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 bemutatja a valaha látott legjobb statisztikákat

Filmed:
14,386,844 views

Soha senki nem látott még adatokat ilyen módon bemutatva. A statisztikák guruja, Hans Rosling, sportriporteri átéléssel és lelkesedéssel dönti le az ún. "fejlődő világot" körbevevő mítoszokat.
- 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 yearsévek agoezelőtt, I tookvett on the taskfeladat to teachtanít globalglobális developmentfejlődés
0
0
4000
Nagyjából 10 éve elvállaltam, hogy globális fejlődést tanítsak
00:29
to Swedishsvéd undergraduategraduális studentsdiákok. That was after havingamelynek spentköltött
1
4000
4000
svéd egyetemi hallgatóknak. Mindezt azután, hogy mintegy 20 évet töltöttem
00:33
about 20 yearsévek togetheregyütt with AfricanAfrikai institutionsintézmények studyingtanul hungeréhség in AfricaAfrika,
2
8000
4000
afrikai intézményekkel együtt a kontinenst sújtó éhezés tanulmányozásával,
00:37
so I was sortfajta of expectedvárt to know a little about the worldvilág.
3
12000
4000
tehát számítottak rá, hogy tudok egy keveset a világról.
00:41
And I startedindult in our medicalorvosi universityegyetemi, KarolinskaKarolinska InstituteIntézet,
4
16000
5000
A Karolinska Intézetben - amely a mi orvosi egyetemünk - indítottam tehát
00:46
an undergraduategraduális coursetanfolyam calledhívott GlobalGlobális HealthEgészségügyi. But when you get
5
21000
4000
egy Globális Egészség elnevezésű kurzust. Amikor azonban az ember
00:50
that opportunitylehetőség, you get a little nervousideges. I thought, these studentsdiákok
6
25000
3000
ilyen lehetőséget kap, némileg ideges lesz. Én azt gondoltam, hogy az ide
00:53
comingeljövetel to us actuallytulajdonképpen have the highestlegmagasabb gradefokozat you can get
7
28000
3000
jövő diákok a svéd oktatásban elérhető legmagasabb osztályzatokkal rendelkeznek,
00:56
in Swedishsvéd collegefőiskola systemsrendszerek -- so, I thought, maybe they know everything
8
31000
3000
így lehet, hogy már tudnak mindent, amit
00:59
I'm going to teachtanít them about. So I did a pre-testelőzetes teszt when they camejött.
9
34000
4000
meg akarok nekik tanítani. Ezért készítettem egy belépő tesztet.
01:03
And one of the questionskérdések from whichmelyik I learnedtanult a lot was this one:
10
38000
3000
Az egyik kérdés, amelyből sokat tanultam, az alábbi volt:
01:06
"WhichAmely countryország has the highestlegmagasabb childgyermek mortalityhalálozás of these fiveöt pairspárok?"
11
41000
4000
"Az alábbi országpárok közül melyikben magasabb a gyermekhalandóság?"
01:10
And I put them togetheregyütt, so that in eachminden egyes pairpár of countryország,
12
45000
4000
Úgy párosítottam az országokat, hogy az egyikben
01:14
one has twicekétszer the childgyermek mortalityhalálozás of the other. And this meanseszközök that
13
49000
5000
a gyermekhalandóság a másik kétszerese. Tehát a
01:19
it's much biggernagyobb a differencekülönbség than the uncertaintybizonytalanság of the dataadat.
14
54000
5000
különbség jóval nagyobb, mint az adatok esetleges bizonytalansága.
01:24
I won'tszokás put you at a testteszt here, but it's TurkeyTörökország,
15
59000
2000
Nem fogom most tesztelni Önöket, de a helyes válaszok Törökország,
01:26
whichmelyik is highestlegmagasabb there, PolandLengyelország, RussiaOroszország, PakistanPakisztán and SouthDél AfricaAfrika.
16
61000
5000
ott legfelül, Lengyelország, Oroszország, Pakisztán és Dél-Afrika.
01:31
And these were the resultstalálatok of the Swedishsvéd studentsdiákok. I did it so I got
17
66000
3000
És ezek a svéd diákok eredményei. Úgy csináltam, hogy
01:34
the confidencebizalom intervalintervallum, whichmelyik is prettyszép narrowkeskeny, and I got happyboldog,
18
69000
3000
megkaptam a konfidencia intervallumot, ami elég keskeny, és persze
01:37
of coursetanfolyam: a 1.8 right answerválasz out of fiveöt possiblelehetséges. That meanseszközök that
19
72000
4000
örültem: 1,8 helyes válasz született az 5 lehetségesből. Ez azt jelenti, hogy
01:41
there was a placehely for a professorEgyetemi tanár of internationalnemzetközi healthEgészség --
20
76000
3000
igenis volt hely egy nemzetközi egészségügyi professzor, illetve
01:44
(LaughterNevetés) and for my coursetanfolyam.
21
79000
2000
(nevetés) a kurzusom számára.
01:46
But one latekéső night, when I was compilingösszeállítása the reportjelentés
22
81000
4000
Azonban egyik este, amikor épp a jelentést állítottam össze,
01:50
I really realizedrealizált my discoveryfelfedezés. I have shownLátható
23
85000
4000
ráébredtem, hogy mit feldeztem fel valójában. Sikerült megmutatnom, hogy
01:54
that Swedishsvéd topfelső studentsdiákok know statisticallystatisztikusan significantlyszignifikánsan lessKevésbé
24
89000
5000
a svéd éltanulók statisztikailag szignifikánsan kevesebbet tudnak
01:59
about the worldvilág than the chimpanzeescsimpánzok.
25
94000
2000
a világról, mint a csimpánzok.
02:01
(LaughterNevetés)
26
96000
2000
(nevetés)
02:03
Because the chimpanzeecsimpánz would scorepontszám halffél right if I gaveadott them
27
98000
4000
Ugyanis a csimpánz az esetek felében helyesen válaszolna, ha adnék neki
02:07
two bananasbanán with SriSri LankaLanka and TurkeyTörökország. They would be right halffél of the casesesetek.
28
102000
3000
két banánt, az egyik Sri Lanka, a másik Törökország. Az esetek felében jó választ adnának.
02:10
But the studentsdiákok are not there. The problemprobléma for me was not ignorancetudatlanság;
29
105000
4000
A diákok azonban nem tartanak még itt. A probléma nem a tudatlanság, hanem
02:14
it was preconceivedfeltételezésből ideasötletek.
30
109000
3000
az előítéletek.
02:17
I did alsois an unethicaletikátlan studytanulmány of the professorsprofesszorok of the KarolinskaKarolinska InstituteIntézet
31
112000
4000
Elvégeztem a tanulmányt - nem túl etikus módon - a professzorokkal is a Karolinska Intézetben
02:21
(LaughterNevetés)
32
116000
1000
(nevetés)
02:22
-- that handskezek out the NobelNobel PrizeDíj in MedicineOrvostudomány,
33
117000
2000
- amely az orvosi Nobel-díj odaítélője -
02:24
and they are on parpar with the chimpanzeecsimpánz there.
