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

Hans Rosling: De beste statistieken die je ooit zag

Filmed:
14,386,844 views

Je hebt data nog nooit op deze manier gepresenteerd gezien. Statistieken-goeroe Hans Rosling ontkracht mythen over zogenaamde "ontwikkelingslanden" met het drama en de urgentie van een sportcommentator.
- 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 yearsjaar agogeleden, I tooknam on the tasktaak to teachonderwijzen globalglobaal developmentontwikkeling
0
0
4000
Ongeveer 10 jaar geleden
begon ik wereldontwikkeling te doceren
00:29
to SwedishZweeds undergraduateundergraduate studentsstudenten. That was after havingmet spentdoorgebracht
1
4000
4000
aan Zweedse bachelorstudenten.
Dit deed ik na 20 jaar doorgebracht
te hebben met Afrikaanse instellingen
00:33
about 20 yearsjaar togethersamen with AfricanAfrikaanse institutionsinstellingen studyingaan het studeren hungerhonger in AfricaAfrika,
2
8000
4000
die honger in Afrika bestudeerden.
00:37
so I was sortsoort of expectedverwacht to know a little about the worldwereld-.
3
12000
4000
Ze mochten dus aannemen
dat ik wat wist over de wereld.
00:41
And I startedbegonnen in our medicalmedisch universityUniversiteit, KarolinskaKarolinska InstituteInstituut,
4
16000
5000
Ik begon in onze medische universiteit,
het Karolinska Instituut,
00:46
an undergraduateundergraduate courseCursus calledriep GlobalGlobal HealthGezondheid. But when you get
5
21000
4000
met een bachelorcollege
Wereldwijde Gezondheid.
Maar als je zo'n kans krijgt
word je een beetje nerveus.
00:50
that opportunitykans, you get a little nervousnerveus. I thought, these studentsstudenten
6
25000
3000
Ik dacht, deze studenten
die naar ons toekomen
00:53
comingkomt eraan to us actuallywerkelijk have the highesthoogst graderang you can get
7
28000
3000
hebben de hoogst mogelijke cijfers
binnen het Zweedse onderwijssysteem
00:56
in SwedishZweeds collegecollege systemssystemen -- so, I thought, maybe they know everything
8
31000
3000
dus misschien weten ze alles
wat ik ze ga doceren al.
00:59
I'm going to teachonderwijzen them about. So I did a pre-testpre-test when they camekwam.
9
34000
4000
Ik deed dus een test bij de start.
Een van de vragen waarvan ik
veel heb geleerd was deze:
01:03
And one of the questionsvragen from whichwelke I learnedgeleerd a lot was this one:
10
38000
3000
01:06
"WhichDie countryland has the highesthoogst childkind mortalitysterfte of these fivevijf pairsparen?"
11
41000
4000
"Welk land heeft de hoogste
kindersterfte van deze vijf paren?"
01:10
And I put them togethersamen, so that in eachelk pairpaar- of countryland,
12
45000
4000
Ik stelde ze zo samen
dat in elk paar landen,
01:14
one has twicetweemaal the childkind mortalitysterfte of the other. And this meansmiddelen that
13
49000
5000
de één dubbel zoveel
kindersterfte heeft als de andere.
Dit betekent dat het verschil groter is
dan de onzekerheid van de statistieken.
01:19
it's much biggergroter a differenceverschil than the uncertaintyonzekerheid of the datagegevens.
14
54000
5000
01:24
I won'tzal niet put you at a testtest here, but it's TurkeyTurkije,
15
59000
2000
Ik zal jullie geen toetsvragen voorleggen,
01:26
whichwelke is highesthoogst there, PolandPolen, RussiaRusland, PakistanPakistan and SouthSouth AfricaAfrika.
16
61000
5000
maar Turkije scoort het hoogst,
Polen, Rusland, Pakistan en Zuid-Afrika.
01:31
And these were the resultsuitslagen of the SwedishZweeds studentsstudenten. I did it so I got
17
66000
3000
En dit zijn de resultaten
van de Zweedse studenten.
Ik berekende het betrouwheidsinterval.
01:34
the confidencevertrouwen intervalinterval, whichwelke is prettymooi narrowsmal, and I got happygelukkig,
18
69000
3000
Dat was vrij klein en daar
werd ik natuurlijk gelukkig van:
01:37
of courseCursus: a 1.8 right answerantwoord out of fivevijf possiblemogelijk. That meansmiddelen that
19
72000
4000
1.8 van de 5 antwoorden correct.
Dat betekende dat er plaats was voor
een professor Internationale Gezondheid --
01:41
there was a placeplaats for a professorprofessor of internationalInternationale healthGezondheid --
20
76000
3000
01:44
(LaughterGelach) and for my courseCursus.
21
79000
2000
en voor mijn college. (Gelach)
01:46
But one latelaat night, when I was compilingcompileren the reportrapport
22
81000
4000
Op een late avond, toen ik
het rapport aan het opstellen was
01:50
I really realizedrealiseerde my discoveryontdekking. I have showngetoond
23
85000
4000
deed ik pas echt mijn ontdekking.
Ik heb aangetoond dat Zweedse topstudenten
01:54
that SwedishZweeds toptop studentsstudenten know statisticallystatistisch significantlyaanzienlijk lessminder
24
89000
5000
statistisch significant minder weten
over de wereld dan chimpansees.
01:59
about the worldwereld- than the chimpanzeeschimpansees.
25
94000
2000
02:01
(LaughterGelach)
26
96000
2000
(Gelach)
02:03
Because the chimpanzeechimpansee would scorepartituur halfvoor de helft right if I gavegaf them
27
98000
4000
De chimpansee zou de helft goed scoren
als ik hem twee bananen zou geven
met Sri Lanka en Turkije er op.
02:07
two bananasbananen with SriSri LankaLanka and TurkeyTurkije. They would be right halfvoor de helft of the casesgevallen.
28
102000
3000
02:10
But the studentsstudenten are not there. The problemprobleem for me was not ignoranceonwetendheid;
29
105000
4000
De studenten zijn daar nog niet.
Mijn probleem was niet onwetendheid,
02:14
it was preconceivedvooropgezette ideasideeën.
30
109000
3000
maar ingeprente misvattingen.
02:17
I did alsoook an unethicalonethisch studystudie of the professorsprofessoren of the KarolinskaKarolinska InstituteInstituut
31
112000
4000
Ik deed ook een onethisch onderzoek
onder de professoren van het Instituut.
02:21
(LaughterGelach)
32
116000
1000
(Gelach)
02:22
-- that handshanden out the NobelNobel PrizePrijs in MedicineGeneeskunde,
33
117000
2000
-- dat de Nobelprijs in medicijnen uitreikt --
02:24
and they are on parpar with the chimpanzeechimpansee there.
34
119000
2000
en ze scoren even goed als de chimpansee.
