1
00:00:00,000 --> 00:00:04,000
For cirka 10 år siden, begyndte jeg på at undervise svenske studerende

2
00:00:04,000 --> 00:00:08,000
i verdensomspændende udvikling. Det var efter jeg havde tilbragt

3
00:00:08,000 --> 00:00:12,000
omkring 20 år med at studere sult i Afrika i samarbejde med afrikanske institutioner,

4
00:00:12,000 --> 00:00:16,000
så det var ligesom forventet af mig, at jeg vidste en smule om verdenen.

5
00:00:16,000 --> 00:00:21,000
Og på vores lægeuniversitet, Karolingska Instituttet, startede jeg

6
00:00:21,000 --> 00:00:25,000
et kursus med navnet "Global sundhed". Men når man får

7
00:00:25,000 --> 00:00:28,000
den mulighed, bliver man en smule nervøs. Jeg tænkte at disse studerende

8
00:00:28,000 --> 00:00:31,000
der kommer til os, faktisk har de højeste karakterer man kan få

9
00:00:31,000 --> 00:00:34,000
i de svenske gymnasier - så måske ved de allerede alt

10
00:00:34,000 --> 00:00:38,000
det jeg vil lære dem. Så jeg lavede en forprøve da de ankom,

11
00:00:38,000 --> 00:00:41,000
og et af de spørgsmål jeg lærte meget fra, var:

12
00:00:41,000 --> 00:00:45,000
"Hvilket land har den højeste børnedødelighed af disse fem par?"

13
00:00:45,000 --> 00:00:49,000
Og jeg satte dem sammen, så for hvert landepar havde

14
00:00:49,000 --> 00:00:54,000
det ene land dobbelt så stor børnedødelighed som det andet. Og det betyder at

15
00:00:54,000 --> 00:00:59,000
forskellen er meget større end usikkerheden på data.

16
00:00:59,000 --> 00:01:01,000
Jeg vil ikke afprøve jer her, men det er Tyrkiet

17
00:01:01,000 --> 00:01:06,000
der er højest der, Polen, Rusland, Pakistan og Sydafrika.

18
00:01:06,000 --> 00:01:09,000
Og her er de svenske studerendes resultater. Jeg sørgede for at jeg

19
00:01:09,000 --> 00:01:12,000
fik konfidensintervallet, som er ret snævert, og jeg blev naturligvis

20
00:01:12,000 --> 00:01:16,000
glad: 1.8 ud af 5 mulige. Det betyder at

21
00:01:16,000 --> 00:01:19,000
der var en plads for en professor i international sundhed -

22
00:01:19,000 --> 00:01:21,000
(Latter) og for mit kursus.

23
00:01:21,000 --> 00:01:25,000
Men en sen nat, hvor jeg skrev rapporten, blev jeg

24
00:01:25,000 --> 00:01:29,000
virkelig klar over min opdagelse. Jeg har vist

25
00:01:29,000 --> 00:01:34,000
at svenske topstuderende ved statistisk signifikant mindre

26
00:01:34,000 --> 00:01:36,000
om verdenen end chimpanser.

27
00:01:36,000 --> 00:01:38,000
(Latter)

28
00:01:38,000 --> 00:01:42,000
Fordi chimpanserne ville få halvdelen rigtige hvis jeg gav dem

29
00:01:42,000 --> 00:01:45,000
to bananer med Sri Lanka og Tyrkiet. De ville have ret i halvdelen af tilfældene.

30
00:01:45,000 --> 00:01:49,000
Men det er ikke der de studerende er. Mit problem var ikke uvidenhed:

31
00:01:49,000 --> 00:01:52,000
det var fordomme.

32
00:01:52,000 --> 00:01:56,000
Jeg lavede også en uetisk undersøgelse af professorerne på det Karolinske Institut

33
00:01:56,000 --> 00:01:57,000
(Latter)

34
00:01:57,000 --> 00:01:59,000
- der uddeler Nobelprisen i medicin,

35
00:01:59,000 --> 00:02:01,000
og de står lige med chimpanserne der.

36
00:02:01,000 --> 00:02:04,000
(Latter)

37
00:02:04,000 --> 00:02:08,000
Her indså jeg at der virkelig var et behov for at kommunikere,

38
00:02:08,000 --> 00:02:11,000
fordi data for hvad der sker i verdenen

39
00:02:11,000 --> 00:02:14,000
og børnedødeligheden i hvert land er meget tydelige.

