economical change.
95
349000
4000
ekonomik değişimleri görmeden onlar sosyal değişim yaşıyorlardı.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Burada dünyadaki gelir dağılımını gösterebileceğimiz
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
başka bir yönteme bakalım. Bu, dünyadaki insanların gelir dağılımı.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Günde bir dolar, 10 dolar veya 100 dolar.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Artık zengin ve fakir arasında bir uçurum yok. Bu bir efsane.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Burada küçük bir tepe var. Her yerde insan var.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Gelirin nerede bittiğine bakarsak eğer – gelir -
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
bu dünyadaki yıllık gelirin yüzde 100’ü. Ve en zengin yüzde 20’si
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
yıllık gelirin yüzde 74’ünü oluşturuyor. Ve en fakir yüzde 20'si ise
07:01
they take about two percent. And this shows that the concept
104
396000
5000
yıllık gelirin yüzde 2’sini oluşturuyor. Ve bu, gelişmekte olan
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
ülkeler kavramının oldukça şüpheli olduğunu gösteriyor. Hepimiz yardım düşünüyoruz,
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
buradaki insanların buradakilere yardımda bulunması gibi. Ortada,
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
dünya nüfusunun çoğunluğu bulunuyor ve onlar gelirin sadece yüzde 24’üne sahipler.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Başka şekillerde de duymuştuk. Bunlar kim peki?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Farklı olan ülkeler nerede? Size Afrika’yı göstereyim.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Bu, Afrika. Dünya nüfusunun yüzde 10’unu oluşturuyor, çoğu yoksulluk içinde.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Bu OECD. Zengin ülke. Birleşik Devletleri’nin bir devlet kulübü.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Ve onlar bu tarafta bulunuyor. Afrika ile OECD arasında bayağı çakışma var.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Ve burası Latin Amerika. Latin Amerika’da dünya üzerinde
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
bulabileceğiniz, en fakirinden en zenginine kadar herkes var.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
Ve onun üstüne, Doğu Avrupa’yı, Doğu Asya’yı
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
ve Güney Asya’yı koyabiliriz. Ve geçmişe bakarsak,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
1970’li yıllarda durum nasıldı? O zamanlar daha çok tümsekmiş.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Ve tam yoksulluk içinde yaşayanlar Asyalılarmış.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Dünya’daki sorun Asya’daki yoksullukmuş. Şimdi dünyayı ileri döndürün,
08:14
you will see that while population increase, there are
120
469000
3000
nüfus artarken, yüz milyonlarca Asyalı yoksulluktan kurtulurken
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
başkalarının yoksulluğa düştüğünü göreceksiniz
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
ve bugün böyle bir modelle karşı karşıyayız.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Dünya Bankası’nın en iyi tahminine göre böyle olacak
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
ve dünyamız bölünmeyecek. İnsanların çoğu ortada olacak.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Bu elbette ki logaritmik bir ölçek,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
ama ekonomi konseptimiz, oranlı artış. Bunu
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
yüzdelik artış olarak görüyoruz. Bunu değiştiriyorum,
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
aile geliri yerine GSYİH’yı alıyorum ve
08:48
individual data into regional data of gross domestic product,
129
503000
6000
gayri safi yurtiçi hasılanın kişisel verilerini bölgesel veriler olarak değiştiriyorum
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
ve buradaki bölgeleri alıyorum, bu baloncuğun büyüklüğü halen nüfusu temsil ediyor.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
OECD orada, sahra-altı Afrika orada
09:01
and we take off the Arab states there,
132
516000
3000
Afrika ve Asya’daki Arap devletlerini kaldırıyoruz
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
ve onları ayrı bir yere koyuyoruz,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
şimdi bu ekseni genişletebiliriz, ona yeni bir boyut verebilirim,
09:13
by adding the social values there, child survival.
