TED@UPS
Mallory Freeman: Your company's data could help end world hunger
멜로리 솔드너(Mallory Soldner): 여러분 회사의 데이터가 전 세계적 기아를 끝낼 수 있습니다
Filmed:
Readability: 4.2
1,090,373 views
여러분의 회사가 인류 문제 해결을 돕기 위해 돈을 기부를 했을 수 도 있지만, 여러분은 훨씬 더 유용한 것을 제안할 수 있습니다. 바로 데이터 기부입니다. 멜로리 솔드너는 어떻게 민간 회사가 사용되지 않은 데이터와 의사결정 과학자들을 통해 큰 문제들 -- 난민 위기에서 세계적 기아에 이르기까지--를 진정 해결하도록 도와줄 수 있는가를 보여줍니다. 여러분의 회사는 어떻게 공헌할 수 있을까요?
Mallory Freeman - Data activist
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
Double-click the English transcript below to play the video.
00:12
June 2010.
0
880
1760
2010년 6월에
00:15
I landed for the first time
in Rome, Italy.
in Rome, Italy.
1
3760
2880
처음으로 이탈리아 로마에 갔습니다.
00:19
I wasn't there to sightsee.
2
7800
1896
관광하러 간 것이 아니었습니다.
00:21
I was there to solve world hunger.
3
9720
3120
세계 기아 문제를 해결하러 갔죠.
00:25
(Laughter)
4
13160
2096
(웃음)
00:27
That's right.
5
15280
1216
맞습니다.
25세 박사과정 학생으로
00:28
I was a 25-year-old PhD student
6
16520
2096
00:30
armed with a prototype tool
developed back at my university,
developed back at my university,
7
18640
3096
대학에서 개발한 시제품 도구로 무장하고
00:33
and I was going to help
the World Food Programme fix hunger.
the World Food Programme fix hunger.
8
21760
3080
저는 세계 식량기구가 기아를
해결하도록 도울 참이었죠.
해결하도록 도울 참이었죠.
00:37
So I strode into the headquarters building
9
25840
2736
저는 본부로 당당히 들어갔고
00:40
and my eyes scanned the row of UN flags,
10
28600
2816
제 눈은 유엔 깃발들을 훑어보며
00:43
and I smiled as I thought to myself,
11
31440
1960
혼자 생각하며 웃었습니다.
00:46
"The engineer is here."
12
34840
1616
"엔지니어가 여기 왔다."
00:48
(Laughter)
13
36480
2216
(웃음)
00:50
Give me your data.
14
38720
1776
데이터를 주세요.
00:52
I'm going to optimize everything.
15
40520
2176
모든 것을 최적화 하겠습니다.
00:54
(Laughter)
16
42720
1736
(웃음)
00:56
Tell me the food that you've purchased,
17
44480
1896
구입한 식량을 말씀해 주세요.
00:58
tell me where it's going
and when it needs to be there,
and when it needs to be there,
18
46400
2616
식량이 어디로 가고 언제
필요한지 말해 주세요.
필요한지 말해 주세요.
그럼 가장 짧고, 빠르고 저렴하게
01:01
and I'm going to tell you
the shortest, fastest, cheapest,
the shortest, fastest, cheapest,
19
49040
2736
01:03
best set of routes to take for the food.
20
51800
1936
식량을 조달할 최적의
루트를 알려드리죠.
루트를 알려드리죠.
01:05
We're going to save money,
21
53760
1496
자금을 절약할 수 있어요.
01:07
we're going to avoid
delays and disruptions,
delays and disruptions,
22
55280
2096
지연과 혼란을 피할 것입니다.
01:09
and bottom line,
we're going to save lives.
we're going to save lives.
23
57400
2736
가장 중요한 것은 생명을 구할 겁니다.
01:12
You're welcome.
24
60160
1216
뭐 이정도 가지고요.
01:13
(Laughter)
25
61400
1696
(웃음)
01:15
I thought it was going to take 12 months,
26
63120
1976
저는 12개월 걸릴 거라 생각했어요.
01:17
OK, maybe even 13.
27
65120
1560
어쩌면 13개월이요.
01:19
This is not quite how it panned out.
28
67800
2280
이게 잘 되지는 않았어요.
01:23
Just a couple of months into the project,
my French boss, he told me,
my French boss, he told me,
29
71600
3776
프로젝트를 시작한 지 두어 달 됐을 때
제 프랑스인 상사가 말하길
제 프랑스인 상사가 말하길
01:27
"You know, Mallory,
30
75400
1816
"말로리, 있잖아요.
