ABOUT THE SPEAKER
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.

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.


More profile about the speaker
Hans Rosling | Speaker | TED.com
TED2006

Hans Rosling: The best stats you've ever seen

Χανς Ρόσλινγκ: Οι καλύτερες στατιστικές που έχετε δει ποτέ

Filmed:
14,386,844 views

Ποτέ δεν έχετε δει δεδομένα παρουσιασμένα έτσι. Με τον θεατρινισμό και την βιασύνη ενός αθλητικού ρεπόρτερ, ο γκουρού της στατιστικής Χανς Ρόσλινγκ καταρίπτει τους μύθους για τον λεγόμενο «αναπτυσόμενο κόσμο».
- 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

Double-click the English transcript below to play the video.

00:25
About 10 yearsχρόνια agoπριν, I tookπήρε on the taskέργο to teachδιδάσκω globalπαγκόσμια developmentανάπτυξη
0
0
4000
Πριν από περίπου 10 χρόνια, ανέλαβα
την ευθύνη να διδάξω παγκόσμια ανάπτυξη
00:29
to SwedishΣουηδικά undergraduateΠροπτυχιακά studentsΦοιτητές. That was after havingέχοντας spentξόδεψε
1
4000
4000
σε Σουηδούς προπτυχιακούς φοιτητές.
Αυτό ήταν αφού είχα περάσει
00:33
about 20 yearsχρόνια togetherμαζί with AfricanΑφρικανική institutionsιδρύματα studyingμελετώντας hungerΠείνα in AfricaΑφρική,
2
8000
4000
περίπου 20 χρόνια με Αφρικανικά ιδρύματα
μελετώντας την πείνα στην Αφρική,
00:37
so I was sortείδος of expectedαναμενόμενος to know a little about the worldκόσμος.
3
12000
4000
κι επομένως υποτίθεται
ότι ήξερα λιγα πράγματα για τον κόσμο.
00:41
And I startedξεκίνησε in our medicalιατρικός universityπανεπιστήμιο, KarolinskaKarolinska InstituteΙνστιτούτο,
4
16000
5000
Και ξεκίνησα στο ιατρικό πανεπιστήμιό μας,
το Ινστιτούτο Καρολίνσκα,
00:46
an undergraduateΠροπτυχιακά courseσειρά μαθημάτων calledπου ονομάζεται GlobalΠαγκόσμια HealthΥγεία. But when you get
5
21000
4000
ένα προπτυχιακό μάθημα που λεγόταν
Παγκόσμια Υγεία. Αλλά όταν σου δοθεί
00:50
that opportunityευκαιρία, you get a little nervousνευρικός. I thought, these studentsΦοιτητές
6
25000
3000
αυτή η ευκαιρία, ανυσηχείς λιγάκι.
Σκέφτηκα ότι, αυτοί οι φοιτητές
00:53
comingερχομός to us actuallyπράγματι have the highestύψιστος gradeΒαθμός you can get
7
28000
3000
που έρχονται σε μας έχουν
τους υψηλότερους δυνατούς βαθμούς
00:56
in SwedishΣουηδικά collegeΚολλέγιο systemsσυστήματα -- so, I thought, maybe they know everything
8
31000
3000
στο Σουηδικό πανεπιστημιακό σύστημα
- άρα ίσως ξέρουν όλα όσα
00:59
I'm going to teachδιδάσκω them about. So I did a pre-testπρο-δοκιμή when they cameήρθε.
9
34000
4000
πρόκειται να τους διδάξω. Έτσι
έκανα ένα προκαταρκτικό τεστ όταν ήρθαν.
01:03
And one of the questionsερωτήσεις from whichοι οποίες I learnedέμαθα a lot was this one:
10
38000
3000
Και μια από τις ερωτήσεις
που μου έμαθε πολλά ήταν η εξής:
01:06
"WhichΟποία countryΧώρα has the highestύψιστος childπαιδί mortalityθνησιμότητα of these fiveπέντε pairsζεύγη?"
11
41000
4000
«Ποια χώρα έχει τη μεγαλύτερη παιδική
θνησιμότητα από αυτά τα πέντε ζευγάρια;»
01:10
And I put them togetherμαζί, so that in eachκαθε pairζεύγος of countryΧώρα,
12
45000
4000
Και τις τοποθέτησα έτσι
ώστε σε κάθε ζευγάρι χωρών,
01:14
one has twiceεις διπλούν the childπαιδί mortalityθνησιμότητα of the other. And this meansπου σημαίνει that
13
49000
5000
η μία είχε τη διπλάσια παιδική θνησιμότητα
από την άλλη. Κι αυτό σημαίνει ότι
01:19
it's much biggerμεγαλύτερος a differenceδιαφορά than the uncertaintyαβεβαιότητα of the dataδεδομένα.
14
54000
5000
η διαφορά είναι πολύ μεγαλύτερη
από την αβεβαιότητα στα δεδομένα.
01:24
I won'tσυνηθισμένος put you at a testδοκιμή here, but it's TurkeyΤουρκία,
15
59000
2000
Δεν θα σας κάνω τεστ εδώ,
αλλά είναι η Τουρκία,
01:26
whichοι οποίες is highestύψιστος there, PolandΠολωνία, RussiaΡωσία, PakistanΠακιστάν and SouthΝότια AfricaΑφρική.
16
61000
5000
που είναι υψηλότερα εκεί, η Πολωνία,
η Ρωσία, το Πακιστάν και η Νότια Αφρική.
01:31
And these were the resultsΑποτελέσματα of the SwedishΣουηδικά studentsΦοιτητές. I did it so I got
17
66000
3000
Αυτά ήταν τα αποτελέσματα των Σουηδών
φοιτητών. Τα έβαλα ώστε να πάρω
01:34
the confidenceαυτοπεποίθηση intervalχρονικό διάστημα, whichοι οποίες is prettyαρκετά narrowστενός, and I got happyευτυχισμένος,
18
69000
3000
το διάστημα εμπιστοσύνης,
που είναι πολύ στενό, και ευχαριστήθηκα,
01:37
of courseσειρά μαθημάτων: a 1.8 right answerαπάντηση out of fiveπέντε possibleδυνατόν. That meansπου σημαίνει that
19
72000
4000
φυσικά: 1,8 σωστές απαντήσεις στις 5.
Αυτό σημαίνει ότι
01:41
there was a placeθέση for a professorκαθηγητής of internationalΔιεθνές healthυγεία --
20
76000
3000
υπήρχε θέση για έναν καθηγητή
της διεθνούς υγείας -
01:44
(LaughterΤο γέλιο) and for my courseσειρά μαθημάτων.
21
79000
2000
(Γέλια)
και για το μάθημά μου.
01:46
But one lateαργά night, when I was compilingκατάρτιση the reportκανω ΑΝΑΦΟΡΑ
22
81000
4000
Αλλά αργά ένα βράδυ,
όταν έγραφα την αναφορά
01:50
I really realizedσυνειδητοποίησα my discoveryανακάλυψη. I have shownαπεικονίζεται
23
85000
4000
συνειδητοποίησα πραγματικά
την ανακάλυψή μου. Έδειξα
01:54
that SwedishΣουηδικά topμπλουζα studentsΦοιτητές know statisticallyστατιστικώς significantlyσημαντικά lessπιο λιγο
24
89000
5000
ότι οι καλύτεροι Σουηδοί φοιτητές
ξέρουν στατιστικώς σημαντικά λιγότερα
01:59
about the worldκόσμος than the chimpanzeesχιμπατζήδες.
25
94000
2000
για τον κόσμο απ' ότι οι χιμπατζήδες.
02:01
(LaughterΤο γέλιο)
26
96000
2000
(Γέλια)
02:03
Because the chimpanzeeχιμπατζής would scoreσκορ halfΉμισυ right if I gaveέδωσε them
27
98000
4000
Γιατί οι χιμπατζήδες θα έπιαναν
τα μισά σωστά αν τους έδινα
02:07
two bananasμπανάνες with SriΣρι LankaΛάνκα and TurkeyΤουρκία. They would be right halfΉμισυ of the casesπεριπτώσεις.
28
102000
3000
δυο μπανάνες με την Σρι Λάνκα και την
Τουρκία. Θα είχαν δίκιο τις μισές φορές.
02:10
But the studentsΦοιτητές are not there. The problemπρόβλημα for me was not ignoranceάγνοια;
29
105000
4000
Αλλά οι φοιτητές δεν έπιασαν τις μισές.
Το πρόβλημα για μένα δεν ήταν η άγνοια:
02:14
it was preconceivedπροκαταλήψεις ideasιδέες.
30
109000
3000
ήταν οι προϋπάρχουσες απόψεις.
02:17
I did alsoεπίσης an unethicalανήθικη studyμελέτη of the professorsκαθηγητές of the KarolinskaKarolinska InstituteΙνστιτούτο
31
112000
4000
Έκανα επίσης μια μη ήθικη μελέτη
στους καθηγητές του Ινστιτούτου Καρολίνσκα
02:21
(LaughterΤο γέλιο)
32
116000
1000
(Γέλια)
02:22
-- that handsτα χέρια out the NobelΝόμπελ PrizeΒραβείο in MedicineΙατρική,
33
117000
2000
- που απονέμει το Βραβείο Νόμπελ Ιατρικής,
02:24
and they are on parPar with the chimpanzeeχιμπατζής there.
34
119000
2000
και είναι ισάξιοι
με τους χιμπατζήδες εκεί.
