June 2010. I landed for the first time in Rome, Italy. I wasn't there to sightsee. I was there to solve world hunger.
יוני 2010. נחתתי בפעם הראשונה ברומא, איטליה. לא הגעתי לשם כתיירת. הגעתי לשם כדי לפתור את הרעב בעולם.
(Laughter)
(צחוק)
That's right. I was a 25-year-old PhD student armed with a prototype tool developed back at my university, and I was going to help the World Food Programme fix hunger. So I strode into the headquarters building and my eyes scanned the row of UN flags, and I smiled as I thought to myself, "The engineer is here."
בדיוק כך. הייתי תלמידת דוקטורט בת 25 חמושה באב-טיפוס של כלי שפותח באוניברסיטה שלי והתכוונתי לעזור לתוכנית המזון העולמית לפתור את בעיית הרעב. אז צעדתי לתוך בניין המטה ועיניי סרקו את שורת דגלי האו"ם, וחייכתי כשחשבתי לעצמי, "המהנדסת כאן".
(Laughter)
(צחוק)
Give me your data. I'm going to optimize everything.
תנו לי את הנתונים שלכם. אני הולכת לייעל הכל.
(Laughter)
(צחוק)
Tell me the food that you've purchased, tell me where it's going and when it needs to be there, and I'm going to tell you the shortest, fastest, cheapest, best set of routes to take for the food. We're going to save money, we're going to avoid delays and disruptions, and bottom line, we're going to save lives. You're welcome.
ספרו לי מה המזון שרכשתם, לאיפה הוא הולך ומתי הוא צריך להיות שם ואגיד לכם מה הדרך הקצרה, המהירה, הזולה, המסלול הטוב ביותר שיש לבחור עבור האוכל. אנחנו הולכים לחסוך כסף, להימנע מעיכובים והפרעות, ובשורה התחתונה, אנחנו הולכים להציל חיים. העונג כולו שלי.
(Laughter)
(צחוק)
I thought it was going to take 12 months, OK, maybe even 13. This is not quite how it panned out. Just a couple of months into the project, my French boss, he told me, "You know, Mallory, it's a good idea, but the data you need for your algorithms is not there. It's the right idea but at the wrong time, and the right idea at the wrong time is the wrong idea."
חשבתי שזה יקח 12 חודשים, אוקיי, אולי אפילו 13. זה לא בדיוק איך שזה יצא. לאחר כמה חודשים בפרוייקט, המנהל הצרפתי שלי אמר לי "את יודעת, מלורי, "זה רעיון מוצלח, "אבל הנתונים שאת צריכה לאלגוריתמים שלך אינם שם. "זה הרעיון הנכון אבל בזמן הלא נכון, "והרעיון הנכון בזמן הלא נכון "זה הרעיון הלא נכון."
(Laughter)
(צחוק)
Project over. I was crushed.
סוף הפרויקט. הייתי שבורה.
When I look back now on that first summer in Rome and I see how much has changed over the past six years, it is an absolute transformation. It's a coming of age for bringing data into the humanitarian world. It's exciting. It's inspiring. But we're not there yet. And brace yourself, executives, because I'm going to be putting companies on the hot seat to step up and play the role that I know they can.
כשאני מסתכלת אחורה עכשיו על אותו קיץ ראשון ברומא ורואה עד כמה הדברים השתנו במשך שש השנים האחרונות, זה שינוי מוחלט. הגיע הזמן להביא נתונים לתוך העולם ההומניטרי. זה מרגש. זה מעורר השראה. אבל אנחנו עוד לא שם. והחזיקו חזק, מנהלים, כי אני הולכת להושיב חברות בכסא החם, כדי שיקומו וימלאו את התפקיד שלדעתי הם מסוגלים למלא.
My experiences back in Rome prove using data you can save lives. OK, not that first attempt, but eventually we got there. Let me paint the picture for you. Imagine that you have to plan breakfast, lunch and dinner for 500,000 people, and you only have a certain budget to do it, say 6.5 million dollars per month. Well, what should you do? What's the best way to handle it? Should you buy rice, wheat, chickpea, oil? How much? It sounds simple. It's not. You have 30 possible foods, and you have to pick five of them. That's already over 140,000 different combinations. Then for each food that you pick, you need to decide how much you'll buy, where you're going to get it from, where you're going to store it, how long it's going to take to get there. You need to look at all of the different transportation routes as well. And that's already over 900 million options. If you considered each option for a single second, that would take you over 28 years to get through. 900 million options.
