TED2006
Hans Rosling: The best stats you've ever seen
ہینس روزلنگ پیش کرتے ہیں وہ بہترین اعداد و شمار جن کا مشاہدہ آپ نے کبھی نہیں دیکھا ہوگا
Filmed:
Readability: 3.6
14,386,844 views
آپ نے اس طرح پیش کی گئی معلومات کو کبھی نہیں دیکھا ہوگا۔ ڈراما اور کھیل کود کی نشر و اشاعت کی فوری ضرورت کے ساتھ ساتھ اعداد و شمار کے ماہر ہینس روزلنگ "ترقی پذیر دنیا" سے متعلق اساطیر کا انکشاف کر رہے ہیں۔
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
کوئی 10 سال پہلے میں نے سویڈن کے انڈر گریجویٹ طلبہ کو
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
عالمی ترقی پڑھانے کا کام اپنے ذمہ لیا۔ یہ افریقہ میں بھوک کے متعلق تحقیق کرنے والے افریقی
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
اداروں کے ساتھ 20 سال تک وابستگی کے بعد کی بات ہے، لہٰذا مجھ سے یہ توقع کی
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
جا رہی تھی کہ مجھے دنیا کے متعلق تھوڑا بہت علم ہوگا۔
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
میں نے اپنی میڈیکل یونیورسٹی، کیرولنسکا انسٹیٹیوٹ، میں انڈر گریجویٹ کی
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
سطح کا ایک کورس، عالمی صحت، پڑھانا شروع کر دیا۔ لیکن جب آپ کو اس قسم کا موقع
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
ملتا ہے، تو آپ کچھ گھبرا جاتے ہیں۔ میں نے سوچا، ہمارے پاس آنے والے ان طلبہ
00:53
coming to us actually have the highest grade you can get
7
28000
3000
کے پاس سویڈش کالجوں کے تعلیمی نظام کے اعلٰی ترین گریڈ ہیں ۔۔ لہٰذا ہوسکتا ہے وہ ہر اس چیز
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
کے متعلق جانتے ہوں جن کا میں انہیں درس دوں گا۔ چنانچہ میں نے ان کی آمد
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
پر ایک پیشگی امتحان لینے کا فیصلہ کیا۔
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
اور ایک سوال جس سے میں نے خود بھی بہت کچھ سیکھا یہ تھا:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
"ان پانچ جوڑوں میں سے کس ملک میں سب سے زیادہ بچوں کی شرحِ اموات ہے؟"
01:10
And I put them together, so that in each pair of country,
12
45000
4000
اور میں نے انہیں اکٹھا رکھا تھا، چنانچہ ملکوں کے ہر جوڑے میں سے،♫
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
ایک دوسرے کے مقابلے دوگنی شرح اموات رکھتا ہے۔ اور اس کا مطلب ہے
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
کہ اعداد و شمار کی غیر یقینی صورت حال سے یہ کہیں زیادہ بڑا فرق ہے۔
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
میں یہاں آپ کا امتحان نہیں لوں گا، لیکن یہ ملک ترکی تھا،
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
جس میں سب سے زیادہ شرح ہے، پھر پولینڈ، روس، پاکستان اور جنوبی افریقہ ہیں۔
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
اور سویڈش طلبہ کے نتائج یہ تھے۔ میں نے اسے کامیابی سے کر لیا چنانچہ
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
میرے اعتماد کو سہارا ملا، جو پہلے کافی کم تھا، اور میں خوش ہو گیا،
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
بلاشبہ: پانچ ممکنہ میں سے 1.8 درست جواب۔ اس سے مراد ہے کہ بین الاقوامی صحت
01:41
there was a place for a professor of international health --
20
76000
3000
کے پروفیسر کی جگہ کی واقعی ضرورت تھی ۔۔۔
01:44
(Laughter) and for my course.
21
79000
2000
(قہقہے) اور میرے کورس کی بھی۔
01:46
But one late night, when I was compiling the report
22
81000
4000
لیکن ایک دن رات گئے جب میں رپورٹ مرتب کر رہا تھا مجھے حقیقت میں
01:50
I really realized my discovery. I have shown
23
85000
4000
اپنی دریافت کا احساس ہوا۔ میں نے ظاہر کیا تھا کہ سویڈن کے اعلٰی ترین طلبہ
01:54
that Swedish top students know statistically significantly less
24
89000
5000
کی دنیا کے متعلق معلومات، شماریات کی رو سے چمپانزیوں
01:59
about the world than the chimpanzees.
25
94000
2000
سے بھی غیر معمولی حد تک کم تھیں۔
02:01
(Laughter)
26
96000
2000
(قہقہے)۔
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
کیونکہ چمپانزی نصف درست جواب دیتے اگر میں انہیں سری لنکا
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
اور ترکی کے نام سے دو کیلے دے دیتا۔ ان معاملوں میں وہ نصف درست ہوتے۔
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
لیکن طلبہ اس سطح تک نہیں پہنچے۔ میرے لئے مسئلہ لاعلمی نہیں تھا:
02:14
it was preconceived ideas.
