TED2006
Hans Rosling: The best stats you've ever seen
Ханс Рослінг демонструє найкращу статистику, що ви колись бачили
Filmed:
Readability: 3.6
14,386,844 views
Ви ще ніколи не бачили, щоб дані подавалися таким чином. З драматизмом і нестримністю спортивного коментатора, гуру від статистики Ханс Рослінг розвінчує міфи про так звані «країни, що розвиваються».
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
Біля 10 років тому я взявся викладати всесвітній розвиток
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
шведським студентам. Це було після 20-ти років
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
досліджень голоду в Африці разом з африканськими установами,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
тому я нібито вже мав дещо знати про світ.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
У нашому медичному університеті, Інституті Каролінська, я почав
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
викладати курс «Всесвітнє здоров'я». Але коли ви
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
отримуєте таку можливість, ви трохи нервуєте. Я подумав, що якщо ті студенти,
00:53
coming to us actually have the highest grade you can get
7
28000
3000
які до нас приходять, мають найвищі можливі оцінки
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
у шведській системі середньої освіти, то вони, мабуть, знають все,
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
що я збираюсь їм розказати. Тому я провів вхідне тестування.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
І одним із запитань, з якого я багато чого зрозумів, було таке:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
«У якій з країн із цих п'яти пар дитяча смертність вища?»
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Я підібрав їх так, щоб у кожній парі країн
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
рівень дитячої смертності відрізнявся вдвічі. Це означає,
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
що різниця значно більша за похибку даних.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Я не буду вас тестувати; це Туреччина
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
з найвищим рівнем тут, Польща, Росія, Пакистан і Південна Африка.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
А це результати шведських студентів. Так я отримав
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
довірчий інтервал, досить вузький, і зрадів звичайно:
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
1,8 правильних відповідей із п'яти можливих. Це значить, що
01:41
there was a place for a professor of international health --
20
76000
3000
викладач міжнародної охорони здоров'я тут потрібен,
01:44
(Laughter) and for my course.
21
79000
2000
(сміх) і потрібен мій курс.
01:46
But one late night, when I was compiling the report
22
81000
4000
Але одного пізнього вечора, коли я складав звіт,
01:50
I really realized my discovery. I have shown
23
85000
4000
я таки справді зрозумів своє відкриття. Я показав, що
01:54
that Swedish top students know statistically significantly less
24
89000
5000
найкращі шведські студенти статистично знають про світ
01:59
about the world than the chimpanzees.
25
94000
2000
значно менше, ніж шимпанзе.
02:01
(Laughter)
26
96000
2000
(Сміх)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Бо шимпанзе отримали б половину балів. Якби я дав їм
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
два банани з Шрі Ланкою і Туреччиною, вони б вгадали в половині випадків.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Але зі студентами все не так. По-моєму, проблема не в незнанні:
02:14
it was preconceived ideas.
30
109000
3000
вона в упередженому ставленні.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Я також провів неетичне дослідження викладачів Інституту Каролінська,
02:21
(Laughter)
32
116000
1000
(Сміх)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
який видає Нобелівські премії в медицині,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
і тут вони на рівних з шимпанзе.
02:26
(Laughter)
35
121000
3000
(Сміх)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Ось тут-то я зрозумів гостру необхідність поширювати інформацію,
02:33
because the data of what's happening in the world
37
128000
3000
оскільки дані про те, що відбувається в світі,
02:36
and the child health of every country is very well aware.
38
131000
3000
про здоров'я дітей в кожній країні, цілком доступні.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Ми створили цю програму, що відображає все так: кожен кружечок це країна.
02:44
This country over here is China. This is India.
40
139000
6000
Ця країна, ось тут, це Китай. Це — Індія.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Розмір кружечка відповідає кількості населення, а на цій осі я розмістив рівень народжуваності.
02:56
Because my students, what they said
42
151000
3000
Бо мої студенти, вони сказали,
02:59
when they looked upon the world, and I asked them,
43
154000
2000
дивлячись на світ, коли я їх спитав,
03:01
"What do you really think about the world?"