02:26
(LaughterΤο γέλιο)
35
121000
3000
(Γέλια)
02:29
This is where I realizedσυνειδητοποίησα that there was really a need to communicateεπικοινωνώ,
36
124000
4000
Σ' αυτό το σημείο συνειδητοποίησα ότι
υπήρχε πραγματικά ανάγκη να επικοινωνήσω,
02:33
because the dataδεδομένα of what's happeningσυμβαίνει in the worldκόσμος
37
128000
3000
επειδή τα δεδομένα
για το τι συμβαίνει στον κόσμο
02:36
and the childπαιδί healthυγεία of everyκάθε countryΧώρα is very well awareενήμερος.
38
131000
3000
και η παιδική υγεία κάθε χώρας
είναι πάρα πολύ γνωστά.
02:39
We did this softwareλογισμικό whichοι οποίες displaysοθόνες it like this: everyκάθε bubbleφυσαλλίδα here is a countryΧώρα.
39
134000
5000
Το λογισμικό που φτιάξαμε τα παρουσιάζει
ως εξής: κάθε φούσκα εδώ είναι μια χώρα.
02:44
This countryΧώρα over here is ChinaΚίνα. This is IndiaΙνδία.
40
139000
6000
Αυτή εδώ η χώρα είναι η Κίνα.
Αυτή είναι η Ινδία.
02:50
The sizeμέγεθος of the bubbleφυσαλλίδα is the populationπληθυσμός, and on this axisάξονας here I put fertilityγονιμότητα rateτιμή.
41
145000
6000
Το μέγεθος της φούσκας είναι ο πληθυσμός,
και στον άξονα αυτόν έβαλα τη γονιμότητα.
02:56
Because my studentsΦοιτητές, what they said
42
151000
3000
Γιατί οι φοιτητές μου, αυτό που είπαν
02:59
when they lookedκοίταξε uponεπάνω σε the worldκόσμος, and I askedερωτηθείς them,
43
154000
2000
όταν έβλεπαν τον κόσμο, και τους ρώτησα,
03:01
"What do you really think about the worldκόσμος?"
44
156000
2000
«Τι πραγματικά νομίζετε για τον κόσμο;»
03:03
Well, I first discoveredανακαλύφθηκε that the textbookεγχειρίδιο was TintinΤεντέν, mainlyκυρίως.
45
158000
4000
Αρχικά λοιπόν ανακάλυψα ότι το σύγγραμμα
ήταν, ως επί το πλέιστον, ο Τεν Τεν.
03:07
(LaughterΤο γέλιο)
46
162000
1000
(Γέλια)
03:08
And they said, "The worldκόσμος is still 'we'«Εμείς» and 'them«τους.'
47
163000
3000
Και απάντησαν, «Ο Κόσμος
είναι ακόμη 'εμείς' κι 'εκείνοι'.
03:11
And we is WesternΔυτική worldκόσμος and them is ThirdΤρίτο WorldΚόσμο."
48
166000
3000
Κι εμείς είναι ο Δυτικός κόσμος
κι εκείνοι είναι ο Τρίτος κόσμος».
03:14
"And what do you mean with WesternΔυτική worldκόσμος?" I said.
49
169000
3000
«Και τι εννοείτε
με το Δυτικός κόσμος;», ρώτησα.
03:17
"Well, that's long life and smallμικρό familyοικογένεια, and ThirdΤρίτο WorldΚόσμο is shortμικρός life and largeμεγάλο familyοικογένεια."
50
172000
5000
«Είναι μακρά ζωή και μικρή οικογένεια, Τρίτος
κόσμος είναι μικρή ζωή, μεγάλη οικογένεια.»
03:22
So this is what I could displayαπεικόνιση here. I put fertilityγονιμότητα rateτιμή here: numberαριθμός of childrenπαιδιά perανά womanγυναίκα:
51
177000
6000
Λοιπόν αυτό μπορώ να παρουσιάσω εδώ.
Η γονιμότητα είναι εδώ: αριθμός παιδιών ανά γυναίκα,
03:28
one, two, threeτρία, fourτέσσερα, up to about eightοκτώ childrenπαιδιά perανά womanγυναίκα.
52
183000
4000
ένα, δύο, τρία, τέσσερα,
μέχρι περίπου οκτώ παιδιά ανά γυναίκα.
03:32
We have very good dataδεδομένα sinceΑπό 1962 -- 1960 about -- on the sizeμέγεθος of familiesοικογένειες in all countriesχώρες.
53
187000
6000
Έχουμε καλά δεδομένα από το 1962, 1960
για το μέγεθος των οικογενειών σε όλες τις χώρες.
03:38
The errorλάθος marginπεριθώριο is narrowστενός. Here I put life expectancyπροσδοκία at birthγέννηση,
54
193000
3000
Το περιθώριο λάθους είναι μικρό.
Εδώ έβαλα το προσδόκιμο ζωής στη γέννηση,
03:41
from 30 yearsχρόνια in some countriesχώρες up to about 70 yearsχρόνια.
55
196000
4000
από 30 χρόνια σε μερικές χώρες
μέχρι περίπου 70 χρόνια.
03:45
And 1962, there was really a groupομάδα of countriesχώρες here
56
200000
3000
Και το 1962, υπήρχε πραγματικά
μια ομάδα χωρών εδώ,
03:48
that was industrializedβιομηχανοποίηση countriesχώρες, and they had smallμικρό familiesοικογένειες and long livesζωή.
57
203000
5000
που ήταν βιομηχανικές χώρες,
με είχαν μικρές οικογένειες και μακρά ζωή.
03:53
And these were the developingανάπτυξη countriesχώρες:
58
208000
2000
Και αυτές ήταν οι αναπτυσσόμενες χώρες:
03:55
they had largeμεγάλο familiesοικογένειες and they had relativelyσχετικά shortμικρός livesζωή.
59
210000
3000
είχαν μεγάλες οικογένειες
και είχαν σχετικά σύντομη ζωή.
03:58
Now what has happenedσυνέβη sinceΑπό 1962? We want to see the changeαλλαγή.
60
213000
4000
Τώρα, τι έχει συμβεί από το 1962;
Θέλουμε να δούμε την αλλαγή.
04:02
Are the studentsΦοιτητές right? Is it still two typesτύπους of countriesχώρες?
61
217000
3000
Έχουν δίκιο οι φοιτητές;
Είναι ακόμα δύο ειδών χώρες;
04:06
Or have these developingανάπτυξη countriesχώρες got smallerμικρότερος familiesοικογένειες and they liveζω here?
62
221000
3000
Ή έχουν αυτές οι αναπτυσσόμενες χώρες
μικρότερες οικογένειες και ζούν εδώ;
04:09
Or have they got longerμακρύτερα livesζωή and liveζω up there?
63
224000
2000
Ή έχουν μακρύτερες ζωές
και ζούν εκεί πάνω;
04:11
Let's see. We stoppedσταμάτησε the worldκόσμος then. This is all U.N. statisticsστατιστική
64
226000
3000
Για να δούμε. Σταματήσαμε τον κόσμο τότε.
Αυτά είναι όλα στατιστικές του Ο.Η.Ε.
04:14
that have been availableδιαθέσιμος. Here we go. Can you see there?
65
229000
3000
που ήταν διαθέσιμες. Πάμε. Βλέπετε εδώ;
04:17
It's ChinaΚίνα there, movingκίνηση againstκατά better healthυγεία there, improvingβελτίωση there.
66
232000
3000
Είναι η Κίνα, κινείται ενάντια στην
καλύτερη υγεία εκεί, βελτιώνεται εκεί.
04:20
All the greenπράσινος LatinΛατινική AmericanΑμερικανική countriesχώρες are movingκίνηση towardsπρος smallerμικρότερος familiesοικογένειες.
67
235000
3000
Όλες οι πράσινες Λατινοαμερικανικές χώρες
κινούνται προς μικρότερες οικογένειες.
04:23
Your yellowκίτρινος onesαυτές here are the ArabicΑραβικά countriesχώρες,
68
238000
3000
Οι κίτρινες εδώ
είναι οι Αραβικές χώρες σας,
04:26
and they get largerμεγαλύτερος familiesοικογένειες, but they -- no, longerμακρύτερα life, but not largerμεγαλύτερος familiesοικογένειες.
69
241000
4000
και αποκτούν μεγαλύτερες οικογένειες, αλλα - όχι,
μακρύτερη ζωή, αλλά όχι μεγαλύτερες οικογένειες.
04:30
The AfricansΑφρικανοί are the greenπράσινος down here. They still remainπαραμένει here.
70
245000
3000
Οι Αφρικανοί είναι οι πράσινοι εδώ κάτω.
Παραμένουν ακόμα εδώ.
04:33
This is IndiaΙνδία. Indonesia'sΤης Ινδονησίας movingκίνηση on prettyαρκετά fastγρήγορα.
71
248000
3000
Αυτή είναι η Ινδία.
Η Ινδονησία προχωράει αρκετα γρήγορα.
04:36
(LaughterΤο γέλιο)
72
251000
1000
(Γέλια)
04:37
And in the '80s here, you have BangladeshΜπαγκλαντές still amongαναμεταξύ the AfricanΑφρικανική countriesχώρες there.
73
252000
3000
Τη δεκαετία του '80, έχουμε το Μπανγκλαντές
ακόμα ανάμεσα στις Αφρικανικές χώρες εκεί.
