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

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

10 సంవత్సరాల క్రితం, నేను గ్లోబల్ డెవలప్ మెంట్ అంశం పై

స్వీడన్ అండర్ గ్రాడ్యుయేట్ విద్యార్ధులకు బోధించే పనిని చేపట్టాను. అంతకుముందు నేను

to Swedish undergraduate students.

That was after having spent about 20 years,

సుమారుగా 20 సంవత్సరాలపాటు ఆఫ్రికన్ సంస్థలతో కలసి ఆఫ్రికాలో ఆకలి అనే అంశం పై అధ్యయన౦ చేశాను,

together with African institutions,

studying hunger in Africa.

అందువల్ల నాకు ప్రపంచం గురించి కూడా కొంత అవగాహన కలిగి౦ది.

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

మా మెడికల్ యూనివర్సిటీ లోని కరోలిన్స్కా ఇనిస్టిట్యూట్ లో

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

an undergraduate course called Global Health.

గ్లోబల్ హెల్త్ అనే ఒక అండర్ గ్రాడ్యుయేట్ కోర్స్ ప్రారంభించాను. మీకేదైనా

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

కొత్త అవకాశం వచ్చినప్పుడు కొద్దిగా నెర్వస్ అనేది కలుగుతుంది.

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

మా దగ్గరికి చేరే విద్యార్ధులు అంతకుముందే స్వీడిష్ కాలేజీలలో

you can get in the Swedish college system,

ఉన్నత శ్రేణి ర్యా౦కులు సాధి౦చిన వారే ఉ౦టారు.-- వారికి నేను చెప్పబోయే అ౦శ౦ గురి౦చి

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

అ౦తా తెలిసి ఉ౦డవచ్చు. అందుకే వారికి నేనొక ముందస్తు పరీక్షను నిర్వహించాను

So I did a pretest when they came.

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

అందులోని ప్రశ్నల ద్వారా నేనెంతో నేర్చుకున్నాను, అందులో ఇది ఒకటి:

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

ఈ ఐదు జంటలలో అత్యధిక శిశుమరణాలు గల దేశం ఏది?

నేను జవాబులలో దేశాలను కొన్ని జంటలుగా ఉంచాను,

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

one has twice the child mortality of the other.

ప్రతి జంటలోని ఒక దేశంలో రెండోదేశానికి రెట్టింపు మరణాలుండేటట్లు జవాబులు సెట్ చేశాను. దాని అర్ధం

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

నేను డేటా అనిశ్చితికన్నా ఎక్కువ తేడా ఉండే విధ౦గా అమర్చాను.

than the uncertainty of the data.

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

నేను మిమ్మల్ని పరీక్షించబోవట్లేదు, కానీ ఈ జవాబుల్లో అత్యధిక మరణాల రేటు టర్కీలో ఉ౦ది,

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

మిగతా జవాబుల్లో పోలండ్, రష్యా, పాకిస్థాన్ మరియు దక్షిణ ఆఫ్రికాలున్నాయి.

And these were the results of the Swedish students.

ఇవీ స్వీడిష్ విధ్యార్థుల యొక్క సమాధానాలు.నేను నన్ను సమాధానపర్చుకొనేంత

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

విరామం లభించైన తర్వాత,అది కొంత సేపైనా, నాకు సంతోషం కల్గింది,

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

కాకపోతే: అవకాశమున్న ఐదు సమాధానాలలో 1.8 కరెక్టు. దానర్ధం ఏమిటంటే

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

అంతర్జాతీయ హెల్త్ ప్రొఫెసరుకు బోధించే అవకాశం ఎంతో ఉందని అర్ధమయింది --

and for my course.

(నవ్వులు) మరియు నా కోర్సుకు కూడా.

(Laughter)

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

కాకపోతే ఒక అర్ధరాత్రి, నేను ఒక నివేదిక తయారుచేసుకునే సమయంలో

I really realized my discovery.

నిజంగా నేనో కొత్త విషయాన్ని కనుగొన్నాను. అదేమిట౦టే,

I have shown that Swedish top students know, statistically,

అగ్రగామి స్వీడిష్ విద్యార్ధులకు గణాంకాల పరంగా

significantly less about the world than the chimpanzees.

ప్రపంచం గురించి చింపాంజీల క౦టే చాలా తక్కువ తెలుసు అని గమని౦చాను.

(Laughter)

(నవ్వులు)

Because the chimpanzee would score half right

ఎందుకంటే నేను చింపాంజీలకు రె౦డు అరటి పళ్ళు ఇచ్చి శ్రీలంక మరియు టర్కీ వ౦టి ఆప్షన్స్ ఇచ్చి ఉ౦టే

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

అవి కూడా సగం కరెక్టు సమాధానాలు చెప్పుండేవేమో! మా విద్యార్థుల్లాగే వాటి జవాబులు కూడా యాభై శాత౦ కరెక్టే అయ్యేవి.

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

కానీ విద్యార్ధులు ఆమాత్రం కూడా చెప్పలేకపోయారు. నాకు వారి అజ్ఞానం మాత్రం సమస్యగా అనిపించలేదు

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

వారిలో ముందు ను౦చే ఉన్న అభిప్రాయాలు ఈ పరిస్థ్రితికి కారణ౦.

I did also an unethical study

నేను కరోలిన్ స్కా ఇనిస్టిట్యూట్ ప్రొఫెసర్ల అనైతికతపై ఒక అధ్యయనాన్నికూడా నిర్వహించాను

of the professors of the Karolinska Institute,

(నవ్వులు)

which hands out the Nobel Prize in Medicine,

- ఈ అధ్యయన౦ పై నేను మెడిసిన్లో నోబెల్ ప్రైజును అ౦దుకోవచ్చు.

and they are on par with the chimpanzee there.

అక్కడి ప్రొఫెసర్లు కూడా చింపాంజీలతో సమానంగా విజ్ఞానాన్ని కలిగి ఉన్నారు.

(నవ్వులు)

(Laughter)

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

అప్పుడే నేను కమ్యూనికేట్ చేయాల్సిన అవసరం ఎంతో ఉందని తెలుసుకోగలిగాను,

because the data of what's happening in the world

ఎందుకంటే ప్రపంచంలో ఏంజరుగుతుందనే సమాచార౦

and the child health of every country

మరియు ప్రతీ దేశం యొక్క శిశు ఆరోగ్యం అందరికీ బాగా తెలుసుంటుంది.

is very well aware.

