1
00:00:00,000 --> 00:00:04,000
För ungefär tio år sedan tog jag mig an uppgiften att undervisa i global utveckling

2
00:00:04,000 --> 00:00:08,000
för svenska högskolestudenter på grundnivå. Det var efter att jag tillbringat

3
00:00:08,000 --> 00:00:12,000
ungefär 20 år med att studera hunger i Afrika tillsammans med afrikanska institutioner,

4
00:00:12,000 --> 00:00:16,000
så jag förväntades liksom veta lite grann om världen.

5
00:00:16,000 --> 00:00:21,000
Vid vårt medicinska universitet, Karolinska Institutet,

6
00:00:21,000 --> 00:00:25,000
startade jag därför en kurs vid namn Global Hälsa. Men när man ges

7
00:00:25,000 --> 00:00:28,000
en sådan möjlighet blir man också lite nervös. Jag tänkte,

8
00:00:28,000 --> 00:00:31,000
"dessa studenter har de högsta betyg man kan få

9
00:00:31,000 --> 00:00:34,000
i det svenska högskolesystemet" - så de kanske redan vet allt

10
00:00:34,000 --> 00:00:38,000
jag tänkt lära ut till dem. Så jag gjorde ett snabbt test när de kom.

11
00:00:38,000 --> 00:00:41,000
En av frågorna jag lärde mig mycket av var den här:

12
00:00:41,000 --> 00:00:45,000
"Vilket land har den högsta barnadödligheten i dessa fem par?"

13
00:00:45,000 --> 00:00:49,000
Och jag satte ihop dem, så att det i varje landspar fanns

14
00:00:49,000 --> 00:00:54,000
ett land med dubbelt så hög dödlighet som i det andra. Med andra ord

15
00:00:54,000 --> 00:00:59,000
är skillnaden betydligt större än den statistiska osäkerheten.

16
00:00:59,000 --> 00:01:01,000
Jag ska inte testa er här, men först är det Turkiet

17
00:01:01,000 --> 00:01:06,000
som är högst, Polen, Ryssland, Pakistan och Sydafrika.

18
00:01:06,000 --> 00:01:09,000
Och så här blev resultaten för de svenska studenterna. Jag räknade ut

19
00:01:09,000 --> 00:01:12,000
konfidensintervallet, som är ganska smalt, och blev förstås glad:

20
00:01:12,000 --> 00:01:16,000
1,8 rätt av fem möjliga. Det betyder att

21
00:01:16,000 --> 00:01:19,000
det fanns en plats för en professor i internationell hälsa

22
00:01:19,000 --> 00:01:21,000
(Skratt) och för min kurs.

23
00:01:21,000 --> 00:01:25,000
Men det var först en sen kväll, när jag höll på att sammanställa rapporten,

24
00:01:25,000 --> 00:01:29,000
som jag verkligen insåg min upptäckt. Jag har visat att

25
00:01:29,000 --> 00:01:34,000
svenska toppstudenter vet statistiskt avsevärt mindre

26
00:01:34,000 --> 00:01:36,000
om omvärlden än vad schimpanser gör.

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

28
00:01:38,000 --> 00:01:42,000
En schimpans skulle svara hälften rätt om jag gav den

29
00:01:42,000 --> 00:01:45,000
två bananer med Sri Lanka och Turkiet. I hälften av fallen skulle den ha rätt.

30
00:01:45,000 --> 00:01:49,000
Men studenterna är inte där. Problemet för mig var inte okunskap,

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

32
00:01:52,000 --> 00:01:56,000
Jag gjorde också en oetisk studie av professorerna vid Karolinska Institutet

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

34
00:01:57,000 --> 00:01:59,000
-- som delar ut Nobelpriset i medicin,

35
00:01:59,000 --> 00:02:01,000
och de ligger ungefär lika med schimpanserna som ni ser.

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

37
00:02:04,000 --> 00:02:08,000
Det var här jag insåg att det verkligen fanns ett behov av att kommunicera,

38
00:02:08,000 --> 00:02:11,000
eftersom uppgifterna kring vad som händer i världen

39
00:02:11,000 --> 00:02:14,000
och barns hälsa i alla länder är väl kända.