44
156000
2000
«То що ви думаєте про світ?»
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
По-перше, я зрозумів, що свої знання вони черпали в основному з коміксів.
03:07
(Laughter)
46
162000
1000
(Сміх)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Вони сказали: «Світ досі ділиться на "нас" і "них".»
03:11
And we is Western world and them is Third World."
48
166000
3000
«І "ми" це Західний світ, а "вони" — це третій світ.»
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
«А що ви вважаєте Західним світом?», спитав я.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
«Ну, це довге життя і малі сім'ї, а третій світ — це коротке життя і великі сім'ї.»
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Саме це я зобразив. Тут коефіцієнт народжуваності, кількість дітей на одну жінку,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
одна, дві, три, чотири, аж до близько восьми дітей на жінку.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
Ми маємо дуже хороші дані з 1962 (приблизно 1960) про розміри сімей у всіх країнах.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Похибка даних невелика. Тут я розмістив очікувану тривалість життя при народженні,
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
від 30-ти років у деяких країнах, до 70-ти років.
03:45
And 1962, there was really a group of countries here
56
200000
3000
У 1962-му, тут дійсно була група країн,
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
індустріальні країни, в них були малі сім'ї — і довгі життя.
03:53
And these were the developing countries:
58
208000
2000
А це були країни, що розвиваються:
03:55
they had large families and they had relatively short lives.
59
210000
3000
вони мали великі сім'ї і відносно короткі життя.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Отже, що відбулося з 1962-го? Ми хочемо побачити зміни.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Чи мають рацію студенти? Чи досі є два типи країн?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Чи ці країни, що розвиваються, тепер мають малі сім'ї і живуть тут?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Чи в них тепер більша тривалість життя і вони ось там?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Подивімось. Ми запускаємо світ. Це все доступна статистика ООН.
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
Поїхали. Бачите?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Ось Китай, рухається до кращого здоров'я, ось.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Ось зеленим латиноамериканські країни, рухаються до менших сімей.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Ось тут жовті — арабські країни,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
у них збільшуються сім'ї, ні, збільшується тривалість життя, але не сім'ї.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Африканські — зелені тут внизу. Вони досі залишаються тут.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Ось Індія. Індонезія рухається досить швидко.
04:36
(Laughter)
72
251000
1000
(Сміх)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
Тут, у 80-х, бачимо, Бангладеш досі серед африканських країн.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
І ось, Бангладеш, — це диво, що відбувається у 80-х:
04:43
the imams start to promote family planning.
75
258000
3000
імами починають підтримувати планування сім'ї.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Вони рухаються вгору в той кут. І у 90-х, бачимо жахливу епідемію ВІЛ,
04:51
that takes down the life expectancy of the African countries
77
266000
3000
яка тягне вниз тривалість життя в африканських країнах,
04:54
and all the rest of them move up into the corner,
78
269000
4000
а всі інші рухаються вгору в той кут,
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
де ми бачимо довгі життя і малі сім'ї, і ми маємо абсолютно новий світ.
05:02
(Applause)
80
277000
13000
(Оплески)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Дозвольте порівняти напряму США і В'єтнам.
05:20
1964: America had small families and long life;
82
295000
5000
1964: в Америці малі сім'ї і довге життя;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
у В'єтнамі великі сім'ї і коротке життя. І ось що відбувається:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
дані за час війни показують, що навіть при свій смертності,
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
покращилась очікувана тривалість життя. До кінця року,
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
у В'єтнамі почалось планування сім'ї, і розмір сімей почав зменшуватись.
