TED@UPS
Mallory Freeman: Your company's data could help end world hunger
Малори Солднер: Данните на вашата компания могат да помогнат за края на световния глад
Filmed:
Readability: 4.2
1,090,373 views
Компанията ви може да даравя пари, за да подпомогне решаването на хуманитарни проблеми, но може би има нещо много по-полезно, което да предложи: вашите данни. Малори Солднер ни показва как компаниите от частния сектор могат да помогнат за напредъка в спряването с големи проблеми - от бежанската криза до световния глад - чрез предоставяне на неизползвани данни и специлистти в областта на вземането на решения. С какво може да допринесе вашата компания?
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
Юни 2010 година.
00:15
I landed for the first time
in Rome, Italy.
in Rome, Italy.
1
3760
2880
За първи път кацнах в Рим, Италия.
00:19
I wasn't there to sightsee.
2
7800
1896
Не бях там заради забележителностите.
00:21
I was there to solve world hunger.
3
9720
3120
Бях там, за да разреша проблема
със световния глад.
със световния глад.
00:25
(Laughter)
4
13160
2096
(Смях)
00:27
That's right.
5
15280
1216
Точно така.
00:28
I was a 25-year-old PhD student
6
16520
2096
Бях 25-годишен докторант,
00:30
armed with a prototype tool
developed back at my university,
developed back at my university,
7
18640
3096
въоръжена с прототип,
разработен в университета,
разработен в университета,
00:33
and I was going to help
the World Food Programme fix hunger.
the World Food Programme fix hunger.
8
21760
3080
и щях да помогна на Световната Хранителна
програма да разреши проблема с глада.
програма да разреши проблема с глада.
00:37
So I strode into the headquarters building
9
25840
2736
И така, влязох в централата
00:40
and my eyes scanned the row of UN flags,
10
28600
2816
и очите ми сканираха реда от
знамена на ООН,
знамена на ООН,
00:43
and I smiled as I thought to myself,
11
31440
1960
усмихнах се и си помислих,
00:46
"The engineer is here."
12
34840
1616
"Инжинерът е тук."
00:48
(Laughter)
13
36480
2216
(Смях)
00:50
Give me your data.
14
38720
1776
Дайте ми данните си.
00:52
I'm going to optimize everything.
15
40520
2176
Ще оптимизирам всичко.
00:54
(Laughter)
16
42720
1736
(Смях)
00:56
Tell me the food that you've purchased,
17
44480
1896
Разкажете ми за храната,
която сте купили,
която сте купили,
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
кажете ми къде отива и кога
трябва да бъде там,
трябва да бъде там,
01:01
and I'm going to tell you
the shortest, fastest, cheapest,
the shortest, fastest, cheapest,
19
49040
2736
а аз ще ви кажа най-краткия,
най-бързия, най-евтиния,
най-бързия, най-евтиния,
01:03
best set of routes to take for the food.
20
51800
1936
най-добрия набор от маршрути,
които да я отведат там.
които да я отведат там.
01:05
We're going to save money,
21
53760
1496
Ще спестим пари,
01:07
we're going to avoid
delays and disruptions,
delays and disruptions,
22
55280
2096
ще избегнем закъснения и прекъсвания
01:09
and bottom line,
we're going to save lives.
we're going to save lives.
23
57400
2736
и, най-важното, ще спасим животи.
01:12
You're welcome.
24
60160
1216
Пак заповядайте.
01:13
(Laughter)
25
61400
1696
(Смях)
01:15
I thought it was going to take 12 months,
26
63120
1976
Смятах, че ще отнеме 12 месеца,
01:17
OK, maybe even 13.
27
65120
1560
добре, може би 13.
01:19
This is not quite how it panned out.
28
67800
2280
Не се случи точно така.