04:40
But now, BangladeshΜπαγκλαντές -- it's a miracleθαύμα that happensσυμβαίνει in the '80s:
74
255000
3000
Αλλά τώρα, το Μπανγκλαντές - είναι ένα
θαύμα που συμβαίνει τη δεκαετία του '80:
04:43
the imamsιμάμηδες startαρχή to promoteπροάγω familyοικογένεια planningσχεδίαση.
75
258000
3000
οι ιμάμηδες αρχίζουν να προωθούν
τον οικογενειακό προγραμματισμό.
04:46
They moveκίνηση up into that cornerγωνία. And in '90s, we have the terribleτρομερός HIVHIV epidemicεπιδημία
76
261000
5000
Ανεβαίνουν σ' αυτή τη γωνία. Τη δεκαετία
του '90, έχουμε τη φοβερή επιδημία του HIV
04:51
that takes down the life expectancyπροσδοκία of the AfricanΑφρικανική countriesχώρες
77
266000
3000
που ρίχνει το προσδόκιμο ζωής
των Αφρικανικών χωρών
04:54
and all the restυπόλοιπο of them moveκίνηση up into the cornerγωνία,
78
269000
4000
και όλες οι υπόλοιπες
ανεβαίνουν στη γωνία,
04:58
where we have long livesζωή and smallμικρό familyοικογένεια, and we have a completelyεντελώς newνέος worldκόσμος.
79
273000
4000
όπου έχουμε μακροβιότητα και μικρές
οικογένειες, έναν εντελώς καινούριο κόσμο.
05:02
(ApplauseΧειροκροτήματα)
80
277000
13000
(Χειροκρότημα)
05:15
Let me make a comparisonσύγκριση directlyκατευθείαν betweenμεταξύ the UnitedΕνωμένοι StatesΚράτη μέλη of AmericaΑμερική and VietnamΒιετνάμ.
81
290000
5000
Ας κάνω μια άμεση σύγκριση ανάμεσα
στις Ηνωμένες Πολιτείες και το Βιετνάμ.
05:20
1964: AmericaΑμερική had smallμικρό familiesοικογένειες and long life;
82
295000
5000
1964: Η Αμερική είχε μικρές οικογένειες
και μακρά ζωή.
05:25
VietnamΒιετνάμ had largeμεγάλο familiesοικογένειες and shortμικρός livesζωή. And this is what happensσυμβαίνει:
83
300000
4000
Το Βιετνάμ είχε μεγάλες οικογένειες
και σύντομες ζωές. Και συμβαίνει αυτό:
05:29
the dataδεδομένα duringστη διάρκεια the warπόλεμος indicateυποδεικνύω that even with all the deathθάνατος,
84
304000
6000
τα δεδομένα κατά τη διάρκεια του πολέμου
δείχνουν ότι ακόμα και με όλους τους θανάτους,
05:35
there was an improvementβελτίωση of life expectancyπροσδοκία. By the endτέλος of the yearέτος,
85
310000
3000
υπήρχε βελτίωση του προσδόκιμου ζωής.
Μέχρι το τέλος του χρόνου,
05:38
the familyοικογένεια planningσχεδίαση startedξεκίνησε in VietnamΒιετνάμ and they wentπήγε for smallerμικρότερος familiesοικογένειες.
86
313000
3000
ο οικογενειακός προγραμματισμός άρχισε στο Βιετνάμ
και προχώρησαν προς μικρότερες οικογένειες.
05:41
And the UnitedΕνωμένοι StatesΚράτη μέλη up there is gettingνα πάρει for longerμακρύτερα life,
87
316000
3000
Και οι Ηνωμένες Πολιτείες
εκεί πάνω οδεύουν προς μακρότερη ζωή,
05:44
keepingτήρηση familyοικογένεια sizeμέγεθος. And in the '80s now,
88
319000
3000
διατηρώντας το μέγεθος της οικογένειας.
Και στη δεκαετία του '80 τώρα,
05:47
they give up communistκομμουνιστική planningσχεδίαση and they go for marketαγορά economyοικονομία,
89
322000
3000
εγκαταλείπουν τον κομμουνιστικό σχεδιασμό
και πάνε προς την οικονομία της αγοράς,
05:50
and it movesκινήσεις fasterγρηγορότερα even than socialκοινωνικός life. And todayσήμερα, we have
90
325000
4000
κα κινείται ταχύτερα ακόμα κι
από την κοινωνική ζωή. Και σήμερα, έχουμε
05:54
in VietnamΒιετνάμ the sameίδιο life expectancyπροσδοκία and the sameίδιο familyοικογένεια sizeμέγεθος
91
329000
5000
στο Βιετνάμ το ίδιο προσδόκιμο ζωής
και το ίδιο μέγεθος οικογένειας
05:59
here in VietnamΒιετνάμ, 2003, as in UnitedΕνωμένοι StatesΚράτη μέλη, 1974, by the endτέλος of the warπόλεμος.
92
334000
7000
εδώ στο Βιετνάμ, 2003, όπως στις Η.Π.Α.,
1974, από το τέλος του πολέμου.
06:06
I think we all -- if we don't look in the dataδεδομένα --
93
341000
4000
Νομίζω όλοι μας
- αν δεν κοιτάξουμε τα δεδομένα -
06:10
we underestimateυποτιμώ the tremendousκαταπληκτικός changeαλλαγή in AsiaΑσία, whichοι οποίες was
94
345000
4000
υποεκτιμούμε την τεράστια αλλαγή
στην Ασία, η οποία ήταν
06:14
in socialκοινωνικός changeαλλαγή before we saw the economicalοικονομικό changeαλλαγή.
95
349000
4000
σε κοινωνική αλλαγή
πριν δούμε την οικονομική αλλαγή.
06:18
Let's moveκίνηση over to anotherαλλο way here in whichοι οποίες we could displayαπεικόνιση
96
353000
5000
Ας πάμε εδώ σε έναν άλλο τρόπο
με τον οποίο μπορούμε να παρουσιάσουμε
06:23
the distributionδιανομή in the worldκόσμος of the incomeεισόδημα. This is the worldκόσμος distributionδιανομή of incomeεισόδημα of people.
97
358000
7000
την κατανομή του εισοδήματος στον κόσμο.
Αυτή είναι η παγκόσμια κατανομή εισοδήματος των ανθρώπων.
06:30
One dollarδολάριο, 10 dollarsδολάρια or 100 dollarsδολάρια perανά day.
98
365000
5000
Ένα δολάριο, 10 δολάρια
ή 100 δολάρια την ημέρα.
06:35
There's no gapχάσμα betweenμεταξύ richπλούσιος and poorΦτωχός any longerμακρύτερα. This is a mythμύθος.
99
370000
4000
Δεν υπάρχει πια χάσμα μεταξύ
πλούσιων και φτωχών. Είναι ένας μύθος.
06:39
There's a little humpκαμπούρα here. But there are people all the way.
100
374000
4000
Υπάρχει μια μικρή καμπούρα εδώ.
Αλλά υπάρχουν άνθρωποι μέχρι πέρα.
06:44
And if we look where the incomeεισόδημα endsτελειώνει up -- the incomeεισόδημα --
101
379000
4000
Και αν κοιτάξουμε που καταλήγει το εισόδημα
- το εισόδημα -
06:48
this is 100 percentτοις εκατό the world'sτου κόσμου annualετήσιος incomeεισόδημα. And the richestπλουσιότεροι 20 percentτοις εκατό,
102
383000
6000
αυτό είναι το 100% του παγκόσμιου ετήσιου
εισοδήματος. Και το πλουσιότερο 20%,
06:54
they take out of that about 74 percentτοις εκατό. And the poorestφτωχότερες 20 percentτοις εκατό,
103
389000
7000
παίρνουν περίπου το 74% απ' αυτό.
Και το φτωχότερο 20 τοις εκατό,
07:01
they take about two percentτοις εκατό. And this showsδείχνει that the conceptέννοια
104
396000
5000
παίρνουν περίπου δύο τοις εκατο.
Και αυτό δειχνεί ότι η ιδέα
07:06
of developingανάπτυξη countriesχώρες is extremelyεπακρώς doubtfulαμφίβολο. We think about aidβοήθεια, like
105
401000
4000
των αναπτυσόμενων χωρών είναι εξαιρετικά
αμφίβολη. Σκεφτόμαστε για την αρωγή, σαν
07:10
these people here givingδίνοντας aidβοήθεια to these people here. But in the middleΜέσης,
106
405000
5000
αυτοί οι άνθρωποι εδώ να δίνουν βοήθεια
σ' αυτούς τους ανθρώπους εδώ. Αλλά στο μέσο
07:15
we have mostπλέον the worldκόσμος populationπληθυσμός, and they have now 24 percentτοις εκατό of the incomeεισόδημα.
107
410000
4000
έχουμε την πλειοψηφία του παγκόσμιου πληθυσμού,
και αυτοί έχουν τώρα το 24% του εισοδήματος.
07:19
We heardακούσει it in other formsμορφές. And who are these?
108
414000
4000
Το ακούσαμε με άλλους τρόπους.
Και ποιοι είνα αυτοί;
07:23
Where are the differentδιαφορετικός countriesχώρες? I can showπροβολή you AfricaΑφρική.
109
418000
4000
Που είναι οι διάφορες χώρες;
Μπορώ να σας δείξω την Αφρική.
07:27
This is AfricaΑφρική. 10 percentτοις εκατό the worldκόσμος populationπληθυσμός, mostπλέον in povertyφτώχεια.
