TED@UPS
Mallory Freeman: Your company's data could help end world hunger
マロリー・ソルドナー: 企業のデータで世界の飢餓に終止符を打てるかもしれない
Filmed:
Readability: 4.2
1,090,373 views
企業は人道的な問題を解消するためお金を提供したかもしれませんが、もっと有益なものを提供できるのです。つまりデータです。マロリー・ソルドナーは、民間企業が難民危機から世界の飢餓までの大きな問題を、未利用のデータや意思決定法を研究する科学者を提供することによってどれほど進展させることができるのかを話しました。あなたの会社も何かに貢献できるかもしれません。
Mallory Freeman - Data activist
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
UPS's advanced analytics manager Mallory Freeman researches how to do the most good with data. Full bio
Double-click the English transcript below to play the video.
00:12
June 2010.
0
880
1760
2010年6月
00:15
I landed for the first time
in Rome, Italy.
in Rome, Italy.
1
3760
2880
私はイタリア ローマに初めて
降り立ちました
降り立ちました
00:19
I wasn't there to sightsee.
2
7800
1896
観光目的ではなく
00:21
I was there to solve world hunger.
3
9720
3120
世界の飢餓を解決するためです
00:25
(Laughter)
4
13160
2096
（笑）
00:27
That's right.
5
15280
1216
そうです
00:28
I was a 25-year-old PhD student
6
16520
2096
当時の私は博士課程の25歳
00:30
armed with a prototype tool
developed back at my university,
developed back at my university,
7
18640
3096
大学で開発した
試作品のツールを持ち込み
試作品のツールを持ち込み
00:33
and I was going to help
the World Food Programme fix hunger.
the World Food Programme fix hunger.
8
21760
3080
世界食糧計画をサポートし
飢餓をなくすつもりでした
飢餓をなくすつもりでした
00:37
So I strode into the headquarters building
9
25840
2736
私は本部の建物内を大股で歩き
00:40
and my eyes scanned the row of UN flags,
10
28600
2816
立ち並ぶ国連の旗に目をやり
00:43
and I smiled as I thought to myself,
11
31440
1960
自分にこういって微笑みました
00:46
"The engineer is here."
12
34840
1616
「エンジニア参上」
00:48
(Laughter)
13
36480
2216
（笑）
00:50
Give me your data.
14
38720
1776
データを渡して下さい
00:52
I'm going to optimize everything.
15
40520
2176
全部最適化してあげる
00:54
(Laughter)
16
42720
1736
（笑）
00:56
Tell me the food that you've purchased,
17
44480
1896
購入した食料を教えて
00:58
tell me where it's going
and when it needs to be there,
and when it needs to be there,
18
46400
2616
発送先や納期もね
01:01
and I'm going to tell you
the shortest, fastest, cheapest,
the shortest, fastest, cheapest,
19
49040
2736
そうすれば 食料を送るための
最短 最速 最安値の
最短 最速 最安値の
01:03
best set of routes to take for the food.
20
51800
1936
ベストな経路を教えます
01:05
We're going to save money,
21
53760
1496
コストを削減し
01:07
we're going to avoid
delays and disruptions,
delays and disruptions,
22
55280
2096
遅延や混乱をなくして
01:09
and bottom line,
we're going to save lives.
we're going to save lives.
23
57400
2736
結果的に 人命を救うのです
01:12
You're welcome.
24
60160
1216
お任せください
01:13
(Laughter)
25
61400
1696
（笑）
01:15
I thought it was going to take 12 months,
26
63120
1976
私は12カ月程度だろうと思いました
01:17
OK, maybe even 13.
27
65120
1560
あるいは13カ月か
01:19
This is not quite how it panned out.
28
67800
2280
でもそうは上手くいかなかったのです
01:23
Just a couple of months into the project,
my French boss, he told me,
my French boss, he told me,
29
71600
3776
プロジェクトが始まって数カ月が過ぎた頃
フランス人の上司に言われました
フランス人の上司に言われました
01:27
"You know, Mallory,
30
75400
1816
「なあ マロリー
01:29
it's a good idea,
31
77240
1656
アイデアは良いんだけどな
01:30
but the data you need
for your algorithms is not there.
for your algorithms is not there.