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
След няколко месеца,
шефът ми французин ми каза
шефът ми французин ми каза
01:27
"You know, Mallory,
30
75400
1816
"Знаеш ли Малори,
01:29
it's a good idea,
31
77240
1656
идеята е добра,
01:30
but the data you need
for your algorithms is not there.
for your algorithms is not there.
32
78920
3336
но данните, от които се нуждаеш
за алгоритъма, ги няма.
за алгоритъма, ги няма.
01:34
It's the right idea but at the wrong time,
33
82280
2536
Идеята е правилна,
но времето е неподходящо,
но времето е неподходящо,
01:36
and the right idea at the wrong time
34
84840
2296
а правилната идея в неподходящото време
01:39
is the wrong idea."
35
87160
1376
е лоша идея."
01:40
(Laughter)
36
88560
1320
(Смях)
01:42
Project over.
37
90960
1280
Проектът приключи.
01:45
I was crushed.
38
93120
1200
Бях съсипана.
01:49
When I look back now
39
97000
1456
Когато мисля
01:50
on that first summer in Rome
40
98480
1656
за това първо лято в Рим
01:52
and I see how much has changed
over the past six years,
over the past six years,
41
100160
2656
и виждам колко много неща
са се променили през последните 6 години,
са се променили през последните 6 години,
01:54
it is an absolute transformation.
42
102840
2240
това е абсолютна трансформация.
01:57
It's a coming of age for bringing data
into the humanitarian world.
into the humanitarian world.
43
105640
3400
Това е нова епоха за доставянето на
данни в хуманитарния свят.
данни в хуманитарния свят.
02:02
It's exciting. It's inspiring.
44
110160
2656
Вълнуващо е. Вдъхновяващо е.
02:04
But we're not there yet.
45
112840
1200
Но все още не сме стигнали там.
02:07
And brace yourself, executives,
46
115320
2296
Подгответе се ръководители,
02:09
because I'm going to be putting companies
47
117640
1976
защото аз ще поставям компаниите
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
на горещия стол, за да се включат и да
заемат ролята, която знам, че могат.
заемат ролята, която знам, че могат.
02:17
My experiences back in Rome prove
49
125520
2816
Опитът ми в Рим доказа, че,
02:20
using data you can save lives.
50
128360
2080
използвайки данни, можем
да спасим животи.
да спасим животи.
02:23
OK, not that first attempt,
51
131440
2456
Добре, не при първия опит,
02:25
but eventually we got there.
52
133920
2576
но в крайна сметка стигнахме до там.
02:28
Let me paint the picture for you.
53
136520
1736
Нека да ви обясня.
02:30
Imagine that you have to plan
breakfast, lunch and dinner
breakfast, lunch and dinner
54
138280
2736
Представете си, че трябва да
планирате закуска, обяд и вечеря
планирате закуска, обяд и вечеря
02:33
for 500,000 people,
55
141040
1616
за 500 000 души,
02:34
and you only have
a certain budget to do it,
a certain budget to do it,
56
142680
2136
но разполагате с определен бюджет,
02:36
say 6.5 million dollars per month.
57
144840
2240
да кажем 6,5 милиона долара месечно.
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
Какво трябва да направите? Кой е
най-добрият начин да се справите?
най-добрият начин да се справите?
02:44
Should you buy rice, wheat, chickpea, oil?
59
152280
2760
Трябва ли да купите ориз, пшеница,
нахут, олио?
нахут, олио?
02:47
How much?
60
155760
1216
Колко?
02:49
It sounds simple. It's not.
61
157000
2136
Звучи просто, но не е.
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
Имате 30 възможни храни и трябва да
изберете 5 от тях.
изберете 5 от тях.
02:54
That's already over 140,000
different combinations.
different combinations.
63
162400
3416
Това прави повече от 140 000 различни
комбинации.
комбинации.
