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

مالری سلدنر: داده‌های شرکت شما می‌تواند گرسنگی را در جهان پایان دهد

Filmed:
1,090,373 views

شرکت شما ممکن است برای حل مشکلات بشردوستانه کمک مالی کرده باشد، ولی ممکن است شما چیز مفیدتری برای ارائه داشته باشید: داده‌های شما. مالری سولدنر به ما نشان می‌دهد چگونه شرکت‌های بخش خصوصی می‌توانند با اهداکردن داده‌های خام و دانشمندان تصمیم‌گیری‌شان کمک شایانی در حل مشکلات بزرگ داشته باشند -- از بحران پناه‌جویان گرفته تا گرسنگی جهانی -- شرکت شما چه کمکی می‌تواند بکند؟
- 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
Juneژوئن 2010.
0
880
1760
ژوئن ۲۰۱۰.
00:15
I landedفرود آمد for the first time
in Romeرم, Italyایتالیا.
1
3760
2880
برای اولین بار در شهر رم،
در ایتالیا فرود آمدم.
00:19
I wasn'tنبود there to sightseeگشت و گذار.
2
7800
1896
برای گردش شهر آنجا نبودم.
00:21
I was there to solveحل worldجهان hungerگرسنگی.
3
9720
3120
رفته بودم تا مشکل گرسنگی جهان را حل کنم.
00:25
(Laughterخنده)
4
13160
2096
(خنده حاضرین)
00:27
That's right.
5
15280
1216
درسته.
00:28
I was a 25-year-oldساله PhDدکترا studentدانشجو
6
16520
2096
من ۲۵ ساله و دانشجوی مقطع دکتری
00:30
armedمسلح with a prototypeنمونه اولیه toolابزار
developedتوسعه یافته back at my universityدانشگاه,
7
18640
3096
مسلح به یک ابزار آزمایشی بودم
که در دانشگاهم طراحی شده بود،
00:33
and I was going to help
the Worldجهان Foodغذا Programmeبرنامه fixثابت hungerگرسنگی.
8
21760
3080
می‌خواستم به «برنامه جهانی غذا»
در حل گرسنگی کمک کنم.
00:37
So I strodeاستراحت into the headquartersمرکز فرماندهی buildingساختمان
9
25840
2736
پس به ساختمان مرکزی آن سازمان
قدم گذاشتم
00:40
and my eyesچشم ها scannedاسکن شده the rowردیف of UNسازمان ملل متحد flagsپرچم ها,
10
28600
2816
و چشمانم ردیف پرچم‌های
سازمان ملل را بررسی کرد،
00:43
and I smiledلبخند زد as I thought to myselfخودم,
11
31440
1960
و لبخند زدم و توی دلم گفتم،
00:46
"The engineerمهندس is here."
12
34840
1616
«مهندس اینجاست.»
00:48
(Laughterخنده)
13
36480
2216
(خنده حاضرین)
00:50
Give me your dataداده ها.
14
38720
1776
داده‌های خود را به من بدهید.
00:52
I'm going to optimizeبهینه سازی everything.
15
40520
2176
می‌خواهم همه چیز را بهینه‌سازی کنم.
00:54
(Laughterخنده)
16
42720
1736
(خنده حاضرین)
00:56
Tell me the foodغذا that you've purchasedخریداری شده,
17
44480
1896
از غذایی که خریده‌ای برایم بگو.
00:58
tell me where it's going
and when it needsنیاز دارد to be there,
18
46400
2616
بگو به کجا می‌رود و
چه موقع باید آنجا باشد،
و من برایت کوتاه‌ترین،
سریع‌ترین، ارزان‌ترین و بهترین
01:01
and I'm going to tell you
the shortestکوتاه ترین, fastestسریعترین, cheapestارزان ترین,
19
49040
2736
مجموعه از مسیرهایی را
می‌گویم که به غذا خواهی رسید.
01:03
bestبهترین setتنظیم of routesمسیرها to take for the foodغذا.
20
51800
1936
01:05
We're going to saveصرفه جویی moneyپول,
21
53760
1496
پول پس‌انداز می‌کنیم،
01:07
we're going to avoidاجتناب کردن
delaysتاخیر and disruptionsاختلالات,
22
55280
2096
از تأخیرها و اختلالات
پیش‌گیری خواهیم کرد،
01:09
and bottomپایین lineخط,
we're going to saveصرفه جویی livesزندگی می کند.
23
57400
2736
و سر آخر اینکه
زندگی‌ها را نجات می‌دهیم.
01:12
You're welcomeخوش آمدی.
24
60160
1216
نیازی به تشکر نیست.
01:13
(Laughterخنده)
25
61400
1696
(خنده حاضرین)
01:15
I thought it was going to take 12 monthsماه ها,
26
63120
1976
فکر کردم ۱۲ ماه طول خواهد کشید،
01:17
OK, maybe even 13.
27
65120
1560
باشه، شاید هم ۱۳ ماه.
01:19
This is not quiteکاملا how it pannedپاندا out.
28
67800
2280
اما اصلاً طبق برنامه‌ام پیش نرفت.
01:23
Just a coupleزن و شوهر of monthsماه ها into the projectپروژه,
my Frenchفرانسوی bossرئیس, he told me,
29
71600
3776
چند ماهی بعد از شروع پروژه،
رییس فرانسوی‌ام بهم گفت،
01:27
"You know, Malloryمالوری,
30
75400
1816
«می‌دونی مالری،
01:29
it's a good ideaاندیشه,
31
77240
1656
فکر خوبیه،
01:30
but the dataداده ها you need
for your algorithmsالگوریتم ها is not there.
