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: Hans Rosling nos muestra las mejores estadísticas que hayamos visto

Filmed:
14,386,844 views

Una manera única de presentar datos. Con la energía y la celeridad de un narrador deportivo, el gurú de las estadísticas Han Rosling derriba mitos sobre los denominados "países en vías de desarrollo".
- 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 yearsaños agohace, I tooktomó on the tasktarea to teachenseñar globalglobal developmentdesarrollo
0
0
4000
Hace unos 10 años, emprendí la tarea de enseñar desarrollo global
00:29
to Swedishsueco undergraduatede licenciatura studentsestudiantes. That was after havingteniendo spentgastado
1
4000
4000
a estudiantes universitarios suecos. Fue después de haber pasado
00:33
about 20 yearsaños togetherjuntos with Africanafricano institutionsinstituciones studyingestudiando hungerhambre in AfricaÁfrica,
2
8000
4000
unos 20 años estudiando las hambrunas en África con instituciones africanas,
00:37
so I was sortordenar of expectedesperado to know a little about the worldmundo.
3
12000
4000
por lo que se esperaba que yo supiera algo sobre el mundo.
00:41
And I startedempezado in our medicalmédico universityUniversidad, KarolinskaKarolinska InstituteInstituto,
4
16000
5000
En nuestra Universidad de Medicina, el Instituto Karolinska,
00:46
an undergraduatede licenciatura coursecurso calledllamado GlobalGlobal HealthSalud. But when you get
5
21000
4000
di origen a un curso universitario llamado Salud Global. Pero cuando uno tiene
00:50
that opportunityoportunidad, you get a little nervousnervioso. I thought, these studentsestudiantes
6
25000
3000
una oportunidad así, se pone un poco nervioso. Pensé: estos estudiantes
00:53
comingviniendo to us actuallyactualmente have the highestmás alto gradegrado you can get
7
28000
3000
que vienen a aprender con nosotros tienen el nivel más alto que se puede
00:56
in Swedishsueco collegeUniversidad systemssistemas -- so, I thought, maybe they know everything
8
31000
3000
obtener en los sistemas universitarios suecos... pueden saber todo
00:59
I'm going to teachenseñar them about. So I did a pre-testprueba previa when they camevino.
9
34000
4000
lo que enseñaré. Por eso preparé una evaluación previa para cuando llegaran
01:03
And one of the questionspreguntas from whichcual I learnedaprendido a lot was this one:
10
38000
3000
Una de las preguntas de la cual aprendí mucho fue esta:
01:06
"WhichCual countrypaís has the highestmás alto childniño mortalitymortalidad of these fivecinco pairspares?"
11
41000
4000
"¿Qué país tiene el mayor índice de mortalidad infantil de estos cinco pares?"
01:10
And I put them togetherjuntos, so that in eachcada pairpar of countrypaís,
12
45000
4000
Agrupé los países de manera tal de que en cada par
01:14
one has twicedos veces the childniño mortalitymortalidad of the other. And this meansmedio that
13
49000
5000
uno de los países tuviera el doble de mortalidad infantil que el otro. Y esto implica que
01:19
it's much biggermás grande a differencediferencia than the uncertaintyincertidumbre of the datadatos.
14
54000
5000
la diferencia es mucho mayor que la incertidumbre de los datos.
01:24
I won'tcostumbre put you at a testprueba here, but it's TurkeyTurquía,
15
59000
2000
No los evaluaré ahora, pero la respuesta es Turquía,
01:26
whichcual is highestmás alto there, PolandPolonia, RussiaRusia, PakistanPakistán and SouthSur AfricaÁfrica.
16
61000
5000
con el índice más alto, Polonia, Rusia, Paquistán y Sudáfrica.
01:31
And these were the resultsresultados of the Swedishsueco studentsestudiantes. I did it so I got
17
66000
3000
Y estos fueron los resultados de los estudiantes suecos. Lo hice para obtener
01:34
the confidenceconfianza intervalintervalo, whichcual is prettybonita narrowestrecho, and I got happycontento,
18
69000
3000
el intervalo de confianza, que resultó bastante limitado, y me sentí feliz,
01:37
of coursecurso: a 1.8 right answerresponder out of fivecinco possibleposible. That meansmedio that
19
72000
4000
sin duda: un 1,8 de respuestas correctas en 5 posibles. Esto significa que
01:41
there was a placelugar for a professorprofesor of internationalinternacional healthsalud --
20
76000
3000
había lugar para un profesor de salud internacional...
01:44
(LaughterRisa) and for my coursecurso.
21
79000
2000
(Risas) y para mi curso.
01:46
But one latetarde night, when I was compilingcompilando the reportinforme
22
81000
4000
Pero una noche, mientras recopilaba datos para un informe
01:50
I really realizeddio cuenta my discoverydescubrimiento. I have shownmostrado
23
85000
4000
realmente tomé conciencia de mi descubrimiento. He demostrado
01:54
that Swedishsueco topparte superior studentsestudiantes know statisticallyestadísticamente significantlysignificativamente lessMenos
24
89000
5000
que, estadísticamente, los estudiantes suecos de primer nivel tienen un conocimiento
01:59
about the worldmundo than the chimpanzeeschimpancés.
25
94000
2000
del mundo significativamente más bajo que los chimpancés.
02:01
(LaughterRisa)
26
96000
2000
(Risas).
02:03
Because the chimpanzeechimpancé would scorePuntuación halfmitad right if I gavedio them
27
98000
4000
Porque un chimpancé lograría la mitad del puntaje correcto si le diera
02:07
two bananasplátanos with SriSri LankaLanka and TurkeyTurquía. They would be right halfmitad of the casescasos.
28
102000
3000
dos bananas con Sri Lanka y Turquía. Estarían en lo correcto la mitad de las veces.
02:10
But the studentsestudiantes are not there. The problemproblema for me was not ignoranceignorancia;
29
105000
4000
Pero los estudiantes no logran ese resultado. Para mí el problema no fue la ignorancia:
02:14
it was preconceivedpreconcebido ideasideas.
30
109000
3000
sino las ideas preconcebidas.
02:17
I did alsoademás an unethicalpoco ético studyestudiar of the professorsprofesores of the KarolinskaKarolinska InstituteInstituto
31
112000
4000
También realicé un estudio no muy ético de los profesores del Instituto Karolinska
02:21
(LaughterRisa)
32
116000
1000
(Risas).
02:22
-- that handsmanos out the NobelNobel PrizePremio in MedicineMedicina,
33
117000
2000
...el mismo que entrega el Premio Nobel de Medicina...
02:24
and they are on parpar with the chimpanzeechimpancé there.
34
119000
2000
y están al mismo nivel que los chimpancés en este tema.