110
422000
5000
Αυτή είναι η Αφρική. 10 τοις εκατό του
παγκόσμιου πληθυσμού, οι περισσότεροι φτωχοί.
07:32
This is OECDΟΟΣΑ. The richπλούσιος countryΧώρα. The countryΧώρα clubΛέσχη of the U.N.
111
427000
5000
Αυτός είναι ο ΟΟΣΑ.
Οι πλούσιες χώρες. Οι πλούσιοι του Ο.Η.Ε.
07:37
And they are over here on this sideπλευρά. QuiteΑρκετά an overlapεπικάλυψη betweenμεταξύ AfricaΑφρική and OECDΟΟΣΑ.
112
432000
5000
Βρίσκονται εδώ σ' αυτή την πλευρά. Αρκετή
επικάλυψη ανάμεσα στην Αφρική και τον ΟΟΣΑ.
07:42
And this is LatinΛατινική AmericaΑμερική. It has everything on this EarthΓη,
113
437000
3000
Και αυτή είναι η Λατινική Αμερική.
Έχει τα πάντα στη Γη,
07:45
from the poorestφτωχότερες to the richestπλουσιότεροι, in LatinΛατινική AmericaΑμερική.
114
440000
3000
από τους φτωχότερους μέχρι
τους πλουσιότερους, στην Λατινική Αμερική.
07:48
And on topμπλουζα of that, we can put EastΑνατολή EuropeΕυρώπη, we can put EastΑνατολή AsiaΑσία,
115
443000
5000
Επιπλέον, μπορούμε να βάλουμε
την Ανατολική Ευρώπη, την Ανατολική Ασία,
07:53
and we put SouthΝότια AsiaΑσία. And how did it look like if we go back in time,
116
448000
5000
και βάζουμε την Νότια Ασία.
Και πως ήταν αν πάμε πίσω στο χρόνο,
07:58
to about 1970? Then there was more of a humpκαμπούρα.
117
453000
5000
στο 1970 περίπου;
Τότε υπήρχε μια μεγαλύτερη καμπούρα.
08:03
And we have mostπλέον who livedέζησε in absoluteαπόλυτος povertyφτώχεια were AsiansΑσιάτες.
118
458000
4000
Και έχουμε τους περισσότερους που ζούσαν
σε απόλυτη φτώχια να είναι Ασιάτες.
08:07
The problemπρόβλημα in the worldκόσμος was the povertyφτώχεια in AsiaΑσία. And if I now let the worldκόσμος moveκίνηση forwardπρος τα εμπρός,
119
462000
7000
Το πρόβλημα στον κόσμο ήταν η φτώχια στην Ασία.
Και αν τώρα αφήσω τον κόσμο να προχωρήσει,
08:14
you will see that while populationπληθυσμός increaseαυξάνουν, there are
120
469000
3000
θα δείτε ότι ενώ ο πληθυσμός αυξάνεται,
υπάρχουν
08:17
hundredsεκατοντάδες of millionsεκατομμύρια in AsiaΑσία gettingνα πάρει out of povertyφτώχεια and some othersοι υπολοιποι
121
472000
3000
εκατοντάδες εκατομμύρια στην Ασία που
βγαίνουν από τη φτώχια και μερικοί άλλοι
08:20
gettingνα πάρει into povertyφτώχεια, and this is the patternπρότυπο we have todayσήμερα.
122
475000
3000
που μπαίνουν στη φτώχια, και
αυτό είναι το προφίλ που έχουμε σήμερα.
08:23
And the bestκαλύτερος projectionπροβολή from the WorldΚόσμο BankΤράπεζα is that this will happenσυμβεί,
123
478000
4000
Και η καλύτερη πρόβλεψη από την Παγκόσμια
Τράπεζα είναι ότι αυτό θα συμβεί,
08:27
and we will not have a dividedδιαιρεμένη worldκόσμος. We'llΕμείς θα have mostπλέον people in the middleΜέσης.
124
482000
4000
και δεν θα έχουμε έναν διχασμένο κόσμο.
Θα έχουμε τους περισσότερους ανθρώπους στο μέσο.
08:31
Of courseσειρά μαθημάτων it's a logarithmicλογαριθμική scaleκλίμακα here,
125
486000
2000
Φυσικά η κλίμακα εδώ είναι λογαριθμική,
08:33
but our conceptέννοια of economyοικονομία is growthανάπτυξη with percentτοις εκατό. We look uponεπάνω σε it
126
488000
5000
αλλά η ιδέα μας για την οικονομία
είναι επί τοις εκατό ανάπτυξη. Το βλέπουμε
08:38
as a possibilityδυνατότητα of percentileεκατοστημόριο increaseαυξάνουν. If I changeαλλαγή this, and I take
127
493000
6000
σαν μια δυνατότητα ποσοστιαίας αύξησης.
Αν αλλάξω αυτό, και πάρω
08:44
GDPΑΕΠ perανά capitaκεφαλή insteadαντι αυτου of familyοικογένεια incomeεισόδημα, and I turnστροφή these
128
499000
4000
κατά κεφαλή ΑΕΠ αντί για οικογενειακό εισόδημα,
και μετατρέψω αυτά
08:48
individualάτομο dataδεδομένα into regionalπεριφερειακό dataδεδομένα of grossακαθάριστο domesticοικιακός productπροϊόν,
129
503000
6000
τα ατομικά δεδομένα σε περιφερειακά
δεδομένα ακαθάριστου εγχώριου προϊόντος,
08:54
and I take the regionsπεριοχές down here, the sizeμέγεθος of the bubbleφυσαλλίδα is still the populationπληθυσμός.
130
509000
4000
και πάρω τις περιφέρειες εδώ κάτω,
το μέγεθος της φούσκας είναι ακόμα ο πληθυσμός.
08:58
And you have the OECDΟΟΣΑ there, and you have sub-Saharanνοτίως της Σαχάρας AfricaΑφρική there,
131
513000
3000
Και έχεις τον ΟΟΣΑ εκεί,
και την υπο-Σαχάρια Αφρική εκεί,
09:01
and we take off the ArabΑραβικά statesκράτη μέλη there,
132
516000
3000
και αφαιρούμε τα Αραβικά κράτη εκεί,
09:04
comingερχομός bothκαι τα δυο from AfricaΑφρική and from AsiaΑσία, and we put them separatelyχωριστά,
133
519000
4000
προερχόμενα τόσο από την Αφρική όσο
και από την Ασία, και τα βάζουμε ξεχωριστά,
09:08
and we can expandεπεκτείνουν this axisάξονας, and I can give it a newνέος dimensionδιάσταση here,
134
523000
5000
και μπορούμε να διευρύνουμε αυτόν τον άξονα,
και μπορώ να του δώσω μια νέα διάσταση εδώ,
09:13
by addingπροσθέτωντας the socialκοινωνικός valuesαξίες there, childπαιδί survivalεπιβίωση.
135
528000
3000
με το να προσθέσω τις κοινωνικές αξίες
εκεί, παιδική επιβίωση.
09:16
Now I have moneyχρήματα on that axisάξονας, and I have the possibilityδυνατότητα of childrenπαιδιά to surviveεπιζώ there.
136
531000
5000
Τώρα έχω το χρήμα σ' αυτόν τον άξονα,
και έχω τη δυνατότητα των παιδιών να επιβιώσουν εκεί.
09:21
In some countriesχώρες, 99.7 percentτοις εκατό of childrenπαιδιά surviveεπιζώ to fiveπέντε yearsχρόνια of ageηλικία;
137
536000
4000
Σε μερικές χώρες, το 99.7% των παιδιών
επιβιώνουν μέχρι την ηλικία των 5 ετών,
09:25
othersοι υπολοιποι, only 70. And here it seemsφαίνεται there is a gapχάσμα
138
540000
4000
σε άλλες, μόνο 70.
Και εδώ φαίνεται να υπάρχει ένα κενό
09:29
betweenμεταξύ OECDΟΟΣΑ, LatinΛατινική AmericaΑμερική, EastΑνατολή EuropeΕυρώπη, EastΑνατολή AsiaΑσία,
139
544000
4000
ανάμεσα στον ΟΟΣΑ, τη Λατινική Αμερική,
την Ανατολική Ευρώπη, την Ανατολική Ασία,
09:33
ArabΑραβικά statesκράτη μέλη, SouthΝότια AsiaΑσία and sub-Saharanνοτίως της Σαχάρας AfricaΑφρική.
140
548000
4000
τις Αραβικές χώρες, την Νότια Ασία
και την υπο-Σαχάρια Αφρική.
09:37
The linearityγραμμικότητα is very strongισχυρός betweenμεταξύ childπαιδί survivalεπιβίωση and moneyχρήματα.
141
552000
5000
Η γραμμικότητα είναι πολύ ισχυρή ανάμεσα
στην παιδική επιβίωση και το χρήμα.
09:42
But let me splitσπλιτ sub-Saharanνοτίως της Σαχάρας AfricaΑφρική. HealthΥγεία is there and better healthυγεία is up there.
142
557000
8000
Αλλά ας χωρίσω την υπο-Σαχάρια Αφρική.
Η υγεία είναι εκέι και καλύτερη υγεία είναι εκεί πάνω.
09:50
I can go here and I can splitσπλιτ sub-Saharanνοτίως της Σαχάρας AfricaΑφρική into its countriesχώρες.
143
565000
5000
Μπορώ να έρθω εδώ και να χωρίσω
την υπο-Σαχάρια Αφρική στις χώρες της.
