ABOUT THE SPEAKER
Joel Selanikio - Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges.

Why you should listen

A practicing pediatrician, former Wall Street computer consultant, and former epidemiologist at the Centers for Disease Control, Dr. Joel Selanikio is the CEO of DataDyne, a social business working in fields such as international development and global health.

Selanikio started to experiment with electronic data capture back when the Palm Pilot was cutting edge technology. In the years since then, he has helped to experiment with the growing potential and availability of technology--and the growing ubiquity of the cloud. Combining the two has led to systems such as Magpi mobile data collection software. Previously known as "EpiSurveyor," the service now has over 20,000 users in more than 170 countries.

Selanikio holds a bachelor's degree from Haverford College, a medical degree from Brown University, and he is a graduate of the Epidemic Intelligence Service fellowship of the CDC. He continues to practice clinical pediatrics as an Assistant Professor at Georgetown University and on the Emergency Response Team of the International Rescue Committee.

More profile about the speaker
Joel Selanikio | Speaker | TED.com
TEDxAustin

Joel Selanikio: The big-data revolution in health care

Joel Selanikio: Der überraschende Anfang einer Revolution des globalen Gesundheitswesens

Filmed:
745,046 views

Das Sammeln von Daten für das globale Gesundheitswesen sah schlecht aus: Arbeiter wanderten durch Dörfer, klopften an Türen und stellten Fragen, schrieben die Antworten auf Papier und gaben sie in den Computer ein – und basierend auf diesen lückenhaften Informationen haben Länder wichtige Entscheidungen gefällt. Datenfreak Joel Selanikio erzählt vom Umbruch dieses Prozesses im letzten Jahrzehnt – vom Palm Pilot und Hotmail, bis zur cloudbasierten Technologie. (Aufgenommen bei TEDxAustin)
- Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges. Full bio

Double-click the English transcript below to play the video.