הניסיון שלי ברומא מוכיח שבשימוש בנתונים ניתן להציל חיים. אוקי, לא הניסיון הראשון ההוא, אבל בסופו של דבר הגענו לשם. תנו לי לצייר לכם את התמונה. דמיינו שאתם צריכים לתכנן ארוחת בוקר, צהריים וערב עבור 500,000 איש, ויש לכם תקציב מסויים כדי לעשות את זה. נגיד 6.5 מיליון דולר לחודש. ובכן, מה תעשו? מה הדרך הטובה ביותר להתמודד עם זה? האם כדאי שתקנו אורז, חיטה, חומוס, שמן? כמה? זה נשמע פשוט. זה לא. יש לכם 30 סוגי מזונות אפשריים ואתם צריכים לבחור חמישה מהם. זה כבר יותר מ-140,000 צירופים שונים. אחר כך, עבור כל מזון שאתם בוחרים, אתם צריכים להחליט כמה ממנו לקנות, מאיפה להשיג אותו, איפה לאחסן אותו, כמה זמן יקח לו להגיע לשם. אתם גם צריכים לבחון את כל מסלולי השינוע השונים. זה כבר מעל 900 מיליון אפשרויות. אם אתם שוקלים כל אפשרות במשך שניה אחת, יקח לכם יותר מעל 28 שנים לעבור על הכל. 900 מיליון אפשרויות.
So we created a tool that allowed decisionmakers to weed through all 900 million options in just a matter of days. It turned out to be incredibly successful. In an operation in Iraq, we saved 17 percent of the costs, and this meant that you had the ability to feed an additional 80,000 people. It's all thanks to the use of data and modeling complex systems.
אז יצרנו כלי שאיפשר למקבלי החלטות לפלס שביל דרך כל 900 מיליון האפשרויות תוך ימים בודדים בלבד. הסתבר שזה הצליח באופן בלתי יאמן. במבצע בעיראק, חסכנו 17 אחוז מהעלויות, וזה אומר שיכולנו להאכיל 80,000 איש נוספים. כל זה הודות לשימוש בנתונים ובניית מודלים של מערכות מורכבות.
But we didn't do it alone. The unit that I worked with in Rome, they were unique. They believed in collaboration. They brought in the academic world. They brought in companies. And if we really want to make big changes in big problems like world hunger, we need everybody to the table. We need the data people from humanitarian organizations leading the way, and orchestrating just the right types of engagements with academics, with governments. And there's one group that's not being leveraged in the way that it should be. Did you guess it? Companies.
אבל לא עשינו את זה לבדנו. ביחידה שאיתה עבדתי ברומא, הם היו ייחודיים. הם האמינו בשיתוף פעולה. הם הביאו את העולם האקדמי. הם הביאו חברות. ואם באמת אנחנו רוצים לעשות שינויים בבעיות גדולות כמו רעב עולמי, אנחנו צריכים את כולם סביב השולחן. אנחנו צריכים את אנשי הנתונים מאירגונים הומניטריים שיובילו את הדרך, וינצחו על השידוך הנכון עם אנשי אקדמיה וממשלות. יש קבוצה אחת שלא ממונפת בדרך שהיא צריכה להיות. ניחשתם מי? חברות.
Companies have a major role to play in fixing the big problems in our world. I've been in the private sector for two years now. I've seen what companies can do, and I've seen what companies aren't doing, and I think there's three main ways that we can fill that gap: by donating data, by donating decision scientists and by donating technology to gather new sources of data. This is data philanthropy, and it's the future of corporate social responsibility. Bonus, it also makes good business sense.
לחברות יש תפקיד מרכזי בתיקון הבעיות הגדולות בעולמנו. אני פועלת במגזר הפרטי, כבר שנתיים. ראיתי מה חברות יכולות לעשות וראיתי מה הן לא עושות, ואני חושבת שיש שלוש דרכים עיקריות שבאמצעותן אפשר לסגור את הפער: על ידי תרומת נתונים, על ידי תרומת מדענים המתמחים בקבלת החלטות ותרומת טכנולוגיה לאיסוף מקורות נתונים חדשים. זו נדבנות של נתונים. וזה העתיד של אחריות חברתית תאגידית. כבונוס, זה גם הגיוני מבחינה עסקית.