05:41
And the United States up there is getting for longer life,
87
316000
3000
А в США тут вгорі збільшується тривалість життя
05:44
keeping family size. And in the '80s now,
88
319000
3000
при збереженні розмірів сімей. Далі, у 80-х
05:47
they give up communist planning and they go for market economy,
89
322000
3000
вони відмовляються від комуністичного планування і рухаються до ринкової економіки,
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
рухаючись швидше навіть в соціальному плані. І сьогодні, ми бачимо
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
у В'єтнамі таку ж тривалість життя і такий самий розмір сімей,
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
тут, у В'єтнамі 2003-го, як в США 1974-го під кінець війни.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Я думаю, що ми всі, якщо не дивитися на дані,
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
недооцінюємо вражаючі зміни в Азії, що проявлялись
06:14
in social change before we saw the economical change.
95
349000
4000
в соціальних змінах ще до того, як ми побачили економічні зміни.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Давайте передемо до іншого способу, яким ми можемо зобразити
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
розподіл доходу в світі. Ось світовий розподіл доходу людей.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Один долар, десять доларів, сто доларів на день.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Немає розриву між багатими і бідними. Це міф.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Ось тут невеликий горбок. Але люди є вздовж всієї кривої.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
Якщо ми глянемо на розподіл доходу,
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
ось 100 відсотків світового щорічного доходу. Найбагатші 20%,
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
вони забирають з цього біля 74%. А найбідніші 20%
07:01
they take about two percent. And this shows that the concept
104
396000
5000
забираються біля 2%. Це показує, що ідея країн,
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
які розвиваються, вкрай сумнівна. Ми думаємо про допомогу, ніби
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
ці люди дають допомогу оцим людям. Але в середині
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
ми бачимо більшість населення світу, і в них зараз 24% доходу.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Ми таке чули в багатьох формах. А хто це такі?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Де різні країни? Я можу показати вам Африку.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Ось Африка. 10% світового населення, переважно в бідності.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Це країни ОЕСР (Організація економічної співпраці та розвитку). Багаті країни. Клуб країн ООН.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
І вони з цього боку. Вони відчутно перетинаються з Африкою.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Ось Латинська Америка. Тут є все на світі,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
від найбідніших до найбагатших, в Латинській Америці.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
І зверху ми кладемо Східну Європу, Східну Азію
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
і Південну Азію. А як би це виглядало, якби ми повернулися в часі,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
приблизно до 1970-го? Тут горбок більший.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Ми бачимо, що більшість тих, хто жив в абсолютній бідності, — азіати.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Світовою проблемою була бідність в Азії. І тепер, якщо ми пустимо світ вперед,
08:14
you will see that while population increase, there are
120
469000
3000
ви побачите, що, поряд зі збільшенням населення,
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
сотні мільйонів в Азії вибираються з бідності,
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
інші біднішають, і ось картина, яку ми маємо сьогодні.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
Найкращий прогноз від Світового банку передбачає таке,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
і ми вже не матимемо розділеного світу. Більшість людей буде посередині.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Звичайно, тут логарифмічна шкала,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
але в нашому розумінні економіка росте у відсотках. Ми дивимось на це,
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
як на можливість процентного зростання. Я дещо поміняю,
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
взявши ВВП на душу населення замість доходу сім'ї, і перетворю ці
08:48
individual data into regional data of gross domestic product,
129
503000
6000
окремі дані на дані про ВВП по регіонах,
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
і перемістимо регіони сюди. Розмір кружечка — це знову населення.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Тут ми бачимо ОЕСР, тут Африка південніше Сахари,
09:01
and we take off the Arab states there,
132
516000
3000
тут арабські країни
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
із Африки і Азії, ми їх відділимо,
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
і розтягнемо все по цій осі, вводячи новий соціальний вимір,
09:13
by adding the social values there, child survival.
135
528000
3000
виживання дітей.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Отже, на цій осі в мене гроші, а на цій — йморвіність виживання дітей.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
В деяких країнах 99,7% дітей доживає до п'ятирічного віку;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
в інших, тільки 70. І ось ми помічаємо розрив
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
між ОЕСР, Латинською Америкою, Східною Європою, Східною Азією,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
арабськими країнами, Південною Азією і Африкою південніше Сахари.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Дуже сильна лінійна залежність між виживанням дітей і грішми.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Але давайте розділимо Африку південніше Сахари. Тут здоров'я; краще здоров'я — вгорі.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Тут я можу розділити Африку південніше Сахари по країнах.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
Тут розмір кружечка відповідає розміру населення країни.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Внизу Сьєрра-Леоне. Вгорі Маврикій. Маврикій став першою країною,
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
що зняла торгові бар'єри і змогла продавати цукор.