01:29
it's a good idea,
31
77240
1656
좋은 생각이긴 한데
01:30
but the data you need
for your algorithms is not there.
for your algorithms is not there.
32
78920
3336
당신의 알고리즘에
필요한 데이터가 없어요.
필요한 데이터가 없어요.
01:34
It's the right idea but at the wrong time,
33
82280
2536
생각은 맞는데 때가 잘못 된 거예요.
01:36
and the right idea at the wrong time
34
84840
2296
때를 잘못 만난 제대로 된 생각은
01:39
is the wrong idea."
35
87160
1376
잘못된 생각이에요."
01:40
(Laughter)
36
88560
1320
(웃음)
01:42
Project over.
37
90960
1280
프로젝트가 종료됐죠.
01:45
I was crushed.
38
93120
1200
저는 맥이 빠졌습니다.
01:49
When I look back now
39
97000
1456
로마에서의 첫 여름을 지금 되돌아 보면
01:50
on that first summer in Rome
40
98480
1656
01:52
and I see how much has changed
over the past six years,
over the past six years,
41
100160
2656
지난 6년간 얼마나
변했는지 알 수 있어요.
변했는지 알 수 있어요.
01:54
it is an absolute transformation.
42
102840
2240
완전한 대변신입니다.
01:57
It's a coming of age for bringing data
into the humanitarian world.
into the humanitarian world.
43
105640
3400
인도주의적 세계에 데이터를
쓰는 게 당연해졌습니다.
쓰는 게 당연해졌습니다.
02:02
It's exciting. It's inspiring.
44
110160
2656
놀랍고, 고무적입니다.
02:04
But we're not there yet.
45
112840
1200
하지만 아직 완전한 것은 아닙니다.
02:07
And brace yourself, executives,
46
115320
2296
임원 여러분은 준비하세요
02:09
because I'm going to be putting companies
47
117640
1976
회사가 할 수 있는 역할을 하도록
제가 불편하게 만들 테니까요.
제가 불편하게 만들 테니까요.
02:11
on the hot seat to step up
and play the role that I know they can.
and play the role that I know they can.
48
119640
3120
02:17
My experiences back in Rome prove
49
125520
2816
로마에서의 경험으로 볼 때
02:20
using data you can save lives.
50
128360
2080
데이터를 가지고
생명을 살릴 수 있습니다.
생명을 살릴 수 있습니다.
02:23
OK, not that first attempt,
51
131440
2456
그래요, 첫 시도만에
그렇게 된 건 아니지만
그렇게 된 건 아니지만
02:25
but eventually we got there.
52
133920
2576
결국은 그렇게 됐어요.
02:28
Let me paint the picture for you.
53
136520
1736
전체 상황을 말씀드리겠습니다.
02:30
Imagine that you have to plan
breakfast, lunch and dinner
breakfast, lunch and dinner
54
138280
2736
여러분이 삼시 세끼를
계획한다고 상상해 보세요.
계획한다고 상상해 보세요.
02:33
for 500,000 people,
55
141040
1616
50만 명 분을요.
02:34
and you only have
a certain budget to do it,
a certain budget to do it,
56
142680
2136
그런데 자금이 정해져 있는 겁니다.
02:36
say 6.5 million dollars per month.
57
144840
2240
가령 매달 650만 달러라고 합시다.
02:40
Well, what should you do?
What's the best way to handle it?
What's the best way to handle it?
58
148920
2762
어떻게 하시겠어요?
어떤 방법이 최선일까요?
어떤 방법이 최선일까요?
02:44
Should you buy rice, wheat, chickpea, oil?
59
152280
2760
쌀, 밀, 콩, 기름을 사시겠어요?
02:47
How much?
60
155760
1216
얼마만큼요?
02:49
It sounds simple. It's not.
61
157000
2136
간단해 보이지만 그렇지 않습니다.
02:51
You have 30 possible foods,
and you have to pick five of them.
and you have to pick five of them.
62
159160
3216
가능한 음식이 30개인데
그 중에서 5개만 뽑아야 합니다.
그 중에서 5개만 뽑아야 합니다.
02:54
That's already over 140,000
different combinations.
different combinations.
63
162400
3416
벌써 14만 가지 조합이 나옵니다.
02:57
Then for each food that you pick,
64
165840
1696
선별한 각 음식을
02:59
you need to decide how much you'll buy,
65
167560
1976
얼마나 구매할지
03:01
where you're going to get it from,
66
169560
1696
어디서 가져올지
03:03
where you're going to store it,
67
171280
1480
어디에 저장할지
03:05
how long it's going to take to get there.
