TED2006
Hans Rosling: The best stats you've ever seen
Ханс Рослинг: Самая лучшая статистика
Filmed:
Readability: 3.6
14,386,844 views
Еще никто не представлял данные таким образом. С натиском и скоростью спортивного комментатора гуру статистики Ханс Рослинг развенчивает мифы о так называемом «развивающемся мире».
Hans Rosling - Global health expert; data visionary
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
In Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus. Full bio
Double-click the English transcript below to play the video.
00:25
About 10 years ago, I took on the task to teach global development
0
0
4000
Около 10 лет назад я взялся преподавать
дисциплину «Глобальное развитие»
дисциплину «Глобальное развитие»
00:29
to Swedish undergraduate students. That was after having spent
1
4000
4000
шведским студентам. До этого я
в течение приблизительно 20 лет
в течение приблизительно 20 лет
00:33
about 20 years together with African institutions studying hunger in Africa,
2
8000
4000
совместно с африканскими организациями
изучал проблемы голода в Африке,
изучал проблемы голода в Африке,
00:37
so I was sort of expected to know a little about the world.
3
12000
4000
так что считалось, что кое-какими
познаниями о мире я обладал.
познаниями о мире я обладал.
00:41
And I started in our medical university, Karolinska Institute,
4
16000
5000
В нашем медицинском вузе,
Каролинском институте, я ввел
Каролинском институте, я ввел
00:46
an undergraduate course called Global Health. But when you get
5
21000
4000
курс для студентов под названием
«Глобальное здравоохранение».
«Глобальное здравоохранение».
00:50
that opportunity, you get a little nervous. I thought, these students
6
25000
3000
Но, получив такую возможность,
я начал переживать. Ведь студенты,
я начал переживать. Ведь студенты,
00:53
coming to us actually have the highest grade you can get
7
28000
3000
поступающие к нам, имеют
наивысшие оценки, предусмотренные
наивысшие оценки, предусмотренные
00:56
in Swedish college systems -- so, I thought, maybe they know everything
8
31000
3000
шведской системой образования.
Может, они давно знают всё,
Может, они давно знают всё,
00:59
I'm going to teach them about. So I did a pre-test when they came.
9
34000
4000
чему я их собираюсь учить. Поэтому я
провел предварительный тест.
провел предварительный тест.
01:03
And one of the questions from which I learned a lot was this one:
10
38000
3000
Одним из вопросов, открывших мне
на многое глаза, был следующий:
на многое глаза, был следующий:
01:06
"Which country has the highest child mortality of these five pairs?"
11
41000
4000
«В какой стране в каждой из пяти пар
уровень детской смертности больше?»
уровень детской смертности больше?»
01:10
And I put them together, so that in each pair of country,
12
45000
4000
Страны я подобрал таким образом,
чтобы в каждой паре была страна,
чтобы в каждой паре была страна,
01:14
one has twice the child mortality of the other. And this means that
13
49000
5000
где уровень смертности в два раза выше,
чем в другой. То есть
чем в другой. То есть
01:19
it's much bigger a difference than the uncertainty of the data.
14
54000
5000
разница намного превышает
статистическую погрешность.
статистическую погрешность.
01:24
I won't put you at a test here, but it's Turkey,
15
59000
2000
Я не собираюсь вас экзаменовать.
Вот правильные ответы: Турция,
Вот правильные ответы: Турция,
01:26
which is highest there, Poland, Russia, Pakistan and South Africa.
16
61000
5000
с наивысшим значением в этой паре,
Польша, Россия, Пакистан и ЮАР.
Польша, Россия, Пакистан и ЮАР.
01:31
And these were the results of the Swedish students. I did it so I got
17
66000
3000
А вот результаты шведских студентов.
Таким образом, я получил
Таким образом, я получил
01:34
the confidence interval, which is pretty narrow, and I got happy,
18
69000
3000
доверительный интервал, который оказался
достаточно узким, и, конечно,
достаточно узким, и, конечно,
01:37
of course: a 1.8 right answer out of five possible. That means that
19
72000
4000
обрадовался: 1,8 правильных ответов
из пяти возможных. Значит,
из пяти возможных. Значит,
01:41
there was a place for a professor of international health --
20
76000
3000
преподаватель международного
здравоохранения здесь не лишний —
здравоохранения здесь не лишний —
01:44
(Laughter) and for my course.
21
79000
2000
(Смех)
и дисциплина тоже не лишняя.
и дисциплина тоже не лишняя.
01:46
But one late night, when I was compiling the report
22
81000
4000
Но однажды поздно вечером,
составляя отчет,
составляя отчет,
01:50
I really realized my discovery. I have shown
23
85000
4000
я в полной мере осознал
сделанное открытие. Я доказал,
сделанное открытие. Я доказал,
01:54
that Swedish top students know statistically significantly less
24
89000
5000
что, по статистике,
лучшие шведские студенты знают
лучшие шведские студенты знают
01:59
about the world than the chimpanzees.
25
94000
2000
гораздо меньше о мире, чем шимпанзе.
02:01
(Laughter)
26
96000
2000
(Смех)
02:03
Because the chimpanzee would score half right if I gave them
27
98000
4000
Ведь шимпанзе ответили бы правильно
на половину вопросов, если бы я дал им
на половину вопросов, если бы я дал им
02:07
two bananas with Sri Lanka and Turkey. They would be right half of the cases.
28
102000
3000
два банана со Шри-Ланкой и Турцией.
Они были бы правы в половине случаев.
Они были бы правы в половине случаев.
02:10
But the students are not there. The problem for me was not ignorance;
29
105000
4000
Со студентами дело обстоит иначе.
Проблема, думаю, не в недостатке знаний,
Проблема, думаю, не в недостатке знаний,
02:14
it was preconceived ideas.
30
109000
3000
а в устоявшихся представлениях.
02:17
I did also an unethical study of the professors of the Karolinska Institute
31
112000
4000
Ещё я, нарушив правила этики, протестировал
профессоров Каролинского института,
профессоров Каролинского института,
02:21
(Laughter)
32
116000
1000
(Смех)
02:22
-- that hands out the Nobel Prize in Medicine,
33
117000
2000
которые присуждают Нобелевскую премию
в области медицины,
в области медицины,
02:24
and they are on par with the chimpanzee there.
34
119000
2000
и их результаты в среднем
сходны с результатами шимпанзе.
сходны с результатами шимпанзе.