02:57
Then for each food that you pick,
64
165840
1696
След това, за всяка храна,
която изберете,
която изберете,
02:59
you need to decide how much you'll buy,
65
167560
1976
трябва да решите колко ще купите,
03:01
where you're going to get it from,
66
169560
1696
от къде ще я вземете,
03:03
where you're going to store it,
67
171280
1480
къде ще я складирате,
03:05
how long it's going to take to get there.
68
173760
1976
колко време ще отнеме всичко.
03:07
You need to look at all of the different
transportation routes as well.
transportation routes as well.
69
175760
3336
Трябва да прегледате също всички различни
машрути за доставката.
машрути за доставката.
03:11
And that's already
over 900 million options.
over 900 million options.
70
179120
2080
Това вече прави повече от
900 милиона възможности.
900 милиона възможности.
03:14
If you considered each option
for a single second,
for a single second,
71
182120
2376
Ако отделите по 1 секунда, за
да обмислите всяка възможност,
да обмислите всяка възможност,
03:16
that would take you
over 28 years to get through.
over 28 years to get through.
72
184520
2336
ще са ви нужни повече от 28 години.
03:18
900 million options.
73
186880
1520
900 милиона варианта.
03:21
So we created a tool
that allowed decisionmakers
that allowed decisionmakers
74
189160
2456
Затова създадохме средство, което
позволява на хората, вземащи решения,
позволява на хората, вземащи решения,
03:23
to weed through all 900 million options
75
191640
2616
да прегледат всичките
900 милиона възможности
900 милиона възможности
03:26
in just a matter of days.
76
194280
1360
само за няколко дни.
03:28
It turned out to be incredibly successful.
77
196560
2240
Оказа се учудващо успешно.
03:31
In an operation in Iraq,
78
199400
1256
В операция в Ирак,
03:32
we saved 17 percent of the costs,
79
200680
2536
ние спестихме 17% от разходите,
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
а това означаваше, че имахме възможност
да нахраним 80 000 души допълнително.
да нахраним 80 000 души допълнително.
03:39
It's all thanks to the use of data
and modeling complex systems.
and modeling complex systems.
81
207400
4400
Това изцяло се дължи на използването на
сложни системи за данни и моделиране.
сложни системи за данни и моделиране.
03:44
But we didn't do it alone.
82
212800
1280
Не го направихме сами.
03:46
The unit that I worked with in Rome,
they were unique.
they were unique.
83
214840
2736
Организацията, с която работих в Рим,
беше уникална.
беше уникална.
03:49
They believed in collaboration.
84
217600
1736
Те вярваха в сътрудничеството.
03:51
They brought in the academic world.
85
219360
1696
Ангажираха академичния свят.
03:53
They brought in companies.
86
221080
1280
Ангажираха компании.
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
И ако наистина искаме да се справим
с проблеми като световния глад,
с проблеми като световния глад,
03:58
we need everybody to the table.
88
226840
2560
ние се нуждаем от всички.
04:02
We need the data people
from humanitarian organizations
from humanitarian organizations
89
230040
2936
Нуждаем се от специалисти по
данните от хуманитарните организации,
данните от хуманитарните организации,
04:05
leading the way,
90
233000
1256
които да задават пътя
04:06
and orchestrating
just the right types of engagements
just the right types of engagements
91
234280
2576
и да организират правилния тип отношения
04:08
with academics, with governments.
92
236880
1696
с академичната общност
и правителствата.
и правителствата.
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
Но има една група, която не е ангажирана,
по начина, по който трябва да бъде.
по начина, по който трябва да бъде.
04:14
Did you guess it? Companies.
94
242320
2096
Познахте ли коя? Компаниите.
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
Компаниите имат главна роля в разрешаването
на големите проблеми в нашия сват.
на големите проблеми в нашия сват.
04:20
I've been in the private sector
for two years now.
for two years now.
96
248880
2416
В частния сектор съм от 2 години.