02:26
(LaughterGelach)
35
121000
3000
(Gelach)
02:29
This is where I realizedrealiseerde that there was really a need to communicatecommuniceren,
36
124000
4000
Toen besefte ik dat er
nood aan communicatie was,
02:33
because the datagegevens of what's happeninggebeurtenis in the worldwereld-
37
128000
3000
omdat de beschikbare informatie
over wat er gebeurt in de wereld
02:36
and the childkind healthGezondheid of everyelk countryland is very well awarebewust.
38
131000
3000
en de gezondheid van kinderen
van elk land eigenlijk erg goed is.
02:39
We did this softwaresoftware whichwelke displaysdisplays it like this: everyelk bubblebubbel here is a countryland.
39
134000
5000
We maakten deze software
die het zo weergeeft:
elke bubbel is een land.
02:44
This countryland over here is ChinaChina. This is IndiaIndia.
40
139000
6000
Dit land hier is China. Dit is India.
02:50
The sizegrootte of the bubblebubbel is the populationbevolking, and on this axisas here I put fertilityvruchtbaarheid ratetarief.
41
145000
6000
De grootte van de bubbel is de bevolking,
en op deze as staat de vruchtbaarheid.
02:56
Because my studentsstudenten, what they said
42
151000
3000
Want mijn studenten zeiden,
als ze de wereld bekeken, en ik hen vroeg:
02:59
when they lookedkeek uponop the worldwereld-, and I askedgevraagd them,
43
154000
2000
03:01
"What do you really think about the worldwereld-?"
44
156000
2000
"Hoe kijk je echt tegen de wereld aan?"
03:03
Well, I first discoveredontdekt that the textbookleerboek was TintinKuifje, mainlyhoofdzakelijk.
45
158000
4000
Nou, ten eerste ontdekte ik
dat het studieboek vooral Kuifje was.
03:07
(LaughterGelach)
46
162000
1000
(Gelach)
03:08
And they said, "The worldwereld- is still 'we''wij' and 'them' ze.'
47
163000
3000
En ze antwoordden:
"De wereld is nog steeds 'wij' en 'zij'.
03:11
And we is WesternWestern worldwereld- and them is ThirdDerde WorldWereld."
48
166000
3000
Wij zijn de westerse wereld,
zij zijn de derde wereld."
03:14
"And what do you mean with WesternWestern worldwereld-?" I said.
49
169000
3000
"Wat bedoel je met
de westerse wereld?", vroeg ik.
03:17
"Well, that's long life and smallklein familyfamilie, and ThirdDerde WorldWereld is shortkort life and largegroot familyfamilie."
50
172000
5000
"Een lang leven en een klein gezin,
en de derde wereld betekent
kort leven en groot gezin".
03:22
So this is what I could displaytonen here. I put fertilityvruchtbaarheid ratetarief here: numberaantal of childrenkinderen perper womanvrouw:
51
177000
6000
Dus dit kon ik laten zien.
Ik zet vruchtbaarheid hier:
het aantal kinderen per vrouw,
03:28
one, two, threedrie, fourvier, up to about eightacht childrenkinderen perper womanvrouw.
52
183000
4000
een, twee, drie, vier,
tot ongeveer acht kinderen per vrouw.
03:32
We have very good datagegevens sincesinds 1962 -- 1960 about -- on the sizegrootte of familiesgezinnen in all countrieslanden.
53
187000
6000
We hebben hele goede data
sinds rond 1960
over de grootte van families
in alle landen.
03:38
The errorfout marginmarge is narrowsmal. Here I put life expectancyverwachting at birthgeboorte,
54
193000
3000
De foutenmarge is klein.
Hier zet ik levensverwachting bij de geboorte,
03:41
from 30 yearsjaar in some countrieslanden up to about 70 yearsjaar.
55
196000
4000
vanaf 30 jaar tot,
in sommige landen, ongeveer 70 jaar.
03:45
And 1962, there was really a groupgroep of countrieslanden here
56
200000
3000
In 1962 was er een groep van landen hier.
03:48
that was industrializedgeïndustrialiseerde countrieslanden, and they had smallklein familiesgezinnen and long liveslevens.
57
203000
5000
De geïndustrialiseerde landen
hadden kleine families en leefden lang.
03:53
And these were the developingontwikkelen countrieslanden:
58
208000
2000
En dit waren de ontwikkelingslanden:
03:55
they had largegroot familiesgezinnen and they had relativelynaar verhouding shortkort liveslevens.
59
210000
3000
zij hadden grote families
en relatief korte levens.
03:58
Now what has happenedgebeurd sincesinds 1962? We want to see the changeverandering.
60
213000
4000
Maar wat is er gebeurd sinds 1962?
Die verandering willen we zien.
04:02
Are the studentsstudenten right? Is it still two typestypes of countrieslanden?
61
217000
3000
Hebben de studenten gelijk?
Nog steeds twee soorten landen?
Of hebben de ontwikkelingslanden kleinere families en zitten ze hier?
04:06
Or have these developingontwikkelen countrieslanden got smallerkleiner familiesgezinnen and they liveleven here?
62
221000
3000
04:09
Or have they got longerlanger liveslevens and liveleven up there?
63
224000
2000
Of leven ze langer en zitten ze hier?
04:11
Let's see. We stoppedgestopt the worldwereld- then. This is all U.N. statisticsstatistieken
64
226000
3000
We gaan kijken.
De wereld staat hier stil.
Dit zijn allemaal VN-statistieken.
04:14
that have been availablebeschikbaar. Here we go. Can you see there?
65
229000
3000
Hier gaan we. Zie je dat daar?
04:17
It's ChinaChina there, movingin beweging againsttegen better healthGezondheid there, improvingverbeteren there.
66
232000
3000
Dat is China, de gezondheid zakt
en stijgt daar weer.
04:20
All the greengroen LatinLatijn AmericanAmerikaanse countrieslanden are movingin beweging towardsnaar smallerkleiner familiesgezinnen.
67
235000
3000
Al de groene Latijns-Amerikaanse landen
krijgen kleinere families.
04:23
Your yellowgeel onesdegenen here are the ArabicArabisch countrieslanden,
68
238000
3000
De gele landen hier
zijn de Arabische landen.
04:26
and they get largergrotere familiesgezinnen, but they -- no, longerlanger life, but not largergrotere familiesgezinnen.
69
241000
4000
Ze krijgen langer leven,
maar geen grotere families.
04:30
The AfricansAfrikanen are the greengroen down here. They still remainblijven here.
70
245000
3000
De Afrikanen zijn de groene
en die blijven nog hier beneden.
04:33
This is IndiaIndia. Indonesia'sIndonesiës movingin beweging on prettymooi fastsnel.
71
248000
3000
Dit is India. Indonesië beweegt vrij snel.
04:36
(LaughterGelach)
72
251000
1000
(Gelach)
04:37
And in the '80s here, you have BangladeshBangladesh still amongtussen the AfricanAfrikaanse countrieslanden there.
