ABOUT THE SPEAKER
Mallory Freeman - Data activist
UPS'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.

More profile about the speaker
Mallory Freeman | Speaker | TED.com
TED@UPS

Mallory Freeman: Your company's data could help end world hunger

Малори Солднер: Ваша информация может положить конец мировому голоду

Filmed:
1,090,373 views

Ваша компания могла бы пожертвовать деньги на гуманитарную помощь, но у вас есть кое-что более подходящее — ваша информация. Малори Солднер показывает нам, как частные компании могут помочь в решении серьёзных вопросов, включая проблему беженцев и голода во всём мире, путём предоставления доступа к закрытым данным и привлечения к работе своих аналитиков. А что может предложить ваша компания?
- Data activist
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
Juneиюнь 2010.
0
880
1760
Июнь 2010 года.
00:15
I landedвысадился for the first time
in RomeРим, ItalyИталия.
1
3760
2880
Я впервые прилетела в Рим, в Италию.
00:19
I wasn'tне было there to sightseeосмотра достопримечательностей.
2
7800
1896
Я прибыла туда не в качестве туриста,
00:21
I was there to solveрешать worldМир hungerголод.
3
9720
3120
а для того, чтобы решить
проблему мирового голода.
00:25
(LaughterСмех)
4
13160
2096
(Смех)
00:27
That's right.
5
15280
1216
Именно так.
00:28
I was a 25-year-old-лет PhDкандидат наук studentстудент
6
16520
2096
Я была 25-летней аспиранткой,
00:30
armedвооруженный with a prototypeопытный образец toolинструмент
developedразвитая back at my universityУниверситет,
7
18640
3096
и при помощи методов,
разработанных моим университетом,
00:33
and I was going to help
the WorldМир Foodпитание Programmeпрограмма fixфиксировать hungerголод.
8
21760
3080
собиралась помочь победить голод
Всемирной продовольственной программе.
00:37
So I strodeзашагал into the headquartersглавное управление buildingздание
9
25840
2736
Я прошествовала в главное здание,
00:40
and my eyesглаза scannedсканируется the rowряд of UNООН flagsфлаги,
10
28600
2816
окинула взглядом флаги ООН,
00:43
and I smiledУлыбнулся as I thought to myselfсебя,
11
31440
1960
и, улыбнувшись, подумала:
00:46
"The engineerинженер is here."
12
34840
1616
«Инженер прибыл».
00:48
(LaughterСмех)
13
36480
2216
(Смех)
00:50
Give me your dataданные.
14
38720
1776
Дайте мне ваши данные.
00:52
I'm going to optimizeоптимизировать everything.
15
40520
2176
Я сейчас всё тут оптимизирую.
00:54
(LaughterСмех)
16
42720
1736
(Смех)
00:56
Tell me the foodпитание that you've purchasedкупленный,
17
44480
1896
Скажите, какие у вас продукты,
00:58
tell me where it's going
and when it needsпотребности to be there,
18
46400
2616
куда их отправить,
когда они должны там быть,
01:01
and I'm going to tell you
the shortestсамый короткий, fastestбыстрый, cheapestсамый дешевый,
19
49040
2736
и я подскажу вам самые
короткие, быстрые, дешёвые
01:03
bestЛучший setзадавать of routesмаршруты to take for the foodпитание.
20
51800
1936
и лучшие пути их доставки.
01:05
We're going to saveспасти moneyДеньги,
21
53760
1496
Мы сэкономим деньги,
01:07
we're going to avoidизбежать
delaysзадержки and disruptionsсрывы,
22
55280
2096
избежим задержек и сбоев,
01:09
and bottomдно lineлиния,
we're going to saveспасти livesжизни.
23
57400
2736
и самое главное — мы спасём жизни.
01:12
You're welcomeдобро пожаловать.
24
60160
1216
Не благодарите.
01:13
(LaughterСмех)
25
61400
1696
(Смех)
01:15
I thought it was going to take 12 monthsмесяцы,
26
63120
1976
Я думала, что это займёт 12 месяцев.
01:17
OK, maybe even 13.
27
65120
1560
Хорошо, может быть 13.
01:19
This is not quiteдовольно how it pannedпанорамирование out.
28
67800
2280
Вышло немного иначе.