40
00:02:14,000 --> 00:02:19,000
Vi lavede dette edb-program, som viser det således: Hver boble her er et land.

41
00:02:19,000 --> 00:02:25,000
Landet herovre er Kina. Dette er Indien.

42
00:02:25,000 --> 00:02:31,000
Boblens størrelse er befolkningstallet, og på den her akse sætter jeg fertilitetsraten.

43
00:02:31,000 --> 00:02:34,000
Fordi mine studerende, det de sagde

44
00:02:34,000 --> 00:02:36,000
da de så på verden, og da jeg spurgte dem:

45
00:02:36,000 --> 00:02:38,000
"Hvad synes I virkelig om verdenen?"

46
00:02:38,000 --> 00:02:42,000
Nuvel, det første jeg opdagede var at lærebogen hovedsageligt var Tintin.

47
00:02:42,000 --> 00:02:43,000
(Latter)

48
00:02:43,000 --> 00:02:46,000
Og de sagde, "Verdenen er stadig 'os' og 'dem',

49
00:02:46,000 --> 00:02:49,000
og vi er den vestlige verden, og dem er den tredie verden."

50
00:02:49,000 --> 00:02:52,000
"Og hvad mener I med vestlige verden?" spurgte jeg.

51
00:02:52,000 --> 00:02:57,000
"Jo, det er langt liv, og en lille familie, og den tredie verden er kort liv og stor familie."

52
00:02:57,000 --> 00:03:03,000
Så det kan jeg vise her. Jeg placerer fertilitetsraten her: antal børn pr kvinde,

53
00:03:03,000 --> 00:03:07,000
en, to, tre, fire, op til omkring otte børn pr kvinde.

54
00:03:07,000 --> 00:03:13,000
Vi har rigtigt gode data siden 1962 - 1960 cirka - på størrelsen af familier i alle lande.

55
00:03:13,000 --> 00:03:16,000
Fejlmarginen er snæver. Her putter jeg forventet levetid ved fødslen

56
00:03:16,000 --> 00:03:20,000
fra 30 år i visse lande op til omkring 70 år.

57
00:03:20,000 --> 00:03:23,000
Og i 1962 var der virkelig en gruppe lande her

58
00:03:23,000 --> 00:03:28,000
der var industrialiserede lande, og de havde små familier og lange levetider.

59
00:03:28,000 --> 00:03:30,000
Og disse var udviklingslandene:

60
00:03:30,000 --> 00:03:33,000
De havde store familier og forholdsvist korte levetider.

61
00:03:33,000 --> 00:03:37,000
Hvad er der sket siden 1962? Vi vil se ændringen.

62
00:03:37,000 --> 00:03:40,000
Har de studerende ret? Er der stadig to slags lande?

63
00:03:41,000 --> 00:03:44,000
Eller har disse udviklingslande fået mindre familier og de bor her?

64
00:03:44,000 --> 00:03:46,000
Eller har de fået længere levetider og bor deroppe?

65
00:03:46,000 --> 00:03:49,000
Lad os se. Vi stoppede verden dengang. Dette er altsammen FN statistikdata

66
00:03:49,000 --> 00:03:52,000
der er tilgængeligt. Så kører vi. Kan I se der?

67
00:03:52,000 --> 00:03:55,000
Det er Kina her, der bevæger sig mod bedre helbred der, forbedrer der,

68
00:03:55,000 --> 00:03:58,000
Alle de grønne latinamerikanske lande bevæger sig mod mindre familier

69
00:03:58,000 --> 00:04:01,000
De gule herovre er de arabiske lande,

70
00:04:01,000 --> 00:04:05,000
og de får større familier, men de - nej, længere levetid, men ikke større familier.

71
00:04:05,000 --> 00:04:08,000
De afrikanske er de grønne hernede. De forbliver her.

72
00:04:08,000 --> 00:04:11,000
Dette er Indien. Indonesien flytter sig ret hurtigt.

73
00:04:11,000 --> 00:04:12,000
(Latter)

74
00:04:12,000 --> 00:04:15,000
Og her i 80'erne, har vi Bangladesh stadig blandt de afrikanske lande der.

