TED@UPS
Mallory Freeman: Your company's data could help end world hunger
Mallory Soldner: Şirket verileriniz dünyadaki açlığın bitirilmesine yardımcı olabilir
Filmed:
Readability: 4.2
1,090,373 views
Şirketiniz insani sorunları çözmek için para bağışı yapmış olabilir, ancak yapabileceği çok daha yararlı bir şey var: Veri bağışı. Mallory Soldner özel sektörün büyük sorunların çözümünde büyük bir ilerleme sağlanmasına --mülteci krizinden dünyadaki açlığa kadar-- kullanılmayan veri ve karar bilimcisi bağışlayarak nasıl katkıda bulunabileceğini anlatıyor. Sizin şirketiniz buna nasıl bir katkıda bulunabilir?
Mallory Freeman - Data activist
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
Double-click the English transcript below to play the video.
00:12
June 2010.
0
880
1760
Haziran 2010.
00:15
I landed for the first time
in Rome, Italy.
in Rome, Italy.
1
3760
2880
Roma, İtalya'ya ilk defa ayak bastım.
00:19
I wasn't there to sightsee.
2
7800
1896
Turist olarak gelmemiştim.
00:21
I was there to solve world hunger.
3
9720
3120
Dünyadaki açlığa çözüm bulmak
için oradaydım.
için oradaydım.
00:25
(Laughter)
4
13160
2096
(Kahkahalar)
Evet, doğru duydunuz.
00:27
That's right.
5
15280
1216
00:28
I was a 25-year-old PhD student
6
16520
2096
25 yaşında bir doktora öğrencisiydim,
00:30
armed with a prototype tool
developed back at my university,
developed back at my university,
7
18640
3096
üniversitemde geliştirilmiş bir
prototip aracını kuşanmış gelmiştim
prototip aracını kuşanmış gelmiştim
00:33
and I was going to help
the World Food Programme fix hunger.
the World Food Programme fix hunger.
8
21760
3080
ve Dünya Gıda Programı'nın açlık
sorununu çözmesine yardım edecektim.
sorununu çözmesine yardım edecektim.
00:37
So I strode into the headquarters building
9
25840
2736
Merkez ofis binasını
uzun adımlarla yürüdüm,
uzun adımlarla yürüdüm,
00:40
and my eyes scanned the row of UN flags,
10
28600
2816
gözlerimle Birleşmiş Milletler
sıra bayraklarını taradım
sıra bayraklarını taradım
00:43
and I smiled as I thought to myself,
11
31440
1960
ve kendi kendime düşünüp gülümsedim:
00:46
"The engineer is here."
12
34840
1616
"Mühendis burada."
00:48
(Laughter)
13
36480
2216
(Kahkahalar)
00:50
Give me your data.
14
38720
1776
Bana verileri gösterin.
00:52
I'm going to optimize everything.
15
40520
2176
Her şeyi optimize edeceğim.
00:54
(Laughter)
16
42720
1736
(Kahkahalar)
00:56
Tell me the food that you've purchased,
17
44480
1896
Satın aldığınız gıda miktarını söyleyin,
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
nereye gideceğini, ne zaman
orada olması gerektiğini,
orada olması gerektiğini,
01:01
and I'm going to tell you
the shortest, fastest, cheapest,
the shortest, fastest, cheapest,
19
49040
2736
ben de size en kısa, en hızlı
en ucuz, en iyi
en ucuz, en iyi
01:03
best set of routes to take for the food.
20
51800
1936
rotaları sıralayayım.
01:05
We're going to save money,
21
53760
1496
Paradan tasarruf edeceğiz,
01:07
we're going to avoid
delays and disruptions,
delays and disruptions,
22
55280
2096
gecikmeleri ve bozulmaları önleyeceğiz
01:09
and bottom line,
we're going to save lives.
we're going to save lives.
23
57400
2736
ve asıl önemli olan, hayat kurtaracağız.
01:12
You're welcome.
24
60160
1216
Bir şey değil.
01:13
(Laughter)
25
61400
1696
(Kahkahalar)
01:15
I thought it was going to take 12 months,
26
63120
1976
12 ay süreceğini düşündüm,
01:17
OK, maybe even 13.
27
65120
1560
tamam, belki 13.
01:19
This is not quite how it panned out.
28
67800
2280
Tam olarak böyle sonuçlanmadı.