73
252000
3000
In de 80er jaren zie je Bangladesh hier,
nog bij de Afrikaanse landen.
04:40
But now, BangladeshBangladesh -- it's a miraclewonder that happensgebeurt in the '80s:
74
255000
3000
Maar nu, Bangladesh --
het is een wonder in jaren '80:
04:43
the imamsimams startbegin to promotepromoten familyfamilie planningplanning.
75
258000
3000
de imams beginnen
voorbehoedsmiddelen te promoten.
Ze gaan omhoog naar die hoek.
04:46
They moveverhuizing up into that cornerhoek. And in '90s, we have the terribleverschrikkelijk HIVHIV epidemicepidemie
76
261000
5000
En in de jaren 90
is er de verschrikkelijke Aids-epidemie
die de levensverwachting
van de Afrikaanse landen laat dalen.
04:51
that takes down the life expectancyverwachting of the AfricanAfrikaanse countrieslanden
77
266000
3000
04:54
and all the restrust uit of them moveverhuizing up into the cornerhoek,
78
269000
4000
Alle anderen bewegen omhoog die hoek in,
04:58
where we have long liveslevens and smallklein familyfamilie, and we have a completelyhelemaal newnieuwe worldwereld-.
79
273000
4000
waar we lange levens
en kleine families hebben.
En we hebben een compleet nieuwe wereld.
05:02
(ApplauseApplaus)
80
277000
13000
(Applaus)
05:15
Let me make a comparisonvergelijking directlydirect betweentussen the UnitedVerenigd StatesStaten of AmericaAmerika and VietnamVietnam.
81
290000
5000
Laat mij een vergelijking maken
tussen de Verenigde Staten en Vietnam.
05:20
1964: AmericaAmerika had smallklein familiesgezinnen and long life;
82
295000
5000
1964: Amerika had
kleine families en lange levens,
Vietnam had grote families en korte levens.
En dit is wat er gebeurde.
05:25
VietnamVietnam had largegroot familiesgezinnen and shortkort liveslevens. And this is what happensgebeurt:
83
300000
4000
05:29
the datagegevens duringgedurende the waroorlog indicateaangeven that even with all the deathdood,
84
304000
6000
De gegevens tijdens de oorlog
laten zien dat zelfs met al de doden,
05:35
there was an improvementverbetering of life expectancyverwachting. By the endeinde of the yearjaar,
85
310000
3000
er een stijgende levensverwachting was.
Aan het eind van het jaar
begon gezinsplanning in Vietnam
05:38
the familyfamilie planningplanning startedbegonnen in VietnamVietnam and they wentgegaan for smallerkleiner familiesgezinnen.
86
313000
3000
en kregen ze kleinere families.
05:41
And the UnitedVerenigd StatesStaten up there is gettingkrijgen for longerlanger life,
87
316000
3000
In de V.S. kregen ze langere levens,
05:44
keepingbewaring familyfamilie sizegrootte. And in the '80s now,
88
319000
3000
en behielden ze de familiegrootte.
In de jaren 80 gaven ze het communisme op
en gingen ze over op een markteconomie,
05:47
they give up communistcommunistische planningplanning and they go for marketmarkt economyeconomie,
89
322000
3000
05:50
and it movesmoves fastersneller even than socialsociaal life. And todayvandaag, we have
90
325000
4000
en het gaat zelfs sneller in het sociale leven.
Vietnam heeft tegenwoordig dezelfde
levensverwachting en familiegrootte
05:54
in VietnamVietnam the samedezelfde life expectancyverwachting and the samedezelfde familyfamilie sizegrootte
91
329000
5000
05:59
here in VietnamVietnam, 2003, as in UnitedVerenigd StatesStaten, 1974, by the endeinde of the waroorlog.
92
334000
7000
hier in Vietnam, 2003,
als in de Verenigde Staten in 1974,
aan het einde van de oorlog.
06:06
I think we all -- if we don't look in the datagegevens --
93
341000
4000
Ik denk dat we allemaal --
als we niet naar de gegevens kijken --
06:10
we underestimateonderschatten the tremendousenorme changeverandering in AsiaAsia, whichwelke was
94
345000
4000
de overweldigende verandering
in Azië onderschatten,
06:14
in socialsociaal changeverandering before we saw the economicaleconomische changeverandering.
95
349000
4000
dat eerst sociaal veranderde
voordat de economie volgde.
06:18
Let's moveverhuizing over to anothereen ander way here in whichwelke we could displaytonen
96
353000
5000
Laten we overgaan op een andere manier
om de verdeling weer te geven
van het wereldinkomen.
06:23
the distributiondistributie in the worldwereld- of the incomeinkomen. This is the worldwereld- distributiondistributie of incomeinkomen of people.
97
358000
7000
06:30
One dollardollar, 10 dollarsdollars or 100 dollarsdollars perper day.
98
365000
5000
Eén Dollar, 10 Dollar
en 100 Dollar per dag.
06:35
There's no gapkloof betweentussen richrijk and poorarm any longerlanger. This is a mythmythe.
99
370000
4000
Er zit geen gat meer tussen rijk en arm.
Dit is een mythe.
06:39
There's a little humpbult here. But there are people all the way.
100
374000
4000
Er zit een kleine bult hier,
maar er zitten overal mensen.
En als we kijken waar al het geld
terecht komt -- het inkomen --
06:44
And if we look where the incomeinkomen endsloopt af up -- the incomeinkomen --
101
379000
4000
06:48
this is 100 percentprocent the world's's werelds annualjaar- incomeinkomen. And the richestrijkste 20 percentprocent,
102
383000
6000
dit is 100 procent van het jaarlijkse wereldinkomen.
De rijkste 20 procent verdient
ongeveer 74 procent hiervan.
06:54
they take out of that about 74 percentprocent. And the poorestarmste 20 percentprocent,
103
389000
7000
De armste 20 procent
verdient ongeveer 2 procent.
07:01
they take about two percentprocent. And this showsshows that the conceptconcept
104
396000
5000
Dit laat zien dat het concept
ontwikkelingslanden erg twijfelachtig is.
07:06
of developingontwikkelen countrieslanden is extremelyuiterst doubtfultwijfelachtig. We think about aidsteun, like
105
401000
4000
We denken over ontwikkelingshulp
dat de mensen hier deze mensen helpen.
07:10
these people here givinggeven aidsteun to these people here. But in the middlemidden-,
106
405000
5000
Maar in het midden hebben we
het grootste deel van de wereldbevolking,
07:15
we have mostmeest the worldwereld- populationbevolking, and they have now 24 percentprocent of the incomeinkomen.
107
410000
4000
met 24 procent van het inkomen.
07:19
We heardgehoord it in other formsvormen. And who are these?
108
414000
4000
We hebben het op andere
manieren gehoord. En wie zijn dit?