32
78920
3336
アルゴリズムに
必要なデータがないんだよ
必要なデータがないんだよ
01:34
It's the right idea but at the wrong time,
33
82280
2536
アイデアが良くても
時を得ていないな
時を得ていないな
01:36
and the right idea at the wrong time
34
84840
2296
時を得ていない良いアイデアは
01:39
is the wrong idea."
35
87160
1376
間違ったアイデアだ」
01:40
(Laughter)
36
88560
1320
（笑）
01:42
Project over.
37
90960
1280
プロジェクト終了
01:45
I was crushed.
38
93120
1200
打ちのめされました
01:49
When I look back now
39
97000
1456
ローマの最初の夏を
01:50
on that first summer in Rome
40
98480
1656
今振り返れば
01:52
and I see how much has changed
over the past six years,
over the past six years,
41
100160
2656
状況がこの６年間で
どれほど変ったのか分かります
どれほど変ったのか分かります
01:54
it is an absolute transformation.
42
102840
2240
完全に様変わりしたのです
01:57
It's a coming of age for bringing data
into the humanitarian world.
into the humanitarian world.
43
105640
3400
人道支援の世界にデータを持ち込む
時代が到来しそうです
時代が到来しそうです
02:02
It's exciting. It's inspiring.
44
110160
2656
ワクワクしますし
刺激も受けますが
刺激も受けますが
02:04
But we're not there yet.
45
112840
1200
まだ辿り着いてはいません
02:07
And brace yourself, executives,
46
115320
2296
企業リーダーの皆さん いよいよ出番です
02:09
because I'm going to be putting companies
47
117640
1976
企業にも
責任ある立場で力を出してもらい
責任ある立場で力を出してもらい
02:11
on the hot seat to step up
and play the role that I know they can.
and play the role that I know they can.
48
119640
3120
企業に可能なある役割を
お願いするからです
お願いするからです
02:17
My experiences back in Rome prove
49
125520
2816
データを使用すると
人命が救えることが
人命が救えることが
02:20
using data you can save lives.
50
128360
2080
ローマでの体験から分かりました
02:23
OK, not that first attempt,
51
131440
2456
まあ 最初の目論見とは違いますが
02:25
but eventually we got there.
52
133920
2576
最終的に辿り着きました
02:28
Let me paint the picture for you.
53
136520
1736
どんな状況か説明します
02:30
Imagine that you have to plan
breakfast, lunch and dinner
breakfast, lunch and dinner
54
138280
2736
50万人の朝食、昼食、夕食を
02:33
for 500,000 people,
55
141040
1616
用意するとします
02:34
and you only have
a certain budget to do it,
a certain budget to do it,
56
142680
2136
一定の予算しかありません
02:36
say 6.5 million dollars per month.
57
144840
2240
月額6.7億円
02:40
Well, what should you do?
What's the best way to handle it?
What's the best way to handle it?
58
148920
2762
皆さんはどうしますか？
最良の方策とは何ですか？
最良の方策とは何ですか？
02:44
Should you buy rice, wheat, chickpea, oil?
59
152280
2760
米、小麦、ひよこ豆、油を買うのが良いでしょうか？
02:47
How much?
60
155760
1216
どれだけ買いましょうか？
02:49
It sounds simple. It's not.
61
157000
2136
簡単そうですが
そうでもありません
そうでもありません
02:51
You have 30 possible foods,
and you have to pick five of them.
and you have to pick five of them.
62
159160
3216
30種の食材から5品を
選ぶ必要があります
選ぶ必要があります
02:54
That's already over 140,000
different combinations.
different combinations.
63
162400
3416
既に14万以上の組合せがあります
02:57
Then for each food that you pick,
64
165840
1696
選んだ食材を
02:59
you need to decide how much you'll buy,
65
167560
1976
いくらで買うのか
03:01
where you're going to get it from,
66
169560
1696
どこで入手するのか
03:03
where you're going to store it,
67
171280
1480
どこに保存するのか
03:05
how long it's going to take to get there.