00:12
There's an oldalt jokeWitz about a copPolizist who'swer ist walkingGehen his beatschlagen
0
717
2439
Es gibt da einen alten Witz über
einen Polizisten auf Rundgang,
00:15
in the middleMitte of the night,
1
3156
1295
mitten in der Nacht,
00:16
and he comeskommt acrossüber a guy underunter a streetStraße lampLampe
2
4451
2365
und er trifft einen Typ unter einer Straßenlampe,
00:18
who'swer ist looking at the groundBoden and movingbewegend from sideSeite to sideSeite,
3
6816
2531
der auf dem Boden guckt, während er
von einer Seite zur anderen läuft,
00:21
and the copPolizist asksfragt him what he's doing.
4
9347
1859
und der Polizist fragt ihn, was er da tut.
00:23
The guys sayssagt he's looking for his keysSchlüssel.
5
11206
1959
Der Typ sagt, er suche seine Schlüssel.
00:25
So the copPolizist takes his time and lookssieht aus over
6
13165
2580
Also nimmt sich der Polizist etwas Zeit und sucht mit,
00:27
and kindArt of makesmacht a little matrixMatrix and lookssieht aus
7
15745
1637
läuft ein kleines Raster ab und sucht
00:29
for about two, threedrei minutesProtokoll. No keysSchlüssel.
8
17382
3051
für etwa 2 bis 3 Minuten. Keine Schlüssel.
00:32
The copPolizist sayssagt, "Are you sure? Hey buddyKumpel,
9
20433
2966
Der Polizist fragt: "Bist du sicher? Hey Kumpel,
00:35
are you sure you losthat verloren your keysSchlüssel here?"
10
23399
1880
bist du sicher, dass du die hier verloren hast?"
00:37
And the guy sayssagt, "No, no, actuallytatsächlich I losthat verloren them
11
25279
1379
Und der Typ sagt: "Nein, nein, ich hab sie eigentlich
00:38
down at the other endEnde of the streetStraße,
12
26658
1525
am anderen Ende der Straße verloren,
00:40
but the lightLicht is better here."
13
28183
5984
aber hier sehe ich mehr."
00:46
There's a conceptKonzept that people talk about nowadaysheutzutage
14
34167
1793
Es gibt ein Konzept, über das heute gesprochen wird
00:47
callednamens biggroß dataDaten, and what they're talkingim Gespräch about
15
35960
2234
namens "Big Data", und gemeint ist
00:50
is all of the informationInformation that we're generatingErzeugen
16
38194
2166
all die Informationen, die wir generieren,
00:52
throughdurch our interactionInteraktion with and over the InternetInternet,
17
40360
2665
durch Interaktionen mit und durch das Internet,
00:55
everything from FacebookFacebook and TwitterTwitter
18
43025
1942
alles von Facebook und Twitter
00:56
to musicMusik- downloadsDownloads, moviesFilme, streamingStreaming, all this kindArt of stuffSachen,
19
44967
4077
bis zum Herunterladen von Musik,
Filmen, Streaming, all diese Sachen,
01:01
the liveLeben streamingStreaming of TEDTED.
20
49044
1875
das Livestreaming von TED.
01:02
And the folksLeute who work with biggroß dataDaten, for them,
21
50919
2761
Und für die Leute, die mit "Big Data" arbeiten,
01:05
they talk about that theirihr biggestgrößte problemProblem is
22
53680
1771
ist das größte Problem,
01:07
we have so much informationInformation,
23
55451
1912
dass es so viele Informationen gibt –
01:09
the biggestgrößte problemProblem is, how do we organizeorganisieren all that informationInformation?
24
57363
3492
das größte Problem ist, wie man
die ganzen Informationen organisiert.
01:12
I can tell you that workingArbeiten in globalglobal healthGesundheit,
25
60855
2392
Ich kann Ihnen sagen,
im weltweiten Gesundheitswesen
01:15
that is not our biggestgrößte problemProblem.
26
63247
2872
ist das nicht unser größtes Problem.
01:18
Because for us, even thoughobwohl the lightLicht
27
66119
1570
Weil für uns, auch wenn wir
01:19
is better on the InternetInternet,
28
67689
3157
im Internet besser sehen, die Daten,
01:22
the dataDaten that would help us solvelösen the problemsProbleme
29
70846
2320
die uns bei unseren Problemen helfen würden,
01:25
we're tryingversuchen to solvelösen is not actuallytatsächlich presentGeschenk on the InternetInternet.
30
73166
3386
an denen wir arbeiten,
sind gar nicht im Internet vorhanden.
01:28
So we don't know, for exampleBeispiel, how manyviele people
31
76552
1847
Wir wissen zum Beispiel nicht, wie viele Menschen
01:30
right now are beingSein affectedbetroffen by disastersKatastrophen
32
78399
2594
gerade von Naturkatastrophen betroffen sind,
01:32
or by conflictKonflikt situationsSituationen.
33
80993
2336
oder von einer Konfliktlage.
01:35
We don't know for really basicallyGrundsätzlich gilt any of the clinicsKliniken
34
83329
3743
Wir wissen von quasi keinen der Kliniken
01:39
in the developingEntwicklung worldWelt, whichwelche onesEinsen have medicinesMedikamente
35
87072
2193
der Entwicklungsländer, welche Medikamente haben,
01:41
and whichwelche onesEinsen don't.
36
89265
1460
und welche nicht.
01:42
We have no ideaIdee of what the supplyliefern chainKette is for those clinicsKliniken.
37
90725
3172
Wir haben keine Ahnung von den Versorgungsketten.
01:45
We don't know -- and this is really amazingtolle to me --
38
93897
2860
Wir wissen nicht – und das finde ich unglaublich –
01:48
we don't know how manyviele childrenKinder were borngeboren,
39
96757
2901
wir wissen nicht, wie viele Kinder geboren werden,
01:51
or how manyviele childrenKinder there are in BoliviaBolivien
40
99658
2946
oder wie viele Kinder es in Bolivien gibt,
01:54
or BotswanaBotswana or BhutanBhutan.
41
102604
3154
oder in Botswana oder in Bhutan.
01:57
We don't know how manyviele kidsKinder diedist verstorben last weekWoche
42
105758
1922
Wir wissen nicht, wie viele Kinder
letzte Woche gestorben sind,
01:59
in any of those countriesLänder.
43
107680
1401
in irgendeinem dieser Länder.
02:01
We don't know the needsBedürfnisse of the elderlyAlten, the mentallygeistig illkrank.
44
109081
3372
Wir kennen die Bedürfnisse der Älteren
und der psychisch Kranken nicht.
02:04
For all of these differentanders criticallykritisch importantwichtig problemsProbleme
45
112453
3239
Über all diese verschiedenen
äußerst wichtigen Probleme,
02:07
or criticallykritisch importantwichtig areasBereiche that we want to solvelösen problemsProbleme in,
46
115692
3001
und die äusserst wichtigen Bereiche,
in denen wir Probleme lösen wollen,
02:10
we basicallyGrundsätzlich gilt know nothing at all.
47
118693
5112
wissen wir quasi überhaupt nichts.
02:15
And partTeil of the reasonGrund why we don't know anything at all
48
123805
2623
Ein Teil der Gründe,
warum wir rein gar nichts wissen,
02:18
is that the informationInformation technologyTechnologie systemsSysteme
49
126428
2252
ist, dass die Informationsverarbeitungssysteme,
02:20
that we use in globalglobal healthGesundheit to find the dataDaten
50
128680
3525
die wir zum Finden von Daten
im globalen Gesundheitswesen benutzen,
02:24
to solvelösen these problemsProbleme is what you see here.
51
132205
2945
um diese Probleme zu lösen, so aussehen:
02:27
And this is about a 5,000-year-old-Jahr alt technologyTechnologie.
52
135150
2258
Es geht um eine 5.000 Jahre alte Technologie.
02:29
Some of you maykann have used it before.
53
137408
1052
Manche von Ihnen haben sie vielleicht schon benutzt.
02:30
It's kindArt of on its way out now, but we still use it
54
138460
2320
Es ist eigentlich schon 'out',
aber wir benutzen es immer noch
02:32
for 99 percentProzent of our stuffSachen.
55
140780
2091
für 99% unserer Anliegen.
02:34
This is a paperPapier- formbilden, and what you're looking at
56
142871
4009
Dies ist ein Papierformular. Und was Sie hier sehen
02:38