02:26
(LaughterRisa)
35
121000
3000
(Risas).
02:29
This is where I realizeddio cuenta that there was really a need to communicatecomunicar,
36
124000
4000
Fue ahí cuando me di cuenta de que existía una necesidad real de comunicar
02:33
because the datadatos of what's happeningsucediendo in the worldmundo
37
128000
3000
porque los datos de lo que está sucediendo en el mundo
02:36
and the childniño healthsalud of everycada countrypaís is very well awareconsciente.
38
131000
3000
y la salud infantil en cada país se conocen bien.
02:39
We did this softwaresoftware whichcual displaysmuestra it like this: everycada bubbleburbuja here is a countrypaís.
39
134000
5000
Diseñamos este software que se visualiza así: cada burbuja es un país.
02:44
This countrypaís over here is ChinaChina. This is IndiaIndia.
40
139000
6000
Este país que ven aquí es China. Este es India.
02:50
The sizetamaño of the bubbleburbuja is the populationpoblación, and on this axiseje here I put fertilityFertilidad ratetarifa.
41
145000
6000
El tamaño de la burbuja representa la población, y en este eje pongo la tasa de fertilidad.
02:56
Because my studentsestudiantes, what they said
42
151000
3000
Porque lo que respondían mis estudiantes
02:59
when they lookedmirado uponsobre the worldmundo, and I askedpreguntó them,
43
154000
2000
cuando analizaban el mundo, y les pregunté:
03:01
"What do you really think about the worldmundo?"
44
156000
2000
"¿Qué piensan realmente del mundo?"
03:03
Well, I first discovereddescubierto that the textbooklibro de texto was TintinTintín, mainlyprincipalmente.
45
158000
4000
Bueno, lo primero que descubrí es que su principal libro de referencia era Tintin.
03:07
(LaughterRisa)
46
162000
1000
(Risas)
03:08
And they said, "The worldmundo is still 'we''nosotros' and 'them'ellos.'
47
163000
3000
Y respondieron que el mundo sigue siendo `nosotros´ y `ellos´.
03:11
And we is Westernoccidental worldmundo and them is ThirdTercero WorldMundo."
48
166000
3000
Y nosotros significa el Mundo Occidental y ellos el Tercer Mundo"
03:14
"And what do you mean with Westernoccidental worldmundo?" I said.
49
169000
3000
Les pregunté qué era para ellos el mundo occidental
03:17
"Well, that's long life and smallpequeña familyfamilia, and ThirdTercero WorldMundo is shortcorto life and largegrande familyfamilia."
50
172000
5000
"Bueno, larga vida y familia pequeña, y el Tercer Mundo es corta vida y familia numerosa"
03:22
So this is what I could displaymonitor here. I put fertilityFertilidad ratetarifa here: numbernúmero of childrenniños perpor womanmujer:
51
177000
6000
Eso es lo que puedo mostrar aquí. Pongo la tasa de fertilidad aquí: la cantidad de hijos por mujer,
03:28
one, two, threeTres, fourlas cuatro, up to about eightocho childrenniños perpor womanmujer.
52
183000
4000
uno, dos, tres, cuatro, hasta ocho por mujer.
03:32
We have very good datadatos sinceya que 1962 -- 1960 about -- on the sizetamaño of familiesfamilias in all countriespaíses.
53
187000
6000
Tenemos buenos datos desde 1960-1962 sobre el tamaño familiar en todos los países.
03:38
The errorerror marginmargen is narrowestrecho. Here I put life expectancyexpectativa at birthnacimiento,
54
193000
3000
El margen de error es pequeño. Aquí pongo la expectativa de vida al nacer,
03:41
from 30 yearsaños in some countriespaíses up to about 70 yearsaños.
55
196000
4000
que va de 30 años en algunos países a más de 70.
03:45
And 1962, there was really a groupgrupo of countriespaíses here
56
200000
3000
Y en 1962, realmente había una cantidad de países aquí.
03:48
that was industrializedindustrializado countriespaíses, and they had smallpequeña familiesfamilias and long livesvive.
57
203000
5000
Países industrializados que tenían familias pequeñas y largas vidas.
03:53
And these were the developingdesarrollando countriespaíses:
58
208000
2000
Y estos eran los países en desarrollo:
03:55
they had largegrande familiesfamilias and they had relativelyrelativamente shortcorto livesvive.
59
210000
3000
tenían familias numerosas y vidas relativamente cortas.
03:58
Now what has happenedsucedió sinceya que 1962? We want to see the changecambio.
60
213000
4000
Ahora, ¿qué sucedió desde 1962? Queremos ver el cambio.
04:02
Are the studentsestudiantes right? Is it still two typestipos of countriespaíses?
61
217000
3000
¿Los estudiantes están en lo cierto? ¿Todavía existen dos tipos de países?
04:06
Or have these developingdesarrollando countriespaíses got smallermenor familiesfamilias and they livevivir here?
62
221000
3000
¿O estos países en desarrollo han optado por familias más pequeñas y viven aquí?
04:09
Or have they got longermás livesvive and livevivir up there?
63
224000
2000
¿O tienen mayor expectativa de vida y viven hasta aquí?
04:11
Let's see. We stoppeddetenido the worldmundo then. This is all U.N. statisticsestadística
64
226000
3000
Veamos. Detuvimos el mundo en este punto. Todas estas estadísticas son de la ONU.
04:14
that have been availabledisponible. Here we go. Can you see there?
65
229000
3000
Aquí vamos. ¿Pueden ver allí?
04:17
It's ChinaChina there, movingemocionante againsten contra better healthsalud there, improvingmejorando there.
66
232000
3000
Es China, que se aleja de la mejor salud allí, pero mejora allá.
04:20
All the greenverde Latinlatín Americanamericano countriespaíses are movingemocionante towardshacia smallermenor familiesfamilias.
67
235000
3000
Todos los países en verde de América Latina tienden a constituir familias más pequeñas.
04:23
Your yellowamarillo onesunos here are the ArabicArábica countriespaíses,
68
238000
3000
Los amarillos que ven aquí son los países árabes,
04:26
and they get largermás grande familiesfamilias, but they -- no, longermás life, but not largermás grande familiesfamilias.
69
241000
4000
con familias más grandes, pero ellos ---no, vidas más largas, pero no familias más grandes.
04:30
The AfricansAfricanos are the greenverde down here. They still remainpermanecer here.
70
245000
3000
Los africanos son los verdes de aquí abajo. Siguen estando aquí.
04:33
This is IndiaIndia. Indonesia'sIndonesia movingemocionante on prettybonita fastrápido.
71
248000
3000
Esta es India. Indonesia se mueve bastante rápido.