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
Видях какво могат и какво не правят
компаниите
компаниите
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
и смятам, че има 3 основни начина,
с които да запълним тази празнина:
с които да запълним тази празнина:
04:30
by donating data,
by donating decision scientists
by donating decision scientists
99
258320
3096
като предоставяме данни, като
предоставяме специалисти в решенията,
предоставяме специалисти в решенията,
04:33
and by donating technology
to gather new sources of data.
to gather new sources of data.
100
261440
3480
и като предоставяме технологии, които да
събират нови източници на данни.
събират нови източници на данни.
04:37
This is data philanthropy,
101
265920
1576
Това е филантропия на данните
04:39
and it's the future of corporate
social responsibility.
social responsibility.
102
267520
2840
и е бъдещето на корпоративната
социална отговорност.
социална отговорност.
04:43
Bonus, it also makes good business sense.
103
271160
2600
Като бонус има смисъл и за добрия бизнес.
04:46
Companies today,
they collect mountains of data,
they collect mountains of data,
104
274920
3216
Днес компаниите събират
огромно количество данни,
огромно количество данни,
04:50
so the first thing they can do
is start donating that data.
is start donating that data.
105
278160
2762
и първото нещо, което могат да
направят, е да ги предоставят.
направят, е да ги предоставят.
04:52
Some companies are already doing it.
106
280946
2190
Някои компании вече го правят.
04:55
Take, for example,
a major telecom company.
a major telecom company.
107
283160
2416
Например, водеща
телекомуникационна компания.
телекомуникационна компания.
04:57
They opened up their data
in Senegal and the Ivory Coast
in Senegal and the Ivory Coast
108
285600
2776
Те предоставиха своите данни
в Сенегал и Кот д'Ивоар
в Сенегал и Кот д'Ивоар
05:00
and researchers discovered
109
288400
1976
и изследователи откриха,
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
че ако се вгледаме в тенденциите на
сигналите от клетъчните кули,
сигналите от клетъчните кули,
05:05
you can see where people are traveling.
111
293758
1938
можем да разберем къде хората пътуват.
05:07
And that can tell you things like
112
295720
2176
Това може да ни подскаже
05:09
where malaria might spread,
and you can make predictions with it.
and you can make predictions with it.
113
297920
3096
къде може да се разпространи малария
и да я предвиждаме.
и да я предвиждаме.
05:13
Or take for example
an innovative satellite company.
an innovative satellite company.
114
301040
2896
Или вземете за пример иновативна
сателитна компания.
сателитна компания.
05:15
They opened up their data and donated it,
115
303960
2016
Те предоставиха своите данните,
05:18
and with that data you could track
116
306000
1656
чрез които можете да следите
05:19
how droughts are impacting
food production.
food production.
117
307680
2040
как сушата въздейства
на производството на храна.
на производството на храна.
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
Така можете да задействате финансова
подкрепа преди кризата да се е случила.
подкрепа преди кризата да се е случила.
05:27
This is a great start.
119
315560
1280
Това е страхотно начало.
05:29
There's important insights
just locked away in company data.
just locked away in company data.
120
317840
2880
Съществуват важни детайли, които са
заключени в корпоративните данни.
заключени в корпоративните данни.
05:34
And yes, you need to be very careful.
121
322480
1816
Да, трябва да бъдете много внимателни.
05:36
You need to respect privacy concerns,
for example by anonymizing the data.
for example by anonymizing the data.
122
324320
3576
Трябва да спазвате съображенията
за сигурност, като премахвате личните данни.
за сигурност, като премахвате личните данни.
05:39
But even if the floodgates opened up,
123
327920
2776
Но дори да се отвори потоп от данни,
05:42
and even if all companies
donated their data
donated their data
124
330720
2536
и дори всички компании да предоставят
своите данни
своите данни
05:45
to academics, to NGOs,
to humanitarian organizations,
to humanitarian organizations,
125
333280
3256
на академичната общност, НПО,
на хуманитарните организации,
на хуманитарните организации,
05:48
it wouldn't be enough
to harness that full impact of data
to harness that full impact of data
126
336560
2976
това няма да бъде достатъчно да се
впрегне пълният потенциал на данните
впрегне пълният потенциал на данните
05:51
for humanitarian goals.
