TEDxNewYork
Ben Wellington: How we found the worst place to park in New York City -- using big data
Ben Wellington: New York Şehri'ndeki en kötü park yerini nasıl bulduk — büyük veriyi kullanarak
Filmed:
Readability: 3.7
1,055,247 views
Şehir kurumları, şehir hayatını yansıtan her parçayla ilgili pek çok veri ve istatistiğe erişebiliyor. Fakat Veri Analisti Ben Wellington'un bu eğlenceli konuşmasında belirttiği gibi, bazen bunlarla ne yapacağını bilmiyorlar. Wellington, beklenmedik sorular ve akıllı veri hesaplamaları kombinasyonunun nasıl garip bir şekilde kullanışlı öngörüler yarattığını gösterip herkesin kullanabileceği geniş veri setlerinin nasıl yayınlanabileceğine dair ipuçları veriyor.
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
9.700 kilometre yol,
00:15
600 miles of subway track,
1
3531
2203
670 kilometre metro hattı
00:17
400 miles of bike lanes
2
5734
1644
650 kilometre bisiklet şeridi
00:19
and a half a mile of tram track,
3
7378
1821
ve 800 metre tramvay hattı
00:21
if you've ever been to Roosevelt Island.
4
9199
1953
eğer daha önce
Roosevelt Adası'nda bulunduysanız.
Roosevelt Adası'nda bulunduysanız.
00:23
These are the numbers that make up
the infrastructure of New York City.
the infrastructure of New York City.
5
11152
3334
Bu rakamlar New York Şehri'ndeki
altyapı rakamlarıdır.
altyapı rakamlarıdır.
Bunlar kendi altyapımızın
istatistikleridir.
istatistikleridir.
00:26
These are the statistics
of our infrastructure.
of our infrastructure.
6
14486
2619
Bunlar şehir ajanslarının yayınladığı
raporlarda geçen sayılardır.
raporlarda geçen sayılardır.
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
Örneğin, Ulaşım Bakanlığı size muhtemelen
00:32
For example, the Department
of Transportation will probably tell you
of Transportation will probably tell you
8
20811
3199
kaç km yol düzelttiklerini söyleyecektir.
MTA kaç km metro hattı olduğu
hakkında övünecektir.
hakkında övünecektir.
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
Şehir kurumlarının çoğu
bize istatistik verirler.
bize istatistik verirler.
00:40
Most city agencies give us statistics.
11
28612
1807
Bu, Taksi ve Limuzin Komisyonu'na
00:42
This is from a report this year
12
30419
1483
bağlı bu yıla ait bir rapor,
00:43
from the Taxi and Limousine Commission,
13
31902
1892
New York Şehri'nde yaklaşık
13.500 taksi olduğundan bahsediyor.
13.500 taksi olduğundan bahsediyor.
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
Oldukça ilginç, değil mi?
00:49
Pretty interesting, right?
15
37070
1290
Peki bu sayıların nereden geldiğini
hiç düşündünüz mü?
hiç düşündünüz mü?
00:50
But did you ever think about
where these numbers came from?
where these numbers came from?
16
38360
2784
Çünkü bu sayıların var olması için,
şehir kurumlarındaki birisinin
şehir kurumlarındaki birisinin
00:53
Because for these numbers to exist,
someone at the city agency
someone at the city agency
17
41144
2903
durup bu sayıyla birisi ilgilenebilir
diye düşünmesi gerekir.
diye düşünmesi gerekir.
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
İşte, vatandaşlarımızın
bilmek istediği bir sayı.
bilmek istediği bir sayı.
00:59
Here's a number
that our citizens want to know.
that our citizens want to know.
19
47927
2250
İşlenmemiş verilerine geri dönüp
01:02
So they go back to their raw data,
20
50177
1830
sayıp, ekleyip, hesaplarlar
01:04
they count, they add, they calculate,
21
52007
1797
ve raporlar hazırlarlar
01:05
and then they put out reports,
22
53804
1467
ve o raporlarda böyle sayılar olur.
01:07
and those reports
will have numbers like this.
will have numbers like this.
23
55271
2177
Sorun şurada, bütün sorularımızı
nasıl bilebiliyorlar?
nasıl bilebiliyorlar?
01:09
The problem is, how do they know
all of our questions?
all of our questions?
24
57448
2540
Çok fazla sorumuz var.
01:11
We have lots of questions.
25
59988
1243
Hatta, bazı durumlarda şehrimiz hakkında
01:13
In fact, in some ways there's literally
an infinite number of questions
an infinite number of questions
26
61231
3340
sorabileceğimiz sonsuz
sayıda soru olabilir.
sayıda soru olabilir.
01:16
that we can ask about our city.
27
64571
1649
Kurumlar asla ayak uyduramıyor.
01:18
The agencies can never keep up.
