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

แมลอรี่ โซลด์เนอร์: ข้อมูลของบริษัทคุณสามารถช่วยหยุดความหิวโหยในโลกนี้ได้

Filmed:
1,090,373 views

บริษัทของคุณอาจเคยบริจาคเงินเพื่อช่วยปัญหามนุษยชน แต่คุณสามารถทำสิ่งที่มีประโยชน์กว่านั้นได้ นั่นคือข้อมูลของคุณ แมลอรี่ โซลด์เนอร์แสดงให้เราเห็นว่าภาคเอกชนจะช่วยสร้างความก้าวหน้าในปัญหาที่ยิ่งใหญ่นี้ได้อย่างไร ตั้งแต่วิกฤติผู้ลี้ภัยไปจนถึงความหิวโหยในโลกนี้ โดยการบริจาคข้อมูลที่ไม่ได้ใช้และนักวิทยาศาสตร์ข้อมูล อะไรบ้างที่บริษัทของคุณจะสามารถสนับสนุนได้?
- 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
Juneมิถุนายน 2010.
0
880
1760
เดือนมิถุนายน ปี 2010
00:15
I landedเป็นเจ้าของที่ดิน for the first time
in Romeกรุงโรม, Italyอิตาลี.
1
3760
2880
เป็นครั้งแรกที่ฉันได้ไปกรุงโรม
ประเทศอิตาลี
00:19
I wasn'tก็ไม่ได้ there to sightseesightsee.
2
7800
1896
ฉันไม่ได้ไปเที่ยว
ฉันไปที่นั่น เพื่อหยุดปัญหา
ความอดอยากและหิวโหยในโลกใบนี้
00:21
I was there to solveแก้ worldโลก hungerความหิว.
3
9720
3120
00:25
(Laughterเสียงหัวเราะ)
4
13160
2096
(เสียงหัวเราะ)
00:27
That's right.
5
15280
1216
ถูกต้องค่ะ
00:28
I was a 25-year-old-ปี PhDปริญญาเอก studentนักเรียน
6
16520
2096
ตอนนั้นฉันเป็นนักเรียนปริญญาเอก
อายุ 25 ปี
00:30
armedติดอาวุธ with a prototypeแบบเดิม toolเครื่องมือ
developedพัฒนา back at my universityมหาวิทยาลัย,
7
18640
3096
ที่มาพร้อมกับเครื่องมือและวิธีการ
ที่พัฒนามาจากมหาลัยของฉัน
00:33
and I was going to help
the Worldโลก Foodอาหาร Programmeโครงการ fixแก้ไขปัญหา hungerความหิว.
8
21760
3080
และฉันไปเพื่อช่วยโครงการอาหารโลก
ที่แก้ไขปัญหาความอดอยาก
00:37
So I strodeเดิน into the headquartersสำนักงานใหญ่ buildingอาคาร
9
25840
2736
ฉันจึงสาวเท้ามุ่งหน้าไปตึกสำนักงานใหญ่
00:40
and my eyesตา scannedสแกน the rowแถว of UNองค์การสหประชาชาติ flagsธง,
10
28600
2816
และสายตาของฉันก็กวาดไปพบกับแถวของธง UN
00:43
and I smiledยิ้ม as I thought to myselfตนเอง,
11
31440
1960
และฉันก็ยิ้มพร้อมกับคิดในใจ
00:46
"The engineerวิศวกร is here."
12
34840
1616
"วิศวกรอยู่นี่แล้ว"
00:48
(Laughterเสียงหัวเราะ)
13
36480
2216
(เสียงหัวเราะ)
00:50
Give me your dataข้อมูล.
14
38720
1776
เอาข้อมูลมาให้ฉัน
00:52
I'm going to optimizeเพิ่มประสิทธิภาพ everything.
15
40520
2176
ฉันจะเพิ่มประสิทธิภาพทุกอย่างเอง
00:54
(Laughterเสียงหัวเราะ)
16
42720
1736
(เสียงหัวเราะ)
00:56
Tell me the foodอาหาร that you've purchasedซื้อ,
17
44480
1896
บอกฉันมาว่าเธอซื้ออาหารอะไร
00:58
tell me where it's going
and when it needsจำเป็น to be there,
18
46400
2616
บอกฉันมาว่ามันอยู่ที่ไหน
และต้องการมันเมื่อไหร่
และฉันจะบอกวิธีที่สั้นที่สุด
เร็วที่สุด ถูกที่สุดเอง
01:01
and I'm going to tell you
the shortestที่สั้นที่สุด, fastestเร็วที่สุด, cheapestราคาถูกที่สุด,
19
49040
2736
จัดเส้นทางที่ดีที่สุดในการ
ไปเอาอาหารพวกนั้น
01:03
bestดีที่สุด setชุด of routesเส้นทาง to take for the foodอาหาร.
20
51800
1936
01:05
We're going to saveประหยัด moneyเงิน,
21
53760
1496
เราจะลดค่าใช้จ่าย
01:07
we're going to avoidหลีกเลี่ยง
delaysความล่าช้า and disruptionsการหยุดชะงัก,
22
55280
2096
เราจะหลีกเลี่ยงความล่าช้า
และความยุ่งยาก
01:09
and bottomด้านล่าง lineเส้น,
we're going to saveประหยัด livesชีวิต.
23
57400
2736
และที่สำคัญที่สุด
เรากำลังจะช่วยชีวิตผู้คน
01:12
You're welcomeยินดีต้อนรับ.
24
60160
1216
ด้วยความยินดี
01:13
(Laughterเสียงหัวเราะ)
25
61400
1696
(เสียงหัวเราะ)
01:15
I thought it was going to take 12 monthsเดือน,
26
63120
1976
ฉันคิดว่ามันคงจะใช้เวลาซัก 12 เดือน
01:17
OK, maybe even 13.
27
65120
1560
โอเค หรือซัก 13
01:19
This is not quiteทีเดียว how it pannedแพน out.
28
67800
2280
นี่ไม่ใช่วิถีที่มันควรจะเป็นเลย
01:23
Just a coupleคู่ of monthsเดือน into the projectโครงการ,
my Frenchฝรั่งเศส bossนาย, he told me,
29
71600
3776
แค่สองสามเดือนหลังการทำโปรเจค
เจ้านายชาวฝรั่งเศสบอกฉันว่า
01:27
"You know, Malloryมัลลอ,
30
75400
1816
"คุณรู้มั้ย แมลอรี่
01:29
it's a good ideaความคิด,
31
77240
1656
มันเป็นความคิดที่ดี
01:30
but the dataข้อมูล you need
for your algorithmsอัลกอริทึม is not there.