40
00:02:14,000 --> 00:02:19,000
Vi gjorde ett program som visar det så här: varje bubbla är ett land.

41
00:02:19,000 --> 00:02:25,000
Landet här borta är Kina. Det här är Indien.

42
00:02:25,000 --> 00:02:31,000
Bubblans storlek motsvarar befolkningsmängden, och på den här axeln har vi födelsetalen.

43
00:02:31,000 --> 00:02:34,000
På grund av vad mina studenter sa

44
00:02:34,000 --> 00:02:36,000
när de tittade på världen och jag frågade:

45
00:02:36,000 --> 00:02:38,000
"Vad tycker ni egentligen om världen?"

46
00:02:38,000 --> 00:02:42,000
Först upptäckte jag att kursboken i huvudsak var Tintin.

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

48
00:02:43,000 --> 00:02:46,000
Men de sa: "Världen är fortfarande 'vi' och 'dem'".

49
00:02:46,000 --> 00:02:49,000
Och med "vi" menar vi västvärlden och "dem" är tredje världen.

50
00:02:49,000 --> 00:02:52,000
"Och vad menar ni med västvärlden?" sa jag.

51
00:02:52,000 --> 00:02:57,000
"Tja, lång livslängd och små familjer. I tredje världen kort livslängd och stora familjer."

52
00:02:57,000 --> 00:03:03,000
Detta skulle jag kunna visa här. Här satte jag födelsetal i antal barn per kvinna:

53
00:03:03,000 --> 00:03:07,000
ett, två, tre, fyra -- upp till ungefär åtta barn per kvinna.

54
00:03:07,000 --> 00:03:13,000
Vi har mycket bra uppgifter från cirka 1960-1962 om familjestorleken i alla länder.

55
00:03:13,000 --> 00:03:16,000
Felmarginalen är liten. Här satte jag förväntad livslängd vid födseln,

56
00:03:16,000 --> 00:03:20,000
från 30 år i vissa länder upp till ungefär 70 år.

57
00:03:20,000 --> 00:03:23,000
År 1962 fanns det faktiskt en grupp länder här,

58
00:03:23,000 --> 00:03:28,000
industrialiserade länder med små familjer och lång livslängd.

59
00:03:28,000 --> 00:03:30,000
Det här var utvecklingsländerna:

60
00:03:30,000 --> 00:03:33,000
de hade stora familjer och levde relativt korta liv.

61
00:03:33,000 --> 00:03:37,000
Så vad har hänt sedan 1962? Vi vill se förändringen.

62
00:03:37,000 --> 00:03:40,000
Har studenterna rätt? Är det fortfarande två typer av länder,

63
00:03:41,000 --> 00:03:44,000
eller har dessa utvecklingsländer mindre familjer och befinner sig här?

64
00:03:44,000 --> 00:03:46,000
Eller har livslängden ökat och de befinner sig här?

65
00:03:46,000 --> 00:03:49,000
Låt oss prova. Vi stannade världen där. Det här är all FN-statistik

66
00:03:49,000 --> 00:03:52,000
som finns tillgänglig. Nu kör vi. Kan ni se här?

67
00:03:52,000 --> 00:03:55,000
Här har vi Kina, som förbättras och rör sig mot bättre hälsa.

68
00:03:55,000 --> 00:03:58,000
Alla de gröna latinamerikanska länderna rör sig mot mindre familjer.

69
00:03:58,000 --> 00:04:01,000
De gula här är de arabiska länderna,

70
00:04:01,000 --> 00:04:05,000
de får större familjer, men, nej, längre livslängd, inte större familjer.

71
00:04:05,000 --> 00:04:08,000
De afrikanska är de gröna här nere. De är fortfarande kvar här.

72
00:04:08,000 --> 00:04:11,000
Det här är Indien. Indonesien rör sig ganska fort.

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

74
00:04:12,000 --> 00:04:15,000
I början av åttiotalet låg Bangladesh kvar bland de afrikanska länderna där,

75
00:04:15,000 --> 00:04:18,000
men nu, titta på Bangladesh, det sker ett mirakel under åttiotalet:

76
00:04:18,000 --> 00:04:21,000
imamerna börjar förespråka familjeplanering.