04:36
(LaughterRisa)
72
251000
1000
(Risas)
04:37
And in the '80s here, you have BangladeshBangladesh still amongentre the Africanafricano countriespaíses there.
73
252000
3000
Y en la década del 80 está Bangladesh aún entre los países africanos.
04:40
But now, BangladeshBangladesh -- it's a miraclemilagro that happenssucede in the '80s:
74
255000
3000
Pero Bangladesh es un milagro de los 80:
04:43
the imamsimanes startcomienzo to promotepromover familyfamilia planningplanificación.
75
258000
3000
los imanes empiezan a promover la planificación familiar.
04:46
They movemovimiento up into that corneresquina. And in '90s, we have the terribleterrible HIVVIH epidemicepidemia
76
261000
5000
Se desplazan hacia aquel extremo. Y en los 90, tenemos la terrible epidemia del VIH
04:51
that takes down the life expectancyexpectativa of the Africanafricano countriespaíses
77
266000
3000
que reduce la expectativa de vida en los países africanos.
04:54
and all the restdescanso of them movemovimiento up into the corneresquina,
78
269000
4000
Y todo el resto se mueve hacia arriba, a la esquina,
04:58
where we have long livesvive and smallpequeña familyfamilia, and we have a completelycompletamente newnuevo worldmundo.
79
273000
4000
donde tenemos muchos años de vida y familias pequeñas y un mundo completamente nuevo.
05:02
(ApplauseAplausos)
80
277000
13000
(Aplausos).
05:15
Let me make a comparisoncomparación directlydirectamente betweenEntre the UnitedUnido StatesEstados of AmericaAmerica and VietnamVietnam.
81
290000
5000
Permítanme hacer una comparación directamente entre Estados Unidos de América y Vietnam.
05:20
1964: AmericaAmerica had smallpequeña familiesfamilias and long life;
82
295000
5000
1964: Estados Unidos tenía familias pequeñas y larga expectativa de vida.
05:25
VietnamVietnam had largegrande familiesfamilias and shortcorto livesvive. And this is what happenssucede:
83
300000
4000
Vietnam tenía familias numerosas y poca expectativa de vida. Y sucedió lo siguiente:
05:29
the datadatos duringdurante the warguerra indicateindicar that even with all the deathmuerte,
84
304000
6000
los datos durante la guerra indican que aun con todas las muertes,
05:35
there was an improvementmejora of life expectancyexpectativa. By the endfin of the yearaño,
85
310000
3000
hubo una mejora en la expectativa de vida. Hacia finales del año,
05:38
the familyfamilia planningplanificación startedempezado in VietnamVietnam and they wentfuimos for smallermenor familiesfamilias.
86
313000
3000
se inició la planificación familiar en Vietnam y surgieron las familias más pequeñas.
05:41
And the UnitedUnido StatesEstados up there is gettingconsiguiendo for longermás life,
87
316000
3000
Y Estados Unidos allá arriba está logrando una vida más larga,
05:44
keepingacuerdo familyfamilia sizetamaño. And in the '80s now,
88
319000
3000
manteniendo el mismo tamaño familiar. Y en los 80,
05:47
they give up communistcomunista planningplanificación and they go for marketmercado economyeconomía,
89
322000
3000
abandonaron la planificación comunista y adoptaron la economía de mercado,
05:50
and it movesmovimientos fasterMás rápido even than socialsocial life. And todayhoy, we have
90
325000
4000
y se mueve aún más rápido que la vida social. Y hoy, tenemos
05:54
in VietnamVietnam the samemismo life expectancyexpectativa and the samemismo familyfamilia sizetamaño
91
329000
5000
en Vietnam la misma expectativa de vida y el mismo tamaño de familias,
05:59
here in VietnamVietnam, 2003, as in UnitedUnido StatesEstados, 1974, by the endfin of the warguerra.
92
334000
7000
aquí en Vietnam, en 2003, que en Estados Unidos, en 1974, hacia el fin de la guerra.
06:06
I think we all -- if we don't look in the datadatos --
93
341000
4000
Creo que todos... al no observar los datos...
06:10
we underestimatesubestimar the tremendoustremendo changecambio in AsiaAsia, whichcual was
94
345000
4000
desestimamos el tremendo cambio producido en Asia, donde
06:14
in socialsocial changecambio before we saw the economicaleconómico changecambio.
95
349000
4000
ya se estaba produciendo un cambio social antes de que viéramos el cambio económico.
06:18
Let's movemovimiento over to anotherotro way here in whichcual we could displaymonitor
96
353000
5000
Vayamos a otro modo en el que podríamos demostrar
06:23
the distributiondistribución in the worldmundo of the incomeingresos. This is the worldmundo distributiondistribución of incomeingresos of people.
97
358000
7000
la distribución de ingresos en el mundo. Esta es la distribución mundial de ingresos de las personas.
06:30
One dollardólar, 10 dollarsdólares or 100 dollarsdólares perpor day.
98
365000
5000
Un dólar, 10 dólares o 100 dólares por día.
06:35
There's no gapbrecha betweenEntre richRico and poorpobre any longermás. This is a mythmito.
99
370000
4000
Ya no existe la brecha entre los ricos y pobres. Es un mito.
06:39
There's a little humpjoroba here. But there are people all the way.
100
374000
4000
Aquí hay una pequeña protuberancia. Pero hay personas en toda la extensión.
06:44
And if we look where the incomeingresos endstermina up -- the incomeingresos --
101
379000
4000
Y si vemos dónde termina el ingreso, este
06:48
this is 100 percentpor ciento the world'smundo annualanual incomeingresos. And the richestmás rico 20 percentpor ciento,
102
383000
6000
es 100% el ingreso anual del mundo. Y el 20% más rico,
06:54
they take out of that about 74 percentpor ciento. And the poorestel más pobre 20 percentpor ciento,
103
389000
7000
ellos representan aproximadamente 74%. Y el 20% más pobre,
07:01
they take about two percentpor ciento. And this showsmuestra that the conceptconcepto
104
396000
5000
ellos representan aproximadamente el 2%. Y esto demuestra que el concepto
07:06
of developingdesarrollando countriespaíses is extremelyextremadamente doubtfuldudoso. We think about aidayuda, like
105
401000
4000
de países en desarrollo es sumamente dudoso. Concebimos a la ayuda como
07:10
these people here givingdando aidayuda to these people here. But in the middlemedio,
106
405000
5000
"esta gente de aquí brinda ayuda a esta gente de aquí". Pero en el medio,
07:15
we have mostmás the worldmundo populationpoblación, and they have now 24 percentpor ciento of the incomeingresos.
107
410000
4000
tenemos a la mayor parte de la población mundial, y ellos tienen ahora 24% del ingreso.