32
78920
3336
แต่ข้อมูลที่คุณต้องการ
สำหรับกระบวนการของคุณมันไม่ได้อยู่ที่นี่
01:34
It's the right ideaความคิด but at the wrongไม่ถูกต้อง time,
33
82280
2536
มันเป็นความคิดที่ถูกต้องแต่ผิดเวลา
01:36
and the right ideaความคิด at the wrongไม่ถูกต้อง time
34
84840
2296
และความคิดที่ถูกต้องแต่ผิดเวลา
01:39
is the wrongไม่ถูกต้อง ideaความคิด."
35
87160
1376
นั้นคือความคิดที่ผิด
01:40
(Laughterเสียงหัวเราะ)
36
88560
1320
(เสียงหัวเราะ)
01:42
Projectโครงการ over.
37
90960
1280
โปรเจคล้มเลิก
01:45
I was crushedบด.
38
93120
1200
ฉันถูกบดขยี้
01:49
When I look back now
39
97000
1456
เมื่อฉันมองย้อนกลับไปตอนนี้
01:50
on that first summerฤดูร้อน in Romeกรุงโรม
40
98480
1656
ไปฤดูร้อนนั้นที่กรุงโรม
01:52
and I see how much has changedการเปลี่ยนแปลง
over the pastอดีต sixหก yearsปี,
41
100160
2656
และฉันเห็นว่ามันเปลี่ยนแปลงไป
มากแค่ไหนภายในเวลา 6 ปีที่ผ่านมา
01:54
it is an absoluteแน่นอน transformationการแปลง.
42
102840
2240
มันเป็นการเปลี่ยนแปลงอย่างสิ้นเชิง
01:57
It's a comingมา of ageอายุ for bringingการนำ dataข้อมูล
into the humanitarianมีมนุษยธรรม worldโลก.
43
105640
3400
มันคือการมาถึงของยุคที่นำข้อมูล
เข้ามาสู่โลกของมนุษย์
02:02
It's excitingน่าตื่นเต้น. It's inspiringที่เร้าใจ.
44
110160
2656
มันน่าตื่นเต้น
มันมีแรงบันดาลใจ
02:04
But we're not there yetยัง.
45
112840
1200
แต่เรายังไม่ถึงจุดนั้น
02:07
And braceทาบ yourselfด้วยตัวคุณเอง, executivesผู้บริหารระดับสูง,
46
115320
2296
และเตรียมตัวให้พร้อม เหล่าผู้บริหาร
02:09
because I'm going to be puttingวาง companiesบริษัท
47
117640
1976
เพราะฉันกำลังจะถูกวางตัวในบริษัท
02:11
on the hotร้อน seatที่นั่ง to stepขั้นตอน up
and playเล่น the roleบทบาท that I know they can.
48
119640
3120
ในตำแหน่งสำคัญที่จะก้าวขึ้นไป
และรับบทบาทที่ฉันรู้ว่าเขาทำได้
02:17
My experiencesประสบการณ์ back in Romeกรุงโรม proveพิสูจน์
49
125520
2816
ประสบการณ์ของฉันที่กรุงโรมได้พิสูจน์แล้ว
02:20
usingการใช้ dataข้อมูล you can saveประหยัด livesชีวิต.
50
128360
2080
ว่าการใช้ข้อมูลสามารถช่วยชีวิตคนได้
02:23
OK, not that first attemptพยายาม,
51
131440
2456
โอเค ไม่ใช่สำหรับการลองครั้งแรก
02:25
but eventuallyในที่สุด we got there.
52
133920
2576
แต่ในที่สุดเราไปถึงจุดนั้น
02:28
Let me paintสี the pictureภาพ for you.
53
136520
1736
ให้ฉันได้ลองวาดภาพให้คุณดู
02:30
Imagineจินตนาการ that you have to planวางแผน
breakfastอาหารเช้า, lunchอาหารกลางวัน and dinnerอาหารเย็น
54
138280
2736
นึกภาพว่าคุณต้องวางแผน
มื้อเช้า กลางวันและเย็น
02:33
for 500,000 people,
55
141040
1616
สำหรับ 500,000 คน
02:34
and you only have
a certainบาง budgetงบ to do it,
56
142680
2136
และคุณมีงบประมาณจำกัด
02:36
say 6.5 millionล้าน dollarsดอลลาร์ perต่อ monthเดือน.
57
144840
2240
สมมุติว่าซัก 6.5 ล้านดอลลาร์ต่อเดือน
02:40
Well, what should you do?
What's the bestดีที่สุด way to handleจัดการ it?
58
148920
2762
เอาล่ะ คุณจะทำอย่างไร
คุณจะจัดการมันให้ดีที่สุดได้อย่างไร
02:44
Should you buyซื้อ riceข้าว, wheatข้าวสาลี, chickpeaถั่วเขียว, oilน้ำมัน?
59
152280
2760
คุณควรจะซื้อข้าว แป้งสาลี
ถั่วเขียว หรือน้ำมันดี?
02:47
How much?
60
155760
1216
เท่าไหร่ดี?
02:49
It soundsเสียง simpleง่าย. It's not.
61
157000
2136
ฟังดูเหมือนง่ายๆ นะ แต่ไม่ใช่เลย
02:51
You have 30 possibleเป็นไปได้ foodsอาหาร,
and you have to pickเลือก fiveห้า of them.
62
159160
3216
คุณมีอาหารให้เลือก 30 อย่าง
และคุณต้องเลือกออกมา 5 อย่าง
02:54
That's alreadyแล้ว over 140,000
differentต่าง combinationsอยู่รวมกัน.
63
162400
3416
แค่นั้นก็มากกว่า 140,000 ทางเลือกแล้ว
02:57
Then for eachแต่ละ foodอาหาร that you pickเลือก,
64
165840
1696
จากนั้นการเลือกอาหาร
แต่ละอย่างของคุณ
02:59
you need to decideตัดสิน how much you'llคุณจะ buyซื้อ,
65
167560
1976
คุณต้องมาคิดว่าจะซื้อเท่าไหร่
03:01
where you're going to get it from,
66
169560
1696
จะซื้อที่ไหน
03:03
where you're going to storeเก็บ it,
67
171280
1480
จะเอาไปเก็บที่ไหน
03:05
how long it's going to take to get there.
