TED@UPS
Mallory Freeman: Your company's data could help end world hunger
Mallory Soldner: Datele companiei voastre ar putea pune capăt foametei mondiale
Filmed:
Readability: 4.2
1,090,373 views
Compania voastră probabil a donat bani în scopuri umanitare, dar ați putea avea de oferit ceva și mai folositor: datele pe care le dețineți. Mallory Soldner ne arată cum companiile din sectorul privat pot contribui la realizarea unui progres real în soluționarea unor mari probleme – de la criza refugiaților la foametea mondială – prin donarea datelor nefolosite și a experților științifici în materie de decizii. În ce fel ar putea contribui compania voastră?
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.
Iunie 2010.
00:12
June 2010.
0
880
1760
00:15
I landed for the first time
in Rome, Italy.
in Rome, Italy.
1
3760
2880
Am aterizat pentru prima oară
în Roma, Italia.
în Roma, Italia.
00:19
I wasn't there to sightsee.
2
7800
1896
Nu pentru o vizită turistică.
00:21
I was there to solve world hunger.
3
9720
3120
Mă aflam acolo pentru a soluționa
problema foametei în lume.
problema foametei în lume.
00:25
(Laughter)
4
13160
2096
(Râsete)
00:27
That's right.
5
15280
1216
Exact.
00:28
I was a 25-year-old PhD student
6
16520
2096
Eram o doctorandă de 25 de ani,
00:30
armed with a prototype tool
developed back at my university,
developed back at my university,
7
18640
3096
înarmată cu un instrument prototip
construit la universitate
construit la universitate
00:33
and I was going to help
the World Food Programme fix hunger.
the World Food Programme fix hunger.
8
21760
3080
și aveam să ajut Programul Alimentar
Mondial să rezolve problema foametei.
Mondial să rezolve problema foametei.
00:37
So I strode into the headquarters building
9
25840
2736
Așa că am pășit ferm în clădire,
00:40
and my eyes scanned the row of UN flags,
10
28600
2816
ochii mei scrutând șirul de steaguri
al Națiunilor Unite
al Națiunilor Unite
00:43
and I smiled as I thought to myself,
11
31440
1960
și am zâmbit în timp ce îmi spuneam:
00:46
"The engineer is here."
12
34840
1616
„Aici este inginerul vostru.”
00:48
(Laughter)
13
36480
2216
(Râsete)
00:50
Give me your data.
14
38720
1776
Dați-mi datele voastre.
00:52
I'm going to optimize everything.
15
40520
2176
Voi eficientiza totul.
00:54
(Laughter)
16
42720
1736
(Râsete)
00:56
Tell me the food that you've purchased,
17
44480
1896
Spuneți-mi ce alimente ați cumpărat,
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
spuneți-mi unde se duc
și când trebuie să ajungă acolo,
și când trebuie să ajungă acolo,
01:01
and I'm going to tell you
the shortest, fastest, cheapest,
the shortest, fastest, cheapest,
19
49040
2736
iar eu o să vă spun
cele mai scurte, rapide și ieftine
cele mai scurte, rapide și ieftine
01:03
best set of routes to take for the food.
20
51800
1936
itinerarii de parcurs pentru alimente.
01:05
We're going to save money,
21
53760
1496
Vom economisi bani,
01:07
we're going to avoid
delays and disruptions,
delays and disruptions,
22
55280
2096
vom evita întârzieri și perturbări
01:09
and bottom line,
we're going to save lives.
we're going to save lives.
23
57400
2736
și, cel mai important, vom salva vieți.
01:12
You're welcome.
24
60160
1216
Cu plăcere.
01:13
(Laughter)
25
61400
1696
(Râsete)
01:15
I thought it was going to take 12 months,
26
63120
1976
Am crezut că va dura 12 luni,
01:17
OK, maybe even 13.
27
65120
1560
bine, poate chiar 13.
01:19
This is not quite how it panned out.
28
67800
2280
Nu a fost să fie chiar așa.
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
La doar două luni de la debutul
proiectului, șeful meu francez mi-a spus:
proiectului, șeful meu francez mi-a spus:
01:27
"You know, Mallory,
30
75400
1816
„Știi, Mallory,
01:29
it's a good idea,
31
77240
1656
este o idee bună,
01:30
but the data you need
for your algorithms is not there.
for your algorithms is not there.