34
119000
2000
és ők egy szinten vannak a csimpánzokkal.
02:26
(LaughterNevetés)
35
121000
3000
(nevetés)
02:29
This is where I realizedrealizált that there was really a need to communicatekommunikálni,
36
124000
4000
Ezen a ponton jöttem rá, hogy valóban kell erről beszélni,
02:33
because the dataadat of what's happeningesemény in the worldvilág
37
128000
3000
mert a világ történéseiről szóló adatok
02:36
and the childgyermek healthEgészség of everyminden countryország is very well awaretudatában van.
38
131000
3000
és az országok gyermekegészségügye nagyon is fontos
02:39
We did this softwareszoftver whichmelyik displayskijelzők it like this: everyminden bubblebuborék here is a countryország.
39
134000
5000
Készítettünk egy szoftvert, amely mindezt az alábbi módon ábrázolja: minden buborék egy ország.
02:44
This countryország over here is ChinaKína. This is IndiaIndia.
40
139000
6000
Ez az ország itt Kína. Ez pedig India.
02:50
The sizeméret of the bubblebuborék is the populationnépesség, and on this axistengely here I put fertilitytermékenység ratearány.
41
145000
6000
A buborékok mérete a lakosságot mutatja, erre a tengelyre pedig a termékenységet tettem.
02:56
Because my studentsdiákok, what they said
42
151000
3000
Ugyanis a diákjaim azt mondták amikor
02:59
when they lookednézett uponesetén the worldvilág, and I askedkérdezte them,
43
154000
2000
a világra néztek, és én megkérdeztem tőlük, hogy
03:01
"What do you really think about the worldvilág?"
44
156000
2000
"Mit gondoltok valójában a világról?"
03:03
Well, I first discoveredfelfedezett that the textbooktankönyv was TintinTintin, mainlyfőként.
45
158000
4000
Először is felfedeztem, hogy a tankönyvük főként a Tintin volt.
03:07
(LaughterNevetés)
46
162000
1000
(nevetés)
03:08
And they said, "The worldvilág is still 'we'"mi" and 'them"őket.'
47
163000
3000
Ők azt válaszolták, hogy "a világ még mindig 'mi' és 'ők'.
03:11
And we is WesternWestern worldvilág and them is ThirdHarmadik WorldVilág."
48
166000
3000
Mi vagyunk a nyugati világ, ők pedig a harmadik világ".
03:14
"And what do you mean with WesternWestern worldvilág?" I said.
49
169000
3000
"És mit értenek Önök nyugati világ alatt?" - kérdeztem.
03:17
"Well, that's long life and smallkicsi familycsalád, and ThirdHarmadik WorldVilág is shortrövid life and largenagy familycsalád."
50
172000
5000
"Hosszú élet és kis család, míg a harmadik világ rövid élet és nagy család".
03:22
So this is what I could displaykijelző here. I put fertilitytermékenység ratearány here: numberszám of childrengyermekek perper woman:
51
177000
6000
Úgyhogy ezt ábrázoltam itt. Ide tettem a termékenységet, tehát az egy nőre eső gyermekek számát:
03:28
one, two, threehárom, fournégy, up to about eightnyolc childrengyermekek perper woman.
52
183000
4000
egy, kettő, három, négy, egészen nyolc gyermekig.
03:32
We have very good dataadat sincemivel 1962 -- 1960 about -- on the sizeméret of familiescsaládok in all countriesországok.
53
187000
6000
Nagyon jó adatokkal rendelkezünk 1962 óta - nagyjából 1960 óta - a családok nagyságáról a világ összes országából.
03:38
The errorhiba marginMargó is narrowkeskeny. Here I put life expectancyvárakozás at birthszületés,
54
193000
3000
A hibahatár itt szűk. Ide tettem a születéskor várható élettartamot,
03:41
from 30 yearsévek in some countriesországok up to about 70 yearsévek.
55
196000
4000
az egyes országokban lévő 30 évtől nagyjából 70 évig.
03:45
And 1962, there was really a groupcsoport of countriesországok here
56
200000
3000
1962-ben valóban volt egy országcsoport itt, amelyek
03:48
that was industrializediparosodott countriesországok, and they had smallkicsi familiescsaládok and long liveséletét.
57
203000
5000
iparosodottak voltak és valóban kis családok és hosszú élet jellemezte őket.
03:53
And these were the developingfejlesztés countriesországok:
58
208000
2000
Ezek pedig a fejlődő országok voltak:
03:55
they had largenagy familiescsaládok and they had relativelyviszonylag shortrövid liveséletét.
59
210000
3000
népes családokban éltek és viszonylag rövid életűek voltak.
03:58
Now what has happenedtörtént sincemivel 1962? We want to see the changeváltozás.
60
213000
4000
Mi is történt tehát 1962 óta? Szeretnénk látni a változást.
04:02
Are the studentsdiákok right? Is it still two typestípusok of countriesországok?
61
217000
3000
Igaza van a diákoknak? Még mindig két típusba sorolhatjuk az országokat?
04:06
Or have these developingfejlesztés countriesországok got smallerkisebb familiescsaládok and they liveélő here?
62
221000
3000
Vagy ezen fejlődő országokban már kisebb családok vannak és eddig élnek?
04:09
Or have they got longerhosszabb liveséletét and liveélő up there?
63
224000
2000
Vagy hosszabb életűek és ott vannak fent?
04:11
Let's see. We stoppedmegállt the worldvilág then. This is all U.N. statisticsstatisztika
64
226000
3000
Lássuk. Itt megállítottuk a világot. Ezek mind ENSZ statisztikák,
04:14
that have been availableelérhető. Here we go. Can you see there?
65
229000
3000
amelyek hozzáférhetőek. Indulhatunk. Látják ott?
04:17
It's ChinaKína there, movingmozgó againstellen better healthEgészség there, improvingjavuló there.
66
232000
3000
Ott van Kína, elindul a jobb egészség felé, fejlődik.
04:20
All the greenzöld LatinLatin AmericanAmerikai countriesországok are movingmozgó towardsfelé smallerkisebb familiescsaládok.
67
235000
3000
Az összes zöld latin-amerikai ország a kisebb családok felé mozdul.
04:23
Your yellowsárga onesazok here are the Arabicarab countriesországok,
68
238000
3000
A sárga buborékok itt az arab országok és
04:26
and they get largernagyobb familiescsaládok, but they -- no, longerhosszabb life, but not largernagyobb familiescsaládok.
69
241000
4000
nekik nő a családjuk ... akarom mondani hosszabb életűek, de nem nagyobbak a családok.
04:30
The AfricansAfrikaiak are the greenzöld down here. They still remainmarad here.
70
245000
3000
Az afrikaiak a zöld buborékok itt lent. Még mindig itt vannak.
04:33
This is IndiaIndia. Indonesia'sIndonézia movingmozgó on prettyszép fastgyors.
71
248000
3000
Itt van India. Indonézia is elég gyorsan mozog.
04:36
(LaughterNevetés)
72
251000
1000
(nevetés)
04:37
And in the '80s here, you have BangladeshBanglades still amongközött the AfricanAfrikai countriesországok there.