68
173760
1976
ของจะมาถึงเมื่อไหร่
03:07
You need to look at all of the differentต่าง
transportationการขนส่ง routesเส้นทาง as well.
69
175760
3336
คุณต้องคิดถึงเส้นทางการขนส่งต่างๆ ด้วย
03:11
And that's alreadyแล้ว
over 900 millionล้าน optionsตัวเลือก.
70
179120
2080
และนั่นก็เท่ากับว่ามีมากกว่า
900 ล้านทางเลือกแล้ว
03:14
If you consideredการพิจารณา eachแต่ละ optionตัวเลือก
for a singleเดียว secondที่สอง,
71
182120
2376
ถ้าคุณใช้เวลาใคร่ครวญ
แต่ละทางเลือกซัก 1 วินาที
03:16
that would take you
over 28 yearsปี to get throughตลอด.
72
184520
2336
คุณจะต้องใช้เวลาทั้งหมด 28 ปี
03:18
900 millionล้าน optionsตัวเลือก.
73
186880
1520
900 ล้านทางเลือก
03:21
So we createdสร้าง a toolเครื่องมือ
that allowedได้รับอนุญาต decisionmakersdecisionmakers
74
189160
2456
เราเลยสร้างเครื่องมือ
ที่ทำให้ผู้ตัดสินใจ
03:23
to weedวัชพืช throughตลอด all 900 millionล้าน optionsตัวเลือก
75
191640
2616
สามารถจัดการกับ 900 ล้านทางเลือก
03:26
in just a matterเรื่อง of daysวัน.
76
194280
1360
ได้ภายในเวลาไม่กี่วัน
03:28
It turnedหัน out to be incrediblyเหลือเชื่อ successfulที่ประสบความสำเร็จ.
77
196560
2240
มันประสบความสำเร็จอย่างเหลือเชื่อ
03:31
In an operationการทำงาน in Iraqอิรัก,
78
199400
1256
ในการปฏิบัติการที่อิรัก
03:32
we savedที่บันทึกไว้ 17 percentเปอร์เซ็นต์ of the costsค่าใช้จ่าย,
79
200680
2536
เราประหยัดต้นทุนไปได้ 17%
03:35
and this meantความหมาย that you had the abilityความสามารถ
to feedอาหาร an additionalเพิ่มเติม 80,000 people.
80
203240
4136
และนี่หมายความว่าคุณสามารถ
เลี้ยงคนเพิ่มได้อีกถึง 80,000 คน
03:39
It's all thanksขอบคุณ to the use of dataข้อมูล
and modelingการสร้างแบบจำลอง complexซับซ้อน systemsระบบ.
81
207400
4400
ทั้งหมดนี้ต้องขอบคุณการใช้ข้อมูล
และการวางระบบที่ยุ่งยาก
03:44
But we didn't do it aloneคนเดียว.
82
212800
1280
แต่เราไม่ได้ทำคนเดียว
03:46
The unitหน่วย that I workedทำงาน with in Romeกรุงโรม,
they were uniqueเป็นเอกลักษณ์.
83
214840
2736
หน่วยงานที่เราทำงานด้วยที่กรุงโรม
พวกเขานั้นแตกต่าง
03:49
They believedเชื่อว่า in collaborationการร่วมมือ.
84
217600
1736
เขาเชื่อในการร่วมมือกัน
03:51
They broughtนำ in the academicวิชาการ worldโลก.
85
219360
1696
พวกเขาพาโลกของการศึกษามา
03:53
They broughtนำ in companiesบริษัท.
86
221080
1280
พวกเขาพาบริษัทต่างๆ มา
ถ้าเราต้องการสร้างความเปลี่ยนแปลงที่ยิ่งใหญ่
กับปัญหาความอดอยากในโลกนี้จริงๆ
03:55
And if we really want to make bigใหญ่ changesการเปลี่ยนแปลง
in bigใหญ่ problemsปัญหาที่เกิดขึ้น like worldโลก hungerความหิว,
87
223200
3616
03:58
we need everybodyทุกคน to the tableตาราง.
88
226840
2560
เราต้องร่วมมือกันทุกคน
04:02
We need the dataข้อมูล people
from humanitarianมีมนุษยธรรม organizationsองค์กร
89
230040
2936
เราต้องการผู้ที่มีข้อมูล
จากองค์กรที่มีมนุษยธรรม
04:05
leadingชั้นนำ the way,
90
233000
1256
เพื่อนำทางไป
04:06
and orchestratingผู้กำกับ
just the right typesประเภท of engagementsการนัดหมาย
91
234280
2576
และกำกับดูแลการมีส่วนร่วมอย่างถูกต้อง
04:08
with academicsนักวิชาการ, with governmentsรัฐบาล.
92
236880
1696
กับสถาบันการศึกษา
กับหน่วยงานราชการ
04:10
And there's one groupกลุ่ม that's not beingกำลัง
leveragedleveraged in the way that it should be.
93
238600
3696
และมีกลุ่มหนึ่งที่ไม่ได้
ถูกใช้ประโยชน์ในทางที่ควร
04:14
Did you guessเดา it? Companiesบริษัท.
94
242320
2096
คุณเดาได้มั้ยคะ? บริษัทต่างๆ นั่นเอง
04:16
Companiesบริษัท have a majorสำคัญ roleบทบาท to playเล่น
in fixingเครื่องประกอบ the bigใหญ่ problemsปัญหาที่เกิดขึ้น in our worldโลก.
95
244440
3600
บริษัทต่างๆ มีบทบาทสำคัญ
ในการแก้ปัญหาใหญ่ๆ ในโลกของเรา
04:20
I've been in the privateเอกชน sectorภาค
for two yearsปี now.
96
248880
2416
ฉันอยู่ในภาคเอกขนมา 2 ปีแล้ว
04:23
I've seenเห็น what companiesบริษัท can do,
and I've seenเห็น what companiesบริษัท aren'tไม่ได้ doing,
97
251320
3576
ฉันได้เห็นว่าบริษัทต่างๆ สามารถทำอะไรได้บ้าง
และฉันได้เห็นสิ่งที่บริษัทต่างๆ ไม่ได้ทำ
04:26
and I think there's threeสาม mainหลัก waysวิธี
that we can fillใส่ that gapช่องว่าง:
98
254920
3376
และฉันคิดว่ามันมีสามทางหลัก
ที่จะช่วยปิดช่องโหว่นี้ได้
04:30
by donatingการบริจาค dataข้อมูล,
by donatingการบริจาค decisionการตัดสิน scientistsนักวิทยาศาสตร์
99
258320
3096
โดยการบริจาคข้อมูล,
โดยการบริจาคนักวิทยาศาสตร์ข้อมูล
04:33
and by donatingการบริจาค technologyเทคโนโลยี
to gatherรวบรวม newใหม่ sourcesแหล่งที่มา of dataข้อมูล.