32
78920
3336
اما داده‌های لازم برای
الگوریتم تو وجود نداره.
01:34
It's the right ideaاندیشه but at the wrongاشتباه time,
33
82280
2536
ایده‌ای خوبه
ولی در زمانی غلط،
01:36
and the right ideaاندیشه at the wrongاشتباه time
34
84840
2296
و ایده خوب در زمان غلط
01:39
is the wrongاشتباه ideaاندیشه."
35
87160
1376
ایده‌ای غلطه.»
01:40
(Laughterخنده)
36
88560
1320
(خنده حاضرین)
01:42
Projectپروژه over.
37
90960
1280
ختم پروژه.
01:45
I was crushedخرد شده.
38
93120
1200
نابود شدم.
01:49
When I look back now
39
97000
1456
الان که به عقب نگاه‌ می‌کنم
01:50
on that first summerتابستان in Romeرم
40
98480
1656
به اولین تابستانم در رم
01:52
and I see how much has changedتغییر کرد
over the pastگذشته sixشش yearsسالها,
41
100160
2656
می‌بینم چقدر همه چیز در شش
سال گذشته عوض شده،
01:54
it is an absoluteمطلق transformationدگرگونی.
42
102840
2240
یک دگرگونی مطلق است.
01:57
It's a comingآینده of ageسن for bringingبه ارمغان آوردن dataداده ها
into the humanitarianانسان دوستانه worldجهان.
43
105640
3400
زمان اصلی برای واردکردن داده‌ها
به جهان بشردوستانه است.
02:02
It's excitingهیجان انگیز. It's inspiringالهام بخش.
44
110160
2656
هیجان‌انگیز و الهام‌بخش است.
02:04
But we're not there yetهنوز.
45
112840
1200
اما راه درازی مانده.
02:07
And braceبند شلوار yourselfخودت, executivesمدیران,
46
115320
2296
و رؤسای شرکت‌ها، آماده باشید،
02:09
because I'm going to be puttingقرار دادن companiesشرکت ها
47
117640
1976
چون قصد دارم شرکت‌هایتان را به چالش بکشم
02:11
on the hotداغ seatصندلی to stepگام up
and playبازی the roleنقش that I know they can.
48
119640
3120
تا وارد عمل شوند و نقش‌شان را
که می‌دانم از پسش برمی‌آیند ایفا کنند.
02:17
My experiencesتجربیات back in Romeرم proveثابت كردن
49
125520
2816
تجربه ام در رم ثابت کرد که
02:20
usingاستفاده كردن dataداده ها you can saveصرفه جویی livesزندگی می کند.
50
128360
2080
با استفاده از داده‌ها می‌توانید
جان مردم را نجات دهید
02:23
OK, not that first attemptتلاش کنید,
51
131440
2456
خب البته نه در تلاش اول،
02:25
but eventuallyدر نهایت we got there.
52
133920
2576
اما در نهایت به آنجا می‌ٰرسیم.
02:28
Let me paintرنگ the pictureعکس for you.
53
136520
1736
بگذارید تصویر را برایتان ترسیم کنم.
02:30
Imagineتصور کن that you have to planطرح
breakfastصبحانه, lunchناهار and dinnerشام
54
138280
2736
تصور کنید باید برای صبحانه،
ناهار و شامِ
پانصد هزار نفر برنامه ریزی کنید،
02:33
for 500,000 people,
55
141040
1616
02:34
and you only have
a certainمسلم - قطعی budgetبودجه to do it,
56
142680
2136
و برای این کار بودجه محدودی دارید،
02:36
say 6.5 millionمیلیون dollarsدلار perدر هر monthماه.
57
144840
2240
مثلا ۶/۵ میلیون دلار در ماه.
02:40
Well, what should you do?
What's the bestبهترین way to handleرسیدگی it?
58
148920
2762
خب، چکار باید کنید؟
بهترین روش برای انجام آن چیست؟
02:44
Should you buyخرید riceبرنج, wheatگندم, chickpeaنخود, oilنفت?
59
152280
2760
آیا خرید برنج،‌ روغن،‌
گندم و نخود لازم است؟
02:47
How much?
60
155760
1216
چقدر؟
02:49
It soundsبرای تلفن های موبایل simpleساده. It's not.
61
157000
2136
ساده به نظر می‌آید. اما نیست.
02:51
You have 30 possibleامکان پذیر است foodsخوراکی ها,
and you have to pickانتخاب کنید fiveپنج of them.
62
159160
3216
۳۰ نوع غذای ممکن دارید،
و باید ۵ تا را انتخاب کنید.
02:54
That's alreadyقبلا over 140,000
differentناهمسان combinationsترکیبات.
63
162400
3416
بیش از ۱۴۰/۰۰۰
ترکیب مختلف می‌شود.
02:57
Then for eachهر یک foodغذا that you pickانتخاب کنید,
64
165840
1696
بعد برای هر غذایی که
انتخاب می‌کنید،
02:59
you need to decideتصميم گرفتن how much you'llشما خواهید بود buyخرید,
65
167560
1976
لازم است تصمیم بگیرید
چقدر خرید کرده،
03:01
where you're going to get it from,
66
169560
1696
از کجا آن را بخرید،
03:03
where you're going to storeفروشگاه it,
67
171280
1480
کجا آن را نگه دارید،
03:05
how long it's going to take to get there.