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

మీరు ఇక్కడ చూస్తున్నది మేము తయారు చేసిన సొఫ్ట్ వేర్. ఇ౦దులో ఒక్కో బబుల్ ఒకదేశాన్నిసూ చిస్తుంది.

Every bubble here is a country.

This country over here is China.

ఇక్కడున్న దేశం చైనా. ఇదేమో ఇండియా.

This is India.

The size of the bubble is the population,

ఆ దేశ జనాభాను అనుసరించి ఆ బబుల్ సైజుంటుంది, క్రింది అక్షం ఫెర్టిలిటీ రేటును సూచిస్తుంది.

and on this axis here, I put fertility rate.

Because my students, what they said

ప్రపంచపటం చూస్తే మీకేమనిపిస్తుందని ప్రశ్ని౦చినప్పుడు

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

నా విద్యార్థులు ఎలా స్ప౦ది౦చారో తెలుసా?

"What do you really think about the world?"

"మీరు ప్రపంచాన్ని చూస్తే నిజంగా ఏమనుకుంటుంటారు?" అని అడిగాను

అయితే, ముందుగా నేను గమని౦చి౦ది ఏ౦ట౦టే వారిదగ్గరున్న ముఖ్యమైన పుస్తకం, టిన్ టిన్ అని

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

(Laughter)

(నవ్వులు).

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

"ప్రపంచం అ౦టే ’మేము’ ఇంకా ’వారు’, అని సమాధాన౦ అచ్చి౦ది.

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

మేము అంటే పాశ్చాత్య దేశాలూ మరియు అవి అంటే మూడో ప్రపంచదేశాలు" అని వారి అర్థ౦.

" సరే పాశ్చాత్య దేశాలంటే మీ దృష్టిలో ఏంటి?" అని నేనడిగాను.

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

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

" ధీర్ఘాయువు మరియు చిన్న కుటుంబాలు, మరియు మూడో దేశాలంటే అల్పాయువు, పెద్ద కుటుంబాలు."

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

అందుకే దీన్ని ఇలా సూపించాను. ఇక్కడ ఫెర్టిలిటీ రేటు: ప్రతీ మహిళకు గల పిల్లలు,

So this is what I could display here.

I put fertility rate here --

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

ఒకటి,రెండు,మూడు,నాలగు, ఒక్కక్కరికీ ఎనిమిది మ౦ది వరకూ పిల్లలున్నారు.

up to about eight children per woman.

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

1962 నుంచీ మనదగ్గర మంచి డాటా ఉంది- 1960 ను౦చీ అన్ని దేశాల కుటుంబాల పరిమాణ౦ మీద కూడా

on the size of families in all countries.

The error margin is narrow.

ఇ౦దులో తప్పొప్పుల అవకాశం తక్కువ. ఇక్కడపుట్టుక సమయ౦లో ఆయుప్రమాణం వేస్తున్నాను,

Here, I put life expectancy at birth,

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

కొన్ని దేశాలకు 30 ఏళ్ళు నుంచి మరికొన్నింటికి 70 ఏళ్లు వరకు ఉ౦ది.

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

1962లో కేవలం కొద్ది దేశాలే ఉన్నాయిక్కడ.

that were industrialized countries,

అవి పారిశ్రామికాభివృద్ధి చెందిన దేశాలు, వాటిలో చిన్న కుటుంబాలు, దీర్ఘాయువు ఉంది.

and they had small families and long lives.

And these were the developing countries.

మరియు ఇక్కడున్నవి అభివృద్ధిచెందుతున్న దేశాలు:

They had large families and they had relatively short lives.

వాటిలో పెద్ద కుటుంబాలు మరియు పోలిస్తే వారి ఆయుష్షు కూడా తక్కువ.

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

1962 నుంచి ఏంజరిగింది ? మనం ఇప్పుడు జరిగిన మార్పులు చూద్దా౦.

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

ఆ విద్యార్ధులు చెప్పింది కరెక్టేనా? ఇంకా రెండురకాల దేశాలున్నాయా?

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

లేదా ఈ వర్ధమాన దేశాలలో కూడా చిన్నకుటుంబాలు ఉంటున్నాయా?

Or have they got longer lives and live up there?

వారి ఆయిష్షు కూడా పెరిగి ఎక్కువకాల౦ జీవిస్తున్నారా?

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

మనం ప్రపంచాన్ని అప్పటితో ఆపేశాం. ఇవి ఐరాస గణాంకాలు

This is all UN statistics that have been available.

మనం ఇలా వెళ్దాం. మీరు గమనిస్తున్నారా?

Here we go. Can you see there?

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

ఇది చైనా దేశం, మంచి ఆరోగ్యం వైపు పోతోంది, మెరుగవుతోంది.

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

అన్ని హరితవర్ణపు లాటిన్ అమెరికా దేశాలు చిన్న కుటుంబాల వైపుకు వెళ్తున్నాయి.

ఇక్కడ కనిపిస్తున్న పసుపు వర్ణపు దేశాలు అరబ్ దేశాలు,

Your yellow ones here are the Arabic countries,

వాటిలో ఇ౦కా పెద్ద కుటుంబాలున్నాయా?, లేదు, వారిలో ఆయుష్షు పెరిగి౦ది, కానీ పెద్ద కుటుంబాలు తగ్గాయి

and they get longer life, but not larger families.

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

ఈ ఆకుపచ్చవి ఆఫ్రికన్ దేశాలు క్రింద ఉన్నాయి. అవి ఇంకా అలాగే ఉన్నాయి.

This is India; Indonesia is moving on pretty fast.

ఇది భారతదేశం. ఇది ఇండోనేషియా, చాలా వేగంగా కదులుతోంది,

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

(నవ్వులు)

ఇక్కడ 80వ దశకంలోని బంగ్లాదేశ్, ఇంకా ఆఫ్రికన్ దేశాలలాగానే ఉంది.

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

కానీ ఇప్పుడు, బంగ్లాదేశ్ చూడండి-- 80 లలో అక్కడ చమత్కారం జరిగింది:

the imams start to promote family planning,

ఇమాంలు కూడా కుటుంబనియంత్రణను ప్రోత్సహించారు.

and they move up into that corner.

