TEDxNewYork
Ben Wellington: How we found the worst place to park in New York City -- using big data
Ben Wellington: Come abbiamo trovato il peggior posto per parcheggiare a New York -- con i big data
Filmed:
Readability: 3.7
1,055,247 views
Gli uffici delle città hanno accesso ad enormi quantità di dati e statistiche che riflettono ogni aspetto della vita urbana. Ma, come suggerisce l'analista Ben Wellington in questo intervento, a volte non sanno proprio che farne. Wellington dimostra come la combinazione di domande inaspettate e di una consultazione intelligente dei dati possa generare prospettive d'osservazione insolite e utili, e condivide alcuni consigli su come rilasciare grandi quantità di dati in modo da renderli fruibili per tutti.
Ben Wellington - Data scientist
Ben Wellington blends his love of statistics, the city, and comedy in his entertaining analysis of the story of New York City, told through data. Full bio
Ben Wellington blends his love of statistics, the city, and comedy in his entertaining analysis of the story of New York City, told through data. Full bio
Double-click the English transcript below to play the video.
00:12
Six thousand miles of road,
0
711
2820
10.000 km di strade,
00:15
600 miles of subway track,
1
3531
2203
1.000 km di tratte metropolitane,
00:17
400 miles of bike lanes
2
5734
1644
650 km di piste ciclabili
00:19
and a half a mile of tram track,
3
7378
1821
e poco meno di 1 km di tramvia,
00:21
if you've ever been to Roosevelt Island.
4
9199
1953
se siete mai stati a Roosevelt Island.
00:23
These are the numbers that make up
the infrastructure of New York City.
the infrastructure of New York City.
5
11152
3334
Questi sono i numeri delle infrastrutture
di New York City,
di New York City,
le statistiche
delle nostre infrastrutture.
delle nostre infrastrutture.
00:26
These are the statistics
of our infrastructure.
of our infrastructure.
6
14486
2619
Sono numeri che si trovano
nei report degli uffici comunali.
nei report degli uffici comunali.
00:29
They're the kind of numbers you can find
released in reports by city agencies.
released in reports by city agencies.
7
17105
3706
Il Dipartimento dei Trasporti
sarà orgoglioso nel dire
sarà orgoglioso nel dire
00:32
For example, the Department
of Transportation will probably tell you
of Transportation will probably tell you
8
20811
3199
di quanti km di strade si occupa.
L'MTA si sarà vantata dei km
di tratta metropolitana.
di tratta metropolitana.
00:36
how many miles of road they maintain.
9
24010
1781
00:37
The MTA will boast how many miles
of subway track there are.
of subway track there are.
10
25791
2821
La maggior parte degli uffici
ci dà delle statistiche.
ci dà delle statistiche.
00:40
Most city agencies give us statistics.
11
28612
1807
Da un resoconto di quest'anno
00:42
This is from a report this year
12
30419
1483
della Commissione Taxi e Limousine
00:43
from the Taxi and Limousine Commission,
13
31902
1892
apprendiamo che ci sono circa
13.500 taxi qui a New York City.
13.500 taxi qui a New York City.
00:45
where we learn that there's about
13,500 taxis here in New York City.
13,500 taxis here in New York City.
14
33794
3276
Interessante, no?
00:49
Pretty interesting, right?
15
37070
1290
Ma avete mai pensato
"Da dove vengono questi numeri"?
"Da dove vengono questi numeri"?
00:50
But did you ever think about
where these numbers came from?
where these numbers came from?
16
38360
2784
Perché se questi numeri esistono,
qualcuno lì in ufficio
qualcuno lì in ufficio
00:53
Because for these numbers to exist,
someone at the city agency
someone at the city agency
17
41144
2903
si è fermato e ha detto: "Ok, questo
è un numero che qualcuno vorrebbe sapere".
è un numero che qualcuno vorrebbe sapere".
00:56
had to stop and say, hmm, here's a number
that somebody might want want to know.
that somebody might want want to know.
18
44047
3880
Un numero che i cittadini
vorrebbero conoscere.
vorrebbero conoscere.
00:59
Here's a number
that our citizens want to know.
that our citizens want to know.
19
47927
2250
Sono tornati ai loro dati grezzi,
01:02
So they go back to their raw data,
20
50177
1830
hanno contato, aggiunto, calcolato,
01:04
they count, they add, they calculate,
21
52007
1797
e poi hanno emesso dei rapporti
01:05
and then they put out reports,
22
53804
1467
e quei rapporti hanno numeri come questi.
01:07
and those reports
will have numbers like this.
will have numbers like this.
23
55271
2177
01:09
The problem is, how do they know
all of our questions?
all of our questions?
24
57448
2540
Il punto è: come conoscono
le nostre domande?
le nostre domande?
Abbiamo un sacco di domande.
01:11
We have lots of questions.
25
59988
1243
01:13
In fact, in some ways there's literally
an infinite number of questions
an infinite number of questions
26
61231
3340
In qualche modo esiste un numero
infinito di domande
infinito di domande
da porci sulla nostra città.
01:16
that we can ask about our city.
27
64571
1649
Gli uffici non potranno
mai stare al passo.
mai stare al passo.
01:18
The agencies can never keep up.
28
66220
1475
Quindi il paradigma non sta funzionando
01:19
So the paradigm isn't exactly working,
and I think our policymakers realize that,
and I think our policymakers realize that,
29
67695
4056
e credo che i nostri legislatori
se ne siano accorti,
se ne siano accorti,
01:23
because in 2012, Mayor Bloomberg
signed into law what he called
signed into law what he called
30
71751
3959
perché nel 2012 il sindaco Bloomberg
ha firmato una legge che ha definito
ha firmato una legge che ha definito
01:27
the most ambitious and comprehensive
open data legislation in the country.
open data legislation in the country.