68
173760
1976
چقدر زمان رسیدن به آنجا طول می‌کشد.
03:07
You need to look at all of the differentناهمسان
transportationحمل و نقل routesمسیرها as well.
69
175760
3336
باید همه مسیرهای حمل و نقل
مختلف را بررسی کنید.
03:11
And that's alreadyقبلا
over 900 millionمیلیون optionsگزینه ها.
70
179120
2080
و این می‌شود بیش از ۹۰۰ میلیون گزینه.
03:14
If you consideredدر نظر گرفته شده eachهر یک optionگزینه
for a singleتنها secondدومین,
71
182120
2376
اگر هر گزینه را فقط یک ثانیه بررسی کنید،
03:16
that would take you
over 28 yearsسالها to get throughاز طریق.
72
184520
2336
۲۸ سال زمان لازم است
تا آن‌ها را مرور کنید،
03:18
900 millionمیلیون optionsگزینه ها.
73
186880
1520
۹۰۰ میلیون گزینه.
03:21
So we createdایجاد شده a toolابزار
that allowedمجاز decisionmakersتصمیم گیرندگان
74
189160
2456
پس ابزاری خلق کردیم که
به تصمیم‌گیرنده‌ها اجازه می‌داد
03:23
to weedعلف هرز throughاز طریق all 900 millionمیلیون optionsگزینه ها
75
191640
2616
تا ۹۰۰ میلیون گزینه را
ظرف تنها چند روز بررسی کنند.
03:26
in just a matterموضوع of daysروزها.
76
194280
1360
03:28
It turnedتبدیل شد out to be incrediblyطور باور نکردنی successfulموفق شدن.
77
196560
2240
روشی که بی‌نهایت موفقیت‌آمیز ظاهر شد.
03:31
In an operationعمل in Iraqعراق,
78
199400
1256
در یک عملیات در عراق
03:32
we savedذخیره 17 percentدرصد of the costsهزینه ها,
79
200680
2536
۱۷ درصد در هزینه‌ها صرف‌جویی کردیم،
03:35
and this meantبه معنای that you had the abilityتوانایی
to feedخوراک an additionalاضافی 80,000 people.
80
203240
4136
و این به آن معناست که می‌توانید
تغذیه ۸۰/۰۰۰ تن دیگر را بدهید.
03:39
It's all thanksبا تشکر to the use of dataداده ها
and modelingمدل سازی complexپیچیده systemsسیستم های.
81
207400
4400
همه‌ی این‌ها به لطف استفاده از داده‌ها
و سیستم‌های پیچیده‌ی مدل‌سازی است.
03:44
But we didn't do it aloneتنها.
82
212800
1280
اما این کار را تنهایی انجام ندادیم.
03:46
The unitواحد that I workedکار کرد with in Romeرم,
they were uniqueمنحصر بفرد.
83
214840
2736
گروهی که باهاشون در رم
کار می‌کردم بی‌نظیر بودند.
03:49
They believedمعتقد in collaborationهمکاری.
84
217600
1736
به همکاری اعتقاد داشتند.
03:51
They broughtآورده شده in the academicعلمی worldجهان.
85
219360
1696
دنیای دانشگاهی را مشارکت دادند.
03:53
They broughtآورده شده in companiesشرکت ها.
86
221080
1280
شرکت‌ها را آوردند.
03:55
And if we really want to make bigبزرگ changesتغییرات
in bigبزرگ problemsمشکلات like worldجهان hungerگرسنگی,
87
223200
3616
و اگر می‌خواهیم تغییرات بزرگ در مشکلات
عظیمی چون گرسنگی در جهان ایجاد کنیم
03:58
we need everybodyهمه to the tableجدول.
88
226840
2560
همه باید سر میز حاضر شوند.
04:02
We need the dataداده ها people
from humanitarianانسان دوستانه organizationsسازمان های
89
230040
2936
ما به متخصصان داده‌های
سازمان‌های بشری نیاز داریم
04:05
leadingمنتهی شدن the way,
90
233000
1256
برای فرماندهی
و مدیریت انواع و اقسام صحیح مشارکت
04:06
and orchestratingارکسترینگ
just the right typesانواع of engagementsتعاملات
91
234280
2576
04:08
with academicsدانشگاهیان, with governmentsدولت ها.
92
236880
1696
با دانشگاهیان و مراکز دولتی.
04:10
And there's one groupگروه that's not beingبودن
leveragedقدرت خرید in the way that it should be.
93
238600
3696
و یک گروه هست که آنطور که باید
مایل به مشارکت نیست.
04:14
Did you guessحدس بزن it? Companiesشرکت ها.
94
242320
2096
حدس زدید؟
شرکت‌ها.
04:16
Companiesشرکت ها have a majorعمده roleنقش to playبازی
in fixingتثبیت the bigبزرگ problemsمشکلات in our worldجهان.
95
244440
3600
شرکت‌ها نقش اساسی در حل
مشکلات بزرگ در جهان ما دارند.
04:20
I've been in the privateخصوصی sectorبخش
for two yearsسالها now.
96
248880
2416
من دو سال است که
در بخش خصوصی کار می‌کنم.