32
78920
3336
dar datele de care ai nevoie
pentru algoritmul tău nu sunt valabile.
pentru algoritmul tău nu sunt valabile.
01:34
It's the right idea but at the wrong time,
33
82280
2536
Este ideea potrivită,
dar la momentul nepotrivit,
dar la momentul nepotrivit,
01:36
and the right idea at the wrong time
34
84840
2296
iar o idee potrivită
la momentul nepotrivit
la momentul nepotrivit
01:39
is the wrong idea."
35
87160
1376
este o idee greșită.”
01:40
(Laughter)
36
88560
1320
(Râsete)
01:42
Project over.
37
90960
1280
Proiect încheiat.
01:45
I was crushed.
38
93120
1200
Am fost distrusă.
01:49
When I look back now
39
97000
1456
Când mă uit acum înapoi
01:50
on that first summer in Rome
40
98480
1656
la acea primă vară în Roma
01:52
and I see how much has changed
over the past six years,
over the past six years,
41
100160
2656
și văd câte s-au schimbat
în ultimii șase ani,
în ultimii șase ani,
01:54
it is an absolute transformation.
42
102840
2240
este o transformare desăvârșită.
01:57
It's a coming of age for bringing data
into the humanitarian world.
into the humanitarian world.
43
105640
3400
Am făcut un pas imens în utilizarea
datelor în scop umanitar.
datelor în scop umanitar.
02:02
It's exciting. It's inspiring.
44
110160
2656
Este palpitant. Este stimulant.
02:04
But we're not there yet.
45
112840
1200
Dar mai e mult de muncă.
02:07
And brace yourself, executives,
46
115320
2296
Și pregătiți-vă, directorilor,
02:09
because I'm going to be putting companies
47
117640
1976
deoarece voi pune pe jar companii
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
pentru a se putea ridica
la potențialul pe care eu știu că-l au.
la potențialul pe care eu știu că-l au.
Experiența mea în Roma demonstrează
02:17
My experiences back in Rome prove
49
125520
2816
02:20
using data you can save lives.
50
128360
2080
că folosirea datelor poate salva vieți.
02:23
OK, not that first attempt,
51
131440
2456
Bine, nu de la prima încercare,
02:25
but eventually we got there.
52
133920
2576
dar, în cele din urmă, am izbutit.
Dați-mi voie să vă explic.
02:28
Let me paint the picture for you.
53
136520
1736
Imaginați-vă că aveți de planificat
micul dejun, prânzul și cina
micul dejun, prânzul și cina
02:30
Imagine that you have to plan
breakfast, lunch and dinner
breakfast, lunch and dinner
54
138280
2736
02:33
for 500,000 people,
55
141040
1616
pentru 500.000 de persoane
02:34
and you only have
a certain budget to do it,
a certain budget to do it,
56
142680
2136
și aveți un anumit buget
pentru a face asta.
pentru a face asta.
02:36
say 6.5 million dollars per month.
57
144840
2240
Să spunem 6,5 milioane de dolari pe lună.
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
Ce ar trebui să faceți?
Cum e cel mai bine să procedați?
Cum e cel mai bine să procedați?
02:44
Should you buy rice, wheat, chickpea, oil?
59
152280
2760
Ar trebui să cumpărați
orez, grâu, năut, ulei?
orez, grâu, năut, ulei?
02:47
How much?
60
155760
1216
Cât de mult?
02:49
It sounds simple. It's not.
61
157000
2136
Sună simplu. Nu este.
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
Din 30 de feluri posibile de mâncare,
va trebui să alegeți cinci.
va trebui să alegeți cinci.
02:54
That's already over 140,000
different combinations.
different combinations.
63
162400
3416
Asta înseamnă deja
peste 140.000 de combinații diferite.
peste 140.000 de combinații diferite.