100
261440
3480
และโดยการบริจาคเทคโนโลยี
ที่จะช่วยรวบรวมที่มาใหม่ๆ ของข้อมูล
04:37
This is dataข้อมูล philanthropyการทำบุญ,
101
265920
1576
นี่คือการทำบุญด้วยข้อมูล
04:39
and it's the futureอนาคต of corporateขององค์กร
socialสังคม responsibilityความรับผิดชอบ.
102
267520
2840
และมันคืออนาคตของการมีส่วนร่วม
ต่อการรับผิดชอบต่อสังคม
04:43
Bonusโบนัส, it alsoด้วย makesยี่ห้อ good businessธุรกิจ senseความรู้สึก.
103
271160
2600
นอกจากนี้ มันยังสนับสนุน
ต่อการทำธุรกิจด้วย
04:46
Companiesบริษัท todayในวันนี้,
they collectเก็บ mountainsภูเขา of dataข้อมูล,
104
274920
3216
บริษัททุกวันนี้เก็บข้อมูลมากมายมหาศาล
04:50
so the first thing they can do
is startเริ่มต้น donatingการบริจาค that dataข้อมูล.
105
278160
2762
ดังนั้นสิ่งแรกที่พวกเขาทำได้
คือเริ่มต้นบริจาคข้อมูลเหล่านั้น
04:52
Some companiesบริษัท are alreadyแล้ว doing it.
106
280946
2190
บางบริษัทก็เริ่มต้นทำไปแล้ว
04:55
Take, for exampleตัวอย่าง,
a majorสำคัญ telecomโทรคมนาคม companyบริษัท.
107
283160
2416
ยกตัวอย่างเช่น
บริษัทสื่อสารยักษ์ใหญ่แห่งหนึ่ง
04:57
They openedเปิด up theirของพวกเขา dataข้อมูล
in Senegalประเทศเซเนกัล and the Ivoryงาช้าง Coastชายฝั่ง
108
285600
2776
พวกเขาเปิดเผยข้อมูลของเขา
ในเซเนกัลและไอวอรี่โคสต์
05:00
and researchersนักวิจัย discoveredค้นพบ
109
288400
1976
และนักวิจัยได้ค้นพบว่า
05:02
that if you look at the patternsรูปแบบ
in the pingsปิง to the cellเซลล์ phoneโทรศัพท์ towersอาคาร,
110
290400
3334
ถ้าคุณดูรูปแบบของสัญญาณที่ส่งมาถึง
เสารับสัญญาณมือถือ
05:05
you can see where people are travelingการเดินทาง.
111
293758
1938
คุณจะเห็นว่าผู้คนเดินทางไปไหนบ้าง
05:07
And that can tell you things like
112
295720
2176
และนั่นสามารถบอก
สิ่งต่างๆ กับคุณได้ อย่างเช่น
05:09
where malariaมาลาเรีย mightอาจ spreadกระจาย,
and you can make predictionsการคาดการณ์ with it.
113
297920
3096
เชื้อมาลาเรียจะแพร่ไปที่ไหนบ้าง
และคุณสามารถคาดการณ์มันได้
05:13
Or take for exampleตัวอย่าง
an innovativeนวัตกรรม satelliteดาวเทียม companyบริษัท.
114
301040
2896
หรือตัวอย่างเช่น
บริษัทดาวเทียมนวัตกรรมสูงแห่งหนึ่ง
05:15
They openedเปิด up theirของพวกเขา dataข้อมูล and donatedบริจาค it,
115
303960
2016
พวกเขาเปิดเผยข้อมูลและบริจาคมัน
05:18
and with that dataข้อมูล you could trackลู่
116
306000
1656
และด้วยข้อมูลที่คุณสามารถติดตามได้
05:19
how droughtsภัยแล้ง are impactingส่งผลกระทบต่อ
foodอาหาร productionการผลิต.
117
307680
2040
ว่าความแห้งแห้งกำลังส่งผล
อย่างไรต่อการผลิตอาหาร
05:22
With that you can actuallyแท้จริง triggerไก
aidช่วยเหลือ fundingการระดมทุน before a crisisวิกฤติ can happenเกิดขึ้น.
118
310920
3680
ด้วยสิ่งนี้ จริงๆ แล้วคุณสามารถระดม
ทุนหาเงินช่วยเหลือได้ก่อนวิกฤติจะเกิด
05:27
This is a great startเริ่มต้น.
119
315560
1280
นี่เป็นการเริ่มต้นที่ดี
05:29
There's importantสำคัญ insightsข้อมูลเชิงลึก
just lockedล็อค away in companyบริษัท dataข้อมูล.
120
317840
2880
มีข้อมูลเชิงลึกสำคัญที่
ถูกซ่อนอยู่ในข้อมูลของบริษัท
05:34
And yes, you need to be very carefulระมัดระวัง.
121
322480
1816
และใช่แล้ว คุณต้องระมัดระวังอย่างมาก
05:36
You need to respectเคารพ privacyความเป็นส่วนตัว concernsความกังวล,
for exampleตัวอย่าง by anonymizingไม่เปิดเผย the dataข้อมูล.
122
324320
3576
คุณต้องเคารพความกังวลด้านความปลอดภัย
อย่างเช่น การไม่เปิดเผยข้อมูล
05:39
But even if the floodgatesประตูระบายน้ำ openedเปิด up,
123
327920
2776
แต่แม้ว่าถ้าประตูกั้นทั้งหมดถูกเปิด
05:42
and even if all companiesบริษัท
donatedบริจาค theirของพวกเขา dataข้อมูล
124
330720
2536
และแม้ว่าถ้าทุกบริษัท
บริจาคข้อมูล
05:45
to academicsนักวิชาการ, to NGOsเอ็นจีโอ,
to humanitarianมีมนุษยธรรม organizationsองค์กร,
125
333280
3256
ให้สถาบันการศึกษา ให้กลุ่มองค์กรอิสระ
ให้องค์กรด้านมนุษยธรรม
05:48
it wouldn'tจะไม่ be enoughพอ
to harnessเทียม that fullเต็ม impactส่งผลกระทบ of dataข้อมูล
126
336560
2976
มันก็ยังไม่พอที่จะควบคุม
ผลกระทบของข้อมูล
05:51
for humanitarianมีมนุษยธรรม goalsเป้าหมาย.