135
528000
3000
toplumsal değerleri buraya ekliyoruz, çocukların hayatta kalma oranı.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Şimdi, bu eksende para var ve burada çocukların hayatta kalma oranı.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
Bazı ülkelerde çocukların yüzde 99.7’si beş yaşına kadar hayatta kalıyor;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
diğer ülkelerde bu oran sadece yüzde 70. Ve sanki burada
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
OECD, Latin Amerika, Doğu Avrupa, Doğu Asya,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
Arap ülkeleri, Güney Asya ve sahra-altı Afrika arasında bir uçurum var gibi.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Çocukların hayatta kalması ile para arasındaki doğrusallık çok güçlü.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Sahra-altı Afrika’yı bölmeme izin verin. Sağlık burada ve yüksek sağlık burada.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Buraya gidip sahra-altı Afrika’yı ülkelere bölebilirim.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
Ve bölündüğünde, bu ülke baloncuğun büyüklüğü nüfusun büyüklüğü oluyor.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Sierra Leone burada. Mauritius burada. Mauritius dış ticaret engellerini aşan
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
ilk ülkeydi ve kendi şekerlerini satmaya başladılar.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Tekstil ürünlerini tıpkı Avrupa’daki ve Kuzey Amerika’daki insanlar gibi eşit koşullarda satmayı başardılar.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Afrika ile burada ortada bulunan Gana arasında çok büyük bir fark var.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
Sierra Leone’ye insani yardım yapılıyor.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Uganda’ya kalkınma yardımı yapılıyor. Burası, yatırım yapma zamanı, orada ise,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
tatile gidebilirsiniz. Afrika içinde nadiren
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
yapmış olduğumuz bir farklılık bu, her şeyin eşit olması.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Güney Asya’yı da buradan bölüyorum. Hindistan ortadaki büyük baloncuğu temsil ediyor.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Afganistan ile Sri Lanka arasında çok büyük bir fark var.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Arap ülkelerini de bölüyorum. Aradaki fark nedir? Aynı iklim, aynı kültür,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
aynı din. Çok büyük bir fark. İki komşu arasında bile.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Yemen, iç savaşta. Birleşik Arap Emirliklerinde ise para oldukça eşit dağıtılmış ve iyi kullanılıyor.
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
Efsanedeki gibi değil. Ve bu, ülkede yaşayan bütün yabancı işçilerin çocuklarını da kapsıyor.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Veriler çoğu kez düşündüğünüzden daha iyi. Bir çok insan verilerin kötü olduğunu söyler.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Bir belirsizlik marjı var ama farkı burada görebiliriz:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Kamboçya, Singapur. Aradaki farklar, verilerin
11:11
than the weakness of the data. East Europe:
162
646000
3000
zayıflığından daha büyük. Doğu Avrupa:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
Uzun bir dönem Sovyet ekonomisi ile yaşadılar ama onlarca yıl sonra
11:20
very, very differently. And there is Latin America.
164
655000
3000
çok, çok farklı karşımıza çıktılar. Ve burada da Latin Amerika’yı görüyorsunuz.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Günümüzde, Latin Amerika’da sağlıklı bir ülke bulmak için Küba’ya gitmemiz gerekmiyor.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
Bundan birkaç yıl önce Şili’deki çocuk ölüm oranları Küba’dan daha düşüktü.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
Ve burada OECD’deki en yüksek gelire sahip olan ülkeleri görüyorsunuz.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Dünyada var olan model
11:39
which is more or less like this. And if we look at it,
169
674000
5000
az çok bu şekilde. Ve nasıl görünüyor diye baktığımız zaman,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
dünya 1960 yılında ilerlemeye başlıyor.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Bu Mao Tse-tung. Çin’e sağlık getirdi. Ve sonra öldü.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
Sonra Deng Xiaoping geldi ve Çin’e para getirdi ve onları tekrar temellerine döndürdü.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Ve ülkelerin nasıl böylesi farklı yönlere doğru ilerlediğini gördük,
12:02
so it's sort of difficult to get
174
697000
4000
bu sebepten dolayı
12:06
an example country which shows the pattern of the world.
175
701000
5000
dünyanın modelini gösteren bir örnek ülke bulmak zor.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Sizleri 1960 yılına geri götürmek istiyorum.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Buradaki Güney Kore’yi, şuradaki Brezilya ile karşılaştırmak istiyorum.
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
Buradaki işareti gözden kaçırdım. Ve bunları, şurada Uganda ile karşılaştırmak istiyorum.
12:32
which is there. And I can run it forward, like this.
179
727000
5000
Ve bunu bu şekilde öne sarabiliyorum.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Güney Kore’nin ne kadar hızlı bir ilerleme kaydettiğini görüyorsunuz.
12:46
whereas Brazil is much slower.