02:57
Then for each food that you pick,
64
165840
1696
Apoi pentru fiecare aliment ales
02:59
you need to decide how much you'll buy,
65
167560
1976
trebuie să decideți cantitatea cumpărată,
03:01
where you're going to get it from,
66
169560
1696
de unde îl veți cumpăra,
03:03
where you're going to store it,
67
171280
1480
unde îl veți depozita,
03:05
how long it's going to take to get there.
68
173760
1976
cât va dura până va ajunge acolo.
03:07
You need to look at all of the different
transportation routes as well.
transportation routes as well.
69
175760
3336
Trebuie să verificați
și toate rutele posibile de transport.
și toate rutele posibile de transport.
03:11
And that's already
over 900 million options.
over 900 million options.
70
179120
2080
Avem deja peste 900 de milioane
de opțiuni.
de opțiuni.
03:14
If you considered each option
for a single second,
for a single second,
71
182120
2376
Dacă acordați fiecărei opțiuni
o singură secundă,
o singură secundă,
03:16
that would take you
over 28 years to get through.
over 28 years to get through.
72
184520
2336
vă va lua peste 28 de ani
să le parcurgeți.
să le parcurgeți.
03:18
900 million options.
73
186880
1520
900 de milioane de posibilități.
03:21
So we created a tool
that allowed decisionmakers
that allowed decisionmakers
74
189160
2456
Așa că am creat un instrument
care să permită
care să permită
03:23
to weed through all 900 million options
75
191640
2616
parcurgerea tuturor celor 900 de milioane
de opțiuni
de opțiuni
03:26
in just a matter of days.
76
194280
1360
în doar câteva zile.
03:28
It turned out to be incredibly successful.
77
196560
2240
S-a dovedit a fi un succes incredibil.
03:31
In an operation in Iraq,
78
199400
1256
Într-o operațiune în Irak,
03:32
we saved 17 percent of the costs,
79
200680
2536
am economisit 17% din costuri,
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
asta însemnând că am putut
hrăni 80.000 de persoane în plus.
hrăni 80.000 de persoane în plus.
03:39
It's all thanks to the use of data
and modeling complex systems.
and modeling complex systems.
81
207400
4400
Totul se datorează folosirii datelor
și modelării sistemelor complexe.
și modelării sistemelor complexe.
03:44
But we didn't do it alone.
82
212800
1280
Dar nu am reușit singuri.
03:46
The unit that I worked with in Rome,
they were unique.
they were unique.
83
214840
2736
Echipa cu care am lucrat
în Roma a fost nemaipomenită.
în Roma a fost nemaipomenită.
03:49
They believed in collaboration.
84
217600
1736
Au crezut în colaborare.
03:51
They brought in the academic world.
85
219360
1696
Au angrenat lumea academică.
03:53
They brought in companies.
86
221080
1280
Au implicat companii.
Și dacă ne dorim schimbări profunde
în probleme mari precum foametea mondială,
în probleme mari precum foametea mondială,
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
03:58
we need everybody to the table.
88
226840
2560
avem nevoie ca toată lumea să se implice.
E nevoie ca specialiștii în baze de date
din organizații umanitare
din organizații umanitare
04:02
We need the data people
from humanitarian organizations
from humanitarian organizations
89
230040
2936
04:05
leading the way,
90
233000
1256
să ne deschidă calea
04:06
and orchestrating
just the right types of engagements
just the right types of engagements
91
234280
2576
și să pună bazele
unor parteneriate potrivite
unor parteneriate potrivite
04:08
with academics, with governments.
92
236880
1696
cu academicieni, cu guverne.
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
Există un grup al cărui potențial
nu-l exploatăm așa cum ar trebui.
nu-l exploatăm așa cum ar trebui.
04:14
Did you guess it? Companies.
94
242320
2096
L-ați ghicit? Companiile.
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
Companiile au un rol major în rezolvarea
marilor problemelor mondiale.
marilor problemelor mondiale.
04:20
I've been in the private sector
for two years now.
for two years now.
96
248880
2416
Lucrez în sectorul privat de doi ani.
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
Am văzut ceea ce pot face companiile,
dar și ceea ce companiile nu fac
dar și ceea ce companiile nu fac
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
și cred ca sunt trei căi principale
în care putem umple acest gol:
în care putem umple acest gol:
prin donarea de date, prin donarea
de experți în materie de decizii
de experți în materie de decizii
04:30
by donating data,
by donating decision scientists
by donating decision scientists
99
258320
3096
04:33
and by donating technology
to gather new sources of data.
to gather new sources of data.