68
173760
1976
시간이 얼마나 걸릴지 정해야 합니다.
03:07
You need to look at all of the different
transportation routes as well.
transportation routes as well.
69
175760
3336
모든 다양한 수송 경로도
살펴봐야 합니다.
살펴봐야 합니다.
그럼 벌써 선택이
9억 가지가 넘습니다.
9억 가지가 넘습니다.
03:11
And that's already
over 900 million options.
over 900 million options.
70
179120
2080
03:14
If you considered each option
for a single second,
for a single second,
71
182120
2376
각 선택을 1초라고 한다면
03:16
that would take you
over 28 years to get through.
over 28 years to get through.
72
184520
2336
모두 살펴보는데 28년이 걸릴 겁니다.
03:18
900 million options.
73
186880
1520
9억 개의 선택을요.
03:21
So we created a tool
that allowed decisionmakers
that allowed decisionmakers
74
189160
2456
그래서 저희가 의사결정자들을 위해
03:23
to weed through all 900 million options
75
191640
2616
9억 가지 선택을 걸러서 단 며칠 만에
살펴볼 도구를 만들었습니다.
살펴볼 도구를 만들었습니다.
03:26
in just a matter of days.
76
194280
1360
03:28
It turned out to be incredibly successful.
77
196560
2240
대단히 성공적이었습니다.
03:31
In an operation in Iraq,
78
199400
1256
이라크 미션에서는
03:32
we saved 17 percent of the costs,
79
200680
2536
비용을 17% 절감했는데
03:35
and this meant that you had the ability
to feed an additional 80,000 people.
to feed an additional 80,000 people.
80
203240
4136
그것은 8만 명에게 추가로
식량 공급을 할 수 있는 양이었습니다.
식량 공급을 할 수 있는 양이었습니다.
03:39
It's all thanks to the use of data
and modeling complex systems.
and modeling complex systems.
81
207400
4400
이게 모두 데이터 사용과
복합 시스템 모형 덕분입니다.
복합 시스템 모형 덕분입니다.
03:44
But we didn't do it alone.
82
212800
1280
저희들이 다 한 게 아니었습니다.
03:46
The unit that I worked with in Rome,
they were unique.
they were unique.
83
214840
2736
제가 로마에서 함께 일했던 팀이
훌륭했습니다.
훌륭했습니다.
03:49
They believed in collaboration.
84
217600
1736
그들은 협력을 믿었습니다.
03:51
They brought in the academic world.
85
219360
1696
학계를 끌어들였습니다.
03:53
They brought in companies.
86
221080
1280
기업들도 끌어들였죠.
03:55
And if we really want to make big changes
in big problems like world hunger,
in big problems like world hunger,
87
223200
3616
세계 기아와 같은 거대한 문제에
큰 변화를 일으키려면
큰 변화를 일으키려면
03:58
we need everybody to the table.
88
226840
2560
모든 사람이 함께 일해야 합니다.
04:02
We need the data people
from humanitarian organizations
from humanitarian organizations
89
230040
2936
구호단체의 데이터 관계자가 주도하여
04:05
leading the way,
90
233000
1256
04:06
and orchestrating
just the right types of engagements
just the right types of engagements
91
234280
2576
학계와 정부가 함께 참여할 수 있는
적당한 일을 지휘해야 합니다.
적당한 일을 지휘해야 합니다.
04:08
with academics, with governments.
92
236880
1696
04:10
And there's one group that's not being
leveraged in the way that it should be.
leveraged in the way that it should be.
93
238600
3696
해야 하는 만큼 관여하지 않는
단체 하나가 있습니다.
단체 하나가 있습니다.
짐작하셨나요? 바로 기업입니다.
04:14
Did you guess it? Companies.
94
242320
2096
04:16
Companies have a major role to play
in fixing the big problems in our world.
in fixing the big problems in our world.
95
244440
3600
기업들은 세계의 중대한 문제를
해결할 핵심 역할을 맡고 있죠.
해결할 핵심 역할을 맡고 있죠.
04:20
I've been in the private sector
for two years now.
for two years now.
96
248880
2416
저는 지금까지 2년간
민간 부문에 있었습니다.
민간 부문에 있었습니다.
04:23
I've seen what companies can do,
and I've seen what companies aren't doing,
and I've seen what companies aren't doing,
97
251320
3576
기업이 할 수 있는 일을 알고 있고
기업이 하지 않는 일을 알고 있습니다.
기업이 하지 않는 일을 알고 있습니다.
04:26
and I think there's three main ways
that we can fill that gap:
that we can fill that gap:
98
254920
3376
그 간극을 메울
세 가지 방법이 있습니다.