77
00:04:21,000 --> 00:04:26,000
De rör sig upp mot det där hörnet. På nittiotalet har vi den hemska HIV-epidemin

78
00:04:26,000 --> 00:04:29,000
som för ned den förväntade livslängden i de afrikanska länderna

79
00:04:29,000 --> 00:04:33,000
medan resten fortsätter upp i hörnet,

80
00:04:33,000 --> 00:04:37,000
där vi har lång livslängd och små familjer, och vi har fått en helt ny världsbild.

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

82
00:04:50,000 --> 00:04:55,000
Låt mig göra en direkt jämförelse mellan USA och Vietnam.

83
00:04:55,000 --> 00:05:00,000
1964: USA hade små familjer och lång livslängd;

84
00:05:00,000 --> 00:05:04,000
Vietnam stora familjer och kort livslängd. Det här är vad som händer.

85
00:05:04,000 --> 00:05:10,000
Uppgifterna under kriget pekar på att trots alla dödsoffer

86
00:05:10,000 --> 00:05:13,000
förbättrades den förväntade livslängden. I slutet på året

87
00:05:13,000 --> 00:05:16,000
inleddes familjeplanering i Vietnam och de riktade in sig mot mindre familjer.

88
00:05:16,000 --> 00:05:19,000
USA är där uppe, på väg mot längre livslängd

89
00:05:19,000 --> 00:05:22,000
med bevarad familjestorlek. Nu, på åttiotalet,

90
00:05:22,000 --> 00:05:25,000
ger de upp kommunistisk planering och satsar på marknadsekonomi,

91
00:05:25,000 --> 00:05:29,000
vilket t.o.m. sker snabbare än den sociala utvecklingen. Och idag har vi

92
00:05:29,000 --> 00:05:34,000
samma förväntade livslängd och samma familjestorlek

93
00:05:34,000 --> 00:05:41,000
här i Vietnam, år 2003, som i USA år 1974, i slutet av kriget.

94
00:05:41,000 --> 00:05:45,000
Jag tror att vi alla, om vi inte tittar på dessa data,

95
00:05:45,000 --> 00:05:49,000
underskattar den otroliga förändring i Asien, som först skedde

96
00:05:49,000 --> 00:05:53,000
genom sociala förändringar innan vi såg den ekonomiska förändringen.

97
00:05:53,000 --> 00:05:58,000
Låt oss gå vidare till en annan metod där vi kan visa

98
00:05:58,000 --> 00:06:05,000
fördelningen av inkomst i världen. Det här är den globala inkomstfördelningen.

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

100
00:06:10,000 --> 00:06:14,000
Det finns inget gap mellan rik och fattig längre. Det är en myt.

101
00:06:14,000 --> 00:06:18,000
Vi har en liten puckel här, men det finns människor längs hela vägen.

102
00:06:19,000 --> 00:06:23,000
Tittar vi på vad inkomsten hamnar:

103
00:06:23,000 --> 00:06:29,000
det här är 100 % av världens årliga inkomst. De rikaste 20 %

104
00:06:29,000 --> 00:06:36,000
tar ungefär 74 % av denna. De fattigaste 20 %

105
00:06:36,000 --> 00:06:41,000
tar ungefär 2 %. Det här visar att konceptet med

106
00:06:41,000 --> 00:06:45,000
utvecklingsländer är extremt tveksamt. Vi tänker på bistånd som att

107
00:06:45,000 --> 00:06:50,000
människorna här hjälper människorna här. Men i mitten,

108
00:06:50,000 --> 00:06:54,000
där vi har den största delen av världens befolkning, där finns nu 24 % av inkomsten.

109
00:06:54,000 --> 00:06:58,000
Vi har hört det i andra former. Vilka är dessa?

110
00:06:58,000 --> 00:07:02,000
Var är de olika länderna? Jag kan visa er Afrika.

111
00:07:02,000 --> 00:07:07,000
Det här är Afrika. 10 % av världens befolkning, de flesta lever i fattigdom.