127
339560
1520
за постигане на хуманитарни цели.
05:54
Why?
128
342320
1456
Защо?
05:55
To unlock insights in data,
you need decision scientists.
you need decision scientists.
129
343800
3240
За да отключите същността на данните
са ви нужни специалисти по решенията.
са ви нужни специалисти по решенията.
05:59
Decision scientists are people like me.
130
347760
2576
Те са хора като мен.
06:02
They take the data, they clean it up,
131
350360
1816
Те вземат данните, изчистват ги,
06:04
transform it and put it
into a useful algorithm
into a useful algorithm
132
352200
2256
трансформират ги и ги използват в
полезен алгоритъм,
полезен алгоритъм,
06:06
that's the best choice
to address the business need at hand.
to address the business need at hand.
133
354480
2840
който е най-доброто налично решение за
нуждите на бизнеса.
нуждите на бизнеса.
06:09
In the world of humanitarian aid,
there are very few decision scientists.
there are very few decision scientists.
134
357800
3696
В света на хуманитарната помощ има
много малко специалисти по вземане на решения.
много малко специалисти по вземане на решения.
06:13
Most of them work for companies.
135
361520
1640
Повечето от тях работят за компаниите.
06:16
So that's the second thing
that companies need to do.
that companies need to do.
136
364480
2496
Това е второто нещо, което компаниите
трябва да направят.
трябва да направят.
06:19
In addition to donating their data,
137
367000
1696
В допълнениe към предоставянето на данни,
06:20
they need to donate
their decision scientists.
their decision scientists.
138
368720
2160
те трябва да предоставят
и своите специалисти.
и своите специалисти.
06:23
Now, companies will say, "Ah! Don't take
our decision scientists from us.
our decision scientists from us.
139
371520
5736
Компаниите ще кажат:
"Не ни вземайте специалистите.
"Не ни вземайте специалистите.
06:29
We need every spare second of their time."
140
377280
2040
Нуждаем се от всяка секунда
тяхно време."
тяхно време."
06:32
But there's a way.
141
380360
1200
Но има начин.
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
Ако компания предостави част от времето на
специалистите по решения,
специалистите по решения,
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
ще има повече смисъл,
ако то се разпредели
ако то се разпредели
06:41
over a long period,
say for example five years.
say for example five years.
144
389800
2200
за дълъг период, например 5 години.
06:44
This might only amount
to a couple of hours per month,
to a couple of hours per month,
145
392600
3056
Това може да е равнозначно само на
няколко часа месечно,
няколко часа месечно,
06:47
which a company would hardly miss,
146
395680
2056
които компанията няма да усети,
06:49
but what it enables is really important:
long-term partnerships.
long-term partnerships.
147
397760
3480
но това ще позволи нещо много важно:
дългосрочно партньорство.
дългосрочно партньорство.
06:54
Long-term partnerships
allow you to build relationships,
allow you to build relationships,
148
402920
2816
Дългосрочните партньорства позволяват
изграждането на взаимоотношения,
изграждането на взаимоотношения,
06:57
to get to know the data,
to really understand it
to really understand it
149
405760
2656
запознаване с данните, тяхното
истинско разбиране
истинско разбиране
07:00
and to start to understand
the needs and challenges
the needs and challenges
150
408440
2416
и разбирането на нуждите и
предизвикателствата,
предизвикателствата,
07:02
that the humanitarian
organization is facing.
organization is facing.
151
410880
2160
с които се сблъскват хуманитарните
организации.
организации.
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
В Рим, в Световната Хранителна програма,
това ни отне 5 години,
това ни отне 5 години,
07:09
five years.
153
417560
1456
5 години.
