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

مالوري سولدنر: بيانات شركتك قد تساعد في إنهاء المجاعة في العالم

Filmed:
1,090,373 views

يمكن أن تكون شركتك قد تبرعت بأموال للمساعدة في حل القضايا الإنسانية، ولكن يوجد شيءٌ أكثر فائدة يمكنك تقديمه: البيانات الخاصة بك. تخبرنا مالوري سولدنر كيف أن شركات القطاع الخاص يمكن أن تساعد في إحراز تقدم حقيقي لحل مشاكل كبيرة - من أزمة اللاجئين إلى المجاعة في العالم - من خلال التبرع ببيانات غير مستثمرة وعلماء القرار. ماذا يمكن لشركتك أن تساهم به؟
- 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
Juneيونيو 2010.
0
880
1760
حزيران 2010.
00:15
I landedهبطت for the first time
in Romeروما, Italyإيطاليا.
1
3760
2880
هبطت للمرة الأولى
في روما، إيطاليا.
00:19
I wasn'tلم يكن there to sightseeبجولة سياحية.
2
7800
1896
لم أكن هناك بغرض السياحة.
00:21
I was there to solveحل worldالعالمية hungerجوع.
3
9720
3120
كنت هناك لحل مشكلة المجاعة في العالم.
00:25
(Laughterضحك)
4
13160
2096
(ضحك)
00:27
That's right.
5
15280
1216
هذا صحيح.
00:28
I was a 25-year-old-سنه PhDالدكتوراه studentطالب علم
6
16520
2096
كنت طالبة دكتوراه أبلغ من العمر 25 عاماً
00:30
armedمسلح with a prototypeالنموذج المبدئي toolأداة
developedالمتقدمة back at my universityجامعة,
7
18640
3096
مسلحة بأداة نموذجية
طورتها سابقاً في جامعتي،
00:33
and I was going to help
the Worldالعالمية Foodطعام Programmeبرنامج fixحل hungerجوع.
8
21760
3080
وكنت ذاهبة لمساعدة برنامج الأغذية
العالمي للقضاء على مشكلة المجاعة.
00:37
So I strodeخطا بخطوات كبيرة into the headquartersمقر buildingبناء
9
25840
2736
لذا خطوتُ إلى داخل مبنى المقر
00:40
and my eyesعيون scannedالممسوحة ضوئيا the rowصف of UNالأمم المتحدة flagsالأعلام,
10
28600
2816
وعيناي مرّتا على صف أعلام الأمم المتحدة.
00:43
and I smiledابتسم as I thought to myselfنفسي,
11
31440
1960
و ابتسمتُ وأنا أقولُ لنفسي،
00:46
"The engineerمهندس is here."
12
34840
1616
"المهندسة هنا."
00:48
(Laughterضحك)
13
36480
2216
(ضحك)
00:50
Give me your dataالبيانات.
14
38720
1776
أعطني بياناتك الشخصية.
00:52
I'm going to optimizeتحسين everything.
15
40520
2176
سأقوم بتحسين كل شيء.
00:54
(Laughterضحك)
16
42720
1736
(ضحك)
00:56
Tell me the foodطعام that you've purchasedشراء,
17
44480
1896
أخبرني عن الطعام الذي اشتريتموه،
00:58
tell me where it's going
and when it needsالاحتياجات to be there,
18
46400
2616
قل لي إلى أين هو مُرسل
و متى يحتاج أن يكون هناك،
01:01
and I'm going to tell you
the shortestأقصر, fastestأسرع, cheapestأرخص,
19
49040
2736
و أنا سأقول لك
أقصر، أسرع، أرخص
01:03
bestالأفضل setجلس of routesطرق to take for the foodطعام.
20
51800
1936
أفضل مجموعة من الطرق لتوصيل الأغذية.
01:05
We're going to saveحفظ moneyمال,
21
53760
1496
سوف نقوم بتوفير المال،
01:07
we're going to avoidتجنب
delaysالتأخير and disruptionsاضطرابات,
22
55280
2096
سوف نقوم بتجنب التأخير
والاضطرابات،
01:09
and bottomالأسفل lineخط,
we're going to saveحفظ livesالأرواح.
23
57400
2736
وخلاصة القول، سنقوم بإنقاذ الأرواح.
01:12
You're welcomeأهلا بك.
24
60160
1216
على الرحب و السعة.
01:13
(Laughterضحك)
25
61400
1696
(ضحك)
01:15
I thought it was going to take 12 monthsالشهور,
26
63120
1976
اعتقدت أنه سيستغرق 12 شهراُ،
01:17
OK, maybe even 13.
27
65120
1560
حسناً، ربما حتى 13.
01:19
This is not quiteالى حد كبير how it pannedانتقادات out.
28
67800
2280
هذا ليس ما حدث تماماً.
01:23
Just a coupleزوجان of monthsالشهور into the projectمشروع,
my Frenchالفرنسية bossرئيس, he told me,
29
71600
3776
خلال شهرين فقط من المشروع،
أخبرني رئيسي الفرنسي في العمل،
01:27
"You know, Malloryمالوري,
30
75400
1816
"تعلمين، مالوري،
01:29
it's a good ideaفكرة,
31
77240
1656
إنها فكرة جيدة،
01:30
but the dataالبيانات you need
for your algorithmsخوارزميات is not there.
