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 mostra as melhores estatísticas jamais vistas

Filmed:
14,386,844 views

Nunca se viram dados apresentados desta maneira. Com o dramatismo e o ímpeto de um comentador desportivo, o guru da Estatística, Hans Rosling, desfaz mitos acerca do tão chamado "mundo em desenvolvimento".
- 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 yearsanos agoatrás, I tooktomou on the tasktarefa to teachEnsinar globalglobal developmentdesenvolvimento
0
0
4000
Há cerca de 10 anos, assumi a tarefa de ensinar desenvolvimento global
00:29
to SwedishSueco undergraduatecursos de graduação studentsalunos. That was after havingtendo spentgasto
1
4000
4000
a estudantes universitários suecos. Isto, depois de ter passado
00:33
about 20 yearsanos togetherjuntos with AfricanAfricano institutionsinstituições studyingestudando hungerfome in AfricaÁfrica,
2
8000
4000
cerca de 20 anos, com instituições africanas, a estudar a fome em África.
00:37
so I was sortordenar of expectedesperado to know a little about the worldmundo.
3
12000
4000
Portanto, de algum modo esperava-se que eu soubesse um pouco sobre o mundo.
00:41
And I startedcomeçado in our medicalmédico universityuniversidade, KarolinskaKarolinska InstituteInstituto,
4
16000
5000
E criei, na nossa universidade de medicina, Instituto Karolinska,
00:46
an undergraduatecursos de graduação coursecurso calledchamado GlobalGlobal HealthSaúde. But when you get
5
21000
4000
uma licenciatura chamada "Saúde Global". Mas quando se consegue
00:50
that opportunityoportunidade, you get a little nervousnervoso. I thought, these studentsalunos
6
25000
3000
uma oportunidade destas, fica-se um pouco nervoso. Pensei: "Estes estudantes
00:53
comingchegando to us actuallyna realidade have the highestmais alto gradegrau you can get
7
28000
3000
que chegam até nós têm as melhores notas que se pode obter
00:56
in SwedishSueco collegeFaculdade systemssistemas -- so, I thought, maybe they know everything
8
31000
3000
no sistema universitário sueco" -- "Por isso", pensei, "talvez saibam tudo
00:59
I'm going to teachEnsinar them about. So I did a pre-testpré-teste when they cameveio.
9
34000
4000
o que lhes vou ensinar". Resolvi fazer-lhes um pré-teste quando eles chegaram.
01:03
And one of the questionsquestões from whichqual I learnedaprendido a lot was this one:
10
38000
3000
E uma das perguntas com que aprendi muito foi esta:
01:06
"WhichQue countrypaís has the highestmais alto childcriança mortalitymortalidade of these fivecinco pairspares?"
11
41000
4000
"Que país tem a mais elevada mortalidade infantil destes cinco pares?"
01:10
And I put them togetherjuntos, so that in eachcada pairpar of countrypaís,
12
45000
4000
E juntei-os de forma a que, em cada par de países,
01:14
one has twiceduas vezes the childcriança mortalitymortalidade of the other. And this meanssignifica that
13
49000
5000
um tivesse o dobro da mortalidade infantil do outro. E isto significa que
01:19
it's much biggerMaior a differencediferença than the uncertaintyincerteza of the datadados.
14
54000
5000
é muito maior a diferença do que a incerteza dos dados.
01:24
I won'tnão vai put you at a testteste here, but it's TurkeyTurquia,
15
59000
2000
Não vos vou testar aqui, mas é a Turquia
01:26
whichqual is highestmais alto there, PolandPolônia, RussiaRússia, PakistanPaquistão and SouthSul AfricaÁfrica.
16
61000
5000
que é mais elevada ali, a Polónia, a Rússia, o Paquistão e a África do Sul.
01:31
And these were the resultsresultados of the SwedishSueco studentsalunos. I did it so I got
17
66000
3000
E estes foram os resultados dos estudantes suecos. Assim obtive
01:34
the confidenceconfiança intervalintervalo de, whichqual is prettybonita narrowlimitar, and I got happyfeliz,
18
69000
3000
o intervalo de confiança, que é bastante estreito, e fiquei feliz, claro:
01:37
of coursecurso: a 1.8 right answerresponda out of fivecinco possiblepossível. That meanssignifica that
19
72000
4000
1,8 respostas certas em 5 possíveis. Isto significa que
01:41
there was a placeLugar, colocar for a professorprofessor of internationalinternacional healthsaúde --
20
76000
3000
havia lugar para um professor de saúde internacional --
01:44
(LaughterRiso) and for my coursecurso.
21
79000
2000
(Risos) e para o meu curso.
01:46
But one lateatrasado night, when I was compilingCompilando the reportrelatório
22
81000
4000
Mas, uma noite, quando estava a compilar o relatório,
01:50
I really realizedpercebi my discoverydescoberta. I have shownmostrando
23
85000
4000
realmente apercebi-me da minha descoberta. Mostrei
01:54
that SwedishSueco toptopo studentsalunos know statisticallyestatisticamente significantlysignificativamente lessMenos
24
89000
5000
que, estatisticamente, os estudantes suecos de topo sabem muito menos
01:59
about the worldmundo than the chimpanzeeschimpanzés.
25
94000
2000
sobre o mundo do que os chimpanzés.
02:01
(LaughterRiso)
26
96000
2000
(Risos)
02:03
Because the chimpanzeechimpanzé would scorePonto halfmetade right if I gavedeu them
27
98000
4000
Porque os chimpazés acertariam em metade, se eu lhes desse
02:07
two bananasbananas with SriSri LankaLanka and TurkeyTurquia. They would be right halfmetade of the casescasos.
28
102000
3000
duas bananas com o Sri Lanka e a Turquia. Estariam certos em metade dos casos.
02:10
But the studentsalunos are not there. The problemproblema for me was not ignoranceignorância;
29
105000
4000
Mas os alunos não. O problema, para mim, não foi a ignorância,
02:14
it was preconceivedpreconcebidas ideasidéias.
30
109000
3000
foram as ideias pré-concebidas.
02:17
I did alsoAlém disso an unethicalsem ética studyestude of the professorsprofessores of the KarolinskaKarolinska InstituteInstituto
31
112000
4000
Fiz também um estudo nada ético dos professores do Instituto Karolinska
02:21
(LaughterRiso)
32
116000
1000
(Risos)
02:22
-- that handsmãos out the NobelNobel PrizePrêmio in MedicineMedicina,
33
117000
2000
-- que atribui o Prémio Nobel da Medicina --,
02:24
and they are on parpar with the chimpanzeechimpanzé there.
34
119000
2000
e naquela matéria estão ao nível dos chimpanzés.