31
75710
3837
"La legge più ambiziosa e globale
di tutto il Paese sui dati aperti".
di tutto il Paese sui dati aperti".
01:31
In a lot of ways, he's right.
32
79547
1573
Sotto molti aspetti ha ragione.
01:33
In the last two years,
the city has released 1,000 datasets
the city has released 1,000 datasets
33
81120
2861
Negli ultimi 2 anni
la città ha rilasciato 1.000 dataset
la città ha rilasciato 1.000 dataset
01:35
on our open data portal,
34
83981
1610
sul portale degli open data.
01:37
and it's pretty awesome.
35
85591
1764
È fantastico,
01:39
So you go and look at data like this,
36
87355
1968
perché guardiamo questi dati
01:41
and instead of just counting
the number of cabs,
the number of cabs,
37
89323
2289
e invece di contare
solo il numero dei taxi
solo il numero dei taxi
possiamo iniziare a farci
domande diverse.
domande diverse.
01:43
we can start to ask different questions.
38
91612
1943
01:45
So I had a question.
39
93555
1200
Ho una domanda.
01:46
When's rush hour in New York City?
40
94755
1701
Qual è l'ora di punta a New York?
01:48
It can be pretty bothersome.
When is rush hour exactly?
When is rush hour exactly?
41
96456
2581
Può essere seccante,
qual è esattamente l'ora di punta?
qual è esattamente l'ora di punta?
01:51
And I thought to myself,
these cabs aren't just numbers,
these cabs aren't just numbers,
42
99037
2625
E ho pensato che questi taxi
non sono solo numeri:
non sono solo numeri:
sono dei GPS che girano
per le strade della nostra città,
per le strade della nostra città,
01:53
these are GPS recorders
driving around in our city streets
driving around in our city streets
43
101662
2711
registrando ogni singola corsa.
01:56
recording each and every ride they take.
44
104373
1913
01:58
There's data there,
and I looked at that data,
and I looked at that data,
45
106286
2322
Ho guardato questi dati
02:00
and I made a plot of the average speed of
taxis in New York City throughout the day.
taxis in New York City throughout the day.
46
108608
3961
e ho fatto uno schema della velocità media
dei taxi a New York durante il giorno.
dei taxi a New York durante il giorno.
02:04
You can see that from about midnight
to around 5:18 in the morning,
to around 5:18 in the morning,
47
112569
3412
Potete vedere come,
da mezzanotte alle 5.18 circa,
da mezzanotte alle 5.18 circa,
02:07
speed increases, and at that point,
things turn around,
things turn around,
48
115981
3563
la velocità aumenti e da quel punto
le cose cambiano.
le cose cambiano.
02:11
and they get slower and slower and slower
until about 8:35 in the morning,
until about 8:35 in the morning,
49
119544
3962
I taxi vanno sempre più lenti
fino a circa le 8.35,
fino a circa le 8.35,
02:15
when they end up at around
11 and a half miles per hour.
11 and a half miles per hour.
50
123506
2693
quando arrivano a circa 18 km/h.
02:18
The average taxi is going 11 and a half
miles per hour on our city streets,
miles per hour on our city streets,
51
126199
3562
In media i taxi procedono a 18 km/h
sulle nostre strade.
sulle nostre strade.
02:21
and it turns out it stays that way
52
129761
1987
E così sarà per il resto della giornata.
(Risate)
(Risate)
02:23
for the entire day.
53
131748
3368
02:27
(Laughter)
54
135116
1373
Quindi mi sono detto che non c'è
nessuna ora di punta a New York.
nessuna ora di punta a New York.
02:28
So I said to myself, I guess
there's no rush hour in New York City.
there's no rush hour in New York City.
55
136489
3180
È tutto un "giorno di punta".
02:31
There's just a rush day.
56
139669
1537
02:33
Makes sense. And this is important
for a couple of reasons.
for a couple of reasons.
57
141206
2850
Ha senso, ed è importante
per un paio di motivi.
per un paio di motivi.
02:36
If you're a transportation planner,
this might be pretty interesting to know.
this might be pretty interesting to know.
58
144056
3637
Se sei un pianificatore di itinerari
ti interessa molto saperlo.
ti interessa molto saperlo.
Se vuoi andare velocemente
da qualche parte
da qualche parte
02:39
But if you want to get somewhere quickly,
59
147693
1975
sai che devi mettere la sveglia
alle 4.45 e sei a posto.
alle 4.45 e sei a posto.
02:41
you now know to set your alarm for
4:45 in the morning and you're all set.
4:45 in the morning and you're all set.
60
149668
3468
New York, no?
02:45
New York, right?
61
153136
1044
Ma c'è una storia dietro.
02:46
But there's a story behind this data.
62
154180
1762
Questo dato non era accessibile,
02:47
This data wasn't
just available, it turns out.
just available, it turns out.
63
155942
2185
si è ottenuto con una richiesta
02:50
It actually came from something called
a Freedom of Information Law Request,
a Freedom of Information Law Request,
64
158127
3619
in seguito alla legge per la libertà
di informazione, o FOIL.
di informazione, o FOIL.
02:53
or a FOIL Request.
65
161746
1076
È un modulo che si trova sul sito
della Commissione Taxi e Limousine.
della Commissione Taxi e Limousine.
02:54
This is a form you can find on the
Taxi and Limousine Commission website.
Taxi and Limousine Commission website.
66
162822
3466
Per accedere a questi dati
devi prendere questo modulo,
devi prendere questo modulo,
02:58
In order to access this data,
you need to go get this form,
you need to go get this form,
67
166288
2826
compilarlo e poi riceverai una notifica.