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
Вони змогли продавати текстиль на рівних з Європою і Північною Америкою.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Всередині Африки величезні відмінності. Ось Гана посередині.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
У Сьєрра-Леоне — гуманітарна допомога.
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
Ось в Уганді, економічна допомога. Ось сюди можна інвестувати, сюди
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
можна поїхати у відпустку. Це вражаючі відмінності
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
всередині Африки, а ми дуже часто вважаємо, що ситуація там однакова.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Я розіб'ю Південну Азію. Великий кружечок посередині — Індія.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Є величезна різниця між Афганістаном і Шрі Ланкою.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
Розіб'ю арабські країни. Як вони? Один клімат, одна культура,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
одна релігія. Величезні відмінності. Навіть між сусідами.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
Ємен, громадянська війна. ОАЕ, досить рівне й ефективне використання грошей.
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
Не так, як каже міф. І це включаючи всіх дітей і всіх іноземних працівників, які є в країні.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Дані часто кращі, ніж ви думаєте. Багато людей каже, що дані неправильні.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Є певна похибка, але тут ми бачимо різницю:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Камбоджія, Сингапур. Різниця значно більша,
11:11
than the weakness of the data. East Europe:
162
646000
3000
ніж похибка даних. Східна Європа:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
тривалий час радянської економіки, але за десять років вони
11:20
very, very differently. And there is Latin America.
164
655000
3000
дуже-дуже різні. А ось Латинська Америка.
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
Сьогодні, щоб знайти здорову країну в Латинській Америці, не обов'язково їхати на Кубу.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
В Чілі за кілька років буде нижча дитяча смертність, ніж на Кубі.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
А ось високодоходні країни ОЕСР.
11:35
And we get the whole pattern here of the world,
168
670000
4000
І ось ми маємо вже цілу картину світу,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
що виглядає схоже на це. І якщо подивимось,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
як вона виглядає — світ, 1960 рік — рух почався. 1960 рік.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
Це — Мао Цзедун. Він приніс здоров'я в Китай. І потім помер.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
А потім прийшов Ден Сяопін і приніс гроші, і це поставило Китай в загальне русло.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Отже, ми побачили, як країни рухаються в різних напрямках,
12:02
so it's sort of difficult to get
174
697000
4000
і важко знайти країну-приклад,
12:06
an example country which shows the pattern of the world.
175
701000
5000
яка б демонструвала загальну тенденцію в світі.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Хочу повернути вас приблизно сюди — в 1960 рік.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
І хочу порівняти Південну Корею, ось це вона, із Бразилією,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
а ось це вона. Десь загубилися підписи. А також хочу порівняти Уганду,
12:32
which is there. And I can run it forward, like this.
179
727000
5000
он де вона. І я можу прокрутити вперед — в майбутнє, ось так.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Можна побачити, як Південна Корея дуже і дуже швидко просувається,
12:46
whereas Brazil is much slower.