01:23
Just a coupleпара of monthsмесяцы into the projectпроект,
my FrenchФранцузский bossбосс, he told me,
29
71600
3776
Уже спустя пару месяцев от начала проекта
мой французский босс сказал:
01:27
"You know, MalloryМаллори,
30
75400
1816
«Знаешь, Малори,
01:29
it's a good ideaидея,
31
77240
1656
это отличная идея,
01:30
but the dataданные you need
for your algorithmsалгоритмы is not there.
32
78920
3336
но у нас нет данных, которые
нужны для твоих алгоритмов.
01:34
It's the right ideaидея but at the wrongнеправильно time,
33
82280
2536
Это хорошая идея, но в неподходящее время,
01:36
and the right ideaидея at the wrongнеправильно time
34
84840
2296
а хорошая идея в неподходящее время —
01:39
is the wrongнеправильно ideaидея."
35
87160
1376
плохая идея».
01:40
(LaughterСмех)
36
88560
1320
(Смех)
01:42
Projectпроект over.
37
90960
1280
Проект закрыли.
01:45
I was crushedраздавленный.
38
93120
1200
Я была раздавлена.
01:49
When I look back now
39
97000
1456
Сейчас, оглядываясь назад,
01:50
on that first summerлето in RomeРим
40
98480
1656
вспоминаю то первое лето в Риме
01:52
and I see how much has changedизменено
over the pastмимо sixшесть yearsлет,
41
100160
2656
и понимаю, как много
изменилось за прошедшие шесть лет,
01:54
it is an absoluteабсолютный transformationпреобразование.
42
102840
2240
полностью преобразовалось.
01:57
It's a comingприход of ageвозраст for bringingприведение dataданные
into the humanitarianгуманитарный worldМир.
43
105640
3400
Наступает время передачи данных
гуманитарным организациям.
02:02
It's excitingзахватывающе. It's inspiringвдохновляющий.
44
110160
2656
Это восхищает. Это вдохновляет.
02:04
But we're not there yetвсе же.
45
112840
1200
Но это ещё не всё.
02:07
And braceраспорка yourselfсам, executivesруководство,
46
115320
2296
И держитесь, руководители,
02:09
because I'm going to be puttingсдачи companiesкомпании
47
117640
1976
потому что я собираюсь заставить
02:11
on the hotгорячий seatсиденье to stepшаг up
and playиграть the roleроль that I know they can.
48
119640
3120
компании взять на себя роль,
которую, я уверена, они смогут сыграть.
02:17
My experiencesопыт back in RomeРим proveдоказывать
49
125520
2816
Мой опыт, полученный в Риме, доказывает,
02:20
usingс помощью dataданные you can saveспасти livesжизни.
50
128360
2080
что, используя данные,
можно спасать жизни.
02:23
OK, not that first attemptпопытка,
51
131440
2456
Да, та попытка провалилась,
02:25
but eventuallyв итоге we got there.
52
133920
2576
но в конце концов мы придём к этому.
02:28
Let me paintпокрасить the pictureкартина for you.
53
136520
1736
Позвольте я это продемонстрирую.
02:30
ImagineПредставить that you have to planплан
breakfastзавтрак, lunchобед and dinnerужин
54
138280
2736
Представьте: вам нужно
организовать завтрак, обед и ужин
02:33
for 500,000 people,
55
141040
1616
для 500 000 человек,
02:34
and you only have
a certainопределенный budgetбюджет to do it,
56
142680
2136
но ваш бюджет ограничен,
02:36
say 6.5 millionмиллиона dollarsдолларов perв monthмесяц.
57
144840
2240
скажем, 6,5 миллионами в месяц.
02:40
Well, what should you do?
What's the bestЛучший way to handleручка it?
58
148920
2762
Что вам необходимо сделать?
Как это сделать самым лучшим образом?
02:44
Should you buyкупить riceрис, wheatпшеница, chickpeaнут, oilмасло?
59
152280
2760
Нужно ли покупать рис,
пшеницу, нут, масло?
02:47
How much?
60
155760
1216
Сколько?
02:49
It soundsзвуки simpleпросто. It's not.
61
157000
2136
Звучит просто. Но это не так.
02:51
You have 30 possibleвозможное foodsпродукты,
and you have to pickвыбирать five5 of them.
62
159160
3216
У вас есть 30 возможных продуктов,
из которых нужно выбрать пять.
02:54
That's alreadyуже over 140,000
differentдругой combinationsкомбинации.
63
162400
3416
Это уже даёт 140 000 различных сочетаний.