112
00:07:07,000 --> 00:07:12,000
Det här är OECD, de rika länderna. FN:s finrum.

113
00:07:12,000 --> 00:07:17,000
De är här borta på den här sidan. En tydlig överlappning mellan Afrika och OECD.

114
00:07:17,000 --> 00:07:20,000
Det här är Latinamerika. Här finns allt på denna jord,

115
00:07:20,000 --> 00:07:23,000
från de fattigaste till de rikaste.

116
00:07:23,000 --> 00:07:28,000
Ovanpå det kan vi lägga Östeuropa, Östasien

117
00:07:28,000 --> 00:07:33,000
och Sydasien. Hur såg det ut om vi går bakåt i tiden,

118
00:07:33,000 --> 00:07:38,000
till ungefär 1970? Då hade vi en större puckel,

119
00:07:38,000 --> 00:07:42,000
och de flesta som levde under fattigdomsgränsen var asiater.

120
00:07:42,000 --> 00:07:49,000
Problemet i världen var fattigdomen i Asien. Om jag nu låter världen gå framåt,

121
00:07:49,000 --> 00:07:52,000
ser ni att medan befolkningsmängden ökar är det

122
00:07:52,000 --> 00:07:55,000
hundratals miljoner i Asien som bryter sig ut ur fattigdomen, och vissa andra

123
00:07:55,000 --> 00:07:58,000
som blir fattiga, och detta är det mönster vi har idag.

124
00:07:58,000 --> 00:08:02,000
Den bästa projekteringen från Världsbanken är att detta kommer att hända,

125
00:08:02,000 --> 00:08:06,000
så att vi inte längre kommer att ha en delad värld. Vi kommer att ha flest människor i mitten.

126
00:08:06,000 --> 00:08:08,000
Detta är förstås en logaritmisk skala,

127
00:08:08,000 --> 00:08:13,000
men vårt ekonomiska koncept är tillväxt i procent. Vi betraktar det

128
00:08:13,000 --> 00:08:19,000
som en möjlighet till procentuell ökning. Om jag ändrar här, och väljer

129
00:08:19,000 --> 00:08:23,000
BNP per capita istället för familjeinkomst, och jag förvandlar dessa

130
00:08:23,000 --> 00:08:29,000
individuella uppgifter om bruttonationalprodukt till regionala,

131
00:08:29,000 --> 00:08:33,000
och jag flyttar regionerna hit ned. Bubblans storlek är fortfarande befolkningen.

132
00:08:33,000 --> 00:08:36,000
Ni har OECD-länderna här, subsahariska Afrika där,

133
00:08:36,000 --> 00:08:39,000
och vi plockar bort Arabstaterna där,

134
00:08:39,000 --> 00:08:43,000
som kommer både från Afrika och från Asien, och vi separerar dem,

135
00:08:43,000 --> 00:08:48,000
så kan vi utöka den här axeln, och jag kan ge det en ny dimension här

136
00:08:48,000 --> 00:08:51,000
genom att lägga till sociala värden här, barns överlevnad.

137
00:08:51,000 --> 00:08:56,000
Nu har jag pengar på den här axeln, och möjligheten till barns överlevnad där.

138
00:08:56,000 --> 00:09:00,000
I vissa länder överlever 99,7 % av alla barn till fem års ålder;

139
00:09:00,000 --> 00:09:04,000
i andra, bara 70 %. Och här verkar det finnas ett gap

140
00:09:04,000 --> 00:09:08,000
mellan OECD, Latinamerika, Östeuropa, Östasien,

141
00:09:08,000 --> 00:09:12,000
Arabstaterna, Sydasien och subsahariska Afrika.

142
00:09:12,000 --> 00:09:17,000
Linjäriteten mellan barns överlevnad och pengar är väldigt stark.

143
00:09:17,000 --> 00:09:25,000
Men låt mig dela upp subsahariska Afrika. Vi har bättre hälsa högre upp.

144
00:09:25,000 --> 00:09:30,000
Jag kan gå hit och dela upp subsahariska Afrika i dess länder.