68
173760
1976
運搬の時間などを
決める必要があります
決める必要があります
03:07
You need to look at all of the different
transportation routes as well.
transportation routes as well.
69
175760
3336
すべての運搬ルートも
調べる必要があります
調べる必要があります
03:11
And that's already
over 900 million options.
over 900 million options.
70
179120
2080
すると選択肢は９億になります
03:14
If you considered each option
for a single second,
for a single second,
71
182120
2376
１秒間で１つの選択肢を検討しても
03:16
that would take you
over 28 years to get through.
over 28 years to get through.
72
184520
2336
28年以上かかります
03:18
900 million options.
73
186880
1520
９億の選択肢
03:21
So we created a tool
that allowed decisionmakers
that allowed decisionmakers
74
189160
2456
そのため
意思決定者が数日のうちに
意思決定者が数日のうちに
03:23
to weed through all 900 million options
75
191640
2616
９億の選択肢から
不必要なものを除外できる
不必要なものを除外できる
03:26
in just a matter of days.
76
194280
1360
ツールを作りました
03:28
It turned out to be incredibly successful.
77
196560
2240
これは大成功を収めました
03:31
In an operation in Iraq,
78
199400
1256
イラクでの活動では
03:32
we saved 17 percent of the costs,
79
200680
2536
コストを17%削減し
03:35
and this meant that you had the ability
to feed an additional 80,000 people.
to feed an additional 80,000 people.
80
203240
4136
８万人多く 食料を届けられました
03:39
It's all thanks to the use of data
and modeling complex systems.
and modeling complex systems.
81
207400
4400
データの使用と複雑系のモデル化の
おかげですが 業績が私たちだけに
おかげですが 業績が私たちだけに
03:44
But we didn't do it alone.
82
212800
1280
帰するものではありません
03:46
The unit that I worked with in Rome,
they were unique.
they were unique.
83
214840
2736
ローマで一緒に働いた部署は
特徴がありました
特徴がありました
03:49
They believed in collaboration.
84
217600
1736
共同事業を確信していました
03:51
They brought in the academic world.
85
219360
1696
大学を引き込みました
03:53
They brought in companies.
86
221080
1280
企業を引き込みました
03:55
And if we really want to make big changes
in big problems like world hunger,
in big problems like world hunger,
87
223200
3616
世界の飢餓のような大きな問題で
真に変革を望むなら
真に変革を望むなら
03:58
we need everybody to the table.
88
226840
2560
全員で話し合う必要があります
04:02
We need the data people
from humanitarian organizations
from humanitarian organizations
89
230040
2936
人道主義団体の
データに精通した人が
データに精通した人が
04:05
leading the way,
90
233000
1256
先導し
04:06
and orchestrating
just the right types of engagements
just the right types of engagements
91
234280
2576
大学や各国政府からの
適切な取り組みを
適切な取り組みを
04:08
with academics, with governments.
92
236880
1696
組織化してもらうことが必要です
04:10
And there's one group that's not being
leveraged in the way that it should be.
leveraged in the way that it should be.
93
238600
3696
ただ 十分に活用できていなかった
グループがあります
グループがあります
04:14
Did you guess it? Companies.
94
242320
2096
当ててみてください
企業です
企業です
04:16
Companies have a major role to play
in fixing the big problems in our world.
in fixing the big problems in our world.
95
244440
3600
企業には世界の大問題を解消する
大きな役割があります
大きな役割があります
04:20
I've been in the private sector
for two years now.
for two years now.
96
248880
2416
私は民間企業に所属して
２年になります
２年になります
04:23
I've seen what companies can do,
and I've seen what companies aren't doing,
and I've seen what companies aren't doing,
97
251320
3576
企業に何ができ
何をしようとしないのかを見てきました
何をしようとしないのかを見てきました
04:26
and I think there's three main ways
that we can fill that gap:
that we can fill that gap:
98
254920
3376
その隔たりを埋められる方法は３つ－
04:30
by donating data,
by donating decision scientists
by donating decision scientists
99
258320
3096
データの提供
意思決定科学者の提供
意思決定科学者の提供
04:33
and by donating technology
to gather new sources of data.
to gather new sources of data.