02:26
(Laughter)
35
121000
3000
(Смех)
02:29
This is where I realized that there was really a need to communicate,
36
124000
4000
Именно тогда я понял, что эти идеи
необходимо распространять,
необходимо распространять,
02:33
because the data of what's happening in the world
37
128000
3000
ведь данные о мировых тенденциях
02:36
and the child health of every country is very well aware.
38
131000
3000
и о состоянии здоровья детей
в каждой стране вполне доступны.
в каждой стране вполне доступны.
02:39
We did this software which displays it like this: every bubble here is a country.
39
134000
5000
Мы разработали программу для отображения
этих данных. Каждый кружок представляет собой страну.
этих данных. Каждый кружок представляет собой страну.
02:44
This country over here is China. This is India.
40
139000
6000
Вот здесь у нас Китай.
Здесь Индия.
Здесь Индия.
02:50
The size of the bubble is the population, and on this axis here I put fertility rate.
41
145000
6000
Размер кружка показывает численность населения,
а на этой оси отмечен коэффициент рождаемости.
а на этой оси отмечен коэффициент рождаемости.
02:56
Because my students, what they said
42
151000
3000
Дело в том, что мои студенты сказали следующее,
02:59
when they looked upon the world, and I asked them,
43
154000
2000
когда взглянули на ситуацию в мире, а я спросил их:
03:01
"What do you really think about the world?"
44
156000
2000
«Что вы думаете о ситуации в мире?»
03:03
Well, I first discovered that the textbook was Tintin, mainly.
45
158000
4000
Вообще-то сначала они сказали, что учебник
большей частью никуда не годится.
большей частью никуда не годится.
03:07
(Laughter)
46
162000
1000
(Смех)
03:08
And they said, "The world is still 'we' and 'them.'
47
163000
3000
Они ответили:
«Мир делится на “нас” и на “них”.
«Мир делится на “нас” и на “них”.
03:11
And we is Western world and them is Third World."
48
166000
3000
“Мы” — это западные страны,
а “они” — это страны третьего мира».
а “они” — это страны третьего мира».
03:14
"And what do you mean with Western world?" I said.
49
169000
3000
«И чем отличаются западные страны?», —
спросил я.
спросил я.
03:17
"Well, that's long life and small family, and Third World is short life and large family."
50
172000
5000
«Там высокая продолжительность жизни и маленькие семьи,
а в странах третьего мира – низкая продолжительность жизни и большие семьи».
а в странах третьего мира – низкая продолжительность жизни и большие семьи».
03:22
So this is what I could display here. I put fertility rate here: number of children per woman:
51
177000
6000
Вот как можно это показать. Здесь я отмечаю коэффициент
рождаемости: число детей, которое приходится на одну женщину,
рождаемости: число детей, которое приходится на одну женщину,
03:28
one, two, three, four, up to about eight children per woman.
52
183000
4000
один, два, три, четыре, до восьми детей на одну женщину.
03:32
We have very good data since 1962 -- 1960 about -- on the size of families in all countries.
53
187000
6000
У нас хорошие данные с 1962 года — даже с 1960 —
о размере семей во всех странах.
о размере семей во всех странах.
03:38
The error margin is narrow. Here I put life expectancy at birth,
54
193000
3000
Допустимая погрешность невелика.
Здесь я отметил ожидаемую продолжительность
Здесь я отметил ожидаемую продолжительность
03:41
from 30 years in some countries up to about 70 years.
55
196000
4000
жизни при рождении, от 30 лет
в одних странах до приблизительно 70 лет.
в одних странах до приблизительно 70 лет.
03:45
And 1962, there was really a group of countries here
56
200000
3000
Так вот, в 1962 году вот здесь действительно
находилась целая группа стран.
находилась целая группа стран.
03:48
that was industrialized countries, and they had small families and long lives.
57
203000
5000
Это были промышленно развитые страны
с маленькими семьями и долгими жизнями.
с маленькими семьями и долгими жизнями.
03:53
And these were the developing countries:
58
208000
2000
А это были развивающиеся страны:
03:55
they had large families and they had relatively short lives.
59
210000
3000
в них были большие семьи и относительно
небольшая продолжительность жизни.
небольшая продолжительность жизни.
03:58
Now what has happened since 1962? We want to see the change.
60
213000
4000
Что произошло после 1962 года?
Мы хотим увидеть эти изменения.
Мы хотим увидеть эти изменения.
04:02
Are the students right? Is it still two types of countries?
61
217000
3000
Правы ли студенты? Существуют ли
до сих пор эти две группы стран?
до сих пор эти две группы стран?
04:06
Or have these developing countries got smaller families and they live here?
62
221000
3000
Или в развивающихся странах семьи
теперь меньше, и они находятся здесь?
теперь меньше, и они находятся здесь?
04:09
Or have they got longer lives and live up there?
63
224000
2000
Или у них больше продолжительность жизни,
и они находятся вон там?
и они находятся вон там?
04:11
Let's see. We stopped the world then. This is all U.N. statistics
64
226000
3000
Посмотрим. Мы зафиксировались
в этой точке. Вот вся статистика ООН,
в этой точке. Вот вся статистика ООН,
04:14
that have been available. Here we go. Can you see there?
65
229000
3000
которая была доступна. Поехали.
Видите, что происходит?
Видите, что происходит?
04:17
It's China there, moving against better health there, improving there.
66
232000
3000
Вот Китай, улучшается ситуация в здравоохранении,
улучшаются эти показатели.
улучшаются эти показатели.
04:20
All the green Latin American countries are moving towards smaller families.
67
235000
3000
Во всех отмеченных зелёным
латиноамериканских странах уменьшились семьи.
латиноамериканских странах уменьшились семьи.
04:23
Your yellow ones here are the Arabic countries,
68
238000
3000
Жёлтые кружки — это арабские страны,
04:26
and they get larger families, but they -- no, longer life, but not larger families.
69
241000
4000
и в них увеличиваются семьи, но они — нет, в них
увеличивается продолжительность жизни, но не размер семей.
увеличивается продолжительность жизни, но не размер семей.
04:30
The Africans are the green down here. They still remain here.
70
245000
3000
Африканские страны отмечены зелёным,
вот здесь внизу. Там они и остаются.
вот здесь внизу. Там они и остаются.
04:33
This is India. Indonesia's moving on pretty fast.
71
248000
3000
Это Индия.
Индонезия продвигается довольно быстро.
Индонезия продвигается довольно быстро.
04:36
(Laughter)
72
251000
1000
(Смех)
04:37
And in the '80s here, you have Bangladesh still among the African countries there.
