Hans Rosling: Debunking third-world myths with the best stats you've ever seen

Translator: Katrina Rutka Reviewer: Kristaps Kadiķis

About 10 years ago, I took on the task to teach global development

Pirms aptuveni 10 gadiem es uzņēmos jaunajiem Zviedrijas bakalaura studentiem

to Swedish undergraduate students.

mācīt globālo attīstību.

That was after having spent about 20 years,

Tas bija pēc aptuveni 20 gadu ilga darba

kopā ar Āfrikas iestādēm, pētot badu Āfrikā,

together with African institutions,

studying hunger in Africa.

So I was sort of expected to know a little about the world.

tāpēc no manis sagaidīja, ka es par pasauli drusku zināšu.

And I started, in our medical university, Karolinska Institute,

Es mūsu medicīnas universitātē, Karolinskas institūtā,

an undergraduate course called Global Health.

sāku jaunu bakalaura kursu — Globālo veselību.

But when you get that opportunity, you get a little nervous.

Rodoties šāda iespējai, jūs kļūstat drusku nervozs.

I thought, these students coming to us actually have the highest grade

Es domāju, ka nākošie studenti

ir saņēmuši augstākās atzīmes Zviedrijas izglītības sistēmā,

you can get in the Swedish college system,

so I thought, maybe they know everything I'm going to teach them about.

tāpēc iedomājos, ka varbūt viņi jau zina visu, ko grasījos viņiem mācīt.

So I did a pretest when they came.

Tādēļ, viņiem ierodoties, es sarīkoju pārbaudījumu.

And one of the questions from which I learned a lot was this one:

Viens no jautājumiem, no kā es daudz uzzināju, bija šis:

"Which country has the highest child mortality of these five pairs?"

„Kurā valstī no šiem pieciem pāriem ir augstākā bērnu mirstība?”

And I put them together so that in each pair of countries,

Es tās saliku kopā tā, ka katrā valstu pārī

one has twice the child mortality of the other.

vienā no tām ir divreiz augstāka bērnu mirstība nekā otrā.

And this means that it's much bigger, the difference,

Tas nozīmē, ka tā ir daudz lielāka atšķirība,

than the uncertainty of the data.

nekā iespējamā datu nenoteiktība.

I won't put you at a test here, but it's Turkey,

Es jūs nepārbaudīšu, bet tā ir Turcija

which is highest there, Poland, Russia, Pakistan and South Africa.

ar augstāku mirstību, Polija, Krievija, Pakistāna un Dienvidāfrika.

And these were the results of the Swedish students.

Šādi bija Zviedrijas studentu rezultāti.

I did it so I got the confidence interval, which is pretty narrow.

Es to izdarīju, lai iegūtu ticamības intervālu, kas ir diezgan neliels, un es, protams, sapriecājos:

And I got happy, of course -- a 1.8 right answer out of five possible.

1,8 pareizas atbildes no piecām iespējamām.

That means there was a place for a professor of international health

Tas nozīmēja, ka šeit bija vieta starptautiskās veselības profesoram

and for my course.

un manam kursam.

(Laughter)

(Smiekli)

But one late night, when I was compiling the report,

Taču tad kādā vēlā vakarā, veidojot ziņojumu,

I really realized my discovery.

es patiešām aptvēru savu atklājumu.

Esmu pierādījis, ka Zviedrijas labākie studenti

I have shown that Swedish top students know, statistically,

statistiski par pasauli zina ievērojami mazāk nekā šimpanzes.

significantly less about the world than the chimpanzees.

(Laughter)

(Smiekli)

Because the chimpanzee would score half right

Jo šimpanzes uz pusi atbildētu pareizi,

if I gave them two bananas with Sri Lanka and Turkey.

ja es tām iedotu divus banānus ar Šrilankas un Turcijas uzrakstiem.

They would be right half of the cases. But the students are not there.

Tām būtu taisnība pusē gadījumu, bet studenti tik tālu nav tikuši.

The problem for me was not ignorance; it was preconceived ideas.

Mani tik ļoti nesatrauca nezināšana, cik maldīgas iedomas.

I did also an unethical study

Es veicu arī neētisku pētījumu

of the professors of the Karolinska Institute,

ar Karolisnkas institūta profesoriem,

kas pasniedz Nobela prēmijas medicīnā,

which hands out the Nobel Prize in Medicine,

and they are on par with the chimpanzee there.

un viņi bija vienā līmenī ar šimpanzēm.

(Smiekli)

(Laughter)

This is where I realized that there was really a need to communicate,

Te arī es sapratu, ka mums savstarpēji jāsazinās,

because the data of what's happening in the world

jo dati par to, kas notiek pasaulē,

and the child health of every country

un bērnu veselību katrā valstī ir apkopoti un pieejami.

is very well aware.