03:01
fill it out, and they will notify you,
68
169114
1846
Un ragazzo, Chris Whong, ha fatto così.
03:02
and a guy named Chris Whong
did exactly that.
did exactly that.
69
170960
2130
03:05
Chris went down, and they told him,
70
173090
1890
Chris è andato e gli hanno detto:
03:06
"Just bring a brand new hard drive
down to our office,
down to our office,
71
174980
2827
"Portaci un hard disk vergine,
lasciacelo per cinque ore,
copieremo i dati e te lo riprenderai".
copieremo i dati e te lo riprenderai".
03:09
leave it here for five hours,
we'll copy the data and you take it back."
we'll copy the data and you take it back."
72
177807
3424
Ed ecco da dove vengono questi dati.
03:13
And that's where this data came from.
73
181231
2032
03:15
Now, Chris is the kind of guy
who wants to make the data public,
who wants to make the data public,
74
183263
3005
Chris è il tipo
che vuole rendere pubblici i dati,
che vuole rendere pubblici i dati,
così li mise online per tutti
ed ecco da dove viene questo grafico.
ed ecco da dove viene questo grafico.
03:18
and so it ended up online for all to use,
and that's where this graph came from.
and that's where this graph came from.
75
186268
3784
E il fatto che esista è fantastico.
Questi GPS -- bellissimo.
Questi GPS -- bellissimo.
03:22
And the fact that it exists is amazing.
These GPS recorders -- really cool.
These GPS recorders -- really cool.
76
190052
3518
Ma il fatto che dei cittadini
gìrino con degli hard disk,
gìrino con degli hard disk,
03:25
But the fact that we have citizens
walking around with hard drives
walking around with hard drives
77
193570
3118
prendendo dati dai comuni
per renderli pubblici
per renderli pubblici
03:28
picking up data from city agencies
to make it public --
to make it public --
78
196688
2582
-- erano già pubblici più o meno.
Potevi accedervi,
Potevi accedervi,
03:31
it was already kind of public,
you could get to it,
you could get to it,
79
199270
2390
ma erano "disponibili",
non pubblici.
non pubblici.
03:33
but it was "public," it wasn't public.
80
201660
1812
Possiamo fare di meglio.
03:35
And we can do better than that as a city.
81
203472
1962
Non serve che i nostri cittadini
vadano in giro con degli hard disk.
vadano in giro con degli hard disk.
03:37
We don't need our citizens
walking around with hard drives.
walking around with hard drives.
82
205434
2756
Non tutti i dataset sono vincolati
da una richiesta per visionarli.
da una richiesta per visionarli.
03:40
Now, not every dataset
is behind a FOIL Request.
is behind a FOIL Request.
83
208190
2337
03:42
Here is a map I made with the most
dangerous intersections in New York City
dangerous intersections in New York City
84
210527
3802
Questa è una mappa che ho fatto
degli incroci più pericolosi di New York,
degli incroci più pericolosi di New York,
03:46
based on cyclist accidents.
85
214329
1878
basata sugli incidenti dei ciclisti.
03:48
So the red areas are more dangerous.
86
216207
1939
Le aree in rosso sono più pericolose.
03:50
And what it shows is first
the East side of Manhattan,
the East side of Manhattan,
87
218146
2553
Mostra come l'East side di Manhattan,
03:52
especially in the lower area of Manhattan,
has more cyclist accidents.
has more cyclist accidents.
88
220699
3611
specialmente nell'area a sud,
è quella in cui ci sono più incidenti.
è quella in cui ci sono più incidenti.
03:56
That might make sense
89
224310
1019
E questo ha senso, perché lì ci sono
più ciclisti che scendono dai ponti.
più ciclisti che scendono dai ponti.
03:57
because there are more cyclists
coming off the bridges there.
coming off the bridges there.
90
225329
2896
Ma ci sono anche altre
zone interessanti.
zone interessanti.
04:00
But there's other hotspots worth studying.
91
228225
2014
Williamsburg,
Roosevelt Avenue nel Queens.
Roosevelt Avenue nel Queens.
04:02
There's Williamsburg.
There's Roosevelt Avenue in Queens.
There's Roosevelt Avenue in Queens.
92
230239
2669
Questi sono esattamente i dati
che ci servono per Vision Zero.
che ci servono per Vision Zero.
04:04
And this is exactly the kind of data
we need for Vision Zero.
we need for Vision Zero.
93
232908
2852
È quello che stavamo cercando.
04:07
This is exactly what we're looking for.
94
235760
1990
04:09
But there's a story
behind this data as well.
behind this data as well.
95
237750
2135
Ma anche dietro questi dati
c'è una storia.
c'è una storia.
04:11
This data didn't just appear.
96
239885
2067
Questi dati non sono
semplicemente apparsi.
semplicemente apparsi.
04:13
How many of you guys know this logo?
97
241952
2391
Quanti di voi conoscono questo logo?
04:16
Yeah, I see some shakes.
98
244343
1352
Bene, vedo che annuite.
04:17
Have you ever tried to copy
and paste data out of a PDF
and paste data out of a PDF
99
245695
2655
Avete mai provato
a fare copia-incolla da un PDF
a fare copia-incolla da un PDF
e dargli un senso?
04:20
and make sense of it?
100
248350
1357
Vedo che annuite di più.
04:21
I see more shakes.
101
249707
1060
04:22
More of you tried copying and pasting
than knew the logo. I like that.
than knew the logo. I like that.
102
250767
3345
Fate copia-incolla più di quanto
conosciate il logo. Mi piace.
conosciate il logo. Mi piace.