75
00:04:15,000 --> 00:04:18,000
Men se, Bangladesh - det er et mirakel der sker i 80'erne:

76
00:04:18,000 --> 00:04:21,000
imamerne begynder at støtte familieplanlægning.

77
00:04:21,000 --> 00:04:26,000
De bevæger sig op i det hjørne. Og i 90'erne har vi den forfærdelige HIV-epidemi

78
00:04:26,000 --> 00:04:29,000
der trækker den forventede levetid i de afrikanske lande ned,

79
00:04:29,000 --> 00:04:33,000
og alle de andre bevæger sig op i hjørnet

80
00:04:33,000 --> 00:04:37,000
hvor vi har lang levetid og små familier, og vi har en fuldstændig ny verden.

81
00:04:37,000 --> 00:04:50,000
(Klapsalve)

82
00:04:50,000 --> 00:04:55,000
Lad mig lave en direkte sammenligning mellem USA og Vietnam.

83
00:04:55,000 --> 00:05:00,000
1964: USA havde små familier og lang levetid.

84
00:05:00,000 --> 00:05:04,000
Vietnam havde store familier og kort levetid. Og dette er hvad der sker:

85
00:05:04,000 --> 00:05:10,000
Data fra krigen indikerer at på trods af alle de døde,

86
00:05:10,000 --> 00:05:13,000
var der en levetidsforbedring. Ved slutningen af året

87
00:05:13,000 --> 00:05:16,000
begyndte familieplanlægningen i Vietnam og de skiftede til mindre familier.

88
00:05:16,000 --> 00:05:19,000
Og USA deroppe får længere levetid, og bevarer

89
00:05:19,000 --> 00:05:22,000
familiens størrelse. Og i 80'erne nu,

90
00:05:22,000 --> 00:05:25,000
opgiver de kommunistisk planlægning, og skifter til markedsøkonomi,

91
00:05:25,000 --> 00:05:29,000
og det går endnu hurtigere end det sociale liv. Og i dag, har vi i

92
00:05:29,000 --> 00:05:34,000
Vietnam den samme forventede levetid og den samme familiestørrelse

93
00:05:34,000 --> 00:05:41,000
her i Vietnam, 2003, som i USA, 1974, ved krigens slutning.

94
00:05:41,000 --> 00:05:45,000
Jeg tror at vi alle - hvis vi ikke kigger i data -

95
00:05:45,000 --> 00:05:49,000
undervurderer den utrolige ændring i Asien som var

96
00:05:49,000 --> 00:05:53,000
en social ændring, førend vi så den økonomiske ændring.

97
00:05:53,000 --> 00:05:58,000
Lad os skifte til en anden måde her, hvor vi kan vise

98
00:05:58,000 --> 00:06:05,000
fordelingen af indtægt i verdenen. Dette er verdensfordelingen af folks indtægt.

99
00:06:05,000 --> 00:06:10,000
En dollar, 10 dollars eller 100 dollars pr dag.

100
00:06:10,000 --> 00:06:14,000
Der er ikke noget gab mellem rig og fattig længere. Det er en myte.

101
00:06:14,000 --> 00:06:18,000
Der er et lille bump her. Men der er folk hele vejen.

102
00:06:19,000 --> 00:06:23,000
Og hvis vi ser på hvor indkomsten ender - indkomsten -

103
00:06:23,000 --> 00:06:29,000
dette er 100 procent af verdens årlige indkomst. Og de rigeste 20 procent

104
00:06:29,000 --> 00:06:36,000
tager 74 procent heraf. Og de fattigste 20 procent,

105
00:06:36,000 --> 00:06:41,000
tager omkring to procent. Og dette viser at begrebet

106
00:06:41,000 --> 00:06:45,000
"udviklingslande" er ekstremt tvivlsomt. Vi tænker på hjælp, i form

107
00:06:45,000 --> 00:06:50,000
af de her folk der giver hjælp til de her folk. Men i midten

108
00:06:50,000 --> 00:06:54,000
har vi det meste af verdens befolkning, og de har nu 24 procent af indkomsten.

109
00:06:54,000 --> 00:06:58,000
Vi har hørt det i andre former. Og hvem er de?

110
00:06:58,000 --> 00:07:02,000
Hvor er de forskellige lande? Jeg kan vise jer Afrika.