So we did this software, which displays it like this.

Mēs izveidojām programmu, kas šādi attēlo datus:

Every bubble here is a country.

katrs burbulis ir valsts.

This country over here is China.

Šī te valsts ir Ķīna.

This is India.

Šī ir Indija.

The size of the bubble is the population,

Burbuļa izmērs ir iedzīvotāju daudzums,

un uz šīs ass es liku dzimstības koeficientu.

and on this axis here, I put fertility rate.

Because my students, what they said

Jo mani studenti teica,

when they looked upon the world, and I asked them,

viņiem raugoties uz pasauli pēc manis uzdotā jautājuma:

"What do you really think about the world?"

„Ko jūs patiesībā domājat par pasauli?”

Well, I first discovered that the textbook was Tintin, mainly.

Pirmkārt, es uzzināju, ka galvenā mācību grāmata bija „Tintiņš”.

(Laughter)

(Smiekli)

And they said, "The world is still 'we' and 'them.'

Viņi teica: „Pasaulē joprojām esam „mēs” un „viņi”.

And 'we' is the Western world and 'them' is the Third World."

„Mēs” esam Rietumu pasaule un „viņi” ir Trešā pasaule.”

"And what do you mean with 'Western world?'" I said.

„Ko jūs domājat ar Rietumu pasauli?” es jautāju.

"Well, that's long life and small family.

„Nu, tā ir ilga dzīve un maza ģimene,

And 'Third World' is short life and large family."

Trešajā pasaulē ir īsa dzīve un liela ģimene.”

So this is what I could display here.

To es te varēju attēlot.

I put fertility rate here --

Te es liku dzimstības koeficientu, bērnu skaitu uz vienu sievieti:

number of children per woman: one, two, three, four,

viens, divi, trīs, četri, līdz astoņiem bērniem vienai sievietei.

up to about eight children per woman.

We have very good data since 1962, 1960, about,

Mums kopš 1962. gada, aptuveni 1960. gada,

ir ļoti labi dati par ģimeņu izmēriem visās valstīs.

on the size of families in all countries.

The error margin is narrow.

Statistiskā kļūda ir ļoti neliela.

Here, I put life expectancy at birth,

Te es liku sagaidāmo dzīvildzi dzimšanas brīdī,

from 30 years in some countries, up to about 70 years.

no 30 gadiem dažās valstīs līdz pat 70 gadiem citās.

And in 1962, there was really a group of countries here

1962. gadā tiešām pastāvēja valstu grupa,

that were industrialized countries,

kas bija industrializētās valstis,

and they had small families and long lives.

tajās bija mazas ģimenes un ilga dzīve.

And these were the developing countries.

Šīs bija attīstības valstis:

They had large families and they had relatively short lives.

tajās bija lielas ģimenes un samērā īsa dzīve.

Now, what has happened since 1962? We want to see the change.

Kas ir noticis kopš 1962. gada? Mēs vēlamies redzēt izmaiņas.

Are the students right? It's still two types of countries?

Vai studentiem ir taisnība? Vai joprojām ir divu veidu valstis?

Or have these developing countries got smaller families and they live here?

Vai arī šajās attīstības valstīs nu ir mazākas ģimenes un tās atrodas te?

Or have they got longer lives and live up there?

Vai arī tur ir ilgāka dzīve, un tās atrodas augšā?

Let's see. We start the world, eh?

Paskatīsimies! Tad mēs apturējām pasauli.

This is all UN statistics that have been available.

Tā visa ir ANO statistika, kas padarīta pieejama.

Here we go. Can you see there?

Aiziet! Vai redzat?

It's China there, moving against better health there, improving there.

Tā ir Ķīna, kas virzās uz labāku veselības stāvokli.

All the green Latin American countries are moving towards smaller families.

Visas zaļās Latīņamerikas valstis virzās uz mazākām ģimenēm.

Your yellow ones here are the Arabic countries,

Šīs, dzeltenās, ir arābu valstis,

and they get longer life, but not larger families.

tām palielinās ģimenes, nē, dzīvildze, bet ne lielākas ģimenes.

The Africans are the green here. They still remain here.

Afrikāņi ir šie te zaļie. Viņi joprojām ir te.

This is India; Indonesia is moving on pretty fast.

Tā ir Indija. Indonēzija pārvietojas diezgan ātri.

In the '80s here, you have Bangladesh still among the African countries.

(Smiekli)

Astoņdesmitajos Bangladeša joprojām ir te, kopā ar Āfrikas valstīm.

But now, Bangladesh -- it's a miracle that happens in the '80s --

Bet nu Bangladeša, astoņdesmitajos gados notika brīnums:

the imams start to promote family planning,

imāmi sāk sludināt ģimenes plānošanu.

and they move up into that corner.