02:26
(LaughterRiso)
35
121000
3000
(Risos)
02:29
This is where I realizedpercebi that there was really a need to communicatecomunicar,
36
124000
4000
Foi aí que me apercebi de que havia mesmo necessidade de comunicar,
02:33
because the datadados of what's happeningacontecendo in the worldmundo
37
128000
3000
porque os dados sobre o que está a acontecer no mundo
02:36
and the childcriança healthsaúde of everycada countrypaís is very well awareconsciente.
38
131000
3000
e sobre a saúde infantil de todos os países são muito claros.
02:39
We did this softwareProgramas whichqual displaysexibe it like this: everycada bubblebolha here is a countrypaís.
39
134000
5000
Criámos este programa que o mostra desta forma: cada bolha é um país.
02:44
This countrypaís over here is ChinaChina. This is IndiaÍndia.
40
139000
6000
Este país aqui é a China. Este é a Índia.
02:50
The sizeTamanho of the bubblebolha is the populationpopulação, and on this axiseixo here I put fertilityfertilidade ratetaxa.
41
145000
6000
O tamanho da bolha é a população, e neste eixo aqui pus a taxa de fertilidade.
02:56
Because my studentsalunos, what they said
42
151000
3000
Porque os meus alunos, o que disseram
02:59
when they lookedolhou uponsobre the worldmundo, and I askedperguntei them,
43
154000
2000
quando olharam para o mundo e eu lhes perguntei
03:01
"What do you really think about the worldmundo?"
44
156000
2000
"O que pensam realmente acerca do mundo?" --
03:03
Well, I first discovereddescobriu that the textbooklivro didático was TintinTintim, mainlyprincipalmente.
45
158000
4000
Bem, primeiro descobri que o livro de estudo era o Tintim, principalmente.
03:07
(LaughterRiso)
46
162000
1000
(Risos)
03:08
And they said, "The worldmundo is still 'we''nós' and 'them' eles.'
47
163000
3000
E eles responderam: "O mundo ainda é 'nós' e 'eles'.
03:11
And we is WesternWestern worldmundo and them is ThirdTerceira WorldMundo."
48
166000
3000
E 'nós' é o mundo ocidental, e 'eles' é o terceiro mundo."
03:14
"And what do you mean with WesternWestern worldmundo?" I said.
49
169000
3000
"E o que querem dizer com mundo ocidental?", perguntei.
03:17
"Well, that's long life and smallpequeno familyfamília, and ThirdTerceira WorldMundo is shortcurto life and largeampla familyfamília."
50
172000
5000
"Bem, é vida longa e família pequena, e o terceiro mundo é vida curta e família numerosa."
03:22
So this is what I could displayexibição here. I put fertilityfertilidade ratetaxa here: numbernúmero of childrencrianças perpor womanmulher:
51
177000
6000
Portanto, isso é o que pude mostrar aqui. Pus a taxa de fertilidade aqui: número de filhos por mulher:
03:28
one, two, threetrês, fourquatro, up to about eightoito childrencrianças perpor womanmulher.
52
183000
4000
um, dois, três, quatro, até cerca de oito filhos por mulher.
03:32
We have very good datadados sinceDesde a 1962 -- 1960 about -- on the sizeTamanho of familiesfamílias in all countriespaíses.
53
187000
6000
Temos dados muito bons desde 1962 - por volta de 1960 - sobre o tamanho das famílias em todos os países.
03:38
The errorerro marginmargem is narrowlimitar. Here I put life expectancyexpectativa at birthnascimento,
54
193000
3000
A margem de erro é reduzida. Aqui, pus a esperança de vida à nascença,
03:41
from 30 yearsanos in some countriespaíses up to about 70 yearsanos.
55
196000
4000
desde 30 anos, nalguns países, até cerca de 70 anos.
03:45
And 1962, there was really a groupgrupo of countriespaíses here
56
200000
3000
Em 1962 havia realmente um grupo de países, aqui,
03:48
that was industrializedindustrializado countriespaíses, and they had smallpequeno familiesfamílias and long livesvidas.
57
203000
5000
que eram países industrializados e que tinham famílias pequenas e vidas longas.
03:53
And these were the developingem desenvolvimento countriespaíses:
58
208000
2000
E estes eram os países em desenvolvimento:
03:55
they had largeampla familiesfamílias and they had relativelyrelativamente shortcurto livesvidas.
59
210000
3000
tinham famílias grandes e vidas relativamente curtas.
03:58
Now what has happenedaconteceu sinceDesde a 1962? We want to see the changemudança.
60
213000
4000
Agora, o que aconteceu desde 1962? Queremos ver a mudança.
04:02
Are the studentsalunos right? Is it still two typestipos of countriespaíses?
61
217000
3000
Estarão os alunos certos? Existem, ainda, dois tipos de países?
04:06
Or have these developingem desenvolvimento countriespaíses got smallermenor familiesfamílias and they liveviver here?
62
221000
3000
Ou será que estes países em desenvolvimento têm famílias mais pequenas e vivem aqui?
04:09
Or have they got longermais longo livesvidas and liveviver up there?
63
224000
2000
Ou terão eles vidas mais longas e viverão ali em cima?
04:11
Let's see. We stoppedparado the worldmundo then. This is all U.N. statisticsEstatisticas
64
226000
3000
Vamos ver. Parámos o mundo. Tudo isto são estatísticas da ONU
04:14
that have been availableacessível. Here we go. Can you see there?
65
229000
3000
que estão disponíveis. Aqui vamos nós. Conseguem ver ali?
04:17
It's ChinaChina there, movingmovendo-se againstcontra better healthsaúde there, improvingmelhorando there.
66
232000
3000
É a China ali, a dirigir-se para melhor saúde ali, a melhorar ali.
04:20
All the greenverde LatinLatino AmericanAmericana countriespaíses are movingmovendo-se towardsem direção smallermenor familiesfamílias.
67
235000
3000
Todos os países latino-americanos, a verde, caminham para famílias mais pequenas.
04:23
Your yellowamarelo onesuns here are the ArabicÁrabe countriespaíses,
68
238000
3000
Os amarelos aqui são os países árabes,
04:26
and they get largermaior familiesfamílias, but they -- no, longermais longo life, but not largermaior familiesfamílias.
69
241000
4000
que ficam com famílias maiores, mas - não, vida mais longa, mas não famílias maiores.
04:30
The AfricansAfricanos are the greenverde down here. They still remainpermanecer here.
70
245000
3000
Os africanos são os verdes aqui em baixo. Eles continuam aqui.
04:33
This is IndiaÍndia. Indonesia'sA Indonésia movingmovendo-se on prettybonita fastvelozes.
71
248000
3000
Esta é a Índia. A Indonésia está a mover-se muito depressa.
04:36
(LaughterRiso)
72
251000
1000
(Risos)
04:37
And in the '80s here, you have BangladeshBangladesh still amongentre the AfricanAfricano countriespaíses there.