111
00:07:02,000 --> 00:07:07,000
Dette er Afrika. 10 procent af verdens befolkning, de fleste er fattige.

112
00:07:07,000 --> 00:07:12,000
Dette er OECD. De rige lande. FN's golfklub.

113
00:07:12,000 --> 00:07:17,000
Og de er herovre på denne her side. Et ret stort overlap mellem Afrika og OECD.

114
00:07:17,000 --> 00:07:20,000
Og dette er Latinamerika. Det har alt på denne jord

115
00:07:20,000 --> 00:07:23,000
fra de fattigste til de rigeste, i Latinamerika.

116
00:07:23,000 --> 00:07:28,000
Og oveni det, kan vi putte Østeuropa, Østasien

117
00:07:28,000 --> 00:07:33,000
og Sydasien. Og hvordan ser det ud hvis vi går tilbage i tid

118
00:07:33,000 --> 00:07:38,000
til omkring 1970? Dengang var der mere en pukkel.

119
00:07:38,000 --> 00:07:42,000
Og vi kan se at de fleste der levede i den yderste fattigdom var asiater.

120
00:07:42,000 --> 00:07:49,000
Verdens problem var fattigdommen i Asien. Og hvis

121
00:07:49,000 --> 00:07:52,000
kan I se at mens befolkningen øges, er der

122
00:07:52,000 --> 00:07:55,000
hundredvis af millioner i Asien der kommer ud af fattigdommen og andre

123
00:07:55,000 --> 00:07:58,000
der kommer ind i fattigdom, og dette er mønsteret vi har i dag.

124
00:07:58,000 --> 00:08:02,000
Og den bedste forudsigelse fra Verdensbanken er at dette vil ske,

125
00:08:02,000 --> 00:08:06,000
og vi vil ikke have en delt verden. Vi vil have flest mennesker i midten.

126
00:08:06,000 --> 00:08:08,000
Selvfølgelig er det en logaritmisk skala her,

127
00:08:08,000 --> 00:08:13,000
men vores økonomiske koncept er vækst i procent. Vi ser på det

128
00:08:13,000 --> 00:08:19,000
som en mulighed for procentvis vækst. Hvis jeg ændrer dette og jeg tager

129
00:08:19,000 --> 00:08:23,000
bruttonationalindkomsten pr indbygger i stedet for familieindkomst, og jeg ænder disse

130
00:08:23,000 --> 00:08:29,000
individuelle data til områdedata for bruttonationalproduktet

131
00:08:29,000 --> 00:08:33,000
og jeg tager områderne hernede, er boblens størrelse stadig befolkningen.

132
00:08:33,000 --> 00:08:36,000
Og vi har OECD der, og Afrika syd for Sahara der,

133
00:08:36,000 --> 00:08:39,000
og vi tager de arabiske stater der

134
00:08:39,000 --> 00:08:43,000
der kommer både fra Afrika og Asien og placerer den separat,

135
00:08:43,000 --> 00:08:48,000
og vi kan udvide denne akse, og jeg kan give den en ny dimension her,

136
00:08:48,000 --> 00:08:51,000
ved at tilføje de sociale værdier der, børnedødelighed.

137
00:08:51,000 --> 00:08:56,000
Nu har jeg penge på den akse, og jeg har sandsynligheden for børns overlevelse der.

138
00:08:56,000 --> 00:09:00,000
I nogen lande, overlever 99,7 procent af børnene til femårsalderen;

139
00:09:00,000 --> 00:09:04,000
i andre, kun 70. Og her ser det ud til der er et gab

140
00:09:04,000 --> 00:09:08,000
mellem OECD, Latinamerika, Østeuropa, Østasien,

141
00:09:08,000 --> 00:09:12,000
Arabiske stater, Sydasien og Afrika syd for Sahara.

142
00:09:12,000 --> 00:09:17,000
Der er en meget stærk sammenhæng mellem børnedødelighed og penge.

143
00:09:17,000 --> 00:09:25,000
Men lad mig opdele Afrika syd for Sahara. Sundhed er der og bedre helbred er deroppe.

144
00:09:25,000 --> 00:09:30,000
Jeg kan gå hertil og jeg kan opdele Afrika syd for Sahara i dets lande.

145
00:09:30,000 --> 00:09:35,000
Og når det springer, er størrelsen af landets boble størrelsen af dens befolkning.