32
78920
3336
لكن البيانات التي تحتاجينها
للخوارزميات الخاصة بك ليست هناك.
01:34
It's the right ideaفكرة but at the wrongخطأ time,
33
82280
2536
إنها الفكرة الصحيحة في الوقت الخاطئ،
01:36
and the right ideaفكرة at the wrongخطأ time
34
84840
2296
والفكرة الصحيحة في الوقت الخاطئ
01:39
is the wrongخطأ ideaفكرة."
35
87160
1376
هي فكرة خاطئة."
01:40
(Laughterضحك)
36
88560
1320
(ضحك)
01:42
Projectمشروع over.
37
90960
1280
انتهى المشروع.
01:45
I was crushedمهروس.
38
93120
1200
كنتُ محطّمة.
01:49
When I look back now
39
97000
1456
عندما أسترجع الذكريات الآن
01:50
on that first summerالصيف in Romeروما
40
98480
1656
إلى ذلك الصيف الأول في روما
01:52
and I see how much has changedتغير
over the pastالماضي sixستة yearsسنوات,
41
100160
2656
وأرى كم تغيرت خلال الست سنوات الماضية،
01:54
it is an absoluteمطلق transformationتحويل.
42
102840
2240
إنه تحولٌ مطلق.
01:57
It's a comingآت of ageعمر for bringingجلب dataالبيانات
into the humanitarianإنساني worldالعالمية.
43
105640
3400
حان الوقت لجلب البيانات
إلى العالم الإنساني.
02:02
It's excitingمثير. It's inspiringالملهمة.
44
110160
2656
إنه مبهج، ومثير.
02:04
But we're not there yetبعد.
45
112840
1200
لكننا لسنا هناك بعد.
02:07
And braceدعامة yourselfنفسك, executivesالمديرين,
46
115320
2296
جهّزوا أنفسكم، أيها المدراء التنفيذيون،
02:09
because I'm going to be puttingوضع companiesالشركات
47
117640
1976
لأنني سوف أضع الشركات
02:11
on the hotالحار seatمقعد to stepخطوة up
and playلعب the roleوظيفة that I know they can.
48
119640
3120
على المقعد الساخن ليخطوا
ويلعبوا الدور الذي أعلم أنه باستطاعتهم،
02:17
My experiencesخبرة back in Romeروما proveإثبات
49
125520
2816
تجربتي السابقة في روما أثبتت
02:20
usingاستخدام dataالبيانات you can saveحفظ livesالأرواح.
50
128360
2080
أنه باستخدام البيانات
يمكنكم إنقاذ الأرواح.
02:23
OK, not that first attemptمحاولة,
51
131440
2456
حسناً، ليس في المحاولة الأولى،
02:25
but eventuallyفي النهاية we got there.
52
133920
2576
ولكن في نهاية المطاف وصلنا إلى هناك.
02:28
Let me paintرسم the pictureصورة for you.
53
136520
1736
اسمحوا لي أن أرسم الصورة لكم.
02:30
Imagineتخيل that you have to planخطة
breakfastوجبة افطار, lunchغداء and dinnerوجبة عشاء
54
138280
2736
تخيلوا أنه يجب عليكم تخطيط
الفطور والغداء والعشاء
02:33
for 500,000 people,
55
141040
1616
من أجل 500,000 شخص،
02:34
and you only have
a certainالمؤكد budgetميزانية to do it,
56
142680
2136
ولديكم ميزانية محددة فقط
لفعل ذلك،
02:36
say 6.5 millionمليون dollarsدولار perلكل monthشهر.
57
144840
2240
لنقل 6.5 مليون في الشهر.
02:40
Well, what should you do?
What's the bestالأفضل way to handleمقبض it?
58
148920
2762
حسناً، ماذا يجب أن تفعلوا؟
ماهي الطريقة الأفضل لإنجاز ذلك؟
02:44
Should you buyيشترى riceأرز, wheatقمح, chickpeaالحمص, oilنفط?
59
152280
2760
هل يجب أن تشتروا الأرز، الحمص، الزيت؟
02:47
How much?
60
155760
1216
ما المقدار؟
02:49
It soundsاصوات simpleبسيط. It's not.
61
157000
2136
يبدو بسيطاً. لا ليس كذلك.
02:51
You have 30 possibleممكن foodsالأطعمة,
and you have to pickقطف او يقطف fiveخمسة of them.
62
159160
3216
لديك 30 احتمال للطعام،
ويجب أن تختار منهم خمسة.
02:54
That's alreadyسابقا over 140,000
differentمختلف combinationsتركيبات.
63
162400
3416
هذه بالفعل أكثر من 140000
تركيبة مختلفة.
02:57
Then for eachكل foodطعام that you pickقطف او يقطف,
64
165840
1696
بعدها لكل طعام تختاره،
02:59
you need to decideقرر how much you'llعليك buyيشترى,
65
167560
1976
يجب أن تقرر كم يجب أن تشتري،
03:01
where you're going to get it from,
66
169560
1696
من أين ستحصل عليه،
03:03
where you're going to storeمتجر it,
67
171280
1480
أين ستقوم بتخزينه،
03:05
how long it's going to take to get there.