73
252000
3000
E nos anos 80, aqui, temos o Bangladesh ali, ainda entre os países africanos.
04:40
But now, BangladeshBangladesh -- it's a miraclemilagre that happensacontece in the '80s:
74
255000
3000
Mas, agora, o Bangladesh -- é um milagre que acontece nos anos 80:
04:43
the imamsimãs startcomeçar to promotepromover familyfamília planningplanejamento.
75
258000
3000
os imãs começam a promover o planeamento familiar.
04:46
They movemover up into that cornercanto. And in '90s, we have the terribleterrivel HIVHIV epidemicepidemia
76
261000
5000
Sobem para aquele canto. E nos anos 90, temos a terrível epidemia de VIH
04:51
that takes down the life expectancyexpectativa of the AfricanAfricano countriespaíses
77
266000
3000
que diminui a esperança média de vida dos países africanos
04:54
and all the restdescansar of them movemover up into the cornercanto,
78
269000
4000
e todos os restantes sobem para o canto,
04:58
where we have long livesvidas and smallpequeno familyfamília, and we have a completelycompletamente newNovo worldmundo.
79
273000
4000
onde temos vidas longas e famílias pequenas, e temos um mundo completamente novo.
05:02
(ApplauseAplausos)
80
277000
13000
(Aplausos)
05:15
Let me make a comparisoncomparação directlydiretamente betweenentre the UnitedUnidos StatesEstados-Membros of AmericaAmérica and VietnamVietname.
81
290000
5000
Permitam-me fazer uma comparação directa entre os E.U.A. e o Vietname.
05:20
1964: AmericaAmérica had smallpequeno familiesfamílias and long life;
82
295000
5000
1964: a América tinha famílias pequenas e vida longa;
05:25
VietnamVietname had largeampla familiesfamílias and shortcurto livesvidas. And this is what happensacontece:
83
300000
4000
o Vietname tinha famílias grandes e vidas curtas. E eis o que acontece:
05:29
the datadados duringdurante the warguerra indicateindicar that even with all the deathmorte,
84
304000
6000
os dados do período da guerra indicam que, apesar de todas as mortes,
05:35
there was an improvementmelhoria of life expectancyexpectativa. By the endfim of the yearano,
85
310000
3000
houve uma melhoria na esperança média de vida. No final do ano,
05:38
the familyfamília planningplanejamento startedcomeçado in VietnamVietname and they wentfoi for smallermenor familiesfamílias.
86
313000
3000
começou o planeamento familiar no Vietname e eles caminharam para famílias mais pequenas.
05:41
And the UnitedUnidos StatesEstados-Membros up there is gettingobtendo for longermais longo life,
87
316000
3000
E os Estados Unidos, lá em cima, estão a tornar a vida mais longa,
05:44
keepingguardando familyfamília sizeTamanho. And in the '80s now,
88
319000
3000
mantendo o tamanho das famílias. Agora, nos anos 80,
05:47
they give up communistcomunista planningplanejamento and they go for marketmercado economyeconomia,
89
322000
3000
os vietnamitas desistem do planeamento comunista e aderem à economia de mercado,
05:50
and it movesse move fasterMais rápido even than socialsocial life. And todayhoje, we have
90
325000
4000
e o país move-se mais depressa do que a vida social. E hoje temos,
05:54
in VietnamVietname the samemesmo life expectancyexpectativa and the samemesmo familyfamília sizeTamanho
91
329000
5000
no Vietname, a mesma esperança média de vida e o mesmo tamanho de família,
05:59
here in VietnamVietname, 2003, as in UnitedUnidos StatesEstados-Membros, 1974, by the endfim of the warguerra.
92
334000
7000
aqui no Vietname, em 2003, que tínhamos nos E.U.A., em 1974, no fim da guerra.
06:06
I think we all -- if we don't look in the datadados --
93
341000
4000
Penso que todos nós -- se não olharmos para os dados --
06:10
we underestimatesubestimar the tremendoustremendo changemudança in AsiaÁsia, whichqual was
94
345000
4000
subestimamos a mudança tremenda ocorrida na Ásia, que foi
06:14
in socialsocial changemudança before we saw the economicaleconômico changemudança.
95
349000
4000
a mudança social, antes de vermos a mudança económica.
06:18
Let's movemover over to anotheroutro way here in whichqual we could displayexibição
96
353000
5000
Vamos mudar aqui para uma outra maneira, através da qual possamos mostrar
06:23
the distributiondistribuição in the worldmundo of the incomerenda. This is the worldmundo distributiondistribuição of incomerenda of people.
97
358000
7000
a distribuição de rendimentos no mundo. Esta é a distribuição mundial do rendimento da população.
06:30
One dollardólar, 10 dollarsdólares or 100 dollarsdólares perpor day.
98
365000
5000
Um dólar, 10 dólares ou 100 dólares por dia.
06:35
There's no gapgap betweenentre richrico and poorpobre any longermais longo. This is a mythmito.
99
370000
4000
Já não existe um fosso entre os ricos e os pobres. Isso é um mito.
06:39
There's a little humpcorcunda here. But there are people all the way.
100
374000
4000
Há um pequeno pico aqui. Mas há pessoas de uma ponta à outra.
06:44
And if we look where the incomerenda endstermina up -- the incomerenda --
101
379000
4000
E se analisarmos onde o rendimento acaba -- o rendimento --
06:48
this is 100 percentpor cento the world'sos mundos annualanual incomerenda. And the richestmais rico 20 percentpor cento,
102
383000
6000
isto corresponde a 100% do rendimento mundial anual. E os 20% mais ricos
06:54
they take out of that about 74 percentpor cento. And the poorestmais pobre 20 percentpor cento,
103
389000
7000
tiram daí cerca de 74%. E os 20% mais pobres
07:01
they take about two percentpor cento. And this showsmostra that the conceptconceito
104
396000
5000
ficam com cerca de 2%. Isto mostra que o conceito
07:06
of developingem desenvolvimento countriespaíses is extremelyextremamente doubtfulduvidoso. We think about aidajuda, like
105
401000
4000
de países em desenvolvimento é muito duvidoso. Pensamos em ajuda, como
07:10
these people here givingdando aidajuda to these people here. But in the middlemeio,
106
405000
5000
estas pessoas aqui estarem a ajudar estas pessoas aqui. Mas, no meio,
07:15
we have mosta maioria the worldmundo populationpopulação, and they have now 24 percentpor cento of the incomerenda.
107
410000
4000
temos a maioria da população mundial, e eles têm agora 24% do rendimento.
07:19
We heardouviu it in other formsformas. And who are these?
108
414000
4000
Ouvimo-lo de outras formas. E quem são estes?
07:23
Where are the differentdiferente countriespaíses? I can showexposição you AfricaÁfrica.