07:19
We heardoído it in other formsformularios. And who are these?
108
414000
4000
Lo escuchamos en otras formas. Y ¿quiénes son ellos?
07:23
Where are the differentdiferente countriespaíses? I can showespectáculo you AfricaÁfrica.
109
418000
4000
¿Cuáles son los países diferentes? Les puedo mostrar África.
07:27
This is AfricaÁfrica. 10 percentpor ciento the worldmundo populationpoblación, mostmás in povertypobreza.
110
422000
5000
Esto es África. El 10% de la población mundial, la mayoría en condiciones de pobreza.
07:32
This is OECDOCDE. The richRico countrypaís. The countrypaís clubclub of the U.N.
111
427000
5000
Esto es la OCDE. El país rico. El club privado de la ONU.
07:37
And they are over here on this sidelado. QuiteBastante an overlapsuperposición betweenEntre AfricaÁfrica and OECDOCDE.
112
432000
5000
Y están aquí, de este lado. Bastante superposición entre África y la OCDE.
07:42
And this is Latinlatín AmericaAmerica. It has everything on this EarthTierra,
113
437000
3000
Y esto es América Latina. Tiene todo lo que hay en este mundo,
07:45
from the poorestel más pobre to the richestmás rico, in Latinlatín AmericaAmerica.
114
440000
3000
desde los más pobres a los más ricos están en América Latina.
07:48
And on topparte superior of that, we can put EastEste EuropeEuropa, we can put EastEste AsiaAsia,
115
443000
5000
Y además de eso, podemos poner a Europa del Este, Asia del Este,
07:53
and we put SouthSur AsiaAsia. And how did it look like if we go back in time,
116
448000
5000
y Asia del Sur. Y ¿cómo se veía, si volvemos el tiempo atrás,
07:58
to about 1970? Then there was more of a humpjoroba.
117
453000
5000
a aproximadamente 1970? Había más protuberancia.
08:03
And we have mostmás who livedvivió in absoluteabsoluto povertypobreza were AsiansAsiáticos.
118
458000
4000
Y tenemos que la mayoría de los que vivían en pobreza extrema eran asiáticos.
08:07
The problemproblema in the worldmundo was the povertypobreza in AsiaAsia. And if I now let the worldmundo movemovimiento forwardadelante,
119
462000
7000
El problema en el mundo era la pobreza en Asia. Ahora si dejamos que el mundo avance,
08:14
you will see that while populationpoblación increaseincrementar, there are
120
469000
3000
verán que si bien aumenta la población, hay
08:17
hundredscientos of millionsmillones in AsiaAsia gettingconsiguiendo out of povertypobreza and some othersotros
121
472000
3000
cientos de millones en Asia que están saliendo de la pobreza y algunos otros
08:20
gettingconsiguiendo into povertypobreza, and this is the patternpatrón we have todayhoy.
122
475000
3000
están entrando a la pobreza y este es el mismo patrón que tenemos hoy.
08:23
And the bestmejor projectionproyección from the WorldMundo BankBanco is that this will happenocurrir,
123
478000
4000
Y la mejor proyección del Banco Mundial es que esto seguirá sucediendo,
08:27
and we will not have a divideddividido worldmundo. We'llBien have mostmás people in the middlemedio.
124
482000
4000
y no tendremos un mundo dividido. Tendremos a la mayor parte de las personas en el medio.
08:31
Of coursecurso it's a logarithmiclogarítmico scaleescala here,
125
486000
2000
Por supuesto que esta es una escala logarítmica,
08:33
but our conceptconcepto of economyeconomía is growthcrecimiento with percentpor ciento. We look uponsobre it
126
488000
5000
pero nuestro concepto de economía es crecimiento con porcentaje. La consideramos
08:38
as a possibilityposibilidad of percentilepercentil increaseincrementar. If I changecambio this, and I take
127
493000
6000
como una posibilidad de incremento del percentil. Si cambio esto, y tomo el
08:44
GDPPIB perpor capitacapita insteaden lugar of familyfamilia incomeingresos, and I turngiro these
128
499000
4000
PIB per cápita en vez del ingreso familiar, y transformo estos
08:48
individualindividual datadatos into regionalregional datadatos of grossbruto domesticnacional productproducto,
129
503000
6000
datos individuales en datos regionales del producto bruto interno,
08:54
and I take the regionsregiones down here, the sizetamaño of the bubbleburbuja is still the populationpoblación.
130
509000
4000
y tomo las regiones que están aquí, el tamaño de la burbuja sigue siendo la población.
08:58
And you have the OECDOCDE there, and you have sub-Saharansubsahariana AfricaÁfrica there,
131
513000
3000
Y allí tienen a la OCDE, a África Subsahariana allá,
09:01
and we take off the Arabárabe statesestados there,
132
516000
3000
y sacamos los estados árabes de allí,
09:04
comingviniendo bothambos from AfricaÁfrica and from AsiaAsia, and we put them separatelypor separado,
133
519000
4000
los que vienen de África y Asia, y los separamos,
09:08
and we can expandexpandir this axiseje, and I can give it a newnuevo dimensiondimensión here,
134
523000
5000
y podemos ampliar el eje, y puedo darle una nueva dimensión allí,
09:13
by addingagregando the socialsocial valuesvalores there, childniño survivalsupervivencia.
135
528000
3000
al agregar valores sociales allí, como la supervivencia infantil.
09:16
Now I have moneydinero on that axiseje, and I have the possibilityposibilidad of childrenniños to survivesobrevivir there.
136
531000
5000
Ahora tengo en aquel eje el dinero y la posibilidad de supervivencia infantil.
09:21
In some countriespaíses, 99.7 percentpor ciento of childrenniños survivesobrevivir to fivecinco yearsaños of ageaños;
137
536000
4000
En algunos países, 99,7% de los niños sobreviven hasta los cinco años;
09:25
othersotros, only 70. And here it seemsparece there is a gapbrecha
138
540000
4000
en otros, sólo el 70%. Y parece que aquí se abre una brecha
09:29
betweenEntre OECDOCDE, Latinlatín AmericaAmerica, EastEste EuropeEuropa, EastEste AsiaAsia,
139
544000
4000
entre la OCDE, América Latina, Europa del Este, Asia del Este,
09:33
Arabárabe statesestados, SouthSur AsiaAsia and sub-Saharansubsahariana AfricaÁfrica.
140
548000
4000
los estados árabes, Asia del Sur y África Subsahariana.
09:37
The linearitylinealidad is very strongfuerte betweenEntre childniño survivalsupervivencia and moneydinero.
141
552000
5000
La linealidad entre supervivencia infantil y dinero es muy sólida.