28
66220
1475
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
Yani bu yaklaşım pek çalışmıyor
ve bence idareciler de bunun farkında,
ve bence idareciler de bunun farkında,
01:23
because in 2012, Mayor Bloomberg
signed into law what he called
signed into law what he called
30
71751
3959
çünkü 2012'de Belediye Başkanı Bloomberg
şöyle adlandırdığı bir yasa imzaladı:
şöyle adlandırdığı bir yasa imzaladı:
01:27
the most ambitious and comprehensive
open data legislation in the country.
open data legislation in the country.
31
75710
3837
ülkedeki en hırslı ve kapsamlı
açık veri mevzuatı.
açık veri mevzuatı.
Bir bakıma, haklı olduğu durumlar var.
01:31
In a lot of ways, he's right.
32
79547
1573
01:33
In the last two years,
the city has released 1,000 datasets
the city has released 1,000 datasets
33
81120
2861
Son iki yılda, açık veri portalımıza
şehir 1.000 veri seti sürdü
01:35
on our open data portal,
34
83981
1610
01:37
and it's pretty awesome.
35
85591
1764
ve bu oldukça harika.
01:39
So you go and look at data like this,
36
87355
1968
Gidip böyle bir veriye bakabilirsiniz
01:41
and instead of just counting
the number of cabs,
the number of cabs,
37
89323
2289
ve sadece taksileri saymak yerine
farklı sorular sormaya başlayabiliriz.
01:43
we can start to ask different questions.
38
91612
1943
Bir sorum vardı.
01:45
So I had a question.
39
93555
1200
New York Şehri'nde
en yoğun trafik ne zaman?
en yoğun trafik ne zaman?
01:46
When's rush hour in New York City?
40
94755
1701
01:48
It can be pretty bothersome.
When is rush hour exactly?
When is rush hour exactly?
41
96456
2581
Oldukça sıkıcı olabiliyor.
En yoğun saat ne zaman?
En yoğun saat ne zaman?
01:51
And I thought to myself,
these cabs aren't just numbers,
these cabs aren't just numbers,
42
99037
2625
Kendi kendime düşündüm,
bu taksiler sadece sayılar değil,
bu taksiler sadece sayılar değil,
01:53
these are GPS recorders
driving around in our city streets
driving around in our city streets
43
101662
2711
aynı zamanda şehir sokaklarında
gezen GPS kayıt cihazları
gezen GPS kayıt cihazları
ve çıktıkları tüm gezileri kaydediyorlar.
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
Orada veri var ve o veriye bakıp
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
New York Şehri'ndeki taksilerin günlük
yaptığı ortalama hızın grafiğini çizdim.
yaptığı ortalama hızın grafiğini çizdim.
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
Gece yarısından sabah 05:18'e kadar
hızın arttığını görebilirsiniz
hızın arttığını görebilirsiniz
02:07
speed increases, and at that point,
things turn around,
things turn around,
48
115981
3563
ve o noktada işler tersine döner
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
ve yavaşlarlar, yavaşlarlar, yavaşlarlar
ta ki sabah 8:35'te
ta ki sabah 8:35'te
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
saatte 18,5 km hıza ulaşıncaya kadar.
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
Ortalama bir taksi şehir sokaklarımızda
saatte 18,5 km hızla gidiyor
saatte 18,5 km hızla gidiyor
02:21
and it turns out it stays that way
52
129761
1987
ve görünüşe göre öyle devam ediyorlar
02:23
for the entire day.
53
131748
3368
tüm gün boyunca.
(Gülüşmeler)
02:27
(Laughter)
54
135116
1373
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
Kendime şunu dedim, galiba
New York Şehri'nde yoğun bir saat yok.
New York Şehri'nde yoğun bir saat yok.
Yoğun bir gün var.
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
Akla yatıyor. Bu birkaç sebepten önemli.
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
Ulaşım planlamacısıysanız
bunu bilmeniz oldukça ilginç olabilir.
bunu bilmeniz oldukça ilginç olabilir.
02:39
But if you want to get somewhere quickly,
59
147693
1975
Eğer bir yere hızlı gitmek isterseniz
alarmınızı sabah 04:45'e kurmanız
gerektiğini artık biliyorsunuz.
gerektiğini artık biliyorsunuz.
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 işte, değil mi?
02:45
New York, right?
61
153136
1044
Bu verinin arkasında bir hikâye var.
02:46
But there's a story behind this data.
62
154180
1762
Anlaşılan o ki, bu veri hazır değildi.
02:47
This data wasn't
just available, it turns out.
just available, it turns out.
63
155942
2185
Bilgi Yasası Özgürlüğü İsteği veya
FOIL İsteği denilen
FOIL İsteği denilen
02:50
It actually came from something called
a Freedom of Information Law Request,
a Freedom of Information Law Request,
64
158127
3619
bir şey vasıtasıyla geldi.
02:53
or a FOIL Request.
65
161746
1076
02:54
This is a form you can find on the
Taxi and Limousine Commission website.
Taxi and Limousine Commission website.
66
162822
3466
Bu formu Taksi ve Limuzin Komisyonu
sitesinden bulabilirsiniz.
sitesinden bulabilirsiniz.