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
Projeye başladıktan sadece
birkaç ay sonra Fransız patronum
birkaç ay sonra Fransız patronum
bana dedi ki,
01:27
"You know, Mallory,
30
75400
1816
"Mallory, bu iyi bir fikir,
01:29
it's a good idea,
31
77240
1656
01:30
but the data you need
for your algorithms is not there.
for your algorithms is not there.
32
78920
3336
ancak senin algoritmaların için
ihtiyacın olan veri burada yok.
ihtiyacın olan veri burada yok.
01:34
It's the right idea but at the wrong time,
33
82280
2536
Bu doğru bir fikir ancak
yanlış bir zamanda
yanlış bir zamanda
01:36
and the right idea at the wrong time
34
84840
2296
ve yanlış bir zamanda gelen
doğru bir fikir,
doğru bir fikir,
01:39
is the wrong idea."
35
87160
1376
yanlış bir fikirdir."
01:40
(Laughter)
36
88560
1320
(Kahkahalar)
01:42
Project over.
37
90960
1280
Projenin sonu.
01:45
I was crushed.
38
93120
1200
İçim ezilmişti.
01:49
When I look back now
39
97000
1456
Geriye dönüp baktığımda
01:50
on that first summer in Rome
40
98480
1656
Roma'daki bu ilk yazıma
01:52
and I see how much has changed
over the past six years,
over the past six years,
41
100160
2656
ve son 6 yıl içerisinde
ne kadar çok şeyin değiştiğine,
ne kadar çok şeyin değiştiğine,
01:54
it is an absolute transformation.
42
102840
2240
bunun acayip bir dönüşüm
olduğunu görüyorum.
olduğunu görüyorum.
01:57
It's a coming of age for bringing data
into the humanitarian world.
into the humanitarian world.
43
105640
3400
İnsani çalışmalarda veri
kullanma çağının başlangıcı.
kullanma çağının başlangıcı.
02:02
It's exciting. It's inspiring.
44
110160
2656
Çok heyecanlı. Çok ilham verici.
02:04
But we're not there yet.
45
112840
1200
Ancak henüz orada değiliz.
02:07
And brace yourself, executives,
46
115320
2296
Kendinizi hazırlayın, yöneticiler,
02:09
because I'm going to be putting companies
47
117640
1976
çünkü şirketleri sorumluluk almaya
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
ve yapabileceklerine inandığım
rolü oynamaya çağıracağım.
rolü oynamaya çağıracağım.
02:17
My experiences back in Rome prove
49
125520
2816
Roma'daki tecrübelerim kanıtlıyor ki,
02:20
using data you can save lives.
50
128360
2080
verileri kullanarak hayat kurtarabiliriz.
02:23
OK, not that first attempt,
51
131440
2456
Tamam, bunu öyle hemen anlayamadık
02:25
but eventually we got there.
52
133920
2576
ancak zamanla kavrayabildik.
02:28
Let me paint the picture for you.
53
136520
1736
Size anlatmama izin verin.
02:30
Imagine that you have to plan
breakfast, lunch and dinner
breakfast, lunch and dinner
54
138280
2736
Düşünün ki, bir kahvaltı, bir öğle
ve bir de akşam yemeği
ve bir de akşam yemeği
02:33
for 500,000 people,
55
141040
1616
planlamak durumundasınız
500.000 kişi için
500.000 kişi için
02:34
and you only have
a certain budget to do it,
a certain budget to do it,
56
142680
2136
ve bunun için belirli bir bütçeniz var,
02:36
say 6.5 million dollars per month.
57
144840
2240
diyelim ki ayda 6,5 milyon dolar.
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
Ne yapmanız gerekir?
Bunu planlamanın en iyi yolu nedir?
Bunu planlamanın en iyi yolu nedir?
02:44
Should you buy rice, wheat, chickpea, oil?
59
152280
2760
Pirinç, buğday, bezelye, yağ,
ne almalısınız?
ne almalısınız?
02:47
How much?
60
155760
1216
Ne kadar?
02:49
It sounds simple. It's not.
61
157000
2136
Kolay gibi görünüyor ama değil.
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
30 adet alabileceğiniz gıda ürünü var ve
siz 5 tanesini seçmek durumundasınız.
siz 5 tanesini seçmek durumundasınız.
02:54
That's already over 140,000
different combinations.
different combinations.
63
162400
3416
Bu, 140.000 farklı kombinasyon eder.