127
339560
1520
สำหรับเป้าหมายทางมนุษยธรรม
05:54
Why?
128
342320
1456
ทำไมน่ะหรอ
05:55
To unlockปลดล็อค insightsข้อมูลเชิงลึก in dataข้อมูล,
you need decisionการตัดสิน scientistsนักวิทยาศาสตร์.
129
343800
3240
ในการเข้าถึงข้อมูลเชิงลึกจากข้อมูลทั่วๆไป
คุณต้องจำเป็นต้องมีนักวิทยาศาสตร์ข้อมูล
05:59
Decisionการตัดสิน scientistsนักวิทยาศาสตร์ are people like me.
130
347760
2576
นักวิทยาศาสตร์ข้อมูลคือคนอย่างฉัน
06:02
They take the dataข้อมูล, they cleanสะอาด it up,
131
350360
1816
พวกเขาเอาข้อมูลไป จัดระเบียบมัน
06:04
transformแปลง it and put it
into a usefulมีประโยชน์ algorithmขั้นตอนวิธี
132
352200
2256
ดัดแปลงมันและทำให้มันเป็น
ชุดคำนวณที่ใช้งานได้
06:06
that's the bestดีที่สุด choiceทางเลือก
to addressที่อยู่ the businessธุรกิจ need at handมือ.
133
354480
2840
นั่นเป็นทางเลือกที่ดีที่สุด
ที่จะจัดการความต้องการของธุรกิจ
06:09
In the worldโลก of humanitarianมีมนุษยธรรม aidช่วยเหลือ,
there are very fewน้อย decisionการตัดสิน scientistsนักวิทยาศาสตร์.
134
357800
3696
ในโลกของความช่วยเหลือทางมนุษยธรรม
เรามีนักวิทยาศาสตร์ข้อมูลอยู่น้อยมากๆ
06:13
Mostมากที่สุด of them work for companiesบริษัท.
135
361520
1640
ส่วนใหญ่พวกเขาทำงานในบริษัทเอกชน
06:16
So that's the secondที่สอง thing
that companiesบริษัท need to do.
136
364480
2496
ดังนั้นสิ่งที่สองที่บริษัทต่างๆ ต้องทำ
06:19
In additionการเพิ่ม to donatingการบริจาค theirของพวกเขา dataข้อมูล,
137
367000
1696
นอกเหนือจากการบริจาคข้อมูล
06:20
they need to donateบริจาค
theirของพวกเขา decisionการตัดสิน scientistsนักวิทยาศาสตร์.
138
368720
2160
พวกเขาต้องบริจากนักวิทยาศาสตร์ข้อมูลด้วย
06:23
Now, companiesบริษัท will say, "Ahอา! Don't take
our decisionการตัดสิน scientistsนักวิทยาศาสตร์ from us.
139
371520
5736
ถึงตอนนี้ บริษัทต่างๆ อาจจะบอกว่า
"อ่า! อย่าเอานักวิทยาศาสตร์ข้อมูลไปจากเรา
06:29
We need everyทุกๆ spareสำรอง secondที่สอง of theirของพวกเขา time."
140
377280
2040
เราต้องใช้พวกเขาตลอดเวลา"
06:32
But there's a way.
141
380360
1200
แต่มันมีวิธีค่ะ
06:35
If a companyบริษัท was going to donateบริจาค
a blockกลุ่ม of a decisionการตัดสิน scientist'sนักวิทยาศาสตร์ time,
142
383200
3416
ถ้าบริษัทเอกชนจะบริจาคเวลา
ของนักวิทยาศาสตร์ข้อมูลซักช่วงหนึ่ง
06:38
it would actuallyแท้จริง make more senseความรู้สึก
to spreadกระจาย out that blockกลุ่ม of time
143
386640
3136
มันจะเข้าท่ามากกว่า
ที่จะกระจายเวลาเป็นช่วงๆ
06:41
over a long periodระยะเวลา,
say for exampleตัวอย่าง fiveห้า yearsปี.
144
389800
2200
ออกเป็นระยะเวลากว้างๆ
อย่างเช่น ซัก 5 ปี
06:44
This mightอาจ only amountจำนวน
to a coupleคู่ of hoursชั่วโมง perต่อ monthเดือน,
145
392600
3056
นี่อาจจะเป็นเวลาแค่
ไม่กี่ชั่วโมงต่อเดือน
06:47
whichที่ a companyบริษัท would hardlyแทบจะไม่ missนางสาว,
146
395680
2056
ซึ่งบริษัทเองก็แทบจะไม่เสียอะไร
06:49
but what it enablesช่วยให้ is really importantสำคัญ:
long-termระยะยาว partnershipsความร่วมมือ.
147
397760
3480
แต่สิ่งที่มันจะทำได้นั้นสำคัญมาก
ความร่วมมือในระยะยาว
06:54
Long-termระยะยาว partnershipsความร่วมมือ
allowอนุญาต you to buildสร้าง relationshipsสัมพันธ์,
148
402920
2816
ความร่วมมือในระยะยาวทำให้คุณ
สามารถสร้างความสัมพันธ์
06:57
to get to know the dataข้อมูล,
to really understandเข้าใจ it
149
405760
2656
ทำให้คุณรู้จักข้อมูล
ทำให้คุณเข้าใจมันจริงๆ
07:00
and to startเริ่มต้น to understandเข้าใจ
the needsจำเป็น and challengesความท้าทาย
150
408440
2416
และทำให้คุณเริ่มเข้าใจ
ความจำเป็นและความท้าทาย
07:02
that the humanitarianมีมนุษยธรรม
organizationองค์กร is facingเผชิญ.
151
410880
2160
ที่องค์กรเพื่อมนุษยชนกำลังเผชิญอยู่
07:06
In Romeกรุงโรม, at the Worldโลก Foodอาหาร Programmeโครงการ,
this tookเอา us fiveห้า yearsปี to do,
152
414345
3191
ที่โรม ที่โครงการอาหารโลก
สิ่งนี้กินเวลาเรา 5 ปี
07:09
fiveห้า yearsปี.
153
417560
1456
5 ปี
07:11
That first threeสาม yearsปี, OK,
that was just what we couldn'tไม่สามารถ solveแก้ for.