30
109000
3000
یہ پہلے سے قائم شدہ تصورات تھے۔
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
میں نے کیرولنسکا انسٹیٹیوٹ کے پروفیسروں کا بھی ایک غیر اخلاقی مطالعہ سرانجام دیا۔
02:21
(Laughter)
32
116000
1000
(قہقہے)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
۔۔ جو طب کے میدان میں نوبل انعام دیتے ہیں،
02:24
and they are on par with the chimpanzee there.
34
119000
2000
اور وہ اس معاملے میں چمپانزی کے برابر تھے۔
02:26
(Laughter)
35
121000
3000
(قہقہے)۔
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
اس موقع پر مجھے احساس ہوا کہ رابطے کی واقعی ضرورت تھی،
02:33
because the data of what's happening in the world
37
128000
3000
کیونکہ دنیا کی معلومات اور ہر ملک میں بچوں کی صحت کے
02:36
and the child health of every country is very well aware.
38
131000
3000
اعداد و شمار ہر کوئی جانتا ہے۔
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
ہم نے یہ سافٹ ویٹر بنایا جس میں یوں نظر آتا ہے: یہاں ہر بلبلہ ایک ملک ہے۔
02:44
This country over here is China. This is India.
40
139000
6000
یہاں پر یہ ملک چین ہے۔ یہ بھارت ہے۔
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
بلبلے کا سائز آبادی کو ظاہر کرتا ہے اور اس خطِ مستقیم پر میں نے شرحِ بارآوری رکھی ہے۔
02:56
Because my students, what they said
42
151000
3000
کیونکہ میرے طلبہ نے دنیا کے متعلق وہی کچھ کہا جو ان کے تصور میں تھا
02:59
when they looked upon the world, and I asked them,
43
154000
2000
اور میں نے ان سے پوچھا
03:01
"What do you really think about the world?"
44
156000
2000
"تمہارا دنیا کے متعلق حقیقت میں کیا خیال ہے؟"
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
سب سے پہلے تو میں یہ دریافت کیا کہ درسی کتاب بنیادی طور پر ٹن ٹن تھی۔
03:07
(Laughter)
46
162000
1000
(قہقہے)۔
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
اور ان کا جواب تھا، "دنیا ابھی تک 'ہم' اور 'وہ' پر مشتمل ہے۔
03:11
And we is Western world and them is Third World."
48
166000
3000
اور ہم مغربی دنیا ہیں جبکہ وہ تیسری دنیا ہیں۔"
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
"اور مغربی دنیا سے تمہاری کیا مراد ہے؟" میں نے پوچھا۔
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
"اس سے مراد طویل عمر اور مختصر گھرانہ ہے، اور تیسری دنیا میں مختصر زندگی اور طویل گھرانہ ہے۔"
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
چنانچہ میں نے وہاں یہی کچھ دکھایا۔ میں نے شرحِ بارآوری کو یہاں رکھا یعنی فی عورت بچوں کی تعداد،
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
ایک، دو، تین، چار تقریباً آٹھ تک بچے فی عورت۔
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
ہمارے پاس تمام ممالک میں گھرانوں کے سائز کے بڑے اچھے اعداد و شمار 1962 یا تقریباً 1960 سے
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
موجود ہیں۔ غلطی کا امکان کم ہے۔ یہاں میں پیدائش کے وقت متوقع عمر رکھتا ہوں،
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
جو بعض ممالک میں 30 سال سے لے کر تقریباً 70 سال تک ہے۔
03:45
And 1962, there was really a group of countries here
56
200000
3000
1962 میں یہاں حقیقت میں ایسے ملکوں کا ایک گروپ موجود تھا،
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
جو صنعتی ملک تھے اور ان میں چھوٹے گھرانے اور طویل عمریں پائی جاتی تھیں۔
03:53
And these were the developing countries:
58
208000
2000
اور یہ ترقی پذیر ملک تھے:
03:55
they had large families and they had relatively short lives.
59
210000
3000
ان کے بڑے گھرانے تھے اور نسبتاً مختصر زندگیاں تھیں۔
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
اب 1962 سے کیا فرق پڑا ہے؟ ہم فرق دیکھنا چاہتے ہیں۔
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
کیا طلبہ درست ہیں؟ کیا ابھی تک دو قسموں کے ملک پائے جاتے ہیں؟
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
یا کیا ان ترقی پذیر ممالک میں گھرانوں کا سائز مختصر ہوگیا ہے اور وہ یہاں رہتے ہیں؟
04:09
Or have they got longer lives and live up there?
63
224000
2000
یا کیا ان کی عمریں طویل ہو گئی ہیں اور وہ وہاں رہتے ہیں؟
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
چلیں دیکھتے ہیں۔ ہم نے اس وقت دنیا کو روک دیا۔ یہ سب اقوامِ متحدہ کے شماریات ہیں
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
جو دستیاب ہیں۔ یہ رہے۔ کیا آپ انہیں دیکھ سکتے ہیں؟
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
وہ رہا چین، جہاں صحت کی سہولیات بہتر ہو رہی ہیں، بہتری آ رہی ہے۔
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
تمام سبز لاطینی امریکا کے ملک مختصر گھرانوں کی جانب گامزن ہیں۔
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
زرد رنگ میں یہاں عرب ممالک ہیں،
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
ان کے گھرانے بڑے ہیں لیکن ان کی طویل زندگی نہیں لیکن بڑے گھرانے بھی نہیں۔
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
افریقی وہاں نیچے سبز رنگ میں ہیں۔ وہ ابھی تک وہیں ہیں۔
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
یہ بھارت ہے۔ انڈونیشیا بھی تیزی سے اس سمت بڑھ رہا ہے۔
04:36
(Laughter)
72
251000
1000
(قہقہے)۔
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
اور 80 کی دہائی میں، آپ بنگلہ دیش کو ابھی تک وہاں افریقی ممالک کی صف میں دیکھ سکتے ہیں۔
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
لیکن اب، بنگلہ دیش ۔۔ یہ ایک معجزہ ہے جو 80 کی دہائی میں ہوا:
04:43
the imams start to promote family planning.