73
252000
3000
És itt a nyolcvanas években Banglades még mindig az afrikai országok között van.
04:40
But now, BangladeshBanglades -- it's a miraclecsoda that happensmegtörténik in the '80s:
74
255000
3000
Most azonban Bangladesben csoda történik a nyolcvanas években:
04:43
the imamsimámok startRajt to promotenépszerűsít familycsalád planningtervezés.
75
258000
3000
az imámok elkezdik a családtervezést hirdetni.
04:46
They movemozog up into that cornersarok. And in '90s, we have the terribleszörnyű HIVHIV epidemicjárvány
76
261000
5000
És felkúsznak abba a sarokba. A kilencvenes években jön a borzalmas AIDS járvány
04:51
that takes down the life expectancyvárakozás of the AfricanAfrikai countriesországok
77
266000
3000
ami lehúzza az afrikai országok várható élettartamát
04:54
and all the restpihenés of them movemozog up into the cornersarok,
78
269000
4000
az összes többi pedig felkúszik abba a sarokba.
04:58
where we have long liveséletét and smallkicsi familycsalád, and we have a completelyteljesen newúj worldvilág.
79
273000
4000
ahol hosszú életünk van és kis családunk, és teljesen új világ alakul ki.
05:02
(ApplauseTaps)
80
277000
13000
(taps)
05:15
Let me make a comparisonösszehasonlítás directlyközvetlenül betweenközött the UnitedEgyesült StatesÁllamok of AmericaAmerikai and VietnamVietnam.
81
290000
5000
Engedjék meg, hogy közvetlenül is összehasonlítsam az Egyesült Államokat és Vietnamot.
05:20
1964: AmericaAmerikai had smallkicsi familiescsaládok and long life;
82
295000
5000
1964-ben Amerikát kis családok és hosszú élet jellemezte, míg
05:25
VietnamVietnam had largenagy familiescsaládok and shortrövid liveséletét. And this is what happensmegtörténik:
83
300000
4000
Vietnamban népes családok voltak és rövid élet. Íme, ami történt:
05:29
the dataadat duringalatt the warháború indicatejelez that even with all the deathhalál,
84
304000
6000
a háború idejében az adatok azt mutatják, hogy a rengeteg halál ellenére
05:35
there was an improvementjavulás of life expectancyvárakozás. By the endvég of the yearév,
85
310000
3000
emelkedett a várható élettartam. Az év végére
05:38
the familycsalád planningtervezés startedindult in VietnamVietnam and they wentment for smallerkisebb familiescsaládok.
86
313000
3000
elindult a családtervezés Vietnamban és szűkebb családokra törekedtek.
05:41
And the UnitedEgyesült StatesÁllamok up there is gettingszerzés for longerhosszabb life,
87
316000
3000
Az Egyesült Államok ott fent rámegy a hosszabb életre,
05:44
keepingtartás familycsalád sizeméret. And in the '80s now,
88
319000
3000
és tartja a családok méretét. Aztán a nyolcvanas években
05:47
they give up communistkommunista planningtervezés and they go for marketpiac economygazdaság,
89
322000
3000
Vietnam felhagy a kommunista tervezéssel és áttér a piacgazdaságra
05:50
and it movesmozog fastergyorsabb even than socialtársadalmi life. And todayMa, we have
90
325000
4000
és a társadalmi életben még gyorsabban változik. Ma pedig
05:54
in VietnamVietnam the sameazonos life expectancyvárakozás and the sameazonos familycsalád sizeméret
91
329000
5000
Vietnamban ugyanaz a várható élettartam és ugyanakkora a családok mérete,
05:59
here in VietnamVietnam, 2003, as in UnitedEgyesült StatesÁllamok, 1974, by the endvég of the warháború.
92
334000
7000
2003-ban, mint az Egyesült Államokban volt 1974-ben, a háború végén.
06:06
I think we all -- if we don't look in the dataadat --
93
341000
4000
Azt gondolom, hogy ha nem figyeljük meg az adatokat, akkor
06:10
we underestimatealábecsül the tremendousborzasztó changeváltozás in AsiaAsia, whichmelyik was
94
345000
4000
hajlamosak vagyunk alulbecsülni a hatalmas változást Ázsiában, amely
06:14
in socialtársadalmi changeváltozás before we saw the economicalgazdaságos changeváltozás.
95
349000
4000
a társadalomban végbement még a gazdasági változást megelőzően.
06:18
Let's movemozog over to anotheregy másik way here in whichmelyik we could displaykijelző
96
353000
5000
Nézzünk egy másik módot, amelynek révén meg tudjuk jeleníteni
06:23
the distributionterjesztés in the worldvilág of the incomejövedelem. This is the worldvilág distributionterjesztés of incomejövedelem of people.
97
358000
7000
a jövedelem eloszlását a világban. Ez a világ jövedelem-eloszlása.
06:30
One dollardollár, 10 dollarsdollár or 100 dollarsdollár perper day.
98
365000
5000
Napi 1, 10 vagy 100 dollár.
06:35
There's no gaprés betweenközött richgazdag and poorszegény any longerhosszabb. This is a mythmítosz.
99
370000
4000
Nincs többé szakadék a szegények és a gazdagok között. Ez egy mítosz.
06:39
There's a little humppúp here. But there are people all the way.
100
374000
4000
Egy kis púp van itt. Azonban végig vannak emberek.
06:44
And if we look where the incomejövedelem endsvéget ér up -- the incomejövedelem --
101
379000
4000
Ha megnézzük hol ér véget a bevétel --- a bevétel --
06:48
this is 100 percentszázalék the world'svilág annualévi incomejövedelem. And the richestleggazdagabb 20 percentszázalék,
102
383000
6000
Ez a világ éves jövedelmének 100 százaléka. A leggazdagabb 20%
06:54
they take out of that about 74 percentszázalék. And the poorestlegszegényebb 20 percentszázalék,
103
389000
7000
ebből 74 százalékot birtokol. A legszegényebb 20 százalék pedig
07:01
they take about two percentszázalék. And this showsműsorok that the conceptkoncepció
104
396000
5000
nagyjából 2 százalékot. Mindez azt mutatja, hogy a
07:06
of developingfejlesztés countriesországok is extremelyrendkívüli módon doubtfulkétes. We think about aidtámogatás, like
105
401000
4000
fejlődő országok fogalma igencsak kétséges. Mi úgy gondolunk a segélyre, hogy
07:10
these people here givingígy aidtámogatás to these people here. But in the middleközépső,
106
405000
5000
ezek az emberek itt segélyt nyújtanak ezeknek az embereknek itt. Azonban középen
07:15
we have mosta legtöbb the worldvilág populationnépesség, and they have now 24 percentszázalék of the incomejövedelem.
107
410000
4000
helyezkedik el a világ lakosságának túlnyomó része, és ők ma már 24 százalékban részesülnek a jövedelmekből.
07:19
We heardhallott it in other formsformák. And who are these?
108
414000
4000
Hallottuk ezt már más formákban. Kik tehát ők?