세 가지 방법이 있습니다.
04:30
by donating data,
by donating decision scientists
by donating decision scientists
99
258320
3096
데이터를 기증하고
의사결정 과학자를 내어주고
의사결정 과학자를 내어주고
04:33
and by donating technology
to gather new sources of data.
to gather new sources of data.
100
261440
3480
데이터의 새로운 소스를 모을
기술을 기부하는 겁니다.
기술을 기부하는 겁니다.
04:37
This is data philanthropy,
101
265920
1576
이것이 데이터 자선사업이며
04:39
and it's the future of corporate
social responsibility.
social responsibility.
102
267520
2840
기업의 사회적 책임의 미래 모습입니다.
04:43
Bonus, it also makes good business sense.
103
271160
2600
또한 사업적 측면에서도
이치에 맞습니다.
이치에 맞습니다.
04:46
Companies today,
they collect mountains of data,
they collect mountains of data,
104
274920
3216
오늘날의 기업은 엄청난
데이터를 수집합니다.
데이터를 수집합니다.
04:50
so the first thing they can do
is start donating that data.
is start donating that data.
105
278160
2762
기업이 제일 먼저 할 수 있는 일은
그 데이터를 기증하는 겁니다.
그 데이터를 기증하는 겁니다.
04:52
Some companies are already doing it.
106
280946
2190
어떤 기업들은 이미 하고 있습니다.
04:55
Take, for example,
a major telecom company.
a major telecom company.
107
283160
2416
주요 통신 기업을 예로 들겠습니다.
04:57
They opened up their data
in Senegal and the Ivory Coast
in Senegal and the Ivory Coast
108
285600
2776
그들은 세네갈과 아이보리 코스트에서
데이터를 개방하고
데이터를 개방하고
05:00
and researchers discovered
109
288400
1976
연구자들이 발견하기를
05:02
that if you look at the patterns
in the pings to the cell phone towers,
in the pings to the cell phone towers,
110
290400
3334
휴대폰 기지의 접속 패턴을 살펴보면
05:05
you can see where people are traveling.
111
293758
1938
사람들이 어디를 여행하고
있는지 알 수 있어요
있는지 알 수 있어요
05:07
And that can tell you things like
112
295720
2176
그것으로 알 수 있는 것은
05:09
where malaria might spread,
and you can make predictions with it.
and you can make predictions with it.
113
297920
3096
가령 말라리아 전파경로를
알아서 미리 예측할 수 있습니다.
알아서 미리 예측할 수 있습니다.
05:13
Or take for example
an innovative satellite company.
an innovative satellite company.
114
301040
2896
혁신적인 위성 회사를
예로 들어 볼게요.
예로 들어 볼게요.
05:15
They opened up their data and donated it,
115
303960
2016
데이터를 개방해서 기증했고
05:18
and with that data you could track
116
306000
1656
그 데이터로
05:19
how droughts are impacting
food production.
food production.
117
307680
2040
가뭄이 식량 생산에 어떻게
영향을 주는지 추적할 수 있습니다.
영향을 주는지 추적할 수 있습니다.
05:22
With that you can actually trigger
aid funding before a crisis can happen.
aid funding before a crisis can happen.
118
310920
3680
그것으로 위기 발생 전에
구호자금을 모을 수 있습니다.
구호자금을 모을 수 있습니다.
05:27
This is a great start.
119
315560
1280
굉장한 출발이죠.
05:29
There's important insights
just locked away in company data.
just locked away in company data.
120
317840
2880
기업 데이터에 묶인
중요한 내용들이 있습니다.
중요한 내용들이 있습니다.
05:34
And yes, you need to be very careful.
121
322480
1816
네, 아주 신중해야 합니다.
05:36
You need to respect privacy concerns,
for example by anonymizing the data.
for example by anonymizing the data.
122
324320
3576
가령 데이터를 익명으로 해서
개인정보를 존중해야 합니다.
개인정보를 존중해야 합니다.
05:39
But even if the floodgates opened up,
123
327920
2776
정보의 문이 열린다고 해도
05:42
and even if all companies
donated their data
donated their data
124
330720
2536
모든 기업이 데이터를
05:45
to academics, to NGOs,
to humanitarian organizations,
to humanitarian organizations,
125
333280
3256
학계, NGO, 인권 단체에
기증한다고 해도
기증한다고 해도
05:48
it wouldn't be enough
to harness that full impact of data
to harness that full impact of data
126
336560
2976
인도적 목표를 위해 데이터 최대 효과를
이용하기엔 충분치 않습니다.