Veriye erişebilmek için bu formu
alıp doldurmanız gerekir,
alıp doldurmanız gerekir,
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
03:01
fill it out, and they will notify you,
68
169114
1846
sonrasında sizi bilgilendirecekler.
Chris Whong adında bir adam
tam da bunu yaptı.
tam da bunu yaptı.
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 oraya gitti ve ona şöyle dediler,
03:06
"Just bring a brand new hard drive
down to our office,
down to our office,
71
174980
2827
"Ofisimize kullanılmamış bir sabit disk
getir ve 5 saatliğine burada bırak.
getir ve 5 saatliğine burada bırak.
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
Veriyi kopyalayacağız ve
sonrasında geri alabilirsin."
sonrasında geri alabilirsin."
03:13
And that's where this data came from.
73
181231
2032
İşte bu veri oradan geldi.
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 veriyi halka açık hâle
getirmek isteyen birisi,
getirmek isteyen birisi,
bu yüzden internete koyup genel kullanıma
açtı ve bu grafik oradan geliyor.
açtı ve bu grafik oradan geliyor.
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
Bunun var olduğu gerçeği bile harika.
Bu GPS kaydedicileri gerçekten çok iyi.
Bu GPS kaydedicileri gerçekten çok iyi.
03:22
And the fact that it exists is amazing.
These GPS recorders -- really cool.
These GPS recorders -- really cool.
76
190052
3518
Fakat vatandaşların, şehir kurumlarından
veri toplamak için sabit diskle gezmesi
veri toplamak için sabit diskle gezmesi
03:25
But the fact that we have citizens
walking around with hard drives
walking around with hard drives
77
193570
3118
03:28
picking up data from city agencies
to make it public --
to make it public --
78
196688
2582
ve bu verileri halka açması --
aslında zaten halka açıktı,
erişebiliyordunuz,
erişebiliyordunuz,
03:31
it was already kind of public,
you could get to it,
you could get to it,
79
199270
2390
fakat "halka açık" idi,
halka açık değildi.
halka açık değildi.
03:33
but it was "public," it wasn't public.
80
201660
1812
Şehir olarak bundan
daha iyisini yapabiliriz.
daha iyisini yapabiliriz.
03:35
And we can do better than that as a city.
81
203472
1962
Vatandaşlarımızın sabit diskle
gezmesine gerek yok.
gezmesine gerek yok.
03:37
We don't need our citizens
walking around with hard drives.
walking around with hard drives.
82
205434
2756
Şu anda her veri setine
FOIL İsteği'yle ulaşamıyorsunuz.
FOIL İsteği'yle ulaşamıyorsunuz.
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
Bu haritada, New York Şehri'ndeki en
tehlikeli kavşakları görebilirsiniz,
tehlikeli kavşakları görebilirsiniz,
bisiklet kazalarını baz alarak hazırladım.
03:46
based on cyclist accidents.
85
214329
1878
03:48
So the red areas are more dangerous.
86
216207
1939
Kırmızı alanlar daha tehlikeli.
03:50
And what it shows is first
the East side of Manhattan,
the East side of Manhattan,
87
218146
2553
Manhattan'ın Doğu yakası ve özellikle
03:52
especially in the lower area of Manhattan,
has more cyclist accidents.
has more cyclist accidents.
88
220699
3611
Manhattan'ın aşağı alanlarında daha fazla
bisiklet kazası olduğu görülüyor.
bisiklet kazası olduğu görülüyor.
03:56
That might make sense
89
224310
1019
Bu mantıklı olabilir,
03:57
because there are more cyclists
coming off the bridges there.
coming off the bridges there.
90
225329
2896
çünkü burada köprüden gelen
daha fazla bisikletli var.
daha fazla bisikletli var.
Fakat incelemeye değer
başka sıcak noktalar da var.
başka sıcak noktalar da var.
04:00
But there's other hotspots worth studying.
91
228225
2014
04:02
There's Williamsburg.
There's Roosevelt Avenue in Queens.
There's Roosevelt Avenue in Queens.
92
230239
2669
Williamsburg var,
Queens'te Roosevelt Caddesi var.
Queens'te Roosevelt Caddesi var.
İşte bu tam da Vision Zero (Vizyon Sıfır)
için bize gerekli olan türde bir veri.
için bize gerekli olan türde bir veri.
04:04
And this is exactly the kind of data
we need for Vision Zero.
we need for Vision Zero.
93
232908
2852
04:07
This is exactly what we're looking for.
94
235760
1990
Bu tam olarak aradığımız şey.
04:09
But there's a story
behind this data as well.
behind this data as well.
95
237750
2135
Fakat bu verinin arkasında da
bir hikâye var.
bir hikâye var.
04:11
This data didn't just appear.
96
239885
2067
Bu veri bir anda var olmadı.
04:13
How many of you guys know this logo?
97
241952
2391
Aranızdan kaç kişi bu logoyu biliyor?
Evet, birkaç sallanan kafa görüyorum.
04:16
Yeah, I see some shakes.
98
244343
1352
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
Peki hiç PDF'ten bir veriyi kopalayıp
bir anlam çıkarmaya çalıştınız mı?