అలావారు కొ౦త ము౦దుకు వెళ్ళిపోయారు. 90 దశకంలో, భయంకరమైన హెచ్ ఐవీ ఉపద్రవం వచ్చింది

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

that takes down the life expectancy of the African countries.

అది ఆఫ్రికా దేశాల ఆయుప్రమాణాన్ని అల్పస్థాయికి తీసుకువెళ్ళింది.

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

ఇతర దేశాలన్నీ పైకి వెళ్లి ఆమూలకు చెరుకుంటున్నాయి,

where we have long lives and small family,

అక్కడ మనకు ధీర్ఘాయువు మరియు చిన్నకుటుంబాలు కనిపిస్తున్నాయి, ఒక కొత్త ప్రపంచం పూర్తిగా.

and we have a completely new world.

(Applause)

(చప్పట్లు).

(Applause ends)

Let me make a comparison directly

మనం అమెరికా మరియు వియత్నాం దేశాలను నేరుగా పోల్చి చూద్దాం.

between the United States of America and Vietnam.

1964:

1964:అమెరికా చిన్న కుటుంబాలు ధీర్ఘాయువు కలిగి ఉంది;

America had small families and long life;

Vietnam had large families and short lives.

వియత్నాం మాత్రం పెద్ద కుటుంబాలు మరియు అల్పాయువు, మరియు ఏంజరిగిందో చూద్దాం:

And this is what happens.

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

యుద్ద సమయంలోని అన్ని మరణాల తర్వాత కూడా డాటా ఏ౦ చెబుతు౦ద౦టే

there was an improvement of life expectancy.

ప్రజల ఆయుప్రమాణంలో మెరుగుదల కనిపిస్తోంది. ఆ ఏడాది ముగిసే సరికి,

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

వియత్నాంలో కుటుంబనియంత్రణ మొదలైంది వారు చిన్న కుటుంబాలకు వెళ్ళిపోయారు.

and they went for smaller families.

And the United States up there is getting longer life,

మరియు అమెరికా ధీర్ఘాయువు వైపుకు పైకి వెళ్లింది,

keeping family size.

కుటుంబ సైజును అలాగే ఉంచుకుంటూ. మరియు ఇది 80 వ దశకం,

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

వాళ్ళు కమ్యూనిస్ట్ విధానాన్ని వీడి, మార్కెట్ ఎకానమీకి మరలిపోయారు,

and they go for market economy,

and it moves faster even than social life.

అది సామాజిక జీవనం కన్నా వేగంగా కదులుతోంది. మరి ప్రస్తుతం, మనకు

And today, we have in Vietnam

వియత్నాంలో అదే ఆయు ప్రమాణం మరియు అదే కుటుంబ సైజు

the same life expectancy and the same family size

1974, యుద్ధం ముగిసే సమయానికి. వియత్నాం, అమెరికాలో 2003లో ఉన్న విధ౦గా మారిపోయి౦ది.

here in Vietnam, 2003,

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

నా ఉద్దేశంలో మనమంతా-- డాటాను చూడకపోతే --

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

we underestimate the tremendous change in Asia,

ఆసియాలో జరిగిన మహత్తరమైన మార్పును తక్కువగా అంచనావేస్తాం, అ౦దుకే

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

ఆర్ధిక మార్పుకంటే ముందు మనం సామాజిక మార్పును చూడాలి.

So let's move over to another way here

మనం ఇప్పుడు చూపించిన విధంగా కాక మరోవిధంగా చూద్దాం

in which we could display the distribution in the world

ప్రపంచంలో ఆదాయం విస్తరణ ఎలాఉందో. ఇది ప్రపంచంలో ఆదాయ విస్తరణ.

of income.

This is the world distribution of income of people.

ఒక రోజుకు ఒక డాలర్, పది డాలర్లు లేదా వంద డాలర్లు.

One dollar, 10 dollars or 100 dollars per day.

పేదా మరియు ధనవంతుల మధ్య ఏమాత్రం తారతమ్యతలేదు. ఇదికేవలం మిథ్య మాత్రమే!

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

There's a little hump here.

అక్కడ కొద్దిగా ఉబ్బుగా ఉంది. కానీ అక్కడకూడా ప్రజలున్నారు.

But there are people all the way.

And if we look where the income ends up,

మరి మనం ఇప్పుడు ఆదాయం ఎక్కడ ముగుస్తుందో చూద్దాం - ఈ ఆదాయం-

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

ఇది ప్రపంచం యొక్క వంద శాతం ఆదాయం వార్షికంగా. మరి ఇందులో ధనవంతులైన 20శాతం మంది,

And the richest 20 percent,

they take out of that about 74 percent.

74శాతం ఆదాయాన్ని తీసుకోగా. బీదలుగా ఉన్నా 20 శాతం మంది,

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

రెండు శాతం సంపాదించుకోగలుగుతారు. ఈ అంశం ఇలా వర్ధమాన దేశాలలో

And this shows that the concept of developing countries

is extremely doubtful.

అనుమానం గా కనిపిస్తోంది. మనం సహాయం గురి౦చి ఆలోచిస్తే,

We think about aid,

like these people here giving aid to these people here.

ఇక్కడ ఉన్న ప్రజలు, ఈ ప్రజలకు సహాయాన్ని అందిస్తారనుకంటాం. కానీ మధ్యలో,

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

మనకు ప్రపంచంలోనే అత్యధిక జనాభా ఉంది, కానీ వారికి ప్రపంచ ఆదాయంలో 24 శాతం వాటానే అ౦దుతో౦ది.

and they have now 24 percent of the income.

We heard it in other forms.

మనం దీన్ని ఇంకోలా విన్నాం. మరి వీళ్లెవరు?

And who are these?

విభిన్న దేశాలెక్కడున్నాయి? నేను ఆఫికా చూపిస్తాను.

Where are the different countries?

I can show you Africa.

This is Africa.

ఇది ఆఫ్రికా. ప్రపంచంలో 10 శాతం జనాభా ఇక్కడ ఉ౦ది. దారిద్ర్యం కూడా ఎక్కువే!

Ten percent of the world population,

most in poverty.

ఇది OECD.ధనిక దేశం. ఐరాస యొక్క కంట్రీక్లబ్.