75
258000
3000
اماموں نے خاندانی منصوبہ بندی کی تبلیغ شروع کر دی۔
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
وہ اس کونے میں پہنچ گیا۔ اور 90 کی دہائی میں ہم نے بھیانک ایچ آئی وی بیماری دیکھی
04:51
that takes down the life expectancy of the African countries
77
266000
3000
جس نے افریقی ممالک کی متوقع عمر کو کم کر دیا
04:54
and all the rest of them move up into the corner,
78
269000
4000
اور وہ سب کونے میں اوپر آگئے،
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
جہاں ہمارے پاس طویل زندگیاں اور مختصر گھرانہ ہے، اور ہمارے پاس ایک مکمل نئی دنیا ہے۔
05:02
(Applause)
80
277000
13000
(تالیاں)۔
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
میں ریاستہائے متحدہ امریکا اور ویت نام کے درمیان براہ راست موازنہ کرتا ہوں۔
05:20
1964: America had small families and long life;
82
295000
5000
1964: امریکا میں مختصر گھرانے اور طویل عمر پائی جاتی تھی؛
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
ویت نام میں بڑے گھرانے اور مختصر زندگیاں تھیں۔ اور پھر یہ ہوا:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
جنگ کے دوران اعداد و شمار سے ظاہر ہوتا ہے کہ تمام اموات کے باوجود،
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
متوقع عمر میں بہتری نظر آئی۔ سال کے اختتام تک،
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
ویت نام میں خاندانی منصوبہ بندی کا آغاز ہو چکا تھا اور وہ مختصر گھرانوں کی جانب مائل ہوئے۔
05:41
And the United States up there is getting for longer life,
87
316000
3000
اور ریاستہائے متحدہ امریکا میں طویل عمر،
05:44
keeping family size. And in the '80s now,
88
319000
3000
اور گھرانے کا وہی سائز رہا۔ اور اب 80 کی دہائی میں،
05:47
they give up communist planning and they go for market economy,
89
322000
3000
انہوں نے کمیونسٹ منصوبہ بندی ترک کردی اور مارکیٹ پر مبنی معیشت میں شامل ہوگئے،
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
جو کہ سماجی زندگی سے بھی تیز رفتار ہے۔ اور آج، 2003 میں ویت نام میں ہمارے پاس
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
وہی متوقع عمر اور گھرانے کا وہی سائز ہے جو 1974 میں
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
جنگ کے اختتام پر امریکا میں پایا جاتا تھا۔
06:06
I think we all -- if we don't look in the data --
93
341000
4000
میرا خیال ہے کہ اگر ہم اعداد و شمار کو نہ دیکھیں تو ہم سب
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
ایشیا میں آنے والی غیر معمولی تبدیلی کا غلط تخمینہ لگائیں گے, جو کہ
06:14
in social change before we saw the economical change.
95
349000
4000
اقتصادی تبدیلی میں ہمارے مشاہدے سے قبل سماجی تبدیلی میں تھا۔
06:18
Let's move over to another way here in which we could display
96
353000
5000
آئیں ایک اور طریقے کو دیکھتے ہیں جس میں ہم دنیا میں آمدنی کی تقسیم
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
کو دکھا سکتے ہیں۔ یہ دنیا میں لوگوں کی آمدنی کی تقسیم ہے۔
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
ایک ڈالر، 10 ڈالر یا 100 ڈالر یومیہ۔
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
امیر اور غریب کے درمیان مزید کوئی فرق نہیں رہا۔ یہ ایک مفروضہ ہے۔
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
یہاں تھوڑا سا ابھار ہے۔ لیکن ہر جگہ لوگ ہیں۔
06:44
And if we look where the income ends up -- the income --
101
379000
4000
اور اگر ہم دیکھیں کہ آمدنی کہاں ختم ہوتی ہے ۔۔ آمدنی ۔۔
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
یہ دنیا کی 100 فیصد سالانہ آمدنی ہے۔ اور امیر ترین 20 فیصد،
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
اس میں سے تقریباً 74 فیصد لے جاتے ہیں۔ اور غریب ترین 20 فیصد
07:01
they take about two percent. And this shows that the concept
104
396000
5000
تقریباً دو فیصد لے کر جاتے ہیں۔ اور اس سے ظاہر ہوتا ہے کہ ترقی پذیر
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
ممالک کا تصور انتہائی مشکوک ہے۔ ہم امداد کے متعلق یوں سوچتے ہیں کہ یہ لوگ
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
یہاں ان لوگوں کو امداد دے رہے ہیں۔ لیکن درمیان میں، ہمارے پاس دنیا کی بیشتر
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
آبادی ہے اور اب ان کے پاس 24 فیصد آمدنی ہے۔
07:19
We heard it in other forms. And who are these?