이용하기엔 충분치 않습니다.
05:51
for humanitarian goals.
127
339560
1520
05:54
Why?
128
342320
1456
왜 그럴까요?
05:55
To unlock insights in data,
you need decision scientists.
you need decision scientists.
129
343800
3240
데이터 속의 의미를 풀려면
의사결정 과학자가 있어야 합니다.
의사결정 과학자가 있어야 합니다.
05:59
Decision scientists are people like me.
130
347760
2576
의사결정 과학자는 저 같은 사람이죠.
06:02
They take the data, they clean it up,
131
350360
1816
데이터를 가지고 마무리 하고
06:04
transform it and put it
into a useful algorithm
into a useful algorithm
132
352200
2256
전환해서 유용한 알고리즘으로 만들어
06:06
that's the best choice
to address the business need at hand.
to address the business need at hand.
133
354480
2840
사업 필요를 바로 채우는 데
최선의 선택이 되게 합니다.
최선의 선택이 되게 합니다.
06:09
In the world of humanitarian aid,
there are very few decision scientists.
there are very few decision scientists.
134
357800
3696
인도적인 구호의 세계에선
의사결정 과학자가 거의 없습니다.
의사결정 과학자가 거의 없습니다.
06:13
Most of them work for companies.
135
361520
1640
대부분은 기업에서 일합니다.
06:16
So that's the second thing
that companies need to do.
that companies need to do.
136
364480
2496
그래서 그것이 기업이 해야 할
두 번째 일입니다.
두 번째 일입니다.
06:19
In addition to donating their data,
137
367000
1696
데이터를 기증할 뿐만 아니라
06:20
they need to donate
their decision scientists.
their decision scientists.
138
368720
2160
의사결정 과학자도 제공해야 합니다.
06:23
Now, companies will say, "Ah! Don't take
our decision scientists from us.
our decision scientists from us.
139
371520
5736
아마 기업은 이렇게 말하겠죠.
"의사결정 과학자를 데려가지 마세요!
"의사결정 과학자를 데려가지 마세요!
06:29
We need every spare second of their time."
140
377280
2040
우린 매 순간 그들이 필요합니다."
06:32
But there's a way.
141
380360
1200
하지만 방법이 있습니다.
06:35
If a company was going to donate
a block of a decision scientist's time,
a block of a decision scientist's time,
142
383200
3416
기업이 의사결정 과학자의
시간 단위를 기증하면
시간 단위를 기증하면
06:38
it would actually make more sense
to spread out that block of time
to spread out that block of time
143
386640
3136
그 시간 단위를 펼쳐서 장기적으로
쓰는 게 실제로 더 합리적입니다.
쓰는 게 실제로 더 합리적입니다.
06:41
over a long period,
say for example five years.
say for example five years.
144
389800
2200
가령 5년 정도에 걸쳐서요.
06:44
This might only amount
to a couple of hours per month,
to a couple of hours per month,
145
392600
3056
기업 입장에서는 거의 피해가 없는
한 달에 두어 시간 정도이지만
한 달에 두어 시간 정도이지만
06:47
which a company would hardly miss,
146
395680
2056
06:49
but what it enables is really important:
long-term partnerships.
long-term partnerships.
147
397760
3480
굉장히 중요한 일을 할 수 있습니다.
장기적인 협력관계죠.
장기적인 협력관계죠.
06:54
Long-term partnerships
allow you to build relationships,
allow you to build relationships,
148
402920
2816
장기적 협력관계는 관계를 형성시켜 주고
06:57
to get to know the data,
to really understand it
to really understand it
149
405760
2656
데이터를 알게 해주며
실제로 이해하게 해 줍니다.
실제로 이해하게 해 줍니다.
07:00
and to start to understand
the needs and challenges
the needs and challenges
150
408440
2416
그리고 인도적 단체가 당면한 필요와
문제를 이해하게 해 줍니다.
문제를 이해하게 해 줍니다.
07:02
that the humanitarian
organization is facing.
organization is facing.
151
410880
2160
07:06
In Rome, at the World Food Programme,
this took us five years to do,
this took us five years to do,
152
414345
3191
로마의 세계 식량 기구에서는
이 일이 5년 걸렸습니다.
이 일이 5년 걸렸습니다.
07:09
five years.
153
417560
1456
5년이요.
07:11
That first three years, OK,
that was just what we couldn't solve for.
that was just what we couldn't solve for.
154
419040
3336
처음 3년은 문제를
해결할 수 없었습니다.
해결할 수 없었습니다.