09:42
But let me splitdivisión sub-Saharansubsahariana AfricaÁfrica. HealthSalud is there and better healthsalud is up there.
142
557000
8000
Pero permítanme dividir a los países de África Subsahariana.
09:50
I can go here and I can splitdivisión sub-Saharansubsahariana AfricaÁfrica into its countriespaíses.
143
565000
5000
Puedo irme aquí y dividir a África Subsahariana en sus países.
09:55
And when it burstráfaga, the sizetamaño of its countrypaís bubbleburbuja is the sizetamaño of the populationpoblación.
144
570000
5000
Y cuando explota, el tamaño de la burbuja de su país es el tamaño de la población.
10:00
SierraSierra LeoneLeone down there. MauritiusMauricio is up there. MauritiusMauricio was the first countrypaís
145
575000
4000
Sierra Leona allí. Isla Mauricio está allí arriba. Isla Mauricio fue el primer país
10:04
to get away with tradecomercio barriersbarreras, and they could sellvender theirsu sugarazúcar --
146
579000
3000
en deshacerse de las barreras comerciales, y pudieron vender su azúcar.
10:08
they could sellvender theirsu textilestextiles -- on equaligual termscondiciones as the people in EuropeEuropa and Northnorte AmericaAmerica.
147
583000
5000
Pudieron vender sus textiles en los mismos términos que en Europa y América del Norte.
10:13
There's a hugeenorme differencediferencia betweenEntre AfricaÁfrica. And GhanaGhana is here in the middlemedio.
148
588000
4000
Hay una inmensa diferencia entre los países de África. Y Ghana está aquí en el medio.
10:17
In SierraSierra LeoneLeone, humanitarianhumanitario aidayuda.
149
592000
3000
En Sierra Leona, ayuda humanitaria.
10:20
Here in UgandaUganda, developmentdesarrollo aidayuda. Here, time to investinvertir; there,
150
595000
5000
Aquí en Uganda, ayuda para el desarrollo. Aquí, tiempo de invertir, aquí,
10:25
you can go for a holidayfiesta. It's a tremendoustremendo variationvariación
151
600000
3000
podemos ir de vacaciones. La diferencia es enorme
10:28
withindentro AfricaÁfrica whichcual we rarelyraramente oftena menudo make -- that it's equaligual everything.
152
603000
5000
dentro de África y rara vez la hacemos... creemos que todo es igual.
10:33
I can splitdivisión SouthSur AsiaAsia here. India'sIndia the biggrande bubbleburbuja in the middlemedio.
153
608000
4000
Puedo dividir a Asia del Sur aquí. India es la gran burbuja del medio.
10:37
But a hugeenorme differencediferencia betweenEntre AfghanistanAfganistán and SriSri LankaLanka.
154
612000
4000
Pero hay una gran diferencia entre Afganistán y Sri Lanka.
10:41
I can splitdivisión Arabárabe statesestados. How are they? SameMismo climateclima, samemismo culturecultura,
155
616000
4000
Puedo separar a los estados árabes. ¿Cómo son? Tienen el mismo clima, la misma cultura,
10:45
samemismo religionreligión -- hugeenorme differencediferencia. Even betweenEntre neighborsvecinos.
156
620000
4000
la misma religión. Grandes diferencias. Hasta entre países vecinos.
10:49
YemenYemen, civilcivil warguerra. UnitedUnido Arabárabe EmirateEmirato, moneydinero whichcual was quitebastante equallyIgualmente and well used.
157
624000
5000
Yemen, guerra civil. Los Emiratos Árabes Unidos, dinero igualitariamente distribuido y bien usado.
10:54
Not as the mythmito is. And that includesincluye all the childrenniños of the foreignexterior workerstrabajadores who are in the countrypaís.
158
629000
7000
No como dice el mito. Y esto incluye a los hijos de trabajadores extranjeros que están en el país.
11:01
DataDatos is oftena menudo better than you think. ManyMuchos people say datadatos is badmalo.
159
636000
4000
Los datos generalmente son mejores de lo que piensan. Muchos dicen que son negativos.
11:06
There is an uncertaintyincertidumbre marginmargen, but we can see the differencediferencia here:
160
641000
2000
Existe un margen de incertidumbre, pero podemos ver la diferencia aquí:
11:08
CambodiaCamboya, SingaporeSingapur. The differencesdiferencias are much biggermás grande
161
643000
3000
Camboya, Singapur. Las diferencias son mucho más grandes
11:11
than the weaknessdebilidad of the datadatos. EastEste EuropeEuropa:
162
646000
3000
que los errores de los datos. Europa del Este:
11:14
Sovietsoviet economyeconomía for a long time, but they come out after 10 yearsaños
163
649000
6000
economía soviética por mucho tiempo, pero la abandonaron hace diez años
11:20
very, very differentlydiferentemente. And there is Latinlatín AmericaAmerica.
164
655000
3000
y de maneras muy, muy diferentes. Y ahí está América Latina.
11:23
TodayHoy, we don't have to go to CubaCuba to find a healthysaludable countrypaís in Latinlatín AmericaAmerica.
165
658000
4000
Hoy no tenemos que irnos a Cuba para encontrar un país saludable dentro de América Latina.
11:27
ChileChile will have a lowerinferior childniño mortalitymortalidad than CubaCuba withindentro some fewpocos yearsaños from now.
166
662000
5000
En unos pocos años, Chile tendrá una tasa de mortalidad infantil más baja que la cubana.
11:32
And here we have high-incomealtos ingresos countriespaíses in the OECDOCDE.
167
667000
3000
Y aquí tenemos a los países de altos ingresos de la OCDE.
11:35
And we get the wholetodo patternpatrón here of the worldmundo,
168
670000
4000
Y así tenemos aquí todo el esquema del mundo,
11:39
whichcual is more or lessMenos like this. And if we look at it,
169
674000
5000
que es más o menos este. Y si lo observamos,
11:44
how it looksmiradas -- the worldmundo, in 1960, it startsempieza to movemovimiento. 1960.
170
679000
6000
vemos cómo se ve -- el mundo, en 1960, comienza a moverse. 1960.
11:50
This is MaoMao Tse-tungTse-tung. He broughttrajo healthsalud to ChinaChina. And then he diedmurió.
171
685000
3000
Este es Mao Tse-tung. Él llevó la salud a China. Y después murió.
11:53
And then DengDeng XiaopingXiaoping camevino and broughttrajo moneydinero to ChinaChina, and broughttrajo them into the mainstreamcorriente principal again.
172
688000
5000
Y luego llegó Deng Xiaoping, trajo dinero a China y los reorientó al mundo dominante.