108
414000
4000
ہم نے یہ بات دیگر صورتوں میں سن رکھی ہے۔ اور یہ کون لوگ ہیں؟
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
مختلف ملک کہاں ہیں؟ میں آپ کو افریقہ دکھا سکتا ہوں۔
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
یہ ہے افریقہ۔ جہاں دنیا کی 10 فیصد آبادی زیادہ تر غربت میں زندگی بسر کرتی ہے۔
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
یہ اقتصادی تعاون و ترقی کی تنظیم (OECD) ہے۔ امیر ملک۔ اقوام متحدہ کو عطیہ دینے والے ملکوں کا کلب۔
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
اور وہ یہاں اس طرف ہیں۔ افریقہ اور او ای سی ڈی ممالک کے درمیان کافی کچھ مشترک ہے۔
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
اور یہ لاطینی امریکا ہے۔ اس کے پاس اس دنیا میں سب کچھ ہے،
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
لاطینی امریکا میں غریب ترین لوگوں سے لے کر امیر ترین لوگ بستے ہیں۔
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
اور ان سب سے بڑھ کر، ہم مشرقی یورپ، مشرقی ایشیا،
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
اور جنوبی ایشیا کو رکھتے ہیں۔ اور اگر وقت میں واپس جائیں تو کیسا محسوس ہوگا،
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
مثلاً 1970 میں؟ اس وقت یہ زیادہ بڑا ابھار تھا۔
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
اور ہمارے پاس مکمل غربت میں زندگی گزارنے والے ایشیائی باشندے تھے۔
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
دنیا کا مسئلہ ایشیا میں پائی جانے والی غربت تھی۔ اور اب اگر میں دنیا کو آگے بڑھاؤں
08:14
you will see that while population increase, there are
120
469000
3000
آپ دیکھیں گے کہ آبادی کے اضافے کے ساتھ، ایشیا میں کروڑوں لوگ غربت کے چنگل سے نکل
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
گئے ہیں جبکہ کچھ دوسرے لوگ غربت میں جا پھنسے ہیں، اور یہی ہمارا آج کا
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
نمونہ ہے۔
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
اور عالمی بینک کا بہترین تخمینہ یہ ہے کہ ایسا ہی ہوگا،
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
اور ہماری دنیا منقسم نہیں ہوگی۔ دنیا میں زیادہ تر لوگ درمیان میں رہیں گے۔
08:31
Of course it's a logarithmic scale here,
125
486000
2000
بلاشبہ، یہاں یہ ایک لوگارتھمی پیمانہ ہے،
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
لیکن معیشت کا ہمارا تصور فیصد کے ہمراہ نمو پر مبنی ہے۔ ہم اسے
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
صدویہ (فیصد کی شرح) کے ایک امکان کے طور پر دیکھتے ہیں۔ اگر میں اسے تبدیل کردوں، اور میں
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
گھرانے کی آمدنی کی بجائے فی کس مجموعی ملکی پیداوار(GDP) لوں، اور میں ان
08:48
individual data into regional data of gross domestic product,
129
503000
6000
انفرادی اعداد و شمار کو مجموعی ملکی پیداوار کے علاقائی اعداد و شمار میں بدل دوں،
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
اور میں علاقوں کو یہاں نیچے لے جاؤں، تو بلبلے کا سائز پھر بھی آبادی ہی رہے گا۔
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
اور آپ کے پاس او ای سی ڈی وہاں ہیں، اور سب صحارا افریقہ وہاں ہے،
09:01
and we take off the Arab states there,
132
516000
3000
اور ہم عرب ممالک کو وہاں لے جاتے ہیں،
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
افریقہ اور ایشیا دونوں سے آتے ہوئے، اور ہم انہیں الگ رکھ دیتے ہیں،
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
اور ہم اس خطِ مستقیم کو پھیلا سکتے ہیں، اور میں اسے یہاں اک نئی جہت دے سکتا ہوں،
09:13
by adding the social values there, child survival.
135
528000
3000
جس میں سماجی اقدار کو وہاں جمع کرتے ہوئے، بچوں کی بقا۔
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
اب میں نے اس خط مستقیم پر رقم رکھ دی، اور میرے پاس بچوں کی بقا کا امکان ہے۔
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
بعض ممالک میں، 99.7 فیصد بچے صرف پانچ سال کی عمر تک زندہ رہتے ہیں؛
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
دیگر میں صرف 70 سال تک۔ اور یہاں او ای سی ڈی، لاطینی امریکا،
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
مشرقی یورپ، مشرقی ایشیا، عرب ممالک، جنوبی ایشیا
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
اور سب صحارا افریقہ کے ممالک میں فرق نظر آتا ہے۔
09:37
The linearity is very strong between child survival and money.
