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

מלורי סולדנר: הנתונים של החברה שלכם יכולים לסייע בפתרון בעיית הרעב בעולם

Filmed:
1,090,373 views

יכול להיות שהחברה שלכם תרמה כסף לפתרון בעיות הומניטריות, אבל יש לכם משהו אפילו יותר מועיל להציע: הנתונים שלכם. מלורי סולדנר מראה לנו איך חברות במגזר הפרטי יכולות לעזור להביא להתקדמות אמיתית בהתמודדות עם בעיות גדולות – ממשבר הפליטים ועד לרעב עולמי –על ידי תרומת נתונים שלא נוצלו ומדענים העוסקים בתורת קבלת החלטות. מה יכולה החברה שלכם לתרום?
- 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
Juneיוני 2010.
0
880
1760
יוני 2010.
00:15
I landedנחת for the first time
in Romeרומא, Italyאִיטַלִיָה.
1
3760
2880
נחתתי בפעם הראשונה ברומא, איטליה.
00:19
I wasn'tלא היה there to sightseeסיור.
2
7800
1896
לא הגעתי לשם כתיירת.
00:21
I was there to solveלִפְתוֹר worldעוֹלָם hungerרעב.
3
9720
3120
הגעתי לשם כדי לפתור את הרעב בעולם.
00:25
(Laughterצחוק)
4
13160
2096
(צחוק)
00:27
That's right.
5
15280
1216
בדיוק כך.
00:28
I was a 25-year-old-גיל PhDדוקטורט studentתלמיד
6
16520
2096
הייתי תלמידת דוקטורט בת 25
00:30
armedחָמוּשׁ with a prototypeאב טיפוס toolכְּלִי
developedמפותח back at my universityאוּנִיבֶרְסִיטָה,
7
18640
3096
חמושה באב-טיפוס של כלי
שפותח באוניברסיטה שלי
00:33
and I was going to help
the Worldעוֹלָם Foodמזון Programmeתכנית fixלתקן hungerרעב.
8
21760
3080
והתכוונתי לעזור לתוכנית המזון העולמית
לפתור את בעיית הרעב.
00:37
So I strodeצעד into the headquartersמַטֶה buildingבִּניָן
9
25840
2736
אז צעדתי לתוך בניין המטה
00:40
and my eyesעיניים scannedסרק the rowשׁוּרָה of UNבִּלתִי flagsדגלים,
10
28600
2816
ועיניי סרקו את שורת דגלי האו"ם,
00:43
and I smiledחייך as I thought to myselfעצמי,
11
31440
1960
וחייכתי כשחשבתי לעצמי,
00:46
"The engineerמהנדס is here."
12
34840
1616
"המהנדסת כאן".
00:48
(Laughterצחוק)
13
36480
2216
(צחוק)
00:50
Give me your dataנתונים.
14
38720
1776
תנו לי את הנתונים שלכם.
00:52
I'm going to optimizeלייעל everything.
15
40520
2176
אני הולכת לייעל הכל.
00:54
(Laughterצחוק)
16
42720
1736
(צחוק)
00:56
Tell me the foodמזון that you've purchasedנרכש,
17
44480
1896
ספרו לי מה המזון שרכשתם,
00:58
tell me where it's going
and when it needsצרכי to be there,
18
46400
2616
לאיפה הוא הולך ומתי הוא צריך להיות שם
01:01
and I'm going to tell you
the shortestהקצר ביותר, fastestהמהיר ביותר, cheapestהזול ביותר,
19
49040
2736
ואגיד לכם מה הדרך הקצרה, המהירה, הזולה,
01:03
bestהטוב ביותר setמַעֲרֶכֶת of routesמסלולים to take for the foodמזון.
20
51800
1936
המסלול הטוב ביותר שיש לבחור עבור האוכל.
01:05
We're going to saveלשמור moneyכֶּסֶף,
21
53760
1496
אנחנו הולכים לחסוך כסף,
01:07
we're going to avoidלְהִמָנַע
delaysעיכובים and disruptionsשיבושים,
22
55280
2096
להימנע מעיכובים והפרעות,
01:09
and bottomתַחתִית lineקַו,
we're going to saveלשמור livesחיים.
23
57400
2736
ובשורה התחתונה, אנחנו הולכים להציל חיים.
01:12
You're welcomeברוך הבא.
24
60160
1216
העונג כולו שלי.
01:13
(Laughterצחוק)
25
61400
1696
(צחוק)
01:15
I thought it was going to take 12 monthsחודשים,
26
63120
1976
חשבתי שזה יקח 12 חודשים,
01:17
OK, maybe even 13.
27
65120
1560
אוקיי, אולי אפילו 13.
01:19
This is not quiteדַי how it pannedpanned out.
28
67800
2280
זה לא בדיוק איך שזה יצא.
01:23
Just a coupleזוּג of monthsחודשים into the projectפּרוֹיֶקט,
my Frenchצָרְפָתִית bossבּוֹס, he told me,
29
71600
3776
לאחר כמה חודשים בפרוייקט,
המנהל הצרפתי שלי אמר לי
01:27
"You know, Malloryמלורי,
30
75400
1816
"את יודעת, מלורי,
01:29
it's a good ideaרַעְיוֹן,
31
77240
1656
"זה רעיון מוצלח,
01:30
but the dataנתונים you need
for your algorithmsאלגוריתמים is not there.