11:58
And we have seenvisto how countriespaíses movemovimiento in differentdiferente directionsdirecciones like this,
173
693000
4000
Y hemos visto cómo los países se mueven en diferentes direcciones así,
12:02
so it's sortordenar of difficultdifícil to get
174
697000
4000
por lo tanto es difícil encontrar
12:06
an exampleejemplo countrypaís whichcual showsmuestra the patternpatrón of the worldmundo.
175
701000
5000
un país que sirva de ejemplo del patrón del mundo.
12:11
But I would like to bringtraer you back to about here at 1960.
176
706000
6000
Regresemos aquí, a 1960.
12:17
I would like to comparecomparar SouthSur KoreaCorea, whichcual is this one, with BrazilBrasil,
177
712000
10000
Me gustaría comparar Corea del Sur, que es esto, con Brasil,
12:27
whichcual is this one. The labeletiqueta wentfuimos away for me here. And I would like to comparecomparar UgandaUganda,
178
722000
5000
que es esto. Se me salió el nombre aquí. Y me gustaría comparar Uganda
12:32
whichcual is there. And I can runcorrer it forwardadelante, like this.
179
727000
5000
que está allí. Y puedo avanzar, así.
12:37
And you can see how SouthSur KoreaCorea is makingfabricación a very, very fastrápido advancementadelanto,
180
732000
9000
Y pueden ver cómo Corea del Sur progresa muy rápidamente,
12:46
whereasmientras BrazilBrasil is much slowermás lento.
181
741000
3000
mientras que Brasil es mucho más lento.
12:49
And if we movemovimiento back again, here, and we put on trailscaminos on them, like this,
182
744000
6000
Y si volvemos atrás nuevamente, y ponemos marcas, así,
12:55
you can see again that the speedvelocidad of developmentdesarrollo
183
750000
4000
nuevamente se puede ver que la velocidad de desarrollo
12:59
is very, very differentdiferente, and the countriespaíses are movingemocionante more or lessMenos
184
754000
6000
es muy, muy diferente, y que los países se mueven más o menos
13:05
in the samemismo ratetarifa as moneydinero and healthsalud, but it seemsparece you can movemovimiento
185
760000
4000
a la misma velocidad que el dinero y la salud, pero parece que se puede avanzar
13:09
much fasterMás rápido if you are healthysaludable first than if you are wealthyrico first.
186
764000
4000
mucho más rápido si en primer lugar se tiene salud y no riqueza.
13:14
And to showespectáculo that, you can put on the way of UnitedUnido Arabárabe EmirateEmirato.
187
769000
4000
Y para demostrar esto, podemos seguir el camino de los Emiratos Árabes Unidos.
13:18
They camevino from here, a mineralmineral countrypaís. They cacheden caché all the oilpetróleo;
188
773000
3000
Provienen de aquí, un país minero. Acumularon todo el petróleo,
13:21
they got all the moneydinero; but healthsalud cannotno poder be boughtcompró at the supermarketsupermercado.
189
776000
4000
tienen todo el dinero, pero la salud no se puede comprar en el supermercado.
13:25
You have to investinvertir in healthsalud. You have to get kidsniños into schoolingenseñanza.
190
780000
4000
Hay que invertir en salud. Hay que hacer que los niños accedan a la escolaridad.
13:29
You have to traintren healthsalud staffpersonal. You have to educateeducar the populationpoblación.
191
784000
3000
Hay que capacitar al personal sanitario. Hay que educar a la población.
13:32
And SheikhJeque SayedSayed did that in a fairlybastante good way.
192
787000
3000
Y el Sheikh Sayed lo hizo bastante bien.
13:35
In spitedespecho of fallingque cae oilpetróleo pricesprecios, he broughttrajo this countrypaís up here.
193
790000
4000
Y a pesar de la caída de los precios del petróleo, llevó a este país hasta aquí.
13:39
So we'venosotros tenemos got a much more mainstreamcorriente principal appearanceapariencia of the worldmundo,
194
794000
4000
Por lo tanto, tenemos una apariencia mucho más dominante en el mundo,
13:43
where all countriespaíses tendtender to use theirsu moneydinero
195
798000
2000
donde los países tienden a usar su dinero
13:45
better than they used in the pastpasado. Now, this is, more or lessMenos,
196
800000
5000
mejor que en el pasado. Ahora, esto sucede, más o menos,
13:50
if you look at the averagepromedio datadatos of the countriespaíses -- they are like this.
197
805000
7000
si observan los datos promedio de los países. Son así.
13:57
Now that's dangerouspeligroso, to use averagepromedio datadatos, because there is suchtal a lot
198
812000
5000
Ahora, esto es peligroso, usar datos promedios, porque existen muchas
14:02
of differencediferencia withindentro countriespaíses. So if I go and look here, we can see
199
817000
6000
diferencias entre los países. Por lo tanto si me fijo aquí, podemos ver
14:08
that UgandaUganda todayhoy is where SouthSur KoreaCorea was 1960. If I splitdivisión UgandaUganda,
200
823000
6000
que hoy Uganda está donde estaba Corea del Sur en 1960. Si divido a Uganda,
14:14
there's quitebastante a differencediferencia withindentro UgandaUganda. These are the quintilesquintiles of UgandaUganda.
201
829000
5000
hay muchas diferencias dentro de Uganda. Estos son los quintiles de Uganda.
14:19
The richestmás rico 20 percentpor ciento of UgandansUgandans are there.
202
834000
3000
El 20% más rico de los ugandeses están ahí.
14:22
The poorestel más pobre are down there. If I splitdivisión SouthSur AfricaÁfrica, it's like this.
203
837000
4000
Los más pobres allí abajo. Si divido a Sudáfrica es así.
14:26
And if I go down and look at NigerNíger, where there was suchtal a terribleterrible faminehambruna,
204
841000
5000
Si bajo y miro lo que sucede en Níger, donde hubo una terrible hambruna,
14:31
lastlyFinalmente, it's like this. The 20 percentpor ciento poorestel más pobre of NigerNíger is out here,
205
846000
5000
finalmente es así. El 20% más pobre de Níger está aquí,
14:36
and the 20 percentpor ciento richestmás rico of SouthSur AfricaÁfrica is there,
206
851000
3000
y el 20% más rico de África del Sur está allá,
14:39
and yettodavía we tendtender to discussdiscutir on what solutionssoluciones there should be in AfricaÁfrica.
207
854000
5000
y sin embargo tendemos a debatir sobre las soluciones posibles para África.