07:14
Then there was two years after that
of refining and implementing the tool,
of refining and implementing the tool,
155
422400
3496
다음 2년 동안 방법을
다듬고 실행했습니다.
다듬고 실행했습니다.
07:17
like in the operations in Iraq
and other countries.
and other countries.
156
425920
2800
이라크와 다른 나라에서의
미션에서와 같이요.
미션에서와 같이요.
07:21
I don't think that's
an unrealistic timeline
an unrealistic timeline
157
429520
2096
저는 비현실적인 시간계산이
아니라고 봅니다.
아니라고 봅니다.
07:23
when it comes to using data
to make operational changes.
to make operational changes.
158
431640
2736
실행적인 변화를 위해
데이터를 사용하는 데요.
데이터를 사용하는 데요.
07:26
It's an investment. It requires patience.
159
434400
2400
그건 투자이고, 인내심이 필요합니다.
07:29
But the types of results
that can be produced are undeniable.
that can be produced are undeniable.
160
437760
3496
만들어지는 결과의 형태는
부정할 수 없습니다.
부정할 수 없습니다.
07:33
In our case, it was the ability
to feed tens of thousands more people.
to feed tens of thousands more people.
161
441280
3560
저희 경우는, 수 만명에게 식량 공급을
더 할 수 있었습니다.
더 할 수 있었습니다.
07:39
So we have donating data,
we have donating decision scientists,
we have donating decision scientists,
162
447440
4336
저희는 데이터와
의사결정 과학자를 기증해 왔고
의사결정 과학자를 기증해 왔고
07:43
and there's actually a third way
that companies can help:
that companies can help:
163
451800
2696
이제 기업이 도울 수 있는
세 번째 방법이 있습니다.
세 번째 방법이 있습니다.
07:46
donating technology
to capture new sources of data.
to capture new sources of data.
164
454520
2976
새로운 데이터 소스를 모을
기술을 기증하는 겁니다.
기술을 기증하는 겁니다.
07:49
You see, there's a lot of things
we just don't have data on.
we just don't have data on.
165
457520
2840
데이터가 없는 많은 것들이 있습니다.
07:52
Right now, Syrian refugees
are flooding into Greece,
are flooding into Greece,
166
460960
2720
당장 시리아 난민들이
그리스로 몰려들고 있는데
그리스로 몰려들고 있는데
07:57
and the UN refugee agency,
they have their hands full.
they have their hands full.
167
465120
2560
유엔 난민기구는 일손이 부족합니다.
08:01
The current system for tracking people
is paper and pencil,
is paper and pencil,
168
469000
3056
사람들은 추적하는 현재
시스템은 종이와 연필입니다.
시스템은 종이와 연필입니다.
08:04
and what that means is
169
472080
1256
그게 무슨 뜻이냐면
엄마와 자녀 다섯 명이
난민 캠프에 와도
난민 캠프에 와도
08:05
that when a mother and her five children
walk into the camp,
walk into the camp,
170
473360
2856
본부에서는 이 상황에 대해
전혀 모릅니다.
전혀 모릅니다.
08:08
headquarters is essentially
blind to this moment.
blind to this moment.
171
476240
2656
08:10
That's all going to change
in the next few weeks,
in the next few weeks,
172
478920
2336
그런 상황이 몇 주 뒤면 바뀔 겁니다.
08:13
thanks to private sector collaboration.
173
481280
1880
민간 부문에서 협력한 덕분입니다.
08:15
There's going to be a new system based
on donated package tracking technology
on donated package tracking technology
174
483840
3656
기증받은 추적 기술에 근거해서
새로운 시스템이 생길 겁니다.
새로운 시스템이 생길 겁니다.
08:19
from the logistics company
that I work for.
that I work for.
175
487520
2040
제가 일하는 물류 회사에서 받았습니다.
08:22
With this new system,
there will be a data trail,
there will be a data trail,
176
490120
2336
새 시스템으로 데이터 흐름이 생겨서
08:24
so you know exactly the moment
177
492480
1456
바로 알게 됩니다.
엄마와 자녀들이 캠프에
들어오는 순간요.
들어오는 순간요.
08:25
when that mother and her children
walk into the camp.
walk into the camp.
178
493960
2496
게다가 그녀가 이달과 다음달에
구호물자를 받을 것인지도 알게 됩니다.
구호물자를 받을 것인지도 알게 됩니다.
08:28
And even more, you know
if she's going to have supplies
if she's going to have supplies
179
496480
2616
08:31
this month and the next.
180
499120
1256
08:32
Information visibility drives efficiency.
181
500400
3016
정보 가시성은 효율성을 올립니다.