02:57
Then for each food that you pick,
64
165840
1696
Sonra, her gıda maddesi için,
02:59
you need to decide how much you'll buy,
65
167560
1976
ne kadar alacağınıza
karar vermeniz lazım,
karar vermeniz lazım,
03:01
where you're going to get it from,
66
169560
1696
nereden alacağınıza,
03:03
where you're going to store it,
67
171280
1480
bunları nerede depolayacağınıza,
03:05
how long it's going to take to get there.
68
173760
1976
getirmenin ne kadar süreceğine.
03:07
You need to look at all of the different
transportation routes as well.
transportation routes as well.
69
175760
3336
Tüm farklı nakliyat güzergâhlarına
bir bakmak lazım.
bir bakmak lazım.
Bu da 900 milyondan fazla
opsiyon demektir.
opsiyon demektir.
03:11
And that's already
over 900 million options.
over 900 million options.
70
179120
2080
03:14
If you considered each option
for a single second,
for a single second,
71
182120
2376
Her bir opsiyonu incelemek için
bir saniye ayırsanız,
bir saniye ayırsanız,
03:16
that would take you
over 28 years to get through.
over 28 years to get through.
72
184520
2336
bitirmeniz 28 yılınızı alacaktır.
03:18
900 million options.
73
186880
1520
900 milyon opsiyon.
03:21
So we created a tool
that allowed decisionmakers
that allowed decisionmakers
74
189160
2456
Biz de bu kararları verecek olan kişilerin
03:23
to weed through all 900 million options
75
191640
2616
bu 900 milyon opsiyonun üzerinden
sadece birkaç gün içerisinde
sadece birkaç gün içerisinde
03:26
in just a matter of days.
76
194280
1360
geçebilmesini sağlayan bir araç yarattık.
03:28
It turned out to be incredibly successful.
77
196560
2240
İnanılmaz derecede başarılı oldu.
03:31
In an operation in Iraq,
78
199400
1256
Irak'ta bir operasyonda,
03:32
we saved 17 percent of the costs,
79
200680
2536
masraflardan %17 tasarruf ettik,
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
bu da fazladan 80.000 kişiyi
besleyebilmemiz anlamına geliyordu.
besleyebilmemiz anlamına geliyordu.
03:39
It's all thanks to the use of data
and modeling complex systems.
and modeling complex systems.
81
207400
4400
Bunların hepsi veri kullanımı ve
kompleks sistemleri modelleme
kompleks sistemleri modelleme
sayesinde oldu.
Ancak bunların hiçbirini
tek başımıza yapmadık.
tek başımıza yapmadık.
03:44
But we didn't do it alone.
82
212800
1280
03:46
The unit that I worked with in Rome,
they were unique.
they were unique.
83
214840
2736
Roma'da çalıştığım birimdeki insanlar,
eşi bulunmaz türdendi.
eşi bulunmaz türdendi.
03:49
They believed in collaboration.
84
217600
1736
İşbirliğine inanıyorlardı.
03:51
They brought in the academic world.
85
219360
1696
Akademi dünyasını işin içine kattılar.
03:53
They brought in companies.
86
221080
1280
Şirketleri getirdiler.
Dünyadaki büyük sorunlarlara
çözüm üretmek istiyorsak, açlık gibi,
çözüm üretmek istiyorsak, açlık gibi,
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
herkesin masaya oturmasına
ihtiyacımız var.
ihtiyacımız var.
03:58
we need everybody to the table.
88
226840
2560
İnsani kuruluşların veri uzmanlarının
yolu göstermeleri gerekiyor
yolu göstermeleri gerekiyor
04:02
We need the data people
from humanitarian organizations
from humanitarian organizations
89
230040
2936
04:05
leading the way,
90
233000
1256
ve uygun türde katılımı
organize etmeleri gerekli,
organize etmeleri gerekli,
04:06
and orchestrating
just the right types of engagements
just the right types of engagements
91
234280
2576
04:08
with academics, with governments.
92
236880
1696
akademisyenlerle, devletlerle.
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
Uygun şekilde kullanamadığımız
sadece bir grup var.
sadece bir grup var.
04:14
Did you guess it? Companies.
94
242320
2096
Hangisi olduğunu
tahmin edebildiniz mi? Şirketler.
tahmin edebildiniz mi? Şirketler.
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
Dünya sorunlarını çözmede şirketlere
önemli bir rol düşüyor.
önemli bir rol düşüyor.
04:20
I've been in the private sector
for two years now.
for two years now.