100
261440
3480
新しいデータソースを
集める技術の提供なのです
集める技術の提供なのです
04:37
This is data philanthropy,
101
265920
1576
これはデータの慈善活動です
04:39
and it's the future of corporate
social responsibility.
social responsibility.
102
267520
2840
それが企業の社会的責任の未来像です
04:43
Bonus, it also makes good business sense.
103
271160
2600
その上 ビジネスとしても
正解です
正解です
04:46
Companies today,
they collect mountains of data,
they collect mountains of data,
104
274920
3216
今日の企業は
膨大なデータを集めています
膨大なデータを集めています
04:50
so the first thing they can do
is start donating that data.
is start donating that data.
105
278160
2762
最初に企業ができることが
そのデータを提供することなのです
そのデータを提供することなのです
04:52
Some companies are already doing it.
106
280946
2190
既に提供している企業もあります
04:55
Take, for example,
a major telecom company.
a major telecom company.
107
283160
2416
例えば 大手通信会社
04:57
They opened up their data
in Senegal and the Ivory Coast
in Senegal and the Ivory Coast
108
285600
2776
セネガルや象牙海岸で
データを公開にしました
データを公開にしました
05:00
and researchers discovered
109
288400
1976
研究者は
携帯電話がどの基地局と
携帯電話がどの基地局と
05:02
that if you look at the patterns
in the pings to the cell phone towers,
in the pings to the cell phone towers,
110
290400
3334
繋がっているというパターンから
人がどこを旅行しているか
人がどこを旅行しているか
05:05
you can see where people are traveling.
111
293758
1938
把握できることが分かりました
05:07
And that can tell you things like
112
295720
2176
そのデータから
例えば
例えば
05:09
where malaria might spread,
and you can make predictions with it.
and you can make predictions with it.
113
297920
3096
マラリア感染拡大地域を
予測できるのです
予測できるのです
05:13
Or take for example
an innovative satellite company.
an innovative satellite company.
114
301040
2896
また 革新的な
衛星通信会社の例では
衛星通信会社の例では
05:15
They opened up their data and donated it,
115
303960
2016
データを公開し 提供しました
05:18
and with that data you could track
116
306000
1656
そのデータで 干ばつによる
05:19
how droughts are impacting
food production.
food production.
117
307680
2040
食料生産への影響を
追跡できました
追跡できました
05:22
With that you can actually trigger
aid funding before a crisis can happen.
aid funding before a crisis can happen.
118
310920
3680
それを使って 危機が起こる前に
援助資金調達を始められるのです
援助資金調達を始められるのです
05:27
This is a great start.
119
315560
1280
幸先の良いスタートです
05:29
There's important insights
just locked away in company data.
just locked away in company data.
120
317840
2880
しまい込まれた企業データに
重要な洞察が含まれています
重要な洞察が含まれています
05:34
And yes, you need to be very careful.
121
322480
1816
そうです
慎重にならなくてはいけません
慎重にならなくてはいけません
05:36
You need to respect privacy concerns,
for example by anonymizing the data.
for example by anonymizing the data.
122
324320
3576
例えば データの非特定化で
プライバシーへの懸念に配慮する必要があります
プライバシーへの懸念に配慮する必要があります
05:39
But even if the floodgates opened up,
123
327920
2776
しかし たとえ水門を開放して
05:42
and even if all companies
donated their data
donated their data
124
330720
2536
すべての企業が
NGO、大学、人道主義団体に
NGO、大学、人道主義団体に
05:45
to academics, to NGOs,
to humanitarian organizations,
to humanitarian organizations,
125
333280
3256
データを提供したとしても
05:48
it wouldn't be enough
to harness that full impact of data
to harness that full impact of data
126
336560
2976
人道主義的な目的のため
データの最大限の影響力を
データの最大限の影響力を
05:51
for humanitarian goals.