Dunque, i dati che avete appena visto
si trovavano su un PDF.
si trovavano su un PDF.
04:26
So what happened is, the data
that you just saw was actually on a PDF.
that you just saw was actually on a PDF.
103
254112
3510
Ci sono centinaia e centinaia
di pagine in PDF
di pagine in PDF
04:29
In fact, hundreds and hundreds
and hundreds of pages of PDF
and hundreds of pages of PDF
104
257622
3105
emesse dal nostro NYPD.
04:32
put out by our very own NYPD,
105
260727
2159
04:34
and in order to access it,
you would either have to copy and paste
you would either have to copy and paste
106
262886
3152
Per accedervi dovreste fare
copia-incolla
copia-incolla
per centinaia e centinaia di ore.
04:38
for hundreds and hundreds of hours,
107
266038
1726
Oppure potreste essere John Krauss.
04:39
or you could be John Krauss.
108
267764
1344
04:41
John Krauss was like,
109
269108
1043
Lui pensò:
"Non farò copia-incolla,
scriverò un programma".
scriverò un programma".
04:42
I'm not going to copy and paste this data.
I'm going to write a program.
I'm going to write a program.
110
270151
3413
Si chiama NYPD Crash Data Band-Aid
04:45
It's called the NYPD Crash Data Band-Aid,
111
273564
2288
04:47
and it goes to the NYPD's website
and it would download PDFs.
and it would download PDFs.
112
275852
3032
Va sul sito del NYPD,
e scarica i PDF.
e scarica i PDF.
04:50
Every day it would search;
if it found a PDF, it would download it
if it found a PDF, it would download it
113
278884
3126
Cerca ogni giorno,
e se trova un PDF lo scarica.
e se trova un PDF lo scarica.
Poi, con qualche programma
che raschia via il PDF,
che raschia via il PDF,
04:54
and then it would run
some PDF-scraping program,
some PDF-scraping program,
114
282010
2250
04:56
and out would come the text,
115
284260
1336
viene fuori il testo,
04:57
and it would go on the Internet,
and then people could make maps like that.
and then people could make maps like that.
116
285596
3565
che poi finisce su internet così che
la gente possa fare mappe come questa.
la gente possa fare mappe come questa.
05:01
And the fact that the data's here,
the fact that we have access to it --
the fact that we have access to it --
117
289161
3429
E il fatto che questi dati,
il fatto che abbiamo l'accesso...
il fatto che abbiamo l'accesso...
-- A proposito, ogni incidente
è una stringa su questa tabella:
è una stringa su questa tabella:
05:04
Every accident, by the way,
is a row in this table.
is a row in this table.
118
292590
2450
05:07
You can imagine how many PDFs that is.
119
295040
1836
immaginate quanti PDF sono --
05:08
The fact that we
have access to that is great,
have access to that is great,
120
296876
2207
È fantastico poter
accedere a questi dati,
accedere a questi dati,
05:11
but let's not release it in PDF form,
121
299083
2110
ma non rilasciateli in formato PDF,
05:13
because then we're having our citizens
write PDF scrapers.
write PDF scrapers.
122
301193
2739
perché poi i nostri cittadini
dovranno decriptarli.
dovranno decriptarli.
05:15
It's not the best use
of our citizens' time,
of our citizens' time,
123
303932
2076
Non è l'uso migliore
del tempo dei cittadini,
del tempo dei cittadini,
05:18
and we as a city can do better than that.
124
306008
2004
e come città possiamo fare di meglio.
05:20
Now, the good news is that
the de Blasio administration
the de Blasio administration
125
308012
2736
La buona notizia è che
l'amministrazione De Blasio
l'amministrazione De Blasio
05:22
actually recently released this data
a few months ago,
a few months ago,
126
310748
2532
ha pubblicato questi dati
qualche mese fa
qualche mese fa
05:25
and so now we can
actually have access to it,
actually have access to it,
127
313280
2158
e quindi possiamo accedervi,
ma ci sono ancora
tanti dati sepolti in PDF.
tanti dati sepolti in PDF.
05:27
but there's a lot of data
still entombed in PDF.
still entombed in PDF.
128
315438
2536
05:29
For example, our crime data
is still only available in PDF.
is still only available in PDF.
129
317974
3197
Ad esempio i dati sul crimine
sono disponibili solo in PDF.
sono disponibili solo in PDF.
05:33
And not just our crime data,
our own city budget.
our own city budget.
130
321171
3755
E non solo quelli,
anche quelli sul bilancio.
anche quelli sul bilancio.
05:36
Our city budget is only readable
right now in PDF form.
right now in PDF form.
131
324926
3729
Il bilancio della nostra città
al momento è leggibile solo in PDF.
al momento è leggibile solo in PDF.
05:40
And it's not just us
that can't analyze it --
that can't analyze it --
132
328655
2141
E non solo noi
non possiamo analizzarlo,
non possiamo analizzarlo,
ma anche i legislatori
che approvano il bilancio
che approvano il bilancio
05:42
our own legislators
who vote for the budget
who vote for the budget
133
330796
2955
lo ricevono in PDF.
05:45
also only get it in PDF.
134
333751
1943
05:47
So our legislators cannot analyze
the budget that they are voting for.
the budget that they are voting for.
135
335694
3844
Quindi i nostri legislatori non possono
analizzare il bilancio che stanno votando.
analizzare il bilancio che stanno votando.
05:51
And I think as a city we can do
a little better than that as well.
a little better than that as well.
136
339538
3608
E credo, anche qui, che come città
potremmo fare un po' meglio.
potremmo fare un po' meglio.
05:55
Now, there's a lot of data
that's not hidden in PDFs.
that's not hidden in PDFs.