Bangladeša virzās uz to stūri.

And in the '90s, we have the terrible HIV epidemic

Deviņdesmitajos mums ir briesmīgā HIV epidēmija,

that takes down the life expectancy of the African countries.

kas krasi samazina dzīvildzi Āfrikas valstīs,

And the rest of them all move up into the corner,

un visas pārējās aizvirzās stūrī,

where we have long lives and small family,

kur mums ir ilga dzīve un mazas ģimenes, un mums ir pavisam jauna pasaule.

and we have a completely new world.

(Applause)

(Aplausi)

(Applause ends)

(Aplausi beidzas)

Let me make a comparison directly

Pa tiešo salīdzināsim

between the United States of America and Vietnam.

Amerikas Savienotās Valstis un Vjetnamu.

1964:

1964. gads.

America had small families and long life;

Amerikā bija mazas ģimenes un ilga dzīve;

Vietnam had large families and short lives.

Vjetnamā bija lielas ģimenes un īsa dzīve.

And this is what happens.

Un, lūk, kas notiek:

The data during the war indicate that even with all the death,

dati no kara laika rāda, ka par spīti karā kritušajiem,

there was an improvement of life expectancy.

dzīvildze uzlabojās.

By the end of the year, family planning started in Vietnam,

Līdz gada beigām Vjetnamā aizsākās ģimenes plānošana;

and they went for smaller families.

tā tiecās uz mazākām ģimenēm.

And the United States up there is getting longer life,

ASV tur, augšā. tiecās uz lielāku dzīvildzi,

keeping family size.

saglabājot ģimenes izmēru.

And in the '80s now, they give up Communist planning

Astoņdesmitajos gados viņi atmet komunistisko plānošanu

un izvēlas tirgus ekonomiku,

and they go for market economy,

and it moves faster even than social life.

un tā attīstās straujāk nekā sociālā dzīve.

And today, we have in Vietnam

Šobrīd mums Vjetnamā

the same life expectancy and the same family size

ir tāda pati dzīvildze un ģimenes izmērs

šeit, Vjetnamā, 2003. gadā

here in Vietnam, 2003,

as in United States, 1974, by the end of the war.

kā Savienotajās Valstīs 1974. gadā, kara beigās.

I think we all, if we don't look at the data,

Es domāju, ja neaplūkojam datus, mēs visi

we underestimate the tremendous change in Asia,

nenovērtējam milzīgās izmaiņas Āzijā,

which was in social change before we saw the economic change.

kas vispirms notika sociālajā jomā, pirms mēs to redzējām arī ekonomiskajā.

So let's move over to another way here

Pāriesim pie vēl viena veida, kā varam attēlot

in which we could display the distribution in the world

ienākumu sadalījumu pasaulē.

of income.

This is the world distribution of income of people.

Tas ir pasaules cilvēku ienākumu sadalījums.

One dollar, 10 dollars or 100 dollars per day.

Viens dolārs, 10 dolāri vai 100 dolāri dienā.

There's no gap between rich and poor any longer. This is a myth.

Vairs nepastāv plaisa starp bagātajiem un nabagajiem. Tas ir mīts.

There's a little hump here.

Te ir kuprītis.

But there are people all the way.

Bet visur ir cilvēki.

And if we look where the income ends up,

Ja paskatāmies, kur nokļūst ienākumi,

this is 100 percent of the world's annual income.

tie ir 100% ikgadējo pasaules ienākumu.

And the richest 20 percent,

20% bagātākajiem cilvēkiem,

they take out of that about 74 percent.

viņiem no tā tiek aptuveni 74%.

Nabadzīgākajiem 20% tiek aptuveni 2% ienākumu.

And the poorest 20 percent, they take about two percent.

Tas parāda, ka jēdziens par attīstības valstīm

And this shows that the concept of developing countries

is extremely doubtful.

ir ārkārtīgi apšaubāms.

We think about aid,

Mēs domājam par palīdzības sniegšanu,

like these people here giving aid to these people here.

šiem te cilvēki sniedzot palīdzību šiem cilvēkiem.

But in the middle, we have most of the world population,

Taču pa vidu ir lielākā daļa pasaules iedzīvotāju,

un viņiem tiek 24% no visiem ienākumiem.

and they have now 24 percent of the income.

We heard it in other forms.

Mēs esam dzirdējuši dažādas lietas. Kas ir šie?

And who are these?

Kur atrodas dažādas valstis? Es varu jums parādīt Āfriku.

Where are the different countries?

I can show you Africa.

This is Africa.

Lūk, Āfrika.