181
741000
3000
в той час як Бразилія рухається набагато повільніше.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
І якщо ми знову повернемось сюди, і залишимо сліди руху, ось так,
12:55
you can see again that the speed of development
183
750000
4000
то знову побачимо, що швидкість або ж темпи розвитку
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
дуже сильно відрізняються, і що країни рухаються більш-меньш
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
із тією ж швидкістю, що гроші та здоров'я. Але здається, що рух буде
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
значно швидший, якщо ви, в першу чергу, людина здорова, аніж людина заможна.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Щоб продемонструвати це, варто подивитись на Об'єднані Арабські Емірати.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Вони прийшли звідси — країна з природними ресурсами. В них великі запаси нафти,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
в них великі гроші, але не можна купити здоров'я в супермаркеті.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
У здоров'я треба інвестувати. Треба, щоб діти ходили до школи.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Треба готувати працівників в охороні здоров'я. Треба відповідно виховувати населення.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
І Шейх Сайед непогано виконав цю роботу.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
І незважаючи на падіння цін на нафту, він спромігся підняти країну аж сюди.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
Отже, в нас набагато більш однорідне уявлення про світ,
13:43
where all countries tend to use their money
195
798000
2000
в якому всі країни намагаються використовувати свої гроші
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
краще, ніж в минулому. Так нібито здається,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
якщо брати до уваги середні дані по країнах. Ось так вони виглядають.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Але — ризиковано спиратися на середні дані, адже існує велика різниця
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
в самих країнах. Отже, якщо я візьму оці дані, то побачимо,
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
що Уганда сьогодні знаходиться там, де була Південна Корея в 1960 році. Але якщо я поділю Уганду,
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
в самій країні є різниця. Оце — квінтілі (поділ даних на 5 рівних груп) по Уганді.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Найзаможніші 20% населення Уганди знаходяться тут.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Найбідніші — ось тут внизу. Якщо я розділю Південну Африку, це буде виглядати таким чином.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Якщо будемо рухатися вниз і візьмемо Нігер, де нещодавно був такий жахливий голод,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
ситуація буде ось така. 20% найбіднішіх в Нігері — взагалі ось тут,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
а 20% найбагатших людей Південної Африки — ось тут,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
а ми продовжуємо обговорювати, які потрібні рішення стосовно Африки.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
В Африці є все, що існує в цьому світі. І не можна
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
обговорювати загальний підхід до проблем ВІЛ для цього квінтіля
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
з тією ж самою стратегією, що використовується тут. Стратегії розвитку світу
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
мають розроблятися, враховуючи специфіку країни,
15:00
on regional level. We must be much more detailed.
212
875000
3000
а не цілого регіону. Треба якомога більше деталізувати.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Ми знаємо, що студенти в захваті, коли можуть скористатися цим.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Також політикам та бізнесменам все цікавівше стає побачити,
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
як же змінюється світ. Але, чому ж це не відбувається?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Чому ми не використовуємо вже наявні дані? Маємо ж статистику від ООН,
15:20
in the national statistical agencies
217
895000
2000
національних статистичних агенцій,
15:22
and in universities and other non-governmental organizations.
218
897000
4000
университетів, інших недержавних організацій тощо.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Але ж дані поховані глибоко в базах даних.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Є суспільство, є Інтернет, є свобода інформації, але ми досі не використовуємо це ефективно.
15:33
All that information we saw changing in the world
221
908000
3000
В усій цій інформації, яку ми побачили, і яка змінюється в світі постійно,
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
немає загальнодоступної статистики. Є деякі Інтернет-сторінки,
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
як оця, наприклад, і вони «годуються» з тих самих баз даних,
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
але люди встановлюють розцінки на користування ними, безглузді паролі та нудну статистику.
15:51
(Laughter) (Applause)
225
926000
3000
(Сміх) (Оплески)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Оце не буде працювати. Що ж потрібно? Маємо бази даних.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Отже, нових не треба. Маємо чудові інструменти для проектування,
16:02
and more and more are added up here. So we started
228
937000
3000
і їх все більшає. Отже, ми заснували
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
неприбутковий проект — зв'язати дані з дизайном,
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
назвали його Gapminder, за аналогом з лондонським метро, де тебе попереджують,
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
«mind the gap» (Обережно, прогалина!). Ми вирішили, що Gapminder (той, що звертає увагу на прогалини/різниці) — дуже влучно.
16:16
And we started to write software which could link the data like this.
232
951000
4000
І почали створювати програмне забезпечення, яке б зв'язало такі дані.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Це було не так вже й важко. Зайняло декілька людино-років, і програма анімує дані.