is a paperPapier- formbilden in the handHand of a MinistryMinisterium für of HealthGesundheit nurseKrankenschwester
57
146880
3366
ist ein Formular in den Händen einer Krankenschwester des Gesundheitsministeriums
02:42
in IndonesiaIndonesien who is trampingtrampeln out acrossüber the countrysideLandschaft
58
150246
3288
in Indonesien, die in der
ländlichen Gegend herumfährt,
02:45
in IndonesiaIndonesien on, I'm sure, a very hotheiß and humidFeuchte day,
59
153534
3581
an einem sicherlich sehr heißen
und feuchten Tag in indonesien,
02:49
and she is going to be knockingklopfen on thousandsTausende of doorsTüren
60
157115
2725
und sie wird an tausende Türen klopfen,
02:51
over a periodPeriode of weeksWochen or monthsMonate,
61
159840
1946
in einem Zeitraum von Wochen oder Monaten,
02:53
knockingklopfen on the doorsTüren and sayingSprichwort, "ExcuseEntschuldigung me,
62
161786
2448
sie wird anklopfen und fragen: "Entschuldigen Sie,
02:56
we'dheiraten like to askFragen you some questionsFragen.
63
164234
2172
wir würden Ihnen gerne ein paar Fragen stellen.
02:58
Do you have any childrenKinder? Were your childrenKinder vaccinatedgeimpft?"
64
166406
3671
Haben Sie Kinder? Sind Ihre Kinder geimpft?"
03:02
Because the only way we can actuallytatsächlich find out
65
170077
1848
Denn der einzige Weg, wie wir herausfinden können,
03:03
how manyviele childrenKinder were vaccinatedgeimpft in the countryLand of IndonesiaIndonesien,
66
171925
2883
welcher Prozentsatz von Kinder
in Indonesien geimpft ist,
03:06
what percentageProzentsatz were vaccinatedgeimpft, is actuallytatsächlich not
67
174808
2653
findet man in Wirklichkeit nicht
über das Internet heraus,
03:09
on the InternetInternet but by going out and knockingklopfen on doorsTüren,
68
177461
2900
sondern indem wir Hinausgehen
und an Türen klopfen,
03:12
sometimesmanchmal tenszehn of thousandsTausende of doorsTüren.
69
180361
2871
manchmal an zehntausende von Türen.
03:15
SometimesManchmal it takes monthsMonate to even yearsJahre
70
183232
2376
Manchmal dauert es Monate bis sogar Jahre,
03:17
to do something like this.
71
185608
1726
um so etwas zu bewerkstelligen.
03:19
You know, a censusVolkszählung of IndonesiaIndonesien
72
187334
2141
Wissen Sie, ein Zensus in Indonesien
03:21
would probablywahrscheinlich take two yearsJahre to accomplisherreichen.
73
189475
1832
würde wahrscheinlich 2 Jahre dauern.
03:23
And the problemProblem, of courseKurs, with all of this is that
74
191307
2645
Und das Problem mit all dem ist natürlich,
03:25
with all those paperPapier- formsFormen — and I'm tellingErzählen you
75
193952
1785
mit all diesen vielen Formularen
– und ich sage Ihnen,
03:27
we have paperPapier- formsFormen for everyjeden possiblemöglich thing.
76
195737
2212
wir haben für alles Mögliche Formulare.
03:29
We have paperPapier- formsFormen for vaccinationImpfung surveysUmfragen.
77
197949
2703
Wir haben Formulare für Impfumfragen.
03:32
We have paperPapier- formsFormen to trackSpur people who come into clinicsKliniken.
78
200652
3374
Wir haben Formulare, um die Leute,
die in Klinken kommen, zu verfolgen.
03:36
We have paperPapier- formsFormen to trackSpur drugDroge suppliesLieferungen,
79
204026
2795
Formulare, um den Arzneinachschub zu verfolgen,
03:38
bloodBlut suppliesLieferungen, all these differentanders paperPapier- formsFormen
80
206821
2804
die Blutversorgung, all diese Formulare
03:41
for manyviele differentanders topicsThemen,
81
209625
1725
für viele verschiedene Themen,
03:43
they all have a singleSingle commonverbreitet endpointEndpunkt,
82
211350
2232
sie alle haben einen gemeinsamen Endpunkt,
03:45
and the commonverbreitet endpointEndpunkt lookssieht aus something like this.
83
213582
2665
und der gemeinsame Endpunkt sieht etwa so aus.
03:48
And what we're looking at here is a truckfultruckful o'o ' dataDaten.
84
216247
4284
Was wir sehen ist eine Lastwagen voll Daten.
03:52
This is the dataDaten from a singleSingle vaccinationImpfung coverageAbdeckung surveyUmfrage
85
220531
4619
Das sind die Daten von einer einzigen
Umfrage zur Durchimpfungsrate
03:57
in a singleSingle districtKreis in the countryLand of ZambiaSambia
86
225150
2215
in einem einzigen Bezirk in Sambia,
03:59
from a fewwenige yearsJahre agovor that I participatedteilgenommen in.
87
227365
2128
von vor ein paar Jahren,
an der ich mitgearbeitet habe.
04:01
The only thing anyonejemand was tryingversuchen to find out
88
229493
2557
Das Einzige, was wir da heraus finden wollten,
04:04
is what percentageProzentsatz of ZambianSambia childrenKinder are vaccinatedgeimpft,
89
232050
3103
war, welcher Prozentsatz an
sambischen Kindern geimpft ist,
04:07
and this is the dataDaten, collectedgesammelt on paperPapier- over weeksWochen
90
235153
3179
und das sind die Daten, über
Wochen auf Papier gesammelt,
04:10
from a singleSingle districtKreis, whichwelche is something like a countyBezirk
91
238332
2874
von einem einzigen Bezirk,
etwa einem Bezirk
04:13
in the UnitedVereinigte StatesStaaten.
92
241206
1340
in den USA.
04:14
You can imaginevorstellen that, for the entireganz countryLand of ZambiaSambia,
93
242546
2108
Sie können sich vorstellen,
dass für das ganze Land Sambia,
04:16
answeringantwortend just that singleSingle questionFrage
94
244654
3574
nur das Beantworten dieser einen Frage,
04:20
lookssieht aus something like this.
95
248228
1948
ungefähr so aussieht.
04:22
TruckLKW after truckLKW after truckLKW
96
250176
2655
LKW für LKW
04:24
filledgefüllt with stackStapel after stackStapel after stackStapel of dataDaten.
97
252831
3461
gefüllt mit Stapeln über Stapeln an Datenmenge.
04:28
And what makesmacht it even worseschlechter is that
98
256292
1328
Und was das Ganze noch schlimmer macht, ist,
04:29
that's just the beginningAnfang,
99
257620
1938
dass das erst der Anfang ist,
04:31
because onceEinmal you've collectedgesammelt all that dataDaten,
100
259558
1974
denn wenn man die Daten erfasst hat,
04:33
of courseKurs someone'sjemandes going to have to --
101
261532
1593
muss natürlich irgendwer –
04:35
some unfortunateunglücklich personPerson is going to have to typeArt that into a computerComputer.
102
263125
3292
eine bedauernswerte Person,
diese in einen Computer tippen.
04:38
When I was a graduateAbsolvent studentSchüler, I actuallytatsächlich was
103
266417
2046
Als ich Doktorand war, war ich tatsächlich
04:40
that unfortunateunglücklich personPerson sometimesmanchmal.
104
268463
2003
manchmal diese bedauernswerte Person.
04:42
I can tell you, I oftenhäufig wasn'twar nicht really payingzahlend attentionAufmerksamkeit.
105
270466
3011
Und ich kann Ihnen sagen,
ich hab oft nicht wirklich aufgepasst.
04:45
I probablywahrscheinlich madegemacht a lot of mistakesFehler when I did it
106
273477
1818
Ich habe dabei wahrscheinlich viele Fehler gemacht,
04:47
that no one ever discoveredentdeckt, so dataDaten qualityQualität goesgeht down.
107
275295
2825
die niemand jemals finden wird,
also verschlechtert sich die Datenqualität.
04:50
But eventuallyschließlich that dataDaten hopefullyhoffentlich getsbekommt typedgetippt into a computerComputer,
108
278120
3152
Aber schlussendlich werden diese Daten
in einen Computer getippt,
04:53
and someonejemand can beginStart to analyzeanalysieren it,
109
281272
1767
und jemand kann mit dem Analysieren anfangen,
04:55
and onceEinmal they have an analysisAnalyse and a reportBericht,
110
283039
2716