04:20
and make sense of it?
100
248350
1357
Daha fazla sallanan kafa görüyorum.
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
Kopyala-yapıştır yapan sayısı
logoyu bilenden fazla. Güzel.
logoyu bilenden fazla. Güzel.
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
Olan şey şu, bu gördüğünüz veri
aslında bir PDF dosyasındaydı.
aslında bir PDF dosyasındaydı.
04:29
In fact, hundreds and hundreds
and hundreds of pages of PDF
and hundreds of pages of PDF
104
257622
3105
Aslında, New York Polis Departmanı'mızın
04:32
put out by our very own NYPD,
105
260727
2159
koyduğu yüzlerce PDF sayfasındaydı
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
ve erişmek için yüzlerce saat boyunca
kopyala-yapıştır yapmanız gerekiyordu
04:38
for hundreds and hundreds of hours,
107
266038
1726
veya John Krauss gibi olabilirdiniz.
04:39
or you could be John Krauss.
108
267764
1344
04:41
John Krauss was like,
109
269108
1043
John Krauss şöyle dedi,
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
bu veriyi kopyala-yapıştır yapmayacağım
ve bir program yazacağım.
ve bir program yazacağım.
İsmi NYPD Kaza Verisi Bantı
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
ve NYPD web sitesine girip
PDF'leri indirebiliyor.
PDF'leri indirebiliyor.
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
Her gün arardı ve
bir PDF bulduğunda indirirdi
bir PDF bulduğunda indirirdi
04:54
and then it would run
some PDF-scraping program,
some PDF-scraping program,
114
282010
2250
sonra bir PDF-kazıyıcı
bir program çalıştırıp
bir program çalıştırıp
04:56
and out would come the text,
115
284260
1336
yazıya döküp internete koyardı,
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
böylece insanlar bu tarz
haritalar yaratabilirdi.
haritalar yaratabilirdi.
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
Bu verinin orada olduğu gerçeği
ona erişimimiz olduğu gerçeği --
ona erişimimiz olduğu gerçeği --
05:04
Every accident, by the way,
is a row in this table.
is a row in this table.
118
292590
2450
Her kaza, bu arada,
tabloda bir satırdır.
tabloda bir satırdır.
05:07
You can imagine how many PDFs that is.
119
295040
1836
Böyle kaç tane PDF olduğunu düşünün.
05:08
The fact that we
have access to that is great,
have access to that is great,
120
296876
2207
Buna erişimimiz olduğu gerçeği harika
05:11
but let's not release it in PDF form,
121
299083
2110
fakat bunu PDF hâlinde yayımlamayalım,
05:13
because then we're having our citizens
write PDF scrapers.
write PDF scrapers.
122
301193
2739
o zaman vatandaşlarımıza
PDF-kazıyıcı yazdırmamız gerekir.
PDF-kazıyıcı yazdırmamız gerekir.
05:15
It's not the best use
of our citizens' time,
of our citizens' time,
123
303932
2076
Vatandaşlarımızın zamanını harcamış oluruz
ve şehir olarak daha iyisini yapabiliriz.
05:18
and we as a city can do better than that.
124
306008
2004
05:20
Now, the good news is that
the de Blasio administration
the de Blasio administration
125
308012
2736
İyi haber şu, de Blasio yönetimi
05:22
actually recently released this data
a few months ago,
a few months ago,
126
310748
2532
birkaç ay önce bu veriyi yayınladı,
05:25
and so now we can
actually have access to it,
actually have access to it,
127
313280
2158
böylece buna gerçekten erişebiliriz
05:27
but there's a lot of data
still entombed in PDF.
still entombed in PDF.
128
315438
2536
fakat hâlâ PDF'e gömülmüş
pek çok veri var.
pek çok veri var.
05:29
For example, our crime data
is still only available in PDF.
is still only available in PDF.
129
317974
3197
Örneğin, suç verilerimiz hâlâ
sadece PDF olarak erişilebilir.
sadece PDF olarak erişilebilir.
05:33
And not just our crime data,
our own city budget.
our own city budget.
130
321171
3755
Sadece suç verileri değil,
kendi şehrimizin bütçesi de.
kendi şehrimizin bütçesi de.
05:36
Our city budget is only readable
right now in PDF form.
right now in PDF form.
131
324926
3729
Şehir bütçemiz şu anda sadece
PDF formatında okunabilir hâlde.
PDF formatında okunabilir hâlde.
05:40
And it's not just us
that can't analyze it --
that can't analyze it --
132
328655
2141
Bunu analiz edemeyen sadece biz değiliz,
05:42
our own legislators
who vote for the budget
who vote for the budget
133
330796
2955
bütçeyi oylayan kendi kanun koyucularımız
05:45
also only get it in PDF.
134
333751
1943
bile sadece PDF olarak alıyor.
05:47
So our legislators cannot analyze
the budget that they are voting for.
the budget that they are voting for.
135
335694
3844
Yani, kanun koyucularımız oyladıkları
bütçeyi analiz edemiyor.
bütçeyi analiz edemiyor.