Ten percent of the world population,

10% pasaules iedzīvotāju, lielākā daļa nabadzībā.

most in poverty.

Lūk, ESAO.

This is OECD -- the rich countries, the country club of the UN.

Bagātās valstis. ANO privātais klubiņš.

And they are over here on this side. Quite an overlap between Africa and OECD.

Viņi ir te, šajā pusē. Āfrika un ESAO diezgan pārklājās.

And this is Latin America.

Lūk, Latīņamerika.

It has everything on this earth, from the poorest to the richest

Tajā ir viss uz šīs pasaules, no nabadzīgākajiem līdz bagātākajiem

in Latin America.

Latīņamerikā.

Tam klāt mēs varam likt Austrumeiropu,

And on top of that, we can put East Europe,

varam likt Austrumāziju, un varam likt Dienvidāziju.

we can put East Asia, and we put South Asia.

And what did it look like if we go back in time,

Kā tas izskatās, ja atgriežamies atpakaļ laikā

to about 1970?

līdz aptuveni 1970. gadam?

Then, there was more of a hump.

Tad kupris bija lielāks.

And most who lived in absolute poverty were Asians.

Lielākā daļa nabadzībā dzīvojošo bija aziāti.

Pasaules lielākā problēma bija nabadzība Āzijā.

The problem in the world was the poverty in Asia.

And if I now let the world move forward,

Ja es ļauju laikam ritēt uz priekšu,

you will see that while population increases,

redzēsiet, ka, palielinoties iedzīvotāju skaitam,

there are hundreds of millions in Asia getting out of poverty,

simtiem miljoni cilvēku Āzijā izkļūst no nabadzības,

bet citi kļūst nabagi,

and some others getting into poverty,

and this is the pattern we have today.

šāda tendence šobrīd valda pasaulē.

And the best projection from the World Bank

Labākais paredzējums no Pasaules bankas puses ir,

is that this will happen,

ka notiks šādi

un mums vairs nebūs sadalīta pasaule.

and we will not have a divided world.

We'll have most people in the middle.

Lielākā daļa cilvēku būs pa vidu.

Of course it's a logarithmic scale here,

Protams, tā ir logaritmiska funkcija,

but our concept of economy is growth with percent.

bet mūsu izpratne par ekonomiku ir izaugsme procentos.

We look upon it as a possibility of percentile increase.

Mēs uz to raugāmies kā iespēju iekļūt augstākā procentīlē.

If I change this and take GDP per capita instead of family income,

Ja es to mainu un ģimenes ienākumu vietā paņemu IKP uz vienu iedzīvotāju,

and I turn these individual data

un pārvēršu atsevišķos datus

into regional data of gross domestic product,

par reģionālajiem iekšzemes kopprodukta datiem

and I take the regions down here,

un izvēlos reģionus te, lejā,

the size of the bubble is still the population.

burbuļa izmērs joprojām parāda iedzīvotāju skaitu.

And you have the OECD there, and you have sub-Saharan Africa there,

Tur ir ESAO, Subsahāras Āfrika ir tur,

and we take off the Arab states there,

mēs noņemam arābu valstis,

coming both from Africa and from Asia,

tā kā tās nāk gan no Āfrikas, gan Āzijas, mēs tās novietojam atsevišķi.

and we put them separately,

and we can expand this axis, and I can give it a new dimension here,

Mēs varam izvērst šo asi, es varu tai piešķirt jaunu dimensiju,

by adding the social values there, child survival.

pievienojot sociālos rādītājus, bērnu izdzīvošanu.

Now I have money on that axis,

Nu man uz šīs ass ir nauda,

and I have the possibility of children to survive there.

bet uz otras bērnu izdzīvošanas iespējamība.

In some countries, 99.7% of children survive to five years of age;

Dažās valstīs līdz 5 gadu vecumam izdzīvo 99,7% bērnu;

others, only 70.

citās — tikai 70%.

And here, it seems, there is a gap between OECD,

Šeit, šķiet, ir plaisa starp ESAO,

Latin America, East Europe, East Asia,

Latīņameriku, Austrumeiropu, Austrumāziju,

Arab states, South Asia and sub-Saharan Africa.

arābu valstīm, Dienvidāziju un Subsahāras Āfriku.

The linearity is very strong between child survival and money.

Pastāv spēcīga linearitāte starp bērnu izdzīvošanu un naudu.

But let me split sub-Saharan Africa.

Taču ļaujiet sadalīt sīkāk Subsahāras Āfriku.

Health is there and better health is up there.

Tur ir veselība, un labāka veselība ir tur, augšā.

I can go here, and I can split sub-Saharan Africa into its countries.

Es varu ņemt un sadalīt Subsahāras Āfriku atsevišķās valstīs.