109
418000
4000
Onde estão os diferentes países? Posso mostrar-vos a África.
07:27
This is AfricaÁfrica. 10 percentpor cento the worldmundo populationpopulação, mosta maioria in povertypobreza.
110
422000
5000
Isto é a África. 10% da população mundial, a maioria na pobreza.
07:32
This is OECDOCDE. The richrico countrypaís. The countrypaís clubclube of the U.N.
111
427000
5000
Isto é a OCDE. Os países ricos. O clube de campo das Nações Unidas (U.N.).
07:37
And they are over here on this sidelado. QuiteMuito an overlapsobreposição betweenentre AfricaÁfrica and OECDOCDE.
112
432000
5000
Eles estão aqui deste lado. Uma grande sobreposição entre a África e a OCDE.
07:42
And this is LatinLatino AmericaAmérica. It has everything on this EarthTerra,
113
437000
3000
E isto é a América Latina. Tem de tudo neste mundo,
07:45
from the poorestmais pobre to the richestmais rico, in LatinLatino AmericaAmérica.
114
440000
3000
dos mais pobres aos mais ricos, na América Latina.
07:48
And on toptopo of that, we can put EastLeste EuropeEuropa, we can put EastLeste AsiaÁsia,
115
443000
5000
E por cima disto podemos pôr a Europa de Leste, a Ásia Oriental,
07:53
and we put SouthSul AsiaÁsia. And how did it look like if we go back in time,
116
448000
5000
e a Ásia do Sul. E como seria isto se voltássemos atrás no tempo,
07:58
to about 1970? Then there was more of a humpcorcunda.
117
453000
5000
até por volta de 1970? Existia um pico maior.
08:03
And we have mosta maioria who livedvivia in absoluteabsoluto povertypobreza were AsiansAsiáticos.
118
458000
4000
E a maioria dos que viviam em pobreza absoluta eram asiáticos.
08:07
The problemproblema in the worldmundo was the povertypobreza in AsiaÁsia. And if I now let the worldmundo movemover forwardprogressivo,
119
462000
7000
O problema do mundo era a pobreza na Ásia. E se eu agora deixar o mundo avançar,
08:14
you will see that while populationpopulação increaseaumentar, there are
120
469000
3000
verão que, enquanto a população aumenta, há
08:17
hundredscentenas of millionsmilhões in AsiaÁsia gettingobtendo out of povertypobreza and some othersoutras
121
472000
3000
centenas de milhões na Ásia que saem da pobreza e outros
08:20
gettingobtendo into povertypobreza, and this is the patternpadronizar we have todayhoje.
122
475000
3000
que entram na pobreza, e este é o padrão que temos hoje.
08:23
And the bestmelhor projectionprojeção from the WorldMundo BankBanco is that this will happenacontecer,
123
478000
4000
E a melhor projecção do Banco Mundial vai no sentido de que isto acontecerá,
08:27
and we will not have a divideddividido worldmundo. We'llNós vamos have mosta maioria people in the middlemeio.
124
482000
4000
e de que não teremos um mundo dividido. Teremos a maioria das pessoas no meio.
08:31
Of coursecurso it's a logarithmiclogarítmico scaleescala here,
125
486000
2000
Claro que isto é uma escala logarítmica,
08:33
but our conceptconceito of economyeconomia is growthcrescimento with percentpor cento. We look uponsobre it
126
488000
5000
mas o nosso conceito de economia é crescimento com percentagem. Olhamo-la
08:38
as a possibilitypossibilidade of percentilepercentil increaseaumentar. If I changemudança this, and I take
127
493000
6000
como uma possibilidade de aumento percentual. Se eu mudar isto, e considerar
08:44
GDPPIB perpor capitacapita insteadem vez de of familyfamília incomerenda, and I turnvirar these
128
499000
4000
o PIB per capita em vez do rendimento familiar, e transformar estes
08:48
individualIndividual datadados into regionalregional datadados of grossBruto domesticdoméstica productprodutos,
129
503000
6000
dados individuais em dados regionais de produto interno bruto (PIB),
08:54
and I take the regionsregiões down here, the sizeTamanho of the bubblebolha is still the populationpopulação.
130
509000
4000
e considerar estas regiões aqui em baixo, o tamanho da bolha continua a ser a população.
08:58
And you have the OECDOCDE there, and you have sub-SaharanSub-Sahariana AfricaÁfrica there,
131
513000
3000
E temos a OCDE aqui, e a África subsariana ali,
09:01
and we take off the ArabÁrabes statesestados there,
132
516000
3000
e tiramos os estados árabes dali,
09:04
comingchegando bothambos from AfricaÁfrica and from AsiaÁsia, and we put them separatelyseparadamente,
133
519000
4000
que vêm tanto de África como da Ásia, e separamo-los,
09:08
and we can expandexpandir this axiseixo, and I can give it a newNovo dimensiondimensão here,
134
523000
5000
e podemos expandir este eixo, e posso dar-lhe uma nova dimensão aqui,
09:13
by addingadicionando the socialsocial valuesvalores there, childcriança survivalsobrevivência.
135
528000
3000
adicionando os valores sociais ali, a sobrevivência infantil.
09:16
Now I have moneydinheiro on that axiseixo, and I have the possibilitypossibilidade of childrencrianças to survivesobreviver there.
136
531000
5000
Agora, tenho dinheiro naquele eixo, e a possibilidade de sobrevivência das crianças ali.
09:21
In some countriespaíses, 99.7 percentpor cento of childrencrianças survivesobreviver to fivecinco yearsanos of ageera;
137
536000
4000
Em alguns países, 99,7% das crianças sobrevivem até aos 5 anos de idade;
09:25
othersoutras, only 70. And here it seemsparece there is a gapgap
138
540000
4000
noutros, apenas 70%. E aqui parece haver um fosso
09:29
betweenentre OECDOCDE, LatinLatino AmericaAmérica, EastLeste EuropeEuropa, EastLeste AsiaÁsia,
139
544000
4000
entre a OCDE, a América Latina, a Europa de Leste, a Ásia Oriental,
09:33
ArabÁrabes statesestados, SouthSul AsiaÁsia and sub-SaharanSub-Sahariana AfricaÁfrica.
140
548000
4000
os Estados árabes, a Ásia do Sul e a África subsariana.
09:37
The linearitylinearidade is very strongForte betweenentre childcriança survivalsobrevivência and moneydinheiro.
141
552000
5000
A linearidade é muito forte entre a sobrevivência infantil e o dinheiro.
09:42
But let me splitDividido sub-SaharanSub-Sahariana AfricaÁfrica. HealthSaúde is there and better healthsaúde is up there.
142
557000
8000
Mas permitam-me que divida a África subsariana. A saúde está ali, e a saúde melhor está lá em cima.