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
Bence bir şehir olarak
bundan da daha iyi yapabiliriz.
bundan da daha iyi yapabiliriz.
05:55
Now, there's a lot of data
that's not hidden in PDFs.
that's not hidden in PDFs.
137
343146
2488
PDF'lerde saklı olmayan pek çok veri var.
05:57
This is an example of a map I made,
138
345634
1700
Bu kendi yaptığım bir harita örneği
05:59
and this is the dirtiest waterways
in New York City.
in New York City.
139
347334
2926
ve bu New York Şehri'nin
en kirli su yolları.
en kirli su yolları.
06:02
Now, how do I measure dirty?
140
350260
1509
Kirliliği nasıl ölçüyorum?
06:03
Well, it's kind of a little weird,
141
351769
1857
Bu aslında biraz garip
fakat dışkı organizmaları
seviyesine baktım,
seviyesine baktım,
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
bu, su yollarımızdaki dışkısal maddeler
için bir ölçüm yöntemidir.
için bir ölçüm yöntemidir.
06:11
The larger the circle,
the dirtier the water,
the dirtier the water,
144
359245
3274
Daire ne kadar büyükse
su o kadar kirlidir,
su o kadar kirlidir,
06:14
so the large circles are dirty water,
the small circles are cleaner.
the small circles are cleaner.
145
362519
3357
yani büyük daireler kirli su
ve küçük daireler daha temiz.
ve küçük daireler daha temiz.
06:17
What you see is inland waterways.
146
365876
1644
Gördüğünüz şey ülke içindeki su yolları.
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
Bu, 5 yıl boyunca şehirde
örneklenen tüm veri.
örneklenen tüm veri.
06:22
And inland waterways are,
in general, dirtier.
in general, dirtier.
148
370924
2694
Ülke içi su yolları
genellikle daha pis olur.
genellikle daha pis olur.
06:25
That makes sense, right?
149
373618
1218
Mantıklı geliyor, değil mi?
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
Büyük daireler daha pis.
Bundan birkaç şey öğrendim.
Bundan birkaç şey öğrendim.
Birincisi: "deresi" veya "kanalı"
ile biten hiç bir şeyde yüzme.
ile biten hiç bir şeyde yüzme.
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
İkincisi: New York Şehri'ndeki en kirli
su yolunu da buldum,
su yolunu da buldum,
06:37
by this measure, one measure.
153
385692
1834
bu tek bir ölçüyle.
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
Coney Adası Deresi'nde, ki neyse ki bu
yüzdüğünüz Coney Adası değil.
yüzdüğünüz Coney Adası değil.
Bu diğer yakada.
06:43
It's on the other side.
155
391174
1158
Fakat Coney Adası Deresi'nde,
örneklerin %94'ü son beş yılda alındı,
örneklerin %94'ü son beş yılda alındı,
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
dışkısal madde seviyesi
o kadar yüksekti ki
o kadar yüksekti ki
06:50
that it would be against state law
to swim in the water.
to swim in the water.
158
398367
3093
orada yüzmek eyalet hukukuna karşı olurdu.
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
Bu şehir raporlarında övüldüğünü
06:56
boasted in a city report, right?
160
404189
1537
göreceğiniz bir bulgu değil, değil mi?
06:57
It's not going to be
the front page on nyc.gov.
the front page on nyc.gov.
161
405726
2250
nyc.gov'un ilk sayfasında olmayacak.
06:59
You're not going to see it there,
162
407976
1580
Bunu orada görmeyeceksiniz
07:01
but the fact that we can get
to that data is awesome.
to that data is awesome.
163
409556
2518
fakat bu veriye ulaşabiliyor
olmamız harika.
olmamız harika.
Fakat tekrar söyleyeyim,
çok kolay değildi,
çok kolay değildi,
07:04
But once again, it wasn't super easy,
164
412074
1773
07:05
because this data was not
on the open data portal.
on the open data portal.
165
413847
2358
çünkü bu veri
açık veri portalında değildi.
açık veri portalında değildi.
Eğer açık veri portalına girerseniz
07:08
If you were to go to the open data portal,
166
416205
2013
bir yıllık veya birkaç aylık
bir kesiti görürdünüz.
bir kesiti görürdünüz.
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
Bu aslında Çevre Koruma
Departmanı'nın sitesinden.
Departmanı'nın sitesinden.
07:12
It was actually on the Department
of Environmental Protection's website.
of Environmental Protection's website.
168
420831
3390
Bu bağlantıların her biri birer Excel
sayfası ve her Excel sayfası farklı.
sayfası ve her Excel sayfası farklı.
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
Her başlık farklı ve kopyalayıp
yeniden düzenlemeniz gerekir.
yeniden düzenlemeniz gerekir.
07:20
Every heading is different:
you copy, paste, reorganize.
you copy, paste, reorganize.