Companies today, they collect mountains of data, so the first thing they can do is start donating that data. Some companies are already doing it. Take, for example, a major telecom company. They opened up their data in Senegal and the Ivory Coast and researchers discovered that if you look at the patterns in the pings to the cell phone towers, you can see where people are traveling. And that can tell you things like where malaria might spread, and you can make predictions with it. Or take for example an innovative satellite company. They opened up their data and donated it, and with that data you could track how droughts are impacting food production. With that you can actually trigger aid funding before a crisis can happen.
חברות היום אוספות הררי נתונים, אז הדבר הראשון שהן יכולות לעשות זה לתרום את הנתונים האלו. חברות אחדות כבר עושות את זה. קחו למשל חברת תקשורת גדולה. הם פתחו את מאגר הנתונים שלהם בסנגל ובחוף השנהב והחוקרים גילו שאם אתם מסתכלים על התבניות של הפינגים לעמודי הטלפונים הניידים, אתם יכולים לראות לאן אנשים נוסעים. וזה יכול לומר לכם דברים כמו איפה המלריה עלולה להתפשט ואתם יכולים לבנות עם זה תחזיות. או קחו למשל חברת לוויינים חדשנית. הם פתחו ותרמו את הנתונים שלהם ובאמצעותם אתם יכולים לעקוב איך בצורות משפיעות על ייצור מזון. כך אפשר להתניע מימון לסיוע לפני שהמשבר פורץ.
This is a great start. There's important insights just locked away in company data. And yes, you need to be very careful. You need to respect privacy concerns, for example by anonymizing the data.
זאת התחלה נהדרת. יש תובנות חשובות שנעולות בנתונים של חברות. וכן, אתם צריכים להיות מאד זהירים. אתם צריכים לכבד ענייני פרטיות, למשל על ידי הפיכת הנתונים לאנונימיים.
But even if the floodgates opened up, and even if all companies donated their data to academics, to NGOs, to humanitarian organizations, it wouldn't be enough to harness that full impact of data for humanitarian goals. Why? To unlock insights in data, you need decision scientists. Decision scientists are people like me. They take the data, they clean it up, transform it and put it into a useful algorithm that's the best choice to address the business need at hand. In the world of humanitarian aid, there are very few decision scientists. Most of them work for companies. So that's the second thing that companies need to do. In addition to donating their data, they need to donate their decision scientists.
אבל אפילו אם שערי שמיים היו נפתחים, וכל החברות היו תורמות את הנתונים שלהם לאנשי אקדמיה, לחברות לא ממשלתיות, לאירגוני סיוע הומניטריים, לא היה מספיק לרתום את כל שפע הנתונים למטרות הומניטריות. למה? כדי להוציא תובנות מנתונים, צריך מדענים שמתמחים בקבלת החלטות. מדענים אלו הם אנשים כמוני. הם לוקחים את הנתונים, מנקים, משנים ומזינים אותם לתוך אלגוריתם שימושי שהוא הבחירה הטובה ביותר לטיפול בצורך העיסקי שעל הפרק. בעולם הסיוע ההומניטרי, יש מעט מאד מדעני החלטות. רובם עובדים עבור חברות. לכן זה הדבר השני שחברות צריכות לעשות. בנוסף לתרומת הנתונים שלהם, הם צריכים לתרום את מדעני ההחלטות שלהם.
Now, companies will say, "Ah! Don't take our decision scientists from us. We need every spare second of their time." But there's a way. If a company was going to donate a block of a decision scientist's time, it would actually make more sense to spread out that block of time over a long period, say for example five years. This might only amount to a couple of hours per month, which a company would hardly miss, but what it enables is really important: long-term partnerships. Long-term partnerships allow you to build relationships, to get to know the data, to really understand it and to start to understand the needs and challenges that the humanitarian organization is facing. In Rome, at the World Food Programme, this took us five years to do, five years. That first three years, OK, that was just what we couldn't solve for. Then there was two years after that of refining and implementing the tool, like in the operations in Iraq and other countries. I don't think that's an unrealistic timeline when it comes to using data to make operational changes. It's an investment. It requires patience. But the types of results that can be produced are undeniable. In our case, it was the ability to feed tens of thousands more people.