04:23
I've seenمشاهده گردید what companiesشرکت ها can do,
and I've seenمشاهده گردید what companiesشرکت ها aren'tنه doing,
97
251320
3576
دیدم که شرکت‌ها چه کارهایی انجام می‌دهند،
و چه کارهایی نه.
04:26
and I think there's threeسه mainاصلی waysراه ها
that we can fillپر کن that gapشکاف:
98
254920
3376
و فکر می‌کنم سه روش اصلی برای
پر کردن این شکاف داریم:
با در اختیار گذاشتن داده‌ها،
متخصصان تصمیم‌گیری (داده‌کاوها)
04:30
by donatingاهدا dataداده ها,
by donatingاهدا decisionتصمیم گیری scientistsدانشمندان
99
258320
3096
04:33
and by donatingاهدا technologyتکنولوژی
to gatherجمع آوری newجدید sourcesمنابع of dataداده ها.
100
261440
3480
و در اختیار گذاشتن فناوری برای
جمع‌آوری منابع تازه داده‌ها.
این صدقه‌دادنِ داده‌هاست،
04:37
This is dataداده ها philanthropyبشردوستی,
101
265920
1576
04:39
and it's the futureآینده of corporateشرکت های بزرگ
socialاجتماعی responsibilityمسئوليت.
102
267520
2840
و آینده‌ی مشارکت
در مسئولیت‌پذیری اجتماعی.
04:43
Bonusجایزه, it alsoهمچنین makesباعث می شود good businessکسب و کار senseاحساس.
103
271160
2600
خوبی‌اش این است که
به لحاظ تجاری هم سود خوبی دارد.
04:46
Companiesشرکت ها todayامروز,
they collectجمع کن mountainsکوه ها of dataداده ها,
104
274920
3216
امروزه شرکت‌ها کوهی از
داده‌ها جمع می کنند،
04:50
so the first thing they can do
is startشروع کن donatingاهدا that dataداده ها.
105
278160
2762
پس اولین قدم اعطای این داده‌هاست.
04:52
Some companiesشرکت ها are alreadyقبلا doing it.
106
280946
2190
برخی شرکت‌ها الان این کار را می‌کنند.
04:55
Take, for exampleمثال,
a majorعمده telecomمخابرات companyشرکت.
107
283160
2416
برای مثال،‌ یک شرکت بزرگ مخابراتی.
04:57
They openedافتتاح شد up theirخودشان dataداده ها
in Senegalسنگال and the Ivoryعاج Coastساحل
108
285600
2776
داده‌های خود را در
سنگال و ساحل عاج آزاد کردند
05:00
and researchersمحققان discoveredکشف شده
109
288400
1976
و محققان دریافتند
05:02
that if you look at the patternsالگوها
in the pingsپینگ to the cellسلول phoneتلفن towersبرج ها,
110
290400
3334
که اگر به الگوی آنتن‌دهی
دکل‌های مخابراتی نگاه کنیم
05:05
you can see where people are travelingمسافرت.
111
293758
1938
خواهیم دید که مردم کجا سفر می‌کنند.
05:07
And that can tell you things like
112
295720
2176
و همین‌طور قادر خواهید بود بگویید مثلاً
05:09
where malariaمالاریا mightممکن spreadانتشار دادن,
and you can make predictionsپیش بینی ها with it.
113
297920
3096
مالاریا کجا ممکن است همه‌گیر شود
و برایش پیش بینی‌هایی کنید.
05:13
Or take for exampleمثال
an innovativeخلاقانه satelliteماهواره companyشرکت.
114
301040
2896
یا برای مثال یک شرکت
ماهواره‌ای نوآور را در نظر بگیرید.
05:15
They openedافتتاح شد up theirخودشان dataداده ها and donatedاهدا شد it,
115
303960
2016
آن‌ها داده‌های خود را آزاد کرده
و در اختیار گذاشتند
05:18
and with that dataداده ها you could trackمسیر
116
306000
1656
و با این داده‌ها می‌توان ردیابی کرد
05:19
how droughtsخشکسالی are impactingتأثیرگذار است
foodغذا productionتولید.
117
307680
2040
اثرات خشکسالی‌ها
بر تولید غذا چگونه است.
05:22
With that you can actuallyدر واقع triggerماشه
aidکمک fundingمنابع مالی before a crisisبحران can happenبه وقوع پیوستن.
118
310920
3680
اینطوری می‌شود کمک‌های مالی را
پیش از رخ دادن یک بحران به انجام رساند.
05:27
This is a great startشروع کن.
119
315560
1280
این شروع خوبی است.
05:29
There's importantمهم insightsبینش
just lockedقفل شده است away in companyشرکت dataداده ها.
120
317840
2880
اطلاعات مفید مهمی در داده‌های
شرکت‌ها نهفته است
05:34
And yes, you need to be very carefulمراقب باشید.
121
322480
1816
و بله البته باید خیلی محتاط باشید.
05:36
You need to respectتوجه privacyحریم خصوصی concernsنگرانی ها,
for exampleمثال by anonymizingناشناس the dataداده ها.
122
324320
3576
باید به دغدغه‌های خصوصی احترام بگذارید،
مثلاً با ناشناس‌کردن داده‌ها.