96
248880
2416
2 senedir özel sektörde çalışıyorum.
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
Şirketlerin neler yapabileceklerini gördüm
ve neleri yapmadıklarını
ve neleri yapmadıklarını
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
ve bence bu aradaki boşluğu
doldurabilmek için 3 yol var:
doldurabilmek için 3 yol var:
04:30
by donating data,
by donating decision scientists
by donating decision scientists
99
258320
3096
Veri bağışı yapmak,
veri bilimcileri bağışlamak
veri bilimcileri bağışlamak
04:33
and by donating technology
to gather new sources of data.
to gather new sources of data.
100
261440
3480
ve yeni veri kaynakları
toplayacak teknoloji bağışı yapmak.
toplayacak teknoloji bağışı yapmak.
04:37
This is data philanthropy,
101
265920
1576
Buna veri filantropisi deniyor,
04:39
and it's the future of corporate
social responsibility.
social responsibility.
102
267520
2840
kurumsal sosyal sorumluluğun
geleceği bu şekilde olacak.
geleceği bu şekilde olacak.
04:43
Bonus, it also makes good business sense.
103
271160
2600
Ayrıca, iş bakımından da mantıklı.
04:46
Companies today,
they collect mountains of data,
they collect mountains of data,
104
274920
3216
Şirketler günümüzde,
çok fazla veri topluyorlar,
çok fazla veri topluyorlar,
04:50
so the first thing they can do
is start donating that data.
is start donating that data.
105
278160
2762
yani yapabilecekleri ilk şey
bu veriyi bağışlamak.
bu veriyi bağışlamak.
04:52
Some companies are already doing it.
106
280946
2190
Bazı şirketler bunu yapıyor bile.
04:55
Take, for example,
a major telecom company.
a major telecom company.
107
283160
2416
Mesela, büyük bir
telekomünikasyon şirketi.
telekomünikasyon şirketi.
04:57
They opened up their data
in Senegal and the Ivory Coast
in Senegal and the Ivory Coast
108
285600
2776
Senegal ve Fildişi Sahili'nde
verilerini açtılar
verilerini açtılar
05:00
and researchers discovered
109
288400
1976
ve araştırmacılar buldu ki,
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
cep telefonu vericilerine gelen
sinyallerin akışına baktığımızda,
sinyallerin akışına baktığımızda,
05:05
you can see where people are traveling.
111
293758
1938
insanların nereye
seyahat ettiğini görebiliyoruz.
seyahat ettiğini görebiliyoruz.
05:07
And that can tell you things like
112
295720
2176
Bu da bize, sıtma gibi hastalıkların
nereye doğru yayılabileceğini gösterebilir
nereye doğru yayılabileceğini gösterebilir
05:09
where malaria might spread,
and you can make predictions with it.
and you can make predictions with it.
113
297920
3096
ve bu sayede bazı tahminler yapabiliriz.
05:13
Or take for example
an innovative satellite company.
an innovative satellite company.
114
301040
2896
Veya mesela yenilikçi bir uydu firması.
05:15
They opened up their data and donated it,
115
303960
2016
Bize verisini açtı ve bağışladı,
05:18
and with that data you could track
116
306000
1656
bu veri ile su kıtlığının gıda üretimini
05:19
how droughts are impacting
food production.
food production.
117
307680
2040
nasıl etkilediğini izleyebiliyorduk.
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
Bu sayede bir kriz olmadan önce yardım
fonlaması başlatabiliriz.
fonlaması başlatabiliriz.
05:27
This is a great start.
119
315560
1280
Bu harika bir başlangıç.
05:29
There's important insights
just locked away in company data.
just locked away in company data.
120
317840
2880
Şirket verilerinin içerisinde işimize
yarayabilecek önemli şeyler var.
yarayabilecek önemli şeyler var.
05:34
And yes, you need to be very careful.
121
322480
1816
Ve evet, çok dikkatli olmak
durumundayız.
durumundayız.
05:36
You need to respect privacy concerns,
for example by anonymizing the data.
for example by anonymizing the data.
122
324320
3576
Gizlilik konusuna saygı göstermeliyiz,
mesela veriyi anonim hâle getirerek.
mesela veriyi anonim hâle getirerek.