170
428099
2630
Bunu yaparken harita da yapabilirsiniz
ve harika olur, fakat yine,
ve harika olur, fakat yine,
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
şehir olarak daha iyisini yapabilir,
bazı şeyleri normalleştirebiliriz.
bazı şeyleri normalleştirebiliriz.
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
Oraya yaklaşıyoruz, çünkü Socrata'nın
yaptığı şöyle bir site var,
yaptığı şöyle bir site var,
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
ismi NYC açık veri portalı.
07:32
called the Open Data Portal NYC.
174
440034
1541
Konuştuğumuz sıkıntıları yaşamayan
07:33
This is where 1,100 data sets
that don't suffer
that don't suffer
175
441575
2257
1.100 veri seti mevcut
ve bu sayı artıyor ve bu harika.
07:35
from the things I just told you live,
176
443832
1781
Veriyi istediğiniz türde indirebilirsiniz,
CSV, PDF veya Excel dosyası olabilir.
CSV, PDF veya Excel dosyası olabilir.
07:37
and that number is growing,
and that's great.
and that's great.
177
445613
2148
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
Her ne isterseniz,
veriyi o şekilde indirebilirsiniz.
veriyi o şekilde indirebilirsiniz.
07:43
Whatever you want,
you can download the data that way.
you can download the data that way.
179
451173
2547
Sorun şu ki, bunu yaptığınızda
07:45
The problem is, once you do,
180
453720
1352
her kurum adresleri farklı
kodladığını göreceksiniz.
kodladığını göreceksiniz.
07:47
you will find that each agency
codes their addresses differently.
codes their addresses differently.
181
455072
3686
07:50
So one is street name,
intersection street,
intersection street,
182
458758
2141
Şehir ismi, kavşak ismi,
07:52
street, borough, address, building,
building address.
building address.
183
460899
2491
sokak, kasaba, tam adres,
bina adresi gibi.
bina adresi gibi.
07:55
So once again, you're spending time,
even when we have this portal,
even when we have this portal,
184
463390
3180
Tekrar, bu portala sahip olmamıza rağmen
07:58
you're spending time
normalizing our address fields.
normalizing our address fields.
185
466570
2606
adres alanlarını düzenlemek için
zaman harcıyorsunuz.
zaman harcıyorsunuz.
08:01
And that's not the best use
of our citizens' time.
of our citizens' time.
186
469176
2423
Bu, vatandaşlarımızın zamanını
harcamak olur.
harcamak olur.
Şehir olarak bundan
daha iyi yapabiliriz.
daha iyi yapabiliriz.
08:03
We can do better than that as a city.
187
471599
1796
08:05
We can standardize our addresses,
188
473395
1645
Adresleri standart hâle getirebiliriz
08:07
and if we do,
we can get more maps like this.
we can get more maps like this.
189
475040
2185
ve daha fazla böyle haritalar görebiliriz.
08:09
This is a map of fire hydrants
in New York City,
in New York City,
190
477225
2285
Bu New York Şehri yangın musluğu haritası,
08:11
but not just any fire hydrants.
191
479510
1531
herhangi bir yangın musluğu değil.
08:13
These are the top 250 grossing fire
hydrants in terms of parking tickets.
hydrants in terms of parking tickets.
192
481041
4726
Bu park cezası olarak en çok
kazandıran 250 yangın musluğu.
kazandıran 250 yangın musluğu.
08:17
(Laughter)
193
485767
1986
(Gülüşmeler)
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
Bu haritadan birkaç şey öğrendim
ve bu haritayı gerçekten seviyorum.
ve bu haritayı gerçekten seviyorum.
08:23
Number one, just don't park
on the Upper East Side.
on the Upper East Side.
195
491111
2402
Birincisi, Yukarı Doğu Yakası'nda
hiç park etmeyin.
hiç park etmeyin.
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
Hiç yapmayın. Nereye park ederseniz edin
bir musluk cezası alacaksınız.
bir musluk cezası alacaksınız.
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
İkincisi, New York Şehri'nin
en çok kazandıran iki musluğunu buldum,
en çok kazandıran iki musluğunu buldum,
08:33
and they're on the Lower East Side,
198
501253
1886
ikisi de Aşağı Doğu Yakası'ndadır
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
ve yılda 55.000 dolardan fazla
park cezası getiriyorlar.
park cezası getiriyorlar.
08:40
And that seemed a little strange
to me when I noticed it,
to me when I noticed it,
200
508237
2738
Bunu fark ettiğimde biraz garibime gitti,
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
biraz araştırdım ve gördüm ki,
orada bir musluk
orada bir musluk
ve üzerinde yürünmesi için 2 metreden uzun
08:46
and then something called
a curb extension,
a curb extension,
202
514244
1996
bordür uzantısı denen bir şey
08:48
which is like a seven-foot
space to walk on,
space to walk on,
203
516240
2059
ve sonra bir park alanı var.
08:50
and then a parking spot.
204
518299
1156
08:51
And so these cars came along,
and the hydrant --
and the hydrant --
205
519455
2254
Yani bu arabalar musluğun oraya gelip:
"Orada bol yer var,
bir sıkıntı yok." diye düşünüyor
bir sıkıntı yok." diye düşünüyor
08:53
"It's all the way over there, I'm fine,"
206
521709
1911
08:55
and there was actually a parking spot
painted there beautifully for them.
painted there beautifully for them.