und wenn sie eine Analyse und ein Gutachten haben,
04:57
hopefullyhoffentlich then you can take the resultsErgebnisse of that dataDaten collectionSammlung
111
285755
3299
dann kann man die Ergebnisse der Daten hoffentlich
05:01
and use it to vaccinateimpfen childrenKinder better.
112
289054
2147
zur Verbesserung der Kinderimpfung nutzen.
05:03
Because if there's anything worseschlechter
113
291201
2909
Wenn es irgendwas Schlimmeres gibt
05:06
in the fieldFeld of globalglobal publicÖffentlichkeit healthGesundheit,
114
294110
2346
im Bereich des globalen Gesundheitswesen,
05:08
I don't know what's worseschlechter than allowingZulassen childrenKinder on this planetPlanet
115
296456
2729
ich weiß nicht was schlimmer sein sollte,
als dass Kinder auf diesem Planeten
05:11
to diesterben of vaccine-preventableimpfpräventable diseasesKrankheiten,
116
299185
3140
an durch Impfung vermeidbaren Krankheiten sterben,
05:14
diseasesKrankheiten for whichwelche the vaccineImpfstoff costsKosten a dollarDollar.
117
302325
3510
Krankheiten, deren Impfung einen Dollar kostet.
05:17
And millionsMillionen of childrenKinder diesterben of these diseasesKrankheiten everyjeden yearJahr.
118
305835
3088
Und Millionen von Kindern sterben
jedes Jahr an solchen Krankheiten.
05:20
And the factTatsache is, millionsMillionen is a grossbrutto estimateschätzen because
119
308923
3462
Fakt ist auch, dass Millionen ein grobe Schätzung ist,
05:24
we don't really know how manyviele kidsKinder diesterben eachjede einzelne yearJahr of this.
120
312385
3005
weil wir in Wirklichkeit gar nicht wissen,
wie viele tatsächlich daran sterben.
05:27
What makesmacht it even more frustratingfrustrierend is that
121
315390
2352
Was es noch frustrierender macht, ist,
05:29
the dataDaten entryEintrag partTeil, the partTeil that I used to do as a gradGrad studentSchüler,
122
317742
3099
dass das Eingeben der Daten,
dass, was ich als Doktorand machte,
05:32
can take sometimesmanchmal sixsechs monthsMonate.
123
320841
1970
manchmal 6 Monate dauert.
05:34
SometimesManchmal it can take two yearsJahre to typeArt that informationInformation
124
322811
2276
Manchmal dauert es 2 Jahre,
um die Informationen
05:37
into a computerComputer, and sometimesmanchmal, actuallytatsächlich not infrequentlyselten,
125
325087
3336
in einen Computer einzugeben,
und gar nicht selten,
05:40
it actuallytatsächlich never happensdas passiert.
126
328423
1988
passiert es auch gar nicht.
05:42
Now try and wrapwickeln your headKopf around that for a secondzweite.
127
330411
2257
Nun versuchen Sie mal,
das zu begreifen.
05:44
You just had teamsTeams of hundredsHunderte of people.
128
332668
2442
Man hatte Teams aus hunderten von Leuten.
05:47
They wentging out into the fieldFeld to answerAntworten a particularinsbesondere questionFrage.
129
335110
2366
Sie sind alle raus gegangen,
um eine Frage zu beantworten.
05:49
You probablywahrscheinlich spentverbraucht hundredsHunderte of thousandsTausende of dollarsDollar
130
337476
2467
Man hat wahrscheinlich
hunderttausende von Dollar ausgegeben,
05:51
on fuelTreibstoff and photocopyingKopierservice and perpro diemDiem,
131
339943
3844
für Benzin, fürs Kopieren und die Tagesspesen,
05:55
and then for some reasonGrund, momentumSchwung is losthat verloren
132
343787
2353
dann, aus irgendeinem Grund, ist der Schwung weg,
05:58
or there's no moneyGeld left,
133
346140
1311
oder es gibt kein Geld mehr,
05:59
and all of that comeskommt to nothing
134
347451
2405
und alles verläuft sich im Sand,
06:01
because no one actuallytatsächlich typesTypen it into the computerComputer at all.
135
349856
2647
weil es am Ende niemand in den Computer eintippt.
06:04
The processverarbeiten just stopsstoppt. HappensGeschieht all the time.
136
352503
3310
Der Prozess kommt einfach zum Halt.
Das passiert andauernd.
06:07
This is what we baseBase our decisionsEntscheidungen on in globalglobal healthGesundheit:
137
355813
2933
Das ist unsere Entscheidungsbasis
im globalen Gesundheitswesen:
06:10
little dataDaten, oldalt dataDaten, no dataDaten.
138
358746
4898
wenige Daten, alte Daten, gar keine Daten.
06:15
So back in 1995, I beganbegann to think about waysWege
139
363644
2567
Damals, 1995, begann ich, über Wege nachzudenken,
06:18
in whichwelche we could improveverbessern this processverarbeiten.
140
366211
2154
mit denen wir diesen Prozess verbessern könnten.
06:20
Now 1995, obviouslyoffensichtlich that was quiteganz a long time agovor.
141
368365
2798
1995 liegt offensichtlich eine lange Zeit zurück.
06:23
It kindArt of frightenserschreckt me to think of how long agovor that was.
142
371163
2382
Es ängstigt mich etwas, daran
zu denken, wie lange das her ist.
06:25
The topoben movieFilm of the yearJahr was
143
373545
2194
Der Topfilm des Jahres war
06:27
"DieSterben HardHart with a VengeanceRache."
144
375739
1182
"Stirb langsam: Jetzt erst recht."
06:28
As you can see, BruceBruce WillisWillis had a lot more hairHaar back then.
145
376921
2783
Wie Sie sehen, hatte Bruce Willis
damals viel mehr Haare.
06:31
I was workingArbeiten in the CentersZentren for DiseaseKrankheit ControlKontrolle,
146
379704
2384
Ich arbeitete bei "Centers for Disease Control" (CDC).
06:34
and I had a lot more hairHaar back then as well.
147
382088
3043
und ich hatte damals auch viel mehr Haare.
06:37
But to me, the mostdie meisten significantsignifikant thing that I saw in 1995
148
385131
3342
Aber für mich war das Bedeutsamste,
was ich 1995 sah,
06:40
was this.
149
388473
1454
das hier.
06:41
HardHart for us to imaginevorstellen, but in 1995,
150
389927
2641
Schwer vorstellbar, aber 1995
06:44
this was the ultimateLetztendlich eliteElite mobileMobile deviceGerät.
151
392568
3598
war dies das ultimative Eliten-Handy.
06:48
Right? It wasn'twar nicht an iPhoneiPhone. It wasn'twar nicht a GalaxyGalaxy phoneTelefon.
152
396166
2372
Nicht wahr? Es war kein iPhone, kein Galaxy Phone.
06:50
It was a PalmPalm PilotPilot.
153
398538
1478
Es war ein "Palm Pilot".
06:52
And when I saw the PalmPalm PilotPilot for the first time, I thought,
154
400016
3564
Und als ich den Palm Pilot
zum ersten Mal sah, dachte ich,
06:55
why can't we put the formsFormen on these PalmPalm PilotsPiloten
155
403580
2527
warum können wir die Formulare
nicht auf diese Palm Pilots packen,
06:58
and go out into the fieldFeld just carryingTragen one PalmPalm PilotPilot,
156
406107
2872
und mit nur einem Palm Pilot rausgehen,
07:00
whichwelche can holdhalt the capacityKapazität of tenszehn of thousandsTausende
157
408979
3117
das zehntausende dieser Papierformulare
07:04
of paperPapier- formsFormen? Why don't we try to do that?
158
412096
2181
speichern kann? Warum versuchen wir das nicht?
07:06
Because if we can do that, if we can actuallytatsächlich just
159
414277
2748
Wenn wir das schaffen, wenn wir einfach
07:09
collectsammeln the dataDaten electronicallyelektronisch, digitallydigital,
160
417025
2514
die Daten elektronisch, digital sammeln,
07:11
from the very beginningAnfang,
161
419539
1903
von Anfang an,
07:13
we can just put a shortcutAbkürzung right throughdurch that wholeganze processverarbeiten
162
421442
3017
dann nehmen wir eine Abkürzung
durch den ganzen Prozess
07:16
of typingTippen,
163
424459
3222
des Tippens,
07:19
of havingmit somebodyjemand typeArt that stuffSachen into the computerComputer.
164
427681
1983
durch das ganze Abtippen in den Computer.
07:21