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

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

మరి వాళ్ళంతా ఇక్కడ ఈ భాగ౦లో ఉన్నారు. ఆఫ్రికా మరియు OECD ఒకదానిపైన ఒకటి ఉన్నాయి.

And this is Latin America.

ఇది లాటిన్ అమెరికా. వారిదగ్గర భూమిపై ఉన్న అన్ని వనరులు ఉన్నాయి.

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

పేదల నుంచి కోటీశ్వరుల వరకూ, లాటిన్ అమెరికాలో ఉన్నారు.

in Latin America.

దానిపైన, మనం తూర్పు ఐరోపా, తూర్పు ఆసియా, దక్షిణాసియా దేశాలను పెట్టవచ్చు,

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

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

మనం ఇప్పుడు కాలం వెనక్కి వెళ్లి ఏం జరుగుతుందో చూద్దాం,

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

to about 1970?

దాదాపు 70వ దశక౦లోకి? అప్పుడు ఈ మోపురం చాలా పెద్దగా ఉంది.

Then, there was more of a hump.

అప్పుడు కటిక దారిద్ర్యంలో బతికిన వారిలో ఎక్కువ ఆసియా వాసులే.

And most who lived in absolute poverty were Asians.

అప్పుడు ప్రపంచం సమస్య ఆసియాలోని దారిద్ర్యమే! ఇప్పుడు నేను ప్రపంచాన్ని ముందుకు పోనిస్తాను,

The problem in the world was the poverty in Asia.

And if I now let the world move forward,

you will see that while population increases,

జనాభా పెరుగుతున్నకొద్దీ

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

వందలాది మిలియన్ల ఆసియన్లు దారిద్ర్యంనుంచి బయట పడుతున్నారు, కానీ అదే సమయ౦లో కొంతమంది

and some others getting into poverty,

ఇంకా దారిద్ర్యంలోకి వెళ్తున్నారు, మనం ఈరోజు చూస్తున్న తీరు ఇదే.

and this is the pattern we have today.

ప్రపంచబ్యాంకు వారి విశ్వసనీయమైన అ౦చనాల ప్రకారం

And the best projection from the World Bank

is that this will happen,

రెండుప్రపంచాల మధ్య ఉన్న తేడా పూర్తిగా చెరిగి పోను౦ది.చాలా మ౦ది ప్రజలు ఈ రె౦చు ప్రప౦చాల మధ్య ఉంటారు.

and we will not have a divided world.

We'll have most people in the middle.

Of course it's a logarithmic scale here,

అఫ్ కోర్స్ ఇక్కడ ఉన్నది లాగరిథమ్ స్కేల్ అనుకోండి,

but our concept of economy is growth with percent.

కానీ మన ఆర్ధికాభివృద్ధి కాన్సెప్ట్ శాతాలలో ఉంటుంది. మనం దాన్ని

We look upon it as a possibility of percentile increase.

పర్స౦టైల్ పెరుగుదల ప్రాతిపదికన పరిశీలిద్దా౦. నేను దీన్ని మార్చి,

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

కుటుంబ ఆదాయానికి బదులు తలసరి జీడీపీ తీసుకుని, మరియు దీన్ని తిప్పి

and I turn these individual data

వ్యక్తిగత డాటాను ప్రాంతీయ జీడీపీగా మార్చి,

into regional data of gross domestic product,

and I take the regions down here,

ఈ ప్రాంతాలను ఇలా క్రిందికి తీసుకెళ్తా, అప్పుడు కూడా బబుల్ సైజు ఇంకా జనాభాను సూచిస్తుంది.

the size of the bubble is still the population.

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

అప్పుడు కూడా OECD అక్కడుంటే, సబ్- సహారా ఆఫ్రికా ఇక్కడుంటు౦ది.

and we take off the Arab states there,

మరి ఇక్కణ్నుంచి అరబ్ దేశాల్ని తీసేద్దా౦,

coming both from Africa and from Asia,

ఆఫ్రికా మరియు ఆసియా నుంచి వచ్చిన వాటిని తీసి, వాటిని విడిగా పెడ్దాం,

and we put them separately,

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

మరి ఈ అక్షాన్ని మరింతగా పెంచి, నేను దీనికి ఇక్కడో కొత్త డైమెన్షన్ ఇవ్వడానికి

by adding the social values there, child survival.

శిశు మరణాల వ౦టి సామాజికాంశాలను కలిపాను.

Now I have money on that axis,

ఇప్పుడు ఈ అక్షం మీద ఆదాయం, మరియు మరో అక్ష౦ మీద జీవి౦చి ఉ౦డే అవకాశ౦ ఉన్న శిశువుల స౦ఖ్యను ఉ౦చాను.

and I have the possibility of children to survive there.

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

కొన్ని దేశాలలో, 99.7 శాతం మంది పిల్లలు ఐదు సంవత్సరాల వయసువరకు జీవి౦చి ఉంటారు;

others, only 70.

ఇతర దేశాలలో, అది 70 శాతం మాత్రమే. మరియు ఇక్కడ మాత్రం అంతరం కనిపిస్తోంది

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

OECD,లాటిన్ అమెరికా,తూర్పు యూరప్, తూర్పు ఆసియా,

Latin America, East Europe, East Asia,

Arab states, South Asia and sub-Saharan Africa.

అరబ్ రాష్ట్రాలు, దక్షిణాసియా మరియు సబ్-సహారా ఆఫ్రికా పిల్లల ఆయుష్షు విషయ౦లో అ౦తర౦ చాలా ఉ౦ది.

The linearity is very strong between child survival and money.

శిశువుల మరణాలకు మరియు ఆదాయానికి చాలా దగ్గరి సంబంధం కనిపిస్తోంది.

But let me split sub-Saharan Africa.

కానీ నన్ను సబ్-సహారా ఆఫ్రికాను విడదీసి చూస్తే, అక్కడ ఆరోగ్యం ఉ౦ది మరియు మరింత మెరుగైన ఆరోగ్య వసతులు అక్కడున్నాయి

Health is there and better health is up there.

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

నేను అక్కడికి వెళ్లి సబ్ సహారా ఆఫ్రికా దేశాలను వేర్వేరు దేశాలుగా విభజిస్తాను.