05:39
But even if the floodgatesسیلاب ها openedافتتاح شد up,
123
327920
2776
ولی حتی اگر دریچه‌های این سد باز شوند،
05:42
and even if all companiesشرکت ها
donatedاهدا شد theirخودشان dataداده ها
124
330720
2536
و حتی اگر همه شرکت‌ها
داده‌های خود را اهدا کنند
05:45
to academicsدانشگاهیان, to NGOsسازمان های غیر دولتی,
to humanitarianانسان دوستانه organizationsسازمان های,
125
333280
3256
به دانشگاهیان، سازمان‌های غیر دولتی،
و سازمان‌های بشردوستانه،
05:48
it wouldn'tنمی خواهم be enoughکافی
to harnessمهار کردن that fullپر شده impactتأثیر of dataداده ها
126
336560
2976
برای درک اثرات کامل این داده‌ها
بر اهداف بشر دوستانه
05:51
for humanitarianانسان دوستانه goalsاهداف.
127
339560
1520
کافی نخواهد بود.
05:54
Why?
128
342320
1456
چرا؟
05:55
To unlockباز کردن insightsبینش in dataداده ها,
you need decisionتصمیم گیری scientistsدانشمندان.
129
343800
3240
برای آشکار کردن این اطلاعات در داده‌ها
به متخصصان (داده‌کاوی) نیاز دارید.
05:59
Decisionتصمیم گیری scientistsدانشمندان are people like me.
130
347760
2576
دانشمندن تصمیم‌گیرنده مردمی مثل من هستند.
داده را می‌گیرند، تمیزش می‌کنند،
06:02
They take the dataداده ها, they cleanپاک کن it up,
131
350360
1816
آن را تغییر می‌دهند و درون
یک الگورتیم مفید قرار می‌دهند
06:04
transformتبدیل it and put it
into a usefulمفید است algorithmالگوریتم
132
352200
2256
06:06
that's the bestبهترین choiceانتخابی
to addressنشانی the businessکسب و کار need at handدست.
133
354480
2840
که بهترین گزینه است در جهت
مدیریت کردن کار.
06:09
In the worldجهان of humanitarianانسان دوستانه aidکمک,
there are very fewتعداد کمی decisionتصمیم گیری scientistsدانشمندان.
134
357800
3696
در دنیای کمک‌های بشردوستانه،
خیلی متخصص تصمیم‌گیری کم است.
06:13
Mostاکثر of them work for companiesشرکت ها.
135
361520
1640
اکثراً در خدمت شرکت‌ها هستند.
پس این دومین چیزی است که
این شرکت‌ها لازم است انجام دهند.
06:16
So that's the secondدومین thing
that companiesشرکت ها need to do.
136
364480
2496
06:19
In additionعلاوه بر این to donatingاهدا theirخودشان dataداده ها,
137
367000
1696
علاوه بر بخشش داده‌هایشان،
06:20
they need to donateاهدا کن
theirخودشان decisionتصمیم گیری scientistsدانشمندان.
138
368720
2160
لازم است دانشمندانِ
تصمیم‌گیری‌شان را هم اهدا کنند.
06:23
Now, companiesشرکت ها will say, "Ahآه! Don't take
our decisionتصمیم گیری scientistsدانشمندان from us.
139
371520
5736
الان شرکت‌ها خواهند گفت، «آه،‌ ‌
متخصصان تصمیم‌گیری را از ما نگیرید.
06:29
We need everyهرکدام spareیدکی secondدومین of theirخودشان time."
140
377280
2040
ما هر لحظه به آن‌ها نیاز داریم.»
06:32
But there's a way.
141
380360
1200
اما راه حلی وجود دارد.
06:35
If a companyشرکت was going to donateاهدا کن
a blockمسدود کردن of a decisionتصمیم گیری scientist'sدانشمند time,
142
383200
3416
اگر یک شرکت بخشی از زمان
یک دانشمند تصمیم‌گیری را اهدا می‌کرد،
06:38
it would actuallyدر واقع make more senseاحساس
to spreadانتشار دادن out that blockمسدود کردن of time
143
386640
3136
عاقلانه‌تر بود که این زمان را
بر روی گستره‌ای طولانی از زمان
06:41
over a long periodدوره زمانی,
say for exampleمثال fiveپنج yearsسالها.
144
389800
2200
پخش می‌کرد، مثلاً پنج سال.
06:44
This mightممکن only amountمیزان
to a coupleزن و شوهر of hoursساعت ها perدر هر monthماه,
145
392600
3056
این شاید حدود چند ساعت در ماه می‌شد،
06:47
whichکه a companyشرکت would hardlyبه سختی missاز دست دادن,
146
395680
2056
که یک شرکت به سختی آن را حس می‌کرد،
06:49
but what it enablesرا قادر می سازد is really importantمهم:
long-termبلند مدت partnershipsشراکت.
147
397760
3480
ولی توانایی که داشت مهم بود:
همکاری طولانی مدت.
06:54
Long-termبلند مدت partnershipsشراکت
allowاجازه دادن you to buildساختن relationshipsروابط,
148
402920
2816
همکاری طولانی مدت به شما
اجازه می‌دهد رابطه ایجاد کنید،
06:57
to get to know the dataداده ها,
to really understandفهمیدن it
149
405760
2656
تا داده‌ها را بشناسید و واقعاً
آن‌ها را درک کنید
07:00
and to startشروع کن to understandفهمیدن
the needsنیاز دارد and challengesچالش ها
150
408440
2416
و شروع به فهمیدن نیازها و چالش‌هایی کنید
07:02
that the humanitarianانسان دوستانه
organizationسازمان is facingروبرو شدن.