09:55
And when it burstέκρηξη, the sizeμέγεθος of its countryΧώρα bubbleφυσαλλίδα is the sizeμέγεθος of the populationπληθυσμός.
144
570000
5000
Και όταν ανοίξει, το μέγεθος της φούσκας
της χώρας είναι το μέγεθος του πληθυσμού.
10:00
SierraΣιέρα LeoneΛεόνε down there. MauritiusΜαυρίκιος is up there. MauritiusΜαυρίκιος was the first countryΧώρα
145
575000
4000
Η Σιέρρα Λεόνε εκεί κάτω. Ο Μαυρίκιος
εκεί πάνω. Ο Μαυρίκιος ήταν η πρώτη χώρα
10:04
to get away with tradeεμπορικές συναλλαγές barriersεμπόδια, and they could sellΠουλώ theirδικα τους sugarζάχαρη --
146
579000
3000
που απέφυγε τους εμπορικούς φραγμούς,
και μπορούσαν να πουλούν τη ζάχαρή τους.
10:08
they could sellΠουλώ theirδικα τους textilesκλωστοϋφαντουργικά προϊόντα -- on equalίσος termsόροι as the people in EuropeΕυρώπη and NorthΒόρεια AmericaΑμερική.
147
583000
5000
Μπορούσαν να πουλούν τα υφάσματά τους σε ίσους όρους με τους ανθρώπους στην Ευρώπη και τη Βόρεια Αμερική.
10:13
There's a hugeτεράστιος differenceδιαφορά betweenμεταξύ AfricaΑφρική. And GhanaΓκάνα is here in the middleΜέσης.
148
588000
4000
Υπάρχει τεράστια διαφορά μέσα στην Αφρική. Και η Γκάνα είναι εδώ στη μέση.
10:17
In SierraΣιέρα LeoneΛεόνε, humanitarianφιλάνθρωπος aidβοήθεια.
149
592000
3000
Στη Σιέρρα Λεόνε, ανθρωπιστική βοήθεια.
10:20
Here in UgandaΟυγκάντα, developmentανάπτυξη aidβοήθεια. Here, time to investεπενδύω; there,
150
595000
5000
Εδώ στην Ουγκάντα, ανθρωπιστική βοήθεια. Εδώ, ώρα να επενδύσεις, εκεί,
10:25
you can go for a holidayαργία. It's a tremendousκαταπληκτικός variationπαραλλαγή
151
600000
3000
μπορείς να πας διακοπές. Είναι μια φοβερή ποικιλία
10:28
withinστα πλαίσια AfricaΑφρική whichοι οποίες we rarelyσπάνια oftenσυχνά make -- that it's equalίσος everything.
152
603000
5000
μέσα στην Αφρική που σπάνια καταλαβαίνουμε - ότι είναι όλα ίσα.
10:33
I can splitσπλιτ SouthΝότια AsiaΑσία here. India'sΤης Ινδίας the bigμεγάλο bubbleφυσαλλίδα in the middleΜέσης.
153
608000
4000
Μπορώ να χωρίσω τη Νότια Ασία εδώ. Η Ινδία είναι η μεγάλη φούσκα στη μέση.
10:37
But a hugeτεράστιος differenceδιαφορά betweenμεταξύ AfghanistanΑφγανιστάν and SriΣρι LankaΛάνκα.
154
612000
4000
Αλλά μια τεράστια διαφορά ανάμεσα στο Αφγανιστάν και τη Σρι Λάνκα.
10:41
I can splitσπλιτ ArabΑραβικά statesκράτη μέλη. How are they? SameΊδια climateκλίμα, sameίδιο cultureΠολιτισμός,
155
616000
4000
Μπορώ να χωρίσω τα Αραβικά κράτη. Πως είναι; Ίδιο κλίμα, ίδια κουλτούρα,
10:45
sameίδιο religionθρησκεία -- hugeτεράστιος differenceδιαφορά. Even betweenμεταξύ neighborsγείτονες.
156
620000
4000
ίδια περιοχή. Τεράστια διαφορά. Ακόμη και μεταξύ γειτόνων.
10:49
YemenΥεμένη, civilεμφύλιος warπόλεμος. UnitedΕνωμένοι ArabΑραβικά EmirateΕμιράτο, moneyχρήματα whichοι οποίες was quiteαρκετά equallyεξίσου and well used.
157
624000
5000
Υεμένη, εμφύλιος. Ηνωμένα Αραβικά Εμιράτα, χρήμα που χρησιμοποιήθηκε ίσα και σωστά.
10:54
Not as the mythμύθος is. And that includesπεριλαμβάνει all the childrenπαιδιά of the foreignξένο workersεργαζομένων who are in the countryΧώρα.
158
629000
7000
Όχι όπως είναι ο μύθος. Και αυτό συμπεριλαμβάνει όλα τα παιδιά των ξένων εργαζομένων που βρίσκονται στη χώρα.
11:01
DataΔεδομένα is oftenσυχνά better than you think. ManyΠολλά people say dataδεδομένα is badκακό.
159
636000
4000
Τα δεδομένα είναι συχνά καλύτερα απ' ό,τι νομίζει κανείς. Πολλοί λένε ότι τα δεδομένα είναι κακά.
11:06
There is an uncertaintyαβεβαιότητα marginπεριθώριο, but we can see the differenceδιαφορά here:
160
641000
2000
Υπάρχει εύρος αβεβαιότητας, αλλά μπορούμε να δούμε τη διαφορά εδώ:
11:08
CambodiaΚαμπότζη, SingaporeΣιγκαπούρη. The differencesδιαφορές are much biggerμεγαλύτερος
161
643000
3000
Καμπότζη, Σιγκαπούρη. Οι διαφορές είναι πολύ μεγαλύτερες
11:11
than the weaknessαδυναμία of the dataδεδομένα. EastΑνατολή EuropeΕυρώπη:
162
646000
3000
από την ασθενικότητα των δεδομένων. Ανατολική Ευρώπη:
11:14
SovietΣοβιετική economyοικονομία for a long time, but they come out after 10 yearsχρόνια
163
649000
6000
Σοβιετική οικονομία για μεγάλο διάστημα, αλλά αναδύονται μετά από δέκα χρόνια
11:20
very, very differentlyδιαφορετικά. And there is LatinΛατινική AmericaΑμερική.
164
655000
3000
πολύ, πολύ διαφορετικά. Και εκεί είναι η Λατινική Αμερική.
11:23
TodayΣήμερα, we don't have to go to CubaΚούβα to find a healthyυγιής countryΧώρα in LatinΛατινική AmericaΑμερική.
165
658000
4000
Σήμερα, δεν χρειάζεται να πάμε στην Κούβα για να βρούμε μια υγειή χώρα στην Λατινική Αμερική.
11:27
ChileΧιλή will have a lowerπιο χαμηλα childπαιδί mortalityθνησιμότητα than CubaΚούβα withinστα πλαίσια some fewλίγοι yearsχρόνια from now.
166
662000
5000
Η Χιλή θα έχει χαμηλότερη παιδική θνησιμότητα απο την Κούβα σε μερικά χρόνια από τώρα.
11:32
And here we have high-incomeυψηλού εισοδήματος countriesχώρες in the OECDΟΟΣΑ.
167
667000
3000
Και εδώ έχουμε χώρες του ΟΟΣΑ με υψηλό εισόδημα.
11:35
And we get the wholeολόκληρος patternπρότυπο here of the worldκόσμος,
168
670000
4000
Και παίρνουμε όλο το φάσμα του κόσμου εδώ,
11:39
whichοι οποίες is more or lessπιο λιγο like this. And if we look at it,
169
674000
5000
που είναι πάνω-κάτω έτσι. Και αν το κοιτάξουμε,
11:44
how it looksφαίνεται -- the worldκόσμος, in 1960, it startsξεκινά to moveκίνηση. 1960.
170
679000
6000
πως φαίνεται - ο κόσμος, το 1960, αρχίζει να κινείται. 1960.
11:50
This is MaoMao Tse-tungTSE-Tung. He broughtέφερε healthυγεία to ChinaΚίνα. And then he diedπέθανε.
171
685000
3000
Εδώ είναι ο Μάο Τσετούνγκ. Έφερε υγεία στην Κίνα. Και μετά πέθανε.
11:53
And then DengDeng XiaopingXiaoping cameήρθε and broughtέφερε moneyχρήματα to ChinaΚίνα, and broughtέφερε them into the mainstreammainstream again.
172
688000
5000
Και ύστερα ο Ντενγκ Ξιαοπένγκ ήρθε κι έφερε χρήμα στην Κίνα, και τους επανέφερε στο προσκήνιο.
11:58
And we have seenείδα how countriesχώρες moveκίνηση in differentδιαφορετικός directionsκατευθύνσεις like this,
173
693000
4000
Και έχουμε δει πως χώρες κινούνται προς διαφορετικές κατευθύνσεις έτσι,
12:02
so it's sortείδος of difficultδύσκολος to get
174
697000
4000
κι έτσι είναι δύσκολο να βρεις
12:06
an exampleπαράδειγμα countryΧώρα whichοι οποίες showsδείχνει the patternπρότυπο of the worldκόσμος.
175
701000
5000
μια χώρα-παράδειγμα που να δείχνει την τάση του κόσμου.
12:11
But I would like to bringνα φερεις you back to about here at 1960.
176
706000
6000
Θα ήθελα να σας φέρω
εδώ πίσω, περίπου στο 1960.