16:26
You can take a data set and put it there.
234
961000
2000
Візьміть масив даних і додайте до програми.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Ми «звільняємо» дані ООН, декількох організацій цієї системи.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Деякі країни згодні з тим, що їх бази даних відкрито підуть в світ,
16:37
but what we really need is, of course, a search function.
237
972000
3000
але що нам справді потрібно — це, звичайно, функція пошуку.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Функція, за допомогою якої ми трансформуємо дані в формат, зручний для пошуку,
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
і випускаємо їх у світ. А що ми чуємо у відповідь?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Я оббивав пороги головних статистичних агенцій. Всі говорять,
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
«Це неможливо. Цього не можно робити. Наші дані настільки спеціфічні в деталях,
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
що не можна їх додавати до загального пошуку.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Не можна вільно надавати такі дані студентам, підприємцям всього світу.»
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Але є саме це нам і потрібно, хіба ні?
17:08
The publicly-funded data is down here.
245
1003000
3000
Загальнодоступна статистика знаходиться ось тут, внизу.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
Ми хочемо, щоб інформація ожила і виросла з Інтернету, як квіти.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
І важливо зробити цю інформацію доступною для пошуку, тоді люди зможуть використовувати
17:19
the different design tool to animate it there.
248
1014000
2000
різні проектні інструменти для анімації даних.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
І в мене для вас гарна новина:
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
поточний, новий голова Департаменту статистики ООН не каже «Це неможливо».
17:30
He only says, "We can't do it."
251
1025000
2000
Він тільки каже «Ми не можемо цього зробити».
17:32
(Laughter)
252
1027000
4000
(Сміх)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Оце розумник, так?
17:38
(Laughter)
254
1033000
2000
(Сміх)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Отже, багато чого зміниться в статистиці за наступні роки.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Ми зможемо зовсім по-новому дивитися на розподіл доходів.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Це — розподіл доходів в Китаї, рік 1970.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
А це — розподіл доходів в США, рік теж 1970.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Майже зовсім не перетинаються. Майже зовсім. Що ж сталося потім?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
А сталося ось що: Китай зростає і втрачає колишню рівність всередині,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
і ось вже країна змістилася сюди, над США.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Майже як привид, правда?
18:14
(Laughter)
263
1069000
2000
(Сміх)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Трохи лякає. Гадаю, дуже важливо мати всю цю інформацію.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Нам справді потрібно бачити це. І замість того, щоб дивитися на це,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
хочу закінчити тим, що продемонструю кількість користувачів Інтернету на тисячу мешканців.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
З цим ПЗ ми легко отримуємо 500 змінних чинників зі всіх країн.
18:42
It takes some time to change for this,
268
1097000
4000
Займає трохи часу змінити це,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
але на осях можна легко обрати будь-яку змінну, що вас цікавить.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
І справа в тому, щоб вільно отримати бази даних,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
зробити їх придатними для пошуку, і вже за другим кліком мишки отримати їх
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
в графічному форматі, коли ви миттєво розумієте їх суть.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Статистикам це не подобається, бо вони кажуть, що це
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
не відображає реальності — бо нам же потрібні статистичні, аналітичні методи.
19:16
But this is hypothesis-generating.
275
1131000
3000
А це все — гіпотетичні роздуми.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
Зараз вже закінчую зі світом. Ось приходить Інтернет.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Кількість користувачів Інтернету зростає ось таким чином. Оце — ВВП на душу населення.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
І це — новітня технологія, але вона напрочуд добре
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
вписується в економіку країн. Ось чому комп'ютер вартістю 100 дол.США
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
стане таким важливим. Але це гарна тенденція.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Нібито світ зрівнюється, чи не так? Ці країни
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
зростають швидше за економіку, і буде дуже цікаво
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
спостерігати за ними протягом року. Чого й вам бажаю робити зі всією
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
загальнодоступною статистикою. Дуже дякую!
19:53
(Applause)
285
1168000
3000
(Оплески)
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