07:23
Where are the differentkülönböző countriesországok? I can showelőadás you AfricaAfrika.
109
418000
4000
Hol vannak a különböző országok? Meg tudom mutatni Afrikát.
07:27
This is AfricaAfrika. 10 percentszázalék the worldvilág populationnépesség, mosta legtöbb in povertyszegénység.
110
422000
5000
Íme Afrika. A világ lakosságának 10 százaléka, legtöbbjük szegénységben él.
07:32
This is OECDOECD. The richgazdag countryország. The countryország clubklub of the U.N.
111
427000
5000
Ez az OECD. A gazdag vidék. Az ENSZ golfklubja.
07:37
And they are over here on this sideoldal. QuiteElég an overlapátfedés betweenközött AfricaAfrika and OECDOECD.
112
432000
5000
Ők pedig itt vannak ezen az oldalon. Egész komoly átfedés van Afrika és az OECD között.
07:42
And this is LatinLatin AmericaAmerikai. It has everything on this EarthFöld,
113
437000
3000
Ez pedig Latin-Amerika. Itt a világon minden megtalálható
07:45
from the poorestlegszegényebb to the richestleggazdagabb, in LatinLatin AmericaAmerikai.
114
440000
3000
a legszegényebbtől a leggazdagabbig, itt Latin-Amerikában.
07:48
And on topfelső of that, we can put EastKeleti EuropeEurópa, we can put EastKeleti AsiaAsia,
115
443000
5000
Erre pedig rátehetjük Kelet-Európát, Kelet-Ázsiát
07:53
and we put SouthDél AsiaAsia. And how did it look like if we go back in time,
116
448000
5000
és Dél-Ázsiát. Hogy néz ki mindez ha visszamegyünk az időben,
07:58
to about 1970? Then there was more of a humppúp.
117
453000
5000
nagyjából 1970-be? Akkor nagyobb volt a púp.
08:03
And we have mosta legtöbb who livedélt in absoluteabszolút povertyszegénység were AsiansÁzsiaiak.
118
458000
4000
Az abszolút szegénységben élők nagy része pedig Ázsiában élt.
08:07
The problemprobléma in the worldvilág was the povertyszegénység in AsiaAsia. And if I now let the worldvilág movemozog forwardelőre,
119
462000
7000
A világ problémája az ázsiai szegénység volt. Ha most előreviszem a világot,
08:14
you will see that while populationnépesség increasenövekedés, there are
120
469000
3000
látni fogják, hogy mialatt a lakosság növekszik,
08:17
hundredsszáz of millionsTöbb millió in AsiaAsia gettingszerzés out of povertyszegénység and some othersmások
121
472000
3000
több száz millió ázsiai emelkedik ki a szegénységből, míg néhányan mások
08:20
gettingszerzés into povertyszegénység, and this is the patternminta we have todayMa.
122
475000
3000
pedig belesüllyednek a szegénységbe. Ez pedig a mai kép.
08:23
And the bestlegjobb projectionvetítés from the WorldVilág BankBank is that this will happentörténik,
123
478000
4000
A Világbank legjobb előrejlezése szerint pedig ez fog történni,
08:27
and we will not have a dividedmegosztott worldvilág. We'llMi lesz have mosta legtöbb people in the middleközépső.
124
482000
4000
és nem lesz megosztott világunk. Az emberek többsége középen lesz.
08:31
Of coursetanfolyam it's a logarithmiclogaritmikus scaleskála here,
125
486000
2000
Persze ez egy logaritmikus skála, de
08:33
but our conceptkoncepció of economygazdaság is growthnövekedés with percentszázalék. We look uponesetén it
126
488000
5000
a gazdaságot a százalékos növekedésként tekintjük. Úgy tekintünk rá,
08:38
as a possibilitylehetőség of percentilepercentilis increasenövekedés. If I changeváltozás this, and I take
127
493000
6000
mint a százalékos növekedés lehetőségére. Ha ezt megváltoztatom, és
08:44
GDPGDP perper capita insteadhelyette of familycsalád incomejövedelem, and I turnfordulat these
128
499000
4000
a GDP/fő-t nézem a családi bevétel helyett, és ezeket
08:48
individualEgyedi dataadat into regionalregionális dataadat of grossbruttó domesticbelföldi producttermék,
129
503000
6000
az egyedi adatokat regionális GDP adatokká változtatom,
08:54
and I take the regionsrégiók down here, the sizeméret of the bubblebuborék is still the populationnépesség.
130
509000
4000
és lehozom ide a régiókat, a buborék mérete még mindig a népességet mutatja,
08:58
And you have the OECDOECD there, and you have sub-Saharanszub-szaharai AfricaAfrika there,
131
513000
3000
és ott az OECD, amott meg a szubszaharai Afrika
09:01
and we take off the ArabArab statesÁllamok there,
132
516000
3000
és az arab államokat innen levesszük,
09:04
comingeljövetel bothmindkét from AfricaAfrika and from AsiaAsia, and we put them separatelykülön,
133
519000
4000
akik részben afrikaiak részben ázsiaiak, és külön vesszük őket,
09:08
and we can expandkiterjed this axistengely, and I can give it a newúj dimensiondimenzió here,
134
523000
5000
és kinyújthatjuk ezt a tengelyt, és adhatok neki egy másik dimenziót,
09:13
by addinghozzátéve the socialtársadalmi valuesértékeket there, childgyermek survivaltúlélés.
135
528000
3000
azzal hogy a társadalmi értékeket teszem rá, a gyermekhalandóságot
09:16
Now I have moneypénz on that axistengely, and I have the possibilitylehetőség of childrengyermekek to survivetúlélni there.
136
531000
5000
Most pénz van azon a tengelyen, és a gyermekek lehetősége a túlélésre ezen.
09:21
In some countriesországok, 99.7 percentszázalék of childrengyermekek survivetúlélni to fiveöt yearsévek of agekor;
137
536000
4000
Egyes országokban a gyerekek 99,7%-a megéli az ötéves kort,
09:25
othersmások, only 70. And here it seemsÚgy tűnik, there is a gaprés
138
540000
4000
másokban csak 70. És itt, úgy tűnik, van egy szakadék
09:29
betweenközött OECDOECD, LatinLatin AmericaAmerikai, EastKeleti EuropeEurópa, EastKeleti AsiaAsia,
139
544000
4000
az OECD, Latin-Amerika, Kelet-Európa, Kelet-Ázsia
09:33
ArabArab statesÁllamok, SouthDél AsiaAsia and sub-Saharanszub-szaharai AfricaAfrika.
140
548000
4000
Arab világ, Dél-Ázsia, szubszaharai Afrika
09:37
The linearitylinearitás is very strongerős betweenközött childgyermek survivaltúlélés and moneypénz.
141
552000
5000
Az egyenes arányosság nagyon erős a gyermekhalandóság és a pénz között.
09:42
But let me splithasított sub-Saharanszub-szaharai AfricaAfrika. HealthEgészségügyi is there and better healthEgészség is up there.
142
557000
8000
De hadd bontsam ketté Afrikát. Ott az egészség, ott fent a jobb egészség.