32
78920
3336
"אבל הנתונים שאת צריכה לאלגוריתמים
שלך אינם שם.
01:34
It's the right ideaרַעְיוֹן but at the wrongלא בסדר time,
33
82280
2536
"זה הרעיון הנכון אבל בזמן הלא נכון,
01:36
and the right ideaרַעְיוֹן at the wrongלא בסדר time
34
84840
2296
"והרעיון הנכון בזמן הלא נכון
01:39
is the wrongלא בסדר ideaרַעְיוֹן."
35
87160
1376
"זה הרעיון הלא נכון."
01:40
(Laughterצחוק)
36
88560
1320
(צחוק)
01:42
Projectפּרוֹיֶקט over.
37
90960
1280
סוף הפרויקט.
01:45
I was crushedכָּתוּשׁ.
38
93120
1200
הייתי שבורה.
01:49
When I look back now
39
97000
1456
כשאני מסתכלת אחורה עכשיו
01:50
on that first summerקַיִץ in Romeרומא
40
98480
1656
על אותו קיץ ראשון ברומא
01:52
and I see how much has changedהשתנה
over the pastעבר sixשֵׁשׁ yearsשנים,
41
100160
2656
ורואה עד כמה הדברים השתנו
במשך שש השנים האחרונות,
01:54
it is an absoluteמוּחלָט transformationטרנספורמציה.
42
102840
2240
זה שינוי מוחלט.
01:57
It's a comingמגיע of ageגיל for bringingמביא dataנתונים
into the humanitarianהוּמָנִיטָרִי worldעוֹלָם.
43
105640
3400
הגיע הזמן להביא נתונים
לתוך העולם ההומניטרי.
02:02
It's excitingמְרַגֵשׁ. It's inspiringמעורר השראה.
44
110160
2656
זה מרגש. זה מעורר השראה.
02:04
But we're not there yetעדיין.
45
112840
1200
אבל אנחנו עוד לא שם.
02:07
And braceלְהַדֵק yourselfעַצמְךָ, executivesמנהלים,
46
115320
2296
והחזיקו חזק, מנהלים,
02:09
because I'm going to be puttingלשים companiesחברות
47
117640
1976
כי אני הולכת להושיב חברות
02:11
on the hotחַם seatמושב to stepשלב up
and playלְשַׂחֵק the roleתַפְקִיד that I know they can.
48
119640
3120
בכסא החם, כדי שיקומו וימלאו את
התפקיד שלדעתי הם מסוגלים למלא.
02:17
My experiencesחוויות back in Romeרומא proveלְהוֹכִיחַ
49
125520
2816
הניסיון שלי ברומא מוכיח
02:20
usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני dataנתונים you can saveלשמור livesחיים.
50
128360
2080
שבשימוש בנתונים ניתן להציל חיים.
02:23
OK, not that first attemptלְנַסוֹת,
51
131440
2456
אוקי, לא הניסיון הראשון ההוא,
02:25
but eventuallyבסופו של דבר we got there.
52
133920
2576
אבל בסופו של דבר הגענו לשם.
02:28
Let me paintצֶבַע the pictureתְמוּנָה for you.
53
136520
1736
תנו לי לצייר לכם את התמונה.
02:30
Imagineלדמיין that you have to planלְתַכְנֵן
breakfastארוחת בוקר, lunchארוחת צהריים and dinnerאֲרוּחַת עֶרֶב
54
138280
2736
דמיינו שאתם צריכים לתכנן
ארוחת בוקר, צהריים וערב
02:33
for 500,000 people,
55
141040
1616
עבור 500,000 איש,
02:34
and you only have
a certainמסוים budgetתַקצִיב to do it,
56
142680
2136
ויש לכם תקציב מסויים כדי לעשות את זה.
02:36
say 6.5 millionמִילִיוֹן dollarsדולר perלְכָל monthחוֹדֶשׁ.
57
144840
2240
נגיד 6.5 מיליון דולר לחודש.
02:40
Well, what should you do?
What's the bestהטוב ביותר way to handleידית it?
58
148920
2762
ובכן, מה תעשו?
מה הדרך הטובה ביותר להתמודד עם זה?
02:44
Should you buyלִקְנוֹת riceאורז, wheatחיטה, chickpeaחומוס, oilשֶׁמֶן?
59
152280
2760
האם כדאי שתקנו אורז, חיטה, חומוס, שמן?
02:47
How much?
60
155760
1216
כמה?
02:49
It soundsקולות simpleפָּשׁוּט. It's not.
61
157000
2136
זה נשמע פשוט. זה לא.
02:51
You have 30 possibleאפשרי foodsמזונות,
and you have to pickלִבחוֹר fiveחָמֵשׁ of them.
62
159160
3216
יש לכם 30 סוגי מזונות אפשריים
ואתם צריכים לבחור חמישה מהם.
02:54
That's alreadyכְּבָר over 140,000
differentשונה combinationsשילובים.
63
162400
3416
זה כבר יותר מ-140,000 צירופים שונים.
02:57
Then for eachכל אחד foodמזון that you pickלִבחוֹר,
64
165840
1696
אחר כך, עבור כל מזון שאתם בוחרים,
02:59
you need to decideלְהַחלִיט how much you'llאתה buyלִקְנוֹת,
65
167560
1976
אתם צריכים להחליט כמה ממנו לקנות,
03:01
where you're going to get it from,
66
169560
1696
מאיפה להשיג אותו,
03:03
where you're going to storeחֲנוּת it,
67
171280
1480
איפה לאחסן אותו,
03:05
how long it's going to take to get there.