100
261440
3480
și prin donarea tehnologiei de colectare
a noi surse de date.
a noi surse de date.
04:37
This is data philanthropy,
101
265920
1576
Aceasta este filantropia datelor
04:39
and it's the future of corporate
social responsibility.
social responsibility.
102
267520
2840
și este viitorul
responsabilității sociale corporative.
responsabilității sociale corporative.
04:43
Bonus, it also makes good business sense.
103
271160
2600
Bonus: este și o afacere rentabilă.
04:46
Companies today,
they collect mountains of data,
they collect mountains of data,
104
274920
3216
Companiile din ziua de azi
colectează o mulțime de date,
colectează o mulțime de date,
04:50
so the first thing they can do
is start donating that data.
is start donating that data.
105
278160
2762
așa că ce ar putea să facă
mai întâi e să doneze datele.
mai întâi e să doneze datele.
04:52
Some companies are already doing it.
106
280946
2190
Unele companii o fac deja.
04:55
Take, for example,
a major telecom company.
a major telecom company.
107
283160
2416
Luați ca exemplu o companie majoră
de telecomunicații.
de telecomunicații.
04:57
They opened up their data
in Senegal and the Ivory Coast
in Senegal and the Ivory Coast
108
285600
2776
Și-a donat datele în Senegal
și în Coasta de Fildeș,
și în Coasta de Fildeș,
05:00
and researchers discovered
109
288400
1976
iar cercetătorii au descoperit
că dacă analizați traiectoria ping-urilor
spre turnurile de telefonie mobilă,
spre turnurile de telefonie mobilă,
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
05:05
you can see where people are traveling.
111
293758
1938
puteți vedea unde călătoresc oamenii.
05:07
And that can tell you things like
112
295720
2176
Iar asta vă poate spune lucruri cum ar fi:
05:09
where malaria might spread,
and you can make predictions with it.
and you can make predictions with it.
113
297920
3096
unde s-ar putea răspândi malaria,
apoi puteți face previziuni.
apoi puteți face previziuni.
05:13
Or take for example
an innovative satellite company.
an innovative satellite company.
114
301040
2896
Sau luați ca exemplu
o companie inovatoare de sateliți.
o companie inovatoare de sateliți.
05:15
They opened up their data and donated it,
115
303960
2016
Și-au făcut publice datele și le-au donat,
05:18
and with that data you could track
116
306000
1656
iar cu acele date ați putea depista
05:19
how droughts are impacting
food production.
food production.
117
307680
2040
impactul secetelor
asupra producției alimentare.
asupra producției alimentare.
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
Astfel, ați putea chiar cere finanțare
înainte de producerea crizei.
înainte de producerea crizei.
05:27
This is a great start.
119
315560
1280
Acesta e un început grozav.
05:29
There's important insights
just locked away in company data.
just locked away in company data.
120
317840
2880
Sunt informații importante
de revelat în datele companiilor.
de revelat în datele companiilor.
05:34
And yes, you need to be very careful.
121
322480
1816
Și da, trebuie să fiți foarte atenți.
05:36
You need to respect privacy concerns,
for example by anonymizing the data.
for example by anonymizing the data.
122
324320
3576
Trebuie respectată confidențialitatea
datelor prin anonimizarea acestora.
datelor prin anonimizarea acestora.
05:39
But even if the floodgates opened up,
123
327920
2776
Chiar dacă ni s-ar deschide porțile
05:42
and even if all companies
donated their data
donated their data
124
330720
2536
și chiar dacă toate companiile
și-ar dona datele
și-ar dona datele
05:45
to academics, to NGOs,
to humanitarian organizations,
to humanitarian organizations,
125
333280
3256
academicilor, ONG-urilor,
organizațiilor umanitare,
organizațiilor umanitare,
nu ar fi suficient pentru a exploata
pe deplin potențialul datelor
pe deplin potențialul datelor
05:48
it wouldn't be enough
to harness that full impact of data
to harness that full impact of data
126
336560
2976
05:51
for humanitarian goals.