And when it bursts,

ఇక్కడున్న బబుల్ పగిలిపోతే, ఆ చిన్న బబుల్స్ ఆ దేశం యొక్క ఆదేశ జనాభాను సూచిస్తాయి.

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

Sierra Leone down there, Mauritius is up there.

అక్కడ క్రింద సియరాలియోన్ ఉంది. మారిషస్ అదిగో అక్కడ పైన ఉంది. మారిషస్

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

వాణిజ్య అంక్షలను ఎత్తివేసిన మొదటి దేశం, అందుకే వారు వాళ్ల చక్కెర అమ్ముకోగలిగారు.

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

వాళ్లు టెక్స్ టైల్స్ ను, ఐరోపా మరియు ఉత్తర అమెరికా దేశాలతో సమానమైన షరతులతో అమ్మగలిగారు.

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

There's a huge difference [within] Africa.

ఆఫ్రికాలో చాలా పెద్ద అంతరాలు కనిపిస్తున్నాయి. మరియు ఘనా ఇక్కడ మధ్యలో ఉంది.

And Ghana is here in the middle.

In Sierra Leone, humanitarian aid.

ఇది సియరా లియోన్, వీరికి మానవత్వపు సాయ౦ అ౦దుతో౦ది.

Here in Uganda, development aid.

ఇక్కడ ఉగాండా ఉ౦ది, వీరికి అభివృద్ధి సహాయం అ౦దుతో౦ది.. ఇక్కడ మీరు పెట్టుబడులు పెట్టవచ్చు.

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

మీరు హాలీడేస్ కు వెళ్ళవచ్చు. ఆఫ్రికాలో మనకు చాలా పెద్ద ఎత్తున తేడా కనిపిస్తుంది

There's tremendous variation within Africa,

కానీ అక్కడ కూడా చాల విషయాల్లో సమానత్వం కనిపిస్తుంది. దీనిని మన౦ అరుదుగా గమనిస్తా౦.

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

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

నేను ఇక్కడ దక్షిణాసియాను విడదీస్తాను. ఈ మధ్యలో ఉన్న పెద్ద బబుల్ భారతదేశం.

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

కానీ ఆఫ్ఘనిస్తాన్ మరియు శ్రీలంకల మధ్య చాలా పెద్ద అంతరం కనిపిస్తోంది.

I can split Arab states. How are they?

నేను ఇప్పుడు అరబ్ రాష్ట్రాలను విడదీస్తాను. అవి ఎలాఉన్నాయి? ఒకే వాతావరణం, ఒకే సంస్కృతి,

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

ఒకే మతం. పొరుగుదేశాల మధ్యలోకూడా పెద్ద అంతరం.

Even between neighbors --

Yemen, civil war;

యెమెన్లో అంతర్యుద్ధం ఉ౦ది. యునైటెడ్ అరబ్ ఎమిరేట్స్ లో డబ్బును సమానంగా వ్యయంచేశారు.

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

Not as the myth is.

ఇది నిజ౦గా నిజ౦. ఆ దేశంలో పనిచేస్తున్న ఇతరదేశాల కార్మికుల పిల్లలను కూడా వారు సమాన౦గానే చూశారు.

And that includes all the children of the foreign workers

who are in the country.

మనం అనుకునే దానికంటే గణాంకాలు చాలా మెరుగైనవి. చాలా మంది గణాంకాలు దండగ అనుకుంటారు.

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

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

అక్కడ కొంత అసందిగ్దతకు తావుండొచ్చు, కానీ మనం ఆ అంతరాన్ని ఇక్కడ గమనించవచ్చు:

కాంబోడియా, సింగపూర్. వీటి మధ్య తేడా చాలా చాలా ఎక్కువగా కనిపిస్తుంది

Cambodia, Singapore.

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

గణాంకాల యొక్క లోపాలను మించి తేడా ఉంది. తూర్పు యూరప్:

East Europe: Soviet economy for a long time,

చాలా కాలం సోవియట్ యూనియన్ లాగా ఉంది, కానీ పది సంవత్సరాల తర్వాత

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

చాలా మారి౦ది. లాటిన్ అమెరికా కూడా.

And there is Latin America.

ఈరోజు, లాటిన్ అమెరికాలో ఆరోగ్యకరమైన దేశంకోసం చూడడానికి క్యూబాకే వెళ్లనక్కరలేదు.

Today, we don't have to go to Cuba

to find a healthy country in Latin America.

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

రాబోయే కొన్ని సంవత్సరాలలో చిలీలో క్యూబాకన్నా తక్కువ శిశుమరణాల రేటు నమోదవబోతోంది.

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

మనకు ఇక్కడ అత్యధికాదాయం గల OECD దేశాలున్నాయి.

And we get the whole pattern here of the world,

మరియు ఇక్కడ ప్రపంచం యొక్క మొత్తం ధోరణి తెలుసుకోగలం,

which is more or less like this.

అది దాదాపు ఇలా ఉండవచ్చు. మరి మనం దానివంక చూస్తే,

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

ఇలా కనిపిస్తుంది -- ప్రపంచం, 1960లో, అది కదలడ౦ మొదలుపెట్టింది.1960.

in 1960, it starts to move.

This is Mao Zedong. He brought health to China.

అదిగో మావోసేటుంగ్. చైనాకు ఆయన ఆరోగ్యం తెచ్చారు. తర్వాత ఆయన చనిపోయారు.

And then he died.

And then Deng Xiaoping came and brought money to China,

తర్వాత డెంగ్ జియోపింగ్ వచ్చారు చైనాకు డబ్బునుతెచ్చారు, వాళ్లను మళ్లీ ప్రధాన స్రవ౦తిలోకి తీసుకొచ్చారు.

and brought them into the mainstream again.

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

ఇప్పుడు మనం వివిధ దేశాలు వేర్వేరు దిశల్లో ఎలా వెళ్తున్నాయో చూశా౦,

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

అందుకే కొద్దిగా కష్టమైన పనే

ప్రపంచపు ధోరణికి ఉదాహరణగా నిలిచే దేశాన్ని కనిపెట్టడం.

which shows the pattern of the world.

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

నేను మిమ్మల్ని తిరిగి 1960 ప్రాంతానికి తీసుకెళ్లాలనుకుంటున్నాను.