154
419040
3336
ใน 3 ปีแรก โอเค
นั่นอาจจะเป็นสิ่งที่เราแก้ไม่ได้
07:14
Then there was two yearsปี after that
of refiningการฟอก and implementingการดำเนินการ the toolเครื่องมือ,
155
422400
3496
ส่วน 2 ปีถัดไปหลังจากนั้น
จะเป็นการปรับแก้และดำเนินการกับเครื่องมือ
07:17
like in the operationsการดำเนินงาน in Iraqอิรัก
and other countriesประเทศ.
156
425920
2800
อย่างปฏิบัติการในอิรัค
และประเทศอื่นๆ
07:21
I don't think that's
an unrealisticไม่สมจริง timelineไทม์ไลน์
157
429520
2096
ฉันไม่คิดว่านั่น
เป็นระยะเวลาที่ไม่สมจริง
07:23
when it comesมา to usingการใช้ dataข้อมูล
to make operationalการดำเนินงาน changesการเปลี่ยนแปลง.
158
431640
2736
ถ้ามันเป็นเรื่องของการใช้ข้อมูล
ในการสร้างการเปลี่ยนแปลงทางปฏิบัติ
07:26
It's an investmentการลงทุน. It requiresต้องมี patienceความอดทน.
159
434400
2400
มันคือการลงทุน มันต้องใช้ความอดทน
07:29
But the typesประเภท of resultsผล
that can be producedผลิต are undeniableปฏิเสธไม่ได้.
160
437760
3496
แต่ประเภทของผลลัพธ์
ที่มันสามารถผลิตออกมานั้นปฏิเสธไม่ได้เลย
07:33
In our caseกรณี, it was the abilityความสามารถ
to feedอาหาร tensนับ of thousandsพัน more people.
161
441280
3560
ในกรณีของเรา มันคือความสามารถ
ที่จะเลี้ยงชีวิตคนได้เพิ่มขึ้นเป็นหมื่นๆ คน
07:39
So we have donatingการบริจาค dataข้อมูล,
we have donatingการบริจาค decisionการตัดสิน scientistsนักวิทยาศาสตร์,
162
447440
4336
เมื่อเรามีข้อมูลที่บริจาคมา
เรามีนักวิทยาศาสตร์ข้อมูลที่ได้รับบริจาคมา
07:43
and there's actuallyแท้จริง a thirdที่สาม way
that companiesบริษัท can help:
163
451800
2696
และจริงๆ แล้วเรามีหนทางที่สาม
ที่บริษัทเอกชนจะช่วยได้
07:46
donatingการบริจาค technologyเทคโนโลยี
to captureการจับกุม newใหม่ sourcesแหล่งที่มา of dataข้อมูล.
164
454520
2976
บริจาคเทคโนโลยี
ที่จะนำมาซึ่งแหล่งข้อมูลใหม่ๆ
07:49
You see, there's a lot of things
we just don't have dataข้อมูล on.
165
457520
2840
คุณเห็นไหมคะ มีอะไรมากมาย
เราแค่ไม่มีข้อมูล
07:52
Right now, Syrianเกี่ยวกับประเทศซีเรีย refugeesผู้ลี้ภัย
are floodingน้ำท่วม into Greeceกรีซ,
166
460960
2720
ตอนนี้ ผู้อพยพชาวซีเรีย
กำลังไหลเข้าสู่ประเทศกรีซ
07:57
and the UNองค์การสหประชาชาติ refugeeผู้ลี้ภัย agencyหน่วยงาน,
they have theirของพวกเขา handsมือ fullเต็ม.
167
465120
2560
และหน่วยงานผู้ลี้ภัยของ UN
พวกเขามีงานล้นมือ
08:01
The currentปัจจุบัน systemระบบ for trackingการติดตาม people
is paperกระดาษ and pencilดินสอ,
168
469000
3056
ระบบติดตามคนปัจจุบัน
คือกระดาษและดินสอ
08:04
and what that meansวิธี is
169
472080
1256
และนั่นมันหมายถึง
08:05
that when a motherแม่ and her fiveห้า childrenเด็ก ๆ
walkเดิน into the campค่าย,
170
473360
2856
เมื่อแม่และลูกๆ ทั้งห้าคนของเธอ
เดินเข้ามาที่ค่าย
08:08
headquartersสำนักงานใหญ่ is essentiallyเป็นหลัก
blindตาบอด to this momentขณะ.
171
476240
2656
สำนักงานนี้จะตาบอดไปเลยในช่วงเวลานั้น
08:10
That's all going to changeเปลี่ยนแปลง
in the nextต่อไป fewน้อย weeksสัปดาห์ที่ผ่านมา,
172
478920
2336
นั่นเป็นสิ่งที่จะเปลี่ยนไปใน
ไม่กี่สัปดาห์ข้างหน้า
08:13
thanksขอบคุณ to privateเอกชน sectorภาค collaborationการร่วมมือ.
173
481280
1880
ขอขอบคุณความร่วมมือจากภาคเอกชน
08:15
There's going to be a newใหม่ systemระบบ basedซึ่งเป็นรากฐาน
on donatedบริจาค packageบรรจุภัณฑ์ trackingการติดตาม technologyเทคโนโลยี
174
483840
3656
เรากำลังจะมีระบบใหม่จาก
เทคโนโลยีติดตามที่ได้รับบริจาค
08:19
from the logisticsโลจิสติก companyบริษัท
that I work for.
175
487520
2040
มาจากบริษัทด้านโลจิสติค
ที่ฉันทำงานด้วย
08:22
With this newใหม่ systemระบบ,
there will be a dataข้อมูล trailทาง,
176
490120
2336
ด้วยระบบนี้
เราจะมีข้อมูลเป็นสาย
08:24
so you know exactlyอย่างแน่นอน the momentขณะ
177
492480
1456
ดังนั้นเราจะรู้ช่วงเวลาที่แน่นอนว่า
08:25
when that motherแม่ and her childrenเด็ก ๆ
walkเดิน into the campค่าย.
178
493960
2496
เมื่อไหร่ที่แม่คนนั้นและลูกๆ ของเธอ
เดินเข้ามาในค่าย
และมากไปกว่านั้น คุณจะรู้
ว่าเธอจะมีเครื่องอุปโภคบริโภค
08:28
And even more, you know
if she's going to have suppliesพัสดุ
179
496480
2616
เพียงพอสำหรับเดือนนี้
และเดือนหน้าหรือไม่
08:31
this monthเดือน and the nextต่อไป.