141
552000
5000
بچوں کی بقا اور رقم کے درمیان ایک جہت بہت مضبوط ہے۔
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
لیکن میں سب صحارا افریقہ کے ممالک کو تقسیم کرنا چاہوں گا۔ وہاں صحت ہے اور اوپر بہتر صحت ہے۔
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
میں یہاں جا کر سب صحارا افریقہ کے ممالک کو تقسیم کر سکتا ہوں۔
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
اور جب یہ پھٹتا ہے تو اس ملک کے بلبلے کا سائز اس کی آبادی کے برابر ہے۔
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
وہاں نیچے سیرا لیون۔ ماریشس وہاں اوپر۔ ماریشس وہ پہلا ملک تھا
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
جس نے تجارتی پابندیوں سے جان چھڑا لی، اور وہ اپنی چینی فروخت کرنے کے قابل ہوئے۔
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
وہ یورپ اور لاطینی امریکا کے عوام کے ساتھ مساوی شرائط پر اپنی ٹیکسٹائل مصنوعات فروخت کرسکتے تھے۔
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
افریقہ کے درمیان بہت بڑا فرق ہے۔ اور گھانا یہاں مرکز میں ہے۔
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
سیرا لیون میں انسانی ہمدردی کی بنیاد پر امداد۔
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
یہاں یوگنڈا میں ترقیاتی امداد۔ وہاں سرمایہ کاری کا وقت
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
آپ وہاں تعطیلات منانے جا سکتے ہیں۔ افریقہ کے اندر بہت بڑا فرق ہے
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
جو ہم بمشکل ہی کبھی سمجھتے ہیں ۔۔ کہ ہر جگہ مساوات ہے۔
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
میں جنوبی ایشیا کو یہاں تقسیم کر سکتا ہوں۔ بھارت وسط میں ایک بڑا بلبلہ ہے۔
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
لیکن افغانستان اور سری لنکا کے درمیان بہت زیادہ فرق ہے۔
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
میں عرب ممالک کو تقسیم کر سکتا ہوں۔ وہ کیسے ہیں؟ وہی موسم، وہی ثقافت،
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
وہی مذہب۔ بہت بڑا فرق۔ حتٰی کہ ہمسایوں کے درمیان بھی۔
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
یمن، خانہ جنگی۔ متحدہ عرب امارات، رقم جو مساویانہ طور پر بہتر انداز سے استعمال کی گئی۔
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
مفروضے کی طرح نہیں۔ اور اس میں ان غیر ملکی محنت کشوں کے تمام بچے بھی شامل ہیں جو ملک میں ہیں۔
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
اعداد و شمار اکثر آپ کے تصور سے بہتر ہوتے ہیں۔ بہت سے لوگ کہتے ہیں کہ اعداد و شمار بری چیز ہیں۔
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
اس میں ایک غیر یقینی پن کا امکان ہے، لیکن ہم یہاں فرق دیکھ سکتے ہیں:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
کمبوڈیا، سنگاپور۔ اعداد و شمار کی کمزوری کے مقابلے میں
11:11
than the weakness of the data. East Europe:
162
646000
3000
فرق بہت بڑے ہیں۔ مشرقی یورپ:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
طویل عرصے تک سوویت معیشت میں شامل رہا لیکن دس سال بعد وہ باہر نکل آئے
11:20
very, very differently. And there is Latin America.
164
655000
3000
بہت بہت مختلف۔ اور وہ لاطینی امریکا ہے۔
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
آج، ہمیں لاطینی امریکا میں صحت مند ملک تلاش کرنے کے لئے کیوبا نہیں جانا پڑتا۔
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
آئندہ چند سالوں میں کیوبا کے مقابلے میں چلی میں بچوں کی شرحِ اموات کم ہوگی۔
11:32
And here we have high-income countries in the OECD.
167
667000
3000
اور یہاں ہمارے پاس او ای سی ڈی کے زیادہ آمدنی والے ملک ہیں۔
11:35
And we get the whole pattern here of the world,
168
670000
4000
اور ہم یہاں دنیا کا مکمل نمونہ حاصل کرتے ہیں،
11:39
which is more or less like this. And if we look at it,
169
674000
5000
جو کم و بیش اس طرح کا ہے۔ اور اگر ہم اس پر نظر ڈالیں،
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
یہ کیسا لگتا ہے ۔۔ 1960 کی دنیا، یہ آگے بڑھ رہی ہے۔ 1960۔
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
یہ ماؤزے تنگ ہے۔ وہ چین میں صحت لایا۔ اور پھر وہ مرگیا۔
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
اور پھر ڈان ژیاؤ پنگ جس نے چین کو رقم دی اور انہیں واپس مرکزی دھارے میں لایا۔
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
اور ہم نے دیکھا کہ کس طرح ملک مختلف سمتیں اختیار کرتے ہیں،
12:02
so it's sort of difficult to get
174
697000
4000
لہٰذا اس طرح کسی بھی ملک کی مثال لینا مشکل ہے جو
12:06
an example country which shows the pattern of the world.
175
701000
5000
دنیا کا نمونہ ظاہر کر سکے۔
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
میں آپ کو واپس 1960 میں لانا چاہوں گا۔
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
میں جنوبی کوریا، جو یہ ہے، کا برازیل سے موازنہ کرنا چاہتا ہوں،
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
میرے لئے لیبل یہاں سے ختم ہو گیا ہے۔ اور میں وہاں موجود یوگنڈا
12:32
which is there. And I can run it forward, like this.