Затем для каждого выбранного продукта
02:57
Then for eachкаждый foodпитание that you pickвыбирать,
64
165840
1696
02:59
you need to decideпринимать решение how much you'llВы будете buyкупить,
65
167560
1976
нужно решить, сколько его купить,
03:01
where you're going to get it from,
66
169560
1696
где купить,
03:03
where you're going to storeмагазин it,
67
171280
1480
где его хранить,
03:05
how long it's going to take to get there.
68
173760
1976
сколько времени займёт транспортировка.
03:07
You need to look at all of the differentдругой
transportationтранспорт routesмаршруты as well.
69
175760
3336
Вам также нужно изучить
все транспортные маршруты.
03:11
And that's alreadyуже
over 900 millionмиллиона optionsопции.
70
179120
2080
А это более 900 миллионов вариантов.
03:14
If you consideredсчитается eachкаждый optionвариант
for a singleОдин secondвторой,
71
182120
2376
Если над каждым думать секунду,
03:16
that would take you
over 28 yearsлет to get throughчерез.
72
184520
2336
то у вас уйдёт 28 лет на их анализ.
03:18
900 millionмиллиона optionsопции.
73
186880
1520
900 миллионов вариантов.
03:21
So we createdсозданный a toolинструмент
that allowedпозволил decisionmakersлица, принимающие решения
74
189160
2456
Поэтому мы создали программу,
с помощью которой
03:23
to weedсорняк throughчерез all 900 millionмиллиона optionsопции
75
191640
2616
можно перебрать
все 900 миллионов вариантов
03:26
in just a matterдело of daysдней.
76
194280
1360
всего за несколько дней.
03:28
It turnedоказалось out to be incrediblyневероятно successfulуспешный.
77
196560
2240
Она оказалась невероятно успешной.
03:31
In an operationоперация in IraqИрак,
78
199400
1256
В иракской кампании
03:32
we savedсохранены 17 percentпроцент of the costsрасходы,
79
200680
2536
мы сэкономили 17% на расходах,
03:35
and this meantимел ввиду that you had the abilityспособность
to feedкорм an additionalдополнительный 80,000 people.
80
203240
4136
что позволило нам накормить
ещё 80 000 людей.
03:39
It's all thanksблагодаря to the use of dataданные
and modelingмоделирование complexсложный systemsсистемы.
81
207400
4400
Всё это благодаря использованию
данных и сложной системы моделирования.
03:44
But we didn't do it aloneв одиночестве.
82
212800
1280
Но мы работали не одни.
03:46
The unitЕд. изм that I workedработал with in RomeРим,
they were uniqueуникальный.
83
214840
2736
Отдел, с которым я работала в Риме —
исключительный.
03:49
They believedСчитается, in collaborationсотрудничество.
84
217600
1736
Эти люди поверили в сотрудничество.
03:51
They broughtпривел in the academicакадемический worldМир.
85
219360
1696
Они привлекли научных деятелей.
03:53
They broughtпривел in companiesкомпании.
86
221080
1280
Они привлекли компании.
03:55
And if we really want to make bigбольшой changesизменения
in bigбольшой problemsпроблемы like worldМир hungerголод,
87
223200
3616
И если мы хотим реальных перемен
в таких проблемах, как мировой голод,
03:58
we need everybodyвсе to the tableТаблица.
88
226840
2560
то за столом переговоров
потребуется каждый.
04:02
We need the dataданные people
from humanitarianгуманитарный organizationsорганизации
89
230040
2936
Нам нужны владеющие данными люди
из гуманитарных организаций,
04:05
leadingведущий the way,
90
233000
1256
указывающие путь
04:06
and orchestratingOrchestrating
just the right typesтипы of engagementsобязательства
91
234280
2576
и организовывающие
наилучшие пути взаимодействия
04:08
with academicsученые, with governmentsправительства.
92
236880
1696
с учёными и властями.
04:10
And there's one groupгруппа that's not beingявляющийся
leveragedзаемные средства in the way that it should be.
93
238600
3696
Остается одна группа, до сих пор
не вовлечённая в работу на должном уровне.
04:14
Did you guessУгадай it? CompaniesКомпании.
94
242320
2096
Догадались кто? Компании.
04:16
CompaniesКомпании have a majorглавный roleроль to playиграть
in fixingфиксация the bigбольшой problemsпроблемы in our worldМир.