09:50
I can go here and I can splithasított sub-Saharanszub-szaharai AfricaAfrika into its countriesországok.
143
565000
5000
Itt országaira bonthatom a szubszaharai Afrikát.
09:55
And when it burstrobbanás, the sizeméret of its countryország bubblebuborék is the sizeméret of the populationnépesség.
144
570000
5000
és ahogy szétpukkan, az országbuborék mérete a népességet mutatja.
10:00
SierraSierra LeoneLeonéval down there. MauritiusMauritius is up there. MauritiusMauritius was the first countryország
145
575000
4000
Itt lent Sierra Leone, ott fent Mauritius. Mauritius volt az első ország,
10:04
to get away with tradekereskedelmi barriersakadályok, and they could sellelad theirazok sugarcukor --
146
579000
3000
ami lebontotta a kereskedelmi korlátokat, és el tudta adni a cukrát.
10:08
they could sellelad theirazok textilestextil -- on equalegyenlő termsfeltételek as the people in EuropeEurópa and NorthÉszaki AmericaAmerikai.
147
583000
5000
A textiljüket ugyanolyan feltételekkel adhatták el, mint Európa vagy Észak-Amerika
10:13
There's a hugehatalmas differencekülönbség betweenközött AfricaAfrika. And GhanaGhána is here in the middleközépső.
148
588000
4000
Hatalmas különbségek vannak Afrikában. Gána itt van középen
10:17
In SierraSierra LeoneLeonéval, humanitarianhumanitárius aidtámogatás.
149
592000
3000
Sierra Leone pedig segélyeken él.
10:20
Here in UgandaUganda, developmentfejlődés aidtámogatás. Here, time to investbefektet; there,
150
595000
5000
Itt Ugandában fejlesztési segély, emitt eljött az idő befektetni,
10:25
you can go for a holidayünnep. It's a tremendousborzasztó variationvariáció
151
600000
3000
oda érdemes nyaralni menni. Hatalmas eltérések vannak
10:28
withinbelül AfricaAfrika whichmelyik we rarelyritkán oftengyakran make -- that it's equalegyenlő everything.
152
603000
5000
Afrikán belül, amit nagyon ritkán látunk meg - inkább összemossuk.
10:33
I can splithasított SouthDél AsiaAsia here. India'sIndia the bignagy bubblebuborék in the middleközépső.
153
608000
4000
Szétpukkaszthatom Dél-Ázsiát is. India a középső nagy buborék.
10:37
But a hugehatalmas differencekülönbség betweenközött AfghanistanAfganisztán and SriSri LankaLanka.
154
612000
4000
De hatalmas a különbség Afganisztán és Sri Lanka között
10:41
I can splithasított ArabArab statesÁllamok. How are they? SameAzonos climateéghajlat, sameazonos culturekultúra,
155
616000
4000
Felbonthatom az Arab államokat. Milyenek? Ugyanaz az éghajlat, ugyanaz a kultúra,
10:45
sameazonos religionvallás -- hugehatalmas differencekülönbség. Even betweenközött neighborsszomszédok.
156
620000
4000
ugyanaz a vallás. Hatalmas eltérések, még szomszédok között is.
10:49
YemenJemen, civilcivil warháború. UnitedEgyesült ArabArab EmirateEmirátus, moneypénz whichmelyik was quiteegészen equallyegyaránt and well used.
157
624000
5000
Jemen, polgárháború. Egyesült Arab Emirátusok, egyenlően és jól felhasznált pénz.
10:54
Not as the mythmítosz is. And that includesmagába foglalja all the childrengyermekek of the foreignkülföldi workersmunkások who are in the countryország.
158
629000
7000
Nem úgy, ahogy gondoljuk. És ez érvényes az ottani vendégmunkások gyerekeire is.
11:01
DataAdatok is oftengyakran better than you think. ManySok people say dataadat is badrossz.
159
636000
4000
Az adatok gyakran jobbak, mint gondolnánk. sokan mondják, hogy rosszak az adatok.
11:06
There is an uncertaintybizonytalanság marginMargó, but we can see the differencekülönbség here:
160
641000
2000
Van némi bizonytalansági határ, de itt láthatjátok a különbséget:
11:08
CambodiaKambodzsa, SingaporeSzingapúr. The differenceskülönbségek are much biggernagyobb
161
643000
3000
Kambodzsa, Szingapúr. A küllönbségek sokkal nagyobbak,
11:11
than the weaknessgyengeség of the dataadat. EastKeleti EuropeEurópa:
162
646000
3000
mint az adatok gyengesége. Kelet-Európa:
11:14
SovietSzovjet economygazdaság for a long time, but they come out after 10 yearsévek
163
649000
6000
Sokáig szovjet gazdaság, de 10 év elteltével
11:20
very, very differentlyeltérően. And there is LatinLatin AmericaAmerikai.
164
655000
3000
nagyon máshol tartanak. És itt van Latin-Amerika.
11:23
TodayMa, we don't have to go to CubaKuba to find a healthyegészséges countryország in LatinLatin AmericaAmerikai.
165
658000
4000
Ma már nem kell Kubába menni, hogy egészséges latin-amerikai országot találjunk.
11:27
ChileChile will have a lowerAlsó childgyermek mortalityhalálozás than CubaKuba withinbelül some fewkevés yearsévek from now.
166
662000
5000
Chilében néhány év múlva alacsonyabb lesz a gyermekhalandóság, mint Kubában.
11:32
And here we have high-incomemagas jövedelmű countriesországok in the OECDOECD.
167
667000
3000
És itt vannak az OECD magas jövedelmű országai
11:35
And we get the wholeegész patternminta here of the worldvilág,
168
670000
4000
És itt van a világ teljes mintázata,
11:39
whichmelyik is more or lessKevésbé like this. And if we look at it,
169
674000
5000
ami többé-kevésbé ilyen. És ha megnézzük,
11:44
how it looksúgy néz ki, -- the worldvilág, in 1960, it startskezdődik to movemozog. 1960.
170
679000
6000
hogy milyen -- a világ, 1960-ban. És elkezd mozogni. 1960.
11:50
This is MaoMao Tse-tungTSE-Tung. He broughthozott healthEgészség to ChinaKína. And then he diedmeghalt.
171
685000
3000
Ez itt Mao Ce Tung, egészséget hozott Kínának. Aztán meghalt.
11:53
And then DengDeng XiaopingHsziao-ping camejött and broughthozott moneypénz to ChinaKína, and broughthozott them into the mainstreamfőáram again.
172
688000
5000
Majd jött Teng Hsziao Ping, és pénzt hozott Kínának és visszahozta őket a fősodorba.
11:58
And we have seenlátott how countriesországok movemozog in differentkülönböző directionsirányok like this,
173
693000
4000
És láthatjuk, hogy az országok ugyanígy mindenféle irányban mozognak
12:02
so it's sortfajta of difficultnehéz to get
174
697000
4000
és hát elég nehéz kiválasztani
12:06
an examplepélda countryország whichmelyik showsműsorok the patternminta of the worldvilág.
175
701000
5000
egy példaországot, ami mutatná a világra jellemző trendet.