179
727000
5000
کا موازنہ کرنا چاہتا ہوں۔ اور میں اسے آگے لے جا سکتا ہوں، اس طرح۔
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
اور آپ کو دکھائی دے رہا ہوگا کہ جنوبی کوریا کیسے تیزی سے پیش رفت کرتا چلا جا رہا ہے،
12:46
whereas Brazil is much slower.
181
741000
3000
جبکہ برازیل کی رفتار کافی سست ہے۔
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
اور اگر ہم دوبارہ واپس جائیں اور ان کے راستے بنا دیں، اس طرح،
12:55
you can see again that the speed of development
183
750000
4000
تو آپ دوبارہ دیکھیں گے کہ ترقی کی رفتار
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
بہت، بہت مختلف ہے اور ملک کم و بیش اسی شرح سے بڑھ رہے ہیں
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
جیسا کہ رقم اور صحت، لیکن یوں لگتا ہے کہ پہلے امیر ہونے کی بجائے
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
اگر آپ پہلے صحت مند ہوں تو آپ کی رفتار کہیں زیادہ تیز ہو سکتی ہے۔
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
اور آپ کو یہ دکھانے کے لئے، آپ متحدہ عرب امارات کے راستے پر رکھ سکتے ہیں۔
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
وہ یہاں سے آئے جو ایک معدنی ملک ہے۔ انہوں نے تمام تیل سے استفادہ کیا،
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
انہوں نے رقم حاصل کر لی لیکن صحت تو سپر مارکیٹ میں نہیں خریدی جا سکتی۔
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
آپ کو صحت میں سرمایہ کاری کرنی پڑتی ہے۔ آپ کو بچوں کو اسکول میں داخل کرانا پڑتا ہے۔
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
آپ کو صحت کے عملے کو تربیت دینی پڑتی ہے۔ آپ کو آبادی کو تعلیم سے آراستہ کرنا ہوتا ہے۔
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
اور شیخ سید نے اس کام کو کافی اچھے طریقے سے سر انجام دیا۔
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
اور تیل کی گرتی ہوئی قیمتوں کے باوجود، وہ اپنے ملک کو یہاں اوپر لے آیا۔
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
لہٰذا ہمارے پاس دنیا کی کہیں زیادہ مرکزی حیثیت موجود ہے،
13:43
where all countries tend to use their money
195
798000
2000
جہاں تمام ملکوں میں ماضی کی نسبت رقم کو بہتر جگہ استعمال
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
کرنے کا رجحان ہے۔ اب کم و بیش یہی صورتحال ہے اگر آپ
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
ملکوں کے اوسط اعداد و شمار پر نگاہ دوڑائیں۔ وہ اس طرح ہیں۔
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
اوسط اعداد و شمار کا استعمال ایک خطرناک عادت ہے کیونکہ ملکوں کے درمیان بہت
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
سے فرق پائے جاتے ہیں۔ چنانچہ، اگر میں جا کر یہاں دیکھوں تو
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
ہمیں نظر آئے گا کہ یوگنڈا آج وہاں پہنچا ہے جہاں جنوبی کوریا 1960 میں کھڑا تھا۔
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
اگر میں یوگنڈا کو تقسیم کردوں، تو یوگنڈا کے اندر بھی کافی فرق ہے۔ یہ یوگنڈا کے پانچ حصے ہیں۔
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
یوگنڈا کے امیر ترین 20 فی صد باشندے یہاں ہیں۔
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
غریب وہاں نیچے ہیں۔ اگر میں جنوبی افریقہ کو تقسیم کردوں، تو یہ بھی ایسا ہی ہے۔
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
اگر میں نیچے جاؤں اور نائیجر کو دیکھوں، جہاں بھیانک قحط پڑا تھا،
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
آخر میں، یہ اسی طرح ہے۔ نائیجر کے غریب ترین 20 فی صد وہاں ہیں،
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
اور جنوبی افریقہ کے امیر ترین 20 فی صد وہاں ہیں،
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
اور ہمارے پاس اس موضوع پر تبادلۂ خیال کا رجحان ہے کہ افریقہ کے لئے کیا حل ہونے چاہئیں۔
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
دنیا کی ہر چیز افریقہ میں موجود ہے۔ اور آپ ان پانچوں حصوں میں ایچ آئی وی [دوا] تک
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
سب کی رسائی کے متعلق اسی حکمت عملی سے تبادلۂ خیال نہیں کرسکتے جو یہاں
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
نیچے ہے۔ دنیا کی بہتری تناظر میں ہونی چاہیے اور
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
اسے علاقائی سطح پر کرنا غیر متعلقہ ہے۔
15:00
on regional level. We must be much more detailed.
212
875000
3000
ہمیں تفصیلات پر زیادہ توجہ صرف کرنی چاہیے۔
15:03
We find that students get very excited when they can use this.