127
339560
1520
利用するには十分ではないでしょう
05:54
Why?
128
342320
1456
なぜでしょうか？
05:55
To unlock insights in data,
you need decision scientists.
you need decision scientists.
129
343800
3240
データから洞察を引き出すには
意思決定科学の研究者が必要だからです
意思決定科学の研究者が必要だからです
05:59
Decision scientists are people like me.
130
347760
2576
意思決定科学の研究者とは私のような人です
06:02
They take the data, they clean it up,
131
350360
1816
データを受け取り整理して
06:04
transform it and put it
into a useful algorithm
into a useful algorithm
132
352200
2256
変換し 手元の事業課題に対して有効な
06:06
that's the best choice
to address the business need at hand.
to address the business need at hand.
133
354480
2840
アルゴリズムで処理をします
06:09
In the world of humanitarian aid,
there are very few decision scientists.
there are very few decision scientists.
134
357800
3696
人道支援の世界では
意思決定科学の研究者がとても少ないのです
意思決定科学の研究者がとても少ないのです
06:13
Most of them work for companies.
135
361520
1640
大部分が企業で働いています
06:16
So that's the second thing
that companies need to do.
that companies need to do.
136
364480
2496
つまり これが企業が必要とされる
２つ目の理由です
２つ目の理由です
06:19
In addition to donating their data,
137
367000
1696
データの提供に加え
06:20
they need to donate
their decision scientists.
their decision scientists.
138
368720
2160
意思決定科学の研究者の
提供も必要なのです
提供も必要なのです
06:23
Now, companies will say, "Ah! Don't take
our decision scientists from us.
our decision scientists from us.
139
371520
5736
企業は言うでしょう 「ああ！
会社から意思決定科学の研究者を取り上げないで
会社から意思決定科学の研究者を取り上げないで
06:29
We need every spare second of their time."
140
377280
2040
１分１秒だって無駄にできないのです」
06:32
But there's a way.
141
380360
1200
でも 方法はあるのです
06:35
If a company was going to donate
a block of a decision scientist's time,
a block of a decision scientist's time,
142
383200
3416
もし企業が意思決定科学の研究者の
時間の一部を提供するつもりだったら
時間の一部を提供するつもりだったら
06:38
it would actually make more sense
to spread out that block of time
to spread out that block of time
143
386640
3136
例えば５年間くらいの長期に渡り
その時間を広げるのが
その時間を広げるのが
06:41
over a long period,
say for example five years.
say for example five years.
144
389800
2200
実際には 理に適っていることと思います
06:44
This might only amount
to a couple of hours per month,
to a couple of hours per month,
145
392600
3056
これは１月あたり
2, 3時間程度かもしれず
2, 3時間程度かもしれず
06:47
which a company would hardly miss,
146
395680
2056
企業が損することは
ほとんどありません
ほとんどありません
06:49
but what it enables is really important:
long-term partnerships.
long-term partnerships.
147
397760
3480
真に重要なのは
長期的なパートナーシップです
長期的なパートナーシップです
06:54
Long-term partnerships
allow you to build relationships,
allow you to build relationships,
148
402920
2816
長期的なパートナーシップにより
関係が築け
関係が築け
06:57
to get to know the data,
to really understand it
to really understand it
149
405760
2656
データ内容が分かり
真にデータを理解し
真にデータを理解し
07:00
and to start to understand
the needs and challenges
the needs and challenges
150
408440
2416
人道主義団体が直面している
07:02
that the humanitarian
organization is facing.
organization is facing.
151
410880
2160
ニーズや課題を理解し始めるのです
07:06
In Rome, at the World Food Programme,
this took us five years to do,
this took us five years to do,
152
414345
3191
ローマの世界食糧計画では
５年かかりました
５年かかりました
07:09
five years.
153
417560
1456
５年です
07:11
That first three years, OK,
that was just what we couldn't solve for.
that was just what we couldn't solve for.
154
419040
3336
最初の３年間は
準備期間でした
準備期間でした
07:14
Then there was two years after that
of refining and implementing the tool,
of refining and implementing the tool,
155
422400
3496
イラクでの活動や他の国々で
07:17
like in the operations in Iraq
and other countries.
and other countries.