146
00:09:35,000 --> 00:09:39,000
Sierra Leone dernede. Mauritius er deroppe. Mauritius var det første land

147
00:09:39,000 --> 00:09:42,000
der slap for handelshindringer, og de kunne sælge deres sukker.

148
00:09:43,000 --> 00:09:48,000
De kune sælge deres tekstiler på lige vilkår med befolkningen i Europa og Nordamerika.

149
00:09:48,000 --> 00:09:52,000
Der er en stor forskel i Afrika. Og Ghana er her i midten.

150
00:09:52,000 --> 00:09:55,000
I Sierra Leone, humanitær hjælp.

151
00:09:55,000 --> 00:10:00,000
Her i Uganda, udviklingshjælp. Her, investeringstid, der,

152
00:10:00,000 --> 00:10:03,000
kan man tage på ferie. Det er en kæmpe variation

153
00:10:03,000 --> 00:10:08,000
i Afrika som vi sjældent tager højde for - at det er ens over det hele.

154
00:10:08,000 --> 00:10:12,000
Jeg kan opdele Sydasien her. Indien er den store boble i midten.

155
00:10:12,000 --> 00:10:16,000
Men der er en stor forskel mellem Afghanistan og Sri Lanka.

156
00:10:16,000 --> 00:10:20,000
Jeg kan opdele de arabiske stater. Hvordan er de? Samme klima, samme kultur,

157
00:10:20,000 --> 00:10:24,000
samme religion. Stor forskel. Selv mellem naboer.

158
00:10:24,000 --> 00:10:29,000
Yemen, borgerkrig. Forenede Arabiske Emirater, penge som var ligeligt og godt brugt.

159
00:10:29,000 --> 00:10:36,000
Ikke som myten er. Og det indbefatter alle børnene af fremmedarbejderne der er i landet.

160
00:10:36,000 --> 00:10:40,000
Data er ofte bedre end I tror. Mange siger data er dårlige.

161
00:10:41,000 --> 00:10:43,000
Der er en usikkerhedsmargin, men vi kan se forskellen her:

162
00:10:43,000 --> 00:10:46,000
Cambodia, Singapore. Forskellene er meget større,

163
00:10:46,000 --> 00:10:49,000
end svaghederne i data. Østeuropa:

164
00:10:49,000 --> 00:10:55,000
Sovjettisk økonomi i lang tid, men efter 10 år har de klaret sig

165
00:10:55,000 --> 00:10:58,000
meget, meget anderledes. Og der er Latinamerika.

166
00:10:58,000 --> 00:11:02,000
I dag behøver vi ikke tage til Cuba, for at finde et sundt land i Latinamerika.

167
00:11:02,000 --> 00:11:07,000
Chile vil have en lavere børnedødelighed end Cuba om ganske få år.

168
00:11:07,000 --> 00:11:10,000
Og her har vi højindtægtslande i OECD.

169
00:11:10,000 --> 00:11:14,000
Og vi ser hele mønsteret for verden,

170
00:11:14,000 --> 00:11:19,000
som er mere eller mindre som det her. Og hvis vi ser på det,

171
00:11:19,000 --> 00:11:25,000
hvordan det ser ud - verden, i 1960, begynder det at bevæge sig. 1960.

172
00:11:25,000 --> 00:11:28,000
Dette er Mao Zedong. Han bragte sundhed til Kina. Og så døde han.

173
00:11:28,000 --> 00:11:33,000
Og så kom Deng Xiaoping og bragte penge til Kina, og bragte dem tilbage i hovedstrømmen igen.

174
00:11:33,000 --> 00:11:37,000
Og vi har set hvordan lande bevæger sig i forskellige retninger som dette,

175
00:11:37,000 --> 00:11:41,000
så det er lidt svært at få

176
00:11:41,000 --> 00:11:46,000
et land som eksempel der viser mønsteret for verden.

177
00:11:46,000 --> 00:11:52,000
Jeg vil gerne bringe jer tilbage til omkring her i 1960.

178
00:11:52,000 --> 00:12:02,000
Jeg vil gerne sammenligne Sydkorea, som er den her, med Brasillien,

179
00:12:02,000 --> 00:12:07,000
der er den her. Mærkaten forsvandt for mig her. Og jeg vil gerne sammenligne Uganda,

180
00:12:07,000 --> 00:12:12,000
som er der. Og jeg kan føre det fremad, således.