73
252000
3000
А в 80-е годы Бангладеш всё ещё находится
вот здесь, на уровне африканских стран.
вот здесь, на уровне африканских стран.
04:40
But now, Bangladesh -- it's a miracle that happens in the '80s:
74
255000
3000
Но в Бангладеш
в 80-е годы происходит чудо:
в 80-е годы происходит чудо:
04:43
the imams start to promote family planning.
75
258000
3000
имамы начинают
поддерживать контроль рождаемости.
поддерживать контроль рождаемости.
04:46
They move up into that corner. And in '90s, we have the terrible HIV epidemic
76
261000
5000
Страна перемещается в этот угол.
А в 90-е годы ужасная эпидемия СПИДа
А в 90-е годы ужасная эпидемия СПИДа
04:51
that takes down the life expectancy of the African countries
77
266000
3000
снижает продолжительность жизни
в африканских странах,
в африканских странах,
04:54
and all the rest of them move up into the corner,
78
269000
4000
остальные перемещаются в эту область,
где большая продолжительность
где большая продолжительность
04:58
where we have long lives and small family, and we have a completely new world.
79
273000
4000
жизни и небольшие семьи, и теперь
перед нами совсем иная картина мира.
перед нами совсем иная картина мира.
05:02
(Applause)
80
277000
13000
(Аплодисменты)
05:15
Let me make a comparison directly between the United States of America and Vietnam.
81
290000
5000
Сравним непосредственно
показатели США и Вьетнама.
показатели США и Вьетнама.
05:20
1964: America had small families and long life;
82
295000
5000
1964 год: в Америке небольшие семьи
и значительная продолжительность жизни;
и значительная продолжительность жизни;
05:25
Vietnam had large families and short lives. And this is what happens:
83
300000
4000
во Вьетнаме — большие семьи
и люди живут недолго. И вот что происходит:
и люди живут недолго. И вот что происходит:
05:29
the data during the war indicate that even with all the death,
84
304000
6000
данные свидетельствуют о том, что, несмотря
на людские потери, во время войны
на людские потери, во время войны
05:35
there was an improvement of life expectancy. By the end of the year,
85
310000
3000
наблюдалось увеличение средней
продолжительности жизни. К концу года
продолжительности жизни. К концу года
05:38
the family planning started in Vietnam and they went for smaller families.
86
313000
3000
во Вьетнаме ввели контроль рождаемости,
и размер семей уменьшился.
и размер семей уменьшился.
05:41
And the United States up there is getting for longer life,
87
316000
3000
А в США, вот здесь,
увеличивается продолжительность жизни,
увеличивается продолжительность жизни,
05:44
keeping family size. And in the '80s now,
88
319000
3000
при этом сохраняется прежний размер семей.
Далее, в 80-е годы страна
Далее, в 80-е годы страна
05:47
they give up communist planning and they go for market economy,
89
322000
3000
отказывается от коммунистического планирования
и переходит к рыночной экономике:
и переходит к рыночной экономике:
05:50
and it moves faster even than social life. And today, we have
90
325000
4000
изменения происходят быстрее, чем
в социальной сфере. Сегодня мы наблюдаем
в социальной сфере. Сегодня мы наблюдаем
05:54
in Vietnam the same life expectancy and the same family size
91
329000
5000
во Вьетнаме те же показатели
продолжительности жизни и размера семьи
продолжительности жизни и размера семьи
05:59
here in Vietnam, 2003, as in United States, 1974, by the end of the war.
92
334000
7000
в 2003 году, что и в США в 1974 году, к концу войны.
06:06
I think we all -- if we don't look in the data --
93
341000
4000
Думаю, все мы, если не обращаемся к статистике,
06:10
we underestimate the tremendous change in Asia, which was
94
345000
4000
недооцениваем огромные изменения
в Азии, произошедшие
в Азии, произошедшие
06:14
in social change before we saw the economical change.
95
349000
4000
в социальной сфере ранее,
чем в экономике.
чем в экономике.
06:18
Let's move over to another way here in which we could display
96
353000
5000
Давайте теперь посмотрим
на распределение дохода в мире.
на распределение дохода в мире.
06:23
the distribution in the world of the income. This is the world distribution of income of people.
97
358000
7000
Вот картина
распределения доходов людей в мире.
распределения доходов людей в мире.
06:30
One dollar, 10 dollars or 100 dollars per day.
98
365000
5000
Один доллар, 10 долларов
или 100 долларов в день.
или 100 долларов в день.
06:35
There's no gap between rich and poor any longer. This is a myth.
99
370000
4000
Больше не существует разрыва
между богатыми и бедными. Это миф.
между богатыми и бедными. Это миф.
06:39
There's a little hump here. But there are people all the way.
100
374000
4000
Вот здесь небольшой изгиб.
Но вдоль всей линии находятся люди.
Но вдоль всей линии находятся люди.
06:44
And if we look where the income ends up -- the income --
101
379000
4000
А если посмотреть,
как распределяется доход,
как распределяется доход,
06:48
this is 100 percent the world's annual income. And the richest 20 percent,
102
383000
6000
вот это 100% годового дохода в мире.
На 20% самых богатых людей
На 20% самых богатых людей
06:54
they take out of that about 74 percent. And the poorest 20 percent,
103
389000
7000
приходится около 74% мирового дохода.
На долю беднейших 20%
На долю беднейших 20%
07:01
they take about two percent. And this shows that the concept
104
396000
5000
приходится около двух 2%.
Это доказывает, что концепция
Это доказывает, что концепция
07:06
of developing countries is extremely doubtful. We think about aid, like
105
401000
4000
развивающихся стран очень сомнительна.
Говоря об экономической помощи,
Говоря об экономической помощи,
07:10
these people here giving aid to these people here. But in the middle,
106
405000
5000
мы думаем, что эти люди предоставляют её
вот этим странам. Но между ними
вот этим странам. Но между ними
07:15
we have most the world population, and they have now 24 percent of the income.
107
410000
4000
находится наибольшая часть населения мира,
и у нее теперь 24% общего дохода.
и у нее теперь 24% общего дохода.
07:19
We heard it in other forms. And who are these?
108
414000
4000
Мы имели иное представление об этом.
Что же за страны здесь?
Что же за страны здесь?
07:23
Where are the different countries? I can show you Africa.
109
418000
4000
Каков разброс дохода по странам?
Я покажу вам Африку.
Я покажу вам Африку.
07:27
This is Africa. 10 percent the world population, most in poverty.