156
425920
2800
ツールを改良し実行した後には
２年ありました
２年ありました
07:21
I don't think that's
an unrealistic timeline
an unrealistic timeline
157
429520
2096
それは データを使って
事業運営を改善するのに
事業運営を改善するのに
07:23
when it comes to using data
to make operational changes.
to make operational changes.
158
431640
2736
現実味のない日程計画だとは
思いません
思いません
07:26
It's an investment. It requires patience.
159
434400
2400
投資であり
忍耐を求められますが
忍耐を求められますが
07:29
But the types of results
that can be produced are undeniable.
that can be produced are undeniable.
160
437760
3496
得られる成果は明白です
07:33
In our case, it was the ability
to feed tens of thousands more people.
to feed tens of thousands more people.
161
441280
3560
私たちの場合はさらに何万人も
追加して食料供給ができました
追加して食料供給ができました
07:39
So we have donating data,
we have donating decision scientists,
we have donating decision scientists,
162
447440
4336
だから データの提供や
意思決定科学の研究者の提供をお願いするのです
意思決定科学の研究者の提供をお願いするのです
07:43
and there's actually a third way
that companies can help:
that companies can help:
163
451800
2696
そして実は企業が支援できる
３つ目の方法は
３つ目の方法は
07:46
donating technology
to capture new sources of data.
to capture new sources of data.
164
454520
2976
新しいデータソースを獲得するため
技術の提供です
技術の提供です
07:49
You see, there's a lot of things
we just don't have data on.
we just don't have data on.
165
457520
2840
データ化されていないものが
たくさんあります
たくさんあります
07:52
Right now, Syrian refugees
are flooding into Greece,
are flooding into Greece,
166
460960
2720
現時点ではシリア難民が
ギリシアに流れ込んでいて
ギリシアに流れ込んでいて
07:57
and the UN refugee agency,
they have their hands full.
they have their hands full.
167
465120
2560
国連難民機関は手が一杯なのです
08:01
The current system for tracking people
is paper and pencil,
is paper and pencil,
168
469000
3056
現在 人々を紙とペンで追跡しています
08:04
and what that means is
169
472080
1256
ということは
08:05
that when a mother and her five children
walk into the camp,
walk into the camp,
170
473360
2856
母親と子供５人が難民キャンプにやって来ても
08:08
headquarters is essentially
blind to this moment.
blind to this moment.
171
476240
2656
本部では基本的に
その時点のことが分からないのです
その時点のことが分からないのです
08:10
That's all going to change
in the next few weeks,
in the next few weeks,
172
478920
2336
民間企業との共同研究のおかげで
08:13
thanks to private sector collaboration.
173
481280
1880
数週間後にはすべてが様変わりします
08:15
There's going to be a new system based
on donated package tracking technology
on donated package tracking technology
174
483840
3656
私が働く物流会社から提供された
荷物追跡技術を基に
荷物追跡技術を基に
08:19
from the logistics company
that I work for.
that I work for.
175
487520
2040
新しいシステムを作っています
08:22
With this new system,
there will be a data trail,
there will be a data trail,
176
490120
2336
この新しいシステムで
データを追跡します
データを追跡します
08:24
so you know exactly the moment
177
492480
1456
母親と子供が難民キャンプに
08:25
when that mother and her children
walk into the camp.
walk into the camp.
178
493960
2496
やって来たとたんに分かるのです
08:28
And even more, you know
if she's going to have supplies
if she's going to have supplies
179
496480
2616
さらに 今月や翌月に
配給が足りているかどうかも
配給が足りているかどうかも
08:31
this month and the next.
180
499120
1256
分かるのです
08:32
Information visibility drives efficiency.
181
500400
3016
情報を見える化すると
効率が生まれます
効率が生まれます
08:35
For companies, using technology
to gather important data,
to gather important data,
182
503440
3256
企業にとっては
重要なデータを集めるために技術を使うことは
重要なデータを集めるために技術を使うことは
08:38
it's like bread and butter.