151
410880
2160
که سازمان‌های بشردوستانه
با آن‌ها مواجه هستند.
07:06
In Romeرم, at the Worldجهان Foodغذا Programmeبرنامه,
this tookگرفت us fiveپنج yearsسالها to do,
152
414345
3191
در رم، در «برنامه جهانی غذا»،
این کار برای ما پنج سال طول کشید،
07:09
fiveپنج yearsسالها.
153
417560
1456
پنج سال.
07:11
That first threeسه yearsسالها, OK,
that was just what we couldn'tنمی توانستم solveحل for.
154
419040
3336
سه سال اول، در حال پیدا کردن راه‌حل بودیم.
07:14
Then there was two yearsسالها after that
of refiningتصفیه and implementingپیاده سازی the toolابزار,
155
422400
3496
سپس در دو سال بعدی در حال
پالایش و پیاده‌سازی ابزار
07:17
like in the operationsعملیات in Iraqعراق
and other countriesکشورها.
156
425920
2800
مثل مأموریت عراق و دیگر کشور‌ها بودیم.
07:21
I don't think that's
an unrealisticغیر واقعی است timelineجدول زمانی
157
429520
2096
فکر نمی‌کنم این زمانبندی غیرواقعی باشد
وقتی نوبت به استفاده از داده‌ها برای
ایجاد تغییرات عملیاتی می‌کنیم.
07:23
when it comesمی آید to usingاستفاده كردن dataداده ها
to make operationalعملیاتی changesتغییرات.
158
431640
2736
07:26
It's an investmentسرمایه گذاری. It requiresنیاز دارد patienceصبر.
159
434400
2400
این یک سرمایه‌گزاری است.
نیاز به صبر دارد.
07:29
But the typesانواع of resultsنتایج
that can be producedتولید شده are undeniableغیر قابل انکار.
160
437760
3496
اما انواع نتایجی که بتواند تولید شود
غیرقابل انکار هستند.
07:33
In our caseمورد, it was the abilityتوانایی
to feedخوراک tensده ها of thousandsهزاران نفر more people.
161
441280
3560
در مورد ما، قابلیت تغذیه
ده‌ها هزار انسان بیشتر فراهم شد.
07:39
So we have donatingاهدا dataداده ها,
we have donatingاهدا decisionتصمیم گیری scientistsدانشمندان,
162
447440
4336
بنابراین ما اعطای داده‌ها و
اعطای دانشمندان تصمیم‌گیری را داریم،
07:43
and there's actuallyدر واقع a thirdسوم way
that companiesشرکت ها can help:
163
451800
2696
و در واقع راه سومی هم هست که
شرکت‌ها بتوانند کمک کنند:
07:46
donatingاهدا technologyتکنولوژی
to captureگرفتن newجدید sourcesمنابع of dataداده ها.
164
454520
2976
اهدای فناوری برای جمع‌آوری
منابع جدید داده‌ها.
07:49
You see, there's a lot of things
we just don't have dataداده ها on.
165
457520
2840
می‌دانید کلی چیز هست
که برایشان داده‌ای نداریم.
07:52
Right now, Syrianسوریه refugeesپناهندگان
are floodingسیل into Greeceیونان,
166
460960
2720
همین الان، پناهجویان سوری
به یونان هجوم آورده‌اند،
07:57
and the UNسازمان ملل متحد refugeeپناهنده agencyآژانس,
they have theirخودشان handsدست ها fullپر شده.
167
465120
2560
و آژانس پناهجویان سازمان ملل،
حسابی سرشان شلوغ است.
08:01
The currentجاری systemسیستم for trackingردیابی people
is paperکاغذ and pencilمداد,
168
469000
3056
نظام فعلی برای ردیابی آدم‌ها
کاغد و قلم است،
08:04
and what that meansبه معنای is
169
472080
1256
و این یعنی
وقتی مادری به‌همراه پنج فرزندش
قدم به اردوگاه می‌گذارد
08:05
that when a motherمادر and her fiveپنج childrenفرزندان
walkراه رفتن into the campاردوگاه,
170
473360
2856
اداره‌ی اصلی در این لحظه
نسبت به آن نابینا است.
08:08
headquartersمرکز فرماندهی is essentiallyاساسا
blindنابینا to this momentلحظه.
171
476240
2656
08:10
That's all going to changeتغییر دادن
in the nextبعد fewتعداد کمی weeksهفته ها,
172
478920
2336
ظرف چند هفته آینده
تمام این موضوع تغییر می‌کند،
08:13
thanksبا تشکر to privateخصوصی sectorبخش collaborationهمکاری.
173
481280
1880
به لطف همکار بخش خصوصی.
08:15
There's going to be a newجدید systemسیستم basedمستقر
on donatedاهدا شد packageبسته بندی trackingردیابی technologyتکنولوژی
174
483840
3656
قرار است نظام جدیدی بر مبنای فناوری
اهدایی ردیابی محموله‌ها پی‌ریزی کنیم
08:19
from the logisticsتدارکات companyشرکت
that I work for.
175
487520
2040
که شرکت حملی که برایش کار می‌کنم
اهدا کرده.
با این سیستم جدید،
دنباله‌ی اطلاعاتی خواهد بود،
08:22
With this newجدید systemسیستم,
there will be a dataداده ها trailدنباله,
176
490120
2336
08:24
so you know exactlyدقیقا the momentلحظه
177
492480
1456
که به محضی که مادر و کودکانش
08:25
when that motherمادر and her childrenفرزندان
walkراه رفتن into the campاردوگاه.