110
422000
5000
Вот Африка. 10% мирового населения,
большинство живут в нищете.
большинство живут в нищете.
07:32
This is OECD. The rich country. The country club of the U.N.
111
427000
5000
Это страны ОЭСР.
Богатые страны. Клуб стран ООН.
Богатые страны. Клуб стран ООН.
07:37
And they are over here on this side. Quite an overlap between Africa and OECD.
112
432000
5000
Вот они где, с этой стороны.
Показатели Африки и ОЭСР пересекаются.
Показатели Африки и ОЭСР пересекаются.
07:42
And this is Latin America. It has everything on this Earth,
113
437000
3000
Это Латинская Америка. Здесь,
в Латинской Америке, есть всё, что угодно,
в Латинской Америке, есть всё, что угодно,
07:45
from the poorest to the richest, in Latin America.
114
440000
3000
от беднейших до самых богатых.
07:48
And on top of that, we can put East Europe, we can put East Asia,
115
443000
5000
А над ними мы можем отметить
Восточную Европу, Восточную Азию
Восточную Европу, Восточную Азию
07:53
and we put South Asia. And how did it look like if we go back in time,
116
448000
5000
и Южную Азию. Какова была картина,
если вернуться назад во времени,
если вернуться назад во времени,
07:58
to about 1970? Then there was more of a hump.
117
453000
5000
приблизительно в 1970 год?
Тогда изгиб был более выраженным.
Тогда изгиб был более выраженным.
08:03
And we have most who lived in absolute poverty were Asians.
118
458000
4000
Большая часть из тех, кто жили
в крайней нищете, были жителями Азии.
в крайней нищете, были жителями Азии.
08:07
The problem in the world was the poverty in Asia. And if I now let the world move forward,
119
462000
7000
Мировой проблемой была бедность в Азии.
Если прокрутить время вперед,
Если прокрутить время вперед,
08:14
you will see that while population increase, there are
120
469000
3000
вы увидите, что по мере
увеличения численности населения
увеличения численности населения
08:17
hundreds of millions in Asia getting out of poverty and some others
121
472000
3000
сотни миллионов людей в Азии
перестают быть нищими, а другие люди
перестают быть нищими, а другие люди
08:20
getting into poverty, and this is the pattern we have today.
122
475000
3000
переходят в категорию бедных,
и сегодня картина вот такая.
и сегодня картина вот такая.
08:23
And the best projection from the World Bank is that this will happen,
123
478000
4000
По наиболее вероятному прогнозу
Мирового банка, произойдет следующее,
Мирового банка, произойдет следующее,
08:27
and we will not have a divided world. We'll have most people in the middle.
124
482000
4000
и мы больше не увидим разделенный мир.
Большая часть населения будет посредине.
Большая часть населения будет посредине.
08:31
Of course it's a logarithmic scale here,
125
486000
2000
Конечно, здесь логарифмическая шкала,
08:33
but our concept of economy is growth with percent. We look upon it
126
488000
5000
но в нашем представлении экономика
растет с процентным шагом.
растет с процентным шагом.
08:38
as a possibility of percentile increase. If I change this, and I take
127
493000
6000
Мы считаем, что возможно изменение
в процентилях. Преобразуем этот график:
в процентилях. Преобразуем этот график:
08:44
GDP per capita instead of family income, and I turn these
128
499000
4000
подставим данные о ВВП на душу населения
вместо семейного дохода, изменим
вместо семейного дохода, изменим
08:48
individual data into regional data of gross domestic product,
129
503000
6000
индивидуальные данные на региональные
значения валового внутреннего продукта.
значения валового внутреннего продукта.
08:54
and I take the regions down here, the size of the bubble is still the population.
130
509000
4000
Возьмем вот эти регионы. Размер кружка
по-прежнему соответствует численности населения.
по-прежнему соответствует численности населения.
08:58
And you have the OECD there, and you have sub-Saharan Africa there,
131
513000
3000
Страны ОЭСР у нас здесь,
Африка южнее Сахары — здесь.
Африка южнее Сахары — здесь.
09:01
and we take off the Arab states there,
132
516000
3000
Выделим арабские государства, расположенные
09:04
coming both from Africa and from Asia, and we put them separately,
133
519000
4000
в Африке и Азии, и поместим их отдельно.
09:08
and we can expand this axis, and I can give it a new dimension here,
134
523000
5000
Продлим эту ось,
здесь добавим еще одно измерение,
здесь добавим еще одно измерение,
09:13
by adding the social values there, child survival.
135
528000
3000
обозначим общественные ценности,
выживаемость детей.
выживаемость детей.
09:16
Now I have money on that axis, and I have the possibility of children to survive there.
136
531000
5000
Деньги у меня показаны на этой оси,
а вероятность выживания детей — здесь.
а вероятность выживания детей — здесь.
09:21
In some countries, 99.7 percent of children survive to five years of age;
137
536000
4000
В одних странах 99,7% детей
доживают до пяти лет;
доживают до пяти лет;
09:25
others, only 70. And here it seems there is a gap
138
540000
4000
в других — всего 70%.
И похоже, здесь есть разрыв
И похоже, здесь есть разрыв
09:29
between OECD, Latin America, East Europe, East Asia,
139
544000
4000
между странами ОЭСР, Латинской Америки,
Восточной Европы, Восточной Азии,
Восточной Европы, Восточной Азии,
09:33
Arab states, South Asia and sub-Saharan Africa.
140
548000
4000
Южной Азии, Африки южнее Сахары
и арабскими государствами.
и арабскими государствами.
09:37
The linearity is very strong between child survival and money.
141
552000
5000
Есть значительная линейная зависимость
между выживаемостью детей и доходом.
между выживаемостью детей и доходом.
09:42
But let me split sub-Saharan Africa. Health is there and better health is up there.
142
557000
8000
Разделим Африку южнее Сахары. Здесь более низкие,
здесь — более высокие показатели здравоохранения.
здесь — более высокие показатели здравоохранения.
09:50
I can go here and I can split sub-Saharan Africa into its countries.
143
565000
5000
Можно разделить Африку южнее Сахары
на составляющие её государства.
на составляющие её государства.
09:55
And when it burst, the size of its country bubble is the size of the population.
144
570000
5000
После этого размер кружка страны
соответствует численности ее населения.
соответствует численности ее населения.
10:00
Sierra Leone down there. Mauritius is up there. Mauritius was the first country
145
575000
4000
Сьерра-Леоне внизу. Маврикий вон там.