145
00:09:30,000 --> 00:09:35,000
När den delas motsvaras varje lands bubbla av dess befolkningsmängd.

146
00:09:35,000 --> 00:09:39,000
Sierra Leone här nere, Mauritius där uppe. Mauritius var det första landet

147
00:09:39,000 --> 00:09:42,000
som slopade handelsbarriärer, och därmed kunde de sälja sitt socker.

148
00:09:43,000 --> 00:09:48,000
De kunde sälja sina textilier på samma villkor som människorna i Europa och Nordamerika.

149
00:09:48,000 --> 00:09:52,000
Vi har enorma skillnader i Afrika. Ghana ligger här i mitten.

150
00:09:52,000 --> 00:09:55,000
I Sierra Leone, humanitärt bistånd.

151
00:09:55,000 --> 00:10:00,000
Här i Uganda, utvecklingsbistånd. Här är det läge att investera.

152
00:10:00,000 --> 00:10:03,000
Dit kan man åka på semester. Det är otroliga variationer

153
00:10:03,000 --> 00:10:08,000
inom Afrika som vi alltför ofta generaliserar bort.

154
00:10:08,000 --> 00:10:12,000
Jag kan dela upp Sydasien här. Den stora bubblan i mitten är Indien.

155
00:10:12,000 --> 00:10:16,000
Men det är en enorm skillnad mellan Afghanistan och Sri Lanka.

156
00:10:16,000 --> 00:10:20,000
Jag kan dela upp Arabstaterna, hur är det med dem? Samma klimat, samma kultur,

157
00:10:20,000 --> 00:10:24,000
samma religion. Enorm skillnad, även mellan grannländer.

158
00:10:24,000 --> 00:10:29,000
Jemen, inbördeskrig. Förenade Arabemiraten, pengar som användes väl och ganska jämlikt.

159
00:10:29,000 --> 00:10:36,000
Inte som i myten. Och det inkluderar alla barn till utländska arbetare i landet.

160
00:10:36,000 --> 00:10:40,000
Statistik är ofta bättre än man tror. Många säger att statistik är dåligt,

161
00:10:41,000 --> 00:10:43,000
att vi har en osäkerhetsmarginal, men vi kan se skillnaden här:

162
00:10:43,000 --> 00:10:46,000
Kambodja, Singapore. Skillnaderna är mycket större

163
00:10:46,000 --> 00:10:49,000
än den statistiska osäkerheten. Östeuropa:

164
00:10:49,000 --> 00:10:55,000
den sovjetiska ekonomin under lång tid, men efter tio år ser det

165
00:10:55,000 --> 00:10:58,000
väldigt annorlunda ut. Och där är Latinamerika.

166
00:10:58,000 --> 00:11:02,000
Idag behöver vi inte åka till Kuba för att hitta ett välmående land i Latinamerika.

167
00:11:02,000 --> 00:11:07,000
Om några år kommer Chile att ha en lägre barnadödlighet än Kuba.

168
00:11:07,000 --> 00:11:10,000
Och här har vi höginkomstländerna i OECD.

169
00:11:10,000 --> 00:11:14,000
Vi har ett världsmönster som mer eller mindre

170
00:11:14,000 --> 00:11:19,000
ser ut så här. Om vi tittar på hur världen

171
00:11:19,000 --> 00:11:25,000
ser ut -- det börjar röra sig år 1960.

172
00:11:25,000 --> 00:11:28,000
Här är Mao Zedong. Han förde med sig hälsa till Kina. Sedan dog han.

173
00:11:28,000 --> 00:11:33,000
Därefter kom Deng Xiaoping och förde med sig pengar, och tog tillbaka Kina in i huvudfåran.

174
00:11:33,000 --> 00:11:37,000
Och vi har sett hur länder rör sig i olika riktningar på det här sättet,

175
00:11:37,000 --> 00:11:41,000
så det är ganska svårt att hitta

176
00:11:41,000 --> 00:11:46,000
ett exempelland som visar det globala mönstret.

177
00:11:46,000 --> 00:11:52,000
Jag skulle vilja ta er tillbaka hit, till 1960.