183
506720
1456
日常生活の糧のようなものです
08:40
They've been doing it for years,
184
508200
1576
これを何年も継続して
08:41
and it's led to major
operational efficiency improvements.
operational efficiency improvements.
185
509800
3256
事業の効率が大幅にアップしたのです
08:45
Just try to imagine
your favorite beverage company
your favorite beverage company
186
513080
2360
想像してみてください
お気に入りの飲料会社が
お気に入りの飲料会社が
08:48
trying to plan their inventory
187
516280
1576
棚卸しをしてみるまで
08:49
and not knowing how many bottles
were on the shelves.
were on the shelves.
188
517880
2496
ボトルがいくつ棚にあるのか知らないなんて
08:52
It's absurd.
189
520400
1216
ばかげています
08:53
Data drives better decisions.
190
521640
1560
データは 良い決定の原動力です
08:57
Now, if you're representing a company,
191
525800
2536
さて あなたが会社の代表で
09:00
and you're pragmatic
and not just idealistic,
and not just idealistic,
192
528360
3136
実用主義者であり
理想主義者だけではないとすると
理想主義者だけではないとすると
09:03
you might be saying to yourself,
"OK, this is all great, Mallory,
"OK, this is all great, Mallory,
193
531520
3056
心の中でこう思っているかもしれません
「実にすばらしいよ マロリー
「実にすばらしいよ マロリー
09:06
but why should I want to be involved?"
194
534600
1840
でも どうして参加すべきかね？」
09:09
Well for one thing, beyond the good PR,
195
537000
2816
良い宣伝になるということ以上に
09:11
humanitarian aid
is a 24-billion-dollar sector,
is a 24-billion-dollar sector,
196
539840
2776
人道支援は約2.6兆円のセクターで
09:14
and there's over five billion people,
maybe your next customers,
maybe your next customers,
197
542640
3056
発展途上国で暮らす50億人以上が
09:17
that live in the developing world.
198
545720
1816
新たな顧客となるかもしれません
09:19
Further, companies that are engaging
in data philanthropy,
in data philanthropy,
199
547560
3096
その上 データ提供をする企業は
09:22
they're finding new insights
locked away in their data.
locked away in their data.
200
550680
2976
データに隠された新たな意味を
見出すことでしょう
見出すことでしょう
09:25
Take, for example, a credit card company
201
553680
2256
あるクレジットカード会社を例に取ると
09:27
that's opened up a center
202
555960
1336
協働センターを開設し
09:29
that functions as a hub for academics,
for NGOs and governments,
for NGOs and governments,
203
557320
3376
大学、NGO、各国政府で
中心的役割を果たしています
中心的役割を果たしています
09:32
all working together.
204
560720
1240
09:35
They're looking at information
in credit card swipes
in credit card swipes
205
563040
2736
クレジットカード利用の情報を見て
09:37
and using that to find insights
about how households in India
about how households in India
206
565800
2976
インドの世帯の暮らし方、働き方
09:40
live, work, earn and spend.
207
568800
1720
収入や支出を洞察します
09:43
For the humanitarian world,
this provides information
this provides information
208
571680
2576
人道支援の世界にとっては
人々を貧困から
人々を貧困から
09:46
about how you might
bring people out of poverty.
bring people out of poverty.
209
574280
2656
脱却させる方法について
情報を提供するのです
情報を提供するのです
09:48
But for companies, it's providing
insights about your customers
insights about your customers
210
576960
3016
しかし 企業にとってはインドの
現在の顧客や潜在顧客の
現在の顧客や潜在顧客の
09:52
and potential customers in India.
211
580000
2040
洞察材料を与えてくれるのです
09:54
It's a win all around.
212
582760
1800
あらゆる点で勝利します
09:57
Now, for me, what I find
exciting about data philanthropy --
exciting about data philanthropy --
213
585960
3776
さて 私がデータでの慈善事業で
期待していることは
期待していることは
10:01
donating data, donating decision
scientists and donating technology --
scientists and donating technology --
214
589760
4336
データの提供、意思決定科学の研究者や
技術の提供です
技術の提供です
10:06
it's what it means
for young professionals like me
for young professionals like me
215
594120
2376
企業で働くことを選んだ私のように
10:08
who are choosing to work at companies.