And when it bursts,

Pēc sašķelšanās

the size of each country bubble is the size of the population.

valsts burbuļa izmērs atbilst iedzīvotāju skaitam.

Sierra Leone down there, Mauritius is up there.

Sjerraleone ir tur, lejā. Maurīcija — tur, augšā.

Mauritius was the first country to get away with trade barriers,

Maurīcija bija pirmā valsts,

kurā atcēla tirdzniecības ierobežojumus, un viņi varēja pārdot savu cukuru,

and they could sell their sugar, they could sell their textiles,

viņi varēja pārdot savus audumus

ar tādiem pašiem nosacījumiem kā cilvēki Eiropā un Ziemeļamerikā.

on equal terms as the people in Europe and North America.

There's a huge difference [within] Africa.

Āfrikā pastāv milzīga atšķirība. Gana ir te, pa vidu.

And Ghana is here in the middle.

In Sierra Leone, humanitarian aid.

Sjerraleonē — humānā palīdzība.

Here in Uganda, development aid.

Šeit, Ugandā — attīstības palīdzība.

Here, time to invest; there, you can go for a holiday.

Te laiks ieguldīt, tur jūs varat doties brīvdienās.

Milzīgās atšķirības Āfrikas valstu vidū,

There's tremendous variation within Africa,

which we very often make that it's equal everything.

ko reti ņemam vērā, viss nav tik vienāds.

I can split South Asia here. India's the big bubble in the middle.

Es varu sadalīt Dienvidāziju. Indija ir lielais burbulis vidū.

But there's a huge difference between Afghanistan and Sri Lanka.

Bet starp Afganistānu un Šrilanku ir milzīga atšķirība.

I can split Arab states. How are they?

Es varu sadalīt arābu valstis. Kā klājas tām?

Same climate, same culture, same religion -- huge difference.

Vienāds klimats, vienāda kultūra, viena reliģija, milzīga atšķirība.

Pat starp kaimiņiem.

Even between neighbors --

Yemen, civil war;

Jemenā pilsoņu karš,

United Arab Emirates, money, which was quite equally and well-used.

Apvienotajos Arābu Emirātos nauda, ko vienlīdzīgi un veiksmīgi izmantoja.

Not as the myth is.

Ne tā, kā vēsta mīti.

And that includes all the children of the foreign workers

Tostarp arī visi ārzemju strādnieku bērni,

kas atrodas valstī.

who are in the country.

Data is often better than you think. Many people say data is bad.

Dati nereti izrādās labāki nekā šķiet. Daudzi saka, ka dati ir slikti.

There is an uncertainty margin, but we can see the difference here:

Pastāv kļūdas iespējamība, bet te mēs redzam atšķirību:

Cambodia, Singapore.

Kambodža, Singapūra.

The differences are much bigger than the weakness of the data.

Atšķirība ir daudz lielāka nekā datu nepilnība.

East Europe: Soviet economy for a long time,

Austrumeiropa: ilgu laiku padomju ekonomika,

but they come out after 10 years very, very differently.

bet pēc 10 gadiem valstis no tās iznākušas ļoti, ļoti, atšķirīgi.

And there is Latin America.

Vēl ir Latīņamerika.

Today, we don't have to go to Cuba

Šodien mums nav jādodas uz Kubu,

to find a healthy country in Latin America.

lai atrastu veselīgu Latīņamerikas valsti.

Chile will have a lower child mortality than Cuba within some few years from now.

Dažu gadu laikā Čīlē būs zemāka bērnu mirstība nekā Kubā.

Here, we have high-income countries in the OECD.

Te mums ir ESAO valstis ar augstiem ienākumiem.

And we get the whole pattern here of the world,

Te mums ir visas pasaules tendences,

which is more or less like this.

kas izskatās vairāk vai mazāk šādi.

And if we look at it, how the world looks,

Ja aplūkojam,

kā 1960. gadā izskatās pasaule,

in 1960, it starts to move.

tā sāk pārvietoties.

This is Mao Zedong. He brought health to China.

Tas ir Mao Dzeduns. Viņš atnesa Ķīnai veselību.

And then he died.

Tad viņš nomira.

And then Deng Xiaoping came and brought money to China,

Tad nāca Dens Sjaopins un atnesa Ķīnai naudu,

and brought them into the mainstream again.

un atkal ieveda Ķīnu kopējā plūsmā.

And we have seen how countries move in different directions like this,

Mēs esam redzējuši, kā valstis šādā veidā pārvietojas dažādos virzienos,

so it's sort of difficult to get an example country

tāpēc ir pagrūti atrast paraugvalsti,

which shows the pattern of the world.

kas atspoguļotu kopējo tendenci visā pasaulē.