12:17
I would like to compareσυγκρίνω SouthΝότια KoreaΚορέα, whichοι οποίες is this one, with BrazilΒραζιλία,
177
712000
10000
Θα ήθελα να συγκρίνω την Νότια Κορέα,
που είναι αυτή εδώ, με τη Βραζιλία,
12:27
whichοι οποίες is this one. The labelεπιγραφή wentπήγε away for me here. And I would like to compareσυγκρίνω UgandaΟυγκάντα,
178
722000
5000
που είναι αυτή. Εδώ μου έφυγε η ταμπέλα.
Και θα ήθελα να συγκρίνω την Ουγκάντα,
12:32
whichοι οποίες is there. And I can runτρέξιμο it forwardπρος τα εμπρός, like this.
179
727000
5000
που είναι εκεί. Και μπορώ
να το τρέξω προς τα εμπρός, έτσι.
12:37
And you can see how SouthΝότια KoreaΚορέα is makingκατασκευή a very, very fastγρήγορα advancementανέλιξη,
180
732000
9000
Και μπορείτε να δείτε πώς η Νότια Κορέα
κάνει μια πολύ, πολύ γρήγορη πρόοδο,
12:46
whereasενώ BrazilΒραζιλία is much slowerβραδύτερη.
181
741000
3000
ενώ η Βραζιλία είναι πολύ πιο αργή.
12:49
And if we moveκίνηση back again, here, and we put on trailsμονοπάτια on them, like this,
182
744000
6000
Και αν πάμε πάλι πίσω,
εδώ, και τους βάλουμε ίχνη, έτσι,
12:55
you can see again that the speedΤαχύτητα of developmentανάπτυξη
183
750000
4000
μπορείτε να δείτε πάλι
ότι η ταχύτητα ανάπτυξης
12:59
is very, very differentδιαφορετικός, and the countriesχώρες are movingκίνηση more or lessπιο λιγο
184
754000
6000
είναι πολύ, πολύ διαφορετική,
και οι χώρες κινούνται πάνω-κάτω
13:05
in the sameίδιο rateτιμή as moneyχρήματα and healthυγεία, but it seemsφαίνεται you can moveκίνηση
185
760000
4000
με τον ίδιο ρυθμό όπως το χρήμα και η
υγεία, αλλά φαίνεται ότι μπορείς να κινηθείς
13:09
much fasterγρηγορότερα if you are healthyυγιής first than if you are wealthyπλούσιος first.
186
764000
4000
πολύ γρηγορότερα άν είσαι αρχικά
υγιής παρά αν είσαι αρχικά πλούσιος.
13:14
And to showπροβολή that, you can put on the way of UnitedΕνωμένοι ArabΑραβικά EmirateΕμιράτο.
187
769000
4000
Το βλέπετε αυτό βάζοντας τη διαδρομή
των Ηνωμένων Αραβικών Εμιράτων.
13:18
They cameήρθε from here, a mineralορυκτό countryΧώρα. They cachedπροσωρινής αποθήκευσης all the oilλάδι;
188
773000
3000
Ήρθαν από δώ, μια χώρα μεταλλευμάτων.
Εξαργύρωσαν όλο το πετρέλαιο,
13:21
they got all the moneyχρήματα; but healthυγεία cannotδεν μπορώ be boughtαγορασμένος at the supermarketσουπερμάρκετ.
189
776000
4000
πήραν όλα τα λεφτά, αλλά η υγεία
δεν μπορεί να αγοραστεί στο σουπερμάρκετ.
13:25
You have to investεπενδύω in healthυγεία. You have to get kidsπαιδιά into schoolingσχολική εκπαίδευση.
190
780000
4000
Πρέπει να επενδύσεις στην υγεία.
Πρέπει να στείλεις τα παιδιά στο σχολείο.
13:29
You have to trainτρένο healthυγεία staffπροσωπικό. You have to educateεκπαιδεύσει the populationπληθυσμός.
191
784000
3000
Πρέπει να εκπαιδεύσεις ιατρικό προσωπικό.
Πρέπει να ενημερώσεις τον πληθυσμό.
13:32
And SheikhSheikh SayedΜΕΜΕΤ did that in a fairlyαρκετά good way.
192
787000
3000
Και ο Σεΐχης Σαγιέντ το έκανε αυτό
με αρκετά καλό τρόπο.
13:35
In spiteπείσμα of fallingπτώση oilλάδι pricesτιμές, he broughtέφερε this countryΧώρα up here.
193
790000
4000
Και παρά τις πτωτικές τιμές πετρελαίου,
έφερε τη χώρα εδώ πάνω.
13:39
So we'veέχουμε got a much more mainstreammainstream appearanceεμφάνιση of the worldκόσμος,
194
794000
4000
Κι έτσι έχουμε μια πολύ
πιο κοινότυπη εμφάνιση του κόσμου,
13:43
where all countriesχώρες tendτείνω to use theirδικα τους moneyχρήματα
195
798000
2000
όπου όλες οι χώρες τείνουν
να χρησιμοποιούν τα χρήματά τους
13:45
better than they used in the pastτο παρελθόν. Now, this is, more or lessπιο λιγο,
196
800000
5000
καλύτερα απ' ότι στο παρελθόν.
Τώρα, αυτό είναι, πάνω-κάτω,
13:50
if you look at the averageμέση τιμή dataδεδομένα of the countriesχώρες -- they are like this.
197
805000
7000
αν κοιτάξεις τους μέσους όρους των χωρών.
Είναι έτσι.
13:57
Now that's dangerousεπικίνδυνος, to use averageμέση τιμή dataδεδομένα, because there is suchτέτοιος a lot
198
812000
5000
Ευτό είναι επικίνδυνο, το να χρησιμοποιείς
μέσους όρους, επειδή υπάρχουν τόσο μεγάλες
14:02
of differenceδιαφορά withinστα πλαίσια countriesχώρες. So if I go and look here, we can see
199
817000
6000
διαφορές μεταξύ των χωρών. Έτσι
αν πάω και κοιτάξω εδώ, μπορούμε να δούμε
14:08
that UgandaΟυγκάντα todayσήμερα is where SouthΝότια KoreaΚορέα was 1960. If I splitσπλιτ UgandaΟυγκάντα,
200
823000
6000
ότι η Ουγκάντα σήμερα είναι εκεί που ήταν η Νότια Κορέα το 1960. Εάν χωρίσω την Ουγκάντα,
14:14
there's quiteαρκετά a differenceδιαφορά withinστα πλαίσια UgandaΟυγκάντα. These are the quintilesquintiles of UgandaΟυγκάντα.
201
829000
5000
υπάρχει μεγάλη διαφορά μέσα στην Ουγκάντα. Αυτά είναι τα πέμπτα της Ουγκάντα.
14:19
The richestπλουσιότεροι 20 percentτοις εκατό of UgandansΟυγκάντα are there.
202
834000
3000
Το πλουσιότερο 20 τοις εκατό της Ουγκάντα είναι εκεί.
14:22
The poorestφτωχότερες are down there. If I splitσπλιτ SouthΝότια AfricaΑφρική, it's like this.
203
837000
4000
Το φτωχότερο είναι εκεί κάτω. Αν χωρίσω τη Νότιο Αφρική, είναι έτσι.
14:26
And if I go down and look at NigerΝίγηρας, where there was suchτέτοιος a terribleτρομερός famineπείνα,
204
841000
5000
Αν κατέβω και κοιτάξω το Νίγηρα, όπου υπήρχε ένας τόσο φοβερός λιμός,
14:31
lastlyεν τέλει, it's like this. The 20 percentτοις εκατό poorestφτωχότερες of NigerΝίγηρας is out here,
205
846000
5000
τέλος, είναι έτσι. Το φτωχότερο 20 τοις εκατό του Νίγηρα είναι εδώ έξω,
14:36
and the 20 percentτοις εκατό richestπλουσιότεροι of SouthΝότια AfricaΑφρική is there,
206
851000
3000
και το πλουσιότερο 20 τοις εκατό της Νότιας Αφρικής είναι εκεί,
14:39
and yetΑκόμη we tendτείνω to discussσυζητώ on what solutionsλύσεων there should be in AfricaΑφρική.
207
854000
5000
και όμως τείνουμε να συζητάμε για το τι λύσεις θα έπρεπε να υπάρχουν στην Αφρική.
14:44
Everything in this worldκόσμος existsυπάρχει in AfricaΑφρική. And you can't
208
859000
3000
Τα πάντα στον κόσμο υπάρχουν
στην Αφρική. Και δεν μπορείς να
14:47
discussσυζητώ universalΠαγκόσμιος accessπρόσβαση to HIVHIV [medicineφάρμακο] for that quintileπεμπτημόριο up here
209
862000
4000
συζητάς για καθολική πρόσβαση σε [φάρμακα για] τον HIV για αυτό το πέμπτο εδώ πάνω
14:51
with the sameίδιο strategyστρατηγική as down here. The improvementβελτίωση of the worldκόσμος
210
866000
4000
με την ίδια στρατηγική όπως εδώ κάτω. Η πρόοδος του κόσμου
14:55
mustπρέπει be highlyυψηλά contextualizedσυμφραζόμενα, and it's not relevantσχετικό to have it
211
870000
5000
πρέπει να μπει σε πολύ συγκεκριμένες συνιστώσες, και δεν είναι σωστό να την έχεις
15:00
on regionalπεριφερειακό levelεπίπεδο. We mustπρέπει be much more detailedλεπτομερείς.