127
339560
1520
în scopuri umanitare.
05:54
Why?
128
342320
1456
De ce?
05:55
To unlock insights in data,
you need decision scientists.
you need decision scientists.
129
343800
3240
Pentru a interpreta datele, e nevoie
de experți în materie de decizii.
de experți în materie de decizii.
05:59
Decision scientists are people like me.
130
347760
2576
Experții în materie de decizii
sunt oameni ca mine.
sunt oameni ca mine.
06:02
They take the data, they clean it up,
131
350360
1816
Ei iau datele, le șlefuiesc,
le transformă și le introduc
într-un algoritm util.
într-un algoritm util.
06:04
transform it and put it
into a useful algorithm
into a useful algorithm
132
352200
2256
06:06
that's the best choice
to address the business need at hand.
to address the business need at hand.
133
354480
2840
E cea mai bună soluție
pentru a răspunde nevoilor de afaceri.
pentru a răspunde nevoilor de afaceri.
06:09
In the world of humanitarian aid,
there are very few decision scientists.
there are very few decision scientists.
134
357800
3696
În domeniul umanitar există foarte
puțini experți în materie de decizii.
puțini experți în materie de decizii.
06:13
Most of them work for companies.
135
361520
1640
Majoritatea lucrează în companii.
Acesta e al doilea lucru
pe care companiile trebuie să-l facă.
pe care companiile trebuie să-l facă.
06:16
So that's the second thing
that companies need to do.
that companies need to do.
136
364480
2496
06:19
In addition to donating their data,
137
367000
1696
Pe lângă donarea datelor,
06:20
they need to donate
their decision scientists.
their decision scientists.
138
368720
2160
e nevoie să-și „doneze”
experții în decizii.
experții în decizii.
06:23
Now, companies will say, "Ah! Don't take
our decision scientists from us.
our decision scientists from us.
139
371520
5736
Companiile vor spune: „Ah! Nu ne luați
experții în materie de decizii.
experții în materie de decizii.
06:29
We need every spare second of their time."
140
377280
2040
Avem nevoie de fiecare secundă
din timpul lor.”
din timpul lor.”
06:32
But there's a way.
141
380360
1200
Dar există o cale.
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
Dacă o companie ar dona o parte
din timpul unui expert în decizii,
din timpul unui expert în decizii,
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
ar fi mai recomandabil
să fragmenteze acea bucată de timp
să fragmenteze acea bucată de timp
06:41
over a long period,
say for example five years.
say for example five years.
144
389800
2200
pe o perioadă mai lungă,
de exemplu, cinci ani.
de exemplu, cinci ani.
06:44
This might only amount
to a couple of hours per month,
to a couple of hours per month,
145
392600
3056
Asta ar însemna probabil
doar două ore pe lună,
doar două ore pe lună,
06:47
which a company would hardly miss,
146
395680
2056
cărora o companie abia le-ar simți lipsa,
06:49
but what it enables is really important:
long-term partnerships.
long-term partnerships.
147
397760
3480
dar ceea ce înlesnesc e foarte important:
parteneriate pe termen lung.
parteneriate pe termen lung.
Parteneriatele pe termen lung
îți permit să construiești relații,
îți permit să construiești relații,
06:54
Long-term partnerships
allow you to build relationships,
allow you to build relationships,
148
402920
2816
06:57
to get to know the data,
to really understand it
to really understand it
149
405760
2656
să ajungi să cunoști datele,
să le înțelegi cu adevărat
să le înțelegi cu adevărat
07:00
and to start to understand
the needs and challenges
the needs and challenges
150
408440
2416
și să începi să înțelegi nevoile
și provocările
și provocările
07:02
that the humanitarian
organization is facing.
organization is facing.
151
410880
2160
cu care organizația umanitară
se confruntă.
se confruntă.
În Roma, la Programul Alimentar Mondial,
ne-a luat 5 ani să facem asta.
ne-a luat 5 ani să facem asta.
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
07:09
five years.
153
417560
1456
Cinci ani.
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
Acei primi trei ani, bine, au fost ani
în care nu am găsit soluții.
în care nu am găsit soluții.