95
244440
3600
Компании играют главную роль в решении
глобальных проблем в мире.
04:20
I've been in the privateчастный sectorсектор
for two yearsлет now.
96
248880
2416
Я работаю в бизнесе уже два года.
04:23
I've seenвидели what companiesкомпании can do,
and I've seenвидели what companiesкомпании aren'tне doing,
97
251320
3576
Я понимаю, на что способны компании,
и чем они систематически не занимаются.
Я думаю, ситуацию можно изменить,
если компании поделятся тремя вещами:
04:26
and I think there's threeтри mainглавный waysпути
that we can fillзаполнить that gapразрыв:
98
254920
3376
04:30
by donatingпожертвование dataданные,
by donatingпожертвование decisionрешение scientistsученые
99
258320
3096
данными, ИТ-консультантами
04:33
and by donatingпожертвование technologyтехнологии
to gatherсобирать newновый sourcesисточники of dataданные.
100
261440
3480
и техническими средствами сбора и учёта
новых источников информации.
Это информационная благотворительность,
04:37
This is dataданные philanthropyфилантропия,
101
265920
1576
04:39
and it's the futureбудущее of corporateкорпоративный
socialСоциальное responsibilityобязанность.
102
267520
2840
в ней — будущее корпоративной
социальной ответственности.
04:43
Bonusбонус, it alsoтакже makesмарки good businessбизнес senseсмысл.
103
271160
2600
К тому же это разумно
с точки зрения бизнеса.
04:46
CompaniesКомпании todayCегодня,
they collectсобирать mountainsгоры of dataданные,
104
274920
3216
Сегодня компании накапливают
массу информации,
04:50
so the first thing they can do
is startНачало donatingпожертвование that dataданные.
105
278160
2762
поэтому для начала они могут
передать эту информацию.
04:52
Some companiesкомпании are alreadyуже doing it.
106
280946
2190
Некоторые компании уже это делают.
04:55
Take, for exampleпример,
a majorглавный telecomтелеком companyКомпания.
107
283160
2416
К примеру, одна крупная
телефонная компания
04:57
They openedоткрытый up theirих dataданные
in SenegalСенегал and the Ivoryслоновая кость Coastберег
108
285600
2776
раскрыла свои данные
в Сенегале и Кот-д'Ивуаре,
05:00
and researchersисследователи discoveredобнаруженный
109
288400
1976
анализ которых показал,
05:02
that if you look at the patternsузоры
in the pingsпинги to the cellклетка phoneТелефон towersбашни,
110
290400
3334
что, проследив динамику звуковых
импульсов между вышками сотовой связи,
05:05
you can see where people are travelingпутешествие.
111
293758
1938
можно увидеть перемещения людей.
05:07
And that can tell you things like
112
295720
2176
А это позволяет судить о вещах вроде
05:09
where malariaмалярия mightмог бы spreadраспространение,
and you can make predictionsпрогнозы with it.
113
297920
3096
вероятного ареала распространения малярии
и делать прогнозы.
05:13
Or take for exampleпример
an innovativeинновационный satelliteспутник companyКомпания.
114
301040
2896
Или, например, одна из передовых
спутниковых компаний
05:15
They openedоткрытый up theirих dataданные and donatedпожертвованный it,
115
303960
2016
раскрыла и поделилась своими данными,
05:18
and with that dataданные you could trackтрек
116
306000
1656
и с их помощью можно отследить,
05:19
how droughtsзасух are impactingвоздействуя
foodпитание productionпроизводство.
117
307680
2040
как засуха влияет на производство пищи.
05:22
With that you can actuallyна самом деле triggerвызывать
aidпомощь fundingфинансирование before a crisisкризис can happenслучаться.
118
310920
3680
Используя это, можно запросить помощь
до наступления кризиса.
05:27
This is a great startНачало.
119
315560
1280
Это прекрасное начало.
05:29
There's importantважный insightsпонимание
just lockedзапертый away in companyКомпания dataданные.
120
317840
2880
В базе данных компаний
скрыта важная информация.
05:34
And yes, you need to be very carefulосторожный.
121
322480
1816
Обращаться с ней надо очень осторожно.
05:36
You need to respectуважение privacyКонфиденциальность concernsпроблемы,
for exampleпример by anonymizingанонимайзер the dataданные.
122
324320
3576
Уважать право на конфиденциальность,
например, скрывая личные данные.