עכשיו, חברות יגידו "אל תיקחו את המדענים האלה מאיתנו. "אנחנו צריכים כל שניה מזמנם". אבל יש דרך. אם חברה תתרום כמות מסויימת של זמן-מדענים, יהיה למעשה הגיון רב יותר בפריסת הזמן הזה לאורך תקופה ארוכה, למשל חמש שנים. זה בסך הכל יסתכם בכמה שעות בכל חודש, שחברה תרגיש בקושי בחסרונן, אבל זה יאפשר משהו באמת חשוב: שותפות ארוכת-טווח. שותפות ארוכת-טווח מאפשרת לכם לבנות יחסים, להכיר את הנתונים, באמת להבין אותם ולהתחיל להבין את הצרכים והאתגרים שאירגון הסיוע ההומניטרי מתמודד מולם. ברומא, בתוכנית המזון העולמית, לקח לנו חמש שנים לעשות את זה, חמש שנים. שלוש השנים הראשונות שהיו רק עבור מה שלא הצלחנו לפתור. אחר כך היו שנתיים של ליטוש וישום של הכלי, כמו במבצעים בעיראק ובמדינות אחרות. אני לא חושבת שזה לוח זמנים בלתי מציאותי כשזה נוגע לשימוש בנתונים כדי לעשות שינויים תפעוליים. זאת השקעה. זה דורש סבלנות. אבל לא ניתן להתכחש לתוצאות שאפשר לקבל. במקרה שלנו, זאת היתה היכולת להאכיל עשרות אלפי אנשים נוספים.
So we have donating data, we have donating decision scientists, and there's actually a third way that companies can help: donating technology to capture new sources of data. You see, there's a lot of things we just don't have data on. Right now, Syrian refugees are flooding into Greece, and the UN refugee agency, they have their hands full. The current system for tracking people is paper and pencil, and what that means is that when a mother and her five children walk into the camp, headquarters is essentially blind to this moment. That's all going to change in the next few weeks, thanks to private sector collaboration. There's going to be a new system based on donated package tracking technology from the logistics company that I work for. With this new system, there will be a data trail, so you know exactly the moment when that mother and her children walk into the camp. And even more, you know if she's going to have supplies this month and the next. Information visibility drives efficiency. For companies, using technology to gather important data, it's like bread and butter. They've been doing it for years, and it's led to major operational efficiency improvements. Just try to imagine your favorite beverage company trying to plan their inventory and not knowing how many bottles were on the shelves. It's absurd. Data drives better decisions.
אז יש לנו תרומת נתונים, תרומת מדעני החלטות ויש למעשה דרך שלישית שבה חברות יכולות לסייע: תרומת טכנולוגיה לאיסוף מקורות נתונים חדשים. תראו, יש לנו הרבה דברים שאין לנו נתונים לגביהם. נכון לעכשיו, פליטים סוריים מציפים את יוון, וסוכנות הפליטים של האו"ם עמוסה מעל הראש. המערכת הנוכחית לניטור אנשים היא נייר ועיפרון ומה שזה אומר הוא שכשאמא וחמשת הילדים שלה צועדים לתוך המחנה, המטה למעשה עיוור לגבי הרגע הזה. כל זה הולך להשתנות בשבועות הקרובים, תודות לשיתוף פעולה עם המגזר הפרטי. תהיה מערכת חדשה שמבוססת על טכנולוגיית ניטור חבילות שנתרמה על ידי חברת הלוגיסטיקה שאני עובדת עבורה. בעזרת המערכת החדשה הזאת יהיה נתיב מידע, כך שתדעו במדויק מה הרגע בו האם וילדיה צועדים לתוך המחנה. ויותר מכך, תדעו אם היא תקבל אספקה בחודש הזה, ובזה שאחריו. ניראות של מידע מניעה יעילות. עבור חברות, שימוש בטכנולוגיה לאיסוף נתונים חשובים הוא לחם חוקם. הם עשו את זה במשך שנים וזה הביא לשיפורים תיפעוליים גדולים. דמיינו את חברת המשקאות המועדפת עליכם מנסה לתכנן את המלאי שלה מבלי לדעת כמה בקבוקים יש על המדפים. זה מגוחך. נתונים מובילים להחלטות טובות יותר.