05:39
But even if the floodgates opened up,
123
327920
2776
Ancak, tüm kapılar açılsa bile,
05:42
and even if all companies
donated their data
donated their data
124
330720
2536
tüm şirketler veri bağışı yapsalar da,
akademiye, STK'lara,
insani yardım kuruluşlarına,
insani yardım kuruluşlarına,
05:45
to academics, to NGOs,
to humanitarian organizations,
to humanitarian organizations,
125
333280
3256
05:48
it wouldn't be enough
to harness that full impact of data
to harness that full impact of data
126
336560
2976
yine de bu veri, tüm potansiyeliyle
insani amaçlar için
insani amaçlar için
05:51
for humanitarian goals.
127
339560
1520
kullanılmaya hazır değil.
05:54
Why?
128
342320
1456
Neden?
05:55
To unlock insights in data,
you need decision scientists.
you need decision scientists.
129
343800
3240
Çünkü verinin içerisinden işimize
yarayabilecek şeyleri alabilmek için
yarayabilecek şeyleri alabilmek için
benim gibi veri bilimcilerine
ihtiyaç var.
ihtiyaç var.
05:59
Decision scientists are people like me.
130
347760
2576
06:02
They take the data, they clean it up,
131
350360
1816
Karar bilimcileri veriyi alır, temizler,
06:04
transform it and put it
into a useful algorithm
into a useful algorithm
132
352200
2256
dönüştürür ve sorunu en iyi çözebilecek
06:06
that's the best choice
to address the business need at hand.
to address the business need at hand.
133
354480
2840
yararlı bir algoritmanın
içerisinde kullanır.
içerisinde kullanır.
06:09
In the world of humanitarian aid,
there are very few decision scientists.
there are very few decision scientists.
134
357800
3696
İnsani yardım dünyasında
çok az veri bilimcisi var.
çok az veri bilimcisi var.
06:13
Most of them work for companies.
135
361520
1640
Birçoğu şirketler için çalışıyor.
06:16
So that's the second thing
that companies need to do.
that companies need to do.
136
364480
2496
O yüzden bu, şirketlerin
yapması gereken ikinci şey,
yapması gereken ikinci şey,
06:19
In addition to donating their data,
137
367000
1696
veri bağışı yapmaya ek olarak,
06:20
they need to donate
their decision scientists.
their decision scientists.
138
368720
2160
kendi veri bilimcilerini bağışlamalılar.
06:23
Now, companies will say, "Ah! Don't take
our decision scientists from us.
our decision scientists from us.
139
371520
5736
Şimdi şirketler diyecek ki,
"Ah, veri bilimcilerimizi bizden almayın.
"Ah, veri bilimcilerimizi bizden almayın.
06:29
We need every spare second of their time."
140
377280
2040
Onların her saniyesine ihtiyacımız var."
06:32
But there's a way.
141
380360
1200
Ancak bir yol var.
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
Bir şirket veri bilimcisinin zamanının
belirli bir kısmını bağışlayacaksa,
belirli bir kısmını bağışlayacaksa,
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
o belirli kısmı geniş bir zamana yaymak
aslında daha mantıklı,
aslında daha mantıklı,
06:41
over a long period,
say for example five years.
say for example five years.
144
389800
2200
mesela 5 senelik bir zamana.
06:44
This might only amount
to a couple of hours per month,
to a couple of hours per month,
145
392600
3056
Böylece her ay başına birkaç saat düşer,
06:47
which a company would hardly miss,
146
395680
2056
şirket için çok zor olmaz
06:49
but what it enables is really important:
long-term partnerships.
long-term partnerships.
147
397760
3480
ve bu sayede çok faydalı bir şey çıkar:
Uzun dönemli ortaklıklar.
Uzun dönemli ortaklıklar.
06:54
Long-term partnerships
allow you to build relationships,
allow you to build relationships,
148
402920
2816
Uzun dönemli ortaklıklar,
ilişkiler oluşturabilmeyi sağlar,
ilişkiler oluşturabilmeyi sağlar,
06:57
to get to know the data,
to really understand it
to really understand it
149
405760
2656
veriyi tanımayı, gerçekten anlamayı
07:00
and to start to understand
the needs and challenges
the needs and challenges
150
408440
2416
ve insani kuruluşun ihtiyaçları ile
karşılaştığı zorlukları
karşılaştığı zorlukları
07:02
that the humanitarian
organization is facing.
organization is facing.
151
410880
2160
anlamayı sağlar.
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
Roma'da, Dünya Gıda Programı'nda,
bunu yapmak beş yılımızı aldı,
bunu yapmak beş yılımızı aldı,
07:09
five years.