07:23
Where are the differentverschillend countrieslanden? I can showtonen you AfricaAfrika.
109
418000
4000
Waar zijn de verschillende landen?
Ik kan u Afrika laten zien.
07:27
This is AfricaAfrika. 10 percentprocent the worldwereld- populationbevolking, mostmeest in povertyarmoede.
110
422000
5000
Dit is Afrika.
Tien procent van de wereldbevolking.
Grotendeels in armoede.
07:32
This is OECDOESO. The richrijk countryland. The countryland clubclub of the U.N.
111
427000
5000
Dit is de OESO. De rijke landen.
De countryclub van de VN.
07:37
And they are over here on this sidekant. QuiteHeel an overlapoverlappen betweentussen AfricaAfrika and OECDOESO.
112
432000
5000
Zij zitten hier aan deze kant.
Een flinke overlap van Afrika met de OESO.
07:42
And this is LatinLatijn AmericaAmerika. It has everything on this EarthAarde,
113
437000
3000
Dit is Latijns-Amerika.
Ze hebben hier alles,
07:45
from the poorestarmste to the richestrijkste, in LatinLatijn AmericaAmerika.
114
440000
3000
van de armsten tot de rijksten,
in Latijns-Amerika.
07:48
And on toptop of that, we can put EastEast EuropeEuropa, we can put EastEast AsiaAsia,
115
443000
5000
En daaroverheen kunnen we Oost-Europa,
Oost-Azië en Zuid-Azië projecteren.
07:53
and we put SouthSouth AsiaAsia. And how did it look like if we go back in time,
116
448000
5000
En hoe zag het eruit rond 1970?
Toen was er meer sprake van een bult.
07:58
to about 1970? Then there was more of a humpbult.
117
453000
5000
08:03
And we have mostmeest who livedleefden in absoluteabsoluut povertyarmoede were AsiansAziaten.
118
458000
4000
De meeste absoluut armen waren Aziaten.
08:07
The problemprobleem in the worldwereld- was the povertyarmoede in AsiaAsia. And if I now let the worldwereld- moveverhuizing forwardvooruit,
119
462000
7000
Het probleem in de wereld was armoede in Azië.
En als ik de wereld laat verdergaan,
zal je zien dat de bevolking toeneemt,
08:14
you will see that while populationbevolking increasetoename, there are
120
469000
3000
en er honderden miljoenen Aziaten
uit de armoede geraken en sommige anderen
08:17
hundredshonderden of millionsmiljoenen in AsiaAsia gettingkrijgen out of povertyarmoede and some othersanderen
121
472000
3000
08:20
gettingkrijgen into povertyarmoede, and this is the patternpatroon we have todayvandaag.
122
475000
3000
in de armoede, en dit is
het patroon dat we vandaag hebben.
08:23
And the bestbeste projectionprojectie from the WorldWereld BankBank is that this will happengebeuren,
123
478000
4000
De beste projectie van de Wereldbank
is dat dit zal gebeuren.
08:27
and we will not have a dividedverdeeld worldwereld-. We'llWe zullen have mostmeest people in the middlemidden-.
124
482000
4000
We zullen geen verdeelde wereld hebben.
De meeste mensen zullen in het midden zitten.
08:31
Of courseCursus it's a logarithmiclogaritmische scaleschaal here,
125
486000
2000
Nu is dit een logaritmische schaal,
08:33
but our conceptconcept of economyeconomie is growthgroei with percentprocent. We look uponop it
126
488000
5000
maar ons economische concept
is procentuele groei.
We zien het als de kans
op procentuele groei.
08:38
as a possibilitymogelijkheid of percentilepercentiel increasetoename. If I changeverandering this, and I take
127
493000
6000
Als ik dit verander en BNP per hoofd neem
in plaats van gezinsinkomen,
08:44
GDPBBP perper capitacapita insteadin plaats daarvan of familyfamilie incomeinkomen, and I turnbeurt these
128
499000
4000
en ik vervang deze individuele data
door regionale data van het BBP,
08:48
individualindividu datagegevens into regionalregionaal datagegevens of grossbruto domestichuiselijk productartikel,
129
503000
6000
08:54
and I take the regionsRegio's down here, the sizegrootte of the bubblebubbel is still the populationbevolking.
130
509000
4000
en ik neem de regio's hier beneden --
de omvang van de bubbel is de bevolking.
08:58
And you have the OECDOESO there, and you have sub-SaharanSahara AfricaAfrika there,
131
513000
3000
Je hebt de OESO hier,
en Sub-Saharisch Afrika daar,
09:01
and we take off the ArabArabische statesstaten there,
132
516000
3000
en we nemen de Arabische staten hier uit,
09:04
comingkomt eraan bothbeide from AfricaAfrika and from AsiaAsia, and we put them separatelyafzonderlijk,
133
519000
4000
die komen uit Afrika en Azië,
en we zetten ze apart,
09:08
and we can expanduitbreiden this axisas, and I can give it a newnieuwe dimensiondimensie here,
134
523000
5000
en we vergroten deze as,
en ik voeg hier een nieuwe dimensie toe,
09:13
by addingtoe te voegen the socialsociaal valueswaarden there, childkind survivaloverleving.
135
528000
3000
met de sociale waarden, kinderoverlevingskans.
09:16
Now I have moneygeld on that axisas, and I have the possibilitymogelijkheid of childrenkinderen to surviveoverleven there.
136
531000
5000
Ik heb nu geld op die as, en de kans
op overleven van de kinderen daar.
09:21
In some countrieslanden, 99.7 percentprocent of childrenkinderen surviveoverleven to fivevijf yearsjaar of ageleeftijd;
137
536000
4000
In sommige landen leven 99,7 procent
van de kinderen tot 5 jaar.
09:25
othersanderen, only 70. And here it seemslijkt there is a gapkloof
138
540000
4000
In andere maar 70.
En hier lijkt een kloof te zitten tussen
de OESO, Latijns-Amerika, Oost-Europa,
09:29
betweentussen OECDOESO, LatinLatijn AmericaAmerika, EastEast EuropeEuropa, EastEast AsiaAsia,
139
544000
4000
09:33
ArabArabische statesstaten, SouthSouth AsiaAsia and sub-SaharanSahara AfricaAfrika.
140
548000
4000
Oost-Azië, de Arabische staten,
Zuid-Azië en Sub-Saharisch Afrika.
09:37
The linearitylineariteit is very strongsterk betweentussen childkind survivaloverleving and moneygeld.
141
552000
5000
Het verband tussen kinderoverlevingskans
en geld is heel sterk.
09:42
But let me splitspleet sub-SaharanSahara AfricaAfrika. HealthGezondheid is there and better healthGezondheid is up there.
142
557000
8000
Laat me Sub-Saharisch Afrika uitsplitsen.
Beneden slechte, boven betere gezondheid.
09:50
I can go here and I can splitspleet sub-SaharanSahara AfricaAfrika into its countrieslanden.