216
596520
1840
若い専門家にとって意味があるのです
10:10
Studies show that
the next generation of the workforce
the next generation of the workforce
217
598800
2656
研究によると
次世代の労働者は
次世代の労働者は
10:13
care about having their work
make a bigger impact.
make a bigger impact.
218
601480
2560
仕事を通して大きな影響力を
与えたいと思っています
与えたいと思っています
10:16
We want to make a difference,
219
604920
2456
状況を改善したいのです
10:19
and so through data philanthropy,
220
607400
2416
だからデータでの慈善事業を通じ
10:21
companies can actually help engage
and retain their decision scientists.
and retain their decision scientists.
221
609840
3936
企業は実際に意志決定科学の研究者に
仕事を与え定着を図ることが可能になります
仕事を与え定着を図ることが可能になります
10:25
And that's a big deal for a profession
that's in high demand.
that's in high demand.
222
613800
2880
需要の高い専門職にとって
大事なことです
大事なことです
10:29
Data philanthropy
makes good business sense,
makes good business sense,
223
617840
3120
データでの慈善活動は
ビジネス上の意義があり
ビジネス上の意義があり
10:34
and it also can help
revolutionize the humanitarian world.
revolutionize the humanitarian world.
224
622200
3280
人道主義の世界にも
変革をもたらせるのです
変革をもたらせるのです
10:39
If we coordinated
the planning and logistics
the planning and logistics
225
627600
2096
大規模な人道的活動の
すべての側面において
すべての側面において
10:41
across all of the major facets
of a humanitarian operation,
of a humanitarian operation,
226
629720
3376
私たちが計画と物流を協調させるなら
10:45
we could feed, clothe and shelter
hundreds of thousands more people,
hundreds of thousands more people,
227
633120
3600
さらに何十万人も多くの人々に
衣食住を与えることができるのです
衣食住を与えることができるのです
10:49
and companies need to step up
and play the role that I know they can
and play the role that I know they can
228
637440
4256
そして変革を起こすために
企業は力を出して企業に可能な
企業は力を出して企業に可能な
10:53
in bringing about this revolution.
229
641720
1880
ある役割を果たす必要があるのです
10:56
You've probably heard of the saying
"food for thought."
"food for thought."
230
644720
2936
皆さんは「思考の糧」という
言葉をご存じでしょう
言葉をご存じでしょう
10:59
Well, this is literally thought for food.
231
647680
2240
これは文字通り
「糧の思考」なのです
「糧の思考」なのです
11:03
It finally is the right idea
at the right time.
at the right time.
232
651560
4136
ようやく 時を得た
良いアイデアとなりました
良いアイデアとなりました
11:07
(Laughter)
233
655720
1216
（笑）
11:08
Très magnifique.
234
656960
1576
（仏）とても素晴らしい
11:10
Thank you.
235
658560
1216
ありがとう
11:11
(Applause)
236
659800
2851
（拍手）
ABOUT THE SPEAKER
Mallory Freeman - Data activistUPS's advanced analytics manager Mallory Freeman researches how to do the most good with data.
Why you should listen
Dr. Mallory Freeman is the Lead Data Scientist in the UPS Advanced Technology Group, working on research and development projects for UPS’s smart logistics network. She serves on the advisory board of Neighborhood Nexus, supporting data-driven insights for the greater Atlanta region.
Freeman earned her Ph.D. in industrial engineering from the Georgia Institute of Technology in 2014. Her thesis explored how to measure and improve humanitarian operations in practical ways -- with a special focus on the use of algorithms. While she was in graduate school, she helped lead supply chain optimization projects for the UN World Food Programme.
Freeman earned her Master's in operations research from MIT and her Bachelor's in industrial and systems engineering from Virginia Tech. In her spare time, she enjoys cooking, travelling and volunteering her data skills.
Mallory Freeman | Speaker | TED.com