12:11
But I would like to bringhoz you back to about here at 1960.
176
706000
6000
Most visszavinnálek titeket ide 1960-ba.
12:17
I would like to comparehasonlítsa össze SouthDél KoreaKorea, whichmelyik is this one, with BrazilBrazília,
177
712000
10000
Össze akarom hasonlítani Dél-Koreát, ezt itt, Brazíliával,
12:27
whichmelyik is this one. The labelcímke wentment away for me here. And I would like to comparehasonlítsa össze UgandaUganda,
178
722000
5000
ami pedig ez. Most eltűnt a címkém. És összehasonlítanám Ugandát,
12:32
whichmelyik is there. And I can runfuss it forwardelőre, like this.
179
727000
5000
ami ott van. Előre fel tudom gyorsítani, így.
12:37
And you can see how SouthDél KoreaKorea is makinggyártás a very, very fastgyors advancementhaladás,
180
732000
9000
Láthatjátok, hogy Dél-Korea nagyon-nagyon gyorsan fejlődik,
12:46
whereasmivel BrazilBrazília is much slowerlassabb.
181
741000
3000
míg Brazília sokkal lassabb.
12:49
And if we movemozog back again, here, and we put on trailspályák on them, like this,
182
744000
6000
ha pedig visszamegyünk, így, és nyomokat teszünk rájuk, így,
12:55
you can see again that the speedsebesség of developmentfejlődés
183
750000
4000
megint láthatjátok, hogy a fejlődés sebessége
12:59
is very, very differentkülönböző, and the countriesországok are movingmozgó more or lessKevésbé
184
754000
6000
nagyon-nagyon eltérő, és az országok többé-kevésbé ugyanolyan
13:05
in the sameazonos ratearány as moneypénz and healthEgészség, but it seemsÚgy tűnik, you can movemozog
185
760000
4000
ütemben mozognak, mint a pénz és az egészség, de úgy tűnik,
13:09
much fastergyorsabb if you are healthyegészséges first than if you are wealthygazdag first.
186
764000
4000
gyorsabban mozoghatsz, ha előbb egészséges vagy, mint ha előbb gazdag.
13:14
And to showelőadás that, you can put on the way of UnitedEgyesült ArabArab EmirateEmirátus.
187
769000
4000
És hogy ezt szemléltessem, megmutathatom az Emirátusokat.
13:18
They camejött from here, a mineralásványi countryország. They cacheda gyorsítótárban all the oilolaj;
188
773000
3000
Innen érkeztek, ásványban gazdag ország. Megvolt az olajuk,
13:21
they got all the moneypénz; but healthEgészség cannotnem tud be boughtvásárolt at the supermarketszupermarket.
189
776000
4000
meglett a pénzük, de egészséget nem vehetsz a szupermarketben.
13:25
You have to investbefektet in healthEgészség. You have to get kidsgyerekek into schoolingiskolázás.
190
780000
4000
Az egészségbe be kell fektetni. A gyerekeket be kell iskolázni.
13:29
You have to trainvonat healthEgészség staffszemélyzet. You have to educateoktat the populationnépesség.
191
784000
3000
Egészségügyi dolgozókat kell képezni. A népességet kell oktatni.
13:32
And SheikhSheikh SayedSayed did that in a fairlymeglehetősen good way.
192
787000
3000
És Szajed sejk ezt elég jól csinálta.
13:35
In spiteellenére of fallingeső oilolaj pricesárak, he broughthozott this countryország up here.
193
790000
4000
És a zuhanó olajárak ellenére felhozta országát egészen ide.
13:39
So we'vevoltunk got a much more mainstreamfőáram appearancekinézet of the worldvilág,
194
794000
4000
Tehát egy egyre inkább integrálódó világ képét látjuk,
13:43
where all countriesországok tendhajlamosak to use theirazok moneypénz
195
798000
2000
ahol minden ország hajlamos a pénzét jobban
13:45
better than they used in the pastmúlt. Now, this is, more or lessKevésbé,
196
800000
5000
használni, mint régen. De ez, többé-kevésbé akkor igaz,
13:50
if you look at the averageátlagos dataadat of the countriesországok -- they are like this.
197
805000
7000
ha az országok átlagos adatait tekintjük. Akkor ilyenek.
13:57
Now that's dangerousveszélyes, to use averageátlagos dataadat, because there is suchilyen a lot
198
812000
5000
De ez veszélyes dolog, az átlagadatok használata, mert olyan nagyok
14:02
of differencekülönbség withinbelül countriesországok. So if I go and look here, we can see
199
817000
6000
a különbségek az országon belül. Ha megyek, és megnézem ezt, láthatjuk,
14:08
that UgandaUganda todayMa is where SouthDél KoreaKorea was 1960. If I splithasított UgandaUganda,
200
823000
6000
hogy Uganda ott tart, ahol Dél-Korea tartott 1960-ban. Ha Ugandát megosztom,
14:14
there's quiteegészen a differencekülönbség withinbelül UgandaUganda. These are the quintilesQuintiles of UgandaUganda.
201
829000
5000
elég nagy a különbség Ugandán belül. Ezek Uganda kvintilisei.
14:19
The richestleggazdagabb 20 percentszázalék of UgandansUgandans are there.
202
834000
3000
Ott van Uganda leggazdagabb 20 százaléka
14:22
The poorestlegszegényebb are down there. If I splithasított SouthDél AfricaAfrika, it's like this.
203
837000
4000
A legszegényebbek itt lent. Ha kibontom Dél-Afrikát, akkor ilyen lesz.
14:26
And if I go down and look at NigerNiger, where there was suchilyen a terribleszörnyű famineéhínség,
204
841000
5000
Ha végül lemegyek, és Nigert nézem, ahol szörnyű éhínség volt,
14:31
lastlyvégül, it's like this. The 20 percentszázalék poorestlegszegényebb of NigerNiger is out here,
205
846000
5000
az ilyen lesz. Niger legszegényebb 20%-a itt kívül,
14:36
and the 20 percentszázalék richestleggazdagabb of SouthDél AfricaAfrika is there,
206
851000
3000
és Dél-Afrika leggazdagabb 20 százaléka amott
14:39
and yetmég we tendhajlamosak to discussmegvitatása on what solutionsmegoldások there should be in AfricaAfrika.
207
854000
5000
És mégis arról beszélünk, hogy milyen megoldásokra van szükség Afrikában.
14:44
Everything in this worldvilág existslétezik in AfricaAfrika. And you can't
208
859000
3000
Afrikában megtalálni minden végletet. És nem
14:47
discussmegvitatása universalegyetemes accesshozzáférés to HIVHIV [medicinegyógyszer] for that quintilekvintilis up here
209
862000
4000
tervezheted a HIV [gyógyszerhez] való általános hozzáférést a felső kvintilisnek ott
14:51
with the sameazonos strategystratégia as down here. The improvementjavulás of the worldvilág
210
866000
4000
ugyanazzal a stratégiával, mint itt lent. A világ jobbá tétele
14:55
mustkell be highlymagasan contextualizedkontextusba, and it's not relevantide vonatkozó to have it
211
870000
5000
csak kontextualizálva lehetséges, és nem helytálló
15:00
on regionalregionális levelszint. We mustkell be much more detailedrészletes.