నేను ఇక్కడున్న దక్షిణ కొరియాను, ఇదిగో బ్రెజిల్ తో పోల్చాలనుకుంటున్నాను,

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

with Brazil, which is this one.

ఇదిగో ఇది. దీని లేబుల్ నానుంచి వెళ్లిపోయింది. మరియు నేను ఉగాండాతో పోల్చాలనుకుంటున్నా,

The label went away for me here.

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

అక్కడుంది. నేను దాన్ని ముందుకు పరిగెత్తిస్తా, ఇలా.

I can run it forward, like this.

మీరు గమనించవచ్చు దక్షిణ కొరియా ఎలా చాలా చాలా వేగంగా పురోగమిస్తుందో,

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

whereas Brazil is much slower.

కానీ బ్రెజిల్ చాలా నెమ్మదిగా పురోగమిస్తున్నది.

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

మనం తిరిగి వెనక్కి వెళ్దాం. ఇప్పుడు మనం వాటిపైన ట్రయల్స్ వేద్దా౦, ఇలా,

you can see again

మీరు మళ్ళీ అభివృద్ధి వేగాన్ని గమనించవచ్చు

that the speed of development is very, very different,

అది చాలా చాలా భిన్నంగా ఉ౦టు౦ది, కానీ దేశాలన్నీ దాదాపు ఒకేవిధంగా ఒకే రేటులో కదులుతున్నాయి

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

డబ్బు మరియు ఆరోగ్యం అంశాలలో మాత్రం, కానీ మరింత వేగంగా కదలవచ్చు అనిపిస్తోంది

as money and health,

but it seems you can move much faster

ఒకవేళ డబ్బు కన్నా ఆరోగ్యం విషయంలో ముందుగా ఉంటే

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

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

అది చూపించడానికి, మీరు యునైటెడ్ అరబ్ ఎమిరేట్స్ ను గమనించండి.

They came from here, a mineral country.

వాళ్లు ఇక్కణ్నుంచి వచ్చారు, ఒక ఖనిజాల దేశం. వాళ్లు ఆయిల్ మొత్తం వెలికితీశారు,

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

డబ్బు చాలా సంపాదించారు, కానీ ఆరోగ్యాన్ని సూపర్ మార్కెట్లో కొనలేరుగా.

but health cannot be bought at the supermarket.

మీరు ఆరోగ్యానికి పెట్టుబడి పెట్టాలి. మీరు పిల్లల్ని స్కూళ్లకు పంపించాలి.

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

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

మీరు ఆరోగ్య సిబ్బందికి శిక్షణ ఇవ్వాలి. మీరు దేశ జనాభాను విద్యావంతుల్ని చేయాలి.

And Sheikh Zayed did that in a fairly good way.

ఈ పనిని షేక్ సయీద్ చాలా బాగానే చేశాడు.

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

అందుకే ఆయిల్ ధరలు పతనమవుతున్నాగానీ, ఆయన ఈ దేశాన్ని ఈ స్థితికి తేగలిగాడు.

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

అందుకే మనం దాదాపు ప్రపంచం యొక్క ప్రధాన రూపాన్ని చూడగలుగుతున్నాము,

where all countries tend to use their money

ఎక్కడైతే దేశాలన్నీ వారి ధనాన్ని ఉపయోగించగలుగుతున్నాయో

better than they used it in the past.

గతంలో ఖర్చుచేసినదానికన్నా ఇప్పుడు మెరుగ్గా ఖర్చు పెడుతున్నాయి.

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

దేశాలయొక్క సగటు గణాంకాలను పరిశీలించినప్పుడు, అవి ఇలా కనిపిస్తున్నాయి.

they are like this.

That's dangerous, to use average data,

సగటు గణాంకాల్ని ఉపయోగించుకోవడం చాలా ప్రమాదకరమైనది, ఎందుకంటే అక్కడ

because there is such a lot of difference within countries.

దేశాల్లోని ప్రా౦తాల మధ్య చాలా తారతమ్యాలు ఉన్నాయి.అందుకే మీరు అక్కడికి వెళ్లి చూసినట్లయితే, మీకు

So if I go and look here,

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

ఇప్పుడు ఉగాండా 1960లో దక్షిణకొరియా ఉన్న స్థితిలో ఉంది. నేను ఉగాండాను విడదీసిచూసినట్లయితే,

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

దాని లోపల కూడా తారతమ్యాలున్నాయి. ఇవి ఉగాండాలోని విభజనలు.

These are the quintiles of Uganda.

The richest 20 percent of Ugandans are there.

ధనవంతులైన ఇరవైశాతం ఉగాండన్లు ఇక్కడ ఉన్నారు.

The poorest are down there.

బీదవాళ్ళు ఇదిగో ఇక్కడ క్రింద ఉన్నారు. అదేవిధంగా, దక్షిణాఫ్రికాను చేస్తే, అది ఇలా ఉంది.

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

And if I go down and look at Niger,

నేను గనుక క్రిందికి వెళ్లి నైగర్ ను చూస్తే, ఎక్కడైతే తీవ్రమైన క్షామం పరిస్థితులున్నాయో,

where there was such a terrible famine [recently],

చివరిగా, అది ఇలా ఉంది. ఇరవై శాతం ఉన్న నైగర్లు ఇక్కద ఉన్నారు,

it's like this.

The 20 percent poorest of Niger is out here,

and the 20 percent richest of South Africa is there,

మరియు దక్షిణాఫ్రికాలోని ఇరవైశాతం ధనికులు ఇక్కడున్నారు,

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

మరి అందుకే ఆఫ్రికాలో సమస్యల పరిష్కారానికి ఏం చర్యలుకావాలో అని అనుకుంటుంటాం.

Everything in this world exists in Africa.

ప్రపంచంలో ఉన్నవన్నీ ఆఫ్రికాలోనూ ఉన్నాయి. కానీ మీరు అందరికీ

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

హెచ్ఐవీ (మందులు) అందుబాటులో ఉండడం గురించి ఆలోచించలేరు, ఈ భాగంలో వారికి

for that quintile up here

with the same strategy as down here.