178
493960
2496
پا به اردوگاه می گذارند مطلع خواهید شد.
08:28
And even more, you know
if she's going to have suppliesتدارکات
179
496480
2616
و حتی خواهید دانست که آیا
این ماه و ماه بعدی
ذخیره‌ای دریافت می‌کند.
08:31
this monthماه and the nextبعد.
180
499120
1256
آشکارسازی اطلاعات
کارایی را بالا می‌برد.
08:32
Informationاطلاعات visibilityدید drivesدرایوها efficiencyبهره وری.
181
500400
3016
08:35
For companiesشرکت ها, usingاستفاده كردن technologyتکنولوژی
to gatherجمع آوری importantمهم dataداده ها,
182
503440
3256
برای شرکت‌ها،‌ استفاده از فناوری
برای یافتن داده‌های مهم
08:38
it's like breadنان and butterکره.
183
506720
1456
مثل نان شب است.
08:40
They'veآنها دارند been doing it for yearsسالها,
184
508200
1576
سال‌ها است این کار را می‌کنند،
08:41
and it's led to majorعمده
operationalعملیاتی efficiencyبهره وری improvementsپیشرفت ها.
185
509800
3256
و باعث افزایش بهبود چشمگیری
در کارهایشان شده است.
08:45
Just try to imagineتصور کن
your favoriteمورد علاقه beverageنوشیدنی companyشرکت
186
513080
2360
فقط تصور کنید کمپانی
نوشیدنی‌سازی محبوب شما
روی فهرست موجودی‌اش کار می‌کند
08:48
tryingتلاش کن to planطرح theirخودشان inventoryفهرست
187
516280
1576
08:49
and not knowingدانستن how manyبسیاری bottlesبطری
were on the shelvesقفسه.
188
517880
2496
و نمی‌داند که روی هر قفسه
چند بطری هست.
08:52
It's absurdچرند.
189
520400
1216
احمقانه است.
08:53
Dataداده ها drivesدرایوها better decisionsتصمیمات.
190
521640
1560
داده‌ها، مولدِ تصمیمات بهترند.
08:57
Now, if you're representingنمایندگی a companyشرکت,
191
525800
2536
اکنون اگر نمایندگی شرکتی را داشته باشید،
09:00
and you're pragmaticعملگرا
and not just idealisticایده آلیست,
192
528360
3136
و واقعیت‌گرا باشید و نه یک ایده‌آل گرا،
09:03
you mightممکن be sayingگفت: to yourselfخودت,
"OK, this is all great, Malloryمالوری,
193
531520
3056
باید به خودتان بگویید که
« خب، مالری همه این‌ها عالیه،
09:06
but why should I want to be involvedگرفتار?"
194
534600
1840
اما من چرا باید درگیر بشم؟»
09:09
Well for one thing, beyondفراتر the good PRPR,
195
537000
2816
خوب از یک طرف،
فراتر از حُسن‌نیت
09:11
humanitarianانسان دوستانه aidکمک
is a 24-billion-dollarمیلیارد دلار sectorبخش,
196
539840
2776
کمک بشردوستانه بخشی با ارزش
۲۴ میلیارد دلاری است،
09:14
and there's over fiveپنج billionبیلیون people,
maybe your nextبعد customersمشتریان,
197
542640
3056
و پنج میلیارد نفر وجود دارند،
شاید مشتری‌های بعدی شما،
که در دنیای در حال توسعه زندگی می‌کنند.
09:17
that liveزنده in the developingدر حال توسعه worldجهان.
198
545720
1816
09:19
Furtherبه علاوه, companiesشرکت ها that are engagingجذاب
in dataداده ها philanthropyبشردوستی,
199
547560
3096
بعلاوه، شرکت‌هایی که وارد داده‌بخشی
بشردوستانه می‌شوند،
09:22
they're findingیافته newجدید insightsبینش
lockedقفل شده است away in theirخودشان dataداده ها.
200
550680
2976
در حال یافتن اطلاعات مفیدتری
در داده‌های خود هستند.
09:25
Take, for exampleمثال, a creditاعتبار cardکارت companyشرکت
201
553680
2256
برای مثال یک شرکت
کارت اعتباری‌ را ببینید،
09:27
that's openedافتتاح شد up a centerمرکز
202
555960
1336
که یک مرکز باز کرده که
09:29
that functionsتوابع as a hubتوپی for academicsدانشگاهیان,
for NGOsسازمان های غیر دولتی and governmentsدولت ها,
203
557320
3376
به عنوان یک قطب برای دانشگاهیان،
دولت و سازمان‌های بشردوستانه
09:32
all workingکار کردن togetherبا یکدیگر.
204
560720
1240
کار می‌کند.
09:35
They're looking at informationاطلاعات
in creditاعتبار cardکارت swipesابروها
205
563040
2736
آن‌ها به اطلاعات استفاده از
کارت‌های بانکی نگاه می‌کنند
09:37
and usingاستفاده كردن that to find insightsبینش
about how householdsخانوارها in Indiaهندوستان
206
565800
2976
و با آن به فهمی می‌رسند
از اینکه خانواده‌های هندی چگونه
09:40
liveزنده, work, earnبدست آوردن and spendخرج کردن.
207
568800
1720
زندگی، کار، درآمدزایی و خرج می‌کنند.