09:50
I can go here and I can splitDividido sub-SaharanSub-Sahariana AfricaÁfrica into its countriespaíses.
143
565000
5000
Posso chegar aqui e dividir a África subsariana nos seus países.
09:55
And when it burstexplosão, the sizeTamanho of its countrypaís bubblebolha is the sizeTamanho of the populationpopulação.
144
570000
5000
E quando isto rebenta -- o tamanho da bolha de cada país é o tamanho da população.
10:00
SierraSerra LeoneLeoa down there. MauritiusMaurícia is up there. MauritiusMaurícia was the first countrypaís
145
575000
4000
A Serra Leoa, ali em baixo. As Maurícias estão lá em cima. Foram o primeiro país
10:04
to get away with tradecomércio barriersbarreiras, and they could sellvender theirdeles sugaraçúcar --
146
579000
3000
a livrar-se das barreiras comerciais, e puderam vender o seu açúcar --
10:08
they could sellvender theirdeles textilesmatérias têxteis -- on equaligual termstermos as the people in EuropeEuropa and NorthNorte AmericaAmérica.
147
583000
5000
puderam vender os seus têxteis -- em termos iguais aos da Europa e da América do Norte.
10:13
There's a hugeenorme differencediferença betweenentre AfricaÁfrica. And GhanaGana is here in the middlemeio.
148
588000
4000
Existem diferenças enormes dentro da África. E o Gana está aqui no meio.
10:17
In SierraSerra LeoneLeoa, humanitarianhumanitário aidajuda.
149
592000
3000
Na Serra Leoa, ajuda humanitária.
10:20
Here in UgandaUganda, developmentdesenvolvimento aidajuda. Here, time to investinvestir; there,
150
595000
5000
Aqui, no Uganda, apoio ao desenvolvimento. Aqui, é tempo de investir; ali
10:25
you can go for a holidayferiado. It's a tremendoustremendo variationvariação
151
600000
3000
podemos ir de férias. Existe uma variação tremenda
10:28
withindentro AfricaÁfrica whichqual we rarelyraramente oftenfrequentemente make -- that it's equaligual everything.
152
603000
5000
dentro da África, que raramente consideramos -- pensamos ser tudo igual.
10:33
I can splitDividido SouthSul AsiaÁsia here. India'sNa Índia the biggrande bubblebolha in the middlemeio.
153
608000
4000
Posso dividir a Ásia do Sul aqui. A Índia é a bolha grande no meio.
10:37
But a hugeenorme differencediferença betweenentre AfghanistanAfeganistão and SriSri LankaLanka.
154
612000
4000
Mas há uma grande diferença entre o Afeganistão e o Sri Lanka.
10:41
I can splitDividido ArabÁrabes statesestados. How are they? SameMesmo climateclima, samemesmo culturecultura,
155
616000
4000
Posso dividir os Estados árabes. Como estão eles? O mesmo clima, a mesma cultura,
10:45
samemesmo religionreligião -- hugeenorme differencediferença. Even betweenentre neighborsvizinhos.
156
620000
4000
a mesma religião -- uma enorme diferença. Mesmo entre vizinhos.
10:49
YemenIêmen, civilCivil warguerra. UnitedUnidos ArabÁrabes EmirateEmirado, moneydinheiro whichqual was quitebastante equallyigualmente and well used.
157
624000
5000
Yemen, guerra civil. Emirados Árabes Unidos, dinheiro que foi bastante bem e equitativamente usado.
10:54
Not as the mythmito is. And that includesinclui all the childrencrianças of the foreignestrangeiro workerstrabalhadores who are in the countrypaís.
158
629000
7000
Não de acordo com o mito. E isto inclui todos os filhos dos trabalhadores estrangeiros que estão no país.
11:01
DataDados is oftenfrequentemente better than you think. ManyMuitos people say datadados is badmau.
159
636000
4000
Os dados são frequentemente melhores do que se pensa. Muitos dizem que os dados são maus.
11:06
There is an uncertaintyincerteza marginmargem, but we can see the differencediferença here:
160
641000
2000
Existe uma margem de incerteza, mas podemos ver aqui a diferença:
11:08
CambodiaCamboja, SingaporeCingapura. The differencesdiferenças are much biggerMaior
161
643000
3000
Cambodja, Singapura. As diferenças são muito maiores
11:11
than the weaknessfraqueza of the datadados. EastLeste EuropeEuropa:
162
646000
3000
do que a fragilidade dos dados. Europa de Leste:
11:14
SovietUnião Soviética economyeconomia for a long time, but they come out after 10 yearsanos
163
649000
6000
economia soviética durante um longo período, mas surgem, 10 anos depois,
11:20
very, very differentlydiferente. And there is LatinLatino AmericaAmérica.
164
655000
3000
com muitas, muitas diferenças. E ali está a América Latina.
11:23
TodayHoje, we don't have to go to CubaCuba to find a healthysaudável countrypaís in LatinLatino AmericaAmérica.
165
658000
4000
Hoje, não temos que ir a Cuba para encontrar um país saudável na América Latina.
11:27
ChileChile will have a lowermais baixo childcriança mortalitymortalidade than CubaCuba withindentro some fewpoucos yearsanos from now.
166
662000
5000
O Chile terá uma mortalidade infantil menor que Cuba dentro de poucos anos.
11:32
And here we have high-incomeelevado rendimento countriespaíses in the OECDOCDE.
167
667000
3000
E aqui temos os países ricos da OCDE.
11:35
And we get the wholetodo patternpadronizar here of the worldmundo,
168
670000
4000
E aqui temos o padrão do mundo inteiro,
11:39
whichqual is more or lessMenos like this. And if we look at it,
169
674000
5000
que é mais ou menos assim. E se olharmos para ele,
11:44
how it looksparece -- the worldmundo, in 1960, it startscomeça to movemover. 1960.
170
679000
6000
para o seu aspecto -- o mundo, em 1960, começa a mover-se. 1960.
11:50
This is MaoMao Tse-tungTse-Tung. He broughttrouxe healthsaúde to ChinaChina. And then he diedmorreu.
171
685000
3000
Isto é Mao Tsé-tung. Ele trouxe saúde à China. E depois morreu.
11:53
And then DengDeng XiaopingXiaoping cameveio and broughttrouxe moneydinheiro to ChinaChina, and broughttrouxe them into the mainstreamconvencional again.
172
688000
5000
Depois veio Deng Xiaoping e trouxe dinheiro à China, trouxe-os para a ribalta novamente.
11:58
And we have seenvisto how countriespaíses movemover in differentdiferente directionsinstruções like this,
173
693000
4000
E já vimos como os países se movem assim, em diferentes direcções,
12:02
so it's sortordenar of difficultdifícil to get
174
697000
4000
pelo que é difícil conseguir
12:06
an exampleexemplo countrypaís whichqual showsmostra the patternpadronizar of the worldmundo.