05:39
But even if the floodgatesшлюзы openedоткрытый up,
123
327920
2776
Но даже если откроются шлюзы
05:42
and even if all companiesкомпании
donatedпожертвованный theirих dataданные
124
330720
2536
и все компании предоставят свою информацию
05:45
to academicsученые, to NGOsНПО,
to humanitarianгуманитарный organizationsорганизации,
125
333280
3256
научным работникам, неправительственным
и гуманитарным организациям,
05:48
it wouldn'tне будет be enoughдостаточно
to harnessупряжь that fullполный impactвлияние of dataданные
126
336560
2976
это не позволит в полной мере
поставить эти данные на службу
05:51
for humanitarianгуманитарный goalsцели.
127
339560
1520
гуманитарным целям.
05:54
Why?
128
342320
1456
Почему?
05:55
To unlockотпереть insightsпонимание in dataданные,
you need decisionрешение scientistsученые.
129
343800
3240
Чтобы расшифровать данные,
необходимы аналитики.
05:59
DecisionРешение scientistsученые are people like me.
130
347760
2576
Такие как я.
06:02
They take the dataданные, they cleanчистый it up,
131
350360
1816
Они берут информацию, сортируют её,
06:04
transformпреобразование it and put it
into a usefulполезным algorithmалгоритм
132
352200
2256
преобразуют и используют
в нужных алгоритмах.
06:06
that's the bestЛучший choiceвыбор
to addressадрес the businessбизнес need at handрука.
133
354480
2840
Это лучший способ направить
потребности бизнеса в дело.
06:09
In the worldМир of humanitarianгуманитарный aidпомощь,
there are very fewмало decisionрешение scientistsученые.
134
357800
3696
В сфере гуманитарной помощи
очень мало таких специалистов.
06:13
MostНаиболее of them work for companiesкомпании.
135
361520
1640
Большинство из них работает в компаниях.
06:16
So that's the secondвторой thing
that companiesкомпании need to do.
136
364480
2496
Поэтому компаниям необходимо
сделать ещё один шаг.
06:19
In additionприбавление to donatingпожертвование theirих dataданные,
137
367000
1696
В дополнение к пожертвованию данных
06:20
they need to donateжертвовать
theirих decisionрешение scientistsученые.
138
368720
2160
им нужно предоставить своих аналитиков.
06:23
Now, companiesкомпании will say, "Ahах! Don't take
our decisionрешение scientistsученые from us.
139
371520
5736
Сейчас все компании скажут:
«Ааа! Не забирайте наших специалистов.
06:29
We need everyкаждый spareзапасной secondвторой of theirих time."
140
377280
2040
Для нас важна каждая секунда их труда».
06:32
But there's a way.
141
380360
1200
Но выход есть.
06:35
If a companyКомпания was going to donateжертвовать
a blockблок of a decisionрешение scientist'sонаукообразил time,
142
383200
3416
Если бы компания выделила
часть рабочего времени аналитика,
06:38
it would actuallyна самом деле make more senseсмысл
to spreadраспространение out that blockблок of time
143
386640
3136
то было бы разумнее распределить
это время на длительный период,
06:41
over a long periodпериод,
say for exampleпример five5 yearsлет.
144
389800
2200
скажем, на пять лет.
06:44
This mightмог бы only amountколичество
to a coupleпара of hoursчасов perв monthмесяц,
145
392600
3056
Это отнимет у них только два часа в месяц,
06:47
whichкоторый a companyКомпания would hardlyедва missМисс,
146
395680
2056
что не нанесёт ущерба компании,
06:49
but what it enablesпозволяет is really importantважный:
long-termдолгосрочный partnershipsпартнерские отношения.
147
397760
3480
а главное, приведёт
к долгосрочному сотрудничеству,
06:54
Long-termДолгосрочный partnershipsпартнерские отношения
allowпозволять you to buildстроить relationshipsотношения,
148
402920
2816
которое позволит выстроить отношения,
06:57
to get to know the dataданные,
to really understandПонимаю it
149
405760
2656
основательно ознакомиться
с предоставленными данными
07:00
and to startНачало to understandПонимаю
the needsпотребности and challengesпроблемы
150
408440
2416
и осознать потребности и задачи,
07:02
that the humanitarianгуманитарный
organizationорганизация is facingоблицовочный.
151
410880
2160
с которыми сталкивается
гуманитарная организация.