143
565000
5000
Ik kan hier Sub-Saharisch Afrika
in zijn landen opsplitsen.
09:55
And when it burstuitbarsting, the sizegrootte of its countryland bubblebubbel is the sizegrootte of the populationbevolking.
144
570000
5000
Als uit uiteenspat is de omvang
van de landenbubbel de bevolkingsgrootte.
10:00
SierraSierra LeoneLeone down there. MauritiusMauritius is up there. MauritiusMauritius was the first countryland
145
575000
4000
Hierbeneden is Sierra Leone.
Daarboven Mauritius,
10:04
to get away with tradehandel barriersbelemmeringen, and they could sellverkopen theirhun sugarsuiker --
146
579000
3000
het eerste land zonder handelsgrenzen,
en ze konden hun suiker verkopen.
10:08
they could sellverkopen theirhun textilestextiel -- on equalGelijk termstermen as the people in EuropeEuropa and NorthNoord AmericaAmerika.
147
583000
5000
en hun textiel, tegen dezelfde voorwaarden
als de Europeanen en Noord-Amerikanen.
10:13
There's a hugereusachtig differenceverschil betweentussen AfricaAfrika. And GhanaGhana is here in the middlemidden-.
148
588000
4000
Er zijn grote verschillen in Afrika.
Ghana staat hier in het midden.
10:17
In SierraSierra LeoneLeone, humanitarianhumanitaire aidsteun.
149
592000
3000
In Sierra Leone: humanitaire hulp.
10:20
Here in UgandaOeganda, developmentontwikkeling aidsteun. Here, time to investinvesteren; there,
150
595000
5000
In Oeganda: ontwikkelingshulp.
Hier: tijd om te investeren.
10:25
you can go for a holidayvakantie. It's a tremendousenorme variationvariatie
151
600000
3000
Daar kan je met vakantie gaan.
Er is zeer veel variatie binnen Afrika
die we bijna nooit zien,
10:28
withinbinnen AfricaAfrika whichwelke we rarelyzelden oftenvaak make -- that it's equalGelijk everything.
152
603000
5000
het is allemaal gelijk.
Ik kan Zuid-Azië hier opsplitsen.
India is de grote bubbel in het midden.
10:33
I can splitspleet SouthSouth AsiaAsia here. India'sIndia's the biggroot bubblebubbel in the middlemidden-.
153
608000
4000
10:37
But a hugereusachtig differenceverschil betweentussen AfghanistanAfghanistan and SriSri LankaLanka.
154
612000
4000
Een groot verschil tussen
Afghanistan en Sri Lanka.
10:41
I can splitspleet ArabArabische statesstaten. How are they? SameDezelfde climateklimaat, samedezelfde culturecultuur,
155
616000
4000
Ik kan de Arabische staten splitsen.
Hetzelfde klimaat, cultuur en religie.
10:45
samedezelfde religiongodsdienst -- hugereusachtig differenceverschil. Even betweentussen neighborsburen.
156
620000
4000
Zeer grote verschillen, zelfs tussen buren.
Jemen: burgeroorlog.
10:49
YemenJemen, civilciviel waroorlog. UnitedVerenigd ArabArabische EmirateEmiraat, moneygeld whichwelke was quiteheel equallyeven and well used.
157
624000
5000
Verenigde Arabische Emiraten:
geld dat goed en gespreid besteed is.
10:54
Not as the mythmythe is. And that includesomvat all the childrenkinderen of the foreignbuitenlands workersarbeiders who are in the countryland.
158
629000
7000
Niet zoals de mythe.
Inbegrepen zijn alle kinderen
van de buitenlandse arbeiders in het land.
11:01
DataGegevens is oftenvaak better than you think. ManyVeel people say datagegevens is badslecht.
159
636000
4000
Data zijn vaak beter dan je denkt.
Vele mensen zeggen dat ze slecht zijn.
Er is een marge van onzekerheid,
maar we zien het verschil:
11:06
There is an uncertaintyonzekerheid marginmarge, but we can see the differenceverschil here:
160
641000
2000
11:08
CambodiaCambodja, SingaporeSingapore. The differencesverschillen are much biggergroter
161
643000
3000
Cambodja, Singapore.
De verschillen zijn veel groter
11:11
than the weaknesszwakte of the datagegevens. EastEast EuropeEuropa:
162
646000
3000
dan de zwakte van de data.
Oost-Europa: lang een Sovjeteconomie,
maar ze komen er 10 jaar later
11:14
SovietSovjet-Unie economyeconomie for a long time, but they come out after 10 yearsjaar
163
649000
6000
11:20
very, very differentlyanders. And there is LatinLatijn AmericaAmerika.
164
655000
3000
heel, heel anders uit. Daar is Latijns-Amerika.
11:23
TodayVandaag, we don't have to go to CubaCuba to find a healthygezond countryland in LatinLatijn AmericaAmerika.
165
658000
4000
Tegenwoordig is Cuba niet het enige
gezonde land in Latijns-Amerika.
11:27
ChileChili will have a lowerlager childkind mortalitysterfte than CubaCuba withinbinnen some fewweinig yearsjaar from now.
166
662000
5000
Chili zal over enkele jaren
lagere kindersterfte dan Cuba hebben.
11:32
And here we have high-incomemet een hoog inkomen countrieslanden in the OECDOESO.
167
667000
3000
Hier hebben we rijke landen in de OESO.
11:35
And we get the wholegeheel patternpatroon here of the worldwereld-,
168
670000
4000
We hebben hier het hele patroon
van de wereld, dat min of meer zo is.
11:39
whichwelke is more or lessminder like this. And if we look at it,
169
674000
5000
Als we het bekijken, hoe het eruit ziet --
de wereld in 1960. Het begint te bewegen.
11:44
how it lookslooks -- the worldwereld-, in 1960, it startsstarts to moveverhuizing. 1960.
170
679000
6000
1960 Dit is Mao Zedong. Hij bracht
China gezondheid. Toen stierf hij.
11:50
This is MaoMao Tse-tungTse-Tung. He broughtbracht healthGezondheid to ChinaChina. And then he diedging dood.
171
685000
3000
11:53
And then DengDeng XiaopingXiaoping camekwam and broughtbracht moneygeld to ChinaChina, and broughtbracht them into the mainstreamhoofdstroom again.
172
688000
5000
Deng Xiaoping bracht China geld,
en bracht ze terug naar de middenmoot.
11:58
And we have seengezien how countrieslanden moveverhuizing in differentverschillend directionsroutebeschrijving like this,
173
693000
4000
We hebben gezien hoe landen
in verschillende richtingen bewegen.
12:02
so it's sortsoort of difficultmoeilijk to get
174
697000
4000
Het is dus moeilijk om
een voorbeeldland te nemen
dat het patroon van de wereld toont.
12:06
an examplevoorbeeld countryland whichwelke showsshows the patternpatroon of the worldwereld-.