68
173760
1976
كم من الوقت سيأخذ ليصل إلى هناك.
03:07
You need to look at all of the differentمختلف
transportationوسائل النقل routesطرق as well.
69
175760
3336
كما عليك أن تبحث في جميع طرق النقل.
03:11
And that's alreadyسابقا
over 900 millionمليون optionsخيارات.
70
179120
2080
وهذا يشكّل حتى الآن
أكثر من 900 مليون خيار.
03:14
If you consideredاعتبر eachكل optionاختيار
for a singleغير مرتبطة secondثانيا,
71
182120
2376
إذا أخذت كل خيار بعين الاعتبار
لثانية واحدة،
03:16
that would take you
over 28 yearsسنوات to get throughعبر.
72
184520
2336
سيستغرقك أكثر من 28 سنة
لتخطي ذلك،
03:18
900 millionمليون optionsخيارات.
73
186880
1520
900 مليون خيار.
03:21
So we createdخلقت a toolأداة
that allowedسمح decisionmakersصناع القرار
74
189160
2456
لذلك اخترعنا أداة
لتساعد متخذي القرار
03:23
to weedعشبة ضارة throughعبر all 900 millionمليون optionsخيارات
75
191640
2616
لغربلة 900 مليون خيار
03:26
in just a matterشيء of daysأيام.
76
194280
1360
بغضون أيامٍ فقط.
03:28
It turnedتحول out to be incrediblyلا يصدق successfulناجح.
77
196560
2240
تبيّن أنها ناجحة بشكل لا يُصدّق.
03:31
In an operationعملية in Iraqالعراق,
78
199400
1256
في عملية في العراق،
03:32
we savedتم الحفظ 17 percentنسبه مئويه of the costsالتكاليف,
79
200680
2536
قمنا بتوفير17 بالمئة من التكلفة،
03:35
and this meantمقصود that you had the abilityالقدرة
to feedتغذية an additionalإضافي 80,000 people.
80
203240
4136
وهذا يعني أنه لديك القدرة على إطعام
80,000 شخص إضافي.
03:39
It's all thanksشكر to the use of dataالبيانات
and modelingتصميم complexمركب systemsأنظمة.
81
207400
4400
يعود الفضل كله لاستخدام البيانات
ونمذجة النظم المعقدة.
03:44
But we didn't do it aloneوحده.
82
212800
1280
لكننا لم نفعل هذا لوحدنا.
03:46
The unitوحدة that I workedعمل with in Romeروما,
they were uniqueفريد.
83
214840
2736
الوحدة التي عملت معها في روما،
كانت فريدة من نوعها.
03:49
They believedيعتقد in collaborationتعاون.
84
217600
1736
آمنوا بالتعاون.
03:51
They broughtجلبت in the academicأكاديمي worldالعالمية.
85
219360
1696
أحضروا العالم الأكاديمي.
03:53
They broughtجلبت in companiesالشركات.
86
221080
1280
أحضروا شراكات.
03:55
And if we really want to make bigكبير changesالتغييرات
in bigكبير problemsمشاكل like worldالعالمية hungerجوع,
87
223200
3616
و إذا كنا نريد حقاً أن نحدث تغييراً كبيراَ
في مشكلة كبيرة كالمجاعة في العالم،
03:58
we need everybodyالجميع to the tableالطاولة.
88
226840
2560
نحتاج وجود الجميع.
04:02
We need the dataالبيانات people
from humanitarianإنساني organizationsالمنظمات
89
230040
2936
نحتاج إلى أصحاب البيانات الشخصية
من المنظمات الإنسانية
04:05
leadingقيادة the way,
90
233000
1256
أن يقودوا الطريق،
04:06
and orchestratingبتدبير
just the right typesأنواع of engagementsالتعاقدات
91
234280
2576
وتنسيق الأنواع المناسبة فقط
من التعاقدات
04:08
with academicsأكاديميون, with governmentsالحكومات.
92
236880
1696
مع الأكاديميين، مع الحكومات.
04:10
And there's one groupمجموعة that's not beingيجرى
leveragedالاستدانة in the way that it should be.
93
238600
3696
وهنالك مجموعة واحدة لم تقم
بهذا كما يجب.
04:14
Did you guessخمن it? Companiesالشركات.
94
242320
2096
هل حزرتم؟ الشركات.
04:16
Companiesالشركات have a majorرائد roleوظيفة to playلعب
in fixingاصلاح the bigكبير problemsمشاكل in our worldالعالمية.
95
244440
3600
للشركات دورٌ كبير لتلعبه في القضاء
على مشكلة المجاعة في العالم.
04:20
I've been in the privateنشر sectorقطاع
for two yearsسنوات now.
96
248880
2416
لقد كنت في القطاع الخاص
لمدة سنتين حتى الآن.