137
343146
2488
Ci sono molti dati non nascosti in PDF.
05:57
This is an example of a map I made,
138
345634
1700
Questa è una mappa che ho fatto
05:59
and this is the dirtiest waterways
in New York City.
in New York City.
139
347334
2926
sui corsi d'acqua
più sporchi di New York.
più sporchi di New York.
06:02
Now, how do I measure dirty?
140
350260
1509
Come misuro lo sporco?
06:03
Well, it's kind of a little weird,
141
351769
1857
È un po' strano,
ma ho guardato il livello
dei coliformi fecali,
dei coliformi fecali,
06:05
but I looked at the level
of fecal coliform,
of fecal coliform,
142
353626
2113
06:07
which is a measurement of fecal matter
in each of our waterways.
in each of our waterways.
143
355739
3506
una misurazione delle sostanze fecali
in ognuno dei nostri corsi d'acqua.
in ognuno dei nostri corsi d'acqua.
06:11
The larger the circle,
the dirtier the water,
the dirtier the water,
144
359245
3274
Più grande è il cerchio,
più sporca è l'acqua.
più sporca è l'acqua.
Quindi nei cerchi ampi acqua sporca,
in quelli piccoli quella più pulita.
in quelli piccoli quella più pulita.
06:14
so the large circles are dirty water,
the small circles are cleaner.
the small circles are cleaner.
145
362519
3357
06:17
What you see is inland waterways.
146
365876
1644
Sono corsi d'acqua interni.
06:19
This is all data that was sampled
by the city over the last five years.
by the city over the last five years.
147
367520
3404
Sono i dati che sono stati raccolti
in città negli ultimi 5 anni.
in città negli ultimi 5 anni.
06:22
And inland waterways are,
in general, dirtier.
in general, dirtier.
148
370924
2694
E i corsi interni
di solito sono più sporchi.
di solito sono più sporchi.
Ha senso, no?
06:25
That makes sense, right?
149
373618
1218
I cerchi grandi sono sporchi.
Ho imparato un po' di cose.
Ho imparato un po' di cose.
06:26
And the bigger circles are dirty.
And I learned a few things from this.
And I learned a few things from this.
150
374836
3374
Numero uno: mai nuotare in niente
che inizi con "torrente" o "canale".
che inizi con "torrente" o "canale".
06:30
Number one: Never swim in anything
that ends in "creek" or "canal."
that ends in "creek" or "canal."
151
378210
3164
06:33
But number two: I also found
the dirtiest waterway in New York City,
the dirtiest waterway in New York City,
152
381374
4318
Numero due: ho trovato i corsi d'acqua
più sporchi di New York,
più sporchi di New York,
06:37
by this measure, one measure.
153
385692
1834
con questa unica misurazione.
06:39
In Coney Island Creek, which is not
the Coney Island you swim in, luckily.
the Coney Island you swim in, luckily.
154
387526
3648
A Coney Island,
non la Coney Island in cui nuotate,
dall'altra parte,
06:43
It's on the other side.
155
391174
1158
nel torrente di Coney Island il 94%
dei campioni degli ultimi cinque anni
dei campioni degli ultimi cinque anni
06:44
But Coney Island Creek, 94 percent
of samples taken over the last five years
of samples taken over the last five years
156
392332
3878
06:48
have had fecal levels so high
157
396210
2157
il livello di sostanze fecali
era così alto
era così alto
06:50
that it would be against state law
to swim in the water.
to swim in the water.
158
398367
3093
che avrebbe dovuto essere
illegale nuotarci.
illegale nuotarci.
06:53
And this is not the kind of fact
that you're going to see
that you're going to see
159
401460
2729
E questo non è il genere di cose
che trovate nei resoconti ufficiali, no?
che trovate nei resoconti ufficiali, no?
06:56
boasted in a city report, right?
160
404189
1537
06:57
It's not going to be
the front page on nyc.gov.
the front page on nyc.gov.
161
405726
2250
Non finirà sulla homepage di nyc.gov .
Non lo troverete lì,
06:59
You're not going to see it there,
162
407976
1580
ma il fatto che possiamo arrivare
a questo dato è fantastico.
a questo dato è fantastico.
07:01
but the fact that we can get
to that data is awesome.
to that data is awesome.
163
409556
2518
07:04
But once again, it wasn't super easy,
164
412074
1773
Ma di nuovo, non è stato facilissimo:
07:05
because this data was not
on the open data portal.
on the open data portal.
165
413847
2358
i dati non erano sul portale open data.
Se ci andate,
07:08
If you were to go to the open data portal,
166
416205
2013
troverete solo un frammento
di un anno o pochi mesi.
di un anno o pochi mesi.
07:10
you'd see just a snippet of it,
a year or a few months.
a year or a few months.
167
418218
2613
Stava sul sito del Dipartimento
per la Protezione Ambientale.
per la Protezione Ambientale.
07:12
It was actually on the Department
of Environmental Protection's website.
of Environmental Protection's website.
168
420831
3390
Ognuno di questi link è un foglio Excel
e ogni foglio Excel è diverso.
e ogni foglio Excel è diverso.
07:16
And each one of these links is an Excel
sheet, and each Excel sheet is different.
sheet, and each Excel sheet is different.
169
424221
3878
Ogni intestazione è diversa:
copi, incolli, riorganizzi.
copi, incolli, riorganizzi.
07:20
Every heading is different:
you copy, paste, reorganize.
you copy, paste, reorganize.
170
428099
2630
Puoi creare delle mappe
ed è fantastico, ma
ed è fantastico, ma
07:22
When you do you can make maps
and that's great, but once again,
and that's great, but once again,
171
430729
2952
possiamo fare di meglio,
possiamo normalizzare le cose.
possiamo normalizzare le cose.