68
173760
1976
כמה זמן יקח לו להגיע לשם.
03:07
You need to look at all of the differentשונה
transportationהוֹבָלָה routesמסלולים as well.
69
175760
3336
אתם גם צריכים לבחון את כל
מסלולי השינוע השונים.
03:11
And that's alreadyכְּבָר
over 900 millionמִילִיוֹן optionsאפשרויות.
70
179120
2080
זה כבר מעל 900 מיליון אפשרויות.
03:14
If you consideredנחשב eachכל אחד optionאוֹפְּצִיָה
for a singleיחיד secondשְׁנִיָה,
71
182120
2376
אם אתם שוקלים כל אפשרות במשך שניה אחת,
03:16
that would take you
over 28 yearsשנים to get throughדרך.
72
184520
2336
יקח לכם יותר מעל 28 שנים לעבור על הכל.
03:18
900 millionמִילִיוֹן optionsאפשרויות.
73
186880
1520
900 מיליון אפשרויות.
03:21
So we createdשנוצר a toolכְּלִי
that allowedמוּתָר decisionmakersמקבלי החלטות
74
189160
2456
אז יצרנו כלי שאיפשר למקבלי החלטות
03:23
to weedעֵשֶׂב throughדרך all 900 millionמִילִיוֹן optionsאפשרויות
75
191640
2616
לפלס שביל דרך כל 900 מיליון האפשרויות
03:26
in just a matterחוֹמֶר of daysימים.
76
194280
1360
תוך ימים בודדים בלבד.
03:28
It turnedפנה out to be incrediblyבצורה מדהימה successfulמוּצלָח.
77
196560
2240
הסתבר שזה הצליח באופן בלתי יאמן.
03:31
In an operationמבצע in Iraqעִירַאק,
78
199400
1256
במבצע בעיראק,
03:32
we savedנשמר 17 percentאָחוּז of the costsעלויות,
79
200680
2536
חסכנו 17 אחוז מהעלויות,
03:35
and this meantהתכוון that you had the abilityיְכוֹלֶת
to feedהזנה an additionalנוֹסָף 80,000 people.
80
203240
4136
וזה אומר שיכולנו להאכיל 80,000 איש נוספים.
03:39
It's all thanksתודה to the use of dataנתונים
and modelingדוּגמָנוּת complexמורכב systemsמערכות.
81
207400
4400
כל זה הודות לשימוש בנתונים
ובניית מודלים של מערכות מורכבות.
03:44
But we didn't do it aloneלבד.
82
212800
1280
אבל לא עשינו את זה לבדנו.
03:46
The unitיחידה that I workedעבד with in Romeרומא,
they were uniqueייחודי.
83
214840
2736
ביחידה שאיתה עבדתי ברומא, הם היו ייחודיים.
03:49
They believedהאמינו in collaborationשיתוף פעולה.
84
217600
1736
הם האמינו בשיתוף פעולה.
03:51
They broughtהביא in the academicאקדמי worldעוֹלָם.
85
219360
1696
הם הביאו את העולם האקדמי.
03:53
They broughtהביא in companiesחברות.
86
221080
1280
הם הביאו חברות.
03:55
And if we really want to make bigגָדוֹל changesשינויים
in bigגָדוֹל problemsבעיות like worldעוֹלָם hungerרעב,
87
223200
3616
ואם באמת אנחנו רוצים לעשות שינויים
בבעיות גדולות כמו רעב עולמי,
03:58
we need everybodyכולם to the tableשולחן.
88
226840
2560
אנחנו צריכים את כולם סביב השולחן.
04:02
We need the dataנתונים people
from humanitarianהוּמָנִיטָרִי organizationsארגונים
89
230040
2936
אנחנו צריכים את אנשי הנתונים
מאירגונים הומניטריים
04:05
leadingמוֹבִיל the way,
90
233000
1256
שיובילו את הדרך,
04:06
and orchestratingתזמור
just the right typesסוגים of engagementsהתקשרויות
91
234280
2576
וינצחו על השידוך הנכון
04:08
with academicsאקדמאים, with governmentsממשלות.
92
236880
1696
עם אנשי אקדמיה וממשלות.
04:10
And there's one groupקְבוּצָה that's not beingלהיות
leveragedממונפות in the way that it should be.
93
238600
3696
יש קבוצה אחת שלא ממונפת בדרך
שהיא צריכה להיות.
04:14
Did you guessלְנַחֵשׁ it? Companiesחברות.
94
242320
2096
ניחשתם מי? חברות.
04:16
Companiesחברות have a majorגדול roleתַפְקִיד to playלְשַׂחֵק
in fixingקְבִיעָה the bigגָדוֹל problemsבעיות in our worldעוֹלָם.
95
244440
3600
לחברות יש תפקיד מרכזי בתיקון הבעיות
הגדולות בעולמנו.
04:20
I've been in the privateפְּרָטִי sectorמִגזָר
for two yearsשנים now.
96
248880
2416
אני פועלת במגזר הפרטי, כבר שנתיים.