07:06
In RomeРим, at the WorldМир Foodпитание Programmeпрограмма,
this tookвзял us five5 yearsлет to do,
152
414345
3191
Во Всемирной продовольственной программе
в Риме на это ушло 5 лет.
07:09
five5 yearsлет.
153
417560
1456
Пять лет.
07:11
That first threeтри yearsлет, OK,
that was just what we couldn'tне может solveрешать for.
154
419040
3336
Хорошо, первые три года мы
не могли определиться.
07:14
Then there was two yearsлет after that
of refiningрафинирование and implementingреализации the toolинструмент,
155
422400
3496
Затем два года после этого
отлаживали и внедряли программу,
07:17
like in the operationsоперации in IraqИрак
and other countriesстраны.
156
425920
2800
как во время кампаний в Ираке
и других странах.
07:21
I don't think that's
an unrealisticнереально timelineграфик
157
429520
2096
Я не думаю, что предлагаю
нереальные сроки,
07:23
when it comesвыходит to usingс помощью dataданные
to make operationalэксплуатационный changesизменения.
158
431640
2736
учитывая, что данные
нужны для оперативных изменений.
07:26
It's an investmentинвестиции. It requiresтребует patienceтерпение.
159
434400
2400
Это инвестиция, требующая терпения.
07:29
But the typesтипы of resultsРезультаты
that can be producedпроизведенный are undeniableбесспорный.
160
437760
3496
Но результаты будут просто великолепными.
07:33
In our caseдело, it was the abilityспособность
to feedкорм tensдесятки of thousandsтысячи more people.
161
441280
3560
В нашем случае это возможность
накормить на десятки тысяч больше людей.
07:39
So we have donatingпожертвование dataданные,
we have donatingпожертвование decisionрешение scientistsученые,
162
447440
4336
Итак, нам предоставили данные,
предоставили аналитиков.
07:43
and there's actuallyна самом деле a thirdв третьих way
that companiesкомпании can help:
163
451800
2696
Но компании могут помочь ещё кое-чем:
07:46
donatingпожертвование technologyтехнологии
to captureзахватить newновый sourcesисточники of dataданные.
164
454520
2976
предоставлением методов для учёта
новых источников данных.
07:49
You see, there's a lot of things
we just don't have dataданные on.
165
457520
2840
Вы же понимаете, что у нас
нет информации о многих вещах.
07:52
Right now, Syrianсириец refugeesбеженцы
are floodingзатопление into GreeceГреция,
166
460960
2720
Сейчас сирийские беженцы заполняют Грецию,
07:57
and the UNООН refugeeбеженец agencyагентство,
they have theirих handsРуки fullполный.
167
465120
2560
и отделы ООН по делам беженцев
завалены работой.
Перемещения людей они
отмечают на бумаге — это их система учёта.
08:01
The currentтекущий systemсистема for trackingотслеживание people
is paperбумага and pencilкарандаш,
168
469000
3056
08:04
and what that meansозначает is
169
472080
1256
Это значит,
08:05
that when a motherмама and her five5 childrenдети
walkходить into the campлагерь,
170
473360
2856
что момент прибытия в лагерь матери
с пятью детьми
08:08
headquartersглавное управление is essentiallyпо существу
blindслепой to this momentмомент.
171
476240
2656
останется незамеченным администрацией.
08:10
That's all going to changeизменение
in the nextследующий fewмало weeksнедель,
172
478920
2336
В ближайшие несколько недель это изменится
08:13
thanksблагодаря to privateчастный sectorсектор collaborationсотрудничество.
173
481280
1880
благодаря сотрудничеству
с частным сектором.
08:15
There's going to be a newновый systemсистема basedисходя из
on donatedпожертвованный packageпакет trackingотслеживание technologyтехнологии
174
483840
3656
Им установят систему, основанную
на методе отслеживания посылок,
08:19
from the logisticsлогистика companyКомпания
that I work for.
175
487520
2040
предоставленным логистической компанией,
где я работаю.
08:22
With this newновый systemсистема,
there will be a dataданные trailслед,
176
490120
2336
Эта система позволит отследить данные,
08:24
so you know exactlyв точку the momentмомент
177
492480
1456
вы будете знать точное время
08:25
when that motherмама and her childrenдети
walkходить into the campлагерь.
178
493960
2496
появления матери с детьми в лагере.