14:44
Everything in this worldmundo existsexiste in AfricaÁfrica. And you can't
208
859000
3000
En África existe todo lo posible en este mundo. Y no se puede
14:47
discussdiscutir universaluniversal accessacceso to HIVVIH [medicinemedicina] for that quintilequintil up here
209
862000
4000
debatir el acceso universal a las [medicinas] del VIH por este quintil aquí
14:51
with the samemismo strategyestrategia as down here. The improvementmejora of the worldmundo
210
866000
4000
con la misma estrategia que allí. Las mejoras en el mundo
14:55
mustdebe be highlyaltamente contextualizedcontextualizado, and it's not relevantpertinente to have it
211
870000
5000
deben estar contextualizadas y no es relevante hacerlas
15:00
on regionalregional levelnivel. We mustdebe be much more detaileddetallado.
212
875000
3000
a nivel regional. Debemos ser mucho más detallistas.
15:03
We find that studentsestudiantes get very excitedemocionado when they can use this.
213
878000
4000
Encontramos que los estudiantes se entusiasman cuando pueden usar esto.
15:07
And even more policypolítica makerscreadores and the corporatecorporativo sectorssectores would like to see
214
882000
5000
Y hasta los responsables de las políticas y los sectores corporativos quisieran ver
15:12
how the worldmundo is changingcambiando. Now, why doesn't this take placelugar?
215
887000
4000
cómo está cambiando el mundo. Ahora, ¿por qué no sucede esto?
15:16
Why are we not usingutilizando the datadatos we have? We have datadatos in the UnitedUnido NationsNaciones,
216
891000
4000
¿No estamos usando los datos que tenemos? Tenemos datos de las Naciones Unidas,
15:20
in the nationalnacional statisticalestadístico agenciesagencias
217
895000
2000
de las agencias nacionales de estadísticas,
15:22
and in universitiesuniversidades and other non-governmentalno gubernamental organizationsorganizaciones.
218
897000
4000
de las universidades y de organizaciones no gubernamentales.
15:26
Because the datadatos is hiddenoculto down in the databasesbases de.
219
901000
2000
Porque los datos se esconden en base de datos.
15:28
And the publicpúblico is there, and the InternetInternet is there, but we have still not used it effectivelyeficazmente.
220
903000
5000
Y el público está allí, Internet está allí, pero todavía no lo usamos eficientemente.
15:33
All that informationinformación we saw changingcambiando in the worldmundo
221
908000
3000
Toda esta información de cambio en el mundo que vimos
15:36
does not includeincluir publicly-fundedfinanciado con fondos públicos statisticsestadística. There are some webweb pagespáginas
222
911000
4000
no incluye las estadísticas financiadas por organismos públicos. Hay algunas páginas web
15:40
like this, you know, but they take some nourishmentalimento down from the databasesbases de,
223
915000
6000
como esta, pero toman parte de su información de las bases de datos,
15:46
but people put pricesprecios on them, stupidestúpido passwordscontraseñas and boringaburrido statisticsestadística.
224
921000
5000
pero cobran por acceder a ellas, hay que ingresar claves tontas y hay estadísticas aburridas.
15:51
(LaughterRisa) (ApplauseAplausos)
225
926000
3000
(Risas). (Aplausos).
15:54
And this won'tcostumbre work. So what is needednecesario? We have the databasesbases de.
226
929000
4000
Y esto no funciona. Entonces, ¿qué hace falta? Tenemos las bases de datos.
15:58
It's not the newnuevo databasebase de datos you need. We have wonderfulmaravilloso designdiseño toolsherramientas,
227
933000
4000
No se necesitan nuevas bases de datos. Tenemos maravillosas herramientas de diseño,
16:02
and more and more are addedadicional up here. So we startedempezado
228
937000
3000
y se agregan más y más. Por esto creamos
16:05
a nonprofitsin ánimo de lucro ventureriesgo whichcual we calledllamado -- linkingenlace datadatos to designdiseño --
229
940000
5000
una empresa sin fines de lucro para unir datos con diseño
16:10
we call it GapminderGapminder, from the LondonLondres undergroundsubterráneo, where they warnadvertir you,
230
945000
3000
que llamamos Gapminder, del metro de Londres, donde se advierte:
16:13
"mindmente the gapbrecha." So we thought GapminderGapminder was appropriateapropiado.
231
948000
3000
"cuidado con el agujero". Por eso pensamos que Gapminder era el nombre adecuado.
16:16
And we startedempezado to writeescribir softwaresoftware whichcual could linkenlazar the datadatos like this.
232
951000
4000
Y empezamos a diseñar un software para vincular los datos así.
16:20
And it wasn'tno fue that difficultdifícil. It tooktomó some personpersona yearsaños, and we have producedproducido animationsanimaciones.
233
955000
6000
Y fue simple. A algunas personas les llevó años y ahora nosotros podemos producir animaciones.
16:26
You can take a datadatos setconjunto and put it there.
234
961000
2000
Se pueden tomar datos fijos y ponerlos allí.
16:28
We are liberatinglibertador U.N. datadatos, some fewpocos U.N. organizationorganización.
235
963000
5000
Estamos liberando datos de la ONU, de algunas organizaciones de la ONU.
16:33
Some countriespaíses acceptaceptar that theirsu databasesbases de can go out on the worldmundo,
236
968000
4000
Algunos países aceptan que sus bases de datos puedan salir del país,
16:37
but what we really need is, of coursecurso, a searchbuscar functionfunción.
237
972000
3000
pero lo que realmente necesitamos, sin duda, es una función de búsqueda.
16:40
A searchbuscar functionfunción where we can copydupdo the datadatos up to a searchablebuscable formatformato
238
975000
5000
Una función donde podamos copiar los datos en un formato apto para consulta
16:45
and get it out in the worldmundo. And what do we hearoír when we go around?
239
980000
3000
y darlo a conocer al mundo. Y ¿qué escuchamos?
16:48
I've donehecho anthropologyantropología on the mainprincipal statisticalestadístico unitsunidades. EveryoneTodo el mundo saysdice,
240
983000
4000
He estudiado antropología según las principales unidades estadísticas. Todo el mundo dice:
16:53
"It's impossibleimposible. This can't be donehecho. Our informationinformación is so peculiarpeculiar
241
988000
4000
"Es imposible. No se puede hacer así. Nuestra información es tan peculiar
16:57
in detaildetalle, so that cannotno poder be searchedbuscado as othersotros can be searchedbuscado.
242
992000
3000
que no puede investigarse como se investigan otras áreas.
17:00
We cannotno poder give the datadatos freegratis to the studentsestudiantes, freegratis to the entrepreneursempresarios of the worldmundo."
243
995000
5000
No podemos proporcionar los datos a los estudiantes, a los empresarios del mundo gratis".
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Pero esto es lo que quisiéramos ver, ¿verdad?
17:08
The publicly-fundedfinanciado con fondos públicos datadatos is down here.
245
1003000
3000
Los datos financiados por organismos públicos están aquí.
17:11
And we would like flowersflores to growcrecer out on the NetRed.