We can skipüberspringen straightGerade to the analysisAnalyse
165
429664
1959
Wir können sofort zur Analyse hüpfen,
07:23
and then straightGerade to the use of the dataDaten to actuallytatsächlich savesparen livesLeben.
166
431623
3075
und die Daten dann direkt zum Lebenretten nutzen.
07:26
So that's actuallytatsächlich what I beganbegann to do.
167
434698
2515
Damit habe ich angefangen.
07:29
WorkingArbeiten at CDCCDC, I beganbegann to travelReise to differentanders programsProgramme
168
437213
3334
Für die CDC reiste ich zu den
verschiedenen Programmen,
07:32
around the worldWelt and to trainZug them in usingmit PalmPalm PilotsPiloten
169
440547
4069
auf der ganzen Welt und brachte ihnen
die Benutzung des Palm Pilot bei,
07:36
to do dataDaten collectionSammlung insteadstattdessen of usingmit paperPapier-.
170
444616
2525
damit sie die Daten nicht mehr auf Papier sammeln.
07:39
And it actuallytatsächlich workedhat funktioniert great.
171
447141
2109
Und es funktionierte auch super.
07:41
It workedhat funktioniert exactlygenau as well as anybodyirgendjemand would have predictedvorhergesagt.
172
449250
2665
Es funktionierte so gut, wie
jeder vorhersehen konnte.
07:43
What do you know? DigitalDigital dataDaten collectionSammlung
173
451915
2233
Ach, wirklich? Das digitale Sammeln von Daten
07:46
is actuallytatsächlich more efficienteffizient than collectingSammeln on paperPapier-.
174
454148
2271
ist wirklich effizienter als das Sammeln auf Papier.
07:48
While I was doing it, my businessGeschäft partnerPartner, RoseRose,
175
456419
2364
Während ich das machte, war
meine Geschäftspartnerin, Rose,
07:50
who'swer ist here with her husbandMann, MatthewMatthew, here in the audiencePublikum,
176
458783
2817
die heute mit ihrem Ehemann
Matthew hier im Publikum sitzt,
07:53
RoseRose was out doing similarähnlich stuffSachen for the AmericanAmerikanische RedRot CrossKreuz.
177
461600
3177
Rose war dabei ähnliche Sachen für
das amerikanische Rote Kreuz zu machen.
07:56
The problemProblem was, after a fewwenige yearsJahre of doing that,
178
464777
2065
Das Problem war, nachdem wir es
ein paar Jahre so gemacht hatten,
07:58
I realizedrealisiert I had doneerledigt -- I had been to maybe
179
466842
2740
merkte ich, dass ich vielleicht bei
08:01
sixsechs or sevenSieben programsProgramme, and I thought,
180
469582
2718
6 oder 7 Programmen war, und wissen Sie,
08:04
you know, if I keep this up at this paceTempo,
181
472300
2310
ich dachte, wenn ich das in
diesem Tempo weiter mache,
08:06
over my wholeganze careerKarriere, maybe I'm going to go
182
474610
1654
meine ganze Karriere lang, gehe ich vielleicht
08:08
to maybe 20 or 30 programsProgramme.
183
476264
2277
zu insgesamt 20 oder 30 Prgrammen.
08:10
But the problemProblem is, 20 or 30 programsProgramme,
184
478541
3229
Aber das Problem ist, 20 oder 30 Programmen
08:13
like, trainingAusbildung 20 or 30 programsProgramme to use this technologyTechnologie,
185
481770
2973
das Benutzen dieser Technologie beizubringen,
08:16
that is a tinysehr klein dropfallen in the bucketEimer.
186
484743
2206
ist nur ein Tropfen auf den heißen Stein.
08:18
The demandNachfrage for this, the need for dataDaten to runLauf better programsProgramme,
187
486949
4039
Die Nachfrage danach, der Bedarf an besseren
Programmen zur Datenverarbeitung,
08:22
just withininnerhalb healthGesundheit, not to mentionerwähnen all of the other fieldsFelder
188
490988
2736
allein im Gesundheitswesen, von den
anderen Bereichen in Entwicklungsländern
08:25
in developingEntwicklung countriesLänder, is enormousenorm.
189
493724
2166
ganz zu schweigen, ist gewaltig.
08:27
There are millionsMillionen and millionsMillionen and millionsMillionen of programsProgramme,
190
495890
4010
Es gibt Abermllionen von Programmen,
08:31
millionsMillionen of clinicsKliniken that need to trackSpur drugsDrogen,
191
499900
2535
Millionen von Kliniken, die
Medikamente katalogisieren müssen,
08:34
millionsMillionen of vaccineImpfstoff programsProgramme.
192
502435
1299
Millionen von Impfprogrammen.
08:35
There are schoolsSchulen that need to trackSpur attendanceTeilnahme.
193
503734
2057
Es gibt viele Schulen,
die die Anwesenheit verfolgen müssen.
08:37
There are all these differentanders things
194
505791
2005
Es gibt all diese verschiedenen Programme,
08:39
for us to get the dataDaten that we need to do.
195
507796
2095
um an die Daten zu kommen, die wir brauchen.
08:41
And I realizedrealisiert, if I keptgehalten up the way that I was doing,
196
509891
4526
Und ich merkte, wenn ich so weiter machte,
08:46
I was basicallyGrundsätzlich gilt hardlykaum going to make any impactEinfluss
197
514417
3243
werde ich quasi kaum etwas erreicht haben
08:49
by the endEnde of my careerKarriere.
198
517660
1832
am Ende meiner Karriere.
08:51
And so I beganbegann to wrackWrack my brainGehirn
199
519492
2155
Also fing ich an, mir den Kopf zu zerbrechen,
08:53
tryingversuchen to think about, you know,
200
521647
1143
darüber nachzudenken, wissen Sie,
08:54
what was the processverarbeiten that I was doing,
201
522790
1518
was genau der Prozess war, den ich durchlief,
08:56
how was I trainingAusbildung folksLeute, and what were the bottlenecksEngpässe
202
524308
2856
wie schulte ich Leute, was waren die Engpässe,
08:59
and what were the obstaclesHindernisse to doing it fasterschneller
203
527164
2813
was waren die Hürden,
um die Sache schneller zu machen,
09:01
and to doing it more efficientlyeffizient?
204
529977
1520
und sie effizienter zu machen?
09:03
And unfortunatelyUnglücklicherweise, after thinkingDenken about this for some time,
205
531497
3143
Nachdem ich einige Zeit nachgedacht hatte,
09:06
I realizedrealisiert -- I identifiedidentifiziert the mainMain obstacleHindernis.
206
534640
3452
identifiziert ich unglücklicherweise
das Haupthindernis.
09:10
And the mainMain obstacleHindernis, it turnedgedreht out,
207
538092
1977
Und das Haupthindernis war,
wie sich herausstellte,
09:12
and this is a sadtraurig realizationRealisierung,
208
540069
1835
– und das war eine traurige Erkenntnis –
09:13
the mainMain obstacleHindernis was me.
209
541904
2268
war ich selbst.
09:16
So what do I mean by that?
210
544172
2196
Was meine ich damit?
09:18
I had developedentwickelt a processverarbeiten wherebywobei
211
546368
2488
Ich hatte einen Prozess entwickelt, durch den
09:20
I was the centerCenter of the universeUniversum of this technologyTechnologie.
212
548856
5045
ich der Mittelpunkt des Universums
für diese Technologie war.
09:25
If you wanted to use this technologyTechnologie, you had to get in touchberühren with me.
213
553901
2989
Wenn man diese Technologie benutzen wollte,
musste man erst mit mir in Kontakt treten.
09:28
That meansmeint you had to know I existedexistierte.
214
556890
2106
Das heißt, man musste wissen, dass ich existierte.
09:30
Then you had to find the moneyGeld to payZahlen for me
215
558996
1474
Und dann musste man das Geld finden,
um mich zu bezahlen,
09:32
to flyFliege out to your countryLand
216
560470
1486
damit ich zu einem ins Land flog,
09:33
and the moneyGeld to payZahlen for my hotelHotel
217
561956
1548
und das Geld für mein Hotel,
09:35
and my perpro diemDiem and my dailyTäglich ratePreis.
218
563504
2760
meine Tagesspesen und meinen Tagessatz.
09:38
So you could be talkingim Gespräch about 10,000 or 20,000 or 30,000 dollarsDollar
219
566264
2949
Man könnte da von 10.000, 20.000