ఇక్కడ క్రింది వారికి అమలుపర్చిన అదే స్ట్రాటజీని అమలుచేయలేం. ప్రపంచాన్ని అభివృద్ది చేయడానికి

The improvement of the world must be highly contextualized,

పథకాల రూపకల్పన ఎన్నో అంశాలపై ఆధారపడి ఉంటుంది, వాటిని మనం ఇక్కడ ప్రాంతీయస్థాయి

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

అధారంగా చేయలేము. మనం మరింత బాగా లోతులకు వెళ్లి అధ్యయనం చేయాలి.

We must be much more detailed.

విద్యార్ధులకు దీనిని ఉపయోగించుకునే అవకాశముంటే వారికి చాలా ఆసక్తికలుగుతుంది.

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

And even more, policy makers and the corporate sectors

ఇంకా విధాన నిర్ణేతలు మరియు కార్పోరేట్ సెక్టార్ కూడా

would like to see how the world is changing.

ప్రపంచం ఎలా మారుతోందో చూడ్డానికి ఆసక్తి చూపుతారు.మరి ఇప్పుడు అదెందుకు జరగడం లేదు?

Now, why doesn't this take place?

Why are we not using the data we have?

మన దగ్గరున్న గణాంకాలను ఎందుకు ఉపయోగించుకోవట్లేదు మనం? మనదగ్గర ఐరాస గణాంకాలున్నాయి,

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

జాతీయ గణాంకాల ఆయా దేశాల సంస్థలదగ్గరున్నాయి

and in universities and other nongovernmental organizations.

యూనివర్సిటీల దగ్గర, ఇతర ప్రభుత్వేతర సంస్థల వద్దా ఈ గణాంకాలున్నాయి.

Because the data is hidden down in the databases.

ఈ గణాంకాలన్నీ డేటాబ్యాంకుల్లో భద్రంగా దాచిపెట్టబడి ఉన్నాయి.

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

కానీ ప్రజలిక్కడున్నారు, ఇంటర్ నెట్ ఉంది, కానీ మన౦ వాటిని సమర్ధవంతంగా ఉపయోగించుకోలేకపోతున్నాం.

but we have still not used it effectively.

All that information we saw changing in the world

మనం చూసిన మారుతున్న ప్రపంచపు సమాచారంలో

does not include publicly funded statistics.

ప్రభుత్వ౦ సేకరి౦చిన గణాంకాలు ఇ౦దులోకలపలేదు. అక్కడ కొన్ని ఇలాంటి వెబ్ పేజీలున్నాయి.

There are some web pages like this, you know,

ఈ పేజీలలో కొన్ని మాత్రం డాటాబేస్ లనుంచి అవసరమైన సమాచార౦ తీసుకొంటుంటాయి,

but they take some nourishment down from the databases,

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

కానీ కొ౦దరు ప్రబుద్ధులు మాత్రం వీటికి రేట్లు కడతారు, మూర్ఖపు పాస్ వర్డులను పెట్టి బోరింగ్ గణాంకాలను చేస్తారు.

(Laughter)

(పెద్దగా నవ్వులు). (చప్పట్లు).

And this won't work.

(Applause)

ఇది ఏ మాత్రం పనిచేయదు. కాబట్టి మనకేం కావాలి? మనదగ్గర డాటాబేసులున్నాయి.

So what is needed? We have the databases.

It's not a new database that you need.

మనకుకొత్తగా డేటాబేసులు అవసరం లేదు. మనదగ్గర అద్భుతమైన టూల్స్ ఉన్నాయి,

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

మరియు మరికొన్ని ఇలా జతచేరుతున్నాయి. అందుకే మేం ఆరంభించాం

So we started a nonprofit venture linking data to design,

ఒక లాభాపేక్షలేని కార్యక్రమాన్ని. మేం దీన్ని- డేటాను డిజైన్ తో సంధానిస్తున్నాం --

we called "Gapminder,"

మేం దీన్ని గ్యాప్ మైండర్ అని పిలుస్తున్నాం, లండన్ అండర్ గ్రౌండ్ లో వెళ్లేప్పుడు, మిమ్మల్ని

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

" మైండ్ ద గ్యాప్ (స్థలం వదలండి)" అంటుంటారు, అలాగే దీనికి గ్యాప్ మైండర్ సరైనదని మా భావన.

So we thought Gapminder was appropriate.

ఇలా డేటాను అనుసంధానించే సాఫ్ట్ వేర్ రాయడం మొదలుపెట్టాము.

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

మరియు అదేమంత కష్టమైన పనికాదు. దానికి కొన్ని సంవత్సరాలు పట్టింది, అలాగే మేము కొన్ని యానిమేషన్స్ రూపొందించాం

And it wasn't that difficult.

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

You can take a data set and put it there.

మీరు ఒక డేటా సెట్ ను తీసుకొని ఇలా పెట్టండి.

We are liberating UN data, some few UN organization.

మేము ఐరాస డేటాకు స్వాతంత్ర్యం కల్పిస్తున్నాం, అలాగే కొన్ని ఐరాస సంస్థలకు కూడా.

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

కొన్ని దేశాలు వారి డేటాబేస్ లను ప్రపంచం వినియోగించుకొనేందుకు అనుమతిస్తున్నాయి,

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

కానీ మనకు కావాల్సినదేమిటంటే, అఫ్ కోర్స్ ఒక సెర్చ్ ఫంక్షన్.

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

ఆ సెర్చ్ ఫంక్షన్ ద్వారా ఈ డేటాను సెర్చబుల్ ఫార్మాట్లోకి కాపీ చేయవచ్చు

and get it out in the world.

మనం ప్రపంచం లోకి వెళ్లామనుకోండి. మనం ఏం వింటాం?

And what do we hear when we go around?

నేను ప్రధాన గణాంకాల యూనిట్లపై ఆంత్రోపాలజీ అధ్యయన౦ చేశానని అందరూ అంటారు,

I've done anthropology on the main statistical units.

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

"అది సాధ్యంకాదు. అలా చేయలేము. మన సమాచారం ఎంత ప్రత్యేకమైనదంటే

Our information is so peculiar in detail,

so that cannot be searched as others can be searched.

అది చాల లోతైనది, అందుకే ఇతర విషయాలను వెతికినట్లుగా మన్౦ దాన్ని వెతకలేము.

We cannot give the data free to the students,

అందుకే సమాచారాన్ని విద్యార్ధులకు స్వేచ్చగా అందివ్వలేము, అలాగే ప్రపంచ౦లోని వ్యాపారవేత్తలకు కూడా."

free to the entrepreneurs of the world."