207
523620
3474
ve aslında orada güzelce boyanmış
bir park yeri var.
bir park yeri var.
Oraya park ediyorlar, fakat NYPD
bu işaretlemeye itiraz ediyor
bu işaretlemeye itiraz ediyor
08:59
They would park there, and the NYPD
disagreed with this designation
disagreed with this designation
208
527094
3155
ve ceza kesiyor.
09:02
and would ticket them.
209
530249
1058
Park cezası gören sadece ben de değilim.
09:03
And it wasn't just me
who found a parking ticket.
who found a parking ticket.
210
531307
2344
Google Sokak Görüşü arabası da
09:05
This is the Google
Street View car driving by
Street View car driving by
211
533651
2146
aynı park cezasını görüyor.
09:07
finding the same parking ticket.
212
535797
1617
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
Bunun hakkında I Quant NY (NY'u
ölçüyorum)'daki bloguma yazdım
ölçüyorum)'daki bloguma yazdım
ve Ulaştırma Bakanlığı şöyle cevapladı:
09:13
and they said,
214
541918
1020
09:14
"While the DOT has not received
any complaints about this location,
any complaints about this location,
215
542938
3410
"UB bu konum hakkında
bir şikâyet almamasına rağmen
bir şikâyet almamasına rağmen
09:18
we will review the roadway markings
and make any appropriate alterations."
and make any appropriate alterations."
216
546348
4542
yol işaretlerini inceleyip
gerekli düzenlemeleri yapacağız."
gerekli düzenlemeleri yapacağız."
09:22
And I thought to myself,
typical government response,
typical government response,
217
550890
2959
Kendi kendime klasik
devlet cevapları diye düşündüm
devlet cevapları diye düşündüm
09:25
all right, moved on with my life.
218
553849
1881
ve yoluma devam ettim.
09:27
But then, a few weeks later,
something incredible happened.
something incredible happened.
219
555730
3970
Ama birkaç hafta sonra,
inanılmaz bir şey oldu.
inanılmaz bir şey oldu.
09:31
They repainted the spot,
220
559700
2520
Orayı yeniden boyadılar
09:34
and for a second I thought I saw
the future of open data,
the future of open data,
221
562220
2690
ve bir anlığına açık verinin
geleceğini görür gibi oldum,
geleceğini görür gibi oldum,
09:36
because think about what happened here.
222
564910
2000
olan şeyi bir düşünsenize.
09:38
For five years, this spot was being
ticketed, and it was confusing,
ticketed, and it was confusing,
223
566910
5100
Beş yıl boyunca, bu noktada ceza
kesiliyordu ve kafa karıştırıcıydı,
kesiliyordu ve kafa karıştırıcıydı,
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
sonra bir vatandaş bir şey buldu,
idarecilere söyledi
idarecilere söyledi
ve birkaç hafta içinde sorun çözüldü.
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
Muhteşem. Pek çok kişi açık veriyi
bir bekçi köpeği olmak gibi görüyor.
bir bekçi köpeği olmak gibi görüyor.
09:52
It's not, it's about being a partner.
227
580810
1772
Aslında daha çok bir iş ortağı olmak gibi.
09:54
We can empower our citizens
to be better partners for government,
to be better partners for government,
228
582582
3138
Vatandaşlarımızın, devlet için daha
iyi iş ortakları olmasını sağlayabiliriz,
iyi iş ortakları olmasını sağlayabiliriz,
09:57
and it's not that hard.
229
585720
1881
o kadar da zor değil.
09:59
All we need are a few changes.
230
587601
1459
Tek ihtiyacımız olan birkaç değişiklik.
10:01
If you're FOILing data,
231
589060
1107
Verinizi FOIL'den alıyorsanız
10:02
if you're seeing your data
being FOILed over and over again,
being FOILed over and over again,
232
590167
2867
veya verinizin FOIL'den
defalarca istendiğini görüyorsanız
defalarca istendiğini görüyorsanız
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
halka açın, bunun halka açılması
gerektiğinin bir işareti.
gerektiğinin bir işareti.
Eğer PDF yayımlayan bir
devlet kurumuysanız
devlet kurumuysanız
10:08
And if you're a government agency
releasing a PDF,
releasing a PDF,
234
596608
2482
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
altındaki veriyle birlikte yayınlanmasını
gerektiren yasayı geçirtelim,
gerektiren yasayı geçirtelim,
10:14
because that data
is coming from somewhere.
is coming from somewhere.
236
602739
2028
çünkü o veri bir yerlerden geliyor.
10:16
I don't know where, but it's
coming from somewhere,
coming from somewhere,
237
604767
2482
Nereden bilmiyorum, ama geliyor
ve PDF ile birlikte yayınlayabilirsiniz.
10:19
and you can release it with the PDF.