153
417560
1456
beş yıl.
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
İlk üç sene tamam, bu zamanı
çözüm üretmekle geçirdik
çözüm üretmekle geçirdik
07:14
Then there was two years after that
of refining and implementing the tool,
of refining and implementing the tool,
155
422400
3496
Ondan iki sene sonra geliştirdiğimiz
aracın incelik ayarlarını yapmak,
aracın incelik ayarlarını yapmak,
07:17
like in the operations in Iraq
and other countries.
and other countries.
156
425920
2800
mesela Irak'taki veya diğer ülkelerdeki
operasyonlar için.
operasyonlar için.
07:21
I don't think that's
an unrealistic timeline
an unrealistic timeline
157
429520
2096
Bence bu gerçekçi olmayan bir
zaman çizelgesi değil,
zaman çizelgesi değil,
07:23
when it comes to using data
to make operational changes.
to make operational changes.
158
431640
2736
operasyonel değişiklikler yapmak için
veri kullanmakta.
veri kullanmakta.
07:26
It's an investment. It requires patience.
159
434400
2400
Bu bir yatırım. Sabır gerektiriyor.
07:29
But the types of results
that can be produced are undeniable.
that can be produced are undeniable.
160
437760
3496
Ancak üretilebilecek çözümlerin
başarısı inkâr edilemez.
başarısı inkâr edilemez.
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
Bizim örneğimizde, on binlerce daha fazla
insanın beslenebilmesi söz konusuydu.
insanın beslenebilmesi söz konusuydu.
07:39
So we have donating data,
we have donating decision scientists,
we have donating decision scientists,
162
447440
4336
O hâlde, veri bağışını ve
veri bilimcileri bağış yapmayı konuştuk.
veri bilimcileri bağış yapmayı konuştuk.
Şirketlerin yardım edebileceği
üçüncü bir yol daha var:
üçüncü bir yol daha var:
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
Yeni data kaynakları bulabilmek için
teknoloji bağışı yapmak.
teknoloji bağışı yapmak.
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
Verisine sahip olmadığımız
pek çok şey var.
pek çok şey var.
07:52
Right now, Syrian refugees
are flooding into Greece,
are flooding into Greece,
166
460960
2720
Şu anda, Suriyeli mülteciler
akın akın Yunanistan'a geliyorlar
akın akın Yunanistan'a geliyorlar
07:57
and the UN refugee agency,
they have their hands full.
they have their hands full.
167
465120
2560
ve Birleşmiş Milletler mülteci biriminin
işi başından aşkın.
işi başından aşkın.
08:01
The current system for tracking people
is paper and pencil,
is paper and pencil,
168
469000
3056
İnsanları takip etmekte şu an
kullanılan sistem, kalem ve kâğıt
kullanılan sistem, kalem ve kâğıt
08:04
and what that means is
169
472080
1256
ve bu şu demek oluyor:
08:05
that when a mother and her five children
walk into the camp,
walk into the camp,
170
473360
2856
Bir anne ve beş çocuğu kampa geldiğinde,
08:08
headquarters is essentially
blind to this moment.
blind to this moment.
171
476240
2656
bundan yetkililerin haberi olmuyor.
08:10
That's all going to change
in the next few weeks,
in the next few weeks,
172
478920
2336
Birkaç hafta içerisinde bu değişecek,
08:13
thanks to private sector collaboration.
173
481280
1880
özel sektör işbirliği sayesinde.
08:15
There's going to be a new system based
on donated package tracking technology
on donated package tracking technology
174
483840
3656
Yardım paketi takip teknolojisi üzerine
kurulu yeni bir sistem olacak,
kurulu yeni bir sistem olacak,
08:19
from the logistics company
that I work for.
that I work for.
175
487520
2040
çalıştığım lojistik şirketi sayesinde.
08:22
With this new system,
there will be a data trail,
there will be a data trail,
176
490120
2336
Bu yeni sistemle, veri takibi
yapabileceğiz.
yapabileceğiz.
08:24
so you know exactly the moment
177
492480
1456
Yani anne ve çocuklarının tam olarak
08:25
when that mother and her children
walk into the camp.
walk into the camp.
178
493960
2496
kampa girdiği zamanı bileceğiz.
Ve daha da fazlası, bu ay ve sonrasında
08:28
And even more, you know
if she's going to have supplies
if she's going to have supplies
179
496480
2616
08:31
this month and the next.
180
499120
1256
yardım alabilecek mi bileceğiz.