07:25
we can do better than that
as a city, we can normalize things.
as a city, we can normalize things.
172
433681
2969
E ci stiamo arrivando.
Questo è il sito di Socrata,
Questo è il sito di Socrata,
07:28
And we're getting there, because
there's this website that Socrata makes
there's this website that Socrata makes
173
436650
3384
l' Open Data Portal NYC.
Qui ci sono 1.100 dataset
che non hanno
che non hanno
07:32
called the Open Data Portal NYC.
174
440034
1541
07:33
This is where 1,100 data sets
that don't suffer
that don't suffer
175
441575
2257
i difetti di cui vi parlavo,
stanno aumentando
ed è fantastico.
ed è fantastico.
07:35
from the things I just told you live,
176
443832
1781
07:37
and that number is growing,
and that's great.
and that's great.
177
445613
2148
Potete scaricare i dati in ogni formato,
CSV, PDF o documento Excel.
CSV, PDF o documento Excel.
07:39
You can download data in any format,
be it CSV or PDF or Excel document.
be it CSV or PDF or Excel document.
178
447761
3412
Potete scaricare i dati
in qualunque modo vogliate.
in qualunque modo vogliate.
07:43
Whatever you want,
you can download the data that way.
you can download the data that way.
179
451173
2547
Il problema è che una volta fatto
07:45
The problem is, once you do,
180
453720
1352
07:47
you will find that each agency
codes their addresses differently.
codes their addresses differently.
181
455072
3686
scoprirete che ogni ufficio codifica
gli indirizzi diversamente.
gli indirizzi diversamente.
07:50
So one is street name,
intersection street,
intersection street,
182
458758
2141
Uno è il nome della strada,
l'incrocio,
l'incrocio,
07:52
street, borough, address, building,
building address.
building address.
183
460899
2491
via, distretto, indirizzo,
edificio, ecc.
edificio, ecc.
07:55
So once again, you're spending time,
even when we have this portal,
even when we have this portal,
184
463390
3180
Quindi si spreca ancora del tempo
nonostante il portale.
nonostante il portale.
Si spreca tempo normalizzando
i campi per gli indirizzi.
i campi per gli indirizzi.
07:58
you're spending time
normalizing our address fields.
normalizing our address fields.
185
466570
2606
08:01
And that's not the best use
of our citizens' time.
of our citizens' time.
186
469176
2423
E non è l'uso migliore
del tempo di noi cittadini.
del tempo di noi cittadini.
08:03
We can do better than that as a city.
187
471599
1796
Possiamo fare di meglio come città.
08:05
We can standardize our addresses,
188
473395
1645
Possiamo standardizzare gli indirizzi
08:07
and if we do,
we can get more maps like this.
we can get more maps like this.
189
475040
2185
e, se lo facciamo,
avremo più mappe del genere.
avremo più mappe del genere.
08:09
This is a map of fire hydrants
in New York City,
in New York City,
190
477225
2285
Questa è una mappa
degli idranti a New York.
degli idranti a New York.
08:11
but not just any fire hydrants.
191
479510
1531
Ma non idranti qualsiasi.
08:13
These are the top 250 grossing fire
hydrants in terms of parking tickets.
hydrants in terms of parking tickets.
192
481041
4726
Sono i 250 idranti più redditizi
in termini di multe per divieto di sosta.
in termini di multe per divieto di sosta.
08:17
(Laughter)
193
485767
1986
(Risate)
08:19
So I learned a few things from this map,
and I really like this map.
and I really like this map.
194
487753
3358
Ho imparato un po' di cose da questa mappa
e mi piace molto.
e mi piace molto.
08:23
Number one, just don't park
on the Upper East Side.
on the Upper East Side.
195
491111
2402
Numero uno: non parcheggiare
nell'Upper East Side.
nell'Upper East Side.
08:25
Just don't. It doesn't matter where
you park, you will get a hydrant ticket.
you park, you will get a hydrant ticket.
196
493513
3587
Non farlo: non importa dove parcheggi,
ti beccherai comunque una multa.
ti beccherai comunque una multa.
08:29
Number two, I found the two highest
grossing hydrants in all of New York City,
grossing hydrants in all of New York City,
197
497100
4153
Numero due: ho trovato i due
idranti più redditizi di tutta New York,
idranti più redditizi di tutta New York,
08:33
and they're on the Lower East Side,
198
501253
1886
che si trovano nel Lower East Side.
08:35
and they were bringing in over
55,000 dollars a year in parking tickets.
55,000 dollars a year in parking tickets.
199
503139
5098
Hanno fruttato più di 55.000 dollari
l'anno in multe.
l'anno in multe.
08:40
And that seemed a little strange
to me when I noticed it,
to me when I noticed it,
200
508237
2738
Mi è sembrato un po' strano
quando l'ho visto,
quando l'ho visto,
quindi ho indagato un po'
e ho scoperto che attorno a un idrante
e ho scoperto che attorno a un idrante
08:42
so I did a little digging and it turns out
what you had is a hydrant
what you had is a hydrant
201
510975
3269
c'è una cosa chiamata
estensione del marciapiede,
estensione del marciapiede,
08:46
and then something called
a curb extension,
a curb extension,
202
514244
1996
che è tipo uno spazio
calpestabile di 2 metri
calpestabile di 2 metri
08:48
which is like a seven-foot
space to walk on,
space to walk on,
203
516240
2059
08:50
and then a parking spot.
204
518299
1156
e poi c'è il posto auto.