246
1006000
3000
Y nos gustaría que crecieran flores en Internet.
17:14
And one of the crucialcrucial pointspuntos is to make them searchablebuscable, and then people can use
247
1009000
5000
Y lo más importante es hacer que estos datos se puedan consultar y que todos puedan usar
17:19
the differentdiferente designdiseño toolherramienta to animateanimar it there.
248
1014000
2000
las diferentes herramientas de diseño para animarlos.
17:21
And I have a prettybonita good newsNoticias for you. I have a good newsNoticias that the presentpresente,
249
1016000
5000
Y les tengo una buena noticia: el actual
17:26
newnuevo HeadCabeza of U.N. StatisticsEstadística, he doesn't say it's impossibleimposible.
250
1021000
4000
Director de Estadísticas de la ONU dice que no es imposible.
17:30
He only saysdice, "We can't do it."
251
1025000
2000
Sólo dice: "No podemos hacerlo".
17:32
(LaughterRisa)
252
1027000
4000
(Risas).
17:36
And that's a quitebastante cleverinteligente guy, huh?
253
1031000
2000
Es bastante inteligente, ¿verdad?
17:38
(LaughterRisa)
254
1033000
2000
(Risas).
17:40
So we can see a lot happeningsucediendo in datadatos in the comingviniendo yearsaños.
255
1035000
4000
Podemos ver que sucederán muchas cosas con los datos en los próximos años.
17:44
We will be ablepoder to look at incomeingresos distributionsdistribuciones in completelycompletamente newnuevo waysformas.
256
1039000
4000
Podremos ver la distribución de ingresos en formas totalmente nuevas.
17:48
This is the incomeingresos distributiondistribución of ChinaChina, 1970.
257
1043000
5000
Esta es la distribución de ingresos de China, 1970.
17:54
the incomeingresos distributiondistribución of the UnitedUnido StatesEstados, 1970.
258
1049000
5000
La distribución de ingresos de Estados Unidos, 1970.
17:59
AlmostCasi no overlapsuperposición. AlmostCasi no overlapsuperposición. And what has happenedsucedió?
259
1054000
4000
Casi no se superponen en ningún punto. ¿Y qué ha sucedido?
18:03
What has happenedsucedió is this: that ChinaChina is growingcreciente, it's not so equaligual any longermás,
260
1058000
5000
Ha sucedido lo siguiente: que China está creciendo, ya no es tan igualitaria,
18:08
and it's appearingapareciendo here, overlookingcon vista a the UnitedUnido StatesEstados.
261
1063000
4000
y está apareciendo aquí, sobrepasando a Estados Unidos.
18:12
AlmostCasi like a ghostfantasma, isn't it, huh?
262
1067000
2000
Casi como un fantasma, ¿verdad?
18:14
(LaughterRisa)
263
1069000
2000
(Risas).
18:16
It's prettybonita scaryde miedo. But I think it's very importantimportante to have all this informationinformación.
264
1071000
10000
Es atemorizante. Pero creo que es importante contar con toda esta información.
18:26
We need really to see it. And insteaden lugar of looking at this,
265
1081000
6000
Realmente necesitamos verla. Y en vez de cerrar con esto,
18:32
I would like to endfin up by showingdemostración the InternetInternet usersusuarios perpor 1,000.
266
1087000
5000
me gustaría mostrarles la cantidad de usuarios de Internet por cada 1000.
18:37
In this softwaresoftware, we accessacceso about 500 variablesvariables from all the countriespaíses quitebastante easilyfácilmente.
267
1092000
5000
En este software, accedemos a unas 500 variables de todos los países fácilmente.
18:42
It takes some time to changecambio for this,
268
1097000
4000
Lleva unos minutos cargar esto,
18:46
but on the axisesaxises, you can quitebastante easilyfácilmente get any variablevariable you would like to have.
269
1101000
5000
pero en los ejes se puede obtener fácilmente cualquier variable que se quisiera considerar.
18:51
And the thing would be to get up the databasesbases de freegratis,
270
1106000
5000
Y el objetivo es acceder gratuitamente a las bases de datos,
18:56
to get them searchablebuscable, and with a secondsegundo clickhacer clic, to get them
271
1111000
3000
hacerlas aptas para consulta, y con un segundo clic, transformarlas
18:59
into the graphicgráfico formatsformatos, where you can instantlyinstantáneamente understandentender them.
272
1114000
5000
en formatos gráficos, donde se puedan comprender instantáneamente.
19:04
Now, statisticiansestadísticos doesn't like it, because they say that this
273
1119000
3000
Ahora, esto no es del agrado de los estadistas porque dicen
19:07
will not showespectáculo the realityrealidad; we have to have statisticalestadístico, analyticalanalítico methodsmétodos.
274
1122000
9000
que no muestra la realidad. Hay que tener métodos estadísticos, analíticos.
19:16
But this is hypothesis-generatinggenerador de hipótesis.
275
1131000
3000
Pero esto es generar hipótesis.
19:19
I endfin now with the worldmundo. There, the InternetInternet is comingviniendo.
276
1134000
4000
Ahora termino con el mundo. Allí, está llegando Internet.
19:23
The numbernúmero of InternetInternet usersusuarios are going up like this. This is the GDPPIB perpor capitacapita.
277
1138000
4000
La cantidad de usuarios de Internet está creciendo así. Este es el PIB per cápita.
19:27
And it's a newnuevo technologytecnología comingviniendo in, but then amazinglyespantosamente, how well
278
1142000
5000
Y está la nueva tecnología que vendrá, pero sorprendentemente, qué bien
19:32
it fitsencaja to the economyeconomía of the countriespaíses. That's why the 100 dollardólar
279
1147000
5000
se adapta a la economía de los países. Por eso será tan importante
19:37
computercomputadora will be so importantimportante. But it's a nicebonito tendencytendencia.
280
1152000
3000
el ordenador de 100 dólares. Pero es una tendencia agradable.
19:40
It's as if the worldmundo is flatteningaplastamiento off, isn't it? These countriespaíses
281
1155000
3000
Es como si el mundo se estuviera achatando, ¿verdad? Estos países
19:43
are liftinglevantamiento more than the economyeconomía and will be very interestinginteresante
282
1158000
3000
están aumentando algo más que la economía y será interesante
19:46
to followseguir this over the yearaño, as I would like you to be ablepoder to do
283
1161000
4000
considerarlo durante un año, y me gustaría que pudieran hacerlo
19:50
with all the publiclyen público fundedfundado datadatos. Thank you very much.
284
1165000
2000
con todos los datos financiados por organismos públicos. Muchas gracias.
19:53
(ApplauseAplausos)
285
1168000
3000
(Aplausos)

▲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