04:23
I've seenرأيت what companiesالشركات can do,
and I've seenرأيت what companiesالشركات aren'tلا doing,
97
251320
3576
لقد رأيت ما يمكن للشركات أن تفعله،
ورأيت ما لا تفعله،
04:26
and I think there's threeثلاثة mainالأساسية waysطرق
that we can fillملء that gapالفارق:
98
254920
3376
و أعتقد أنه لدينا ثلاثة طرق
رئيسية لسد تلك الفجوة:
04:30
by donatingتبرع dataالبيانات,
by donatingتبرع decisionقرار scientistsالعلماء
99
258320
3096
عبر التبرع بالبيانات،
عبر التبرّع بعلماء القرار
04:33
and by donatingتبرع technologyتقنية
to gatherجمع newالجديد sourcesمصادر of dataالبيانات.
100
261440
3480
عبر التبرّع بالتكنولوجيا لجمع
مصادر جديدة من البيانات.
04:37
This is dataالبيانات philanthropyالإحسان,
101
265920
1576
هذا هو العمل الخيري للبيانات،
04:39
and it's the futureمستقبل of corporateالشركات
socialاجتماعي responsibilityالمسئولية.
102
267520
2840
وهو مستقبل المشاركة في
المسؤولية المجتمعية.
04:43
Bonusعلاوة, it alsoأيضا makesيصنع good businessاعمال senseإحساس.
103
271160
2600
إضافة إلى، أنه يقدم فهم تجاري أفضل.
04:46
Companiesالشركات todayاليوم,
they collectتجميع mountainsالجبال of dataالبيانات,
104
274920
3216
الشركات اليوم،
يجمعون جبالاً من البيانات،
04:50
so the first thing they can do
is startبداية donatingتبرع that dataالبيانات.
105
278160
2762
لذا أول ما يمكنهم فعله هو
التبرع بتلك البيانات.
04:52
Some companiesالشركات are alreadyسابقا doing it.
106
280946
2190
بعض الشركات تفعل ذلك فعلاً.
04:55
Take, for exampleمثال,
a majorرائد telecomالاتصالات companyشركة.
107
283160
2416
خذ، على سبيل المثال،
شركة الاتصالات الكبرى.
04:57
They openedافتتح up theirهم dataالبيانات
in Senegalالسنغال and the Ivoryعاج Coastساحل
108
285600
2776
قاموا بفتح بياناتهم
في السنغال وساحل العاج
05:00
and researchersالباحثين discoveredمكتشف
109
288400
1976
واكتشف الباحثون
05:02
that if you look at the patternsأنماط - رسم
in the pingsالأصوات to the cellخلية - زنزانة phoneهاتف towersالأبراج,
110
290400
3334
أنكم إذا نظرتم إلى الأنماط
في الرنين إلى أبراج الهاتف الخلوي،
05:05
you can see where people are travelingمسافر.
111
293758
1938
يمكنكم معرفة إلى أين يسافر الناس.
05:07
And that can tell you things like
112
295720
2176
وهذا يمكنه إخباركم بأشياء مثل
05:09
where malariaملاريا mightربما spreadانتشار,
and you can make predictionsتوقعات with it.
113
297920
3096
أين يمكن أن تنتشر الملاريا،
ويمكنكم اتخاذ إجراءات لذلك.
05:13
Or take for exampleمثال
an innovativeمبتكر satelliteالأقمار الصناعية companyشركة.
114
301040
2896
أو خذوا على سبيل المثال
شركة أقمار صناعية مبتكرة.
05:15
They openedافتتح up theirهم dataالبيانات and donatedتبرع it,
115
303960
2016
قاموا بفتح بياناتهم وتبرعوا بها،
05:18
and with that dataالبيانات you could trackمسار
116
306000
1656
ومع هكذا بيانات يمكنكم تعقّب
05:19
how droughtsالجفاف are impactingتؤثر
foodطعام productionإنتاج.
117
307680
2040
كيف يؤثّر الجفاف
على إنتاج الغذاء.
05:22
With that you can actuallyفعلا triggerاثار
aidمساعدة fundingالتمويل before a crisisأزمة can happenيحدث.
118
310920
3680
مع ذلك يمكنكم فعلياً تمويل
المساعدات قبل حصول الأزمة.
05:27
This is a great startبداية.
119
315560
1280
هذه بداية رائعة.
05:29
There's importantمهم insightsرؤى
just lockedمقفل away in companyشركة dataالبيانات.
120
317840
2880
هناك معلومات هامة
مقفلة في بيانات شركة.
05:34
And yes, you need to be very carefulحذر.
121
322480
1816
ونعم، عليك أن تكون حذراً للغاية.
05:36
You need to respectاحترام privacyالإجمالية concernsاهتمامات,
for exampleمثال by anonymizingإخفاء الهوية the dataالبيانات.
122
324320
3576
عليك احترام المخاوف المتعلقة بالخصوصية،
مثلاً عن طريق إخفاء البيانات.