181
741000
3000
Brezilya ise çok daha yavaş.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Geri gittiğimizde ve üzerlerine işaret koyduğumuzda,
12:55
you can see again that the speed of development
183
750000
4000
gelişme hızının yine çok, çok farklı olduğunu görüyorsunuz
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
ve ülkeler, para ve sağlık konusunda az çok
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
aynı hızda ilerliyor ama sanki önce sağlıklı olan ülkeler
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
öncelikle varlıklı olanlardan daha hızlı ilerliyor gibi.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Size bunu göstermek için Birleşik Arap Emirlikleri’nin yolunu işaretleyeceğim.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Buradan geldiler, bir madeni ülkeden. Petrolün hepsini aldılar,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
bütün paralara sahip oldular ama sağlık süpermarketten satın alınamıyor.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Sağlığa yatırım yapmanız gerekiyor. Çocukları eğitmeniz gerekiyor.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Sağlık personeli eğitmeniz gerekiyor. Halkı eğitmeniz gerekiyor.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
Şeyh Sayid bunu oldukça iyi bir şekilde yaptı.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Ve düşen petrol fiyatlarına rağmen, bu ülkeyi buraya getirdi.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Yani dünyada hemen hemen temel bir manzara hakim,
13:43
where all countries tend to use their money
195
798000
2000
ülkeler paralarını, geçmişte kullandıklarından
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
daha iyi bir şekilde kullanmaya çalışıyor. Ülke verilerinin ortalamasına
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
baktığınız zaman az çok şu şekilde.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Aslında verilerin ortalamasını kullanmak tehlikelidir çünkü
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
ülkelerin aralarında çok fazla fark var. Buraya baktığımız zaman,
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
bugün Uganda’nın, Güney Kore’nin 1960 yılında bulunduğu noktada olduğunu görüyoruz.
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
Uganda’yı bölersek eğer, Uganda’nın içinde de bayağı farklar var. Uganda’yı beş parçaya ayırdım.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Ugandalıların en zengin yüzde 20’si burada.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
En fakirleri ise burada. Güney Afrika’yı böldüğüm zaman bu hale geliyor.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Daha aşağılarda bulunan Nijerya’ya bakarsak eğer, orada dehşet verici bir kıtlık vardı,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
sonunda, bu şekilde oluyor. Nijerya’nın en fakir yüzde 20’si orada,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
ve Güney Afrika’nın en zengin yüzde 20’si orada
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
ve biz hala Afrika’da ne tarz çözümler bulunması gerektiğini tartışmaya çalışıyoruz.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
Bu dünyadaki her şey Afrika’da var. Ve buradaki beşte birlik kısım için
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
HIV’ye [tıbbi] evrensel yaklaşımı, burada aşağıdaki beşte birlik kısım
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
için aynı mantıkla tartışamazsınız. Dünyadaki gelişim
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
bütün öğeleri ile birlikte alınmalıdır, bunu sadece bir bölgesel
15:00
on regional level. We must be much more detailed.
212
875000
3000
seviyede tutmak mantıksızdır. Daha fazla detaya ihtiyacımız var.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Öğrencilerin, bunu kullanabilecekleri zaman oldukça heyecanlandıklarını gördük.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Daha çok politikacılar ve şirketler kesimi dünyanın nasıl değiştiğini
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
görmek istiyor. Bu neden olmuyor?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Neden elimizdeki verileri kullanmıyoruz? Birleşmiş Milletlerin verileri var,
15:20
in the national statistical agencies
217
895000
2000
ulusal istatik kurumlarının verileri var
15:22
and in universities and other non-governmental organizations.
218
897000
4000
üniversite ve diğer sivil toplum kuruluşlarının verileri var.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Çünkü veriler, veri tabanlarında gizleniyor.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Halk orada, internet orada ama halen faydalı bir şekilde kullanmadık.
15:33
All that information we saw changing in the world
221
908000
3000
Dünyada değiştiğini gördüğümüz verilerin hiçbiri
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
resmi finans istatistiklerini içermiyor. Bilirsiniz bir takım web sayfaları
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
vardır, veritabanlarından bilgiler alır,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
ama onların üzerine fiyat, aptalca şifreler ve sıkıcı istatistikler koyarlar.
15:51
(Laughter) (Applause)
225
926000
3000
(Gülüşmeler.) (Alkış.)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Bu şekilde olmaz. Lazım olan ne peki? Veritabalarımız var.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
İhtiyacımız olan yeni bir veritabanı değil. Harika tasarım araçlarımız var
16:02
and more and more are added up here. So we started
228
937000
3000
ve buna bir çok şey eklenebilir. Yani kar amacı
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
gütmeyen bir girişim başlattık, verileri tasarıma bağladık,
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
ve buna Gapminder ismini verdik. Londra metrosundan esinlendik. Hani
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
“boşluğa dikkat edin” diye uyarırlar ya? Dolayısıyla Gapminder isminin uygun olduğunu düşündük.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Ve bu verileri bu şekilde bağlayabilen bir yazılım yazmaya başladık.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
O kadar da zor olmadı. Bunu elde etmek birkaç yıl aldı ve animasyonlar yaptık.
16:26
You can take a data set and put it there.