oder 30.000 Dollar sprechen,
09:41
if I actuallytatsächlich had the time or it fitpassen my scheduleZeitplan
220
569213
2582
wenn ich überhaupt die Zeit hatte
oder es in meinen Plan passte,
09:43
and I wasn'twar nicht on vacationUrlaub.
221
571795
1947
und ich nicht gerade im Urlaub war.
09:45
The pointPunkt is that anything, any systemSystem that dependshängt davon ab
222
573742
2897
Der Punkt ist, dass jedes System, das von nur
09:48
on a singleSingle humanMensch beingSein or two or threedrei or fivefünf humanMensch beingsWesen,
223
576639
2870
einer Person, oder 2, 3 oder 5 Personen abhängt,
09:51
it just doesn't scaleRahmen.
224
579509
1736
einfach nicht groß genug wird.
09:53
And this is a problemProblem for whichwelche we need to scaleRahmen
225
581245
2021
Und dies ist ein Problem, für das wir
eine angemessene Anpassung
09:55
this technologyTechnologie and we need to scaleRahmen it now.
226
583266
2997
der Technologie brauchen, und zwar sofort.
09:58
And so I beganbegann to think of waysWege in whichwelche I could basicallyGrundsätzlich gilt
227
586263
2222
Also begann ich über Wege nachzudenken, bei denen
10:00
take myselfmich selber out of the pictureBild.
228
588485
2384
ich mich selbst aus dem Spiel nehmen konnte.
10:02
And, you know, I was thinkingDenken,
229
590869
4496
Und, wissen Sie, ich dachte über
10:07
how could I take myselfmich selber out of the pictureBild
230
595365
2096
"Wie kann ich mich aus dem Spiel nehmen?"
10:09
for quiteganz some time.
231
597461
1809
eine ganze Weile nach.
10:11
You know, I'd been trainedausgebildet that the way that
232
599270
2157
Wissen Sie, ich war so ausgebildet,
10:13
you distributeverteilen technologyTechnologie withininnerhalb internationalInternational developmentEntwicklung
233
601427
2722
dass die Verbreitung von Techonologie
in der internationalen Entwicklung,
10:16
is always consultant-basedBerater-basierte.
234
604149
2027
immer beraterbasiert war.
10:18
It's always guys that look prettyziemlich much like me
235
606176
2977
Es gibt immer Typen, die so wie ich aussehen,
10:21
flyingfliegend from countriesLänder that look prettyziemlich much like this
236
609153
2301
die aus Ländern anfliegen, die etwa so aussehen,
10:23
to other countriesLänder with people with darkerdunkler skinHaut.
237
611454
3106
in andere Ländern, wo Leute dunklere Haut haben.
10:26
And you go out there, and you spendverbringen moneyGeld on airfareFlugticket
238
614560
2445
Und man geht dahin, gibt Geld für den Flieger aus,
10:29
and you spendverbringen time and you spendverbringen perpro diemDiem
239
617005
3510
man braucht Zeit und Tagesspesen,
10:32
and you spendverbringen [on a] hotelHotel and you spendverbringen all that stuffSachen.
240
620515
2112
und man bezahlt für ein Hotel und all diese Sachen.
10:34
As farweit as I knewwusste, that was the only way
241
622627
1851
Das war, soweit ich wusste, der einzige Weg,
10:36
you could distributeverteilen technologyTechnologie, and I couldn'tkonnte nicht figureZahl out a way around it.
242
624478
3269
wie man Technologie verbreiten konnte,
und ich fand keinen Weg drum herum.
10:39
But the miracleWunder that happenedpassiert,
243
627747
2671
Doch das Wunder, das dann geschah,
10:42
I'm going to call it HotmailHotmail for shortkurz.
244
630418
2750
nenne ich kurz "Hotmail".
10:45
Now you maykann not think of HotmailHotmail as beingSein miraculousWunder-,
245
633168
2181
Nun, sie können sagen,
dass Hotmail kein Wunder war,
10:47
but for me it was miraculousWunder-, because I noticedbemerkt,
246
635349
2913
aber für mich war es eins, weil ich merkte,
10:50
just as I was wrestlingRingen with this problemProblem,
247
638262
2566
als ich so mit meinem Problem kämpfte,
10:52
I was workingArbeiten in sub-SaharanAfrika südlich der Sahara AfricaAfrika mostlymeist at the time.
248
640828
3414
ich arbeitete meistens in Subsahara-Afrika.
10:56
I noticedbemerkt that everyjeden sub-SaharanAfrika südlich der Sahara AfricanAfrikanische healthGesundheit workerArbeitnehmer
249
644242
2589
Ich merkte, dass jeder im Gesundheitswesen
Tätige Schwarzafrikaner,
10:58
that I was workingArbeiten with had a HotmailHotmail accountKonto.
250
646831
4108
mit dem ich arbeitete, einen Hotmail-Account hatte.
11:02
And I thought, it struckgeschlagen me,
251
650939
2144
Und ich dachte – ein Gedanke kam mir,
11:05
wait a minuteMinute, I know that the HotmailHotmail people
252
653083
2615
warte mal, ich weiß, dass die Hotmail-Leute
11:07
surelysicherlich didn't flyFliege to the MinistryMinisterium für of HealthGesundheit of KenyaKenia
253
655698
2716
sicherlich nicht zum Gesundheitsministerium
von Kenia geflogen sind,
11:10
to trainZug people in how to use HotmailHotmail.
254
658414
2711
um den Leuten beizubringen,
wie man Hotmail benutzt.
11:13
So these guys are distributingVerteilung von technologyTechnologie.
255
661125
2487
Also verbreiteten diese Leute Technologie.
11:15
They're gettingbekommen softwareSoftware capacityKapazität out there
256
663612
2004
Sie brachten Software-Kapazität an die Leute,
11:17
but they're not actuallytatsächlich flyingfliegend around the worldWelt.
257
665616
2009
ohne wirklich um die ganze Welt zu fliegen.
11:19
I need to think about this some more.
258
667625
1560
Darüber muss ich mehr nachdenken.
11:21
While I was thinkingDenken about it, people startedhat angefangen usingmit
259
669185
2173
Während ich darüber nachdachte,
fingen die Leute an
11:23
even more things just like this, just as we were.
260
671358
3200
noch mehr von den Dingen
zu benutzen, wie wir eben auch.
11:26
They startedhat angefangen usingmit LinkedInLinkedIn and FlickrFlickr
261
674558
1210
Sie fingen an LinkedIn
und Flickr zu benutzen,
11:27
and GmailGoogle Mail and GoogleGoogle MapsKarten, all these things.
262
675768
2761
und Gmail und Google Maps, all diese Sachen.
11:30
Of courseKurs, all of these things are cloud-basedCloud-basierte
263
678529
2726
Diese Sachen sind natürlich alle cloudbasiert,
11:33
and don't requireerfordern any trainingAusbildung.
264
681255
2206
und erfordern kein Training.
11:35
They don't requireerfordern any programmersProgrammierer.
265
683461
1600
Sie erfordern keinen Programmierer.
11:37
They don't requireerfordern any consultantsBerater, because
266
685061
1709
Sie erfordern keinen Berater, weil
11:38
the businessGeschäft modelModell- for all these businessesUnternehmen
267
686770
2394
das Geschäftsmodell all dieser Unternehmen ist,
11:41
requireserfordert that something be so simpleeinfach we can use it ourselvesuns selbst
268
689164
2997
dass alles so simpel ist,
dass wir es selber benutzen,
11:44
with little or no trainingAusbildung.
269
692161
1185
mit wenig oder gar keiner Schulung.
11:45
You just have to hearhören about it and go to the websiteWebseite.
270
693346
2614
Man muss nur davon gehört haben
und auf die Webseite gehen.
11:47
And so I thought, what would happengeschehen if we builtgebaut softwareSoftware
271
695960
4365
Und ich dachte, was würde passieren,
wenn wir eine Software entwickeln,
11:52
to do what I'd been consultingBeratung in?
272
700325
2011
die meinen Beratungsjob übernimmt?
11:54
InsteadStattdessen of trainingAusbildung people how
273
702336
1434
Statt den Leuten beizubringen,
11:55
to put formsFormen ontoauf zu mobileMobile devicesGeräte,
274
703770
2850
wie man die Formulare auf die Handys packt,
11:58
let's createerstellen softwareSoftware that letsLasst uns them do it themselvessich