175
701000
5000
um país que exemplifique o padrão do mundo.
12:11
But I would like to bringtrazer you back to about here at 1960.
176
706000
6000
Mas gostaria de vos fazer regressar até por volta de 1960.
12:17
I would like to comparecomparar SouthSul KoreaCoréia, whichqual is this one, with BrazilBrasil,
177
712000
10000
Gostaria de comparar a Coreia do Sul, que é esta, com o Brasil,
12:27
whichqual is this one. The labelrótulo wentfoi away for me here. And I would like to comparecomparar UgandaUganda,
178
722000
5000
que é este. O rótulo desapareceu-me aqui. E gostaria de comparar o Uganda,
12:32
whichqual is there. And I can runcorre it forwardprogressivo, like this.
179
727000
5000
que está ali. E posso fazer isto avançar, assim.
12:37
And you can see how SouthSul KoreaCoréia is makingfazer a very, very fastvelozes advancementavanço,
180
732000
9000
E podem ver como a Coreia do Sul está a ter um avanço muito, muito rápido,
12:46
whereasenquanto que BrazilBrasil is much slowerMais devagar.
181
741000
3000
enquanto que o Brasil é muito mais lento.
12:49
And if we movemover back again, here, and we put on trailstrilhas on them, like this,
182
744000
6000
E se recuarmos novamente, aqui, e lhes pusermos rastos, assim,
12:55
you can see again that the speedRapidez of developmentdesenvolvimento
183
750000
4000
podem ver novamente que a velocidade do desenvolvimento
12:59
is very, very differentdiferente, and the countriespaíses are movingmovendo-se more or lessMenos
184
754000
6000
é muito, muito diferente, e que os países se movem mais ou menos
13:05
in the samemesmo ratetaxa as moneydinheiro and healthsaúde, but it seemsparece you can movemover
185
760000
4000
ao mesmo ritmo que o dinheiro e a saúde. Mas parece que se podem mover
13:09
much fasterMais rápido if you are healthysaudável first than if you are wealthyrico first.
186
764000
4000
muito mais depressa se primeiro forem saudáveis, do que se forem ricos primeiro.
13:14
And to showexposição that, you can put on the way of UnitedUnidos ArabÁrabes EmirateEmirado.
187
769000
4000
E para o mostrar, podemos acrescentar os Emirados Árabes Unidos.
13:18
They cameveio from here, a mineralmineral countrypaís. They cachedem cache all the oilóleo;
188
773000
3000
Eles vieram daqui, um país rico em minerais. Aproveitaram o petróleo todo;
13:21
they got all the moneydinheiro; but healthsaúde cannotnão podes be boughtcomprou at the supermarketsupermercado.
189
776000
4000
conseguiram o dinheiro todo; mas a saúde não se pode comprar no supermercado.
13:25
You have to investinvestir in healthsaúde. You have to get kidsfilhos into schoolingescolaridade.
190
780000
4000
É preciso investir na saúde. É preciso escolarizar as crianças.
13:29
You have to traintrem healthsaúde stafffuncionários. You have to educateeducar the populationpopulação.
191
784000
3000
É preciso formar profissionais de saúde. É preciso educar a população.
13:32
And SheikhSheik SayedSilva did that in a fairlybastante good way.
192
787000
3000
E o Xeque Sayed fê-lo de uma forma francamente boa.
13:35
In spiteapesar de of fallingqueda oilóleo pricespreços, he broughttrouxe this countrypaís up here.
193
790000
4000
Apesar da queda dos preços do petróleo, trouxe este país até cá acima.
13:39
So we'venós temos got a much more mainstreamconvencional appearanceaparência of the worldmundo,
194
794000
4000
Assim, temos uma imagem de um mundo mais desenvolvido,
13:43
where all countriespaíses tendtende to use theirdeles moneydinheiro
195
798000
2000
em que todos os países tendem a usar o seu dinheiro
13:45
better than they used in the pastpassado. Now, this is, more or lessMenos,
196
800000
5000
melhor do que o usaram no passado. Isto é, mais ou menos,
13:50
if you look at the averagemédia datadados of the countriespaíses -- they are like this.
197
805000
7000
se olharem para os dados médios dos países -- eles são assim.
13:57
Now that's dangerousperigoso, to use averagemédia datadados, because there is suchtal a lot
198
812000
5000
Agora, é perigoso usar dados médios, porque existe uma grande
14:02
of differencediferença withindentro countriespaíses. So if I go and look here, we can see
199
817000
6000
diferença dentro dos países. Por isso, se olharmos para aqui, podemos ver
14:08
that UgandaUganda todayhoje is where SouthSul KoreaCoréia was 1960. If I splitDividido UgandaUganda,
200
823000
6000
que o Uganda actual está onde a Coreia do Sul esteve em 1960.
14:14
there's quitebastante a differencediferença withindentro UgandaUganda. These are the quintilesQuintiles of UgandaUganda.
201
829000
5000
Se dividir o Uganda, no seu interior existe uma grande diferença.
14:19
The richestmais rico 20 percentpor cento of UgandansUgandeses are there.
202
834000
3000
Há os quintiles do Uganda. Ali estão os 20% mais ricos.
14:22
The poorestmais pobre are down there. If I splitDividido SouthSul AfricaÁfrica, it's like this.
203
837000
4000
Os mais pobres estão ali em baixo. Se dividir a África do Sul, fica assim.
14:26
And if I go down and look at NigerNíger, where there was suchtal a terribleterrivel faminefome,
204
841000
5000
E se descer e observar a Nigéria, onde houve uma terrível crise de fome,
14:31
lastlypor último, it's like this. The 20 percentpor cento poorestmais pobre of NigerNíger is out here,
205
846000
5000
no final, fica assim. Os 20% mais pobres da Nigéria ficam aqui de fora,
14:36
and the 20 percentpor cento richestmais rico of SouthSul AfricaÁfrica is there,
206
851000
3000
e os 20% mais ricos da África do Sul estão ali,
14:39
and yetainda we tendtende to discussdiscutir on what solutionssoluções there should be in AfricaÁfrica.
207
854000
5000
e, contudo, temos tendência a discutir que soluções deveria haver para África.
14:44
Everything in this worldmundo existsexiste in AfricaÁfrica. And you can't
208
859000
3000
Em África há de tudo o que existe no mundo. E não podemos falar de
14:47
discussdiscutir universaluniversal accessAcesso to HIVHIV [medicineremédio] for that quintilequintile up here
209
862000
4000
acesso universal a medicação para o VIH para este quintile aqui em cima
14:51
with the samemesmo strategyestratégia as down here. The improvementmelhoria of the worldmundo
210
866000
4000
com a mesma estratégia que para os daqui debaixo. As melhorias, no mundo,
14:55
mustdevo be highlyaltamente contextualizedcontextualizado, and it's not relevantrelevante to have it
211
870000
5000
devem ser altamente contextualizadas, e não é relevante fazê-lo
15:00
on regionalregional levelnível. We mustdevo be much more detailedDetalhado.