178
00:11:52,000 --> 00:12:02,000
Jag skulle vilja jämföra Sydkorea, som är den här, med Brasilien,

179
00:12:02,000 --> 00:12:07,000
som är den här. Etiketten försvann för mig där. Och så vill jag jämföra med Uganda,

180
00:12:07,000 --> 00:12:12,000
som är där. Vi kör framåt, så här.

181
00:12:12,000 --> 00:12:21,000
Ni kan se hur Sydkorea avancerar väldigt, väldigt fort

182
00:12:21,000 --> 00:12:24,000
medan Brasilien är mycket långsammare.

183
00:12:24,000 --> 00:12:30,000
Och om vi går tillbaka igen, hit, och lägger till spår på dem, så här,

184
00:12:30,000 --> 00:12:34,000
så kan vi återigen se att utvecklingstakterna

185
00:12:34,000 --> 00:12:40,000
är väldigt olika och att länderna mer eller mindre rör sig

186
00:12:40,000 --> 00:12:44,000
i samma takt som pengar och hälsa, men det verkar som att man kan gå framåt

187
00:12:44,000 --> 00:12:48,000
betydligt snabbare om man har hälsan först än om man är rik först.

188
00:12:49,000 --> 00:12:53,000
För att illustrera det kan man titta på Förenade Arabemiratens väg.

189
00:12:53,000 --> 00:12:56,000
De kom härifrån, ett mineralrikt land. De utvann all olja,

190
00:12:56,000 --> 00:13:00,000
de fick alla pengar, men hälsa kan inte köpas på snabbköpet.

191
00:13:00,000 --> 00:13:04,000
Man måste investera i hälsa. Man måste låta barn gå i skolan.

192
00:13:04,000 --> 00:13:07,000
Man måste utbilda vårdpersonal. Man måste utbilda befolkningen.

193
00:13:07,000 --> 00:13:10,000
Schejk Zayed lyckades ganska bra med det,

194
00:13:10,000 --> 00:13:14,000
och förde sitt land upp hit trots fallande oljepriser.

195
00:13:14,000 --> 00:13:18,000
Vi har alltså en mycket mer integrerad värld,

196
00:13:18,000 --> 00:13:20,000
där alla länder tycks använda sina pengar

197
00:13:20,000 --> 00:13:25,000
bättre än vad de gjorde förr. Vi kan mer eller mindre se detta

198
00:13:25,000 --> 00:13:32,000
om vi tittar på ländernas genomsnittsdata. De ser ut så här.

199
00:13:32,000 --> 00:13:37,000
Det finns en fara med att använda snittdata, eftersom det är så pass

200
00:13:37,000 --> 00:13:43,000
stor variation inom länderna. Så om jag går hit kan vi se

201
00:13:43,000 --> 00:13:49,000
att Uganda idag är där Sydkorea låg 1960. Om jag delar upp Uganda,

202
00:13:49,000 --> 00:13:54,000
har vi en ganska stor skillnad inom landet. Det här är Uganda i kvintiler.

203
00:13:54,000 --> 00:13:57,000
De rikaste 20 % av ugandierna är där.

204
00:13:57,000 --> 00:14:01,000
De fattigaste är där nere. Om jag delar upp Sydafrika ser det ut så här.

205
00:14:01,000 --> 00:14:06,000
Slutligen, om jag går ned och tittar på Niger, där det rådde fruktansvärd svält,

206
00:14:06,000 --> 00:14:11,000
ser det ut så här. De fattigaste 20 % i Niger är här ute

207
00:14:11,000 --> 00:14:14,000
och de rikaste 20 % i Sydafrika är där,

208
00:14:14,000 --> 00:14:19,000
och ändå diskuterar vi vilka lösningar som finns för Afrika.

209
00:14:19,000 --> 00:14:22,000
Hela världen finns i Afrika. Man kan inte

210
00:14:22,000 --> 00:14:26,000
diskutera universell tillgång till HIV-mediciner för kvintilen här uppe

211
00:14:26,000 --> 00:14:30,000
med samma strategi som här nere. Hur världen ska förbättras

212
00:14:30,000 --> 00:14:35,000
måste sättas i sitt sammanhang, och det är inte relevant

213
00:14:35,000 --> 00:14:38,000
på regional nivå. Vi måste vara mycket mer specifika än så.