05:39
But even if the floodgatesمصراعيه openedافتتح up,
123
327920
2776
ولكن حتى لو فُتحَ الباب على مصراعيه،
05:42
and even if all companiesالشركات
donatedتبرع theirهم dataالبيانات
124
330720
2536
وحتى لو تبرعت جميع الشركات
بالبيانات الخاصة بها
05:45
to academicsأكاديميون, to NGOsالمنظمات غير الحكومية,
to humanitarianإنساني organizationsالمنظمات,
125
333280
3256
للأكاديميين، للمنظمات غير الحكومية،
للمنظمات الإنسانية،
05:48
it wouldn'tلن be enoughكافية
to harnessظفيرة that fullممتلئ impactتأثير of dataالبيانات
126
336560
2976
فإنه لن يكون كافياً
لتسخير هذا التأثير الكامل للبيانات
05:51
for humanitarianإنساني goalsأهداف.
127
339560
1520
لتحقيق الأهداف الإنسانية.
05:54
Why?
128
342320
1456
لماذا؟
05:55
To unlockفتح insightsرؤى in dataالبيانات,
you need decisionقرار scientistsالعلماء.
129
343800
3240
لفك القفل عن البيانات،
تحتاج إلى علماء القرار.
05:59
Decisionقرار scientistsالعلماء are people like me.
130
347760
2576
علماء القرار هم أناس مثلي.
06:02
They take the dataالبيانات, they cleanنظيف it up,
131
350360
1816
يقومون بأخذ البيانات، وتنظيفها،
06:04
transformتحول it and put it
into a usefulمفيد algorithmخوارزمية
132
352200
2256
تحويلها ووضعها
إلى خوارزمية مفيدة
06:06
that's the bestالأفضل choiceخيار
to addressعنوان the businessاعمال need at handيد.
133
354480
2840
هذا أفضل خيار
لتلبية حاجة الأعمال المتناولة في اليد.
06:09
In the worldالعالمية of humanitarianإنساني aidمساعدة,
there are very fewقليل decisionقرار scientistsالعلماء.
134
357800
3696
في عالم من المساعدات الإنسانية،
هناك عدد قليل جداً من علماء القرار.
06:13
Mostعظم of them work for companiesالشركات.
135
361520
1640
معظمهم يعمل لصالح شركات.
06:16
So that's the secondثانيا thing
that companiesالشركات need to do.
136
364480
2496
لذا هذا هو الشيء الآخر
الذي تحتاج الشركات للقيام به.
06:19
In additionإضافة to donatingتبرع theirهم dataالبيانات,
137
367000
1696
بالإضافة للتبرع بالبيانات الخاصة بهم،
06:20
they need to donateتبرع
theirهم decisionقرار scientistsالعلماء.
138
368720
2160
يجب أن يتبرعوا بعلماء
القرار الخاصين بهم.
06:23
Now, companiesالشركات will say, "Ahآه! Don't take
our decisionقرار scientistsالعلماء from us.
139
371520
5736
الآن، ستقول الشركات، " أوه!
لا تأخذوا علماء القرار منّا
06:29
We need everyكل spareإضافي secondثانيا of theirهم time."
140
377280
2040
نحتاج إلى كل ثانية فائضة من وقتهم."
06:32
But there's a way.
141
380360
1200
ولكن هنالك طريقة.
06:35
If a companyشركة was going to donateتبرع
a blockمنع of a decisionقرار scientist'sفي عالم time,
142
383200
3416
إذا كان هنالك شركة ستقوم بالتبرع
بكتلة من وقت علماء القرار،
06:38
it would actuallyفعلا make more senseإحساس
to spreadانتشار out that blockمنع of time
143
386640
3136
سيكون بالفعل منطقياً أكثر
لنشر تلك الكتلة من الوقت
06:41
over a long periodفترة,
say for exampleمثال fiveخمسة yearsسنوات.
144
389800
2200
لفترة طويلة،
لنقل على سبيل المثال خمس سنوات.
06:44
This mightربما only amountكمية
to a coupleزوجان of hoursساعات perلكل monthشهر,
145
392600
3056
هذا قد يعادل
بضع ساعات فقط في الشهر،
06:47
whichالتي a companyشركة would hardlyبالكاد missيغيب,
146
395680
2056
حيث أنه بالكاد ستفتقده الشركة،
06:49
but what it enablesتمكن is really importantمهم:
long-termطويل الأمد partnershipsشراكات.
147
397760
3480
ولكن ما تمكّنه حقاً مهم:
شراكة طويلة الأمد،
06:54
Long-termطويل الأمد partnershipsشراكات
allowالسماح you to buildبناء relationshipsالعلاقات,
148
402920
2816
الشراكات طويلة الأمد
تسمح لك ببناء علاقات،
06:57
to get to know the dataالبيانات,
to really understandتفهم it
149
405760
2656
والتمكن من معرفة البيانات، لتفهمها جيداً
07:00
and to startبداية to understandتفهم
the needsالاحتياجات and challengesالتحديات
150
408440
2416
وأن تبدأ بفهم الاحتياجات والتحديات
07:02
that the humanitarianإنساني
organizationمنظمة is facingمواجهة.
151
410880
2160
التي تواجهها المنظمات الإنسانية.
07:06
In Romeروما, at the Worldالعالمية Foodطعام Programmeبرنامج,
this tookأخذ us fiveخمسة yearsسنوات to do,
152
414345
3191
في روما، في برنامج الغذاء العالمي،
احتجنا خمس سنوات للقيام بهذا،
07:09
fiveخمسة yearsسنوات.