08:32
Information visibility drives efficiency.
181
500400
3016
Bilgi görünürlüğü verimliliği getiriyor.
08:35
For companies, using technology
to gather important data,
to gather important data,
182
503440
3256
Şirketler için önemli veriyi çekmek
için teknoloji kullanmak
için teknoloji kullanmak
08:38
it's like bread and butter.
183
506720
1456
olmazsa olmaz.
08:40
They've been doing it for years,
184
508200
1576
Bunu senelerdir yapıyorlar,
08:41
and it's led to major
operational efficiency improvements.
operational efficiency improvements.
185
509800
3256
bu sayede operasyonel verimliliklerinde
büyük gelişmeler oldu.
büyük gelişmeler oldu.
08:45
Just try to imagine
your favorite beverage company
your favorite beverage company
186
513080
2360
Mesela en sevdiğiniz
içecek şirketini düşünün,
içecek şirketini düşünün,
08:48
trying to plan their inventory
187
516280
1576
stok planlaması yaptıklarını
08:49
and not knowing how many bottles
were on the shelves.
were on the shelves.
188
517880
2496
ve raflarda kaç şişe olduğunu
bilmediklerini.
bilmediklerini.
08:52
It's absurd.
189
520400
1216
Bu absürt.
08:53
Data drives better decisions.
190
521640
1560
Veri daha iyi karar verebilmeyi sağlar.
08:57
Now, if you're representing a company,
191
525800
2536
Şimdi, eğer bir şirketi temsil
ediyorsanız
ediyorsanız
09:00
and you're pragmatic
and not just idealistic,
and not just idealistic,
192
528360
3136
ve sadece idealist değil,
aynı zamanda pragmatik iseniz,
aynı zamanda pragmatik iseniz,
09:03
you might be saying to yourself,
"OK, this is all great, Mallory,
"OK, this is all great, Mallory,
193
531520
3056
kendinize diyebilirsiniz ki,
"Tamam, bu süper, Mallory,
"Tamam, bu süper, Mallory,
ama neden ben buna katılmak isteyeyim?"
09:06
but why should I want to be involved?"
194
534600
1840
09:09
Well for one thing, beyond the good PR,
195
537000
2816
Bir kere, iyi PR etkisi dışında,
09:11
humanitarian aid
is a 24-billion-dollar sector,
is a 24-billion-dollar sector,
196
539840
2776
insani yardım sektörü,
24 milyar dolarlık bir sektör
24 milyar dolarlık bir sektör
09:14
and there's over five billion people,
maybe your next customers,
maybe your next customers,
197
542640
3056
ve 5 milyardan fazla insan
sizin gelişmekte olan dünyadaki
sizin gelişmekte olan dünyadaki
09:17
that live in the developing world.
198
545720
1816
müşterileriniz olabilir.
09:19
Further, companies that are engaging
in data philanthropy,
in data philanthropy,
199
547560
3096
Dahası, veri bağışında bulunan şirketler,
verilerin içerisinde gizli kalmış işlerine
yarayabilecek yeni şeyler bulabiliyorlar.
yarayabilecek yeni şeyler bulabiliyorlar.
09:22
they're finding new insights
locked away in their data.
locked away in their data.
200
550680
2976
09:25
Take, for example, a credit card company
201
553680
2256
Mesela, bir kredi kartı şirketi
09:27
that's opened up a center
202
555960
1336
yeni bir yer açtı,
09:29
that functions as a hub for academics,
for NGOs and governments,
for NGOs and governments,
203
557320
3376
akademisyenler, STK'lar ve
hükûmet yetkilileri için bir mekân,
hükûmet yetkilileri için bir mekân,
09:32
all working together.
204
560720
1240
burada hep beraber çalışıyorlar.
09:35
They're looking at information
in credit card swipes
in credit card swipes
205
563040
2736
Geçirilen kredi kartı
bilgilerine bakıyorlar
bilgilerine bakıyorlar
09:37
and using that to find insights
about how households in India
about how households in India
206
565800
2976
ve bulunması zor olan bazı hane halkı
bilgilerine erişim sağlıyorlar,
bilgilerine erişim sağlıyorlar,
09:40
live, work, earn and spend.
207
568800
1720
Hindistan'da, aileler nasıl yaşıyor,
çalışıyor, kazanıyor ve harcıyor.
çalışıyor, kazanıyor ve harcıyor.