08:35
For companies, using technology
to gather important data,
to gather important data,
182
503440
3256
기업 입장에서는 중요 데이터
수집을 위해 기술을 쓰는 건
수집을 위해 기술을 쓰는 건
08:38
it's like bread and butter.
183
506720
1456
뗄 수 없는 일입니다.
08:40
They've been doing it for years,
184
508200
1576
수 년간 기업들을 이런 일을 해왔고
08:41
and it's led to major
operational efficiency improvements.
operational efficiency improvements.
185
509800
3256
주요 실행 효율성 향상을 가져왔습니다.
08:45
Just try to imagine
your favorite beverage company
your favorite beverage company
186
513080
2360
여러분이 제일 좋아하는 음료 회사가
08:48
trying to plan their inventory
187
516280
1576
재고 계획을 세우면서도
08:49
and not knowing how many bottles
were on the shelves.
were on the shelves.
188
517880
2496
음료수 몇 병이 쌓여있는지
모른다고 생각해 보세요.
모른다고 생각해 보세요.
08:52
It's absurd.
189
520400
1216
말도 안 되죠.
08:53
Data drives better decisions.
190
521640
1560
데이터는 더 나은 결정을 하게 합니다.
08:57
Now, if you're representing a company,
191
525800
2536
만약 여러분이 회사를 대표한다면
09:00
and you're pragmatic
and not just idealistic,
and not just idealistic,
192
528360
3136
실용적이며 마냥 이상적이진 않다면
09:03
you might be saying to yourself,
"OK, this is all great, Mallory,
"OK, this is all great, Mallory,
193
531520
3056
이런 생각을 하시겠죠,
"그래요, 다 좋아요, 말로리
"그래요, 다 좋아요, 말로리
09:06
but why should I want to be involved?"
194
534600
1840
하지만 제가 왜 관여해야 하지요?"
09:09
Well for one thing, beyond the good PR,
195
537000
2816
한 가지는 훌륭한 홍보를 넘어서
09:11
humanitarian aid
is a 24-billion-dollar sector,
is a 24-billion-dollar sector,
196
539840
2776
인도주의적 구호는
240억 달러 규모이고
240억 달러 규모이고
09:14
and there's over five billion people,
maybe your next customers,
maybe your next customers,
197
542640
3056
50억 명 이상이 여러분의
다음 고객일 수 있습니다.
다음 고객일 수 있습니다.
09:17
that live in the developing world.
198
545720
1816
개발도상국에 살고 있죠.
09:19
Further, companies that are engaging
in data philanthropy,
in data philanthropy,
199
547560
3096
나아가서 데이터 자선사업에
참여하는 회사들은
참여하는 회사들은
09:22
they're finding new insights
locked away in their data.
locked away in their data.
200
550680
2976
데이터에서 벗어나
새로운 깨달음을 얻습니다.
새로운 깨달음을 얻습니다.
09:25
Take, for example, a credit card company
201
553680
2256
중심에 개장한 신용카드
회사를 예로 들면
회사를 예로 들면
09:27
that's opened up a center
202
555960
1336
09:29
that functions as a hub for academics,
for NGOs and governments,
for NGOs and governments,
203
557320
3376
NGO나 정부, 학계의
중추역할을 하는 거죠.
중추역할을 하는 거죠.
09:32
all working together.
204
560720
1240
모두 협력하는 겁니다.
09:35
They're looking at information
in credit card swipes
in credit card swipes
205
563040
2736
그들은 신용카드 구매 정보를 보고
09:37
and using that to find insights
about how households in India
about how households in India
206
565800
2976
인도 가정의 생활, 일, 수입과
지출 형태의 의미를 찾으려고 합니다.
지출 형태의 의미를 찾으려고 합니다.
09:40
live, work, earn and spend.
207
568800
1720
09:43
For the humanitarian world,
this provides information
this provides information
208
571680
2576
인도적 세계에서는 이것이
09:46
about how you might
bring people out of poverty.
bring people out of poverty.
209
574280
2656
빈곤탈출 방법에 대한 정보를 줍니다.
09:48
But for companies, it's providing
insights about your customers
insights about your customers
210
576960
3016
하지만 기업에게는 고객들과
09:52
and potential customers in India.
211
580000
2040
인도의 잠재적 고객들의 정보를 주죠.
09:54
It's a win all around.
212
582760
1800
모두에게 득이 되는 겁니다.