212
875000
3000
regionális szinten végezni. Ennél sokkal részletesebbnek kell lennünk.
15:03
We find that studentsdiákok get very excitedizgatott when they can use this.
213
878000
4000
Azt találtuk, hogy a diákok nagyon izgalmasnak tartják az ezzel való munkát.
15:07
And even more policyirányelv makersdöntéshozók and the corporatetársasági sectorságazatok would like to see
214
882000
5000
És még több politikacsináló és üzletág szeretné látni, hogy
15:12
how the worldvilág is changingváltozó. Now, why doesn't this take placehely?
215
887000
4000
hogyan változik a világ. De miért nem történik ez meg?
15:16
Why are we not usinghasználva the dataadat we have? We have dataadat in the UnitedEgyesült NationsNemzetek,
216
891000
4000
Miért nem használjuk a rendelkezésre álló adatokat? Van adat az ENSZ-nél
15:20
in the nationalnemzeti statisticalstatisztikai agenciesügynökségek
217
895000
2000
a nemzeti statisztikai hivataloknál,
15:22
and in universitiesegyetemek and other non-governmentala nem kormányzati organizationsszervezetek.
218
897000
4000
az egyetemeken és más nem-kormányzati szervezeteknél.
15:26
Because the dataadat is hiddenrejtett down in the databasesadatbázisok.
219
901000
2000
Azért, mert az adatok az adatbázisok mélyére vannak temetve.
15:28
And the publicnyilvános is there, and the InternetInternet is there, but we have still not used it effectivelyhatékonyan.
220
903000
5000
És ott a nyilvánosság, ott az internet, de még mindig nem használjuk hatékonyan.
15:33
All that informationinformáció we saw changingváltozó in the worldvilág
221
908000
3000
Mindaz az információ, amiről láttuk, hogy megváltoztatta a világot,
15:36
does not includetartalmaz publicly-fundedállamilag finanszírozott statisticsstatisztika. There are some webháló pagesoldalak
222
911000
4000
nem tartalmazza a közfinanszírozott statisztikákat. Van néhány ilyen weboldal,
15:40
like this, you know, but they take some nourishmenttáplálkozás down from the databasesadatbázisok,
223
915000
6000
tudjátok, táplálják őket egy kicsit az adatbázisokból,
15:46
but people put pricesárak on them, stupidhülye passwordsjelszó and boringunalmas statisticsstatisztika.
224
921000
5000
de aztán árcédulát aggatnak rájuk, buta jelszóvel védik és unalmas statisztikákat csinálnak belőlük.
15:51
(LaughterNevetés) (ApplauseTaps)
225
926000
3000
(nevetés) (taps)
15:54
And this won'tszokás work. So what is neededszükséges? We have the databasesadatbázisok.
226
929000
4000
És ez így nem működik. Mire van tehát szükség? Megvannak az adatbázisaink.
15:58
It's not the newúj databaseadatbázis you need. We have wonderfulcsodálatos designtervezés toolsszerszámok,
227
933000
4000
Nem új adatokra van szükségünk. Csodálatos design-eszközeink vannak,
16:02
and more and more are addedhozzáadott up here. So we startedindult
228
937000
3000
és egyre többet teszünk hozzá. Úgyhogy elindítottunk egy
16:05
a nonprofitnonprofit venturevállalkozás whichmelyik we calledhívott -- linkingösszekapcsolása dataadat to designtervezés --
229
940000
5000
nonprofit vállalkozást, amit elneveztünk -- az adatot a design-hoz kötve --
16:10
we call it GapminderGapminder, from the LondonLondon undergroundföld alatt, where they warnfigyelmeztet you,
230
945000
3000
elneveztük Gapminder-nek, a londoni metró alapján, ahol figyelmeztetnek,
16:13
"mindelme the gaprés." So we thought GapminderGapminder was appropriatemegfelelő.
231
948000
3000
hogy "figyelj a résre". Azt gondoltuk, a Gapminder illő név lesz.
16:16
And we startedindult to writeír softwareszoftver whichmelyik could linklink the dataadat like this.
232
951000
4000
És elkezdtünk szoftvert írni, ami ilyenformán összeköti az adatokat.
16:20
And it wasn'tnem volt that difficultnehéz. It tookvett some personszemély yearsévek, and we have producedelőállított animationsanimációk.
233
955000
6000
És nem volt nehéz. Beletelt néhány munkaévbe, és csináltunk animációkat.
16:26
You can take a dataadat setkészlet and put it there.
234
961000
2000
Vehetsz egy adatkészletet, és ide rakhatod.
16:28
We are liberatingfelszabadító U.N. dataadat, some fewkevés U.N. organizationszervezet.
235
963000
5000
ENSZ adatokat szabadítunk fel, pár ENSZ szervezetét.
16:33
Some countriesországok acceptelfogad that theirazok databasesadatbázisok can go out on the worldvilág,
236
968000
4000
Néhány ország elfogadja, hogy az adatbázisai kikerülhetnek a világba,
16:37
but what we really need is, of coursetanfolyam, a searchKeresés functionfunkció.
237
972000
3000
de amire igazán szükségük lenne, persze, egy kereső funkció.
16:40
A searchKeresés functionfunkció where we can copymásolat the dataadat up to a searchablekereshető formatformátum
238
975000
5000
Egy kereső funkció, amivel az adatokat kereshető formában másolhatjuk fel,
16:45
and get it out in the worldvilág. And what do we hearhall when we go around?
239
980000
3000
és a világ rendelkezésére bocsáthatjuk. És mit hallunk, ha körbekérdezünk?
16:48
I've doneKész anthropologyembertan on the mainfő- statisticalstatisztikai unitsegységek. EveryoneMindenki saysmondja,
240
983000
4000
Felkutattam a fő statisztikai szervezeteket. Mindenki azt mondja:
16:53
"It's impossiblelehetetlen. This can't be doneKész. Our informationinformáció is so peculiarsajátos
241
988000
4000
"Lehetetlen. Ezt nem lehet megcsinálni. Az információnk annyira
16:57
in detailRészlet, so that cannotnem tud be searchedkeresett as othersmások can be searchedkeresett.
242
992000
3000
részletekbe menő, hogy nem lehet úgy keresni, ahogy más dolgokat.
17:00
We cannotnem tud give the dataadat freeingyenes to the studentsdiákok, freeingyenes to the entrepreneursvállalkozók of the worldvilág."
243
995000
5000
Nem adhatjuk oda az adatokat ingyen a diákoknak, a világ vállalkozóinak."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Dehát ez az, amit látni szeretnénk, nem igaz?
17:08
The publicly-fundedállamilag finanszírozott dataadat is down here.
245
1003000
3000
A közfinanszírozott adatok itt vannak lent.
17:11
And we would like flowersvirágok to grow out on the NetNET.
246
1006000
3000
És szeretnénk, ha virágok nőnének belőlük a neten.