08:28
And even more, you know
if she's going to have suppliesпредметы снабжения
179
496480
2616
И к тому же вы узнаете, есть ли для неё
08:31
this monthмесяц and the nextследующий.
180
499120
1256
питание на первое время.
08:32
InformationИнформация visibilityвидимость drivesдиски efficiencyэффективность.
181
500400
3016
Доступность информации
повышает эффективность.
08:35
For companiesкомпании, usingс помощью technologyтехнологии
to gatherсобирать importantважный dataданные,
182
503440
3256
Это хлеб с маслом для компаний,
использующих технические средства
08:38
it's like breadхлеб and butterмасло.
183
506720
1456
для сбора важных данных.
08:40
They'veУ них есть been doing it for yearsлет,
184
508200
1576
Они занимаются этим годами,
08:41
and it's led to majorглавный
operationalэксплуатационный efficiencyэффективность improvementsулучшения.
185
509800
3256
что приводит к значительному
повышению производительности.
08:45
Just try to imagineпредставить
your favoriteлюбимый beverageнапиток companyКомпания
186
513080
2360
Представьте: производитель
вашего любимого напитка
08:48
tryingпытаясь to planплан theirих inventoryинвентарь
187
516280
1576
пытается провести инвентаризацию,
08:49
and not knowingзнание how manyмногие bottlesбутылки
were on the shelvesполки.
188
517880
2496
не зная количества бутылок на полках.
08:52
It's absurdабсурд.
189
520400
1216
Это абсурд.
08:53
DataДанные drivesдиски better decisionsрешения.
190
521640
1560
С данными доступны лучшие решения.
08:57
Now, if you're representingпредставляющий a companyКомпания,
191
525800
2536
Если вы представитель компании
09:00
and you're pragmaticпрагматический
and not just idealisticидеалистический,
192
528360
3136
и скорее прагматик, чем идеалист,
09:03
you mightмог бы be sayingпоговорка to yourselfсам,
"OK, this is all great, MalloryМаллори,
193
531520
3056
то должны спросить себя: «Хорошо,
всё это замечательно, Малори,
09:06
but why should I want to be involvedучаствует?"
194
534600
1840
но чем это может заинтересовать меня?»
09:09
Well for one thing, beyondза the good PRPR,
195
537000
2816
Для начала, помимо хорошей рекламы,
09:11
humanitarianгуманитарный aidпомощь
is a 24-billion-dollar-billion-доллар sectorсектор,
196
539840
2776
гуманитарная помощь входит
в 24-миллиардный сектор,
09:14
and there's over five5 billionмиллиард people,
maybe your nextследующий customersклиенты,
197
542640
3056
и более пяти миллиардов людей,
живущих в развивающихся странах,
09:17
that liveжить in the developingразвивающийся worldМир.
198
545720
1816
могут стать вашими клиентами.
09:19
FurtherВ дальнейшем, companiesкомпании that are engagingобаятельный
in dataданные philanthropyфилантропия,
199
547560
3096
Кроме того, компании,
пожертвовавшие данные,
09:22
they're findingобнаружение newновый insightsпонимание
lockedзапертый away in theirих dataданные.
200
550680
2976
могут извлечь из них
новую информацию для себя.
09:25
Take, for exampleпример, a creditкредит cardкарта companyКомпания
201
553680
2256
Например, компания
по выпуску кредитных карт,
09:27
that's openedоткрытый up a centerцентр
202
555960
1336
которая открыла центр
09:29
that functionsфункции as a hubхаб for academicsученые,
for NGOsНПО and governmentsправительства,
203
557320
3376
для учёных, неправительственных
организаций и правительства,
09:32
all workingза работой togetherвместе.
204
560720
1240
где они работают вместе.
09:35
They're looking at informationИнформация
in creditкредит cardкарта swipesпойло
205
563040
2736
Отслеживают использование
кредитных карт, на основе чего
09:37
and usingс помощью that to find insightsпонимание
about how householdsдомохозяйства in IndiaИндия
206
565800
2976
получают представление
об активности населения Индии:
09:40
liveжить, work, earnзарабатывать and spendпроводить.
207
568800
1720
жизни, работе, заработках и тратах.
09:43
For the humanitarianгуманитарный worldМир,
this providesобеспечивает informationИнформация
208
571680
2576
С помощью этой информации
гуманитарные организации
09:46
about how you mightмог бы
bringприносить people out of povertyбедность.
209
574280
2656
смогут принять меры
для избавления людей от нищеты.