But I would like to bring you back to about here, at 1960.

Tomēr es vēlētos jūs atvest atpakaļ līdz aptuveni 1960. gadam.

I would like to compare South Korea, which is this one,

Es vēlētos salīdzināt

Dienvidkoreju, kas ir šī te, ar Brazīliju, kas ir šī valsts.

with Brazil, which is this one.

The label went away for me here.

Tur man pazuda apzīmējums.

And I would like to compare Uganda, which is there.

Es vēlētos salīdzināt Ugandu, kas ir te.

I can run it forward, like this.

Es to varu paātrināt šādi.

And you can see how South Korea is making a very, very fast advancement,

Jūs redzat, kā Dienvidkoreja kāpj ļoti, ļoti strauji,

whereas Brazil is much slower.

kamēr Brazīlija to dara daudz lēnāk.

And if we move back again, here, and we put trails on them, like this,

Ja paejam atpakaļ un pieliekam tām pēdas,

you can see again

jūs redzat, ka attīstības ātrums

that the speed of development is very, very different,

ir ļoti, ļoti atšķirīgs,

and the countries are moving more or less at the same rate

valstis kāpj vairāk vai mazāk ar tādu pašu ātrumu kā nauda un veselība,

as money and health,

but it seems you can move much faster

bet šķiet, ka kustēties var daudz ātrāk,

if you are healthy first than if you are wealthy first.

ja vispirms ir veselība, nevis bagātība.

And to show that, you can put on the way of United Arab Emirates.

Lai to parādītu, mēs varam pavērot Apvienoto Arābu Emirātu ceļu.

They came from here, a mineral country.

Viņi nāk no šejienes, minerālu valsts.

They cached all the oil; they got all the money;

Viņiem tika visa nafta; viņi dabūja visu naudu,

but health cannot be bought at the supermarket.

bet veselību nevar nopirkt lielveikalā.

You have to invest in health. You have to get kids into schooling.

Veselībā ir jāiegulda. Bērniem ir jānodrošina skološana.

You have to train health staff. You have to educate the population.

Jāapmāca veselības aprūpes personāls. Jāizglīto iedzīvotāji.

And Sheikh Zayed did that in a fairly good way.

Šeihs Zajeds to paveica diezgan labi.

In spite of falling oil prices, he brought this country up here.

Par spīti krītošajām naftas cenām, viņš pacēla valsti te augšā.

So we've got a much more mainstream appearance of the world,

Tādējādi mēs esam ieguvuši populārāku pasaules atainojumu,

where all countries tend to use their money

kur visas valstis izmanto savu naudu

better than they used it in the past.

labāk nekā tās to ir darījušas pagātnē.

Tā tas ir vairāk vai mazāk, ja aplūkojat valstu vidējos rādītājus,

Now, this is, more or less, if you look at the average data of the countries --

tie ir šādi.

they are like this.

That's dangerous, to use average data,

Vidējo rādītāju izmantošana ir bīstama,

because there is such a lot of difference within countries.

jo valstu iekšienē pastāv tik liela atšķirībā.

So if I go and look here,

Ja es paskatos te, mēs redzam, ka Uganda šobrīd atrodas tur,

we can see that Uganda today is where South Korea was in 1960.

kur Dienvidkoreja bija 1960. gadā.

If I split Uganda, there's quite a difference within Uganda.

Ja es sadalu Ugandu sīkāk, Uganda pastāv diezgan liela atšķirība.

These are the quintiles of Uganda.

Tās ir Ugandas kvintiles.

The richest 20 percent of Ugandans are there.

Šeit ir bagātākie 20% Ugandas iedzīvotāju.

The poorest are down there.

Nabadzīgākie ir te lejā.

If I split South Africa, it's like this.

Ja es sadalu Dienvidāfriku, tā izskatās šādi.

And if I go down and look at Niger,

Ja es pavirzos lejup un aplūkoju Nigēru,

where there was such a terrible famine [recently],

kur bija ļoti briesmīgs bads, tā izskatās šādi.

it's like this.

The 20 percent poorest of Niger is out here,

Nigēras nabadzīgākie 20% atrodas te,

and the 20 percent richest of South Africa is there,

un Dienvidāfrikas bagātākie 20% atrodas te,

and yet we tend to discuss what solutions there should be in Africa.

un tomēr mēs mēdzam apspriest to,

kādi ir risinājumi situācijai Āfrikā.

Everything in this world exists in Africa.

Āfrikā ir viss, kas ir šajā pasaulē.

And you can't discuss universal access to HIV [treatment]

Jūs nevarat apspriest universālu pieeju HIV [zālēm]

for that quintile up here

gan šai kvintīlei šeit augšā, gan tai, kas ir te, lejā.

with the same strategy as down here.