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
Първите 3 години, с тях
не можахме да се справим.
не можахме да се справим.
07:14
Then there was two years after that
of refining and implementing the tool,
of refining and implementing the tool,
155
422400
3496
Следващите 2 години бяха за настройване и
въвеждане на модела,
въвеждане на модела,
07:17
like in the operations in Iraq
and other countries.
and other countries.
156
425920
2800
като операцията в Ирак и в други държави.
07:21
I don't think that's
an unrealistic timeline
an unrealistic timeline
157
429520
2096
Не смятам, че това е нереалистичен срок,
07:23
when it comes to using data
to make operational changes.
to make operational changes.
158
431640
2736
когато става въпрос за използване на
данни за реални промени.
данни за реални промени.
07:26
It's an investment. It requires patience.
159
434400
2400
Това е инвестиция. Тя изисква търпение.
07:29
But the types of results
that can be produced are undeniable.
that can be produced are undeniable.
160
437760
3496
Но резултатите, които могат
да се получат, са неоспорими.
да се получат, са неоспорими.
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
В нашия случай беше възможността да се
изхранят десетки хиляди хора повече.
изхранят десетки хиляди хора повече.
07:39
So we have donating data,
we have donating decision scientists,
we have donating decision scientists,
162
447440
4336
Така, имаме предоставяне на данни,
предоставяне на специалисти,
предоставяне на специалисти,
07:43
and there's actually a third way
that companies can help:
that companies can help:
163
451800
2696
а третият начин, по който компаниите
могат да съдействат, е да
могат да съдействат, е да
07:46
donating technology
to capture new sources of data.
to capture new sources of data.
164
454520
2976
предоставят технология, която да
улавя нови източници на данни.
улавя нови източници на данни.
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
Има много неща, за които
нямаме данни.
нямаме данни.
07:52
Right now, Syrian refugees
are flooding into Greece,
are flooding into Greece,
166
460960
2720
В момента сирийски бежанци
заливат Гърция
заливат Гърция
07:57
and the UN refugee agency,
they have their hands full.
they have their hands full.
167
465120
2560
и Агенцията за бежанците към ООН
е претоварена.
е претоварена.
08:01
The current system for tracking people
is paper and pencil,
is paper and pencil,
168
469000
3056
Сегашната система за проследяване на
хора е чрез хартия и молив,
хора е чрез хартия и молив,
08:04
and what that means is
169
472080
1256
което означава, че
08:05
that when a mother and her five children
walk into the camp,
walk into the camp,
170
473360
2856
когато майка и нейните 5 деца
влизат в лагер,
влизат в лагер,
08:08
headquarters is essentially
blind to this moment.
blind to this moment.
171
476240
2656
централата е в пълно неведение за това.
08:10
That's all going to change
in the next few weeks,
in the next few weeks,
172
478920
2336
Всичко ще се промени през следващите
няколко седмици,
няколко седмици,
08:13
thanks to private sector collaboration.
173
481280
1880
благодарение на сътруничеството с частния сектор.
08:15
There's going to be a new system based
on donated package tracking technology
on donated package tracking technology
174
483840
3656
Ще има нова система, базирана на
предоставена технология
предоставена технология
08:19
from the logistics company
that I work for.
that I work for.
175
487520
2040
от логистичната компания, за която работя.
08:22
With this new system,
there will be a data trail,
there will be a data trail,
176
490120
2336
С тази нова система, ще има запис на данни,
08:24
so you know exactly the moment
177
492480
1456
за да се знае точният момент,
08:25
when that mother and her children
walk into the camp.
walk into the camp.
178
493960
2496
когато майката и нейните деца
са влезли в лагера.
са влезли в лагера.
08:28
And even more, you know
if she's going to have supplies
if she's going to have supplies
179
496480
2616
Нещо повече, ще се знае дали
ще могат да останат
ще могат да останат
08:31
this month and the next.