212
875000
3000
σε τοπικό επίπεδο.
Πρέπει να είμαστε πολύ πιο λεπτομερείς.
15:03
We find that studentsΦοιτητές get very excitedερεθισμένος when they can use this.
213
878000
4000
Βρίσκουμε ότι στους φοιτητές αρέσει πάρα πολύ όταν μπορούν να το χρησιμοποιήσουν αυτό.
15:07
And even more policyπολιτική makersκατασκευαστές and the corporateεταιρικός sectorsτομείς would like to see
214
882000
5000
Και ακόμα περισσότερο οι δημιουργοί πολιτικής και οι επιχειρηματικοί τομείς θα ήθελαν να δούν
15:12
how the worldκόσμος is changingαλλάζοντας. Now, why doesn't this take placeθέση?
215
887000
4000
πώς αλλάζει ο κόσμος.
Τώρα, γιατί δεν συμβαίνει αυτό;
15:16
Why are we not usingχρησιμοποιώντας the dataδεδομένα we have? We have dataδεδομένα in the UnitedΕνωμένοι NationsΕθνών,
216
891000
4000
Γιατί δεν χρησιμοποιούμε τα δεδομένα που
έχουμε; Έχουμε δεδομένα στα Ηνωμένα Έθνη,
15:20
in the nationalεθνικός statisticalστατιστικός agenciesοργανισμών
217
895000
2000
στις εθνικές στατιστικές υπηρεσίες
15:22
and in universitiesπανεπιστήμια and other non-governmentalμη κυβερνητική organizationsοργανώσεις.
218
897000
4000
και στα πανεπιστήμια
και άλλες μη-κυβερνητικές οργανώσεις.
15:26
Because the dataδεδομένα is hiddenκεκρυμμένος down in the databasesβάσεις δεδομένων.
219
901000
2000
Επειδή τα δεδομένα είναι κρυμμένα
κάτω στις βάσεις δεδομένων.
15:28
And the publicδημόσιο is there, and the InternetΣτο διαδίκτυο is there, but we have still not used it effectivelyαποτελεσματικά.
220
903000
5000
Το κοινό και το Διαδίκτυο είναι εκεί, αλλά
δεν τα έχουμε χρησμοποιήσει αποτελεσματικά.
15:33
All that informationπληροφορίες we saw changingαλλάζοντας in the worldκόσμος
221
908000
3000
Όλες αυτές οι πληροφορίες
που είδαμε να αλλάζουν στον κόσμο
15:36
does not includeπεριλαμβάνω publicly-fundedδημόσια χρηματοδότηση statisticsστατιστική. There are some webιστός pagesσελίδες
222
911000
4000
δεν συμπεριλαμβάνουν κρατικά-χρηματοδοτούμενες στατιστικές. Υπάρχουν κάποιες ιστοσελίδες
15:40
like this, you know, but they take some nourishmentτροφή down from the databasesβάσεις δεδομένων,
223
915000
6000
όπως αυτή, ξέρετε, αλλά παίρνουν κάποια από την τροφή τους από τις βάσεις δεδομένων,
15:46
but people put pricesτιμές on them, stupidηλίθιος passwordsκωδικοί πρόσβασης and boringβαρετό statisticsστατιστική.
224
921000
5000
αλλά οι άνθρωποι χρεώνουν γι' αυτές, χαζά passwords και βαρετές στατιστικές.
15:51
(LaughterΤο γέλιο) (ApplauseΧειροκροτήματα)
225
926000
3000
(Γέλια) (Χειροκρότημα)
15:54
And this won'tσυνηθισμένος work. So what is neededαπαιτείται? We have the databasesβάσεις δεδομένων.
226
929000
4000
Κι αυτό δεν θα δουλέψει. Άρα τι χρειάζεται; Έχουμε τις βάσεις δεδομένων.
15:58
It's not the newνέος databaseβάση δεδομένων you need. We have wonderfulεκπληκτικός designσχέδιο toolsεργαλεία,
227
933000
4000
Αυτό που χρειάζεσαι δεν είναι οι καινούριες βάσεις δεδομένων. Έχουμε θαυμάσια σχεδιαστικά εργαλεία,
16:02
and more and more are addedπρόσθεσε up here. So we startedξεκίνησε
228
937000
3000
και όλο και περισσότερο προστίθενται εδώ. Έτσι ξεκινήσαμε
16:05
a nonprofitμη κερδοσκοπικος ventureτόλμημα whichοι οποίες we calledπου ονομάζεται -- linkingσύνδεση dataδεδομένα to designσχέδιο --
229
940000
5000
μια μη-κερδοσκοπική προσπάθεια που ονομάσαμε -- συνδέοντας δεδομένα με σχεδιαστική --
16:10
we call it GapminderGapminder, from the LondonΛονδίνο undergroundυπόγειος, where they warnπροειδοποιώ you,
230
945000
3000
το ονομάσαμε Gapminder (Κενοπροσεκτικός), από το μετρό του Λονδίνου, όπου σε προειδοποιούν,
16:13
"mindμυαλό the gapχάσμα." So we thought GapminderGapminder was appropriateκατάλληλος.
231
948000
3000
"mind the gap" ("προσοχή στο κενό"). Έτσι σκεφτήκαμε ότι Gapminder ήταν ταιριαστό.
16:16
And we startedξεκίνησε to writeγράφω softwareλογισμικό whichοι οποίες could linkΣύνδεσμος the dataδεδομένα like this.
232
951000
4000
Και αρχίσαμε να γράφουμε λογισμικό που θα μπορούσε να συνδέσει τα δεδομένα μ' αυτόν τον τρόπο.
16:20
And it wasn'tδεν ήταν that difficultδύσκολος. It tookπήρε some personπρόσωπο yearsχρόνια, and we have producedπαράγεται animationsκινούμενα σχέδια.
233
955000
6000
Και δεν ήταν και τόσο δύσκολο. Χρειάστηκε μερικά ανθρωπο-έτη, και τους έχουμε δώσει κίνηση.
16:26
You can take a dataδεδομένα setσειρά and put it there.
234
961000
2000
Μπορείς να πάρεις το σετ δεδομένων και να το βάλεις εκεί.
16:28
We are liberatingαπελευθερώνοντας U.N. dataδεδομένα, some fewλίγοι U.N. organizationοργάνωση.
235
963000
5000
Απελευθερώνουμε δεδομένα του Ο.Η.Ε., μερικά με λίγη οργάνωση από τον Ο.Η.Ε.
16:33
Some countriesχώρες acceptαποδέχομαι that theirδικα τους databasesβάσεις δεδομένων can go out on the worldκόσμος,
236
968000
4000
Μερικές χώρες δέχονται ότι οι βάσεις δεδομένων τους μπορούν να βγούν έξω στον κόσμο,
16:37
but what we really need is, of courseσειρά μαθημάτων, a searchΨάξιμο functionλειτουργία.
237
972000
3000
αλλά αυτό που πραγματικά χρειαζόμαστε, βέβαια, είναι μια λειτουργία αναζήτησης.
16:40
A searchΨάξιμο functionλειτουργία where we can copyαντιγραφή the dataδεδομένα up to a searchableμε δυνατότητα αναζήτησης formatμορφή
238
975000
5000
Μια λειτουργία αναζήτησης όπου μπορούμε να αντιγράψουμε τα δεδομένα σε μια αναζητήσιμη μορφή
16:45
and get it out in the worldκόσμος. And what do we hearακούω when we go around?
239
980000
3000
και να τα παρουσιάσουμε στον κόσμο.
Και τι ακούμε όταν βγαίνουμε στον γύρο;
16:48
I've doneΈγινε anthropologyανθρωπολογία on the mainκύριος statisticalστατιστικός unitsμονάδες. EveryoneΟ καθένας saysλέει,
240
983000
4000
Έχω κάνει ανθρωπολογία
στις βασικές στατιστικές μονάδες. Όλοι λένε,
16:53
"It's impossibleαδύνατο. This can't be doneΈγινε. Our informationπληροφορίες is so peculiarπερίεργο
241
988000
4000
«Είναι αδύνατον. Αυτό δεν μπορεί να γίνει.
Οι πληροφορίες μας είναι τόσο ιδιοσυγκρατικές
16:57
in detailλεπτομέρεια, so that cannotδεν μπορώ be searchedαναζήτηση as othersοι υπολοιποι can be searchedαναζήτηση.
242
992000
3000
σε λεπτομέρεια, που δεν μπορούν
να ψαχθούν όπως μπορούν να ψαχθούν άλλες.
17:00
We cannotδεν μπορώ give the dataδεδομένα freeΕλεύθερος to the studentsΦοιτητές, freeΕλεύθερος to the entrepreneursεπιχειρηματίες of the worldκόσμος."
243
995000
5000
Δεν μπορούμε να δώσουμε τα δεδομένα ελεύθερα στους φοιτητές, στους πρωτοπόρους επιχειρηματίες του κόσμου.»
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Αλλά αυτό θα θέλαμε να δούμε, έτσι δεν είναι;
17:08
The publicly-fundedδημόσια χρηματοδότηση dataδεδομένα is down here.
245
1003000
3000
Τα κρατικά-χρημοτοδοτούμενα δεδομένα είναι εδώ κάτω.
17:11
And we would like flowersλουλούδια to growκαλλιεργώ out on the NetΔίχτυ.
246
1006000
3000
Και θα θέλαμε να φυτρώνουν λουλούδια στο Δίκτυο.