212
875000
3000
a nível regional. Devemos fazê-lo com maior detalhe.
15:03
We find that studentsalunos get very excitedanimado when they can use this.
213
878000
4000
Descobrimos que os estudantes ficam muito entusiasmados quando podem usar isto.
15:07
And even more policypolítica makersfabricantes and the corporatecorporativo sectorssetores would like to see
214
882000
5000
E ainda mais decisores políticos e sectores corporativos gostariam de ver
15:12
how the worldmundo is changingmudando. Now, why doesn't this take placeLugar, colocar?
215
887000
4000
como o mundo está a mudar. Agora, porque é que isto não acontece?
15:16
Why are we not usingusando the datadados we have? We have datadados in the UnitedUnidos NationsDas Nações,
216
891000
4000
Por que razão não usamos os dados que temos? Temos dados nas Nações Unidas,
15:20
in the nationalnacional statisticalestatística agenciesagências
217
895000
2000
nas agências nacionais de estatísticas,
15:22
and in universitiesuniversidades and other non-governmentalnão-governamental organizationsorganizações.
218
897000
4000
nas universidades e noutras organizações não governamentais.
15:26
Because the datadados is hiddenescondido down in the databasesbancos de dados.
219
901000
2000
Porque os dados estão escondidos nas bases de dados.
15:28
And the publicpúblico is there, and the InternetInternet is there, but we have still not used it effectivelyefetivamente.
220
903000
5000
E o público está ali, e a internet está ali, mas ainda não usámos isto eficazmente.
15:33
All that informationem formação we saw changingmudando in the worldmundo
221
908000
3000
Toda aquela informação que vimos a mudar no mundo
15:36
does not includeincluir publicly-fundedfinanciamento público statisticsEstatisticas. There are some webrede pagesPáginas
222
911000
4000
não inclui estatísticas financiadas pelo estado. Há algumas páginas web
15:40
like this, you know, but they take some nourishmentnutrição down from the databasesbancos de dados,
223
915000
6000
como esta, sabem, mas elas alimentam-se das bases de dados,
15:46
but people put pricespreços on them, stupidestúpido passwordssenhas and boringchato statisticsEstatisticas.
224
921000
5000
mas as pessoas colocam-lhes preços, palavras-passe estúpidas e estatísticas maçadoras.
15:51
(LaughterRiso) (ApplauseAplausos)
225
926000
3000
(Risos) (Aplausos)
15:54
And this won'tnão vai work. So what is needednecessário? We have the databasesbancos de dados.
226
929000
4000
E isso não funciona. Por isso, o que é preciso? Nós temos as bases de dados.
15:58
It's not the newNovo databasebase de dados you need. We have wonderfulMaravilhoso designdesenhar toolsFerramentas,
227
933000
4000
Não é de novas bases de dados que precisamos. Temos ferramentas de design maravilhosas,
16:02
and more and more are addedadicionado up here. So we startedcomeçado
228
937000
3000
e cada vez mais são aqui adicionadas. Por isso, demos início
16:05
a nonprofitsem fins lucrativos venturerisco whichqual we calledchamado -- linkingligando datadados to designdesenhar --
229
940000
5000
a um empreendimento sem fins lucrativos a que chamámos -- ligando os dados ao design --
16:10
we call it GapminderGapminder, from the LondonLondres undergroundsubterrâneo, where they warnadvertir you,
230
945000
3000
"Gapminder", nome inspirado no metropolitano de Londres, onde há o aviso
16:13
"mindmente the gapgap." So we thought GapminderGapminder was appropriateadequado.
231
948000
3000
"cuidado com o vão". Por isso pensámos que "Gapminder" era apropriado.
16:16
And we startedcomeçado to writeEscreva softwareProgramas whichqual could linkligação the datadados like this.
232
951000
4000
E começámos a escrever programas que pudessem ligar os dados desta forma.
16:20
And it wasn'tnão foi that difficultdifícil. It tooktomou some personpessoa yearsanos, and we have producedproduzido animationsanimações.
233
955000
6000
E não foi muito difícil. Isto levou alguns anos-pessoa, e criámos animações.
16:26
You can take a datadados setconjunto and put it there.
234
961000
2000
Pode-se pegar num conjunto de dados e colocá-lo ali.
16:28
We are liberatinglibertador U.N. datadados, some fewpoucos U.N. organizationorganização.
235
963000
5000
Estamos a facultar dados das Nações Unidas (N.U.), de algumas organizações das N.U..
16:33
Some countriespaíses acceptaceitar that theirdeles databasesbancos de dados can go out on the worldmundo,
236
968000
4000
Alguns países aceitam que as suas bases de dados sejam divulgadas ao mundo,
16:37
but what we really need is, of coursecurso, a searchpesquisa functionfunção.
237
972000
3000
mas do que realmente precisamos, claro, é de uma função de pesquisa.
16:40
A searchpesquisa functionfunção where we can copycópia de the datadados up to a searchablepesquisável formatformato
238
975000
5000
Uma função de pesquisa que nos permita copiar os dados para um formato passível de pesquisa
16:45
and get it out in the worldmundo. And what do we hearouvir when we go around?
239
980000
3000
e divulgá-los ao mundo. E o que ouvimos quando andamos por aí?
16:48
I've donefeito anthropologyantropologia on the maina Principal statisticalestatística unitsunidades. EveryoneToda a gente saysdiz,
240
983000
4000
Eu fiz antropologia nas principais unidades de estatística. Todos dizem:
16:53
"It's impossibleimpossível. This can't be donefeito. Our informationem formação is so peculiarpeculiar
241
988000
4000
"É impossível. Não se consegue. A nossa informação é tão específica
16:57
in detaildetalhe, so that cannotnão podes be searchedprocurado as othersoutras can be searchedprocurado.
242
992000
3000
quanto aos detalhes, que não pode ser pesquisada como as outras.
17:00
We cannotnão podes give the datadados freelivre to the studentsalunos, freelivre to the entrepreneursempresários of the worldmundo."
243
995000
5000
Não podemos fornecer os dados gratuitamente aos estudantes e aos empreendedores do mundo."
17:05
But this is what we would like to see, isn't it?
244
1000000
3000
Mas era isso que nós gostaríamos de ver, não era?
17:08
The publicly-fundedfinanciamento público datadados is down here.
245
1003000
3000
Os dados publicamente financiados estão aqui em baixo.
17:11
And we would like flowersflores to growcrescer out on the NetNET.
246
1006000
3000
E gostaríamos que as flores crescessem na Net.