The improvement of the world must be highly contextualized,

Pasaules uzlabošanai jābūt ļoti saskaņotai ar kontekstu,

nav nozīmes to darīt reģionālā līmenī.

and it's not relevant to have it on a regional level.

We must be much more detailed.

Mums jābūt daudz smalkākiem.

We find that students get very excited when they can use this.

Mēs redzam, ka studenti, to izmantojot, aizraujas.

And even more, policy makers and the corporate sectors

Arvien vairāk politikas veidotāju un korporatīvo sektoru

would like to see how the world is changing.

vēlētos redzēt, kā pasaule mainās.

Now, why doesn't this take place?

Kāpēc tas nenotiek?

Why are we not using the data we have?

Kāpēc mēs neizmantojam mums esošos datus?

We have data in the United Nations, in the national statistical agencies

Mums ir dati Apvienoto Nāciju Organizācijā, nacionālajās statistikas aģentūrās,

and in universities and other nongovernmental organizations.

universitātēs un citās nevalstiskās organizācijās.

Because the data is hidden down in the databases.

Tāpēc, ka dati ir paslēpti datubāzēs.

And the public is there, and the internet is there,

Mums ir sabiedrība, un mums ir Internets,

but we have still not used it effectively.

bet mēs joprojām to lietderīgi neizmantojam.

All that information we saw changing in the world

Visā tajā informācijā, kas mūsu acu priekšā mainīja pasauli,

does not include publicly funded statistics.

nav iekļauta publiski finansētā statistika.

There are some web pages like this, you know,

Ir dažas šāda veida mājaslapas,

but they take some nourishment down from the databases,

kas nosmeļ nelielu informācijas daļu no datubāzēm,

but people put prices on them, stupid passwords and boring statistics.

bet cilvēki uzliek tām cenu, stulbas paroles un garlaicīgu statistiku.

(Laughter)

(Smiekli)

And this won't work.

Tā tas nestrādā.

(Applause)

(Aplausi)

So what is needed? We have the databases.

Kas tad ir vajadzīgs? Mums ir datubāzes.

It's not a new database that you need.

Nevajag jaunas datubāzes.

We have wonderful design tools and more and more are added up here.

Mums ir brīnišķīgi dizaina rīki, un tādi tiek veidoti vēl un vēl.

So we started a nonprofit venture linking data to design,

Tādēļ mēs izveidojām bezpeļņas pasākumu,

ko, sasaistot datus ar dizainu, nosaucām par Gapminder,

we called "Gapminder,"

from the London Underground, where they warn you, "Mind the gap."

ņemot nosaukumu no Londonas metro,

kur brīdina „mind the gap” (uzmanieties no spraugas).

Tādēļ mums šķita, ka Gapminder ir piemērots nosaukums.

So we thought Gapminder was appropriate.

Mēs sākām rakstīt programmu, kas šādi varētu sasaistīt datus.

And we started to write software which could link the data like this.

And it wasn't that difficult.

Tas nebija nemaz tik grūti.

It took some person years, and we have produced animations.

Tas aizņēma pāris gadus cilvēku darba, un mēs esam saražojuši animācijas.

You can take a data set and put it there.

Jūs varat paņemt datu kopu un ievietot to šeit.

We are liberating UN data, some few UN organization.

Mēs atbrīvojam ANO un dažu ANO organizāciju datus.

Some countries accept that their databases can go out on the world.

Dažas valstis pieņem to, ka viņu datubāzes dodas pasaulē,

But what we really need is, of course, a search function,

taču mums patiesībā, protams, vajag meklēšanas iespēju.

a search function where we can copy the data up to a searchable format

Meklēšanas funkcija, kurā varat nokopēt datus līdz atrodamam formātam

and get it out in the world.

un palaist tos pasaulē.

And what do we hear when we go around?

Ko mēs dzirdam, pastaigājot apkārt?

I've done anthropology on the main statistical units.

Esmu veicis galveno statistikas vienību antropoloģiju.

Everyone says, "It's impossible. This can't be done.

Visi saka: „Tas ir neiespējami, Tas nav paveicams.

Our information is so peculiar in detail,

Mūsu informācija sīkumos ir tik īpatnēja

so that cannot be searched as others can be searched.

tādēļ to nevar meklēt tāpat kā citu informāciju.

We cannot give the data free to the students,

Mēs nevaram studentiem par brīvu dot datus,

free to the entrepreneurs of the world."

par brīvu dot pasaules uzņēmējiem.”

But this is what we would like to see, isn't it?

Bet to mēs vēlētos redzēt, vai ne?

The publicly funded data is down here.

Publiski finansētie dati ir te lejā.

And we would like flowers to grow out on the net.