181
00:12:12,000 --> 00:12:21,000
Og I kan se hvordan Sydkorea laver meget, meget hurtigt fremskridt,

182
00:12:21,000 --> 00:12:24,000
hvor Brasillien er meget langsommere.

183
00:12:24,000 --> 00:12:30,000
Og hvis vi bevæger os tilbage igen, her, og vi putter sporing på dem, således.

184
00:12:30,000 --> 00:12:34,000
kan I se igen at udviklingshastigheden

185
00:12:34,000 --> 00:12:40,000
er meget, meget forskellig og at landene bevæger sig mere eller mindre

186
00:12:40,000 --> 00:12:44,000
i den samme hastighed som penge og sundhed, men det ser ud til man kan bevæge sig

187
00:12:44,000 --> 00:12:48,000
meget hurtigere hvis man er sund først end hvis man er rig først.

188
00:12:49,000 --> 00:12:53,000
Og for at vise det, kan vi tilføje de Forenede Arabiske Emirater.

189
00:12:53,000 --> 00:12:56,000
De kom herfra, et mineralland. De havde al olien,

190
00:12:56,000 --> 00:13:00,000
de fik alle pengene, men sundhed kan ikke købes i et supermarkede.

191
00:13:00,000 --> 00:13:04,000
Man skal investere i sundhed. Man skal have børnene ind i skolesystemet.

192
00:13:04,000 --> 00:13:07,000
Man skal oplære sundhedspersonale. Man skal uddanne befolkningen.

193
00:13:07,000 --> 00:13:10,000
Og Sheik Sayed gjorde det på en ret god måde.

194
00:13:10,000 --> 00:13:14,000
Og på trods af faldende oliepriser, bragte han det land herop.

195
00:13:14,000 --> 00:13:18,000
Så vi har en meget mere strømlinjet udgave af verden,

196
00:13:18,000 --> 00:13:20,000
hvor alle lande hælder til at bruge deres penge

197
00:13:20,000 --> 00:13:25,000
bedre end de gjorde tidligere. Nuvel, det er, mere eller mindre,

198
00:13:25,000 --> 00:13:32,000
hvis man ser på gennemsnitsdata for landene. De ser sådan ud.

199
00:13:32,000 --> 00:13:37,000
Men det er farligt at bruge gennemsnitsdata fordi der er megen forskel

200
00:13:37,000 --> 00:13:43,000
i lande. Så hvis jeg kigger her, kan vi se at

201
00:13:43,000 --> 00:13:49,000
Uganda i dag er hvor Sydkorea var i 1960. Hvis jeg opdeler Uganda

202
00:13:49,000 --> 00:13:54,000
er der en ret stor forskel internt i Uganda. Dette er femdelingen af Uganda

203
00:13:54,000 --> 00:13:57,000
De rigeste 20 procent af folk i Uganda er der.

204
00:13:57,000 --> 00:14:01,000
De fattigste er dernede. Hvis jeg opdeler Sydafrika, er det sådan.

205
00:14:01,000 --> 00:14:06,000
Hvis jeg går ned og ser på Republikken Niger, hvor der har været en forfærdelig hungersnød

206
00:14:06,000 --> 00:14:11,000
på det sidste, ser det sådan ud. De fattigste 20 procent i Niger er herude.

207
00:14:11,000 --> 00:14:14,000
og de rigeste 20 procent i Sydafrika er der,

208
00:14:14,000 --> 00:14:19,000
og alligevel hælder vi mod at diskutere hvilke løsninger der skal være i Afrika.

209
00:14:19,000 --> 00:14:22,000
Alt i denne verden findes i Afrika. Og man kan ikke

210
00:14:22,000 --> 00:14:26,000
diskutere HIV-medicin til alle for den femtedel heroppe

211
00:14:26,000 --> 00:14:30,000
med samme strategi som hernede. Forbedringen af verden må

212
00:14:30,000 --> 00:14:35,000
gøres i den enkelte sammenhæng, og det er ikke relevant at have det

213
00:14:35,000 --> 00:14:38,000
på regionsniveau. Vi må være meget mere detaljerede.