153
417560
1456
خمس سنوات.
07:11
That first threeثلاثة yearsسنوات, OK,
that was just what we couldn'tلم أستطع solveحل for.
154
419040
3336
تلك السنوات الأولى الثلاثة، حسناً،
كان ذلك ما لم نستطع حلّه.
07:14
Then there was two yearsسنوات after that
of refiningتنقية and implementingتنفيذ the toolأداة,
155
422400
3496
ثمّ كان هنالك سنتان بعد ذلك،
من صقل وتنفيذ هذه الأداة،
07:17
like in the operationsعمليات in Iraqالعراق
and other countriesبلدان.
156
425920
2800
كما هو الحال في عمليات في العراق
وبلدان أخرى.
07:21
I don't think that's
an unrealisticغير واقعية timelineالجدول الزمني
157
429520
2096
لا أعتقد أن هذا
جدول زمني غير واقعي
07:23
when it comesيأتي to usingاستخدام dataالبيانات
to make operationalالتشغيل changesالتغييرات.
158
431640
2736
عندما يتعلق الأمر باستخدام البيانات
لإدخال تغييرات عملية.
07:26
It's an investmentاستثمار. It requiresيتطلب patienceصبر.
159
434400
2400
إنه استثمار. يتطلب الصبر.
07:29
But the typesأنواع of resultsالنتائج
that can be producedأنتجت are undeniableلا ينكر.
160
437760
3496
ولكن أنواع النتائج التي يمكن إنتاجها
هي التي لا يمكن إنكارها.
07:33
In our caseقضية, it was the abilityالقدرة
to feedتغذية tensعشرات of thousandsالآلاف more people.
161
441280
3560
في حالتنا، كانت الإمكانية
لإطعام عشرات الآلاف من الناس.
07:39
So we have donatingتبرع dataالبيانات,
we have donatingتبرع decisionقرار scientistsالعلماء,
162
447440
4336
لذا قمنا بالتبرع بالبيانات،
قمنا بالتبرع بعلماء القرار،
07:43
and there's actuallyفعلا a thirdالثالث way
that companiesالشركات can help:
163
451800
2696
وهناك بالفعل طريقة ثالثة
يمكن للشركات أن تساعد بها:
07:46
donatingتبرع technologyتقنية
to captureأسر newالجديد sourcesمصادر of dataالبيانات.
164
454520
2976
التبرع بالتكنولوجيا
لالتقاط مصادر جديدة للبيانات.
07:49
You see, there's a lot of things
we just don't have dataالبيانات on.
165
457520
2840
كما ترون، هناك الكثير من الأشياء
نحن فقط لا نملك بيانات عنها.
07:52
Right now, Syrianسوري refugeesاللاجئين
are floodingالفيضانات into Greeceاليونان,
166
460960
2720
الآن، اللاجئون السوريون
يتدفقون إلى اليونان،
07:57
and the UNالأمم المتحدة refugeeلاجئ agencyوكالة,
they have theirهم handsأيادي fullممتلئ.
167
465120
2560
وكالة الأمم المتحدة للاجئين،
أيديهم مقيّدة بالكامل.
08:01
The currentتيار systemالنظام for trackingتتبع people
is paperورقة and pencilقلم,
168
469000
3056
النظام الحالي لتتبع الناس
هو مجرد ورقة وقلم،
08:04
and what that meansيعني is
169
472080
1256
ما يعنيه هذا
08:05
that when a motherأم and her fiveخمسة childrenالأطفال
walkسير into the campمعسكر,
170
473360
2856
أنه عندما تسير أم وأطفالها
الخمسة إلى المخيم،
08:08
headquartersمقر is essentiallyبشكل أساسي
blindبليند to this momentلحظة.
171
476240
2656
فإن المقر الرئيسي بشكل أساسي
أعمى إلى هذه اللحظة.
08:10
That's all going to changeيتغيرون
in the nextالتالى fewقليل weeksأسابيع,
172
478920
2336
هذا كله سيتغير في الأسابيع
القليلة القادمة،
08:13
thanksشكر to privateنشر sectorقطاع collaborationتعاون.
173
481280
1880
وذلك بفضل تعاون القطاع الخاص.
08:15
There's going to be a newالجديد systemالنظام basedعلى أساس
on donatedتبرع packageصفقة trackingتتبع technologyتقنية
174
483840
3656
سيكون هناك نظاماً جديداً يستند
على حزمة تكنولوجيا التعقب المتبرع بها
08:19
from the logisticsالخدمات اللوجستية companyشركة
that I work for.
175
487520
2040
من شركة خدمات اللوجستية
التي أعمل لصالحها.
08:22
With this newالجديد systemالنظام,
there will be a dataالبيانات trailممر المشاة,
176
490120
2336
مع هذا النظام الجديد،
سيكون هناك درب للبيانات
08:24
so you know exactlyبالضبط the momentلحظة
177
492480
1456
لكي تعلم اللحظة بالضبط
08:25
when that motherأم and her childrenالأطفال
walkسير into the campمعسكر.