09:57
Now, for me, what I find
exciting about data philanthropy --
exciting about data philanthropy --
213
585960
3776
제가 발견한 데이터
자선사업이 흥분되는 점은
자선사업이 흥분되는 점은
10:01
donating data, donating decision
scientists and donating technology --
scientists and donating technology --
214
589760
4336
데이터, 의사결정 과학자와
기술을 기증하는 겁니다.
기술을 기증하는 겁니다.
10:06
it's what it means
for young professionals like me
for young professionals like me
215
594120
2376
저같은 기업에서 일하려는
젊은 전문가들에게는 그런 의미입니다.
젊은 전문가들에게는 그런 의미입니다.
10:08
who are choosing to work at companies.
216
596520
1840
10:10
Studies show that
the next generation of the workforce
the next generation of the workforce
217
598800
2656
연구에서는 노동력의 다음 세대는
10:13
care about having their work
make a bigger impact.
make a bigger impact.
218
601480
2560
일로 더 큰 영향력을
끼치는 데 신경쓴다고 합니다.
끼치는 데 신경쓴다고 합니다.
10:16
We want to make a difference,
219
604920
2456
우리는 변화를 만들고 싶고
10:19
and so through data philanthropy,
220
607400
2416
데이터 자선사업을 통해서도 그렇습니다.
10:21
companies can actually help engage
and retain their decision scientists.
and retain their decision scientists.
221
609840
3936
기업들은 실제로 참여하면서도
의사결정 과학자들을 유지할 수 있습니다.
의사결정 과학자들을 유지할 수 있습니다.
10:25
And that's a big deal for a profession
that's in high demand.
that's in high demand.
222
613800
2880
고수요 직종에게는 중요한 일이죠.
10:29
Data philanthropy
makes good business sense,
makes good business sense,
223
617840
3120
데이터 자선사업은
사업적으로 합리적입니다.
사업적으로 합리적입니다.
10:34
and it also can help
revolutionize the humanitarian world.
revolutionize the humanitarian world.
224
622200
3280
인도적 세계를
대변혁하도록 도울 수 있고요.
대변혁하도록 도울 수 있고요.
10:39
If we coordinated
the planning and logistics
the planning and logistics
225
627600
2096
우리가 계획과 운송을
10:41
across all of the major facets
of a humanitarian operation,
of a humanitarian operation,
226
629720
3376
구호 작전의 주요 방면을
통틀어 조정한다면
통틀어 조정한다면
10:45
we could feed, clothe and shelter
hundreds of thousands more people,
hundreds of thousands more people,
227
633120
3600
수 십만 명을 더 먹이고,
입히고 보호할 수 있습니다.
입히고 보호할 수 있습니다.
10:49
and companies need to step up
and play the role that I know they can
and play the role that I know they can
228
637440
4256
기업이 나서서 이런 혁명을 불러올 기구를
구성하고 역할을 해야합니다.
구성하고 역할을 해야합니다.
10:53
in bringing about this revolution.
229
641720
1880
10:56
You've probably heard of the saying
"food for thought."
"food for thought."
230
644720
2936
여러분은 "생각할 거리"란
말을 들어보셨을 겁니다.
말을 들어보셨을 겁니다.
10:59
Well, this is literally thought for food.
231
647680
2240
이건 말 그대로
음식을 위한 생각입니다.
음식을 위한 생각입니다.
11:03
It finally is the right idea
at the right time.
at the right time.
232
651560
4136
이것은 마침내 제 때의
제대로 된 아이디어입니다.
제대로 된 아이디어입니다.
11:07
(Laughter)
233
655720
1216
(웃음)
11:08
Très magnifique.
234
656960
1576
아주 멋집니다.(프랑스어)
11:10
Thank you.
235
658560
1216
감사합니다.
11:11
(Applause)
236
659800
2851
(박수)
ABOUT THE SPEAKER
Mallory Freeman - Data activistUPS's advanced analytics manager Mallory Freeman researches how to do the most good with data.
Why you should listen
Dr. Mallory Freeman is the Lead Data Scientist in the UPS Advanced Technology Group, working on research and development projects for UPS’s smart logistics network. She serves on the advisory board of Neighborhood Nexus, supporting data-driven insights for the greater Atlanta region.
Freeman earned her Ph.D. in industrial engineering from the Georgia Institute of Technology in 2014. Her thesis explored how to measure and improve humanitarian operations in practical ways -- with a special focus on the use of algorithms. While she was in graduate school, she helped lead supply chain optimization projects for the UN World Food Programme.
Freeman earned her Master's in operations research from MIT and her Bachelor's in industrial and systems engineering from Virginia Tech. In her spare time, she enjoys cooking, travelling and volunteering her data skills.
Mallory Freeman | Speaker | TED.com