Маврикий стал первым государством,
Маврикий стал первым государством,
10:04
to get away with trade barriers, and they could sell their sugar --
146
579000
3000
где отменили торговые барьеры,
он смог продавать производимый сахар,
он смог продавать производимый сахар,
10:08
they could sell their textiles -- on equal terms as the people in Europe and North America.
147
583000
5000
текстильные изделия на равных условиях
с Европой и Северной Америкой.
с Европой и Северной Америкой.
10:13
There's a huge difference between Africa. And Ghana is here in the middle.
148
588000
4000
Между странами Африки существуют
огромные различия. Гана здесь, посредине.
огромные различия. Гана здесь, посредине.
10:17
In Sierra Leone, humanitarian aid.
149
592000
3000
В Сьерра-Леоне — гуманитарная помощь,
10:20
Here in Uganda, development aid. Here, time to invest; there,
150
595000
5000
в Уганде — экономическая.
В одной стране можно инвестировать,
В одной стране можно инвестировать,
10:25
you can go for a holiday. It's a tremendous variation
151
600000
3000
в другой — проводить отпуск. Африканские страны
очень отличаются друг от друга,
очень отличаются друг от друга,
10:28
within Africa which we rarely often make -- that it's equal everything.
152
603000
5000
а мы чаще всего представляем себе,
что там везде одинаковая обстановка.
что там везде одинаковая обстановка.
10:33
I can split South Asia here. India's the big bubble in the middle.
153
608000
4000
Разделим и Южную Азию.
Индия — это большой кружок посредине.
Индия — это большой кружок посредине.
10:37
But a huge difference between Afghanistan and Sri Lanka.
154
612000
4000
Но между Афганистаном и Шри-Ланкой —
огромная разница.
огромная разница.
10:41
I can split Arab states. How are they? Same climate, same culture,
155
616000
4000
То же самое с арабскими странами.
Какие они? Одинаковые климат, культура,
Какие они? Одинаковые климат, культура,
10:45
same religion -- huge difference. Even between neighbors.
156
620000
4000
религия, но разница колоссальна.
Даже между соседними государствами.
Даже между соседними государствами.
10:49
Yemen, civil war. United Arab Emirate, money which was quite equally and well used.
157
624000
5000
В Йемене шла гражданская война. В ОАЭ деньги
использовались эффективно и распределялись довольно равномерно.
использовались эффективно и распределялись довольно равномерно.
10:54
Not as the myth is. And that includes all the children of the foreign workers who are in the country.
158
629000
7000
Миф гласит иначе. Это с учетом всех детей
иностранных работников, находящихся в стране.
иностранных работников, находящихся в стране.
11:01
Data is often better than you think. Many people say data is bad.
159
636000
4000
Данные часто лучше, чем вы думаете.
Многие считают, что данные неправильные.
Многие считают, что данные неправильные.
11:06
There is an uncertainty margin, but we can see the difference here:
160
641000
2000
Есть интервал неопределенности,.но здесь мы видим разницу:
11:08
Cambodia, Singapore. The differences are much bigger
161
643000
3000
Камбоджа, Сингапур.
Различия намного значительнее,
Различия намного значительнее,
11:11
than the weakness of the data. East Europe:
162
646000
3000
чем неопределенность данных.
Восточная Европа:
Восточная Европа:
11:14
Soviet economy for a long time, but they come out after 10 years
163
649000
6000
здесь долгое время была советская экономика,
но спустя десять лет эти страны
но спустя десять лет эти страны
11:20
very, very differently. And there is Latin America.
164
655000
3000
стали совсем другими. И Латинская Америка.
Теперь не только на Кубе
Теперь не только на Кубе
11:23
Today, we don't have to go to Cuba to find a healthy country in Latin America.
165
658000
4000
из всех стран Латинской Америки
нормальная ситуация в здравоохранении.
нормальная ситуация в здравоохранении.
11:27
Chile will have a lower child mortality than Cuba within some few years from now.
166
662000
5000
В Чили через несколько лет будет более низкий
показатель детской смертности, чем на Кубе.
показатель детской смертности, чем на Кубе.
11:32
And here we have high-income countries in the OECD.
167
667000
3000
А вот страны ОЭСР
с высоким уровнем дохода.
с высоким уровнем дохода.
11:35
And we get the whole pattern here of the world,
168
670000
4000
Таким образом,
мы получаем целостную картину мира,
мы получаем целостную картину мира,
11:39
which is more or less like this. And if we look at it,
169
674000
5000
которая выглядит приблизительно вот так.
Если мы посмотрим на неё,
Если мы посмотрим на неё,
11:44
how it looks -- the world, in 1960, it starts to move. 1960.
170
679000
6000
на закономерность, увидим, что мир
в 1960 году начинает меняться.
в 1960 году начинает меняться.
11:50
This is Mao Tse-tung. He brought health to China. And then he died.
171
685000
3000
1960 год. Мао Цзэдун улучшает
здравоохранение в Китае. Потом умирает.
здравоохранение в Китае. Потом умирает.
11:53
And then Deng Xiaoping came and brought money to China, and brought them into the mainstream again.
172
688000
5000
После этого Дэн Сяопин приносит в Китай деньги
и возвращает страну в русло мировых тенденций.
и возвращает страну в русло мировых тенденций.
11:58
And we have seen how countries move in different directions like this,
173
693000
4000
Мы увидели, как страны двигаются
вот так, в разных направлениях,
вот так, в разных направлениях,
12:02
so it's sort of difficult to get
174
697000
4000
поэтому трудно выбрать
12:06
an example country which shows the pattern of the world.
175
701000
5000
образцовую страну, отражающую
тенденции изменений в мире.
тенденции изменений в мире.
12:11
But I would like to bring you back to about here at 1960.
176
706000
6000
Я бы хотел вернуть вас сюда, в 1960 год.
12:17
I would like to compare South Korea, which is this one, with Brazil,
177
712000
10000
Сравним Южную Корею, вот здесь,
с Бразилией,
с Бразилией,
12:27
which is this one. The label went away for me here. And I would like to compare Uganda,
178
722000
5000
отмеченной здесь. Отметка пропала.
Сравним с Угандой, расположенной
Сравним с Угандой, расположенной
12:32
which is there. And I can run it forward, like this.
179
727000
5000
вот здесь. Прокрутим вперед
вот таким образом.
вот таким образом.