175
701000
5000
Ik breng jullie terug naar ongeveer 1960.
12:11
But I would like to bringbrengen you back to about here at 1960.
176
706000
6000
12:17
I would like to comparevergelijken SouthSouth KoreaKorea, whichwelke is this one, with BrazilBrazilië,
177
712000
10000
Ik zou Zuid-Korea
willen vergelijken met Brazilië.
12:27
whichwelke is this one. The labeletiket wentgegaan away for me here. And I would like to comparevergelijken UgandaOeganda,
178
722000
5000
Het label is eraf.
En ik zou Oeganda willen vergelijken,
hier zo. Ik kan vooruitgaan, zo.
12:32
whichwelke is there. And I can runrennen it forwardvooruit, like this.
179
727000
5000
12:37
And you can see how SouthSouth KoreaKorea is makingmaking a very, very fastsnel advancementvooruitgang,
180
732000
9000
Je ziet hoe Zuid-Korea
zeer snel vooruitgang boekt,
12:46
whereasterwijl BrazilBrazilië is much slowertragere.
181
741000
3000
terwijl Brazilië veel trager is.
12:49
And if we moveverhuizing back again, here, and we put on trailsroutes on them, like this,
182
744000
6000
Als we teruggaan en
een sleepspoor laten zien,
12:55
you can see again that the speedsnelheid of developmentontwikkeling
183
750000
4000
dan kan je opnieuw zien
dat de snelheid van ontwikkeling
12:59
is very, very differentverschillend, and the countrieslanden are movingin beweging more or lessminder
184
754000
6000
erg verschilt en dat de landen min of meer
13:05
in the samedezelfde ratetarief as moneygeld and healthGezondheid, but it seemslijkt you can moveverhuizing
185
760000
4000
in hetzelfde tempo bewegen qua geld en gezondheid,
13:09
much fastersneller if you are healthygezond first than if you are wealthyrijk first.
186
764000
4000
maar je kan blijkbaar veel sneller bewegen
als je eerst gezond bent, niet eerst rijk.
13:14
And to showtonen that, you can put on the way of UnitedVerenigd ArabArabische EmirateEmiraat.
187
769000
4000
Om dat te tonen kan je naar
de Verenigde Arabische Emiraten kijken.
13:18
They camekwam from here, a mineralmineraal countryland. They cachedin de cache opgeslagen all the oilolie-;
188
773000
3000
Ze kwamen daarvandaan,
een mineraal land. Ze vonden al die olie,
13:21
they got all the moneygeld; but healthGezondheid cannotkan niet be boughtkocht at the supermarketsupermarkt.
189
776000
4000
kregen al dat geld, maar gezondheid
koop je niet in de supermarkt.
13:25
You have to investinvesteren in healthGezondheid. You have to get kidskinderen into schoolingscholing.
190
780000
4000
Je moet investeren in gezondheid.
Je moet kinderen naar school krijgen.
13:29
You have to traintrein healthGezondheid staffpersoneel. You have to educateonderwijzen the populationbevolking.
191
784000
3000
Je moet de gezondheidswerkers opleiden.
Je moet de bevolking opleiden.
13:32
And SheikhSjeik SayedSayed did that in a fairlytamelijk good way.
192
787000
3000
Sjeik Sayed deed dat redelijk goed.
13:35
In spitewrok of fallingvallend oilolie- pricesprijzen, he broughtbracht this countryland up here.
193
790000
4000
Ondanks de dalende olieprijzen
bracht hij zijn land tot hier.
13:39
So we'vewij hebben got a much more mainstreamhoofdstroom appearanceuiterlijk of the worldwereld-,
194
794000
4000
We hebben dus een meer
gemiddeld aanzicht van de wereld,
waarin alle landen neigen naar
beter gebruik van hun geld dan vroeger.
13:43
where all countrieslanden tendde neiging hebben to use theirhun moneygeld
195
798000
2000
13:45
better than they used in the pastverleden. Now, this is, more or lessminder,
196
800000
5000
Dit is min of meer zo,
13:50
if you look at the averagegemiddelde datagegevens of the countrieslanden -- they are like this.
197
805000
7000
als je kijkt naar de gemiddelde data
van de landen. Die zijn zo.
13:57
Now that's dangerousgevaarlijk, to use averagegemiddelde datagegevens, because there is suchzodanig a lot
198
812000
5000
Dat is wel gevaarlijk,
gemiddelden gebruiken,
omdat er zoveel verschillen zijn
binnen de landen.
14:02
of differenceverschil withinbinnen countrieslanden. So if I go and look here, we can see
199
817000
6000
Als ik dus daar ga kijken, zien we
dat Oeganda vandaag is
14:08
that UgandaOeganda todayvandaag is where SouthSouth KoreaKorea was 1960. If I splitspleet UgandaOeganda,
200
823000
6000
waar Zuid-Korea in 1960 was.
Splits ik Oeganda, dan zie ik
een groot verschil in het land.
14:14
there's quiteheel a differenceverschil withinbinnen UgandaOeganda. These are the quintilesquintiles of UgandaOeganda.
201
829000
5000
Dit zijn de kwintielen van Oeganda.
14:19
The richestrijkste 20 percentprocent of UgandansUgandezen are there.
202
834000
3000
Daar zijn de 20 procent
rijkste Oegandezen. Daar zijn de armsten.
14:22
The poorestarmste are down there. If I splitspleet SouthSouth AfricaAfrika, it's like this.
203
837000
4000
Als ik Zuid-Afrika opsplits is het zo.
14:26
And if I go down and look at NigerNiger, where there was suchzodanig a terribleverschrikkelijk faminehongersnood,
204
841000
5000
Hier beneden zie je Niger,
waar zo'n vreselijke hongersnood was,
14:31
lastlytenslotte, it's like this. The 20 percentprocent poorestarmste of NigerNiger is out here,
205
846000
5000
Daar zijn de 20 procent armsten van Niger,
14:36
and the 20 percentprocent richestrijkste of SouthSouth AfricaAfrika is there,
206
851000
3000
daar de 20 procent rijksten van Zuid-Afrika,
14:39
and yetnog we tendde neiging hebben to discussbespreken on what solutionsoplossingen there should be in AfricaAfrika.
207
854000
5000
en toch blijven we debatteren
over de oplossingen voor Afrika.
14:44
Everything in this worldwereld- existsbestaat in AfricaAfrika. And you can't
208
859000
3000
Alles wat de wereld heeft,
heb je in Afrika.
Je kan niet debatteren over universele
toegang tot Aidsmedicijnen
14:47
discussbespreken universaluniverseel accesstoegang to HIVHIV [medicinegeneeskunde] for that quintilekwintiel up here
209
862000
4000
voor dat kwintiel daar,
met dezelfde strategie als hier beneden.