275
706620
2284
sollten wir eine Software entwickeln,
die es ihnen ermöglicht, das selbst zu tun,
12:00
with no trainingAusbildung and withoutohne me beingSein involvedbeteiligt?
276
708904
1890
ohne Übung und ohne mein Zutun.
12:02
And that's exactlygenau what we did.
277
710794
1804
Und genau das haben wir gemacht.
12:04
So we createderstellt softwareSoftware callednamens MagpiMagPi,
278
712598
3684
Also schrieben wir die Software "Magpi",
12:08
whichwelche has an onlineonline formbilden creatorSchöpfer.
279
716282
1877
die einen Online-Formular-Ersteller hat.
12:10
No one has to speaksprechen to me.
280
718159
1151
Niemand muss mich konsultieren.
12:11
You just have to hearhören about it and go to the websiteWebseite.
281
719310
2694
Man muss nur davon gehört haben
und auf die Webseite gehen.
12:14
You can createerstellen formsFormen, and onceEinmal you've createderstellt the formsFormen,
282
722004
2747
Man kann Formulare erstellen,
und wenn man das gemacht hat,
12:16
you pushdrücken them to a varietyVielfalt of commonverbreitet mobileMobile phonesTelefone.
283
724751
2340
kann man sie auf eine Reihe
üblicher Handys verschieben.
12:19
ObviouslyOffensichtlich nowadaysheutzutage, we'vewir haben movedbewegt pastVergangenheit PalmPalm PilotsPiloten
284
727091
2475
Offensichtlich sind wir heute vom Palm Pilot
12:21
to mobileMobile phonesTelefone.
285
729566
1328
zu Handys übergegangen.
12:22
And it doesn't have to be a smartphoneSmartphone.
286
730894
1132
Und es muss kein Smartphone sein.
12:24
It can be a basicBasic phoneTelefon like the phoneTelefon on the right there,
287
732026
2707
Es kann ein einfaches Handy,
wie das hier auf der rechten Seite sein,
12:26
you know, the basicBasic kindArt of SymbianSymbian phoneTelefon
288
734733
1336
wissen Sie, die einfache Sorte von Symbian-Handys,
12:28
that's very commonverbreitet in developingEntwicklung countriesLänder.
289
736069
2466
die üblich sind in den Entwicklungsländern.
12:30
And the great partTeil about this is, it's just like HotmailHotmail.
290
738535
3999
Und das Tolle daran ist,
dass es genau wie Hotmail ist.
12:34
It's cloud-basedCloud-basierte, and it doesn't requireerfordern any trainingAusbildung,
291
742534
2334
Cloudbasiert, und es erfordert keine Schulung,
12:36
programmingProgrammierung, consultantsBerater.
292
744868
2040
kein Programmieren, keine Berater.
12:38
But there are some additionalzusätzliche benefitsVorteile as well.
293
746908
1936
Es gibt auch einige zusätzliche Vorteile.
12:40
Now we knewwusste, when we builtgebaut this systemSystem,
294
748844
1955
Nun wussten wir, als wir das System erstellten,
12:42
the wholeganze pointPunkt of it, just like with the PalmPalm PilotsPiloten,
295
750799
2293
dass der Sinn daran, wie beim Palm Pilot, war,
12:45
was that you'ddu würdest have to, you'ddu würdest be ablefähig to
296
753092
2604
dass man in der Lage war,
12:47
collectsammeln the dataDaten and immediatelysofort uploadhochladen the dataDaten and get your dataDaten setSet.
297
755696
3191
die Daten zu sammeln, sie sofort
hochzuladen und sein Datenset bekam.
12:50
But what we foundgefunden, of courseKurs, sinceschon seit it's alreadybereits on a computerComputer,
298
758887
2437
Aber wir dachten, natürlich, wenn wir
es schon auf einem Computer haben,
12:53
we can deliverliefern instantsofortig mapsKarten and analysisAnalyse and graphinggrafische Darstellung.
299
761324
3188
können wir auch unmittelbar
Karten, Analysen und Graphen liefern.
12:56
We can take a processverarbeiten that tookdauerte two yearsJahre
300
764512
2251
Wir nehmen einen Prozess, der 2 Jahre dauerte,
12:58
and compressKompresse that down to the spacePlatz of fivefünf minutesProtokoll.
301
766763
3222
und komprimieren ihn auf 5 Minuten.
13:01
UnbelievableUnglaubliche improvementsVerbesserungen in efficiencyEffizienz.
302
769985
2506
Unglaubliche Verbesserung der Effizienz.
13:04
Cloud-basedCloud-basierte, no trainingAusbildung, no consultantsBerater, no me.
303
772491
4766
Cloudbasiert, keine Schulung,
keine Berater, ohne mich.
13:09
And I told you that in the first fewwenige yearsJahre
304
777257
2323
Und ich habe Ihnen erzählt,
dass in den ersten Jahren,
13:11
of tryingversuchen to do this the old-fashionedOld-fashioned way,
305
779580
1827
in denen wir es auf die alte Art versucht haben,
13:13
going out to eachjede einzelne countryLand,
306
781407
1292
in jedes Land zu gehen,
13:14
we reachederreicht about, I don't know,
307
782699
3054
haben wir ungefähr
13:17
probablywahrscheinlich trainedausgebildet about 1,000 people.
308
785753
2118
1.000 Leute geschult.
13:19
What happenedpassiert after we did this?
309
787871
1803
Und was passierte, nachdem wir das taten?
13:21
In the secondzweite threedrei yearsJahre, we had 14,000 people
310
789674
2506
In den zweiten 3 Jahren hatten wir 14.000 Leute,
13:24
find the websiteWebseite, signSchild up, and startAnfang usingmit it to collectsammeln dataDaten,
311
792180
3193
die die Webseite fanden, sich anmeldeten
und sie zum Datensammeln benutzten,
13:27
dataDaten for disasterKatastrophe responseAntwort,
312
795373
1502
Daten zur Bekämpfung von Naturkatastrophen,
13:28
CanadianKanadische pigSchwein farmersBauern trackingVerfolgung pigSchwein diseaseKrankheit and pigSchwein herdsHerden,
313
796875
4748
kanadische Schweinemäster, die Erkrankungen
und Schweineherden zurückverfolgen konnten,
13:33
people trackingVerfolgung drugDroge suppliesLieferungen.
314
801623
2415
Leute, die Medikamenteversorgung zurückverfolgen.
13:36
One of my favoriteFavorit examplesBeispiele, the IRCIRC,
315
804038
1942
Eins meiner Lieblingsbeispiele, das IRC,
13:37
InternationalInternational RescueRettung CommitteeAusschuss,
316
805980
1629
das International Rescue Committee,
13:39
they have a programProgramm where semi-literateSemi-lesen und schreiben midwivesHebammen
317
807609
3237
sie haben ein Programm, bei dem
wenig gebildete Hebammen
13:42
usingmit $10 mobileMobile phonesTelefone
318
810846
2427
mit einem 10$-Handy
13:45
sendsenden a textText messageNachricht usingmit our softwareSoftware
319
813273
2209
wöchentlich eine SMS mit unserer Software,
13:47
onceEinmal a weekWoche with the numberNummer of birthsGeburten
320
815482
2209
mit der Zahl der Geburten
13:49
and the numberNummer of deathsTodesfälle, whichwelche givesgibt IRCIRC
321
817691
2313
und der Zahl der Todesfälle verschicken,
damit bekommt das IRC etwas,
13:52
something that no one in globalglobal healthGesundheit has ever had:
322
820004
2599
was niemand zuvor im
globalen Gesundheitswesen hatte:
13:54
a nearin der Nähe von real-timeEchtzeit systemSystem of countingZählen babiesBabys,
323
822603
3637
ein fast Echtzeitsystem, das Babys zählt,
13:58
of knowingzu wissen how manyviele kidsKinder are borngeboren,
324
826240
1492
sie wissen, wie viele Kinder geboren werden,
13:59
of knowingzu wissen how manyviele childrenKinder there are
325
827732
1676
und wie viele Kinder es
14:01
in SierraSierra LeoneLeone, whichwelche is the countryLand where this is happeningHappening,
326
829408
2782
in Sierra Leone gibt, dort passiert das gerade,
14:04
and knowingzu wissen how manyviele childrenKinder diesterben.
327
832190
3204
und sie wissen, wie viele Kinder sterben.
14:07
PhysiciansÄrzte for HumanMenschlichen RightsRechte --
328
835394
1597
"Physicians for Human Rights (PHR)
(Mediziner für Menschenrechte)" –