214
00:14:38,000 --> 00:14:42,000
Vi har upptäckt att studenter blir väldigt engagerade av att kunna använda det här.

215
00:14:42,000 --> 00:14:47,000
Fler beslutsfattare och företagssektorer vill se

216
00:14:47,000 --> 00:14:51,000
hur världen förändras. Så varför sker inte detta?

217
00:14:51,000 --> 00:14:55,000
Varför använder vi inte den data vi har? Vi har statistik inom FN,

218
00:14:55,000 --> 00:14:57,000
på nationella statistiska centralbyråer,

219
00:14:57,000 --> 00:15:01,000
på universitet och inom andra icke-statliga organisationer.

220
00:15:01,000 --> 00:15:03,000
Jo, därför att uppgifterna ligger dolda nere i databaser.

221
00:15:03,000 --> 00:15:08,000
Allmänheten finns där och Internet finns där, men fortfarande används de inte effektivt.

222
00:15:08,000 --> 00:15:11,000
All den information vi såg förändras i världen

223
00:15:11,000 --> 00:15:15,000
omfattar inte statligt finansierad statistik. Det finns vissa hemsidor

224
00:15:15,000 --> 00:15:21,000
som tar näring nere från databaserna,

225
00:15:21,000 --> 00:15:26,000
men folk sätter pris på dem -- dumma lösenord och tråkiga siffror.

226
00:15:26,000 --> 00:15:29,000
(Skratt) (Applåder)

227
00:15:29,000 --> 00:15:33,000
Det fungerar inte. Så vad behövs? Vi har databaserna.

228
00:15:33,000 --> 00:15:37,000
Det är inte en ny databas vi behöver. Vi har fantastiska designverktyg,

229
00:15:37,000 --> 00:15:40,000
och mer och mer läggs till här uppe. Så vi startade

230
00:15:40,000 --> 00:15:45,000
ett ideellt projekt för att koppla ihop statistik och design

231
00:15:45,000 --> 00:15:48,000
som vi kallar Gapminder, taget från Londons tunnelbana där de varnar en:

232
00:15:48,000 --> 00:15:51,000
"mind the gap". Så vi tyckte att Gapminder var lämpligt.

233
00:15:51,000 --> 00:15:55,000
Vi började skriva program som kunde koppla ihop statistiken på det här sättet.

234
00:15:55,000 --> 00:16:01,000
Det var inte svårt. På några manår har vi skapat animationer.

235
00:16:01,000 --> 00:16:03,000
Vi kan ta en datamängd och lägga den där.

236
00:16:03,000 --> 00:16:08,000
Vi frigör uppgifterna från FN, några av dess organisationer.

237
00:16:08,000 --> 00:16:12,000
Vissa länder accepterar att deras databaser sprids över världen,

238
00:16:12,000 --> 00:16:15,000
men vad vi verkligen behöver är förstås en sökfunktion.

239
00:16:15,000 --> 00:16:20,000
En sökmotor dit vi kan kopiera statistiken i ett sökbart format

240
00:16:20,000 --> 00:16:23,000
och få ut den i världen. Och vad får vi höra?

241
00:16:23,000 --> 00:16:27,000
Jag har gjort antropologiska undersökningar på de största statistikinstanserna. Alla säger:

242
00:16:28,000 --> 00:16:32,000
"Det är omöjligt. Det kan inte genomföras. Vår information är så specifik

243
00:16:32,000 --> 00:16:35,000
att den inte går att söka igenom på samma sätt som andra data.

244
00:16:35,000 --> 00:16:40,000
Vi kan inte låta studenterna gratis ta del av dessa data, fritt till världens entreprenörer."

245
00:16:40,000 --> 00:16:43,000
Men det är vad vi skulle vilja se, inte sant?

246
00:16:43,000 --> 00:16:46,000
Den statligt finansierade statistiken är här nere.

247
00:16:46,000 --> 00:16:49,000
Vi vill låta blommorna växa ut på nätet.