14:51
with the samedezelfde strategystrategie as down here. The improvementverbetering of the worldwereld-
210
866000
4000
De verbetering van de wereld
moet aan de context aangepast worden,
14:55
mustmoet be highlyzeer contextualizedcontextualized, and it's not relevantrelevant to have it
211
870000
5000
het is niet relevant
om het regionaal te bekijken.
15:00
on regionalregionaal levelniveau. We mustmoet be much more detailedgedetailleerde.
212
875000
3000
We hebben meer detail nodig.
15:03
We find that studentsstudenten get very excitedopgewonden when they can use this.
213
878000
4000
Studenten vinden het heel spannend
om dit te gebruiken.
15:07
And even more policyhet beleid makersmakers and the corporatezakelijke sectorssectoren would like to see
214
882000
5000
Zelfs beleidsmakers en bedrijfssectoren
willen zien hoe de wereld verandert.
15:12
how the worldwereld- is changingveranderen. Now, why doesn't this take placeplaats?
215
887000
4000
Waarom gebeurt het dan niet?
15:16
Why are we not usinggebruik makend van the datagegevens we have? We have datagegevens in the UnitedVerenigd NationsNaties,
216
891000
4000
Waarom gebruiken we de data
die we hebben niet?
We hebben data in de VN,
in de nationale statistische bureaus,
15:20
in the nationalnationaal statisticalstatistisch agenciesagentschappen
217
895000
2000
15:22
and in universitiesuniversiteiten and other non-governmentalniet-gouvernementele organizationsorganisaties.
218
897000
4000
in universiteiten en andere ngo's.
Omdat de data verstopt zitten
in de databases.
15:26
Because the datagegevens is hiddenverborgen down in the databasesdatabases.
219
901000
2000
15:28
And the publicopenbaar is there, and the InternetInternet is there, but we have still not used it effectivelyeffectief.
220
903000
5000
Het publiek is er, het internet is er,
maar we gebruiken het nog niet goed.
15:33
All that informationinformatie we saw changingveranderen in the worldwereld-
221
908000
3000
Alle informatie die we
in de wereld zagen veranderen,
15:36
does not includeomvatten publicly-fundedgefinancierde statisticsstatistieken. There are some webweb pagespagina's
222
911000
4000
komt niet van statistieken
met overheidsgeld.
Er zijn enkele van dat soort webpagina's,
maar ze halen hun mosterd bij de databases
15:40
like this, you know, but they take some nourishmentvoeding down from the databasesdatabases,
223
915000
6000
15:46
but people put pricesprijzen on them, stupiddom passwordswachtwoorden and boringsaai statisticsstatistieken.
224
921000
5000
en zetten er dan een prijs op,
een dom paswoord en saaie statistieken.
15:51
(LaughterGelach) (ApplauseApplaus)
225
926000
3000
(Gelach) Dat zal niet werken.
(Applaus)
15:54
And this won'tzal niet work. So what is needednodig? We have the databasesdatabases.
226
929000
4000
Wat hebben we dan nodig?
We hebben de databases.
15:58
It's not the newnieuwe databasedatabank you need. We have wonderfulprachtig designontwerp toolsgereedschap,
227
933000
4000
Nieuwe databases zijn niet nodig.
We hebben prachtige designtools,
en er komen er alsmaar meer bij.
16:02
and more and more are addedtoegevoegd up here. So we startedbegonnen
228
937000
3000
We startten dus een nonprofitonderneming
die we -- met link van data naar design --
16:05
a nonprofitnon-profit ventureonderneming whichwelke we calledriep -- linkingkoppelen datagegevens to designontwerp --
229
940000
5000
16:10
we call it GapminderGapminder, from the LondonLonden undergroundondergronds, where they warnwaarschuwen you,
230
945000
3000
Gapminder noemden, naar de Londense metro,
waar ze je waarschuwen: "mind the gap".
16:13
"mindgeest the gapkloof." So we thought GapminderGapminder was appropriategeschikt.
231
948000
3000
We vonden Gapminder dus gepast.
16:16
And we startedbegonnen to writeschrijven softwaresoftware whichwelke could linklink the datagegevens like this.
232
951000
4000
We begonnen software te schrijven
die de data zo konden verbinden.
16:20
And it wasn'twas niet that difficultmoeilijk. It tooknam some personpersoon yearsjaar, and we have producedgeproduceerd animationsanimaties.
233
955000
6000
Het was niet zo moeilijk. Het kostte
een paar manjaren, en we hebben animaties.
16:26
You can take a datagegevens setreeks and put it there.
234
961000
2000
Je kan een dataset hier zetten.
16:28
We are liberatingbevrijdende U.N. datagegevens, some fewweinig U.N. organizationorganisatie.
235
963000
5000
We bevrijden VN-data.
Enkele VN-organisaties en landen aanvaarden
16:33
Some countrieslanden acceptaccepteren that theirhun databasesdatabases can go out on the worldwereld-,
236
968000
4000
dat hun databases de wereld bereiken,
16:37
but what we really need is, of courseCursus, a searchzoeken functionfunctie.
237
972000
3000
maar wat we echt nodig hebben
is natuurlijk een zoekfunctie.
16:40
A searchzoeken functionfunctie where we can copykopiëren the datagegevens up to a searchabledoorzoekbare formatformaat
238
975000
5000
Een zoekfunctie waarmee we de gegevens
in een doorzoekbaar formaat zetten
16:45
and get it out in the worldwereld-. And what do we hearhoren when we go around?
239
980000
3000
en ze op de wereld loslaten.
En wat horen we als we rondgaan?
16:48
I've donegedaan anthropologyantropologie on the mainhoofd statisticalstatistisch unitsunits. EveryoneIedereen sayszegt,
240
983000
4000
Ik heb de belangrijkste statistische
diensten antropologisch benaderd.
Ze zeggen allemaal: "Onmogelijk.
Dat kan je niet doen.
16:53
"It's impossibleonmogelijk. This can't be donegedaan. Our informationinformatie is so peculiareigenaardige
241
988000
4000
Onze informatie is
zo bijzonder en gedetailleerd,
16:57
in detaildetail-, so that cannotkan niet be searcheddoorzocht as othersanderen can be searcheddoorzocht.
242
992000
3000
die kan je niet doorzoeken
zoals andere informatie.
17:00
We cannotkan niet give the datagegevens freegratis to the studentsstudenten, freegratis to the entrepreneursondernemers of the worldwereld-."
243
995000
5000
We kunnen de gegevens niet vrijgeven
voor de studenten
en de ondernemers in de wereld."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Maar dit is wat we
zouden willen zien, niet?
17:08
The publicly-fundedgefinancierde datagegevens is down here.
245
1003000
3000
Daar zijn de gegevens
met overheidsgeld betaald.
17:11
And we would like flowersbloemen to growgroeien out on the NetNet.
246
1006000
3000
We zouden bloemen
willen zien bloeien op het Net.