ఇలా౦టి స్వేచ్ఛా సమాచార స్రవ౦తి కోసమే మన ప్రయత్న౦.

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

ప్రజల డబ్బుతో తయారైన గణాంకాలేమో ఇలా క్రింద ఉన్నాయి.

The publicly funded data is down here.

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

కానీ మనం నెట్ లో మాత్రం ఇలాంటి పూలు పూయాలనుకుంటాం.

One of the crucial points is to make them searchable,

మనం చేయాల్సింది వాటిని వెతికితే దొరికే రూపంలోకి మార్చి, ప్రజలు ఉపయోగించుకునేలా చేయడం

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

వాటిని వివిధ డిజైన్ టూల్స్ తో యానిమేట్ అలా చేయడం.

ఈ స౦దర్భ౦గా మీకో శుభవార్త. నా దగ్గరున్న ఆ శుభవార్త ఏమిటంటే, ఇప్పటి

And I have pretty good news for you.

I have good news that the [current],

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

ఐరాస గణాంకాల అధిపతి, అది అసాధ్యం అనడం లేదు.

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

అతను కేవలం " మా వల్ల కాదు" అని మాత్రమే అంటున్నారు.

(Laughter)

(నవ్వులు).

And that's a quite clever guy, huh?

ఆయన చాలా తెలివైన వ్యక్తికదా?

(Laughter)

(నవ్వులు).

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

అందుకే రాబోయే రోజుల్లో గణాంకాల్లో ఎన్నో వింతలు చూడనున్నాం

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

మనం ఆదాయ విస్తరణ వివరాల్ని కొత్త విధాల్లో చూడబోతాం.

This is the income distribution of China, 1970.

1970 లో ఇది చైనాలో ఆదాయం విస్తరణ ఇది.

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

1970 లో ఇది అమెరికాలో ఆదాయం విస్తరణ ఇది.

Almost no overlap.

అసలు ఒకదాన్ని ఒకటి కవర్ చేయడమేలేదు, అసలే లేదు. మరి ఏం జరిగింది?

Almost no overlap.

And what has happened?

What has happened is this:

ఇందులో అసలు ఏం జరిగింది: ఆ చైనా ఆదాయం పెరుగుతోంది, ఆ రెండూ ఎంతమాత్రం సమానంకాదు,

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

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

మరి ఇక్కడ కనిపిస్తున్న చైనా ఆదాయ౦ , అమెరికాను దాటిపోయి౦ది.

almost like a ghost, isn't it?

దాదాపు దెయ్యం లాగా, కదూ, ఆ?

(Laughter)

(నవ్వులు).

It's pretty scary.

అది చాలా భయంకరంగా ఉంది.కానీ ఇలాంటి సమాచారం ఉండడం చాలా ముఖ్యమని నేననుకుంటున్నాను.

(Laughter)

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

We need really to see it.

మనం నిజంగా వాటిని చూడాలి. చూసి ఊరుకోకుండా,

And instead of looking at this,

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

నేను ప్రతీ వేయిమందికీ ఇంటర్ నెట్ యూజర్స్ గురించి చెప్పి ముగిస్తాను.

In this software, we access about 500 variables

ఈ సాఫ్ట్ వేర్ లో, మనం వివిధ దేశాలనుంచీ చాలా సులభంగా 500 వేరియబుల్స్ ఎంపికచేసుకోవచ్చు.

from all the countries quite easily.

దీనికి మారేందుకు చాలా సమయం పడుతుంది,

It takes some time to change for this,

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

కానీ ఆ యాక్సిస్ లపైన, మీరు కోరుకున్న వేరియబుల్స్ చాలా సులభంగా ఎంపికచేసుకోవచ్చు.

కానీ విషయమేమిటంటే మనం డేటాబేస్ లను ఉచితంగా పొందవచ్చు.

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

to get them searchable, and with a second click,

వాటిని సెర్చబుల్ చేయవచ్చు, రెండుక్లిక్ లలో , వాటిని పొందవచ్చు,

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

గ్రాఫిక్ ఫార్మాట్లలోకి మార్చి వీటిని మీరు సులభంగా అర్ధం చేసుకోవచ్చు.

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

అయితే, గణాంకనిపుణులకు అది ఇష్టం లేదు, వారి ఉద్దేశం ప్రకారం ఇవి

that this will not show the reality;

నిజాన్ని చూపించవు; మనకు గణాంకాల, విశ్లేషణాత్మక పద్ధతులు కావాలి.

we have to have statistical, analytical methods.

కానీ ఇది ఊహాత్మకంగా రూపొందించింది.

But this is hypothesis-generating.

I end now with the world.

నేను ఇప్పుడు ప్రపంచం తో ముగిస్తాను. అక్కడ, ఇంటర్ నెట్ వస్తోంది.

There, the internet is coming.

The number of internet users are going up like this.

ఇంటర్ నెట్ వినియోగదారుల సంఖ్య ఇలా పోతోంది. ఇది తలసరి జీడీపీ.

This is the GDP per capita.

మరియు ఇప్పుడు నవీన టెక్నాలజీ వస్తోంది, కానీ ఆశ్చర్యకరంగా, ఎంత బాగా

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

how well it fits to the economy of the countries.

దేశాల యొక్క ఆర్ధిక పరిస్థితులకు సరిపోతుంది. అందుకే వంద డాలర్ల

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

కంప్యూటర్ చాలా ముఖ్యమైనది. కానీ అది కొత్త టెండెన్సీ.

But it's a nice tendency.

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

అది చూస్తే ప్రపంచం సమానంగా మారుతున్నట్లు లేదూ? ఈ దేశాలు

These countries are lifting more than the economy,

వారి ఆర్ధిక పెరుగుదలకంటే ఎక్కువ ఎదుగుతున్నాయి మరియు రాబోయే సంవత్సరాలలో వాటిని

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

గమనించడం ఇంకా ఆసక్తికరం, కానీ నేను పబ్లిక్ ఫండెడ్ డాటాతో మీరు

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

అలా చూడగలగాలన్నదే నా ఆశ. మీ అందరికీ కృతజ్ఞతలు.

Thank you very much.

(Applause)

చప్పట్లు