04:23
I've seenלראות what companiesחברות can do,
and I've seenלראות what companiesחברות aren'tלא doing,
97
251320
3576
ראיתי מה חברות יכולות לעשות
וראיתי מה הן לא עושות,
04:26
and I think there's threeשְׁלוֹשָׁה mainרָאשִׁי waysדרכים
that we can fillלמלא that gapפער:
98
254920
3376
ואני חושבת שיש שלוש דרכים עיקריות
שבאמצעותן אפשר לסגור את הפער:
04:30
by donatingתרומה dataנתונים,
by donatingתרומה decisionהַחְלָטָה scientistsמדענים
99
258320
3096
על ידי תרומת נתונים, על ידי תרומת
מדענים המתמחים בקבלת החלטות
04:33
and by donatingתרומה technologyטֶכנוֹלוֹגִיָה
to gatherלאסוף newחָדָשׁ sourcesמקורות of dataנתונים.
100
261440
3480
ותרומת טכנולוגיה לאיסוף
מקורות נתונים חדשים.
04:37
This is dataנתונים philanthropyפִילָנטרוֹפִּיָה,
101
265920
1576
זו נדבנות של נתונים.
04:39
and it's the futureעתיד of corporateתאגידי
socialחֶברָתִי responsibilityאַחֲרָיוּת.
102
267520
2840
וזה העתיד של אחריות חברתית תאגידית.
04:43
Bonusמַעֲנָק, it alsoגַם makesעושה good businessעֵסֶק senseלָחוּשׁ.
103
271160
2600
כבונוס, זה גם הגיוני מבחינה עסקית.
04:46
Companiesחברות todayהיום,
they collectלאסוף mountainsהרים of dataנתונים,
104
274920
3216
חברות היום אוספות הררי נתונים,
04:50
so the first thing they can do
is startהַתחָלָה donatingתרומה that dataנתונים.
105
278160
2762
אז הדבר הראשון שהן יכולות לעשות
זה לתרום את הנתונים האלו.
04:52
Some companiesחברות are alreadyכְּבָר doing it.
106
280946
2190
חברות אחדות כבר עושות את זה.
04:55
Take, for exampleדוגמא,
a majorגדול telecomטלקום companyחֶברָה.
107
283160
2416
קחו למשל חברת תקשורת גדולה.
04:57
They openedנפתח up theirשֶׁלָהֶם dataנתונים
in Senegalסנגל and the Ivoryשֶׁנהָב Coastהחוף
108
285600
2776
הם פתחו את מאגר הנתונים שלהם
בסנגל ובחוף השנהב
05:00
and researchersחוקרים discoveredגילה
109
288400
1976
והחוקרים גילו
05:02
that if you look at the patternsדפוסי
in the pingspings to the cellתָא phoneטלפון towersמגדלים,
110
290400
3334
שאם אתם מסתכלים על התבניות של הפינגים
לעמודי הטלפונים הניידים,
05:05
you can see where people are travelingנסיעה.
111
293758
1938
אתם יכולים לראות לאן אנשים נוסעים.
05:07
And that can tell you things like
112
295720
2176
וזה יכול לומר לכם דברים כמו
05:09
where malariaמָלַרִיָה mightאולי spreadהתפשטות,
and you can make predictionsתחזיות with it.
113
297920
3096
איפה המלריה עלולה להתפשט
ואתם יכולים לבנות עם זה תחזיות.
05:13
Or take for exampleדוגמא
an innovativeחדשני satelliteלוויין companyחֶברָה.
114
301040
2896
או קחו למשל חברת לוויינים חדשנית.
05:15
They openedנפתח up theirשֶׁלָהֶם dataנתונים and donatedנתרם it,
115
303960
2016
הם פתחו ותרמו את הנתונים שלהם
05:18
and with that dataנתונים you could trackמַסלוּל
116
306000
1656
ובאמצעותם אתם יכולים לעקוב
05:19
how droughtsבצורות are impactingהשפעה
foodמזון productionהפקה.
117
307680
2040
איך בצורות משפיעות על ייצור מזון.
05:22
With that you can actuallyלמעשה triggerהדק
aidסיוע fundingמימון before a crisisמַשׁבֵּר can happenלִקְרוֹת.
118
310920
3680
כך אפשר להתניע מימון לסיוע
לפני שהמשבר פורץ.
05:27
This is a great startהַתחָלָה.
119
315560
1280
זאת התחלה נהדרת.
05:29
There's importantחָשׁוּב insightsתובנות
just lockedנָעוּל away in companyחֶברָה dataנתונים.
120
317840
2880
יש תובנות חשובות שנעולות בנתונים של חברות.
05:34
And yes, you need to be very carefulזָהִיר.
121
322480
1816
וכן, אתם צריכים להיות מאד זהירים.
05:36
You need to respectכבוד privacyפְּרָטִיוּת concernsחששות,
for exampleדוגמא by anonymizingאנונימיזציה the dataנתונים.
122
324320
3576
אתם צריכים לכבד ענייני פרטיות,
למשל על ידי הפיכת הנתונים לאנונימיים.
05:39
But even if the floodgatesסכר openedנפתח up,
123
327920
2776
אבל אפילו אם שערי שמיים היו נפתחים,
05:42
and even if all companiesחברות
donatedנתרם theirשֶׁלָהֶם dataנתונים
124
330720
2536
וכל החברות היו תורמות את הנתונים שלהם
05:45
to academicsאקדמאים, to NGOsארגונים לא ממשלתיים,
to humanitarianהוּמָנִיטָרִי organizationsארגונים,
125
333280
3256
לאנשי אקדמיה, לחברות לא ממשלתיות,
לאירגוני סיוע הומניטריים,
05:48
it wouldn'tלא be enoughמספיק
to harnessלִרְתוֹם that fullמלא impactפְּגִיעָה of dataנתונים
126
336560
2976
לא היה מספיק לרתום את כל שפע הנתונים
05:51
for humanitarianהוּמָנִיטָרִי goalsמטרות.