14:08
this is movingbewegend a little bitBit outsidedraußen the healthGesundheit fieldFeld
329
836991
2479
dies geht über den Gesundheitsbereich hinaus –
14:11
they are gatheringVersammlung, they're basicallyGrundsätzlich gilt trainingAusbildung people
330
839470
2865
im Wesentlichen bilden sie Leute aus,
14:14
to do rapevergewaltigen examsPrüfungen in CongoKongo, where this is an epidemicEpidemie,
331
842335
3364
um Vergewaltigungsüberprüfungen im Kongo durchzuführen, wo das eine Epidemie ist,
14:17
a horribleschrecklich epidemicEpidemie,
332
845699
1748
eine schreckliche Epidemie,
14:19
and they're usingmit our softwareSoftware to documentDokument
333
847447
2171
und sie benutzen unsere Software
zum Dokumentieren
14:21
the evidenceBeweise they find, includingeinschließlich photographicallyfotografisch,
334
849618
2972
der Beweise, die sie finden, auch fotografisch,
14:24
so that they can bringbringen the perpetratorsTäter to justiceGerechtigkeit.
335
852590
4152
damit sie die Täter vor Gericht bringen können.
14:28
CamfedCAMFED, anotherein anderer charityNächstenliebe basedbasierend out of the U.K.,
336
856742
3683
Camfed, eine Charity mit Sitz in Großbritannien,
14:32
CamfedCAMFED payszahlt girls'Mädchen familiesFamilien to keep them in schoolSchule.
337
860425
3748
bezahlt die Familien von Mädchen,
damit sie weiter zur Schule gehen können.
14:36
They understandverstehen this is the mostdie meisten significantsignifikant interventionIntervention
338
864173
1873
Sie verstehen, dass das
der bedeutsamste Eingriff ist,
14:38
they can make. They used to trackSpur the dispersementsdispersements,
339
866046
3284
den sie machen können.
Früher haben sie Ausgaben,
14:41
the attendanceTeilnahme, the gradesKlasse, on paperPapier-.
340
869330
1986
Anwesenheit und Noten auf Papier festgehalten.
14:43
The turnaroundDreh dich um time betweenzwischen a teacherLehrer
341
871316
1608
Die Zeit, die ein Lehrer brauchte,
14:44
writingSchreiben down gradesKlasse or attendanceTeilnahme
342
872924
1726
um Noten oder Anwesenheit aufzuschreiben
14:46
and gettingbekommen that into a reportBericht was about two to threedrei yearsJahre.
343
874650
2610
und ein Protokoll zu bekommen dauerte 2 bis 3 Jahre.
14:49
Now it's realecht time, and because this is sucheine solche
344
877260
2230
Jetzt funktioniert das in Echtzeit, und weil dies
14:51
a low-costkostengünstig systemSystem and basedbasierend in the cloudWolke, it costsKosten,
345
879490
2940
ein billiges, cloudbasiertes System ist, kostet es,
14:54
for the entireganz fivefünf countriesLänder that CamfedCAMFED runsläuft this in
346
882430
3434
für alle 5 Länder, in denen Camfed arbeitet,
14:57
with tenszehn of thousandsTausende of girlsMädchen,
347
885864
1932
mit zehntausenden Mädchen,
14:59
the wholeganze costKosten combinedkombiniert is 10,000 dollarsDollar a yearJahr.
348
887796
3358
insgesamt 10.000 Dollar im Jahr.
15:03
That's lessWeniger than I used to get
349
891154
1801
Das ist weniger als ich damals verdient habe,
15:04
just travelingReisen out for two weeksWochen to do a consultationBeratung.
350
892955
5071
wenn ich für 2 Wochen als Berater gereist bin.
15:10
So I told you before that
351
898026
2136
Wie ich Ihnen erzählt habe,
15:12
when we were doing it the old-fashionedOld-fashioned way, I realizedrealisiert
352
900162
2192
als wir noch auf die alte Art arbeiteten, erkannte ich,
15:14
all of our work was really addingHinzufügen up to just a dropfallen in the bucketEimer --
353
902354
2898
dass unsere ganze Arbeit nur
ein Tropfen auf den heißen Stein war –
15:17
10, 20, 30 differentanders programsProgramme.
354
905252
2226
10, 20, 30 verschiedene Programme.
15:19
We'veWir haben madegemacht a lot of progressFortschritt, but I recognizeerkenne
355
907478
2275
Wir sind viel weiter gekommen, aber ich gebe zu,
15:21
that right now, even the work that we'vewir haben doneerledigt
356
909753
2157
dass es, sogar mit der Arbeit, die wir getan haben,
15:23
with 14,000 people usingmit this,
357
911910
2404
mit 14.000 Leuten, die dies nutzen,
15:26
is still a dropfallen in the bucketEimer. But something'smanche Dinge changedgeändert.
358
914314
2946
immer noch nur ein Tropfen auf den
heißen Stein ist. Doch etwas ist anders.
15:29
And I think it should be obviousoffensichtlich.
359
917260
1216
Und ich denke es sollte offensichtlich sein.
15:30
What's changedgeändert now is,
360
918476
2091
Was jetzt anders ist, ist,
15:32
insteadstattdessen of havingmit a programProgramm in whichwelche we're scalingSkalierung at sucheine solche a slowlangsam ratePreis
361
920567
3578
dass statt eines Programms,
mit einer so lahmen Vergrößerungsrate,
15:36
that we can never reacherreichen all the people who need us,
362
924145
3198
dass wir nie alle Leute erreichen, die uns brauchen,
15:39
we'vewir haben madegemacht it unnecessarynicht notwendig for people to get reachederreicht by us.
363
927343
3659
brauchen die Leute unsere Unterstützung nicht mehr.
15:43
We'veWir haben createderstellt a toolWerkzeug that letsLasst uns programsProgramme
364
931002
3076
Wir haben ein Werkzeug erschaffen, das Programmen
15:46
keep kidsKinder in schoolSchule, trackSpur the numberNummer of babiesBabys
365
934078
3155
hilft , die Kinder in den Schulen zu behalten,
die Zahl der Babys zu verfolgen,
15:49
that are borngeboren and the numberNummer of babiesBabys that diesterben,
366
937233
2804
die geboren werden, oder sterben,
15:52
to catchFang criminalsVerbrecher and successfullyerfolgreich prosecutestrafrechtlich zu verfolgen them,
367
940037
3623
[das hilft] Kriminelle zu stellen und zu bestrafen,
15:55
to do all these differentanders things to learnlernen more
368
943660
2690
das all das kann, mit dessen Hilfe man
15:58
about what's going on, to understandverstehen more, to see more,
369
946350
5117
erfährt, was passiert, mehr versteht, mehr sieht,
16:03
and to savesparen livesLeben and improveverbessern livesLeben.
370
951467
3971
Leben rettet und auch verbessert.
16:07
Thank you.
371
955438
1997
Danke.
16:09
(ApplauseApplaus)
372
957435
3987
(Applaus)

▲Back to top

ABOUT THE SPEAKER
Joel Selanikio - Health and technology activist
Dr. Joel Selanikio combines technology and data to help solve global health challenges.

Why you should listen

A practicing pediatrician, former Wall Street computer consultant, and former epidemiologist at the Centers for Disease Control, Dr. Joel Selanikio is the CEO of DataDyne, a social business working in fields such as international development and global health.

Selanikio started to experiment with electronic data capture back when the Palm Pilot was cutting edge technology. In the years since then, he has helped to experiment with the growing potential and availability of technology--and the growing ubiquity of the cloud. Combining the two has led to systems such as Magpi mobile data collection software. Previously known as "EpiSurveyor," the service now has over 20,000 users in more than 170 countries.

Selanikio holds a bachelor's degree from Haverford College, a medical degree from Brown University, and he is a graduate of the Epidemic Intelligence Service fellowship of the CDC. He continues to practice clinical pediatrics as an Assistant Professor at Georgetown University and on the Emergency Response Team of the International Rescue Committee.

More profile about the speaker
Joel Selanikio | Speaker | TED.com