09:48
But for companiesкомпании, it's providingобеспечение
insightsпонимание about your customersклиенты
210
576960
3016
А компаниям это позволяет делать
новые выводы о своих нынешних
09:52
and potentialпотенциал customersклиенты in IndiaИндия.
211
580000
2040
и потенциальных клиентах в Индии.
09:54
It's a winвыиграть all around.
212
582760
1800
От этого выигрывают все.
09:57
Now, for me, what I find
excitingзахватывающе about dataданные philanthropyфилантропия --
213
585960
3776
Для меня самое поразительное
в информационной благотворительности,
10:01
donatingпожертвование dataданные, donatingпожертвование decisionрешение
scientistsученые and donatingпожертвование technologyтехнологии --
214
589760
4336
(пожертвовании данных,
труда аналитиков, методов учёта),
её значимость для таких как я,
молодых профессионалов,
10:06
it's what it meansозначает
for youngмолодой professionalsпрофессионалов like me
215
594120
2376
10:08
who are choosingвыбор to work at companiesкомпании.
216
596520
1840
тех, кто выбрал работу в компаниях.
10:10
StudiesИсследования showпоказать that
the nextследующий generationпоколение of the workforceтрудовые ресурсы
217
598800
2656
Исследования показывают,
что следующее поколение
10:13
careзабота about havingимеющий theirих work
make a biggerбольше impactвлияние.
218
601480
2560
волнует вопрос
результативности своей работы.
10:16
We want to make a differenceразница,
219
604920
2456
Мы хотим изменить ситуацию,
10:19
and so throughчерез dataданные philanthropyфилантропия,
220
607400
2416
и посредством информационной
благотворительности
10:21
companiesкомпании can actuallyна самом деле help engageзаниматься
and retainсохранить theirих decisionрешение scientistsученые.
221
609840
3936
компании способны привлечь
и удержать своих аналитиков.
10:25
And that's a bigбольшой dealпо рукам for a professionпрофессия
that's in highвысокая demandспрос.
222
613800
2880
Это реальный шанс для профессионалов,
на которых есть спрос.
10:29
DataДанные philanthropyфилантропия
makesмарки good businessбизнес senseсмысл,
223
617840
3120
Информационная благотворительность
выгодна для бизнеса,
10:34
and it alsoтакже can help
revolutionizeреволюционизировать the humanitarianгуманитарный worldМир.
224
622200
3280
она может помочь полностью
изменить работу гуманитарных организаций.
10:39
If we coordinatedкоординированный
the planningпланирование and logisticsлогистика
225
627600
2096
Если объединить планирование и логистику
10:41
acrossчерез all of the majorглавный facetsфасеты
of a humanitarianгуманитарный operationоперация,
226
629720
3376
во всех основных направлениях
деятельности гуманитарных организаций,
10:45
we could feedкорм, clotheоблекать and shelterукрытие
hundredsсотни of thousandsтысячи more people,
227
633120
3600
мы смогли бы обеспечить едой, одеждой
и жильём на сотни тысяч больше людей.
10:49
and companiesкомпании need to stepшаг up
and playиграть the roleроль that I know they can
228
637440
4256
И компаниям необходимо
включиться и сыграть свою роль
10:53
in bringingприведение about this revolutionреволюция.
229
641720
1880
в приближении этой революции.
10:56
You've probablyвероятно heardуслышанным of the sayingпоговорка
"foodпитание for thought."
230
644720
2936
Скорее всего, вы слышали фразу
«пища для размышлений».
10:59
Well, this is literallyбуквально thought for foodпитание.
231
647680
2240
А тут в буквальном смысле —
размышления для пищи.
11:03
It finallyв конце концов is the right ideaидея
at the right time.
232
651560
4136
Наконец, у нас есть хорошая идея
в подходящее время.
11:07
(LaughterСмех)
233
655720
1216
(Смех)
11:08
TrTrès magnifiqueMagnifique.
234
656960
1576
(По-французски) Прекрасно!
11:10
Thank you.
235
658560
1216
Спасибо.
11:11
(ApplauseАплодисменты)
236
659800
2851
(Аплодисменты)
Translated by Alena Chernykh
Reviewed by Anna Zvereva

▲Back to top

ABOUT THE SPEAKER
Mallory Freeman - Data activist
UPS'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.

More profile about the speaker
Mallory Freeman | Speaker | TED.com