180
499120
1256
този и следващия месец.
08:32
Information visibility drives efficiency.
181
500400
3016
Наличието на информация задвижва
ефективността.
ефективността.
08:35
For companies, using technology
to gather important data,
to gather important data,
182
503440
3256
За компаниите, използването на технология
за акумулиране на важни данни
за акумулиране на важни данни
08:38
it's like bread and butter.
183
506720
1456
е като хлябът и маслото.
08:40
They've been doing it for years,
184
508200
1576
Те го правят от години,
08:41
and it's led to major
operational efficiency improvements.
operational efficiency improvements.
185
509800
3256
което води до значителни
подобрения в ефективността.
подобрения в ефективността.
08:45
Just try to imagine
your favorite beverage company
your favorite beverage company
186
513080
2360
Само си представете любимата
ви компания за напитки,
ви компания за напитки,
08:48
trying to plan their inventory
187
516280
1576
опитвайки се да планира запасите си
08:49
and not knowing how many bottles
were on the shelves.
were on the shelves.
188
517880
2496
без да знае колко бутилки
има на рафтовете.
има на рафтовете.
08:52
It's absurd.
189
520400
1216
Абсурд!
08:53
Data drives better decisions.
190
521640
1560
Данните осигуряват по-добри решения.
08:57
Now, if you're representing a company,
191
525800
2536
Сега, ако вие представлявате компания
09:00
and you're pragmatic
and not just idealistic,
and not just idealistic,
192
528360
3136
и сте прагматик,
а не само идеалист,
а не само идеалист,
09:03
you might be saying to yourself,
"OK, this is all great, Mallory,
"OK, this is all great, Mallory,
193
531520
3056
може би ще си кажете:
"Добре, това е супер, Малори,
"Добре, това е супер, Малори,
09:06
but why should I want to be involved?"
194
534600
1840
но защо да се включа?"
09:09
Well for one thing, beyond the good PR,
195
537000
2816
Е, със сигурност, освен добрия ПР,
09:11
humanitarian aid
is a 24-billion-dollar sector,
is a 24-billion-dollar sector,
196
539840
2776
хуманитарната помощ е сектор за
24 милиара долара,
24 милиара долара,
09:14
and there's over five billion people,
maybe your next customers,
maybe your next customers,
197
542640
3056
с над 5 милиарда души,
потенциални ваши клиенти,
потенциални ваши клиенти,
09:17
that live in the developing world.
198
545720
1816
които живеят в развиващия се свят.
09:19
Further, companies that are engaging
in data philanthropy,
in data philanthropy,
199
547560
3096
Освен това, компаниите, които се ангажират
с филантропия на данни,
с филантропия на данни,
09:22
they're finding new insights
locked away in their data.
locked away in their data.
200
550680
2976
откриват нови приложения на техните данни.
09:25
Take, for example, a credit card company
201
553680
2256
Вземете за пример компания
за кредитни карти,
за кредитни карти,
09:27
that's opened up a center
202
555960
1336
която е открила център,
09:29
that functions as a hub for academics,
for NGOs and governments,
for NGOs and governments,
203
557320
3376
функциониращ като хъб за университети,
НПО и правителства,
НПО и правителства,
09:32
all working together.
204
560720
1240
всички работещи заедно.
09:35
They're looking at information
in credit card swipes
in credit card swipes
205
563040
2736
Изследвайки информация за
използването на кредитни карти,
използването на кредитни карти,
09:37
and using that to find insights
about how households in India
about how households in India
206
565800
2976
те разбират как домакинствата в Индия
09:40
live, work, earn and spend.
207
568800
1720
живеят, работят и харчат.
09:43
For the humanitarian world,
this provides information
this provides information
208
571680
2576
За хуманитарния свят, това
осигурява информация
осигурява информация
09:46
about how you might
bring people out of poverty.
bring people out of poverty.