127
339560
1520
למטרות הומניטריות.
05:54
Why?
128
342320
1456
למה?
05:55
To unlockלבטל נעילה insightsתובנות in dataנתונים,
you need decisionהַחְלָטָה scientistsמדענים.
129
343800
3240
כדי להוציא תובנות מנתונים,
צריך מדענים שמתמחים בקבלת החלטות.
05:59
Decisionהַחְלָטָה scientistsמדענים are people like me.
130
347760
2576
מדענים אלו הם אנשים כמוני.
06:02
They take the dataנתונים, they cleanלְנַקוֹת it up,
131
350360
1816
הם לוקחים את הנתונים, מנקים,
06:04
transformשינוי צורה it and put it
into a usefulמוֹעִיל algorithmאַלגוֹרִיתְם
132
352200
2256
משנים ומזינים אותם לתוך אלגוריתם שימושי
06:06
that's the bestהטוב ביותר choiceבְּחִירָה
to addressכתובת the businessעֵסֶק need at handיד.
133
354480
2840
שהוא הבחירה הטובה ביותר לטיפול
בצורך העיסקי שעל הפרק.
06:09
In the worldעוֹלָם of humanitarianהוּמָנִיטָרִי aidסיוע,
there are very fewמְעַטִים decisionהַחְלָטָה scientistsמדענים.
134
357800
3696
בעולם הסיוע ההומניטרי,
יש מעט מאד מדעני החלטות.
06:13
Mostרוב of them work for companiesחברות.
135
361520
1640
רובם עובדים עבור חברות.
06:16
So that's the secondשְׁנִיָה thing
that companiesחברות need to do.
136
364480
2496
לכן זה הדבר השני שחברות צריכות לעשות.
06:19
In additionבנוסף to donatingתרומה theirשֶׁלָהֶם dataנתונים,
137
367000
1696
בנוסף לתרומת הנתונים שלהם,
06:20
they need to donateלִתְרוֹם
theirשֶׁלָהֶם decisionהַחְלָטָה scientistsמדענים.
138
368720
2160
הם צריכים לתרום את מדעני ההחלטות שלהם.
06:23
Now, companiesחברות will say, "Ahאה! Don't take
our decisionהַחְלָטָה scientistsמדענים from us.
139
371520
5736
עכשיו, חברות יגידו
"אל תיקחו את המדענים האלה מאיתנו.
06:29
We need everyכֹּל spareנוֹסָף secondשְׁנִיָה of theirשֶׁלָהֶם time."
140
377280
2040
"אנחנו צריכים כל שניה מזמנם".
06:32
But there's a way.
141
380360
1200
אבל יש דרך.
06:35
If a companyחֶברָה was going to donateלִתְרוֹם
a blockלַחסוֹם of a decisionהַחְלָטָה scientist'sמדען time,
142
383200
3416
אם חברה תתרום כמות מסויימת של זמן-מדענים,
06:38
it would actuallyלמעשה make more senseלָחוּשׁ
to spreadהתפשטות out that blockלַחסוֹם of time
143
386640
3136
יהיה למעשה הגיון רב יותר בפריסת הזמן הזה
06:41
over a long periodפרק זמן,
say for exampleדוגמא fiveחָמֵשׁ yearsשנים.
144
389800
2200
לאורך תקופה ארוכה, למשל חמש שנים.
06:44
This mightאולי only amountכמות
to a coupleזוּג of hoursשעות perלְכָל monthחוֹדֶשׁ,
145
392600
3056
זה בסך הכל יסתכם בכמה שעות בכל חודש,
06:47
whichאיזה a companyחֶברָה would hardlyבְּקוֹשִׁי missעלמה,
146
395680
2056
שחברה תרגיש בקושי בחסרונן,
06:49
but what it enablesמאפשר is really importantחָשׁוּב:
long-termטווח ארוך partnershipsשותפויות.
147
397760
3480
אבל זה יאפשר משהו באמת חשוב:
שותפות ארוכת-טווח.
06:54
Long-termטווח ארוך partnershipsשותפויות
allowלהתיר you to buildלִבנוֹת relationshipsיחסים,
148
402920
2816
שותפות ארוכת-טווח מאפשרת לכם לבנות יחסים,
06:57
to get to know the dataנתונים,
to really understandמבין it
149
405760
2656
להכיר את הנתונים, באמת להבין אותם
07:00
and to startהַתחָלָה to understandמבין
the needsצרכי and challengesאתגרים
150
408440
2416
ולהתחיל להבין את הצרכים והאתגרים
07:02
that the humanitarianהוּמָנִיטָרִי
organizationאִרגוּן is facingמוּל.
151
410880
2160
שאירגון הסיוע ההומניטרי מתמודד מולם.
07:06
In Romeרומא, at the Worldעוֹלָם Foodמזון Programmeתכנית,
this tookלקח us fiveחָמֵשׁ yearsשנים to do,
152
414345
3191
ברומא, בתוכנית המזון העולמית,
לקח לנו חמש שנים לעשות את זה,
07:09
fiveחָמֵשׁ yearsשנים.
153
417560
1456
חמש שנים.