213
878000
4000
ہم دیکھتے ہیں کہ طلبہ اسے استعمال کرتے ہوئے انتہائی پرجوش ہوجاتے ہیں۔
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
اور یہاں تک کہ مزید پالیسی ساز اور تجارتی شعبہ جات اس بات کو دیکھنا چاہیں گے
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
کہ دنیا کیسے بدل رہی ہے۔ اب، ایسا کیوں نہیں ہو رہا؟
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
ہم اپنے پاس موجود اعداد و شمار کو آخر استعمال کیوں نہیں کرتے؟ ہمارے پاس اقوامِ متحدہ،
15:20
in the national statistical agencies
217
895000
2000
قومی شماریاتی اداروں اور
15:22
and in universities and other non-governmental organizations.
218
897000
4000
یونیورسٹیوں اور دیگر غیر سرکاری اداروں میں اعداد و شمار موجود ہیں۔
15:26
Because the data is hidden down in the databases.
219
901000
2000
کیونکہ یہ اعداد و شمار مختلف ڈیٹا بیسز میں پوشیدہ ہیں۔
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
اور عوام اور انٹرنیٹ موجود ہے لیکن ہم ابھی تک اسے مؤثر طریقے سے استعمال نہیں کر پائے۔
15:33
All that information we saw changing in the world
221
908000
3000
دنیا میں بدلتی ہوئی معلومات جو ہم نے دیکھیں ان میں سرکاری امداد یافتہ
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
شماریات شامل نہیں۔ بعض ایسے ویب صفحات ہیں، جیسا کہ یہ، لیکن وہ کچھ مواد ڈیٹا بیسز
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
سے حاصل کرتے ہیں لیکن لوگ ان کی قیمت لگا دیتے ہیں اور ان میں
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
احمقانہ پاس ورڈ اور بیزار کن شماریات ڈال دیتے ہیں۔
15:51
(Laughter) (Applause)
225
926000
3000
(قہقہے)۔ (تالیاں)۔
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
اور اس سے کام نہیں چلے گا۔ پھر، کس چیز کی ضرورت ہے؟ ہمارے پاس ڈیٹابیسز ہیں۔
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
آپ کو نئی ڈیٹا بیس کی ضرورت نہیں۔ ہمارے پاس ڈیزائن کے حیران کن آلات ہیں،
16:02
and more and more are added up here. So we started
228
937000
3000
اور ان میں نئے کا اضافہ ہوتا رہتا ہے۔ چنانچہ ہم نے ایک غیر انتفاعی (نفع نہ کمانے والا) کام شروع کیا
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
جسے ہم نے اعداد و شمار کو ڈیزائن سے منسلک کا نام دیا۔ ہم اسے فرق کا دھیان رکھنا (Gapminder) کہتے ہیں۔
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
جو لندن زیر زمین ریلوے سے ادھار لیا گیا ہے جہاں وہ آپ کو خبردار کرنے کے لئے لکھتے ہیں،
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
"فرق کا دھیان رکھیں۔" چنانچہ ہمارے نزدیک فرق کا دھیان رکھنا (Gapminder) نام موزوں تھا۔
16:16
And we started to write software which could link the data like this.
232
951000
4000
اور ہم نے وہ سافٹ ویئر لکھنا شروع کیا جو اعداد و شمار کو اس طرح منسلک کر سکتا تھا۔
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
اور یہ اتنا مشکل نہیں تھا۔ اس میں چند سال لگے اور ہم نے اسے فعال سطح پر تیار کر لیا ہے۔
16:26
You can take a data set and put it there.
234
961000
2000
آپ کوئی اعداد و شمار لے کر اس میں ڈال سکتے ہیں۔
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
ہم اقوام متحدہ کے بعض اداروں کے اعداد و شمار کو آزاد کر رہے ہیں۔
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
بعض ممالک اس بات کو تسلیم کرتے ہیں کہ ان کی ڈیٹا بیسز دنیا کے پاس جا سکتی ہیں،
16:37
but what we really need is, of course, a search function.
237
972000
3000
لیکن ہمیں جس چیز کی سب سے زیادہ ضرورت ہے وہ ایک تلاش کا فعل ہے۔
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
تلاش کا فعل جہاں ہم اعداد و شمار کی نقل کو ایک قابلِ تلاش بناوٹ میں ڈال کر
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
اسے دنیا کے لئے پیش کر سکیں۔ اور جب ہم یہ کام کرنے لگیں تو ہم کیا باتیں سنیں گے؟
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
میں نے بنیادی شماریاتی اکائیوں کے متعلق بشریات (انسانیات) نگاری کی ہے۔ ہر کسی کا کہنا ہے،
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
"یہ ناممکن ہے۔ یہ نہیں کیا جا سکتا۔ ہماری معلومات کی تفصیل اتنی
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
غیر معمولی ہے کہ اسے باقی چیزوں کی مانند تلاش نہیں کیا جا سکتا۔
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
ہم یہ اعداد و شمار طلبہ اور دنیا کے تاجروں کو مفت نہیں دے سکتے۔"
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
لیکن ہم یہی تو دیکھنا چاہتے ہیں، کیا نہیں؟
17:08
The publicly-funded data is down here.