234
961000
2000
Bir veriyi alıp buraya koyabilirsiniz.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Birleşmiş Milletlerin verilerini ve bazı BM kuruluşlarının verilerini açığa çıkarıyoruz.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Bazı ülkeler, veritabanlarının dünyaya sunulmasını kabul ediyor,
16:37
but what we really need is, of course, a search function.
237
972000
3000
ama asıl ihtiyacımız olan elbette bir arama fonksiyonu.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Verileri aranabilecek bir formata kopyalayabileceğimiz
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
ve dünyaya sunabileceğimiz bir arama fonksiyonu. Ve etrafa baktığımızda ne duyuyoruz?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Temel istatistik birimlerine antropolojiyi aradım. Herkes diyor ki,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
“Bu imkansız. Yapılamaz. Bizim verilerimiz o derece özel ki,
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
diğer veritabanları gibi arama yapılamaz.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Verilerimizi öğrencilere, dünyadaki iş adamlarına sunamayız.”
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Ama görmek istediğimiz de bu, öyle değil mi?
17:08
The publicly-funded data is down here.
245
1003000
3000
Resmi veriler işte burada.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Ve internette çiçeklerin açmasını istiyoruz.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Ve en önemli noktalardan biri bunları aranabilir hale getirmek ve o zaman insanlar
17:19
the different design tool to animate it there.
248
1014000
2000
bunları canlandırmak için çeşitli tasarım araçlarını kullanabilir.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
Size çok iyi bir haberim var. Size, BM İstatistik Birimi Başkanı’nın
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
bunun imkansız olduğunu söylemediğini belirtmek istiyorum.
17:30
He only says, "We can't do it."
251
1025000
2000
Sadece “başaramayız.” diyor.
17:32
(Laughter)
252
1027000
4000
(Gülüşmeler.)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Ve bu çok zeki bir adam, değil mi?
17:38
(Laughter)
254
1033000
2000
(Gülüşmeler.)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Dolayısıyla, önümüzdeki yıllarda verilerde bayağı çok şey değişeceğini göreceğiz.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Tamamen yeni şekillerde gelir dağılımına bakabileceğiz.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Bu 1970 yılında Çin’in gelir dağılımı,
17:54
the income distribution of the United States, 1970.
258
1049000
5000
bu ise 1970 yılında Amerika Birleşik Devletleri’nin gelir dağılımı.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Neredeyse hiç örtüşme yok. Neredeyse hiç örtüşme yok. Ve ne oldu?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Olan şey şu: Çin büyüyor ve artık o derece eşit değil,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
ve burada görülüyor, Amerika Birleşik Devletleri’ni geçiyor.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Neredeyse bir hayalet gibi, değil mi?
18:14
(Laughter)
263
1069000
2000
(Gülüşmeler.)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Oldukça ürkütücü. Ama sanırım tüm bu bilgilere sahip olmak oldukça önemli.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Gerçekten görmemiz lazım. Ve buna bakmak yerine,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
1:00 kişi başına internet kullanıcılarını göstererek bitirmek istiyorum.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Bu yazılımda, kolayca bütün ülkelerin yaklaşık 500 değişkenine erişebiliyoruz.
18:42
It takes some time to change for this,
268
1097000
4000
Bunu değiştirmek biraz zaman alıyor,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
ama eksenlerde, istediğiniz herhangi bir değişkeni oldukça kolay alabiliyorsunuz.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Ve konu, veritabanlarının ücretsiz olması,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
aranabilir yapılması ve ikinci tıklamamızda onları
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
hemen anlayabileceğiniz grafik formatına dönüştürebilmenizdir.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Şimdi, istatikçiler bunu pek sevmezler, bunun
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
gerçeği yansıtmadığını söylerler; istatiksel, analitik metotlara ihtiyacımız var.
19:16
But this is hypothesis-generating.
275
1131000
3000
Ama bu varsayım üretmektir.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Dünya ile noktalayacağım. İnternet geliyor.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
İnternet kullanıcıları sayısı bu şekilde artıyor. Bu kişi başına GSİYH.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Ve yeni teknolojiler çıkıyor ve sonra bu, hayret verici bir şekilde
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
ülkelerin ekonomisine nasıl da güzel uyuyor. 100 dolarlık bir
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
bilgisayarın neden bu derece önemli olduğu bundan dolayı. Ama bu güzel bir eğilim.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Sanki dünya düzleşiyormuş gibi, öyle değil mi? Bu ülkeler
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
ekonomiden daha da fazlasını kalkındırıyorlar ve onları yıl boyunca
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
takip etmek oldukça ilginç olacak, bunu sizlerin, bütün resmi
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
veriler ile yapmanızı isterim. Çok teşekkür ederim.
19:53
(Applause)
285
1168000
3000
(Alkış.)
Reviewed by Koray Al
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