248
00:16:49,000 --> 00:16:54,000
En av de avgörande punkterna är att göra dem sökbara, så att folk kan använda

249
00:16:54,000 --> 00:16:56,000
de olika designverktygen och animera dem.

250
00:16:56,000 --> 00:17:01,000
Men jag har ganska goda nyheter till er. Den goda nyheten är att den nya,

251
00:17:01,000 --> 00:17:05,000
nuvarande chefen för FN:s statistik, säger inte att det är omöjligt.

252
00:17:05,000 --> 00:17:07,000
Allt han säger är: "Vi kan inte göra det."

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

254
00:17:11,000 --> 00:17:13,000
En ganska smart kille, eller hur?

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

256
00:17:15,000 --> 00:17:19,000
Så vi förväntar oss mycket inom statistiken under de kommande åren.

257
00:17:19,000 --> 00:17:23,000
Vi kommer att kunna betrakta inkomstfördelningar på helt nya sätt.

258
00:17:23,000 --> 00:17:28,000
Det här är inkomstfördelningen i Kina, år 1970.

259
00:17:29,000 --> 00:17:34,000
Det här är inkomstfördelningen i USA, år 1970.

260
00:17:34,000 --> 00:17:38,000
Nästan ingen överlappning. Och vad har hänt?

261
00:17:38,000 --> 00:17:43,000
Detta har hänt; Kina växer, det är inte lika jämlikt längre,

262
00:17:43,000 --> 00:17:47,000
det dyker upp här, tittandes ned på USA.

263
00:17:47,000 --> 00:17:49,000
Nästan som ett spöke, inte sant?

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

265
00:17:51,000 --> 00:18:01,000
Det är ganska läskigt. Men jag tror att det är väldigt viktigt att ha all denna information.

266
00:18:01,000 --> 00:18:07,000
Vi behöver verkligen se den. Men istället för att titta på det här

267
00:18:07,000 --> 00:18:12,000
skulle jag vilja runda av med att visa antalet Internetanvändare per 1000.

268
00:18:12,000 --> 00:18:17,000
I den här programvaran har vi tillgång till ungefär 500 variabler från alla länder.

269
00:18:17,000 --> 00:18:21,000
Det tar lite tid att ändra,

270
00:18:21,000 --> 00:18:26,000
men på axlarna kan man enkelt få den variabel man vill ha.

271
00:18:26,000 --> 00:18:31,000
Grejen vore ju att få upp dessa databaser gratis,

272
00:18:31,000 --> 00:18:34,000
att göra dem sökbara, och med ett andra klick få dem

273
00:18:34,000 --> 00:18:39,000
i grafiskt format som man omedelbart förstår.

274
00:18:39,000 --> 00:18:42,000
Statistiker gillar förstås inte detta, de säger att

275
00:18:42,000 --> 00:18:51,000
det inte kommer att spegla verkligheten; vi måste använda statistiska, analytiska metoder.

276
00:18:51,000 --> 00:18:54,000
Med det här skapar hypoteser.

277
00:18:54,000 --> 00:18:58,000
Jag avslutar med att visa världen. Där kommer Internet,

278
00:18:58,000 --> 00:19:02,000
antalet Internetanvändare ökar så här. Det här är BNP per capita.

279
00:19:02,000 --> 00:19:07,000
Det är en ny teknologi på ingång, men det är häpnadsväckande hur bra

280
00:19:07,000 --> 00:19:12,000
den passar med ländernas ekonomi. Det är därför 100-dollarsdatorn

281
00:19:12,000 --> 00:19:15,000
kommer att bli så viktig. Men det är en trevlig trend.

282
00:19:15,000 --> 00:19:18,000
Det är som om världen håller på att plattas ut, inte sant? Dessa länder

283
00:19:18,000 --> 00:19:21,000
rör sig uppåt snabbare än ekonomin, och det ska bli väldigt intressant

284
00:19:21,000 --> 00:19:25,000
att följa detta över åren, som jag vill att man ska kunna göra

285
00:19:25,000 --> 00:19:27,000
med all statligt finansierad statistik. Tack så mycket.

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