214
00:14:38,000 --> 00:14:42,000
Vi har fundet at studererende bliver meget begejstrede når de kan bruge det her.

215
00:14:42,000 --> 00:14:47,000
Og endnu flere politiske beslutningstagere og forretningsfolk vil gerne se

216
00:14:47,000 --> 00:14:51,000
hvordan verden ændrer sig. Nuvel, hvorfor sker dette ikke?

217
00:14:51,000 --> 00:14:55,000
Hvorfor bruger vi ikke de data vi har? Vi har data i FN,

218
00:14:55,000 --> 00:14:57,000
i de enkelte landes statistiske afdelinger,

219
00:14:57,000 --> 00:15:01,000
og på universiteter og andre organisationer udenfor regeringsregi.

220
00:15:01,000 --> 00:15:03,000
Fordi data er gemt dybt i databaserne.

221
00:15:03,000 --> 00:15:08,000
Og offentligheden er der, Internettet er der, men vi har stadig ikke brugt det effektivt.

222
00:15:08,000 --> 00:15:11,000
Al den information vi så forandre sig i verden

223
00:15:11,000 --> 00:15:15,000
indbefatter ikke offentligt finansieret statistik. Der er nogen websider

224
00:15:15,000 --> 00:15:21,000
som denne, men de får nogen næring fra databaserne

225
00:15:21,000 --> 00:15:26,000
men folk sætter prisskilte på dem, dumme adgangskoder og kedelige statistikker.

226
00:15:26,000 --> 00:15:29,000
(Latter)(Klapsalve)

227
00:15:29,000 --> 00:15:33,000
Og det vil ikke fungere. Så hvad er der brug for? Vi har databaserne.

228
00:15:33,000 --> 00:15:37,000
Det er ikke en ny database der er brug fro. Vi har fantastiske designværktøjer,

229
00:15:37,000 --> 00:15:40,000
og der bliver tilføjet mere og mere heroppe. Så vi begyndte

230
00:15:40,000 --> 00:15:45,000
en almennyttig organisation som vi kaldte - sammenkædning af data med design -

231
00:15:45,000 --> 00:15:48,000
vi kaldte det "Gapminder", fra undergrundsbanen i London hvor de advarer en

232
00:15:48,000 --> 00:15:51,000
"pas på gabet mellem tog og perron". Så vi tænkte at Gapminder var passende

233
00:15:51,000 --> 00:15:55,000
Og vi begyndte at skrive programmer som kunne sammenkæde data således.

234
00:15:55,000 --> 00:16:01,000
Og det var ikke så svært igen. Det tog nogen mandeår, og vi har lavet bevægende fremstillinger.

235
00:16:01,000 --> 00:16:03,000
Man kan tage et datasæt og placere det der.

236
00:16:03,000 --> 00:16:08,000
Vi frigør FN-data, nogen få FN-organisationer.

237
00:16:08,000 --> 00:16:12,000
Nogen lande accepterer at deres databaser kan komme ud i verden,

238
00:16:12,000 --> 00:16:15,000
men hvad vi virkelig har brug for er, naturligvis, en søgefunktion.

239
00:16:15,000 --> 00:16:20,000
En søgefunktion hvor vi kan kopiere data op i et søgbart format

240
00:16:20,000 --> 00:16:23,000
og få det ud i verden. Og hvad hører vi når vi kommer rundt?

241
00:16:23,000 --> 00:16:27,000
Jeg har lavet antropologi på de statistiske hovedenheder. Alle siger,

242
00:16:28,000 --> 00:16:32,000
"Det er umuligt. Det kan ikke gøres. Vores information er så særegen

243
00:16:32,000 --> 00:16:35,000
i detaljen, at den ikke kan søges i som andres kan blive søgt i.

244
00:16:35,000 --> 00:16:40,000
Vi kan ikke give data frit til de studerende, frit til verdens entreprenører."

245
00:16:40,000 --> 00:16:43,000
Men dette er hvad vi gerne vil se, er det ikke?

246
00:16:43,000 --> 00:16:46,000
De offentligt financierede data er hernede.

247
00:16:46,000 --> 00:16:49,000
Og vil vil gerne se blomster vokse frem på Nettet.

248
00:16:49,000 --> 00:16:54,000
Og et af de afgørende punkter er at gøre dem søgbare, og så kan folk bruge

249
00:16:54,000 --> 00:16:56,000
de forskellige designværkøjer til at animere det der.