07:11
That first threeשְׁלוֹשָׁה yearsשנים, OK,
that was just what we couldn'tלא יכול solveלִפְתוֹר for.
154
419040
3336
שלוש השנים הראשונות שהיו
רק עבור מה שלא הצלחנו לפתור.
07:14
Then there was two yearsשנים after that
of refiningזיקוק and implementingיישום the toolכְּלִי,
155
422400
3496
אחר כך היו שנתיים של ליטוש וישום של הכלי,
07:17
like in the operationsפעולות in Iraqעִירַאק
and other countriesמדינות.
156
425920
2800
כמו במבצעים בעיראק ובמדינות אחרות.
07:21
I don't think that's
an unrealisticלא מציאותי timelineציר זמן
157
429520
2096
אני לא חושבת שזה לוח זמנים בלתי מציאותי
07:23
when it comesבא to usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני dataנתונים
to make operationalמִבצָעִי changesשינויים.
158
431640
2736
כשזה נוגע לשימוש בנתונים
כדי לעשות שינויים תפעוליים.
07:26
It's an investmentהַשׁקָעָה. It requiresדורש patienceסבלנות.
159
434400
2400
זאת השקעה. זה דורש סבלנות.
07:29
But the typesסוגים of resultsתוצאות
that can be producedמיוצר are undeniableלֹא מוּטָל בְּסֶפֶק.
160
437760
3496
אבל לא ניתן להתכחש לתוצאות שאפשר לקבל.
07:33
In our caseמקרה, it was the abilityיְכוֹלֶת
to feedהזנה tensעשרות of thousandsאלפים more people.
161
441280
3560
במקרה שלנו, זאת היתה היכולת
להאכיל עשרות אלפי אנשים נוספים.
07:39
So we have donatingתרומה dataנתונים,
we have donatingתרומה decisionהַחְלָטָה scientistsמדענים,
162
447440
4336
אז יש לנו תרומת נתונים,
תרומת מדעני החלטות
07:43
and there's actuallyלמעשה a thirdשְׁלִישִׁי way
that companiesחברות can help:
163
451800
2696
ויש למעשה דרך שלישית
שבה חברות יכולות לסייע:
07:46
donatingתרומה technologyטֶכנוֹלוֹגִיָה
to captureלִלְכּוֹד newחָדָשׁ sourcesמקורות of dataנתונים.
164
454520
2976
תרומת טכנולוגיה לאיסוף
מקורות נתונים חדשים.
07:49
You see, there's a lot of things
we just don't have dataנתונים on.
165
457520
2840
תראו, יש לנו הרבה דברים
שאין לנו נתונים לגביהם.
07:52
Right now, Syrianסורי refugeesפליטים
are floodingשִׁיטָפוֹן into Greeceיָוָן,
166
460960
2720
נכון לעכשיו, פליטים סוריים מציפים את יוון,
07:57
and the UNבִּלתִי refugeeפָּלִיט agencyסוֹכְנוּת,
they have theirשֶׁלָהֶם handsידיים fullמלא.
167
465120
2560
וסוכנות הפליטים של האו"ם עמוסה מעל הראש.
08:01
The currentנוֹכְחִי systemמערכת for trackingמעקב people
is paperעיתון and pencilעִפָּרוֹן,
168
469000
3056
המערכת הנוכחית לניטור אנשים
היא נייר ועיפרון
08:04
and what that meansאומר is
169
472080
1256
ומה שזה אומר הוא
08:05
that when a motherאִמָא and her fiveחָמֵשׁ childrenיְלָדִים
walkלָלֶכֶת into the campמַחֲנֶה,
170
473360
2856
שכשאמא וחמשת הילדים שלה צועדים לתוך המחנה,
08:08
headquartersמַטֶה is essentiallyלמעשה
blindסומא to this momentרֶגַע.
171
476240
2656
המטה למעשה עיוור לגבי הרגע הזה.
08:10
That's all going to changeשינוי
in the nextהַבָּא fewמְעַטִים weeksשבועות,
172
478920
2336
כל זה הולך להשתנות בשבועות הקרובים,
08:13
thanksתודה to privateפְּרָטִי sectorמִגזָר collaborationשיתוף פעולה.
173
481280
1880
תודות לשיתוף פעולה עם המגזר הפרטי.
08:15
There's going to be a newחָדָשׁ systemמערכת basedמבוסס
on donatedנתרם packageחֲבִילָה trackingמעקב technologyטֶכנוֹלוֹגִיָה
174
483840
3656
תהיה מערכת חדשה שמבוססת על
טכנולוגיית ניטור חבילות שנתרמה
08:19
from the logisticsלוֹגִיסטִיקָה companyחֶברָה
that I work for.
175
487520
2040
על ידי חברת הלוגיסטיקה שאני עובדת עבורה.
08:22
With this newחָדָשׁ systemמערכת,
there will be a dataנתונים trailשביל,
176
490120
2336
בעזרת המערכת החדשה הזאת יהיה נתיב מידע,
08:24
so you know exactlyבְּדִיוּק the momentרֶגַע
177
492480
1456
כך שתדעו במדויק מה הרגע
08:25
when that motherאִמָא and her childrenיְלָדִים
walkלָלֶכֶת into the campמַחֲנֶה.
178
493960
2496
בו האם וילדיה צועדים לתוך המחנה.
08:28
And even more, you know
if she's going to have suppliesאספקה
179
496480
2616
ויותר מכך, תדעו אם היא תקבל אספקה
08:31
this monthחוֹדֶשׁ and the nextהַבָּא.