12:37
And you can see how South Korea is making a very, very fast advancement,
180
732000
9000
Видно, что Южная Корея
быстрыми темпами продвигается вперед,
быстрыми темпами продвигается вперед,
12:46
whereas Brazil is much slower.
181
741000
3000
в то время как в Бразилии
изменения происходят медленнее.
изменения происходят медленнее.
12:49
And if we move back again, here, and we put on trails on them, like this,
182
744000
6000
Вернувшись снова сюда,
отметив их траектории вот так,
отметив их траектории вот так,
12:55
you can see again that the speed of development
183
750000
4000
мы снова увидим, что темп развития
очень сильно отличается
очень сильно отличается
12:59
is very, very different, and the countries are moving more or less
184
754000
6000
и страны развиваются
примерно с одной скоростью
примерно с одной скоростью
13:05
in the same rate as money and health, but it seems you can move
185
760000
4000
в сфере экономики и здравоохранения,
но, похоже, можно двигаться
но, похоже, можно двигаться
13:09
much faster if you are healthy first than if you are wealthy first.
186
764000
4000
быстрее, достигнув высоких показателей
здравоохранения ранее, чем дохода.
здравоохранения ранее, чем дохода.
13:14
And to show that, you can put on the way of United Arab Emirate.
187
769000
4000
Чтобы это продемонстрировать,
можно проследить траекторию ОАЭ.
можно проследить траекторию ОАЭ.
13:18
They came from here, a mineral country. They cached all the oil;
188
773000
3000
Они переместились отсюда. Обладая
минеральными ресурсами, они добывали нефть,
минеральными ресурсами, они добывали нефть,
13:21
they got all the money; but health cannot be bought at the supermarket.
189
776000
4000
получали прибыли, но здоровье
в супермаркете не купишь.
в супермаркете не купишь.
13:25
You have to invest in health. You have to get kids into schooling.
190
780000
4000
Необходимы инвестиции в медицину.
Детей нужно обучать в школе.
Детей нужно обучать в школе.
13:29
You have to train health staff. You have to educate the population.
191
784000
3000
Нужно готовить медицинский персонал.
Повышать осведомленность населения.
Повышать осведомленность населения.
13:32
And Sheikh Sayed did that in a fairly good way.
192
787000
3000
И шейх Сайед неплохо справлялся с этим.
13:35
In spite of falling oil prices, he brought this country up here.
193
790000
4000
Несмотря на снижение цен на нефть,
он поднял страну до этого уровня.
он поднял страну до этого уровня.
13:39
So we've got a much more mainstream appearance of the world,
194
794000
4000
У нас гораздо
более однородная картина мира,
более однородная картина мира,
13:43
where all countries tend to use their money
195
798000
2000
все страны используют деньги
13:45
better than they used in the past. Now, this is, more or less,
196
800000
5000
более эффективно, чем ранее.
Вот приблизительно, что мы видим,
Вот приблизительно, что мы видим,
13:50
if you look at the average data of the countries -- they are like this.
197
805000
7000
если взять средние данные по странам.
Вот такая картина.
Вот такая картина.
13:57
Now that's dangerous, to use average data, because there is such a lot
198
812000
5000
Опасно использовать средние данные,
поскольку есть значительные
поскольку есть значительные
14:02
of difference within countries. So if I go and look here, we can see
199
817000
6000
различия внутри стран. И посмотрев сюда,
мы увидим, что сегодня
мы увидим, что сегодня
14:08
that Uganda today is where South Korea was 1960. If I split Uganda,
200
823000
6000
Уганда находится там же, где
Южная Корея в 1960 году. Разделим Уганду
Южная Корея в 1960 году. Разделим Уганду
14:14
there's quite a difference within Uganda. These are the quintiles of Uganda.
201
829000
5000
и увидим, что внутри страны есть различия.
Вот квинтили Уганды.
Вот квинтили Уганды.
14:19
The richest 20 percent of Ugandans are there.
202
834000
3000
Вот здесь —
богатейшие 20% населения Уганды.
богатейшие 20% населения Уганды.
14:22
The poorest are down there. If I split South Africa, it's like this.
203
837000
4000
Беднейшие — внизу. А если разделить
Южную Африку, увидим следующее.
Южную Африку, увидим следующее.
14:26
And if I go down and look at Niger, where there was such a terrible famine,
204
841000
5000
Если посмотреть на Нигер,
где недавно был ужасный голод,
где недавно был ужасный голод,
14:31
lastly, it's like this. The 20 percent poorest of Niger is out here,
205
846000
5000
ситуация вот такая. 20% беднейшего
населения Нигера — вот здесь,
населения Нигера — вот здесь,
14:36
and the 20 percent richest of South Africa is there,
206
851000
3000
а 20% наиболее богатого
населения Южной Африки — здесь,
населения Южной Африки — здесь,
14:39
and yet we tend to discuss on what solutions there should be in Africa.
207
854000
5000
а мы продолжаем обсуждать
пути решения проблем в Африке.
пути решения проблем в Африке.
14:44
Everything in this world exists in Africa. And you can't
208
859000
3000
В Африке есть всё, что только
можно представить. И нельзя обсуждать
можно представить. И нельзя обсуждать
14:47
discuss universal access to HIV [medicine] for that quintile up here
209
862000
4000
единообразный подход к решению проблем
ВИЧ [медицины] для этого квинтиля
ВИЧ [медицины] для этого квинтиля
14:51
with the same strategy as down here. The improvement of the world
210
866000
4000
и вот этого. Стратегии развития
должны разрабатываться с учётом
должны разрабатываться с учётом
14:55
must be highly contextualized, and it's not relevant to have it
211
870000
5000
специфики отдельных стран,
а не целых регионов.
а не целых регионов.
15:00
on regional level. We must be much more detailed.
212
875000
3000
Нужен более индивидуализированный подход.
15:03
We find that students get very excited when they can use this.
213
878000
4000
Студенты радуются, получив
возможность использовать эти данные.
возможность использовать эти данные.
15:07
And even more policy makers and the corporate sectors would like to see
214
882000
5000
Правящие круги и представители
корпоративного сектора интересуются
корпоративного сектора интересуются
15:12
how the world is changing. Now, why doesn't this take place?
215
887000
4000
характером изменений в мире.
Почему же этого не происходит?
Почему же этого не происходит?
15:16
Why are we not using the data we have? We have data in the United Nations,
216
891000
4000
Почему мы не используем имеющиеся
данные? Есть статистика ООН,
данные? Есть статистика ООН,
15:20
in the national statistical agencies
217
895000
2000
национальных статистических органов,
15:22
and in universities and other non-governmental organizations.