250
00:16:56,000 --> 00:17:01,000
Og jeg har en ret god nyhed til jer. Jeg har den gode nyhed at lederen

251
00:17:01,000 --> 00:17:05,000
af FN's statistikafdeling, siger ikke det er umuligt.

252
00:17:05,000 --> 00:17:07,000
Han siger bare "Vi kan ikke gøre det."

253
00:17:07,000 --> 00:17:11,000
(Latter)

254
00:17:11,000 --> 00:17:13,000
Og det er en ret klog fyr, ikke?

255
00:17:13,000 --> 00:17:15,000
(Latter)

256
00:17:15,000 --> 00:17:19,000
Så vi kan se der sker en masse med data i de kommende år.

257
00:17:19,000 --> 00:17:23,000
Vi vil være i stand til at se på indkomstfordelinger på helt nye måder.

258
00:17:23,000 --> 00:17:28,000
Dette er indkomstfordelingen i Kina, 1970.

259
00:17:29,000 --> 00:17:34,000
indkomstfordelingen for USA, 1970.

260
00:17:34,000 --> 00:17:38,000
Næsten intet overlap. Næsten intet overlap. Og hvad er der sket?

261
00:17:38,000 --> 00:17:43,000
Hvad der er sket er følgende: at Kina vokser, det er ikke så lige længere,

262
00:17:43,000 --> 00:17:47,000
og det dukker op her, med udsigt til USA.

263
00:17:47,000 --> 00:17:49,000
Næsten som et spøgelse, er det ikke, hva'?

264
00:17:49,000 --> 00:17:51,000
(Latter)

265
00:17:51,000 --> 00:18:01,000
Det er ret skræmmende. Men jeg mener det er vigtigt at have al denne information.

266
00:18:01,000 --> 00:18:07,000
Vi er virkelig nødt til at kunne se det. Og i stedet for at se på dette,

267
00:18:07,000 --> 00:18:12,000
vil jeg gerne slutte med at vise antallet af internetbrugere pr 1000.

268
00:18:12,000 --> 00:18:17,000
I dette program, har vi let adgang til omkring 500 variable fra alle landene.

269
00:18:17,000 --> 00:18:21,000
Det tager nogen tid at ændre

270
00:18:21,000 --> 00:18:26,000
men på akserne kan man ret nemt få en vilkårlig variabel man gerne vil have.

271
00:18:26,000 --> 00:18:31,000
Og det vigtige vil være at få frigivet databaserne,

272
00:18:31,000 --> 00:18:34,000
få dem gjort søgbare, og med et klik mere, få dem

273
00:18:34,000 --> 00:18:39,000
på grafisk form, hvor man umiddelbart kan forstå dem.

274
00:18:39,000 --> 00:18:42,000
Nuvel, statistikere kan ikke lide det, fordi de siger at dette

275
00:18:42,000 --> 00:18:51,000
ikke vil vise virkeligheden - vi er nødt til at have statistiske, analytiske metoder.

276
00:18:51,000 --> 00:18:54,000
Men denne måde genererer hypoteser.

277
00:18:54,000 --> 00:18:58,000
Jeg afslutter nu med verden. Der er det Internettet der kommer.

278
00:18:58,000 --> 00:19:02,000
Antallet af internetbrugere vokser således. Dette er bruttonationalindkomsten pr indbygger.

279
00:19:02,000 --> 00:19:07,000
Og det er en ny teknologi der kommer ind, men på utroligste vis passer det

280
00:19:07,000 --> 00:19:12,000
godt med landenes økonomi. Det er grunden til at 100 dollar

281
00:19:12,000 --> 00:19:15,000
computeren vil være så vigtig. Men det er en god tendens.

282
00:19:15,000 --> 00:19:18,000
Det er ligesom at verden flader ud, ikke? Disse lande

283
00:19:18,000 --> 00:19:21,000
rejser sig mere end økonomen og vil være særdeles interessant

284
00:19:21,000 --> 00:19:25,000
at følge dette over året, som jeg gerne vil have at I skal kunne

285
00:19:25,000 --> 00:19:27,000
med alle de offentligt finansierede data. Mange tak.

286
00:19:28,000 --> 00:19:31,000
(Klapsalve)