07:14
Then there was two years after that
of refining and implementing the tool,
of refining and implementing the tool,
155
422400
3496
După aceea au urmat doi ani de șlefuire
și implementare a instrumentului,
și implementare a instrumentului,
07:17
like in the operations in Iraq
and other countries.
and other countries.
156
425920
2800
cum a fost în operațiunile
din Irak și alte țări.
din Irak și alte țări.
Nu cred că e un șir cronologic nerealist,
07:21
I don't think that's
an unrealistic timeline
an unrealistic timeline
157
429520
2096
fiind vorba de utilizarea datelor
pentru eficientizări operaționale.
pentru eficientizări operaționale.
07:23
when it comes to using data
to make operational changes.
to make operational changes.
158
431640
2736
07:26
It's an investment. It requires patience.
159
434400
2400
Este o investiție. Este nevoie de răbdare.
07:29
But the types of results
that can be produced are undeniable.
that can be produced are undeniable.
160
437760
3496
Dar rezultatele care pot fi generate
sunt incontestabile.
sunt incontestabile.
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
Aici mă refer la capacitatea de a hrăni
zeci de mii de oameni în plus.
zeci de mii de oameni în plus.
07:39
So we have donating data,
we have donating decision scientists,
we have donating decision scientists,
162
447440
4336
Avem, deci, donarea datelor, donarea
de experți în materie de decizii
de experți în materie de decizii
și există chiar o a treia cale
în care companiile pot ajuta:
în care companiile pot ajuta:
07:43
and there's actually a third way
that companies can help:
that companies can help:
163
451800
2696
07:46
donating technology
to capture new sources of data.
to capture new sources of data.
164
454520
2976
donarea tehnologiei
pentru a obține noi surse de date.
pentru a obține noi surse de date.
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
Există o mulțime de lucruri
despre care nu avem date.
despre care nu avem date.
Chiar acum,
refugiații sirieni inundă Grecia,
refugiații sirieni inundă Grecia,
07:52
Right now, Syrian refugees
are flooding into Greece,
are flooding into Greece,
166
460960
2720
07:57
and the UN refugee agency,
they have their hands full.
they have their hands full.
167
465120
2560
iar Agenția ONU pentru Refugiați
este suprasolicitată.
este suprasolicitată.
Sistemul actual de monitorizare
a persoanelor constă în hârtie și creion,
a persoanelor constă în hârtie și creion,
08:01
The current system for tracking people
is paper and pencil,
is paper and pencil,
168
469000
3056
08:04
and what that means is
169
472080
1256
însemnând
08:05
that when a mother and her five children
walk into the camp,
walk into the camp,
170
473360
2856
că atunci când o mamă cu cinci copii
intră în tabără,
intră în tabără,
08:08
headquarters is essentially
blind to this moment.
blind to this moment.
171
476240
2656
practic, sediul nu o vede,
nu consemnează acest moment.
nu consemnează acest moment.
Toate acestea se vor schimba
în următoarele săptămâni
în următoarele săptămâni
08:10
That's all going to change
in the next few weeks,
in the next few weeks,
172
478920
2336
08:13
thanks to private sector collaboration.
173
481280
1880
datorită colaborării cu sectorul privat.
Va exista un nou sistem bazat pe
tehnologia donată de urmărire a coletelor
tehnologia donată de urmărire a coletelor
08:15
There's going to be a new system based
on donated package tracking technology
on donated package tracking technology
174
483840
3656
08:19
from the logistics company
that I work for.
that I work for.
175
487520
2040
de către compania de logistică
la care lucrez.
la care lucrez.
08:22
With this new system,
there will be a data trail,
there will be a data trail,
176
490120
2336
Acest nou sistem va genera
o pistă de date,
o pistă de date,
08:24
so you know exactly the moment
177
492480
1456
așa că vei ști exact momentul
08:25
when that mother and her children
walk into the camp.
walk into the camp.
178
493960
2496
în care acea mamă și copiii ei
au intrat în tabără.
au intrat în tabără.
08:28
And even more, you know
if she's going to have supplies
if she's going to have supplies
179
496480
2616
Și chiar mai mult,
vei ști dacă ea va avea provizii
vei ști dacă ea va avea provizii
08:31
this month and the next.