17:14
And one of the crucialκρίσιμος pointsσημεία is to make them searchableμε δυνατότητα αναζήτησης, and then people can use
247
1009000
5000
Και ένα από τα σημεία-κλειδιά είναι να τα κάνουμε αναζητήσημα, και μετά ο κόσμος μπορεί να χρησιμοποιήσει
17:19
the differentδιαφορετικός designσχέδιο toolεργαλείο to animateκίνηση it there.
248
1014000
2000
τα διαφορετικά σχεδιαστικά εργαλεία για να τους δώσει κίνηση εκεί.
17:21
And I have a prettyαρκετά good newsΝέα for you. I have a good newsΝέα that the presentπαρόν,
249
1016000
5000
Και σας έχω πολύ καλά νέα. Έχω καλά νέα ότι ο νυν,
17:26
newνέος HeadΚεφάλι of U.N. StatisticsΣτατιστικά στοιχεία, he doesn't say it's impossibleαδύνατο.
250
1021000
4000
καινούριος επικεφαλής των Στατιστικών
του Ο.Η.Ε., δεν λέει ότι είναι αδύνατον.
17:30
He only saysλέει, "We can't do it."
251
1025000
2000
Λέει μόνο,
«Εμείς δεν μπορούμε να το κάνουμε».
17:32
(LaughterΤο γέλιο)
252
1027000
4000
(Γέλια)
17:36
And that's a quiteαρκετά cleverέξυπνος guy, huh?
253
1031000
2000
Και αυτός είναι ένας πολύ έξυπνος τύπος, ε;
17:38
(LaughterΤο γέλιο)
254
1033000
2000
(Γέλια)
17:40
So we can see a lot happeningσυμβαίνει in dataδεδομένα in the comingερχομός yearsχρόνια.
255
1035000
4000
Έτσι μπορούμε να δούμε πολλά να συμβαίνουν στα δεδομένα τα προσεχή χρόνια.
17:44
We will be ableικανός to look at incomeεισόδημα distributionsδιανομές in completelyεντελώς newνέος waysτρόπους.
256
1039000
4000
Θα μπορούμε να κοιτάξουμε την κατανομή εισοδήματος με εντελώς καινούριους τρόπους.
17:48
This is the incomeεισόδημα distributionδιανομή of ChinaΚίνα, 1970.
257
1043000
5000
Αυτή είναι η κατανομή εισοδήματος της Κίνας, 1970.
17:54
the incomeεισόδημα distributionδιανομή of the UnitedΕνωμένοι StatesΚράτη μέλη, 1970.
258
1049000
5000
Η κατανομή εισοδήματος των Ηνωμένων Πολιτειών, 1970.
17:59
AlmostΣχεδόν no overlapεπικάλυψη. AlmostΣχεδόν no overlapεπικάλυψη. And what has happenedσυνέβη?
259
1054000
4000
Σχεδόν καθόλου αλληλεπικάλυψη. Σχεδόν καθόλου αλληλεπικάλυψη. Και τι έχει συμβεί;
18:03
What has happenedσυνέβη is this: that ChinaΚίνα is growingκαλλιέργεια, it's not so equalίσος any longerμακρύτερα,
260
1058000
5000
Έχει συμβεί το εξής: η Κίνα αναπτύσεται,
δεν είναι τόσο ίση πλέον,
18:08
and it's appearingεμφανίζονται here, overlookingμε θέα the UnitedΕνωμένοι StatesΚράτη μέλη.
261
1063000
4000
και εμφανίζεται εδώ, κοιτάζοντας
τις Ηνωμένες Πολιτείες από πάνω.
18:12
AlmostΣχεδόν like a ghostφάντασμα, isn't it, huh?
262
1067000
2000
Σχεδόν σαν φάντασμα, δεν είναι, ε;
18:14
(LaughterΤο γέλιο)
263
1069000
2000
(Γέλια)
18:16
It's prettyαρκετά scaryτρομακτικός. But I think it's very importantσπουδαίος to have all this informationπληροφορίες.
264
1071000
10000
Είναι πολύ τρομακτικό. Αλλά είναι πολύ σημαντικό να έχεις όλη αυτή την πληροφορία.
18:26
We need really to see it. And insteadαντι αυτου of looking at this,
265
1081000
6000
Χρειαζόμαστε πραγματικά να το δούμε.
Και αντί να κοιτάμε αυτό,
18:32
I would like to endτέλος up by showingεπίδειξη the InternetΣτο διαδίκτυο usersχρήστες perανά 1,000.
266
1087000
5000
θα ήθελα να ολοκληρώσω δείχνοντας
τους χρήστες του Διαδικτύου ανά 1000.
18:37
In this softwareλογισμικό, we accessπρόσβαση about 500 variablesμεταβλητές from all the countriesχώρες quiteαρκετά easilyεύκολα.
267
1092000
5000
Σε αυτό το λογισμικό, έχουμε πρόσβαση σε περίπου 500 μεταβλητές από όλες τις χώρες πολύ εύκολα.
18:42
It takes some time to changeαλλαγή for this,
268
1097000
4000
Παίρνει λίγο χρόνο να αλλάξεις γι' αυτό,
18:46
but on the axisesκρυσταλλογραφικούς, you can quiteαρκετά easilyεύκολα get any variableμεταβλητή you would like to have.
269
1101000
5000
αλλά στους άξονες, μπορείς πολύ εύκολα
να έχεις όποια μεταβλητή θα ήθελες.
18:51
And the thing would be to get up the databasesβάσεις δεδομένων freeΕλεύθερος,
270
1106000
5000
Και το πράγμα θα ήταν
να έχεις τις βάσεις δεδομένων δωρεάν,
18:56
to get them searchableμε δυνατότητα αναζήτησης, and with a secondδεύτερος clickΚάντε κλικ, to get them
271
1111000
3000
να τις έχεις αναζητήσιμες,
και με ένα δεύτερο κλικ, να τις έχεις
18:59
into the graphicγραφικό formatsμορφές, where you can instantlyστη στιγμή understandκαταλαβαίνουν them.
272
1114000
5000
στη γραφική μορφή,
όπου μπορείς να τις καταλάβεις αμέσως.
19:04
Now, statisticiansστατιστικολόγοι doesn't like it, because they say that this
273
1119000
3000
Τώρα, στους στατιστικούς δεν αρέσει,
γιατί λένε ότι αυτό
19:07
will not showπροβολή the realityπραγματικότητα; we have to have statisticalστατιστικός, analyticalαναλυτικός methodsμεθόδων.
274
1122000
9000
δεν θα δείχνει την πραγματικότητα. Πρέπει
να έχουμε στατιστικές, αναλυτικές μεθόδους.
19:16
But this is hypothesis-generatingυπόθεση-παραγωγή.
275
1131000
3000
Αλλά αυτό γεννά υποθέσεις.
19:19
I endτέλος now with the worldκόσμος. There, the InternetΣτο διαδίκτυο is comingερχομός.
276
1134000
4000
Τελειώνω τώρα με τον κόσμο.
Εκεί, το Διαδίκτυο έρχεται.
19:23
The numberαριθμός of InternetΣτο διαδίκτυο usersχρήστες are going up like this. This is the GDPΑΕΠ perανά capitaκεφαλή.
277
1138000
4000
Ο αριθμός Διαδικτυακών χρηστών ανεβαίνει
έτσι. Αυτό είναι το κατά κεφαλή ΑΕΠ.
19:27
And it's a newνέος technologyτεχνολογία comingερχομός in, but then amazinglyκαταπληκτικά, how well
278
1142000
5000
Ειναι η είσοδος μιας καινούριας τεχνολογίας,
αλλά μετά καταπληκτικά, πόσο καλά
19:32
it fitsταιριάζει to the economyοικονομία of the countriesχώρες. That's why the 100 dollarδολάριο
279
1147000
5000
ταιριάζει στην οικονομία των χωρών.
Γι' αυτό ο υπολογιστής των 100 δολαρίων
19:37
computerυπολογιστή will be so importantσπουδαίος. But it's a niceόμορφη tendencyτάση.
280
1152000
3000
θα είναι τόσο σημαντικός.
Αλλά είναι μια ωραία τάση.
19:40
It's as if the worldκόσμος is flatteningισοπεδώνοντας off, isn't it? These countriesχώρες
281
1155000
3000
Είναι σαν ο κόσμος να γίνεται επίπεδος,
δεν είναι; Αυτές οι χώρες
19:43
are liftingάρση more than the economyοικονομία and will be very interestingενδιαφέρων
282
1158000
3000
ανεβαίνουν περισσότερο από ότι
η οικονομία και θα είναι πολύ ενδιαφέρον
19:46
to followακολουθηστε this over the yearέτος, as I would like you to be ableικανός to do
283
1161000
4000
να το ακολουθήσουμε αυτό με τα χρόνια,
όπως θα ήθελα να μπορείτε να κάνετε
19:50
with all the publiclyδημόσια fundedχρηματοδότηση dataδεδομένα. Thank you very much.
284
1165000
2000
με όλα τα δημοσίως-χρηματοδοτούμενα
δεδομένα. Σας ευχαριστώ πολύ.
19:53
(ApplauseΧειροκροτήματα)
285
1168000
3000
(Χειροκρότημα)
Translated by Alexandros Kiupakis
Reviewed by wondor wandar

▲Back to top

ABOUT THE SPEAKER
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.

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.


More profile about the speaker
Hans Rosling | Speaker | TED.com