178
493960
2496
التي تدخل فيها الأم مع أطفالها
إلى المخيم.
08:28
And even more, you know
if she's going to have suppliesاللوازم
179
496480
2616
وأكثر، ستعلم إذا كانت
ستحصل على إمدادات
08:31
this monthشهر and the nextالتالى.
180
499120
1256
هذا الشهر والذي يليه.
08:32
Informationمعلومات visibilityرؤية drivesمحركات efficiencyنجاعة.
181
500400
3016
يقود وضوح المعلومات الكفاءة.
08:35
For companiesالشركات, usingاستخدام technologyتقنية
to gatherجمع importantمهم dataالبيانات,
182
503440
3256
بالنسبة للشركات، استخدام التكنولوجيا
لجمع البيانات المهمة،
08:38
it's like breadخبز and butterزبدة.
183
506720
1456
هو شيء أساسي.
08:40
They'veلقد been doing it for yearsسنوات,
184
508200
1576
كانوا يقومون به لسنوات.
08:41
and it's led to majorرائد
operationalالتشغيل efficiencyنجاعة improvementsتحسينات.
185
509800
3256
وأدى إلى إدخال تحسينات ضخمة
ذات كفاءة عملية.
08:45
Just try to imagineتخيل
your favoriteالمفضل beverageشراب companyشركة
186
513080
2360
فقط حاول تخيل
شركة المشروبات المفضلة لديك
08:48
tryingمحاولة to planخطة theirهم inventoryالمخزون
187
516280
1576
تحاول التخطيط لجرد
خاص بها
08:49
and not knowingمعرفة how manyكثير bottlesزجاجات
were on the shelvesرفوف.
188
517880
2496
ولا تعلم عدد الزجاجات
التي كانت على الرفوف.
08:52
It's absurdسخيف.
189
520400
1216
إنه غريب.
08:53
Dataالبيانات drivesمحركات better decisionsقرارات.
190
521640
1560
تؤدي البيانات إلى خيارات أفضل.
08:57
Now, if you're representingتمثل a companyشركة,
191
525800
2536
الآن، إذا كنت تمثل شركة،
09:00
and you're pragmaticواقعي
and not just idealisticمثالي,
192
528360
3136
وأنت واقعي
ولست فقط مثالي،
09:03
you mightربما be sayingقول to yourselfنفسك,
"OK, this is all great, Malloryمالوري,
193
531520
3056
ربما ستقول لنفسك،
"حسناً، هذا كله رائع، مالوري،
09:06
but why should I want to be involvedمتورط?"
194
534600
1840
ولكن لماذا يجب أن أريد
المشاركة؟"
09:09
Well for one thing, beyondوراء the good PRPR,
195
537000
2816
حسنا لشيء واحد، وراء العلاقات
العامة الجيدة،
09:11
humanitarianإنساني aidمساعدة
is a 24-billion-dollar-مليار دولار sectorقطاع,
196
539840
2776
المساعدات الإنسانية
هي قطاع 24 مليار دولار،
09:14
and there's over fiveخمسة billionمليار people,
maybe your nextالتالى customersالزبائن,
197
542640
3056
وهناك أكثر من خمسة مليارات نسمة،
ربما العميل المقبل الخاص بك،
09:17
that liveحي in the developingتطوير worldالعالمية.
198
545720
1816
يعيش في العالم النامي.
09:19
Furtherبالإضافة إلى ذلك, companiesالشركات that are engagingجذاب
in dataالبيانات philanthropyالإحسان,
199
547560
3096
وعلاوة على ذلك، فإن الشركات التي تتعاطى
في العمل الخيري للبيانات،
09:22
they're findingالعثور على newالجديد insightsرؤى
lockedمقفل away in theirهم dataالبيانات.
200
550680
2976
تجد رؤى جديدة محبوسة
في بياناتهم الخاصة.
09:25
Take, for exampleمثال, a creditائتمان cardبطاقة companyشركة
201
553680
2256
خذ، على سبيل المثال،
شركة بطاقات الائتمان
09:27
that's openedافتتح up a centerمركز
202
555960
1336
فتحت مركزاً
09:29
that functionsالمهام as a hubالمركز رئيسي for academicsأكاديميون,
for NGOsالمنظمات غير الحكومية and governmentsالحكومات,
203
557320
3376
الذي يعمل كمركز للأكاديميين،
للمنظمات غير الحكومية والحكومات،
09:32
all workingعامل togetherسويا.
204
560720
1240
كلها تعمل معاً.
09:35
They're looking at informationمعلومات
in creditائتمان cardبطاقة swipesجعات رديئة
205
563040
2736
يبحثون عن المعلومات
عند استخدام بطاقة الائتمان
09:37
and usingاستخدام that to find insightsرؤى
about how householdsالأسر in Indiaالهند
206
565800
2976
ويستخدمون ذلك لإيجاد رؤى
حول الحياة الأسرية في الهند
09:40
liveحي, work, earnكسب and spendأنفق.
207
568800
1720
الحياة، العمل، الكسب، والإنفاق.