Now, if you're representing a company, and you're pragmatic and not just idealistic, you might be saying to yourself, "OK, this is all great, Mallory, but why should I want to be involved?" Well for one thing, beyond the good PR, humanitarian aid is a 24-billion-dollar sector, and there's over five billion people, maybe your next customers, that live in the developing world. Further, companies that are engaging in data philanthropy, they're finding new insights locked away in their data. Take, for example, a credit card company that's opened up a center that functions as a hub for academics, for NGOs and governments, all working together. They're looking at information in credit card swipes and using that to find insights about how households in India live, work, earn and spend. For the humanitarian world, this provides information about how you might bring people out of poverty. But for companies, it's providing insights about your customers and potential customers in India. It's a win all around. Now, for me, what I find exciting about data philanthropy -- donating data, donating decision scientists and donating technology -- it's what it means for young professionals like me who are choosing to work at companies. Studies show that the next generation of the workforce care about having their work make a bigger impact. We want to make a difference, and so through data philanthropy, companies can actually help engage and retain their decision scientists. And that's a big deal for a profession that's in high demand.
עכשיו, אם אתם מייצגים חברה ואתם מעשיים ולא רק אידאליסטים, אתם עשויים לומר לעצמכם, "אוקי, כל זה טוב ויפה, מלורי, "אבל למה שנרצה להיות מעורבים?" דבר ראשון, מעבר ליחסי ציבור טובים, סיוע הומניטרי זה שוק של 24 מיליארד דולרים ויש בו מעל 5 מיליארד אנשים, שהם אולי הלקוחות הבאים שלכם, שחיים בעולם המתפתח. בנוסף, חברות שמעורבות בתרומת נתונים, מוצאות תובנות חדשות שנעולות בנתונים שלהם. קחו למשל, חברת אשראי שפתחה מרכז שמתפקד כמרכז פעילות לאנשי אקדמיה, לחברות לא ממשלתיות וממשלות, שעובדים יחד. הם מסתכלים על מידע בעסקאות אשראי ומשתמשים בו כדי למצוא תובנות איך בתי אב בהודו חיים, עובדים, משתכרים ומוציאים. עבור עולם הסיוע ההומניטרי זה מספק נתונים לאופן שבו אפשר להוציא אנשים ממעגל העוני. אבל עבור חברות, זה מספק תובנות על הלקוחות שלהם ולקוחות פוטנציאלים בהודו. זה משתלם מכל הכיוונים. עכשיו, עבורי, מה שמרגש אותי בתרומת נתונים – תרומת נתונים, מדעני החלטות וטכנולוגיה – זו המשמעות של זה עבור אנשי מקצוע צעירים כמוני שבוחרים לעבוד בחברות. מחקרים מראים שלדור הבא בכוח העבודה אכפת שהעבודה שלהם תשאיר חותם גדול יותר. אנחנו רוצים לחולל שינוי, ולכן דרך תרומת נתונים, חברות יכולות לשפר את מעורבות ושימור מדעני קבלת ההחלטות שלהם. וזה עניין רציני במקצוע שיש לו דרישה גבוהה.
Data philanthropy makes good business sense, and it also can help revolutionize the humanitarian world. If we coordinated the planning and logistics across all of the major facets of a humanitarian operation, we could feed, clothe and shelter hundreds of thousands more people, and companies need to step up and play the role that I know they can in bringing about this revolution.
תרומת נתונים היא שיקול עיסקי נכון והיא גם יכולה לעזור לחולל מהפכה בעולם הסיוע ההומניטרי. אם היינו מתאמים את התיכנון והלוגיסטיקה בכל ההיבטים העיקריים של מבצעי הסיוע, היינו יכולים להאכיל, להלביש ולתת מחסה למאות אלפי אנשים נוספים, וחברות צריכות לקום ולמלא את התפקיד שאני יודעת שהן יכולות במימוש המהפכה הזאת.
You've probably heard of the saying "food for thought." Well, this is literally thought for food. It finally is the right idea at the right time.
בטח שמעתם את הביטוי "מזון למחשבה". ובכן, זה בעצם מחשבה למזון. סוף סוף, זה הרעיון הנכון בזמן הנכון.
(Laughter)
(צחוק)
Très magnifique.
טרה מגניפיק.
Thank you.
תודה לכם.
(Applause)
(מחיאות כפיים)