17:14
And one of the crucialcrucial pointspontos is to make them searchablepesquisável, and then people can use
247
1009000
5000
E um dos pontos cruciais é torná-los passíveis de pesquisa, e depois as pessoas podem usar
17:19
the differentdiferente designdesenhar toolferramenta to animateanimar it there.
248
1014000
2000
as diferentes ferramentas de design para os animar ali.
17:21
And I have a prettybonita good newsnotícia for you. I have a good newsnotícia that the presentpresente,
249
1016000
5000
E tenho notícias muito boas para vos dar. A boa notícia é que o actual,
17:26
newNovo HeadCabeça of U.N. StatisticsEstatísticas, he doesn't say it's impossibleimpossível.
250
1021000
4000
o novo Dirigente das Estatísticas das Nações Unidas não diz que é impossível.
17:30
He only saysdiz, "We can't do it."
251
1025000
2000
Diz apenas: "Não conseguimos fazer isso."
17:32
(LaughterRiso)
252
1027000
4000
(Risos)
17:36
And that's a quitebastante cleveresperto guy, huh?
253
1031000
2000
E é um sujeito bastante esperto, não é?
17:38
(LaughterRiso)
254
1033000
2000
(Risos)
17:40
So we can see a lot happeningacontecendo in datadados in the comingchegando yearsanos.
255
1035000
4000
Portanto, prevemos muitas novidades em relação aos dados nos próximos anos.
17:44
We will be ablecapaz to look at incomerenda distributionsdistribuições in completelycompletamente newNovo waysmaneiras.
256
1039000
4000
Poderemos observar as distribuições de rendimentos de formas completamente diferentes.
17:48
This is the incomerenda distributiondistribuição of ChinaChina, 1970.
257
1043000
5000
Esta é a distribuição de rendimentos na China, 1970.
17:54
the incomerenda distributiondistribuição of the UnitedUnidos StatesEstados-Membros, 1970.
258
1049000
5000
A distribuição de rendimentos nos Estados Unidos, 1970.
17:59
AlmostQuase no overlapsobreposição. AlmostQuase no overlapsobreposição. And what has happenedaconteceu?
259
1054000
4000
Quase sem sobreposição. E o que aconteceu?
18:03
What has happenedaconteceu is this: that ChinaChina is growingcrescendo, it's not so equaligual any longermais longo,
260
1058000
5000
Aconteceu isto: a China está a crescer, já não é tão igual,
18:08
and it's appearingaparecendo here, overlookingcom vista para the UnitedUnidos StatesEstados-Membros.
261
1063000
4000
e está a aparecer aqui, a olhar para os Estados Unidos.
18:12
AlmostQuase like a ghostfantasma, isn't it, huh?
262
1067000
2000
Quase como um fantasma, não é?
18:14
(LaughterRiso)
263
1069000
2000
(Risos)
18:16
It's prettybonita scaryassustador. But I think it's very importantimportante to have all this informationem formação.
264
1071000
10000
É bastante assustador. Mas penso que é muito importante termos toda esta informação.
18:26
We need really to see it. And insteadem vez de of looking at this,
265
1081000
6000
Precisamos mesmo de vê-la. E em lugar de olhar para isto,
18:32
I would like to endfim up by showingmostrando the InternetInternet usersComercial perpor 1,000.
266
1087000
5000
gostaria de terminar mostrando a permilagem de utilizadores da internet.
18:37
In this softwareProgramas, we accessAcesso about 500 variablesvariáveis from all the countriespaíses quitebastante easilyfacilmente.
267
1092000
5000
Neste programa, temos acesso a 500 variáveis de todos os países, com muita facilidade.
18:42
It takes some time to changemudança for this,
268
1097000
4000
Leva algum tempo a mudar para isto,
18:46
but on the axisescambotas, you can quitebastante easilyfacilmente get any variablevariável you would like to have.
269
1101000
5000
mas, nos eixos, pode-se conseguir muito facilmente qualquer variável que se queira.
18:51
And the thing would be to get up the databasesbancos de dados freelivre,
270
1106000
5000
E a questão seria conseguir ter acesso às bases de dados gratuitamente,
18:56
to get them searchablepesquisável, and with a secondsegundo clickclique, to get them
271
1111000
3000
torná-las passíveis de pesquisa e, com um segundo clique, transformá-las
18:59
into the graphicgráfico formatsformatos de, where you can instantlyimediatamente understandCompreendo them.
272
1114000
5000
em formato de gráfico, onde podem ser instantaneamente compreendidas.
19:04
Now, statisticiansestatísticos doesn't like it, because they say that this
273
1119000
3000
Agora, os estatísticos não gostam, porque dizem que isto
19:07
will not showexposição the realityrealidade; we have to have statisticalestatística, analyticalanalítico methodsmétodos.
274
1122000
9000
não mostrará a realidade; dizem que temos que usar métodos estatísticos, analíticos.
19:16
But this is hypothesis-generatinggeração de hipótese.
275
1131000
3000
Mas isto é um gerador de hipóteses.
19:19
I endfim now with the worldmundo. There, the InternetInternet is comingchegando.
276
1134000
4000
Termino, agora, com o mundo. Aí está a Internet a surgir.
19:23
The numbernúmero of InternetInternet usersComercial are going up like this. This is the GDPPIB perpor capitacapita.
277
1138000
4000
O número de utilizadores da Internet está a subir assim. Este é o PIB per capita.
19:27
And it's a newNovo technologytecnologia comingchegando in, but then amazinglySurpreendentemente, how well
278
1142000
5000
E trata-se de uma nova tecnologia a surgir, mas depois, espantosamente, que bem
19:32
it fitsencaixa to the economyeconomia of the countriespaíses. That's why the 100 dollardólar
279
1147000
5000
que se adapta à economia dos países. É por isso que o computador
19:37
computercomputador will be so importantimportante. But it's a nicebom tendencytendência.
280
1152000
3000
de 100 dólares será tão importante. Mas é uma boa tendência.
19:40
It's as if the worldmundo is flatteningachatamento off, isn't it? These countriespaíses
281
1155000
3000
É como se o mundo se estivesse a nivelar, não é? Estes países
19:43
are liftingelevação more than the economyeconomia and will be very interestinginteressante
282
1158000
3000
estão a elevar-se mais do que a economia e será muito interessante
19:46
to followSegue this over the yearano, as I would like you to be ablecapaz to do
283
1161000
4000
seguir isto ao longo do ano, como gostaria que pudessem fazer
19:50
with all the publiclypublicamente fundedfinanciado datadados. Thank you very much.
284
1165000
2000
com todos os dados publicamente financiados. Muito obrigado.
19:53
(ApplauseAplausos)
285
1168000
3000
(Aplausos)
Translated by Ilona Bastos
Reviewed by Nuno Couto

▲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