209
574280
2656
как могат да се
спасят хората от бедност.
спасят хората от бедност.
09:48
But for companies, it's providing
insights about your customers
insights about your customers
210
576960
3016
Но за компаниите, това дава
ценна информация за клиентите
ценна информация за клиентите
09:52
and potential customers in India.
211
580000
2040
и потенциалните клиенти в Индия.
09:54
It's a win all around.
212
582760
1800
Това е победа за всички.
09:57
Now, for me, what I find
exciting about data philanthropy --
exciting about data philanthropy --
213
585960
3776
Сега, това което намирам за вълнуващо във
филантропията на данни -
филантропията на данни -
10:01
donating data, donating decision
scientists and donating technology --
scientists and donating technology --
214
589760
4336
предоставянето на данни, предоставянето на
специалисти и даряването на технология
специалисти и даряването на технология
10:06
it's what it means
for young professionals like me
for young professionals like me
215
594120
2376
е, че то има смисъл за
млади специалисти като мен,
млади специалисти като мен,
10:08
who are choosing to work at companies.
216
596520
1840
които са избрали да
работят за компаниите.
работят за компаниите.
10:10
Studies show that
the next generation of the workforce
the next generation of the workforce
217
598800
2656
Изследвания показват, че следващото
поколение работници
поколение работници
10:13
care about having their work
make a bigger impact.
make a bigger impact.
218
601480
2560
искат работата им да има
по-голямо въздействие.
по-голямо въздействие.
10:16
We want to make a difference,
219
604920
2456
Ние искаме да направим промяна
10:19
and so through data philanthropy,
220
607400
2416
и чрез филантропията на данни
10:21
companies can actually help engage
and retain their decision scientists.
and retain their decision scientists.
221
609840
3936
компаниите могат наистина да ангажират и
задържат своите специалисти.
задържат своите специалисти.
10:25
And that's a big deal for a profession
that's in high demand.
that's in high demand.
222
613800
2880
А това е страхотно за професия
с голямо търсене.
с голямо търсене.
10:29
Data philanthropy
makes good business sense,
makes good business sense,
223
617840
3120
Филантропията на данни
има смисъл за бизнеса
има смисъл за бизнеса
10:34
and it also can help
revolutionize the humanitarian world.
revolutionize the humanitarian world.
224
622200
3280
и тя може да помогне за коренна промяна
на хуманитарния свят.
на хуманитарния свят.
10:39
If we coordinated
the planning and logistics
the planning and logistics
225
627600
2096
Ако координираме планирането и
логистиката,
логистиката,
10:41
across all of the major facets
of a humanitarian operation,
of a humanitarian operation,
226
629720
3376
всички основни аспекти на една
хуманитарна операция,
хуманитарна операция,
10:45
we could feed, clothe and shelter
hundreds of thousands more people,
hundreds of thousands more people,
227
633120
3600
ние можем да нахраним, облечем и
подслоним десетки хиляди души повече,
подслоним десетки хиляди души повече,
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
а компаниите трябва да се включат и да
заемат ролята, която знам, че могат,
заемат ролята, която знам, че могат,
10:53
in bringing about this revolution.
229
641720
1880
в осъществяването на тази революция.
10:56
You've probably heard of the saying
"food for thought."
"food for thought."
230
644720
2936
Може би сте чували да казват
"храна за размисъл"
"храна за размисъл"
10:59
Well, this is literally thought for food.
231
647680
2240
Е, това буквално е размисъл за храната.
11:03
It finally is the right idea
at the right time.
at the right time.
232
651560
4136
В крайна сметка това е правилната идея
в подходящото време.
в подходящото време.
11:07
(Laughter)
233
655720
1216
(Смях)
11:08
Très magnifique.
234
656960
1576
Страхотно.
11:10
Thank you.
235
658560
1216
Благодаря ви!
11:11
(Applause)
236
659800
2851
(Аплодисменти)
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