180
499120
1256
08:32
Informationข้อมูล visibilityความชัดเจน drivesไดรฟ์ efficiencyอย่างมีประสิทธิภาพ.
181
500400
3016
การเปิดเผยข้อมูลทำให้
เกิดประสิทธิภาพ
08:35
For companiesบริษัท, usingการใช้ technologyเทคโนโลยี
to gatherรวบรวม importantสำคัญ dataข้อมูล,
182
503440
3256
สำหรับบริษัทเอกชน การใช้เทคโนโลยี
มาเก็บรวบรวมข้อมูลสำคัญ
08:38
it's like breadขนมปัง and butterเนย.
183
506720
1456
มันเป็นแหล่งรายได้หลัก
08:40
They'veพวกเขาได้ been doing it for yearsปี,
184
508200
1576
พวกเขาทำกันมาหลายปีแล้ว
08:41
and it's led to majorสำคัญ
operationalการดำเนินงาน efficiencyอย่างมีประสิทธิภาพ improvementsการปรับปรุง.
185
509800
3256
และมันนำมาซึ่ง
การปรับปรุงประสิทธิภาพของกระบวนการ
08:45
Just try to imagineจินตนาการ
your favoriteที่ชื่นชอบ beverageเครื่องดื่ม companyบริษัท
186
513080
2360
ลองจินตนาการดูว่า
บริษัทเครื่องดื่มในดวงใจของคุณ
08:48
tryingพยายาม to planวางแผน theirของพวกเขา inventoryสินค้าคงคลัง
187
516280
1576
กำลังวางแผนสินค้าในคลังของเขา
08:49
and not knowingรู้ดี how manyจำนวนมาก bottlesขวด
were on the shelvesชั้นวาง.
188
517880
2496
และการไม่รู้ว่าบนชั้นวาง
มีเครื่องดื่มอยู่กี่ขวด
08:52
It's absurdบ้าบอคอแตก.
189
520400
1216
นั่นมันพิลึกมาก
08:53
Dataข้อมูล drivesไดรฟ์ better decisionsการตัดสินใจ.
190
521640
1560
ข้อมูลทำให้เกิด
การตัดสินใจที่ดีขึ้น
08:57
Now, if you're representingเป็นตัวแทนของ a companyบริษัท,
191
525800
2536
ณ ตอนนี้ ถ้าคุณเป็นตัวแทนของบริษัทเอกชน
09:00
and you're pragmaticในทางปฏิบัติ
and not just idealisticในอุดมคติ,
192
528360
3136
และคุณปฏิบัติงานจริง
ไม่ใช่แค่คิดอยู่ในอุดมคติ
09:03
you mightอาจ be sayingคำพูด to yourselfด้วยตัวคุณเอง,
"OK, this is all great, Malloryมัลลอ,
193
531520
3056
คุณอาจกำลังพูดกับตัวเองอยู่ว่า
"โอเค นี่มันดีหมดเลย มัลลอรี่
09:06
but why should I want to be involvedที่เกี่ยวข้อง?"
194
534600
1840
แต่ทำไมฉันต้องอยาก
เข้าไปเกี่ยวข้องด้วยล่ะ"
09:09
Well for one thing, beyondเกิน the good PRพีอาร์,
195
537000
2816
อย่างหนึ่งเลยก็คือ มันเหนือกว่า
การประชาสัมพันธ์ที่ดี
09:11
humanitarianมีมนุษยธรรม aidช่วยเหลือ
is a 24-billion-dollar-billion ดอลลาร์ sectorภาค,
196
539840
2776
การช่วยเหลือมนุษยชนนั้นคิดเป็น
ขนาดตลาด 24,000 ล้านดอลล่าร์
09:14
and there's over fiveห้า billionพันล้าน people,
maybe your nextต่อไป customersลูกค้า,
197
542640
3056
และจะมีคนมากกว่า 5,000 ล้านคน
อาจจะเป็นลูกค้าในอนาคตของคุณ
09:17
that liveมีชีวิต in the developingที่กำลังพัฒนา worldโลก.
198
545720
1816
ที่จะอาศัยอยู่ในโลกที่กำลังพัฒนา
09:19
Furtherต่อไป, companiesบริษัท that are engagingน่ารัก
in dataข้อมูล philanthropyการทำบุญ,
199
547560
3096
นอกจากนี้ บริษัทที่มีส่วนร่วม
ในการบริจาคข้อมูล
09:22
they're findingคำวินิจฉัย newใหม่ insightsข้อมูลเชิงลึก
lockedล็อค away in theirของพวกเขา dataข้อมูล.
200
550680
2976
พวกเขาจะพบข้อมูลเชิงลึก
ที่ซ่อนอยู่ในข้อมูลของพวกเขา
09:25
Take, for exampleตัวอย่าง, a creditเครดิต cardบัตร companyบริษัท
201
553680
2256
อย่างเช่น บริษัทเครดิตการ์ดแห่งหนึ่ง
09:27
that's openedเปิด up a centerศูนย์
202
555960
1336
ที่เปิดศูนย์
09:29
that functionsฟังก์ชั่น as a hubดุม for academicsนักวิชาการ,
for NGOsเอ็นจีโอ and governmentsรัฐบาล,
203
557320
3376
ที่ทำงานเหมือนกับศูนย์รวมนักวิชาการ
สำหรับหน่วยงานอิสระและภาครัฐ
09:32
all workingการทำงาน togetherด้วยกัน.
204
560720
1240
ทุกคนทำงานร่วมกัน
09:35
They're looking at informationข้อมูล
in creditเครดิต cardบัตร swipesswipes
205
563040
2736
พวกเขาศึกษาข้อมูล
การรูดเครดิตการ์ด
09:37
and usingการใช้ that to find insightsข้อมูลเชิงลึก
about how householdsผู้ประกอบการ in Indiaอินเดีย
206
565800
2976
และใช้ข้อมูลนั้นในการหาข้อมูลเชิงลึก
เกี่ยวกับการที่ชาวบ้านในอินเดีย
09:40
liveมีชีวิต, work, earnได้รับ and spendใช้จ่าย.
207
568800
1720
อาศัย,ทำงาน,หาเงินและใช้เงิน
09:43
For the humanitarianมีมนุษยธรรม worldโลก,
this providesให้ informationข้อมูล
208
571680
2576
สำหรับโลกของมนุษยธรรม
สิ่งนี้นำมาซึ่งข้อมูล
09:46
about how you mightอาจ
bringนำมาซึ่ง people out of povertyความยากจน.