180
499120
1256
luna aceasta și următoarea.
08:32
Information visibility drives efficiency.
181
500400
3016
Vizibilitatea informațiilor
generează eficiență.
generează eficiență.
Pentru companii, folosirea tehnologiei
pentru a colecta date importante
pentru a colecta date importante
08:35
For companies, using technology
to gather important data,
to gather important data,
182
503440
3256
08:38
it's like bread and butter.
183
506720
1456
e o rutină.
08:40
They've been doing it for years,
184
508200
1576
Ele fac lucrul ăsta de ani de zile,
08:41
and it's led to major
operational efficiency improvements.
operational efficiency improvements.
185
509800
3256
ceea ce a dus la îmbunătățiri majore
în eficiența operațională.
în eficiența operațională.
08:45
Just try to imagine
your favorite beverage company
your favorite beverage company
186
513080
2360
Imaginați-vă firma voastră
preferată de băuturi
preferată de băuturi
08:48
trying to plan their inventory
187
516280
1576
încercând să își facă inventarul
08:49
and not knowing how many bottles
were on the shelves.
were on the shelves.
188
517880
2496
și neșttind câte sticle au avut pe raft.
08:52
It's absurd.
189
520400
1216
Este absurd.
08:53
Data drives better decisions.
190
521640
1560
Datele generează
decizii mai bune.
decizii mai bune.
08:57
Now, if you're representing a company,
191
525800
2536
Acum, dacă reprezentați o companie
09:00
and you're pragmatic
and not just idealistic,
and not just idealistic,
192
528360
3136
și sunteți pragmatic, nu doar idealist,
09:03
you might be saying to yourself,
"OK, this is all great, Mallory,
"OK, this is all great, Mallory,
193
531520
3056
v-ați putea întreba: „Bine, Mallory,
e nemaipomenit,
e nemaipomenit,
09:06
but why should I want to be involved?"
194
534600
1840
dar de ce mi-aș dori să mă implic?”
Ei bine, în afara unei bune strategii
de imagine,
de imagine,
09:09
Well for one thing, beyond the good PR,
195
537000
2816
ajutorul umanitar este un sector
de 24 miliarde de dolari,
de 24 miliarde de dolari,
09:11
humanitarian aid
is a 24-billion-dollar sector,
is a 24-billion-dollar sector,
196
539840
2776
existând peste 5 miliarde de persoane,
printre care potențiali clienți
printre care potențiali clienți
09:14
and there's over five billion people,
maybe your next customers,
maybe your next customers,
197
542640
3056
09:17
that live in the developing world.
198
545720
1816
din țări în curs de dezvoltare.
09:19
Further, companies that are engaging
in data philanthropy,
in data philanthropy,
199
547560
3096
În plus, companiile implicate
în filantropia datelor
în filantropia datelor
09:22
they're finding new insights
locked away in their data.
locked away in their data.
200
550680
2976
găsesc noi amănunte stocate in datele lor.
09:25
Take, for example, a credit card company
201
553680
2256
Luați ca exemplu
o companie de cărți de credit
o companie de cărți de credit
care a deschis un centru
09:27
that's opened up a center
202
555960
1336
care funcționează ca o platformă comună
pentru academicieni, guverne și ONG-uri.
pentru academicieni, guverne și ONG-uri.
09:29
that functions as a hub for academics,
for NGOs and governments,
for NGOs and governments,
203
557320
3376
09:32
all working together.
204
560720
1240
toți lucrând laolaltă.
09:35
They're looking at information
in credit card swipes
in credit card swipes
205
563040
2736
Analizează informațiile din plățile
cu cartea de credit
cu cartea de credit
09:37
and using that to find insights
about how households in India
about how households in India
206
565800
2976
pentru a aprofunda
felul în care familiile din India
felul în care familiile din India
09:40
live, work, earn and spend.
207
568800
1720
trăiesc, muncesc, câștigă și cheltuiesc.
09:43
For the humanitarian world,
this provides information
this provides information
208
571680
2576
Pentru lumea umanitară,
acest lucru oferă informații
acest lucru oferă informații
09:46
about how you might
bring people out of poverty.
bring people out of poverty.