17:14
And one of the crucialbeslissend pointspoints is to make them searchabledoorzoekbare, and then people can use
247
1009000
5000
Eén van de cruciale punten is
ze doorzoekbaar maken.
Dan kunnen mensen designtools gebruiken
om ze tot leven te brengen.
17:19
the differentverschillend designontwerp toolgereedschap to animateanimatie it there.
248
1014000
2000
17:21
And I have a prettymooi good newsnieuws for you. I have a good newsnieuws that the presentaanwezig,
249
1016000
5000
Ik heb best goed nieuws voor jullie.
17:26
newnieuwe HeadHoofd of U.N. StatisticsStatistieken, he doesn't say it's impossibleonmogelijk.
250
1021000
4000
De huidige nieuwe baas
van de VN-statistieken
zegt niet dat het onmogelijk is.
17:30
He only sayszegt, "We can't do it."
251
1025000
2000
Hij zegt alleen: "We kunnen het niet doen."
17:32
(LaughterGelach)
252
1027000
4000
(Gelach)
17:36
And that's a quiteheel cleverknap guy, huh?
253
1031000
2000
En dat is een redelijk slimme man, niet?
17:38
(LaughterGelach)
254
1033000
2000
(Gelach)
17:40
So we can see a lot happeninggebeurtenis in datagegevens in the comingkomt eraan yearsjaar.
255
1035000
4000
We zien dus veel gebeuren
met data de komende jaren.
17:44
We will be ablein staat to look at incomeinkomen distributionsdistributies in completelyhelemaal newnieuwe waysmanieren.
256
1039000
4000
We zullen op een heel andere manier
naar inkomensverdeling kijken.
17:48
This is the incomeinkomen distributiondistributie of ChinaChina, 1970.
257
1043000
5000
Dit is de inkomensverdeling
in China, 1970,
en de inkomensverdeling
van de VS, 1970.
17:54
the incomeinkomen distributiondistributie of the UnitedVerenigd StatesStaten, 1970.
258
1049000
5000
17:59
AlmostBijna no overlapoverlappen. AlmostBijna no overlapoverlappen. And what has happenedgebeurd?
259
1054000
4000
Bijna geen overlap. En wat is er gebeurd?
18:03
What has happenedgebeurd is this: that ChinaChina is growinggroeiend, it's not so equalGelijk any longerlanger,
260
1058000
5000
Dit is wat er gebeurde:
China groeit, het is niet meer zo gelijk,
18:08
and it's appearingverschijnen here, overlookingmet uitzicht op the UnitedVerenigd StatesStaten.
261
1063000
4000
en het glijdt hier over de VS.
18:12
AlmostBijna like a ghostGhost, isn't it, huh?
262
1067000
2000
Bijna als een geest, niet?
18:14
(LaughterGelach)
263
1069000
2000
(Gelach) Angstaanjagend.
18:16
It's prettymooi scaryeng. But I think it's very importantbelangrijk to have all this informationinformatie.
264
1071000
10000
(Gelach)
Ik denk dat het heel belangrijk is
om al deze informatie te hebben.
18:26
We need really to see it. And insteadin plaats daarvan of looking at this,
265
1081000
6000
We moeten ze echt zien.
In plaats van hiernaar te kijken,
18:32
I would like to endeinde up by showingtonen the InternetInternet usersgebruikers perper 1,000.
266
1087000
5000
zou ik willen besluiten met een blik
op de internetgebruikers per 1.000.
18:37
In this softwaresoftware, we accesstoegang about 500 variablesvariabelen from all the countrieslanden quiteheel easilygemakkelijk.
267
1092000
5000
In deze software hebben we toegang
tot 500 variabelen voor alle landen.
18:42
It takes some time to changeverandering for this,
268
1097000
4000
Het vraagt even tijd om dit te wijzigen,
18:46
but on the axisesaxises, you can quiteheel easilygemakkelijk get any variablevariabele you would like to have.
269
1101000
5000
maar op de as kan je gemakkelijk
elke gewenste variabele krijgen.
18:51
And the thing would be to get up the databasesdatabases freegratis,
270
1106000
5000
Het zou fantastisch zijn
om de databases gratis te krijgen,
18:56
to get them searchabledoorzoekbare, and with a secondtweede clickKlik, to get them
271
1111000
3000
doorzoekbaar, en ze met een tweede klik
18:59
into the graphicafbeelding formatsformaten, where you can instantlyogenblikkelijk understandbegrijpen them.
272
1114000
5000
om te zetten in grafisch formaat,
waar je ze gemakkelijk kan begrijpen.
19:04
Now, statisticiansstatistici doesn't like it, because they say that this
273
1119000
3000
Statistici houden daar niet van,
ze zeggen dat dit
de realiteit niet echt toont,
19:07
will not showtonen the realityrealiteit; we have to have statisticalstatistisch, analyticalanalytisch methodsmethoden.
274
1122000
9000
dat we statistische, analytische
methodes moeten hebben.
19:16
But this is hypothesis-generatinghypothese-genererende.
275
1131000
3000
Maar dat zijn enkel hypothesen.
19:19
I endeinde now with the worldwereld-. There, the InternetInternet is comingkomt eraan.
276
1134000
4000
Ik besluit met de wereld.
Daar komt het Internet.
19:23
The numberaantal of InternetInternet usersgebruikers are going up like this. This is the GDPBBP perper capitacapita.
277
1138000
4000
Het aantal internetgebruikers stijgt.
Dit is het BNP per hoofd.
19:27
And it's a newnieuwe technologytechnologie comingkomt eraan in, but then amazinglyverbazend, how well
278
1142000
5000
Er komt een nieuwe technologie aan,
die verbazingwekkend gelijk opgaat
met de economie van de landen.
19:32
it fitspast bij to the economyeconomie of the countrieslanden. That's why the 100 dollardollar
279
1147000
5000
Dat is waarom de 100 dollar-computer
zo belangrijk zal zijn.
19:37
computercomputer will be so importantbelangrijk. But it's a niceleuk tendencyneiging.
280
1152000
3000
Maar het is een mooie tendens.
19:40
It's as if the worldwereld- is flatteningafvlakking off, isn't it? These countrieslanden
281
1155000
3000
Het is alsof de wereld afvlakt, niet?
Deze landen gaan meer omhoog
dan de economie
19:43
are liftinghijs- more than the economyeconomie and will be very interestinginteressant
282
1158000
3000
en het zal erg interessant zijn
dit over de jaren te volgen,
19:46
to followvolgen this over the yearjaar, as I would like you to be ablein staat to do
283
1161000
4000
zoals ik je graag wil laten doen
met alle gesubsidieerde data.
19:50
with all the publiclyopenbaar fundedgefinancierde datagegevens. Thank you very much.
284
1165000
2000
Veel dank.
19:53
(ApplauseApplaus)
285
1168000
3000
(Applaus)
Translated by Els De Keyser
Reviewed by Roel Verbunt

▲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

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee