TEDxNewYork
Ben Wellington: How we found the worst place to park in New York City -- using big data
बेन वैलिंगटन: हमने किस तरह न्यूयॅार्क सिटी में पार्क करने वाली सबसे बुरी जगह ढूंढ़ी - बड़ा डेटा ढ़ूढ़ कर।
Filmed:
Readability: 3.7
1,055,247 views
शहरी एजेंसियों की पहुँच शहरी जीवन के हर हिस्से को दर्शाते हुए डेटा और आँकड़ों तक होती है। पर जैसा कि डेटा विश्लेषक बेन वैलिंगटन अपने मनोरंजक व्याख्यान में बताते हैं, कई बार इन एजेंसियों को पता ही नहीं होता की इनका क्या करें। वो बताते हैं कि किस तरह अप्रत्याशित प्रश्नों और होशियारी से डेटा की संगणना से उपयोगी अन्तर्दृष्टि का जन्म होता है। वो सुझाव साझा करते हैं कि किस तरह बड़े डेटा जारी किए जाएँ ताकि कोई भी उनका उपयोग कर सके।
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
छह हजार मील की सड़क,
00:15
600 miles of subway track,
1
3531
2203
६०० मील का भूमिगत मार्ग,
00:17
400 miles of bike lanes
2
5734
1644
४०० मील लंबे मार्ग बाइकों के लिए
00:19
and a half a mile of tram track,
3
7378
1821
और आधा मील लम्बा ट्रैम का मार्ग,
00:21
if you've ever been to Roosevelt Island.
4
9199
1953
अगर आप कभी रूजवेल्ट आइलैंड गए हों।
00:23
These are the numbers that make up
the infrastructure of New York City.
the infrastructure of New York City.
5
11152
3334
ये वो संख्याएँ हैं जो न्यूयाॅर्क सिटी के
बुनियादी ढांचे को बनातीं हैं।
बुनियादी ढांचे को बनातीं हैं।
ये हमारे बुनियादी ढांचे के आंकड़े हैं।
00:26
These are the statistics
of our infrastructure.
of our infrastructure.
6
14486
2619
ये वो संख्याएँ हैं जो आप शहरी एजेंसियों
द्वारा जारी रिपोर्टों में पा सकते हैं।
द्वारा जारी रिपोर्टों में पा सकते हैं।
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
उदाहरण के तौर पर, परिवहन विभाग
शायद आपको बता देगा
शायद आपको बता देगा
00:32
For example, the Department
of Transportation will probably tell you
of Transportation will probably tell you
8
20811
3199
कि वो कितनी मील सड़क की देखभाल करते हैं।
00:36
how many miles of road they maintain.
9
24010
1781
एमटीए भूमिगत मार्ग की लंबाई
की डींग हाँकेगा।
की डींग हाँकेगा।
00:37
The MTA will boast how many miles
of subway track there are.
of subway track there are.
10
25791
2821
अधिकतर शहरी एजेंसियाँं आँकड़े देते हैं।
00:40
Most city agencies give us statistics.
11
28612
1807
ये इस साल की रिपोर्ट में है,
00:42
This is from a report this year
12
30419
1483
00:43
from the Taxi and Limousine Commission,
13
31902
1892
टैक्सी और लिमोजीन कमीशन की,
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
कि यहाँ न्यूयाॅर्क सिटी में 13,500
टैक्सियाँ हैं,
टैक्सियाँ हैं,
00:49
Pretty interesting, right?
15
37070
1290
बहुत दिलचस्प है, है ना?
00:50
But did you ever think about
where these numbers came from?
where these numbers came from?
16
38360
2784
पर कभी आपने सोचा कि ये संख्याएँ
आईं कहाँ से?
आईं कहाँ से?
00:53
Because for these numbers to exist,
someone at the city agency
someone at the city agency
17
41144
2903
क्योंकि इन संख्याओं के लिए,
शहरी एजेंसी में किसी को
शहरी एजेंसी में किसी को
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
रुक कर कहना पड़ता, हाँ, ये संख्या शायद
कोई जानना चाहता हो।
कोई जानना चाहता हो।
00:59
Here's a number
that our citizens want to know.
that our citizens want to know.
19
47927
2250
ये एक संख्या है जो हमारे नागरिक
जानना चाहते हों।
जानना चाहते हों।
01:02
So they go back to their raw data,
20
50177
1830
वो अपने कच्चे आंकड़ों पर वापस आते हैं,
01:04
they count, they add, they calculate,
21
52007
1797
गिनते, जोड़ते, हिसाब लगाते हैं,
01:05
and then they put out reports,
22
53804
1467
और फिर रिपोर्ट जारी करते हैं,
01:07
and those reports
will have numbers like this.
will have numbers like this.
23
55271
2177
और उन रिपोर्टों में ऐसी संख्याएँ होंगी।
01:09
The problem is, how do they know
all of our questions?
all of our questions?
24
57448
2540
समस्या ये है कि उन्हें हमारे सारे सवाल
पता कैसे हैं?
पता कैसे हैं?
01:11
We have lots of questions.
25
59988
1243
हमारे बहुत सारे सवाल हैं।
01:13
In fact, in some ways there's literally
an infinite number of questions
an infinite number of questions
26
61231
3340
वास्तव में, कुछ मायनों में सवालों
की एक अनंत संख्या है जिन्हें
की एक अनंत संख्या है जिन्हें
हम अपने शहर के बारे में पूछ सकते हैं।
01:16
that we can ask about our city.
27
64571
1649
01:18
The agencies can never keep up.
28
66220
1475
एजेंसियाँ सभी जवाब नहीं दे सकतीं।
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
तो प्रतिमान बिल्कुल काम नहीं कर रहा है,
और शायद नीति निर्धारकों को ये एहसास है,
और शायद नीति निर्धारकों को ये एहसास है,
01:23
because in 2012, Mayor Bloomberg
signed into law what he called
signed into law what he called
30
71751
3959
क्योंकि 2012 में महापौर ब्लूमबर्ग ने एक
कानून पर हस्ताक्षर किए, जिसे उन्होंने
कानून पर हस्ताक्षर किए, जिसे उन्होंने
01:27
the most ambitious and comprehensive
open data legislation in the country.
open data legislation in the country.
31
75710
3837
देश का सबसे महत्वाकांक्षी और व्यापक खुला
डेटा विधान बताया।
डेटा विधान बताया।
01:31
In a lot of ways, he's right.
32
79547
1573
कई मायनों में वो सही हैं।
01:33
In the last two years,
the city has released 1,000 datasets
the city has released 1,000 datasets
33
81120
2861
पिछले दो वर्षों में शहर ने १,००० डेटा सेट
जारी किए हैं
जारी किए हैं
01:35
on our open data portal,
34
83981
1610
हमारे खुले डेटा पोर्टल पर,
01:37
and it's pretty awesome.
35
85591
1764
और ये बहुत विष्मयकारी है।
01:39
So you go and look at data like this,
36
87355
1968
तो आप डेटा कुछ इस तरह देखते हैं,
01:41
and instead of just counting
the number of cabs,
the number of cabs,
37
89323
2289
और टैक्सियों की गिनती की जगह,
01:43
we can start to ask different questions.
38
91612
1943
हम अलग सवाल पूछना शुरु कर सकते हैं।
01:45
So I had a question.
39
93555
1200
तो मेरा एक सवाल था,
न्यूयाॅर्क सिटी में व्यस्त समय कब होता है?
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
ये झंझटपूर्ण भी हो सकता है,
व्यस्त समय असल में है क्या?
व्यस्त समय असल में है क्या?
01:51
And I thought to myself,
these cabs aren't just numbers,
these cabs aren't just numbers,
42
99037
2625
और मैंने सोचा, टैक्सियाँ केवल
संख्याएँ नहीं है,
संख्याएँ नहीं है,
01:53
these are GPS recorders
driving around in our city streets
driving around in our city streets
43
101662
2711
हमारे शहर की सड़कों पर चलते हुए
जीपीएस रिकाॅर्डर हैं,
जीपीएस रिकाॅर्डर हैं,
01:56
recording each and every ride they take.
44
104373
1913
जो अपनी हर सवारी दर्ज करते हैं।
01:58
There's data there,
and I looked at that data,
and I looked at that data,
45
106286
2322
वहाँ डेटा है, और मैंने उस डेटा
की तरफ देखा,
की तरफ देखा,
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
और मैंने न्यूयाॅर्क सिटी में दिन भर चलती
टैक्सियों की औसत गति की रूपरेखा बनाई।
टैक्सियों की औसत गति की रूपरेखा बनाई।
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
आप देख सकते हैं कि आधी रात से सुबह
लगभग ०५:१८ तक
लगभग ०५:१८ तक
02:07
speed increases, and at that point,
things turn around,
things turn around,
48
115981
3563
गति बढ़ जाती है, उस बिंदु पर कायापलट
हो जाता है,
हो जाता है,
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
और वो सुबह लगभग ०८:३५ तक बहुत धीमी
हो जाती हैं,
हो जाती हैं,
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
और लगभग ११.५ मील प्रति घंटे पर
इनका सफर खत्म होता है।
इनका सफर खत्म होता है।
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
औसत टैक्सी ११.५ मील प्रति घंटे की गति
से हमारी सड़कों पर दौड़ती है,
से हमारी सड़कों पर दौड़ती है,
02:21
and it turns out it stays that way
52
129761
1987
और ये पता चला है कि ये पूरे दिन
02:23
for the entire day.
53
131748
3368
ऐसा ही रहता है।
02:27
(Laughter)
54
135116
1373
(हँसी)
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
तो मैंने खुद से कहा, शायद न्यूयॅार्क सिटी
में वयस्त समय नहीं है।
में वयस्त समय नहीं है।
02:31
There's just a rush day.
56
139669
1537
शायद केवल एक वयस्त दिन है।
02:33
Makes sense. And this is important
for a couple of reasons.
for a couple of reasons.
57
141206
2850
सही भी है। और ये दो कारणों से
महत्वपूर्ण भी है।
महत्वपूर्ण भी है।
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
अगर आप परिवहन योजनाकार हैं, तो आपके
लिए ये बहुत दिलचस्प हो सकता है।
लिए ये बहुत दिलचस्प हो सकता है।
02:39
But if you want to get somewhere quickly,
59
147693
1975
पर अगर आप कहीं जल्द पहुँचना चाहते हैं,
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
अब आप जानते हैं कि सुबह ०४:४५ का अलार्म
लगाना है और आप तैयार हैं।
लगाना है और आप तैयार हैं।
02:45
New York, right?
61
153136
1044
न्यूयॉर्क, है ना?
02:46
But there's a story behind this data.
62
154180
1762
पर इस डेटा के पीछे एक कहानी है।
02:47
This data wasn't
just available, it turns out.
just available, it turns out.
63
155942
2185
ये डेटा ऐसे ही उपलब्ध नहीं था,
ऐसा पता चलता है।
ऐसा पता चलता है।
ये सूचना कानून अनुरोध की स्वतंत्रता नामक
वस्तु से आया,
वस्तु से आया,
02:50
It actually came from something called
a Freedom of Information Law Request,
a Freedom of Information Law Request,
64
158127
3619
या "फोयल" अनुरोध।
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
इस प्रपत्र को आप टैक्सी और लीमोजीन निगम
की वेबसाइट पर पा सकते हैं।
की वेबसाइट पर पा सकते हैं।
इस डेटा तक पहुँचने के लिए आपको
ये प्रपत्र चाहिए,
ये प्रपत्र चाहिए,
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
इसे भर दीजिए, और वे आपको सूचित करेंगे,
03:01
fill it out, and they will notify you,
68
169114
1846
और क्रिस व्होंग नामक एक वयक्ति
ने यही किया।
ने यही किया।
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
क्रिस वहाँ गया और उन्होंने उससे कहा,
03:06
"Just bring a brand new hard drive
down to our office,
down to our office,
71
174980
2827
"एक बिल्कुल नई हार्ड ड्राइव हमारे
कार्यालय ले कर आईए,
कार्यालय ले कर आईए,
उसे यहाँ पाँच घंटे के लिए छोड़ दीजिए
हम डेटा काॅपी कर देंगे
हम डेटा काॅपी कर देंगे
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
और आप उसे वापस ले जाईए।"
03:13
And that's where this data came from.
73
181231
2032
और ये डेटा यहाँ से आया।
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
अब क्रिस ऐसा व्यक्ति है जो डेटा
सार्वजनिक करना चाहता है,
सार्वजनिक करना चाहता है,
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
तो ये सभी के उपयोग के लिए ऑनलाइन हो गया,
और ये ग्राफ भी यहीं से आया।
और ये ग्राफ भी यहीं से आया।
03:22
And the fact that it exists is amazing.
These GPS recorders -- really cool.
These GPS recorders -- really cool.
76
190052
3518
इसका अस्तित्व सच में अदभुत है।
ये जीपीएस रिकाॅर्डर--सच में अच्छे हैं।
ये जीपीएस रिकाॅर्डर--सच में अच्छे हैं।
पर ये सच की हमारे नागरिक हार्ड ड्राइव
लिए चारों ओर घूम रहे हैं,
लिए चारों ओर घूम रहे हैं,
03:25
But the fact that we have citizens
walking around with hard drives
walking around with hard drives
77
193570
3118
शहर एजेंसियों से डेटा लेकर सार्वजनिक
करते हुए
करते हुए
03:28
picking up data from city agencies
to make it public --
to make it public --
78
196688
2582
ये पहलेसे ही एक तरह से सार्वजनिक था
03:31
it was already kind of public,
you could get to it,
you could get to it,
79
199270
2390
आप इस तक पहुँच सकते थे
पर ये "सार्वजनिक" था,
03:33
but it was "public," it wasn't public.
80
201660
1812
ये सार्वजनिक नहीं था।
03:35
And we can do better than that as a city.
81
203472
1962
हम इससे बेहतर कर सकते हैं।
03:37
We don't need our citizens
walking around with hard drives.
walking around with hard drives.
82
205434
2756
हमारे नागरिकों को हार्ड ड्राइव ले कर
घूमने की जरुरत नहीं है।
घूमने की जरुरत नहीं है।
03:40
Now, not every dataset
is behind a FOIL Request.
is behind a FOIL Request.
83
208190
2337
हर डेटा सेट "फोयल" अनुरोध
के पीछे नहीं है।
के पीछे नहीं है।
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
मैंने न्यूयॉर्क सिटी के सबसे खतरनाक
चौराहों का एक नक्शा तैयार किया है,
चौराहों का एक नक्शा तैयार किया है,
03:46
based on cyclist accidents.
85
214329
1878
साइकिल चालक दुर्घटनाओं के आधार पर।
03:48
So the red areas are more dangerous.
86
216207
1939
तो ये लाल क्षेत्र अधिक खतरनाक हैं।
03:50
And what it shows is first
the East side of Manhattan,
the East side of Manhattan,
87
218146
2553
ये पहले मैनहैटन का पूर्वी क्षेत्र
दिखाता है,
दिखाता है,
03:52
especially in the lower area of Manhattan,
has more cyclist accidents.
has more cyclist accidents.
88
220699
3611
मैनहैटन के निचले हिस्सों में विशेष रुप
से साइकिल चालक दुर्घटनाएं होती हैं,
से साइकिल चालक दुर्घटनाएं होती हैं,
ये शायद समझ में आता है
03:56
That might make sense
89
224310
1019
03:57
because there are more cyclists
coming off the bridges there.
coming off the bridges there.
90
225329
2896
क्योंकि वहाँ और साइकिल चालक पुल
से नीचे आ रहे हैं।
से नीचे आ रहे हैं।
04:00
But there's other hotspots worth studying.
91
228225
2014
पर और भी अध्ययन करने लायक जगहें हैं।
04:02
There's Williamsburg.
There's Roosevelt Avenue in Queens.
There's Roosevelt Avenue in Queens.
92
230239
2669
विलियम्सबर्ग है।
क्वींस में रूजवेल्ट एवेन्यू है।
क्वींस में रूजवेल्ट एवेन्यू है।
04:04
And this is exactly the kind of data
we need for Vision Zero.
we need for Vision Zero.
93
232908
2852
ये उसी तरह का डेटा है जैसा हमें
विजन जीरो के लिए चाहिए।
विजन जीरो के लिए चाहिए।
04:07
This is exactly what we're looking for.
94
235760
1990
ये वास्तव में वही है जैसा हमें चाहिए।
04:09
But there's a story
behind this data as well.
behind this data as well.
95
237750
2135
पर इस डेटा के पीछे भी एक कहानी है।
04:11
This data didn't just appear.
96
239885
2067
ये डेटा कहीं से यूं ही प्रकट नहीं हो गया।
04:13
How many of you guys know this logo?
97
241952
2391
आप में से कितने लोग ये लोगो पहचानते हैं?
04:16
Yeah, I see some shakes.
98
244343
1352
मैं कुछ हिलना-डुलना देख रहा हूँ।
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
क्या कभी आपने पीडीएफ से डेटा
काॅपी और पेस्ट कर
काॅपी और पेस्ट कर
04:20
and make sense of it?
100
248350
1357
उसे समझने की कोशिश की है?
मैं और सिर हिलते देख रहा हूँ।
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
लोगो जानने वालों से ज़्यादा ने काॅपी
पेस्ट किया है। मुझे ये पसंद है
पेस्ट किया है। मुझे ये पसंद है
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
तो हुआ ये है कि जो डेटा आपने अभी देखा
वो वास्तव में पीडीएफ पर था।
वो वास्तव में पीडीएफ पर था।
04:29
In fact, hundreds and hundreds
and hundreds of pages of PDF
and hundreds of pages of PDF
104
257622
3105
वास्तव में, पीडीएफ के सैकड़ों पन्ने
04:32
put out by our very own NYPD,
105
260727
2159
हमारे अपने एनवायपीडी के निकाले हुए,
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
और उस तक पहुँचने कि लिए या तो आपको
काॅपी पेस्ट करना होगा,
काॅपी पेस्ट करना होगा,
04:38
for hundreds and hundreds of hours,
107
266038
1726
सैकड़ों और सैकड़ों घंटों के लिए,
या आप जाॅन क्रॉस हो सकते हैं।
04:39
or you could be John Krauss.
108
267764
1344
04:41
John Krauss was like,
109
269108
1043
जाॅन क्रॉस ऐसा था,
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
मैं ये डेटा काॅपी पेस्ट नहीं करुँगा।
मैं एक प्रोग्राम लिखुंगा।
मैं एक प्रोग्राम लिखुंगा।
इसे एनवायपीडी क्रैश डेटा बैंड-एड कहा
जाता है,
जाता है,
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
ये एनवायपीडी की वेबसाईट पर जाता है,
पीडीएफ डाउनलोड करने के लिए।
पीडीएफ डाउनलोड करने के लिए।
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
ये हर दिन खोजे;
और अगर एक पीडीएफ मिले
और अगर एक पीडीएफ मिले
तो उसे डाउनलोड कर ले और फिर कुछ
04:54
and then it would run
some PDF-scraping program,
some PDF-scraping program,
114
282010
2250
पीडीएफ स्क्रैपिंग प्रोग्राम चलाए,
04:56
and out would come the text,
115
284260
1336
और लिखा हुआ बाहर आ जाएगा,
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
और ये इंटरनेट पर चला जाएगा,
और फिर लोग उस तरह नक्शे तैयार करेंगे।
और फिर लोग उस तरह नक्शे तैयार करेंगे।
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
और ये सच की डेटा यहाँ है,
ये सच की हमारी उस तक पहुँच है--
ये सच की हमारी उस तक पहुँच है--
05:04
Every accident, by the way,
is a row in this table.
is a row in this table.
118
292590
2450
वैसे हर दुर्घटना इस तालिका में
एक पंक्ति है।
एक पंक्ति है।
आप सोच सकते हैं कि ये कितने पीडीएफ हैं।
05:07
You can imagine how many PDFs that is.
119
295040
1836
05:08
The fact that we
have access to that is great,
have access to that is great,
120
296876
2207
हमारी उस तक पहुँच सच में बड़ी बात है,
05:11
but let's not release it in PDF form,
121
299083
2110
पर हम इसे पीडीएफ के रुप में जारी न करें,
05:13
because then we're having our citizens
write PDF scrapers.
write PDF scrapers.
122
301193
2739
क्योंकि तब हम हमारे नागरिक पीडीएफ स्क्रैपर
लिखते हैं।
लिखते हैं।
ये हमारे नागरिकों के समय का बेहतरीन
05:15
It's not the best use
of our citizens' time,
of our citizens' time,
123
303932
2076
उपयोग नहीं है,
05:18
and we as a city can do better than that.
124
306008
2004
हम एक शहर के तौर पर इससे
बेहतर कर सकते हैं।
बेहतर कर सकते हैं।
05:20
Now, the good news is that
the de Blasio administration
the de Blasio administration
125
308012
2736
अबअच्छी खबर ये है कि डी ब्लासियो प्रशासन
05:22
actually recently released this data
a few months ago,
a few months ago,
126
310748
2532
ने ये डेटा कुछ महीने पहले जारी किया,
05:25
and so now we can
actually have access to it,
actually have access to it,
127
313280
2158
इसलिए अब हम उस तक पहुँच सकते हैं,
05:27
but there's a lot of data
still entombed in PDF.
still entombed in PDF.
128
315438
2536
पर अभी भी बहुत सा डेटा पीडीएफ में
दफन है।
दफन है।
05:29
For example, our crime data
is still only available in PDF.
is still only available in PDF.
129
317974
3197
उदाहरण के लिए, हमारा अपराध डेटा
अभी पीडीएफ में ही उपलब्ध है।
अभी पीडीएफ में ही उपलब्ध है।
05:33
And not just our crime data,
our own city budget.
our own city budget.
130
321171
3755
केवल हमारा अपराध डेटा ही नहीं,
हमारे शहर का बजट भी।
हमारे शहर का बजट भी।
05:36
Our city budget is only readable
right now in PDF form.
right now in PDF form.
131
324926
3729
हमारे शहर का बजट अभी केवल पीडीएफ
के रुप में ही पढ़ा जा सकता है।
के रुप में ही पढ़ा जा सकता है।
05:40
And it's not just us
that can't analyze it --
that can't analyze it --
132
328655
2141
और न केवल हम ही इसकी समीक्षा
नहीं कर सकते--
नहीं कर सकते--
05:42
our own legislators
who vote for the budget
who vote for the budget
133
330796
2955
हमारे अपने विधायक जो बजट पर अपना
मत देते हैं,
मत देते हैं,
05:45
also only get it in PDF.
134
333751
1943
उन्हें भी ये पीडीएफ में ही मिलता है।
05:47
So our legislators cannot analyze
the budget that they are voting for.
the budget that they are voting for.
135
335694
3844
तो हमारे विधायक उस बजट की समीक्षा नहीं
कर सकते जिस पर वो अपना मत देते हैं।
कर सकते जिस पर वो अपना मत देते हैं।
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
और मैं समझता हूँ कि एक शहर के तौर पर हम
इससे कुछ बेहतर कर सकते हैं।
इससे कुछ बेहतर कर सकते हैं।
05:55
Now, there's a lot of data
that's not hidden in PDFs.
that's not hidden in PDFs.
137
343146
2488
अब बहुत सा डेटा है जो पीडीएफ के भीतर
नहीं छुपा है।
नहीं छुपा है।
ये मेरे द्वारा बने एक नक्शे का नमूना है,
05:57
This is an example of a map I made,
138
345634
1700
05:59
and this is the dirtiest waterways
in New York City.
in New York City.
139
347334
2926
और ये न्यूयॉर्क सिटी के सबसे मलिन
जलमार्ग हैं।
जलमार्ग हैं।
06:02
Now, how do I measure dirty?
140
350260
1509
अब मैं गंदगी का आकलन कैसे करुँ।
06:03
Well, it's kind of a little weird,
141
351769
1857
खैर, ये थोड़ा अजीब है,
06:05
but I looked at the level
of fecal coliform,
of fecal coliform,
142
353626
2113
पर मैंने मल कोलिफॉर्म के स्तर को देखा,
06:07
which is a measurement of fecal matter
in each of our waterways.
in each of our waterways.
143
355739
3506
जो हमारे हर जलमार्ग में मल पदार्थ
का माप है।
का माप है।
06:11
The larger the circle,
the dirtier the water,
the dirtier the water,
144
359245
3274
जितना बड़ा वृत्त,
उतना गंदा पानी,
उतना गंदा पानी,
06:14
so the large circles are dirty water,
the small circles are cleaner.
the small circles are cleaner.
145
362519
3357
तो बड़े वृत्त का अर्थ है गंदा पानी,
छोटे वृत्त अपेक्षाकृत साफ हैं।
छोटे वृत्त अपेक्षाकृत साफ हैं।
06:17
What you see is inland waterways.
146
365876
1644
आप अंतर्देशीय जलमार्ग देख रहे हैं।
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
ये वो डेटा है जिसका शहर ने पिछले पाँच
वर्षों में नमूना लिया था।
वर्षों में नमूना लिया था।
06:22
And inland waterways are,
in general, dirtier.
in general, dirtier.
148
370924
2694
और अंतर्देशीय जलमार्ग, सामान्यत:
अधिक गंदे होते हैं।
अधिक गंदे होते हैं।
06:25
That makes sense, right?
149
373618
1218
ये समझ में आता है, ठीक?
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
और बड़े वृत्त गंदे हैं।
और मुझे इससे कुछ बातें पता चलीं।
और मुझे इससे कुछ बातें पता चलीं।
06:30
Number one: Never swim in anything
that ends in "creek" or "canal."
that ends in "creek" or "canal."
151
378210
3164
पहली: कभी उसमें न तैरैं जो "छोटी नदी"
या "नहर" में खत्म होती है।
या "नहर" में खत्म होती है।
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
पर दूसरी: मैंने न्यूयॉर्क सिटी का सबसे
मलिन जलमार्ग भी ढूंढ़ निकाला,
मलिन जलमार्ग भी ढूंढ़ निकाला,
06:37
by this measure, one measure.
153
385692
1834
इस आकलन से, एक आकलन से।
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
कौने आइलैंड क्रीक में, ये वो कौने आइलैंड
नहीं है जिसमें आप तैरते हैं, भाग्यवश।
नहीं है जिसमें आप तैरते हैं, भाग्यवश।
06:43
It's on the other side.
155
391174
1158
ये दूसरी तरफ है।
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
पर कौने आइलैंड क्रीक में पिछले पाँच सालों
में 94 % नमूनों में
में 94 % नमूनों में
06:48
have had fecal levels so high
157
396210
2157
मल स्तर इतने अधिक थे
06:50
that it would be against state law
to swim in the water.
to swim in the water.
158
398367
3093
कि पानी में तैरना राज्य के कानून
के खिलाफ होता।
के खिलाफ होता।
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
और इस तरह के तथ्य आप शहरी रिपोर्ट में शेखी
06:56
boasted in a city report, right?
160
404189
1537
बघारते हुए नहीं पाएँगे, ठीक?
06:57
It's not going to be
the front page on nyc.gov.
the front page on nyc.gov.
161
405726
2250
ये nyc.gov. के पहले पन्ने पर नहीं होगा।
06:59
You're not going to see it there,
162
407976
1580
आप इसे वहाँ नहीं देख पाएँगे,
07:01
but the fact that we can get
to that data is awesome.
to that data is awesome.
163
409556
2518
पर ये अच्छी बात है कि हम उस डेटा
तक पहुँच सकते हैं।
तक पहुँच सकते हैं।
07:04
But once again, it wasn't super easy,
164
412074
1773
पर एक बार फिर, ये बहुत आसान नहीं था
07:05
because this data was not
on the open data portal.
on the open data portal.
165
413847
2358
क्योंकि ये डेटा खुले डेटा पोर्टल
पर नहीं था।
पर नहीं था।
07:08
If you were to go to the open data portal,
166
416205
2013
अगर आप खुले डेटा पोर्टल पर जाते,
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
तो आप एक टुकड़ा ही देखते,
एक साल या कुछ महीनों का।
एक साल या कुछ महीनों का।
07:12
It was actually on the Department
of Environmental Protection's website.
of Environmental Protection's website.
168
420831
3390
ये असल में पर्यावरण संरक्षण विभाग
की वेबसाइट पर था।
की वेबसाइट पर था।
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
और इसमें से हर लिंक एक एक्सेल शीट है,
और हर एक्सेल शीट अलग है।
और हर एक्सेल शीट अलग है।
हर शीर्षक अलग है:
आप काॅपी, पेस्ट और फिर ठीक करते हैं।
आप काॅपी, पेस्ट और फिर ठीक करते हैं।
07:20
Every heading is different:
you copy, paste, reorganize.
you copy, paste, reorganize.
170
428099
2630
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
जब आप करते हैं तो नक्शे बना सकते हैं
और ये अच्छा है, पर
और ये अच्छा है, पर
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
हम बेहतर कर सकते हैं,
चीजें सामान्य कर सकते हैं।
चीजें सामान्य कर सकते हैं।
और हम वहाँ पहुँच रहे हैं क्योंकि यहाँ
ये वेबसाइट है जो सोक्रेटा बनाता है
ये वेबसाइट है जो सोक्रेटा बनाता है
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
जिसे ओपन डेटा पोर्टल एनवाईसी कहते हैं।
07:32
called the Open Data Portal NYC.
174
440034
1541
यहाँ १,१०० डेटा सेट उनसे ग्रस्त नहीं है
07:33
This is where 1,100 data sets
that don't suffer
that don't suffer
175
441575
2257
जिनके बारे में मैंने अभी आपको बताया
07:35
from the things I just told you live,
176
443832
1781
और ये संख्या बढ़ रही है, और ये
काफी अच्छा है।
काफी अच्छा है।
07:37
and that number is growing,
and that's great.
and that's great.
177
445613
2148
आप किसी भी प्रारूप में डेटा डाउनलोड कर
सकते हैं, सीएसवी, पीडीएफ या एक्सेल।
सकते हैं, सीएसवी, पीडीएफ या एक्सेल।
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
जिस तरह चाहें आप डाउनलोड कर सकते हैं।
07:43
Whatever you want,
you can download the data that way.
you can download the data that way.
179
451173
2547
समस्या ये है कि जब आप ने कर लिया,
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
आप पाएँगे कि हर एजेंसी अपना पता
अलग तरह से संकेत करती है।
अलग तरह से संकेत करती है।
07:50
So one is street name,
intersection street,
intersection street,
182
458758
2141
तो एक सड़का का नाम है, चौराहा,
07:52
street, borough, address, building,
building address.
building address.
183
460899
2491
सड़क, नगर, पता, इमारत,
इमारत का पता।
इमारत का पता।
07:55
So once again, you're spending time,
even when we have this portal,
even when we have this portal,
184
463390
3180
तो एक बार फिर आप समय व्यय कर रहे हैं,
जबकि हमारे पास ये पोर्टल है,
जबकि हमारे पास ये पोर्टल है,
आप पते की जगहों को सामान्य बनाने में
समय व्यय कर रहे हैं।
समय व्यय कर रहे हैं।
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
और ये हमारे नागरिकों के समय का बेहतरीन
उपयोग नहीं है।
उपयोग नहीं है।
08:03
We can do better than that as a city.
187
471599
1796
हम एक शहर के तौर पर बेहतर कर सकते है।
08:05
We can standardize our addresses,
188
473395
1645
हम अपने पते मानकीकृत कर सकते है,
और अगर हम करे,
तो हमें ऐसे और नक्शे मिल सकते है।
तो हमें ऐसे और नक्शे मिल सकते है।
08:07
and if we do,
we can get more maps like this.
we can get more maps like this.
189
475040
2185
08:09
This is a map of fire hydrants
in New York City,
in New York City,
190
477225
2285
ये न्यूयाॅर्क सिटी के अग्नि हाईड्रेंट
का एक नक्शा है,
का एक नक्शा है,
08:11
but not just any fire hydrants.
191
479510
1531
पर किसी भी अग्नि हाईड्रेंट का नहीं।
08:13
These are the top 250 grossing fire
hydrants in terms of parking tickets.
hydrants in terms of parking tickets.
192
481041
4726
ये २५० सबसे ज्यादा कमाई करने वाले अग्नि
हाईड्रेंट हैं, पार्किंग टिकट के मामले में।
हाईड्रेंट हैं, पार्किंग टिकट के मामले में।
08:17
(Laughter)
193
485767
1986
(हँसी)
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
तो मैंने इस नक्शे से कई चीज़ें सीखीं,
और मुझे ये नक्शा सचमुच पसंद है।
और मुझे ये नक्शा सचमुच पसंद है।
08:23
Number one, just don't park
on the Upper East Side.
on the Upper East Side.
195
491111
2402
पहली, अपर ईस्ट साईड में पार्क न करें।
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
बिल्कुल भी नहीं, जहाँ भी पार्क करेंगे,
आपको हाईड्रेंट टिकट मिल जाएगा।
आपको हाईड्रेंट टिकट मिल जाएगा।
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
दूसरी, मुझे पूरी न्यूयाॅर्क सिटी में सबसे
ज्यादा कमाई करने वाले दो हाईड्रेंट मिले,
ज्यादा कमाई करने वाले दो हाईड्रेंट मिले,
08:33
and they're on the Lower East Side,
198
501253
1886
और वो लोअर ईस्ट साईड में मिले,
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
और वो हर साल पार्किंग टिकट के रुप में
५५,००० डाॅलर ला रहे हैं।
५५,००० डाॅलर ला रहे हैं।
और मुझे ये थोड़ा अजीब लगा जब मैंने
इसकी ओर ध्यान दिया,
इसकी ओर ध्यान दिया,
08:40
And that seemed a little strange
to me when I noticed it,
to me when I noticed it,
200
508237
2738
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
तो मैंने थोड़ी खोजबीन की और पता चला
कि ये तो हाईड्रेंट है।
कि ये तो हाईड्रेंट है।
08:46
and then something called
a curb extension,
a curb extension,
202
514244
1996
और फिर ऐसा जिसे कर्ब एक्सटेंशन
कहा जाता है,
कहा जाता है,
08:48
which is like a seven-foot
space to walk on,
space to walk on,
203
516240
2059
जो चलने के लिए एक सात फुट की
जगह की तरह है
जगह की तरह है
और फिर पार्किंग की एक जगह।
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
और इसलिए ये कारें साथ आईं,
और हाईड्रेन्ट --
और हाईड्रेन्ट --
08:53
"It's all the way over there, I'm fine,"
206
521709
1911
"ये पूरा वहाँ तक है, मै ठीक हूँ,"
और वहाँ सच में उनके लिए खूबसूरती से रंगा
एक पार्किंग स्थल था।
एक पार्किंग स्थल था।
08:55
and there was actually a parking spot
painted there beautifully for them.
painted there beautifully for them.
207
523620
3474
वो वहाँ पार्क करते, और एनवायपीडी इस
प्रयोजन से सहमत नहीं था
प्रयोजन से सहमत नहीं था
08:59
They would park there, and the NYPD
disagreed with this designation
disagreed with this designation
208
527094
3155
और उन्हें टिकट थमा देता।
09:02
and would ticket them.
209
530249
1058
और सिर्फ मुझे ही पार्किंग टिकट नहीं मिला,
09:03
And it wasn't just me
who found a parking ticket.
who found a parking ticket.
210
531307
2344
09:05
This is the Google
Street View car driving by
Street View car driving by
211
533651
2146
ये गूगल स्ट्रीट व्यू कार चल रही है
09:07
finding the same parking ticket.
212
535797
1617
जिसे वही पार्किंग टिकट मिला है।
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
तो मैंने इस बारे में अपने ब्लॉग पर लिखा,
आई क्वांट एनवाय पर, और डीओटी ने जवाब दिया,
आई क्वांट एनवाय पर, और डीओटी ने जवाब दिया,
09:13
and they said,
214
541918
1020
और उन्होंने कहा,
09:14
"While the DOT has not received
any complaints about this location,
any complaints about this location,
215
542938
3410
"हालांकि डीओटी को इस स्थान के बारे में कोई
शिकायत नहीं मिली है,
शिकायत नहीं मिली है,
09:18
we will review the roadway markings
and make any appropriate alterations."
and make any appropriate alterations."
216
546348
4542
हम सड़क चिह्नों की समीक्षा करेंगे
और उचित परिवर्तन करेंगे।"
और उचित परिवर्तन करेंगे।"
09:22
And I thought to myself,
typical government response,
typical government response,
217
550890
2959
और मैंने सोचा, ठेठ सरकारी प्रतिक्रिया,
09:25
all right, moved on with my life.
218
553849
1881
ठीक है, मैं आगे बढ़ा।
09:27
But then, a few weeks later,
something incredible happened.
something incredible happened.
219
555730
3970
पर फिर, कुछ सप्ताह बाद,
कुछ अविश्वसनीय हुआ।
कुछ अविश्वसनीय हुआ।
09:31
They repainted the spot,
220
559700
2520
उन्होंने उस स्थान को फिर रंग दिया,
09:34
and for a second I thought I saw
the future of open data,
the future of open data,
221
562220
2690
और मैंने सोचा कि मैंने खुले डेटा
का भविष्य देखा है,
का भविष्य देखा है,
09:36
because think about what happened here.
222
564910
2000
क्योंकि जरा सोचिए कि यहाँ क्या हुआ है।
09:38
For five years, this spot was being
ticketed, and it was confusing,
ticketed, and it was confusing,
223
566910
5100
पाँच साल से यहाँ टिकट जारी किए जा रहे थे,
और ये भ्रामक था,
और ये भ्रामक था,
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
और फिर एक नागरिक को कुछ मिला, उसने शहर
को बता दिया, और कुछ ही सप्ताह में
को बता दिया, और कुछ ही सप्ताह में
09:48
the problem was fixed.
225
576316
1294
समस्या सुलझा ली गई।
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
ये आश्चर्यजनक है। और बहुत लोग खुले
डेटा को एक प्रहरी की तरह देखते हैं।
डेटा को एक प्रहरी की तरह देखते हैं।
09:52
It's not, it's about being a partner.
227
580810
1772
ऐसा नहीं है, ये सहभागी होने की बात है।
09:54
We can empower our citizens
to be better partners for government,
to be better partners for government,
228
582582
3138
हम अपने नागरिकों को सरकार का बेहतर
भागीदार बनाने के लिए सशक्त
भागीदार बनाने के लिए सशक्त
09:57
and it's not that hard.
229
585720
1881
कर सकते हैं, ये उतना मुश्किल नहीं है।
09:59
All we need are a few changes.
230
587601
1459
हमें कुछ चाहिए तो बस बदलाव।
10:01
If you're FOILing data,
231
589060
1107
अगर आप डेटा "फोयल" कर रहे हैं,
10:02
if you're seeing your data
being FOILed over and over again,
being FOILed over and over again,
232
590167
2867
अगर आप अपना डेटा बार-बार "फोयल"
होता देख रहे है,
होता देख रहे है,
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
इसे लोगों के लिए जारी कर दें, ये संकेत है
कि इसे सार्वजनिक कर दिया जाए।
कि इसे सार्वजनिक कर दिया जाए।
10:08
And if you're a government agency
releasing a PDF,
releasing a PDF,
234
596608
2482
अगर आप पीडीएफ जारी करती एक
सरकारी एजेंसी हैं,
सरकारी एजेंसी हैं,
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
तो ऐसा कानून पारित करें जिससे आप इसे
अंतर्निहित डेटा के साथ जारी कर सकें,
अंतर्निहित डेटा के साथ जारी कर सकें,
10:14
because that data
is coming from somewhere.
is coming from somewhere.
236
602739
2028
क्योंकि ये डेटा कहीं से आ रहा है।
मैं नहीं जानता कहाँ से, पर कहीं से
आ रहा है
आ रहा है
10:16
I don't know where, but it's
coming from somewhere,
coming from somewhere,
237
604767
2482
आप इसे पीडीएफ में जारी कर सकते हैं।
10:19
and you can release it with the PDF.
238
607249
1725
और चलो कुछ खुले डेटा मानकों को अपनाएँ
और साझा करें।
और साझा करें।
10:20
And let's adopt and share
some open data standards.
some open data standards.
239
608974
2411
10:23
Let's start with our addresses
here in New York City.
here in New York City.
240
611385
2481
यहाँ न्यूयाॅर्क सिटी के पतों से शुरु
करें।
करें।
10:25
Let's just start
normalizing our addresses.
normalizing our addresses.
241
613866
2074
अपने पतों को सामान्य बनाना शुरु करें।
क्योंकि न्यूयाॅर्क खुले डेटा
में अग्रणी है।
में अग्रणी है।
10:27
Because New York is a leader in open data.
242
615940
2062
इस सब के बावजूद, हम खुले डेटा में पूर्ण
रुप से अग्रणी हैं,
रुप से अग्रणी हैं,
10:30
Despite all this, we are absolutely
a leader in open data,
a leader in open data,
243
618002
2789
और यदि हम चीजें सामान्य करना
शुरु करें, और खुला डेटा
शुरु करें, और खुला डेटा
10:32
and if we start normalizing things,
and set an open data standard,
and set an open data standard,
244
620791
3121
मानक निर्धारित करें,
10:35
others will follow. The state will follow,
and maybe the federal government,
and maybe the federal government,
245
623912
3634
दूसरे पीछे आएँगे। राज्य और शायद संघीय
सरकार भी,
सरकार भी,
दूसरे देश अनुसरण कर सकते हैं,
10:39
Other countries could follow,
246
627546
1445
और वो समय दूर नहीं जब हम एक प्रोग्राम और
नक्शे की जानकारी
नक्शे की जानकारी
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
10:44
and map information from 100 countries.
248
632402
1890
१०० देशों से लिख सकें।
10:46
It's not science fiction.
We're actually quite close.
We're actually quite close.
249
634292
2487
ये काल्पनिक विज्ञान नहीं है। हम असल
में बहुत करीब है।
में बहुत करीब है।
10:48
And by the way, who are we
empowering with this?
empowering with this?
250
636779
2240
और हाँ, इससे हम किसे सशक्त बना रहे हैें?
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
क्योंकि ये सिर्फ जाॅन क्रोस
या क्रिस व्होंग नहीं है।
या क्रिस व्होंग नहीं है।
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
न्यूयाॅर्क सि़टी में इस वक्त सैकड़ों
समागम चल रहे हैं,
समागम चल रहे हैं,
सक्रिय समागम।
10:57
active meetups.
253
645119
1025
10:58
There are thousands of people
attending these meetups.
attending these meetups.
254
646144
2572
हजारों लोग इन समागमों में भाग ले रहे हैं।
11:00
These people are going after work
and on weekends,
and on weekends,
255
648716
2368
ये लोग काम के बाद और सप्ताहांत
में जाते हैं,
में जाते हैं,
11:03
and they're attending these meetups
to look at open data
to look at open data
256
651084
2636
ये इन समागमों में खुले डेटा को समझने
के लिए भाग लेते हैं
के लिए भाग लेते हैं
11:05
and make our city a better place.
257
653720
1640
ताकि हमारा शहर एक बेहतर स्थान बने।
11:07
Groups like BetaNYC, who just last week
released something called citygram.nyc
released something called citygram.nyc
258
655360
4073
बीटा एनवायसी जैसे समूह, जिसने पिछले हफ्ते
citygram.nyc जारी किया
citygram.nyc जारी किया
11:11
that allows you to subscribe
to 311 complaints
to 311 complaints
259
659433
2147
जो आपको ३११ शिकायतों का अनुमोदन
करने देता है,
करने देता है,
11:13
around your own home,
or around your office.
or around your office.
260
661580
2068
आपके घर या कार्यालय के आसपास।
आप अपना पता लिखते है, आपको स्थानीय
शिकायतें मिलतीं है।
शिकायतें मिलतीं है।
11:15
You put in your address,
you get local complaints.
you get local complaints.
261
663648
2427
11:18
And it's not just the tech community
that are after these things.
that are after these things.
262
666075
3374
और सिर्फ तकनीकी समुदाय ही इन सब
चीजों के पीछे नहीं है।
चीजों के पीछे नहीं है।
11:21
It's urban planners like
the students I teach at Pratt.
the students I teach at Pratt.
263
669449
2622
शहरी योजनाकार भी हैं जिन्हें मैं प्रैट
में पढ़ाता हूँ।
में पढ़ाता हूँ।
11:24
It's policy advocates, it's everyone,
264
672071
1919
नीति अधिवक्ता भी हैं, सभी हैं,
11:25
it's citizens from a diverse
set of backgrounds.
set of backgrounds.
265
673990
2563
अलग-अलग पृष्ठभूमि के नागरिक हैं।
11:28
And with some small, incremental changes,
266
676553
2786
और कुछ छोटे, वृद्धिशील परिवर्तनों के साथ
11:31
we can unlock the passion
and the ability of our citizens
and the ability of our citizens
267
679339
3225
हम अपने नागरिकों के उत्साह और क्षमता
का ताला खोल सकते हैं
का ताला खोल सकते हैं
11:34
to harness open data
and make our city even better,
and make our city even better,
268
682564
3156
खुले डेटा के उपयोग के लिए जिससे हमारा
शहर और बेहतर हो सके,
शहर और बेहतर हो सके,
11:37
whether it's one dataset,
or one parking spot at a time.
or one parking spot at a time.
269
685720
3626
चाहे वो एक बार में एक डेटा सेट
या एक पार्किंग स्थल हो।
या एक पार्किंग स्थल हो।
11:41
Thank you.
270
689346
2322
धन्यवाद।
11:43
(Applause)
271
691668
3305
(तालियाँ)
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