238
607249
1725
Bazı açık veri standartlarını da
benimseyelim.
benimseyelim.
10:20
And let's adopt and share
some open data standards.
some open data standards.
239
608974
2411
New York Şehri'ndeki
adreslerimiz ile başlayalım.
adreslerimiz ile başlayalım.
10:23
Let's start with our addresses
here in New York City.
here in New York City.
240
611385
2481
Adresleri normalleştirelim.
10:25
Let's just start
normalizing our addresses.
normalizing our addresses.
241
613866
2074
Çünkü New York açık veri
konusunda bir lider.
konusunda bir lider.
10:27
Because New York is a leader in open data.
242
615940
2062
Her şeye rağmen, açık veride
kesinlikle bir lideriz
kesinlikle bir lideriz
10:30
Despite all this, we are absolutely
a leader in open data,
a leader in open data,
243
618002
2789
ve bazı şeyleri normalleştirip
bir açık veri standardı belirlersek
bir açık veri standardı belirlersek
10:32
and if we start normalizing things,
and set an open data standard,
and set an open data standard,
244
620791
3121
diğerleri de takip edecek.
Eyalet, belki federal hükûmet,
Eyalet, belki federal hükûmet,
10:35
others will follow. The state will follow,
and maybe the federal government,
and maybe the federal government,
245
623912
3634
Çılgınca, biliyorum, ama
diğer ülkeler de takip edebilir
diğer ülkeler de takip edebilir
ve bir program yazıp 100 ülkeden
gelen bilgileri haritalayacak
gelen bilgileri haritalayacak
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
bir program yazabileceğimiz
zaman çok uzak değil.
zaman çok uzak değil.
10:44
and map information from 100 countries.
248
632402
1890
Bu bilim kurgu değil. Aslında çok yakınız.
10:46
It's not science fiction.
We're actually quite close.
We're actually quite close.
249
634292
2487
Bu arada, bununla kimi güçlendiriyoruz?
10:48
And by the way, who are we
empowering with this?
empowering with this?
250
636779
2240
Çünkü sadece John Krauss
ve Chris Whong değil.
ve Chris Whong değil.
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
New York'ta devam eden
yüzlerce buluşma var,
yüzlerce buluşma var,
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
aktif buluşmalar.
10:57
active meetups.
253
645119
1025
10:58
There are thousands of people
attending these meetups.
attending these meetups.
254
646144
2572
Binlerce insan bu buluşmalara katılıyor.
Bu insanlar iş çıkışı veya
hafta sonları gidiyorlar
hafta sonları gidiyorlar
11:00
These people are going after work
and on weekends,
and on weekends,
255
648716
2368
ve açık veriye bakmak, şehrimizi
daha iyi bir yer hâline getirmek için
daha iyi bir yer hâline getirmek için
11:03
and they're attending these meetups
to look at open data
to look at open data
256
651084
2636
11:05
and make our city a better place.
257
653720
1640
bu buluşmalara katılıyorlar.
11:07
Groups like BetaNYC, who just last week
released something called citygram.nyc
released something called citygram.nyc
258
655360
4073
Daha geçen hafta citygram.nyc adında
ev ve ofisinizden 311
şikâyet imzalayabileceğiniz
şikâyet imzalayabileceğiniz
11:11
that allows you to subscribe
to 311 complaints
to 311 complaints
259
659433
2147
11:13
around your own home,
or around your office.
or around your office.
260
661580
2068
bir site yayınlayan BetaNYC gibi gruplar.
11:15
You put in your address,
you get local complaints.
you get local complaints.
261
663648
2427
Adresinizi yazıp
yerel şikâyetleri görebiliyorsunuz.
yerel şikâyetleri görebiliyorsunuz.
11:18
And it's not just the tech community
that are after these things.
that are after these things.
262
666075
3374
Bu şeylerin peşinde olan sadece
teknolojik topluluk da değil,
teknolojik topluluk da değil,
11:21
It's urban planners like
the students I teach at Pratt.
the students I teach at Pratt.
263
669449
2622
Pratt'te ders verdiğim
şehir planlama öğrencileri.
şehir planlama öğrencileri.
Yasa avukatları, herkes.
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
Farklı çevre ve geçmişlerden
gelen vatandaşlar.
gelen vatandaşlar.
11:28
And with some small, incremental changes,
266
676553
2786
Küçük, çoğalan değişimlerle
vatandaşlarımızın açık veriyi kurcalayıp
şehrimizi daha iyileştirmek için
şehrimizi daha iyileştirmek için
11:31
we can unlock the passion
and the ability of our citizens
and the ability of our citizens
267
679339
3225
11:34
to harness open data
and make our city even better,
and make our city even better,
268
682564
3156
tutku ve yetkinliklerini arttırabiliriz,
11:37
whether it's one dataset,
or one parking spot at a time.
or one parking spot at a time.
269
685720
3626
bu tek seferde bir veri seti de olabilir,
bir park yeri de olabilir.
bir park yeri de olabilir.
11:41
Thank you.
270
689346
2322
Teşekkürler.
(Alkışlar)
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