08:51
And so these cars came along,
and the hydrant --
and the hydrant --
205
519455
2254
Quindi le macchine arrivano...
"C'è spazio, sono a posto"
08:53
"It's all the way over there, I'm fine,"
206
521709
1911
C'è un posto auto
disegnato per loro.
disegnato per loro.
08:55
and there was actually a parking spot
painted there beautifully for them.
painted there beautifully for them.
207
523620
3474
Parcheggiano lì,
la polizia non è d'accordo
la polizia non è d'accordo
08:59
They would park there, and the NYPD
disagreed with this designation
disagreed with this designation
208
527094
3155
e li multa.
E non sono l'unico
che ha trovato la multa.
che ha trovato la multa.
09:02
and would ticket them.
209
530249
1058
09:03
And it wasn't just me
who found a parking ticket.
who found a parking ticket.
210
531307
2344
L'ha vista anche la Google Street View car
mentre passava da lì.
mentre passava da lì.
09:05
This is the Google
Street View car driving by
Street View car driving by
211
533651
2146
09:07
finding the same parking ticket.
212
535797
1617
Quindi ho scritto sul mio blog,
su I Quant NY
su I Quant NY
09:09
So I wrote about this on my blog,
on I Quant NY, and the DOT responded,
on I Quant NY, and the DOT responded,
213
537414
4504
e il Dipartimento dei Trasporti rispose.
09:13
and they said,
214
541918
1020
Mi hanno detto:
09:14
"While the DOT has not received
any complaints about this location,
any complaints about this location,
215
542938
3410
"Sebbene il DOT non abbia ricevuto
lamentele su questa posizione,
lamentele su questa posizione,
rivedremo la segnaletica
e apporteremo le modifiche opportune".
e apporteremo le modifiche opportune".
09:18
we will review the roadway markings
and make any appropriate alterations."
and make any appropriate alterations."
216
546348
4542
Pensai che fosse
la classica risposta del Governo,
la classica risposta del Governo,
09:22
And I thought to myself,
typical government response,
typical government response,
217
550890
2959
09:25
all right, moved on with my life.
218
553849
1881
e andai avanti con la mia vita.
09:27
But then, a few weeks later,
something incredible happened.
something incredible happened.
219
555730
3970
Ma qualche settimana dopo
accadde qualcosa di incredibile.
accadde qualcosa di incredibile.
09:31
They repainted the spot,
220
559700
2520
Avevano ridipinto il parcheggio,
09:34
and for a second I thought I saw
the future of open data,
the future of open data,
221
562220
2690
e per un secondo ho visto
il futuro degli open data.
il futuro degli open data.
09:36
because think about what happened here.
222
564910
2000
Pensate a cosa è successo.
Per cinque anni chi parcheggiava lì
veniva multato, c'era confusione,
veniva multato, c'era confusione,
09:38
For five years, this spot was being
ticketed, and it was confusing,
ticketed, and it was confusing,
223
566910
5100
09:44
and then a citizen found something,
they told the city, and within a few weeks
they told the city, and within a few weeks
224
572010
4306
e poi un cittadino
lo dice all'amministrazione
lo dice all'amministrazione
e nel giro di poche settimane
il problema è risolto.
il problema è risolto.
09:48
the problem was fixed.
225
576316
1294
09:49
It's amazing. And a lot of people
see open data as being a watchdog.
see open data as being a watchdog.
226
577610
3200
Bene! Molti vedono gli open data
come un cane da guardia.
come un cane da guardia.
09:52
It's not, it's about being a partner.
227
580810
1772
No, può anche essere un compagno.
09:54
We can empower our citizens
to be better partners for government,
to be better partners for government,
228
582582
3138
Possiamo rendere i cittadini
dei collaboratori migliori per il governo.
dei collaboratori migliori per il governo.
09:57
and it's not that hard.
229
585720
1881
Non è difficile,
occorrono solo piccoli cambiamenti.
occorrono solo piccoli cambiamenti.
09:59
All we need are a few changes.
230
587601
1459
Se ricevi richieste per dei dati,
10:01
If you're FOILing data,
231
589060
1107
10:02
if you're seeing your data
being FOILed over and over again,
being FOILed over and over again,
232
590167
2867
se i tuoi dati sono richiesti
sempre più spesso,
sempre più spesso,
allora rendili pubblici, perché
è un segnale che dovrebbero esserlo.
è un segnale che dovrebbero esserlo.
10:05
let's release it to the public, that's
a sign that it should be made public.
a sign that it should be made public.
233
593034
3574
Se sei un ufficio governativo
che rilascia file in PDF,
che rilascia file in PDF,
10:08
And if you're a government agency
releasing a PDF,
releasing a PDF,
234
596608
2482
attieniti alla legge che ti impone
di allegare anche i dati relativi,
di allegare anche i dati relativi,
10:11
let's pass legislation that requires you
to post it with the underlying data,
to post it with the underlying data,
235
599090
3649
perché quei dati vengono
da qualche parte.
da qualche parte.
10:14
because that data
is coming from somewhere.
is coming from somewhere.
236
602739
2028
Non so da dove,
ma da qualche parte arrivano,
ma da qualche parte arrivano,
10:16
I don't know where, but it's
coming from somewhere,
coming from somewhere,
237
604767
2482
e puoi allegarli al PDF.
10:19
and you can release it with the PDF.
238
607249
1725
Adottiamo e condividiamo
degli standard sui dati aperti.
degli standard sui dati aperti.
10:20
And let's adopt and share
some open data standards.
some open data standards.
239
608974
2411
Iniziamo con gli indirizzi di New York.
10:23
Let's start with our addresses
here in New York City.
here in New York City.
240
611385
2481
Iniziamo a normalizzare gli indirizzi.