218
897000
4000
университетов и прочих
неправительственных организаций.
неправительственных организаций.
15:26
Because the data is hidden down in the databases.
219
901000
2000
Потому что сведения
похоронены в базах данных.
похоронены в базах данных.
15:28
And the public is there, and the Internet is there, but we have still not used it effectively.
220
903000
5000
Есть свобода информации, есть Интернет,
но мы не используем его эффективно.
но мы не используем его эффективно.
15:33
All that information we saw changing in the world
221
908000
3000
Вся эта информация об изменениях в мире
15:36
does not include publicly-funded statistics. There are some web pages
222
911000
4000
не включает данные государственной статистики.
Есть интернет-страницы
Есть интернет-страницы
15:40
like this, you know, but they take some nourishment down from the databases,
223
915000
6000
такого плана, но ведь они
подпитываются из баз данных.
подпитываются из баз данных.
15:46
but people put prices on them, stupid passwords and boring statistics.
224
921000
5000
Однако на них устанавливают цены,
вводят глупые пароли и скучную статистику.
вводят глупые пароли и скучную статистику.
15:51
(Laughter) (Applause)
225
926000
3000
(Смех) (Аплодисменты)
15:54
And this won't work. So what is needed? We have the databases.
226
929000
4000
Так дело не пойдет.
Что же необходимо? Базы данных есть.
Что же необходимо? Базы данных есть.
15:58
It's not the new database you need. We have wonderful design tools,
227
933000
4000
Нужны не новые базы данных.
Есть замечательные средства проектирования,
Есть замечательные средства проектирования,
16:02
and more and more are added up here. So we started
228
937000
3000
разрабатываются все новые.
Поэтому мы создали некоммерческое
Поэтому мы создали некоммерческое
16:05
a nonprofit venture which we called -- linking data to design --
229
940000
5000
венчурное предприятие — объединили
данные и графики — и назвали его
данные и графики — и назвали его
16:10
we call it Gapminder, from the London underground, where they warn you,
230
945000
3000
Gapminder, обыграв фразу-предупреждение
из лондонского метро:
из лондонского метро:
16:13
"mind the gap." So we thought Gapminder was appropriate.
231
948000
3000
Mind the gap («Осторожно! Зазор»).
Мы подумали, Gapminder подойдет.
Мы подумали, Gapminder подойдет.
16:16
And we started to write software which could link the data like this.
232
951000
4000
Мы занялись созданием ПО, которое
могло бы связывать данные подобного рода.
могло бы связывать данные подобного рода.
16:20
And it wasn't that difficult. It took some person years, and we have produced animations.
233
955000
6000
Было не так уж сложно. Это заняло
несколько человеко-лет, и программа ожила.
несколько человеко-лет, и программа ожила.
16:26
You can take a data set and put it there.
234
961000
2000
Можно взять данные за ряд лет
и ввести их в программу.
и ввести их в программу.
16:28
We are liberating U.N. data, some few U.N. organization.
235
963000
5000
Мы берем данные ООН,
нескольких организаций системы ООН.
нескольких организаций системы ООН.
16:33
Some countries accept that their databases can go out on the world,
236
968000
4000
Некоторые страны соглашаются, чтобы
их базы данных свободно публиковались,
их базы данных свободно публиковались,
16:37
but what we really need is, of course, a search function.
237
972000
3000
но нам, конечно,
очень нужна функция поиска.
очень нужна функция поиска.
16:40
A search function where we can copy the data up to a searchable format
238
975000
5000
Функция, благодаря которой можно
скопировать данные в нужном формате
скопировать данные в нужном формате
16:45
and get it out in the world. And what do we hear when we go around?
239
980000
3000
и сделать их доступными.
И что же нам говорят?
И что же нам говорят?
16:48
I've done anthropology on the main statistical units. Everyone says,
240
983000
4000
Я пообивал пороги в основных
статистических органах. Все говорят:
статистических органах. Все говорят:
16:53
"It's impossible. This can't be done. Our information is so peculiar
241
988000
4000
«Это невозможно. Нельзя этого сделать.
Наша подробная информация настолько
Наша подробная информация настолько
16:57
in detail, so that cannot be searched as others can be searched.
242
992000
3000
специфична, что ее нельзя
помещать в поисковые системы.
помещать в поисковые системы.
17:00
We cannot give the data free to the students, free to the entrepreneurs of the world."
243
995000
5000
Нельзя свободно предоставлять такие данные
студентам, предпринимателям во всем мире».
студентам, предпринимателям во всем мире».
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Но ведь как раз это
нам и нужно, не так ли?
нам и нужно, не так ли?
17:08
The publicly-funded data is down here.
245
1003000
3000
Государственная статистика.
17:11
And we would like flowers to grow out on the Net.
246
1006000
3000
И мы хотим, чтобы информация
в Интернете ожила.
в Интернете ожила.
17:14
And one of the crucial points is to make them searchable, and then people can use
247
1009000
5000
Важно сделать эти данные доступными,
и люди смогут использовать
и люди смогут использовать
17:19
the different design tool to animate it there.
248
1014000
2000
новое средство проектирования
для анимации данных.
для анимации данных.
17:21
And I have a pretty good news for you. I have a good news that the present,
249
1016000
5000
И у меня есть неплохие новости:
нынешний, вновь избранный глава
нынешний, вновь избранный глава
17:26
new Head of U.N. Statistics, he doesn't say it's impossible.
250
1021000
4000
отдела статистики ООН
не говорит, что это невозможно.
не говорит, что это невозможно.
17:30
He only says, "We can't do it."
251
1025000
2000
Он просто говорит:
«Мы не можем этого сделать».
«Мы не можем этого сделать».
17:32
(Laughter)
252
1027000
4000
(Смех)
17:36
And that's a quite clever guy, huh?
253
1031000
2000
Правда, умник?
17:38
(Laughter)
254
1033000
2000
(Смех)
17:40
So we can see a lot happening in data in the coming years.
255
1035000
4000
Так что в ближайшие годы
многое изменится в области статистики.
многое изменится в области статистики.
17:44
We will be able to look at income distributions in completely new ways.
256
1039000
4000
Мы сможем по-новому посмотреть
на распределение дохода.
на распределение дохода.
17:48
This is the income distribution of China, 1970.
257
1043000
5000
Это распределение дохода
в Китае в 1970 году.
в Китае в 1970 году.
17:54
the income distribution of the United States, 1970.