09:43
For the humanitarianإنساني worldالعالمية,
this providesيوفر informationمعلومات
208
571680
2576
للعالم الإنساني،
هذا يزوّد بالمعلومات
09:46
about how you mightربما
bringاحضر people out of povertyفقر.
209
574280
2656
عن كيفية إخراج الناس
من براثن الفقر.
09:48
But for companiesالشركات, it's providingتوفير
insightsرؤى about your customersالزبائن
210
576960
3016
ولكن بالنسبة للشركات، إنها تقدم
رؤى حول الزبائن
09:52
and potentialمحتمل customersالزبائن in Indiaالهند.
211
580000
2040
والعملاء المحتملين في الهند.
09:54
It's a winيفوز all around.
212
582760
1800
إنه فوز على جميع الجهات.
09:57
Now, for me, what I find
excitingمثير about dataالبيانات philanthropyالإحسان --
213
585960
3776
الآن، بالنسبة لي، ما أجده
مثيراً حول العمل الخيري للبيانات -
10:01
donatingتبرع dataالبيانات, donatingتبرع decisionقرار
scientistsالعلماء and donatingتبرع technologyتقنية --
214
589760
4336
التبرع بالبيانات، التبرع بعلماء
القرار والتبرع بالتكنولوجيا -
10:06
it's what it meansيعني
for youngشاب professionalsالمهنيين like me
215
594120
2376
إنه ما يعني للمهنيين الشباب مثلي
10:08
who are choosingاختيار to work at companiesالشركات.
216
596520
1840
الذين اختاروا العمل لحساب شركات.
10:10
Studiesدراسات showتبين that
the nextالتالى generationتوليد of the workforceالقوى العاملة
217
598800
2656
أظهرت الدراسات أن
الجيل القادم من القوى العاملة
10:13
careرعاية about havingوجود theirهم work
make a biggerأكبر impactتأثير.
218
601480
2560
يهتمون بكون عملهم
يحدث تأثيراً أكبر.
10:16
We want to make a differenceفرق,
219
604920
2456
نريد أن نُحدث فرقاً،
10:19
and so throughعبر dataالبيانات philanthropyالإحسان,
220
607400
2416
وذلك من خلال العمل الخيري للبيانات،
10:21
companiesالشركات can actuallyفعلا help engageجذب
and retainاحتفظ theirهم decisionقرار scientistsالعلماء.
221
609840
3936
يمكن للشركات أن تساعد فعلاً بالمشاركة
وأن تحتفظ بعلماء القرار خاصتهم.
10:25
And that's a bigكبير dealصفقة for a professionمهنة
that's in highمتوسط demandالطلب.
222
613800
2880
وهذه صفقة كبيرة لمهنة
تتسم بارتفاع الطلب.
10:29
Dataالبيانات philanthropyالإحسان
makesيصنع good businessاعمال senseإحساس,
223
617840
3120
العمل الخيري للبيانات
يجعل الإدراك التجاري جيد،
10:34
and it alsoأيضا can help
revolutionizeثور the humanitarianإنساني worldالعالمية.
224
622200
3280
ويمكن أن يساعد أيضاً
في تغيير جذري في العالم الإنساني.
10:39
If we coordinatedمنسق
the planningتخطيط and logisticsالخدمات اللوجستية
225
627600
2096
إذا قمنا بتنسيق
التخطيط والخدمات اللوجستية
10:41
acrossعبر all of the majorرائد facetsجوانب
of a humanitarianإنساني operationعملية,
226
629720
3376
عبر جميع الجوانب الرئيسية
من عملية إنسانية،
10:45
we could feedتغذية, clotheكسا and shelterمأوى
hundredsالمئات of thousandsالآلاف more people,
227
633120
3600
يمكننا تأمين الطعام والكساء والمأوى
لمئات الآلاف من المزيد من الناس،
10:49
and companiesالشركات need to stepخطوة up
and playلعب the roleوظيفة that I know they can
228
637440
4256
ويتعين على الشركات أن تصعد
وتلعب الدور الذي أعلم أنه بوسعهم
10:53
in bringingجلب about this revolutionثورة.
229
641720
1880
في إحداث هذا التغيير.
10:56
You've probablyالمحتمل heardسمعت of the sayingقول
"foodطعام for thought."
230
644720
2936
ربما كنت قد سمعت بمقولة
"غذاء للفكر".
10:59
Well, this is literallyحرفيا thought for foodطعام.
231
647680
2240
حسنا، هذا حرفياً فكرة للغذاء .
11:03
It finallyأخيرا is the right ideaفكرة
at the right time.
232
651560
4136
إنها أخيراً الفكرة الصائبة
في الوقت المناسب.
11:07
(Laughterضحك)
233
655720
1216
(ضحك)
11:08
Trآرès magnifiqueماجنيفيك.
234
656960
1576
رائع جداً.
11:10
Thank you.
235
658560
1216
شكراً لكم.
11:11
(Applauseتصفيق)
236
659800
2851
(تصفيق)
Translated by Mariam Al Masri
Reviewed by Zeineb Trabelsi

▲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
THE ORIGINAL VIDEO ON TED.COM
مالوري سولدنر: بيانات شركتك قد تساعد في إنهاء المجاعة في العالم | TED Talk | TED.com