245
1003000
3000
سرکاری امداد سے تیار ہونے والے اعداد و شمار یہاں نیچے موجود ہیں۔
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
اور ہم انٹرنیٹ پر پھول کھلانا چاہتے ہیں۔
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
اور ان میں سے ایک اہم نقطہ انہیں قابلِ تلاش بنانا ہے اور پھر لوگ مختلف ڈیزائن آلات
17:19
the different design tool to animate it there.
248
1014000
2000
کے ذریعے اسے وہاں متحرک بنا سکتے ہیں۔
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
اور میرے پاس آپ کیلئے ایک کافی اچھی خبر ہے۔ میرے پاس اچھی خبر یہ ہے کہ
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
اقوامِ متحدہ شماریات کے موجودہ نئے سربراہ کا کہنا ہے یہ ناممکن نہیں۔
17:30
He only says, "We can't do it."
251
1025000
2000
ان کا صرف یہ کہنا ہے، "ہم یہ نہیں کر سکتے۔"
17:32
(Laughter)
252
1027000
4000
(قہہقے)۔
17:36
And that's a quite clever guy, huh?
253
1031000
2000
اور وہ کافی سمجھدار شخص ہے، ہے نا؟
17:38
(Laughter)
254
1033000
2000
(قہقہے)۔
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
چنانچہ آنے والے سالوں میں ہم اعداد و شمار میں بہت سی تبدیلیاں دیکھیں گے۔
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
ہم آمدنی کی تقسیم کو مکمل طور پر نئے طریقوں سے دیکھ سکیں گے۔
17:48
This is the income distribution of China, 1970.
257
1043000
5000
یہ 1970 میں چین میں آمدنی کی تقسیم ہے۔
17:54
the income distribution of the United States, 1970.
258
1049000
5000
یہ 1970 میں ریاستہائے امریکا میں آمدنی کی تقسیم ہے۔
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
تقریباً ان میں کوئی چیز مشترک نہیں۔ اور اس کی کیا وجہ ہے؟
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
اصل میں یہ ہوا ہے: کہ چین میں نمو جاری ہے، یہ اب مزید برابر نہیں رہی،
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
اور یہ یہاں نظر آ رہی ہے، امریکا کو نظر انداز کرتے ہوئے۔
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
بالکل کسی بھوت کی مانند، کیا نہیں؟
18:14
(Laughter)
263
1069000
2000
(قہقہے)۔
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
یہ کافی خوفناک منظر ہے۔ لیکن میرے خیال میں یہ تمام معلومات بہت اہم ہیں۔
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
ہمیں واقعی اسے دیکھنے کی ضرورت ہے۔ اور اسے دیکھنے کی بجائے،
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
میں اسے فی 1,000 انٹرنیٹ صارفین کو دکھانا چاہوں گا۔
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
اس سافٹ ویئر میں، ہم تمام ملکوں سے باآسانی 500 کے قریب متغیرات تک رسائی کرتے ہیں۔
18:42
It takes some time to change for this,
268
1097000
4000
اس کو تبدیل کرنے میں کچھ وقت لگتا ہے،
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
لیکن خطوطِ مستقیم پر، آپ کوئی بھی متغیرہ کافی آسانی سے حاصل کر سکتے ہیں۔
18:51
And the thing would be to get up the databases free,
270
1106000
5000
اور اصل چیز ڈیٹابیسز کی مفت دستیابی، انہیں
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
قابلِ تلاش بنانا، اور دوسرے کلک سے، انہیں خاکوں کی بناوٹ میں تبدیل کرنا
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
ہے جہاں آپ انہیں آسانی سے سمجھ لیں۔
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
اب، ماہرینِ شماریات اسے پسند نہیں کرتے کیونکہ ان کا کہنا ہے کہ
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
اس سے حقیقت ظاہر نہیں ہوگی؛ ہمارے پاس شماریاتی، تجزیاتی طریقے ہونا ضروری ہیں۔
19:16
But this is hypothesis-generating.
275
1131000
3000
لیکن یہ مفروضہ قائم کرنے کی بات ہے۔
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
میں اب دنیا کے ساتھ رابطہ ختم کرتا ہوں۔ وہ، انٹرنیٹ آ رہا ہے۔
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
انٹرنیٹ کے استعمال کنندگان کی تعداد یوں بڑھتی جا رہی ہے۔ یہ فی کس مجموعی ملکی پیداوار ہے۔
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
اور یہ نئی ٹیکنالوجی کی آمد آمد ہے، لیکن حیران کن حد تک یہ ملکوں کی معیشت میں کیسے
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
اپنی جگہ بنائے گی۔ اسی وجہ سے 100 ڈالر کا کمپیوٹر اتنا اہم ہوگا۔
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
لیکن یہ ایک اچھا رجحان ہے۔
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
یہ ایسا ہی ہے جیسے دنیا چپٹی ہوتی جار ہی ہو۔ کیا نہیں؟ یہ ملک
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
معیشت سے زیادہ بوجھ اٹھا رہے ہیں اور آئندہ سال اس پر مزید کام کرنا
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
بہت دلچسپ ہوگا کیونکہ میں چاہتا ہوں آپ سرکاری امداد سے حاصل
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
ہونے والے تمام اعداد و شمار پر یہ کام کریں۔ آپ کا بہت شکریہ۔
19:53
(Applause)
285
1168000
3000
(تالیاں)
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