209
574280
2656
despre cum ai putea ajuta lumea
să iasă din sărăcie.
să iasă din sărăcie.
Dar pentru companii, înseamnă
informații despre clienții actuali
informații despre clienții actuali
09:48
But for companies, it's providing
insights about your customers
insights about your customers
210
576960
3016
09:52
and potential customers in India.
211
580000
2040
și clienții potențiali din India.
09:54
It's a win all around.
212
582760
1800
Este un câștig pentru toată lumea.
09:57
Now, for me, what I find
exciting about data philanthropy --
exciting about data philanthropy --
213
585960
3776
Acum, ceea ce găsesc interesant
despre filantropia datelor --
despre filantropia datelor --
10:01
donating data, donating decision
scientists and donating technology --
scientists and donating technology --
214
589760
4336
donarea datelor, donarea de experți
în decizii și donarea tehnologiei --
în decizii și donarea tehnologiei --
e valoarea acestora
pentru tineri profesioniști ca mine
pentru tineri profesioniști ca mine
10:06
it's what it means
for young professionals like me
for young professionals like me
215
594120
2376
10:08
who are choosing to work at companies.
216
596520
1840
care aleg să muncească pentru companii.
10:10
Studies show that
the next generation of the workforce
the next generation of the workforce
217
598800
2656
Studiile arată că următoarea generație
de salariați
de salariați
10:13
care about having their work
make a bigger impact.
make a bigger impact.
218
601480
2560
dorește ca munca lor
să aibă un impact mai mare.
să aibă un impact mai mare.
10:16
We want to make a difference,
219
604920
2456
Toți dorim să aducem o schimbare în bine,
10:19
and so through data philanthropy,
220
607400
2416
iar prin filantropia datelor,
10:21
companies can actually help engage
and retain their decision scientists.
and retain their decision scientists.
221
609840
3936
companiile pot spori angajamentul
și retenția experților în decizii.
și retenția experților în decizii.
10:25
And that's a big deal for a profession
that's in high demand.
that's in high demand.
222
613800
2880
Iar asta e un lucru mare
pentru o profesie la mare căutare.
pentru o profesie la mare căutare.
10:29
Data philanthropy
makes good business sense,
makes good business sense,
223
617840
3120
Filantropia datelor e o afacere rentabilă
10:34
and it also can help
revolutionize the humanitarian world.
revolutionize the humanitarian world.
224
622200
3280
și poate ajuta la revoluționarea
sectorului umanitar.
sectorului umanitar.
Dacă am coordona planificarea și logistica
10:39
If we coordinated
the planning and logistics
the planning and logistics
225
627600
2096
10:41
across all of the major facets
of a humanitarian operation,
of a humanitarian operation,
226
629720
3376
tuturor aspectelor principale
ale unei operațiuni umanitare,
ale unei operațiuni umanitare,
10:45
we could feed, clothe and shelter
hundreds of thousands more people,
hundreds of thousands more people,
227
633120
3600
am putea hrăni, îmbrăca și adăposti
sute de mii de persoane în plus
sute de mii de persoane în plus
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
iar companiile trebuie să se ridice
la potențialul pe care eu știu că îl au
la potențialul pe care eu știu că îl au
10:53
in bringing about this revolution.
229
641720
1880
în declanșarea acestei revoluții.
10:56
You've probably heard of the saying
"food for thought."
"food for thought."
230
644720
2936
Probabil ați auzit de expresia
„hrană pentru minte”.
„hrană pentru minte”.
10:59
Well, this is literally thought for food.
231
647680
2240
Ei bine, asta e în mod literal
gândit pentru hrană.
gândit pentru hrană.
11:03
It finally is the right idea
at the right time.
at the right time.
232
651560
4136
Este, în sfârșit, ideea potrivită
la momentul potrivit.
la momentul potrivit.
11:07
(Laughter)
233
655720
1216
(Râsete)
11:08
Très magnifique.
234
656960
1576
Formidabil.
11:10
Thank you.
235
658560
1216
Vă mulțumesc.
11:11
(Applause)
236
659800
2851
(Aplauze)
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