Mēs gribētu, lai no Interneta sāktu spraukties ārā puķes.

One of the crucial points is to make them searchable,

Viens no vissvarīgākajiem mērķiem ir padarīt datubāzes meklējamas,

and then people can use the different design tools to animate it there.

un tad cilvēki var izmantot dažādus modelēšanas rīkus to animēšanai.

And I have pretty good news for you.

Man jums ir diezgan labas ziņas.

I have good news that the [current],

Labās ziņas ir tādas, ka tagadējais

new head of UN statistics doesn't say it's impossible.

jaunais ANO Statistikas vadītājs nesaka, ka tas nav iespējams.

He only says, "We can't do it."

Viņš tikai saka: „Mēs to nevaram.”

(Laughter)

(Smiekli)

And that's a quite clever guy, huh?

Diezgan gudrs puisis, ne?

(Laughter)

(Smiekli)

So we can see a lot happening in data in the coming years.

Tā kā mēs redzam, ka turpmākajos gados ar datiem daudz kas notiks.

We will be able to look at income distributions in completely new ways.

Mēs varēsim aplūkot ienākumu sadalījumu pavisam jaunos veidos.

This is the income distribution of China, 1970.

Šis ir Ķīnas ienākumu sadalījums 1970. gadā.

This is the income distribution of the United States, 1970.

Šis ir ASV ienākumu sadalījums 1970. gadā.

Almost no overlap.

Gandrīz nekādas pārklāšanās.

Almost no overlap.

Kas tad ir noticis?

And what has happened?

What has happened is this:

Lūk, kas ir noticis:

that China is growing, it's not so equal any longer,

Ķīna aug, un tajā vairs nav tik liela vienlīdzība,

and it's appearing here, overlooking the United States,

tā parādās te, skatoties no augšas uz ASV.

almost like a ghost, isn't it?

Gandrīz kā spoks, vai ne?

(Laughter)

(Smiekli)

It's pretty scary.

Diezgan biedējoši.

(Laughter)

(Smiekli)

But I think it's very important to have all this information.

Tomēr, manuprāt, iegūt visu šo informāciju ir ļoti svarīgi.

We need really to see it.

Mums tiešām tas ir jāredz.

And instead of looking at this,

Tā vietā, lai skatītos uz šo,

I would like to end up by showing the internet users per 1,000.

es gribētu pabeigt šo runu, parādot Interneta lietotāju skaitu uz 1000.

In this software, we access about 500 variables

Šajā programmā mums ir diezgan viegla pieeja

from all the countries quite easily.

aptuveni 500 mainīgajiem no visām valstīm.

It takes some time to change for this,

Vajag nedaudz laika, lai to nomainītu,

but on the axes, you can quite easily get any variable you would like to have.

bet uz asīm jūs gaužām vienkārši varat uzlikt jebkuru mainīgo.

Vajadzētu panākt, lai datubāzes būtu bez maksas,

And the thing would be to get up the databases free,

to get them searchable, and with a second click,

lai tās būtu pārmeklējamas, un ar vēl vienu klikšķi

to get them into the graphic formats, where you can instantly understand them.

tās varētu pārveidot grafiskā formātā, kurā tās uzreiz varētu saprast.

Now, statisticians don't like it, because they say

Statistiķiem tas nepatīk,

jo viņi saka, ka tas neatspoguļos realitāti;

that this will not show the reality;

mums vajag statistiski analītiskas metodes.

we have to have statistical, analytical methods.

Šī ir hipotēzes formulēšana.

But this is hypothesis-generating.

I end now with the world.

Nu es beigšu ar pasauli.

There, the internet is coming.

Tur parādās Internets.

The number of internet users are going up like this.

Interneta lietotāju skaits aug šādi.

This is the GDP per capita.

Tas ir IKP uz vienu iedzīvotāju.

And it's a new technology coming in, but then amazingly,

Tiek ieviesta jauna tehnoloģija, bet apbrīnojami,

how well it fits to the economy of the countries.

cik ļoti tā atbilst valstu ekonomikām.

That's why the $100 computer will be so important.

Tieši tādēļ 100 dolāru datori būs tik svarīgi.

But it's a nice tendency.

Jauka tendence.

It's as if the world is flattening off, isn't it?

Šķiet, ka pasaule lēnām izlīdzinās, ne tā?

These countries are lifting more than the economy,

Šīs valstis ceļ vairāk nekā tikai ekonomiku,

and it will be very interesting to follow this over the year,

un būs ļoti interesanti sekot tam gada laikā,

as I would like you to be able to do with all the publicly funded data.

kā man to gribētos spēt darīt ar visiem publiski finansētajiem datiem.

Liels paldies!

Thank you very much.

(Applause)

(Aplausi)