209
574280
2656
เกี่ยวกับการที่คุณจะ
ดึงผู้คนออกจากความยากจนได้อย่างไร
09:48
But for companiesบริษัท, it's providingหาก
insightsข้อมูลเชิงลึก about your customersลูกค้า
210
576960
3016
แต่สำหรับบริษัท มันกำลังบอก
ข้อมูลเชิงลึกของลูกค้าคุณ
09:52
and potentialที่อาจเกิดขึ้น customersลูกค้า in Indiaอินเดีย.
211
580000
2040
และความเป็นไปได้
ของลูกค้าในอินเดีย
09:54
It's a winชนะ all around.
212
582760
1800
ทุกคนมีแต่ได้
09:57
Now, for me, what I find
excitingน่าตื่นเต้น about dataข้อมูล philanthropyการทำบุญ --
213
585960
3776
ณ ตอนนี้ สำหรับฉัน สิ่งที่ฉัน
รู้สึกตื่นเต้นเกี่ยวกับการช่วยด้วยข้อมูล
10:01
donatingการบริจาค dataข้อมูล, donatingการบริจาค decisionการตัดสิน
scientistsนักวิทยาศาสตร์ and donatingการบริจาค technologyเทคโนโลยี --
214
589760
4336
ทั้งบริจาคข้อมูล บริจาคนักวิทยาศาสตร์ข้อมูล
และบริจาคเทคโนโลยี
มันคือสิ่งที่มีความหมาย
สำหรับคนทำงานรุ่นใหม่อย่างฉัน
10:06
it's what it meansวิธี
for youngหนุ่มสาว professionalsมืออาชีพ like me
215
594120
2376
10:08
who are choosingเลือก to work at companiesบริษัท.
216
596520
1840
คนที่กำลังจะเลือกเข้า
ทำงานที่บริษัทเอกชน
10:10
Studiesการศึกษา showแสดง that
the nextต่อไป generationรุ่น of the workforceกำลังแรงงาน
217
598800
2656
ผลการศึกษาแสดงให้เห็นว่า
แรงงานของคนรุ่นถัดไป
10:13
careการดูแล about havingมี theirของพวกเขา work
make a biggerที่ใหญ่กว่า impactส่งผลกระทบ.
218
601480
2560
สนใจเกี่ยวกับการทำงาน
ที่สร้างผลกระทบที่ยิ่งใหญ่
10:16
We want to make a differenceข้อแตกต่าง,
219
604920
2456
เราต้องการสร้างความแตกต่าง
10:19
and so throughตลอด dataข้อมูล philanthropyการทำบุญ,
220
607400
2416
และด้วยการบริจาคข้อมูล
10:21
companiesบริษัท can actuallyแท้จริง help engageว่าจ้าง
and retainรักษา theirของพวกเขา decisionการตัดสิน scientistsนักวิทยาศาสตร์.
221
609840
3936
บริษัทสามารถช่วยสร้างความผูกพันธ์
และรักษานักวิทยาศาสตร์ข้อมูลไว้ได้
10:25
And that's a bigใหญ่ dealจัดการ for a professionอาชีพ
that's in highสูง demandความต้องการ.
222
613800
2880
และนั่นเป็นเรื่องที่สำคัญสำหรับวิชาชีพ
ที่กำลังมีความต้องการในตลาดสูง
10:29
Dataข้อมูล philanthropyการทำบุญ
makesยี่ห้อ good businessธุรกิจ senseความรู้สึก,
223
617840
3120
การบริจาคข้อมูลเป็นเรื่องดีสำหรับธุรกิจ
10:34
and it alsoด้วย can help
revolutionizeปฏิวัติ the humanitarianมีมนุษยธรรม worldโลก.
224
622200
3280
และมันยังสามารถช่วย
ปฏิวัติโลกของมนุษยธรรม
10:39
If we coordinatedการประสานงาน
the planningการวางแผน and logisticsโลจิสติก
225
627600
2096
ถ้าเราประสานงาน
การวางแผนและการขนส่ง
10:41
acrossข้าม all of the majorสำคัญ facetsแง่มุม
of a humanitarianมีมนุษยธรรม operationการทำงาน,
226
629720
3376
ให้ครอบคลุมแง่มุมหลักๆ
ของการปฏิบัติการในด้านมนุษยธรรม
10:45
we could feedอาหาร, clotheตกแต่ง and shelterที่พักอาศัย
hundredsหลายร้อย of thousandsพัน more people,
227
633120
3600
เราสามารถให้อาหาร ให้เครื่องนุ่งห่ม
และที่อยู่อาศัย ให้กับคนกว่าแสนคนได้
10:49
and companiesบริษัท need to stepขั้นตอน up
and playเล่น the roleบทบาท that I know they can
228
637440
4256
และบริษัทเอกชนต้องก้าวออกมา
รับบทบาทสำคัญที่ฉันรู้ว่าเขาทำได้
10:53
in bringingการนำ about this revolutionการปฏิวัติ.
229
641720
1880
ในการทำให้เกิดการปฏิวัติครั้งนี้
10:56
You've probablyอาจ heardได้ยิน of the sayingคำพูด
"foodอาหาร for thought."
230
644720
2936
คุณอาจจะเคยได้ยินคำพูดที่ว่า
"อาหารเพื่อความคิด"
10:59
Well, this is literallyอย่างแท้จริง thought for foodอาหาร.
231
647680
2240
แต่สิ่งนี้มันคือความคิดสำหรับอาหารจริงๆ
11:03
It finallyในที่สุด is the right ideaความคิด
at the right time.
232
651560
4136
และในที่สุดมันก็เป็นความคิดที่ถูก
ในเวลาที่ถูกซักที
11:07
(Laughterเสียงหัวเราะ)
233
655720
1216
(เสียงหัวเราะ)
11:08
TrTrès magnifiqueMagnifique.
234
656960
1576
สวยงามมาก (ภาษาฝรั่งเศส)
11:10
Thank you.
235
658560
1216
ขอบคุณค่ะ
11:11
(Applauseการปรบมือ)
236
659800
2851
(เสียงปรบมือ)
Translated by Pakasai Ploysangsai
Reviewed by Karen Iguchi

▲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

Data provided by TED.

This site was created in May 2015 and the last update was on January 12, 2020. It will no longer be updated.

We are currently creating a new site called "eng.lish.video" and would be grateful if you could access it.

If you have any questions or suggestions, please feel free to write comments in your language on the contact form.

Privacy Policy

Developer's Blog

Buy Me A Coffee