10:25
Let's just start
normalizing our addresses.
normalizing our addresses.
241
613866
2074
Perché New York è leader
negli open data.
negli open data.
10:27
Because New York is a leader in open data.
242
615940
2062
Nonostante tutto,
siamo assolutamente dei leader,
siamo assolutamente dei leader,
10:30
Despite all this, we are absolutely
a leader in open data,
a leader in open data,
243
618002
2789
e se iniziamo a normalizzarci
fissiando standard per gli open data,
fissiando standard per gli open data,
10:32
and if we start normalizing things,
and set an open data standard,
and set an open data standard,
244
620791
3121
il resto verrà, lo stato e forse
il governo ci seguiranno.
il governo ci seguiranno.
10:35
others will follow. The state will follow,
and maybe the federal government,
and maybe the federal government,
245
623912
3634
E anche altri paesi ci seguiranno,
e non saremo lontani dal momento
in cui potremo scrivere un programma
in cui potremo scrivere un programma
10:39
Other countries could follow,
246
627546
1445
10:40
and we're not that far off from a time
where you could write one program
where you could write one program
247
628991
3411
e una mappa unica
per più di 100 paesi.
per più di 100 paesi.
10:44
and map information from 100 countries.
248
632402
1890
Non è fantascienza, ci siamo vicini.
10:46
It's not science fiction.
We're actually quite close.
We're actually quite close.
249
634292
2487
E a proposito,
a chi daremmo più forza così?
a chi daremmo più forza così?
10:48
And by the way, who are we
empowering with this?
empowering with this?
250
636779
2240
Perché non sarebbe solo
John Krauss o Chris Whong.
John Krauss o Chris Whong.
10:51
Because it's not just John Krauss
and it's not just Chris Whong.
and it's not just Chris Whong.
251
639019
3005
Ci sono centinaia di incontri in corso
a New York in questo momento.
a New York in questo momento.
10:54
There are hundreds of meetups
going on in New York City right now,
going on in New York City right now,
252
642024
3095
Incontri attivi.
10:57
active meetups.
253
645119
1025
Ci sono migliaia di persone
a questi incontri.
a questi incontri.
10:58
There are thousands of people
attending these meetups.
attending these meetups.
254
646144
2572
Persone che vanno
dopo il lavoro, o nel weekend,
dopo il lavoro, o nel weekend,
11:00
These people are going after work
and on weekends,
and on weekends,
255
648716
2368
e partecipano per osservare gli open data
11:03
and they're attending these meetups
to look at open data
to look at open data
256
651084
2636
e rendere la nostra città
un posto migliore.
un posto migliore.
11:05
and make our city a better place.
257
653720
1640
Gruppi come BetaNYC,
che proprio la scorsa settimana
che proprio la scorsa settimana
11:07
Groups like BetaNYC, who just last week
released something called citygram.nyc
released something called citygram.nyc
258
655360
4073
ha rilasciato citygram.nyc
11:11
that allows you to subscribe
to 311 complaints
to 311 complaints
259
659433
2147
che permette di sottoscrivere
le lamentele al 311
le lamentele al 311
11:13
around your own home,
or around your office.
or around your office.
260
661580
2068
su casa vostra, o sull'ufficio.
11:15
You put in your address,
you get local complaints.
you get local complaints.
261
663648
2427
Inserisci l'indirizzo e trovi
le lamentele locali.
le lamentele locali.
11:18
And it's not just the tech community
that are after these things.
that are after these things.
262
666075
3374
E non sono solo gli esperti di tecnologia
a fare queste cose.
a fare queste cose.
Sono gli urban planner come
i miei studenti del Pratt.
i miei studenti del Pratt.
11:21
It's urban planners like
the students I teach at Pratt.
the students I teach at Pratt.
263
669449
2622
Sostenitori politici... chiunque.
11:24
It's policy advocates, it's everyone,
264
672071
1919
11:25
it's citizens from a diverse
set of backgrounds.
set of backgrounds.
265
673990
2563
Sono cittadini coi più diversi background.
Con piccoli cambiamenti incrementali,
11:28
And with some small, incremental changes,
266
676553
2786
possiamo sbloccare la passione
e la capacità dei nostri cittadini
e la capacità dei nostri cittadini
11:31
we can unlock the passion
and the ability of our citizens
and the ability of our citizens
267
679339
3225
di elaborare gli open data
e rendere migliori le nostre città,
e rendere migliori le nostre città,
11:34
to harness open data
and make our city even better,
and make our city even better,
268
682564
3156
un dataset - o un posto auto - per volta.
11:37
whether it's one dataset,
or one parking spot at a time.
or one parking spot at a time.
269
685720
3626
11:41
Thank you.
270
689346
2322
Grazie.
(Applausi)
11:43
(Applause)
271
691668
3305
ABOUT THE SPEAKER
Ben Wellington - Data scientistBen Wellington blends his love of statistics, the city, and comedy in his entertaining analysis of the story of New York City, told through data.
Why you should listen
Ben Wellington runs the I Quant NY blog, in which he crunches city-released data to find out what's really going on in the Big Apple. To date he has tackled topics such as measles outbreaks in New York City schools, analyzed how companies like Airbnb are really doing in NYC, and asked questions such as "does gentrification cause a reduction in laundromats?" (Answer: inconclusive.)
Ben is a visiting assistant professor in the City & Regional Planning program at the Pratt Institute in Brooklyn; his day job involves working as a quantitative analyst at the investment management firm, Two Sigma. A budding comedian and performer, he also teaches team building workshops through Cherub Improv, a non-profit that uses improv comedy for social good.
Ben Wellington | Speaker | TED.com