258
1049000
5000
Распределение дохода
в США в 1970 году.
в США в 1970 году.
17:59
Almost no overlap. Almost no overlap. And what has happened?
259
1054000
4000
Почти не пересекаются.
Почти не пересекаются. Что же случилось?
Почти не пересекаются. Что же случилось?
18:03
What has happened is this: that China is growing, it's not so equal any longer,
260
1058000
5000
Вот что: в Китае экономический рост,
больше нет прежнего равенства,
больше нет прежнего равенства,
18:08
and it's appearing here, overlooking the United States.
261
1063000
4000
и страна переместилась сюда, выше США.
18:12
Almost like a ghost, isn't it, huh?
262
1067000
2000
Совсем как привидение, да?
18:14
(Laughter)
263
1069000
2000
(Смех)
18:16
It's pretty scary. But I think it's very important to have all this information.
264
1071000
10000
Страшновато. Но, думаю,
это важная информация.
это важная информация.
18:26
We need really to see it. And instead of looking at this,
265
1081000
6000
Нужно ее увидеть собственными глазами.
Вместо того чтобы смотреть на это,
Вместо того чтобы смотреть на это,
18:32
I would like to end up by showing the Internet users per 1,000.
266
1087000
5000
я хотел бы, в конечном счете, показать это
тысячам пользователей Интернет.
тысячам пользователей Интернет.
18:37
In this software, we access about 500 variables from all the countries quite easily.
267
1092000
5000
Наше ПО дает простой доступ к примерно
500 переменным по всем странам.
500 переменным по всем странам.
18:42
It takes some time to change for this,
268
1097000
4000
Нужно некоторое время,
чтобы внести изменения,
чтобы внести изменения,
18:46
but on the axises, you can quite easily get any variable you would like to have.
269
1101000
5000
но на осях легко можно отобразить
любую нужную переменную.
любую нужную переменную.
18:51
And the thing would be to get up the databases free,
270
1106000
5000
Нужно предоставить свободный
доступ к базам данных,
доступ к базам данных,
18:56
to get them searchable, and with a second click, to get them
271
1111000
3000
обеспечить поисковую функцию, чтобы
по второму щелчку мыши можно было
по второму щелчку мыши можно было
18:59
into the graphic formats, where you can instantly understand them.
272
1114000
5000
отображать данные графически
и мгновенно представлять их себе.
и мгновенно представлять их себе.
19:04
Now, statisticians doesn't like it, because they say that this
273
1119000
3000
Статистикам это не нравится.
По их мнению, это не отражает
По их мнению, это не отражает
19:07
will not show the reality; we have to have statistical, analytical methods.
274
1122000
9000
реальную картину, нужны статистические,
аналитические методы.
аналитические методы.
19:16
But this is hypothesis-generating.
275
1131000
3000
Но это гипотетические рассуждения.
19:19
I end now with the world. There, the Internet is coming.
276
1134000
4000
В завершение доклада о мировых тенденциях
приведу статистику об использовании Интернета.
приведу статистику об использовании Интернета.
19:23
The number of Internet users are going up like this. This is the GDP per capita.
277
1138000
4000
Число интернет-пользователей растет
таким образом. Это ВВП на душу населения.
таким образом. Это ВВП на душу населения.
19:27
And it's a new technology coming in, but then amazingly, how well
278
1142000
5000
Это новая технология,
но она удивительно хорошо
но она удивительно хорошо
19:32
it fits to the economy of the countries. That's why the 100 dollar
279
1147000
5000
вписывается в экономику стран.
Вот почему компьютер
Вот почему компьютер
19:37
computer will be so important. But it's a nice tendency.
280
1152000
3000
за 100 долларов будет столь важен.
Это положительная тенденция.
Это положительная тенденция.
19:40
It's as if the world is flattening off, isn't it? These countries
281
1155000
3000
Как будто мир выравнивается,
не так ли? Эти страны
не так ли? Эти страны
19:43
are lifting more than the economy and will be very interesting
282
1158000
3000
наращивают больше, чем экономику,
и будет чрезвычайно интересно
и будет чрезвычайно интересно
19:46
to follow this over the year, as I would like you to be able to do
283
1161000
4000
наблюдать за этим в течение года.
Желаю вам иметь возможность сделать это
Желаю вам иметь возможность сделать это
19:50
with all the publicly funded data. Thank you very much.
284
1165000
2000
благодаря государственной статистике.
Благодарю вас!
Благодарю вас!
19:53
(Applause)
285
1168000
3000
(Аплодисменты)
ABOUT THE SPEAKER
Hans Rosling - Global health expert; data visionaryIn Hans Rosling’s hands, data sings. Global trends in health and economics come to vivid life. And the big picture of global development—with some surprisingly good news—snaps into sharp focus.
Why you should listen
Even the most worldly and well-traveled among us have had their perspectives shifted by Hans Rosling. A professor of global health at Sweden's Karolinska Institute, his work focused on dispelling common myths about the so-called developing world, which (as he pointed out) is no longer worlds away from the West. In fact, most of the Third World is on the same trajectory toward health and prosperity, and many countries are moving twice as fast as the west did.
What set Rosling apart wasn't just his apt observations of broad social and economic trends, but the stunning way he presented them. Guaranteed: You've never seen data presented like this. A presentation that tracks global health and poverty trends should be, in a word: boring. But in Rosling's hands, data sings. Trends come to life. And the big picture — usually hazy at best — snaps into sharp focus.
Rosling's presentations were grounded in solid statistics (often drawn from United Nations and World Bank data), illustrated by the visualization software he developed. The animations transform development statistics into moving bubbles and flowing curves that make global trends clear, intuitive and even playful. During his legendary presentations, Rosling took this one step farther, narrating the animations with a sportscaster's flair.
Rosling developed the breakthrough software behind his visualizations through his nonprofit Gapminder, founded with his son and daughter-in-law. The free software — which can be loaded with any data — was purchased by Google in March 2007. (Rosling met the Google founders at TED.)
Rosling began his wide-ranging career as a physician, spending many years in rural Africa tracking a rare paralytic disease (which he named konzo) and discovering its cause: hunger and badly processed cassava. He co-founded Médecins sans Frontièrs (Doctors without Borders) Sweden, wrote a textbook on global health, and as a professor at the Karolinska Institut in Stockholm initiated key international research collaborations. He's also personally argued with many heads of state, including Fidel Castro.
Hans Rosling passed away in February 2017. He is greatly missed.
Hans Rosling | Speaker | TED.com