09:43
For the humanitarian world,
this provides information
this provides information
208
571680
2576
İnsani yardım dünyası için bu veri
09:46
about how you might
bring people out of poverty.
bring people out of poverty.
209
574280
2656
insanları fakirlikten nasıl
kurtarabileceğinizle ilgili bilgi sağlar.
kurtarabileceğinizle ilgili bilgi sağlar.
09:48
But for companies, it's providing
insights about your customers
insights about your customers
210
576960
3016
Şirketler için ise, müşterileri ve
09:52
and potential customers in India.
211
580000
2040
potansiyel müşterileri ile
ilgili bilgi sağlar.
ilgili bilgi sağlar.
09:54
It's a win all around.
212
582760
1800
Bu herkes için kazançlı.
09:57
Now, for me, what I find
exciting about data philanthropy --
exciting about data philanthropy --
213
585960
3776
Şimdi, benim veri filantropisine --
veri bağışı, veri bilimcisi bağışı
veri bağışı, veri bilimcisi bağışı
10:01
donating data, donating decision
scientists and donating technology --
scientists and donating technology --
214
589760
4336
ve teknoloji bağışı-- ilgi duymamın sebebi
10:06
it's what it means
for young professionals like me
for young professionals like me
215
594120
2376
bunun benim gibi şirketlerde
çalışmayı seçen genç profesyoneller için
çalışmayı seçen genç profesyoneller için
10:08
who are choosing to work at companies.
216
596520
1840
anlamlı olması.
10:10
Studies show that
the next generation of the workforce
the next generation of the workforce
217
598800
2656
Araştırmalar gösteriyor ki,
yeni nesil iş gücü
yeni nesil iş gücü
10:13
care about having their work
make a bigger impact.
make a bigger impact.
218
601480
2560
işlerinin daha büyük bir anlamı
olmasını umursuyor.
olmasını umursuyor.
10:16
We want to make a difference,
219
604920
2456
Fark yaratmak istiyoruz,
10:19
and so through data philanthropy,
220
607400
2416
veri filantropisi ile,
10:21
companies can actually help engage
and retain their decision scientists.
and retain their decision scientists.
221
609840
3936
şirketler veri bilimcilerinin ilgisini
çekebilir ve ellerinde tutabilirler.
çekebilir ve ellerinde tutabilirler.
10:25
And that's a big deal for a profession
that's in high demand.
that's in high demand.
222
613800
2880
Çok revaçta olan bir meslek
için bu nokta önemli.
için bu nokta önemli.
10:29
Data philanthropy
makes good business sense,
makes good business sense,
223
617840
3120
Veri filantropisi iş anlamında da mantıklı
10:34
and it also can help
revolutionize the humanitarian world.
revolutionize the humanitarian world.
224
622200
3280
ve insani yardım dünyasında
bir devrim yaratabilir.
bir devrim yaratabilir.
10:39
If we coordinated
the planning and logistics
the planning and logistics
225
627600
2096
Planlama ve lojistiği
insani yardım operasyonunun
insani yardım operasyonunun
10:41
across all of the major facets
of a humanitarian operation,
of a humanitarian operation,
226
629720
3376
tüm alanlarında koordine edersek,
10:45
we could feed, clothe and shelter
hundreds of thousands more people,
hundreds of thousands more people,
227
633120
3600
yüz binlerce daha fazla insanı
doyurabilir ve giydirebiliriz.
doyurabilir ve giydirebiliriz.
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
Şirketler de elini taşın altına koymalı
ve bu devrimi gerçekleştirebilmek için
ve bu devrimi gerçekleştirebilmek için
10:53
in bringing about this revolution.
229
641720
1880
üzerine düşeni yapmalı.
10:56
You've probably heard of the saying
"food for thought."
"food for thought."
230
644720
2936
"Düşündürücü şey" lafını duymuşsunuzdur.
10:59
Well, this is literally thought for food.
231
647680
2240
Bu gerçekten besini düşündürücü.
11:03
It finally is the right idea
at the right time.
at the right time.
232
651560
4136
Ve sonunda, doğru zamanda, doğru fikir.
11:07
(Laughter)
233
655720
1216
(Kahkahalar)
11:08
Très magnifique.
234
656960
1576
Très magnifique.
(Fransızca: çok güzel)
(Fransızca: çok güzel)
11:10
Thank you.
235
658560
1216
Teşekkürler.
11:11
(Applause)
236
659800
2851
(Alkış)
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