09:43
For the humanitarianانسان دوستانه worldجهان,
this providesفراهم می کند informationاطلاعات
208
571680
2576
برای دنیای بشردوستانه
این اطلاعاتی فراهم می‌کند
09:46
about how you mightممکن
bringآوردن people out of povertyفقر.
209
574280
2656
که چگونه می‌شود مردم را
از فقر خارج کنیم
09:48
But for companiesشرکت ها, it's providingفراهم آوردن
insightsبینش about your customersمشتریان
210
576960
3016
ولی برای شرکت‌ها، اطلاعاتی
درباره مشتریان بالفعل
09:52
and potentialپتانسیل customersمشتریان in Indiaهندوستان.
211
580000
2040
و مشتریان بالقوه‌شان در هند می‌دهد.
09:54
It's a winپیروزی all around.
212
582760
1800
یک برد همه طرفه است.
09:57
Now, for me, what I find
excitingهیجان انگیز about dataداده ها philanthropyبشردوستی --
213
585960
3776
برای من، جذابیت اهداکردن داده‌ها --
10:01
donatingاهدا dataداده ها, donatingاهدا decisionتصمیم گیری
scientistsدانشمندان and donatingاهدا technologyتکنولوژی --
214
589760
4336
اهدای داده‌ها، اهدای متخصصان تصمیم‌گیری
و اهدای فناوری --
برای متخصصان جوانی مثل من
معیار انتخابی است
10:06
it's what it meansبه معنای
for youngجوان professionalsحرفه ای ها like me
215
594120
2376
برای کارکردن در شرکت‌ها.
10:08
who are choosingانتخاب کردن to work at companiesشرکت ها.
216
596520
1840
10:10
Studiesمطالعات showنشان بده that
the nextبعد generationنسل of the workforceنیروی کار
217
598800
2656
مطالعات نشان می‌دهد که نسل آینده نیروی کار
10:13
careاهميت دادن about havingداشتن theirخودشان work
make a biggerبزرگتر impactتأثیر.
218
601480
2560
به تأثیر‌گزاری هرچه بیشتر
کاری که می‌کند اهمیت می‌دهد.
10:16
We want to make a differenceتفاوت,
219
604920
2456
ما می‌خواهیم کاری مفید کنیم،
10:19
and so throughاز طریق dataداده ها philanthropyبشردوستی,
220
607400
2416
و با استفاده از داده‌های بشردوستانه،
10:21
companiesشرکت ها can actuallyدر واقع help engageمشغول کردن
and retainحفظ theirخودشان decisionتصمیم گیری scientistsدانشمندان.
221
609840
3936
شرکت‌ها می‌توانند به مشارکت و نگهداری
متخصصین تصمیم‌گیری خود کمک کنند.
10:25
And that's a bigبزرگ dealمعامله for a professionحرفه
that's in highبالا demandتقاضا.
222
613800
2880
و این مسأله‌ی مهمی است برای
متخصصانی که متقاضی زیادی دارند.
10:29
Dataداده ها philanthropyبشردوستی
makesباعث می شود good businessکسب و کار senseاحساس,
223
617840
3120
صدقه‌دادنِ داده‌ها از نظر
تجاری سودمند است،
10:34
and it alsoهمچنین can help
revolutionizeانقلابی کردن the humanitarianانسان دوستانه worldجهان.
224
622200
3280
و حتی می‌تواند به تحول در
دنیای بشردوستی نیز کمک کند.
10:39
If we coordinatedهماهنگ شده
the planningبرنامه ریزی and logisticsتدارکات
225
627600
2096
اگر ما برنامه‌ریزی و تدارکات‌مان را
10:41
acrossدر سراسر all of the majorعمده facetsعناصر
of a humanitarianانسان دوستانه operationعمل,
226
629720
3376
از لحاظ کارهای
بشردوستانه تدوین کنیم،
10:45
we could feedخوراک, clotheلباس and shelterپناه
hundredsصدها of thousandsهزاران نفر more people,
227
633120
3600
می‌توانیم برای صدها هزار نفر دیگر
غذا، سرپناه و لباس تأمین کنیم،
10:49
and companiesشرکت ها need to stepگام up
and playبازی the roleنقش that I know they can
228
637440
4256
و شرکت‌ها باید قدم جلو بگذارند و
نقش‌شان که می‌دانم می‌توانند را
10:53
in bringingبه ارمغان آوردن about this revolutionانقلاب.
229
641720
1880
در پیشبرد این انقلاب ایفا کنند.
10:56
You've probablyشاید heardشنیدم of the sayingگفت:
"foodغذا for thought."
230
644720
2936
شما شاید ضرب‌المثل «غذای فکر»
رو شنیده باشین.
10:59
Well, this is literallyعینا thought for foodغذا.
231
647680
2240
خب. این به واقع فکر برای غذاست.
11:03
It finallyسرانجام is the right ideaاندیشه
at the right time.
232
651560
4136
و بالاخره اینکه
ایده‌ای خوب در زمانی مناسب است.
11:07
(Laughterخنده)
233
655720
1216
(خنده حاضرین)
11:08
Trترès magnifiqueبزرگ.
234
656960
1576
بسیار عالی.
11:10
Thank you.
235
658560
1216
متشکرم.
11:11
(Applauseتشویق و تمجید)
236
659800
2851
(تشویق)
Translated by Amin Alaee
Reviewed by emshe emshian

▲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