180
499120
1256
בחודש הזה, ובזה שאחריו.
08:32
Informationמֵידָע visibilityרְאוּת drivesכוננים efficiencyיְעִילוּת.
181
500400
3016
ניראות של מידע מניעה יעילות.
08:35
For companiesחברות, usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני technologyטֶכנוֹלוֹגִיָה
to gatherלאסוף importantחָשׁוּב dataנתונים,
182
503440
3256
עבור חברות, שימוש בטכנולוגיה
לאיסוף נתונים חשובים
08:38
it's like breadלחם and butterחמאה.
183
506720
1456
הוא לחם חוקם.
08:40
They'veהם עשו זאת been doing it for yearsשנים,
184
508200
1576
הם עשו את זה במשך שנים
08:41
and it's led to majorגדול
operationalמִבצָעִי efficiencyיְעִילוּת improvementsשיפורים.
185
509800
3256
וזה הביא לשיפורים תיפעוליים גדולים.
08:45
Just try to imagineלדמיין
your favoriteהכי אהוב beverageמַשׁקֶה companyחֶברָה
186
513080
2360
דמיינו את חברת המשקאות המועדפת עליכם
08:48
tryingמנסה to planלְתַכְנֵן theirשֶׁלָהֶם inventoryמְלַאי
187
516280
1576
מנסה לתכנן את המלאי שלה
08:49
and not knowingיוֹדֵעַ how manyרב bottlesבקבוקים
were on the shelvesמדפים.
188
517880
2496
מבלי לדעת כמה בקבוקים יש על המדפים.
08:52
It's absurdאַבּסוּרדִי.
189
520400
1216
זה מגוחך.
08:53
Dataנתונים drivesכוננים better decisionsהחלטות.
190
521640
1560
נתונים מובילים להחלטות טובות יותר.
08:57
Now, if you're representingהמייצג a companyחֶברָה,
191
525800
2536
עכשיו, אם אתם מייצגים חברה
09:00
and you're pragmaticפרגמטי
and not just idealisticאידיאליסטית,
192
528360
3136
ואתם מעשיים ולא רק אידאליסטים,
09:03
you mightאולי be sayingפִּתגָם to yourselfעַצמְךָ,
"OK, this is all great, Malloryמלורי,
193
531520
3056
אתם עשויים לומר לעצמכם,
"אוקי, כל זה טוב ויפה, מלורי,
09:06
but why should I want to be involvedמְעוּרָב?"
194
534600
1840
"אבל למה שנרצה להיות מעורבים?"
09:09
Well for one thing, beyondמעבר the good PRיחסי ציבור,
195
537000
2816
דבר ראשון, מעבר ליחסי ציבור טובים,
09:11
humanitarianהוּמָנִיטָרִי aidסיוע
is a 24-billion-dollarמיליארד דולר sectorמִגזָר,
196
539840
2776
סיוע הומניטרי זה שוק של 24 מיליארד דולרים
09:14
and there's over fiveחָמֵשׁ billionמיליארד people,
maybe your nextהַבָּא customersלקוחות,
197
542640
3056
ויש בו מעל 5 מיליארד אנשים,
שהם אולי הלקוחות הבאים שלכם,
09:17
that liveלחיות in the developingמתפתח worldעוֹלָם.
198
545720
1816
שחיים בעולם המתפתח.
09:19
Furtherנוסף, companiesחברות that are engagingמרתק
in dataנתונים philanthropyפִילָנטרוֹפִּיָה,
199
547560
3096
בנוסף, חברות שמעורבות בתרומת נתונים,
09:22
they're findingמִמצָא newחָדָשׁ insightsתובנות
lockedנָעוּל away in theirשֶׁלָהֶם dataנתונים.
200
550680
2976
מוצאות תובנות חדשות שנעולות בנתונים שלהם.
09:25
Take, for exampleדוגמא, a creditאַשׁרַאי cardכַּרְטִיס companyחֶברָה
201
553680
2256
קחו למשל, חברת אשראי
09:27
that's openedנפתח up a centerמֶרְכָּז
202
555960
1336
שפתחה מרכז
09:29
that functionsפונקציות as a hubרכזת for academicsאקדמאים,
for NGOsארגונים לא ממשלתיים and governmentsממשלות,
203
557320
3376
שמתפקד כמרכז פעילות לאנשי אקדמיה,
לחברות לא ממשלתיות וממשלות,
09:32
all workingעובד togetherיַחַד.
204
560720
1240
שעובדים יחד.
09:35
They're looking at informationמֵידָע
in creditאַשׁרַאי cardכַּרְטִיס swipesswipes
205
563040
2736
הם מסתכלים על מידע בעסקאות אשראי
09:37
and usingמבנה יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוניפים יוני that to find insightsתובנות
about how householdsמשקי בית in Indiaהוֹדוּ
206
565800
2976
ומשתמשים בו כדי למצוא תובנות
איך בתי אב בהודו
09:40
liveלחיות, work, earnלהרוויח and spendלְבַלוֹת.
207
568800
1720
חיים, עובדים, משתכרים ומוציאים.
09:43
For the humanitarianהוּמָנִיטָרִי worldעוֹלָם,
this providesמספק informationמֵידָע
208
571680
2576
עבור עולם הסיוע ההומניטרי זה מספק נתונים
09:46
about how you mightאולי
bringלְהָבִיא people out of povertyעוני.