17:14
And one of the crucialalapvető pointspont is to make them searchablekereshető, and then people can use
247
1009000
5000
És az egyik legfontosabb dolog, hogy kereshetővé tegyük őket, hogy az emberek
17:19
the differentkülönböző designtervezés tooleszköz to animateanimálása it there.
248
1014000
2000
különböző design eszközökkel animálhassák ott őket.
17:21
And I have a prettyszép good newshírek for you. I have a good newshírek that the presentajándék,
249
1016000
5000
És elég jó híreim vannak számotokra. Az a jó hír, hogy az ENSZ Statisztikai
17:26
newúj HeadFej of U.N. StatisticsStatisztika, he doesn't say it's impossiblelehetetlen.
250
1021000
4000
részlegének jelenlegi, új vezetője nem tartja mindezt lehetetlennek.
17:30
He only saysmondja, "We can't do it."
251
1025000
2000
Csak azt mondja: "Mi nem tudjuk megcsinálni"
17:32
(LaughterNevetés)
252
1027000
4000
(nevetés)
17:36
And that's a quiteegészen cleverokos guy, huh?
253
1031000
2000
És ő elég okos fickó, nem igaz?
17:38
(LaughterNevetés)
254
1033000
2000
(nevetés)
17:40
So we can see a lot happeningesemény in dataadat in the comingeljövetel yearsévek.
255
1035000
4000
Szóval elég sok minden fog történni adatügyben a következő években.
17:44
We will be ableképes to look at incomejövedelem distributionsdisztribúciók in completelyteljesen newúj waysmódokon.
256
1039000
4000
A jövedelemeloszlásokat teljesen új módokon fogjuk tudni megnézni.
17:48
This is the incomejövedelem distributionterjesztés of ChinaKína, 1970.
257
1043000
5000
Ez Kína jövedelem-eloszlása 1970-ben.
17:54
the incomejövedelem distributionterjesztés of the UnitedEgyesült StatesÁllamok, 1970.
258
1049000
5000
Ez pedig az Egyesült Államok jövedelem-eloszlása, szintén 1970-ben.
17:59
AlmostSzinte no overlapátfedés. AlmostSzinte no overlapátfedés. And what has happenedtörtént?
259
1054000
4000
Szinte nincs átfedés. Szinte nincs átfedés. És mi történt azóta?
18:03
What has happenedtörtént is this: that ChinaKína is growingnövekvő, it's not so equalegyenlő any longerhosszabb,
260
1058000
5000
Az alábbi történt: Kína mövekszik, már nem olyan egyenlő és
18:08
and it's appearingmegjelenő here, overlookingnéző the UnitedEgyesült StatesÁllamok.
261
1063000
4000
megjelenik itt, az Egyesült Államok árnyékában,
18:12
AlmostSzinte like a ghostGhost, isn't it, huh?
262
1067000
2000
majdnem olyan, mint egy kisértet, ugye?
18:14
(LaughterNevetés)
263
1069000
2000
(nevetés)
18:16
It's prettyszép scaryijedős. But I think it's very importantfontos to have all this informationinformáció.
264
1071000
10000
Elég ijesztő. Én azonban azt gondolom, hogy nagyon fontos ezen információk birtokában lenni.
18:26
We need really to see it. And insteadhelyette of looking at this,
265
1081000
6000
Ezt tényleg látnunk kell. És ahelyett, hogy ezt néznénk
18:32
I would like to endvég up by showingkiállítás the InternetInternet usersfelhasználók perper 1,000.
266
1087000
5000
azzal fejezném be, hogy megmutatom az internethasználók számát 1000 emberre vetítve.
18:37
In this softwareszoftver, we accesshozzáférés about 500 variablesváltozók from all the countriesországok quiteegészen easilykönnyen.
267
1092000
5000
Ebben a programban minden ország kb. 500 változóját érhetjük el egyszerűen.
18:42
It takes some time to changeváltozás for this,
268
1097000
4000
Kis időbe telik, hogy átváltsak erre,
18:46
but on the axisesaxises, you can quiteegészen easilykönnyen get any variableváltozó you would like to have.
269
1101000
5000
de a tengelyeken nagyon könnyen bármilyen kívánt változót beállíthatunk.
18:51
And the thing would be to get up the databasesadatbázisok freeingyenes,
270
1106000
5000
És a cél az, hogy az adatbázisokat ingyen felraknánk
18:56
to get them searchablekereshető, and with a secondmásodik clickkettyenés, to get them
271
1111000
3000
és kereshetővé tennénk, és egy második kattintásra
18:59
into the graphicgrafikus formatsformátumok, where you can instantlyazonnal understandmegért them.
272
1114000
5000
grafikus formába öntenénk, hogy azonnal megérthetővé váljanak.
19:04
Now, statisticiansstatisztikusok doesn't like it, because they say that this
273
1119000
3000
Hát, a statisztikusok nem szeretik, mert szerintük ez
19:07
will not showelőadás the realityvalóság; we have to have statisticalstatisztikai, analyticalanalitikai methodsmód.
274
1122000
9000
nem a valóságot mutatja; statisztikai, analitikai módszerekkel kell dolgoznunk.
19:16
But this is hypothesis-generatinghipotézis-generáló.
275
1131000
3000
Ez azonban csupán elmélet gyártás.
19:19
I endvég now with the worldvilág. There, the InternetInternet is comingeljövetel.
276
1134000
4000
Most akkor a világgal fejezném be. Ott jön az internet.
19:23
The numberszám of InternetInternet usersfelhasználók are going up like this. This is the GDPGDP perper capita.
277
1138000
4000
Az internet-használók száma így emelkedik. Itt van az egy főre jutó GDP.
19:27
And it's a newúj technologytechnológia comingeljövetel in, but then amazinglybámulatosan, how well
278
1142000
5000
Ez pedig egy újonnan bejövő technológia, de lenyűgöző módon igen
19:32
it fitsgörcsök to the economygazdaság of the countriesországok. That's why the 100 dollardollár
279
1147000
5000
jól passzol az országok gazdaságához. Ezért is lesz majd a
19:37
computerszámítógép will be so importantfontos. But it's a niceszép tendencytendencia.
280
1152000
3000
100 dolláros számítógép olyan fontos. Ez azonban egy kellemes tendencia.
19:40
It's as if the worldvilág is flatteningelhalványulás off, isn't it? These countriesországok
281
1155000
3000
Olyan, mintha a világ kiegyenlítődne, ugye? Ezek az országok
19:43
are liftingemelés more than the economygazdaság and will be very interestingérdekes
282
1158000
3000
jobban emelkednek, mint a gazdaság és érdekes lesz ezt
19:46
to followkövesse this over the yearév, as I would like you to be ableképes to do
283
1161000
4000
követni az évek során, ahogyan reményeim szerint Önök is tehetik majd
19:50
with all the publiclynyilvánosan fundedtőkefedezeti dataadat. Thank you very much.
284
1165000
2000
az összes közfinanszírozott adattal. Nagyon köszönöm.
19:53
(ApplauseTaps)
285
1168000
3000
(taps)
Translated by Daniel Farkas
Reviewed by Krisztián Pintér

▲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