209
574280
2656
לאופן שבו אפשר להוציא אנשים ממעגל העוני.
09:48
But for companiesחברות, it's providingמתן
insightsתובנות about your customersלקוחות
210
576960
3016
אבל עבור חברות, זה מספק תובנות
על הלקוחות שלהם
09:52
and potentialפוטנציאל customersלקוחות in Indiaהוֹדוּ.
211
580000
2040
ולקוחות פוטנציאלים בהודו.
09:54
It's a winלנצח all around.
212
582760
1800
זה משתלם מכל הכיוונים.
09:57
Now, for me, what I find
excitingמְרַגֵשׁ about dataנתונים philanthropyפִילָנטרוֹפִּיָה --
213
585960
3776
עכשיו, עבורי, מה שמרגש אותי
בתרומת נתונים –
10:01
donatingתרומה dataנתונים, donatingתרומה decisionהַחְלָטָה
scientistsמדענים and donatingתרומה technologyטֶכנוֹלוֹגִיָה --
214
589760
4336
תרומת נתונים, מדעני החלטות וטכנולוגיה –
10:06
it's what it meansאומר
for youngצָעִיר professionalsאנשי מקצוע like me
215
594120
2376
זו המשמעות של זה עבור
אנשי מקצוע צעירים כמוני
10:08
who are choosingבְּחִירָה to work at companiesחברות.
216
596520
1840
שבוחרים לעבוד בחברות.
10:10
Studiesלימודים showלְהַצִיג that
the nextהַבָּא generationדוֹר of the workforceכוח עבודה
217
598800
2656
מחקרים מראים שלדור הבא בכוח העבודה
10:13
careלְטַפֵּל about havingשיש theirשֶׁלָהֶם work
make a biggerגדול יותר impactפְּגִיעָה.
218
601480
2560
אכפת שהעבודה שלהם תשאיר חותם גדול יותר.
10:16
We want to make a differenceהֶבדֵל,
219
604920
2456
אנחנו רוצים לחולל שינוי,
10:19
and so throughדרך dataנתונים philanthropyפִילָנטרוֹפִּיָה,
220
607400
2416
ולכן דרך תרומת נתונים,
10:21
companiesחברות can actuallyלמעשה help engageלְהַעֲסִיק
and retainלִשְׁמוֹר theirשֶׁלָהֶם decisionהַחְלָטָה scientistsמדענים.
221
609840
3936
חברות יכולות לשפר את מעורבות ושימור
מדעני קבלת ההחלטות שלהם.
10:25
And that's a bigגָדוֹל dealעִסקָה for a professionמִקצוֹעַ
that's in highגָבוֹהַ demandלִדרוֹשׁ.
222
613800
2880
וזה עניין רציני במקצוע שיש לו דרישה גבוהה.
10:29
Dataנתונים philanthropyפִילָנטרוֹפִּיָה
makesעושה good businessעֵסֶק senseלָחוּשׁ,
223
617840
3120
תרומת נתונים היא שיקול עיסקי נכון
10:34
and it alsoגַם can help
revolutionizeלְחוֹלֵל מַהְפֵּכָה the humanitarianהוּמָנִיטָרִי worldעוֹלָם.
224
622200
3280
והיא גם יכולה לעזור לחולל מהפכה
בעולם הסיוע ההומניטרי.
10:39
If we coordinatedמְתוּאָם
the planningתִכנוּן and logisticsלוֹגִיסטִיקָה
225
627600
2096
אם היינו מתאמים את התיכנון והלוגיסטיקה
10:41
acrossלְרוֹחָב all of the majorגדול facetsהיבטים
of a humanitarianהוּמָנִיטָרִי operationמבצע,
226
629720
3376
בכל ההיבטים העיקריים של מבצעי הסיוע,
10:45
we could feedהזנה, clotheלְהַלבִּישׁ and shelterמקלט
hundredsמאות of thousandsאלפים more people,
227
633120
3600
היינו יכולים להאכיל, להלביש ולתת מחסה
למאות אלפי אנשים נוספים,
10:49
and companiesחברות need to stepשלב up
and playלְשַׂחֵק the roleתַפְקִיד that I know they can
228
637440
4256
וחברות צריכות לקום ולמלא
את התפקיד שאני יודעת שהן יכולות
10:53
in bringingמביא about this revolutionמַהְפֵּכָה.
229
641720
1880
במימוש המהפכה הזאת.
10:56
You've probablyכנראה heardשמע of the sayingפִּתגָם
"foodמזון for thought."
230
644720
2936
בטח שמעתם את הביטוי "מזון למחשבה".
10:59
Well, this is literallyפשוטו כמשמעו thought for foodמזון.
231
647680
2240
ובכן, זה בעצם מחשבה למזון.
11:03
It finallyסוף כל סוף is the right ideaרַעְיוֹן
at the right time.
232
651560
4136
סוף סוף, זה הרעיון הנכון בזמן הנכון.
11:07
(Laughterצחוק)
233
655720
1216
(צחוק)
11:08
TrTrès magnifiqueמגניפיק.
234
656960
1576
טרה מגניפיק.
11:10
Thank you.
235
658560
1216
תודה לכם.
11:11
(Applauseתְשׁוּאוֹת)
236
659800
2851
(מחיאות כפיים)
Translated by Evgeny Fabia
Reviewed by zeeva Livshitz

▲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