June 2010. I landed for the first time in Rome, Italy. I wasn't there to sightsee. I was there to solve world hunger.
Июнь 2010 года. Я впервые прилетела в Рим, в Италию. Я прибыла туда не в качестве туриста, а для того, чтобы решить проблему мирового голода.
(Laughter)
(Смех)
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."
Именно так. Я была 25-летней аспиранткой, и при помощи методов, разработанных моим университетом, собиралась помочь победить голод Всемирной продовольственной программе. Я прошествовала в главное здание, окинула взглядом флаги ООН, и, улыбнувшись, подумала: «Инженер прибыл».
(Laughter)
(Смех)
Give me your data. I'm going to optimize everything.
Дайте мне ваши данные. Я сейчас всё тут оптимизирую.
(Laughter)
(Смех)
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.
Скажите, какие у вас продукты, куда их отправить, когда они должны там быть, и я подскажу вам самые короткие, быстрые, дешёвые и лучшие пути их доставки. Мы сэкономим деньги, избежим задержек и сбоев, и самое главное — мы спасём жизни. Не благодарите.
(Laughter)
(Смех)
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."
Я думала, что это займёт 12 месяцев. Хорошо, может быть 13. Вышло немного иначе. Уже спустя пару месяцев от начала проекта мой французский босс сказал: «Знаешь, Малори, это отличная идея, но у нас нет данных, которые нужны для твоих алгоритмов. Это хорошая идея, но в неподходящее время, а хорошая идея в неподходящее время — плохая идея».
(Laughter)
(Смех)
Project over. I was crushed.
Проект закрыли. Я была раздавлена.
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.
Сейчас, оглядываясь назад, вспоминаю то первое лето в Риме и понимаю, как много изменилось за прошедшие шесть лет, полностью преобразовалось. Наступает время передачи данных гуманитарным организациям. Это восхищает. Это вдохновляет. Но это ещё не всё. И держитесь, руководители, потому что я собираюсь заставить компании взять на себя роль, которую, я уверена, они смогут сыграть.
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.
Мой опыт, полученный в Риме, доказывает, что, используя данные, можно спасать жизни. Да, та попытка провалилась, но в конце концов мы придём к этому. Позвольте я это продемонстрирую. Представьте: вам нужно организовать завтрак, обед и ужин для 500 000 человек, но ваш бюджет ограничен, скажем, 6,5 миллионами в месяц. Что вам необходимо сделать? Как это сделать самым лучшим образом? Нужно ли покупать рис, пшеницу, нут, масло? Сколько? Звучит просто. Но это не так. У вас есть 30 возможных продуктов, из которых нужно выбрать пять. Это уже даёт 140 000 различных сочетаний. Затем для каждого выбранного продукта нужно решить, сколько его купить, где купить, где его хранить, сколько времени займёт транспортировка. Вам также нужно изучить все транспортные маршруты. А это более 900 миллионов вариантов. Если над каждым думать секунду, то у вас уйдёт 28 лет на их анализ. 900 миллионов вариантов.
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.
Поэтому мы создали программу, с помощью которой можно перебрать все 900 миллионов вариантов всего за несколько дней. Она оказалась невероятно успешной. В иракской кампании мы сэкономили 17% на расходах, что позволило нам накормить ещё 80 000 людей. Всё это благодаря использованию данных и сложной системы моделирования.
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.
Но мы работали не одни. Отдел, с которым я работала в Риме — исключительный. Эти люди поверили в сотрудничество. Они привлекли научных деятелей. Они привлекли компании. И если мы хотим реальных перемен в таких проблемах, как мировой голод, то за столом переговоров потребуется каждый. Нам нужны владеющие данными люди из гуманитарных организаций, указывающие путь и организовывающие наилучшие пути взаимодействия с учёными и властями. Остается одна группа, до сих пор не вовлечённая в работу на должном уровне. Догадались кто? Компании.
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.
Компании играют главную роль в решении глобальных проблем в мире. Я работаю в бизнесе уже два года. Я понимаю, на что способны компании, и чем они систематически не занимаются. Я думаю, ситуацию можно изменить, если компании поделятся тремя вещами: данными, ИТ-консультантами и техническими средствами сбора и учёта новых источников информации. Это информационная благотворительность, в ней — будущее корпоративной социальной ответственности. К тому же это разумно с точки зрения бизнеса.
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.
Сегодня компании накапливают массу информации, поэтому для начала они могут передать эту информацию. Некоторые компании уже это делают. К примеру, одна крупная телефонная компания раскрыла свои данные в Сенегале и Кот-д'Ивуаре, анализ которых показал, что, проследив динамику звуковых импульсов между вышками сотовой связи, можно увидеть перемещения людей. А это позволяет судить о вещах вроде вероятного ареала распространения малярии и делать прогнозы. Или, например, одна из передовых спутниковых компаний раскрыла и поделилась своими данными, и с их помощью можно отследить, как засуха влияет на производство пищи. Используя это, можно запросить помощь до наступления кризиса.
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.
Это прекрасное начало. В базе данных компаний скрыта важная информация. Обращаться с ней надо очень осторожно. Уважать право на конфиденциальность, например, скрывая личные данные.
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.
Но даже если откроются шлюзы и все компании предоставят свою информацию научным работникам, неправительственным и гуманитарным организациям, это не позволит в полной мере поставить эти данные на службу гуманитарным целям. Почему? Чтобы расшифровать данные, необходимы аналитики. Такие как я. Они берут информацию, сортируют её, преобразуют и используют в нужных алгоритмах. Это лучший способ направить потребности бизнеса в дело. В сфере гуманитарной помощи очень мало таких специалистов. Большинство из них работает в компаниях. Поэтому компаниям необходимо сделать ещё один шаг. В дополнение к пожертвованию данных им нужно предоставить своих аналитиков.
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.
Сейчас все компании скажут: «Ааа! Не забирайте наших специалистов. Для нас важна каждая секунда их труда». Но выход есть. Если бы компания выделила часть рабочего времени аналитика, то было бы разумнее распределить это время на длительный период, скажем, на пять лет. Это отнимет у них только два часа в месяц, что не нанесёт ущерба компании, а главное, приведёт к долгосрочному сотрудничеству, которое позволит выстроить отношения, основательно ознакомиться с предоставленными данными и осознать потребности и задачи, с которыми сталкивается гуманитарная организация. Во Всемирной продовольственной программе в Риме на это ушло 5 лет. Пять лет. Хорошо, первые три года мы не могли определиться. Затем два года после этого отлаживали и внедряли программу, как во время кампаний в Ираке и других странах. Я не думаю, что предлагаю нереальные сроки, учитывая, что данные нужны для оперативных изменений. Это инвестиция, требующая терпения. Но результаты будут просто великолепными. В нашем случае это возможность накормить на десятки тысяч больше людей.
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.
Итак, нам предоставили данные, предоставили аналитиков. Но компании могут помочь ещё кое-чем: предоставлением методов для учёта новых источников данных. Вы же понимаете, что у нас нет информации о многих вещах. Сейчас сирийские беженцы заполняют Грецию, и отделы ООН по делам беженцев завалены работой. Перемещения людей они отмечают на бумаге — это их система учёта. Это значит, что момент прибытия в лагерь матери с пятью детьми останется незамеченным администрацией. В ближайшие несколько недель это изменится благодаря сотрудничеству с частным сектором. Им установят систему, основанную на методе отслеживания посылок, предоставленным логистической компанией, где я работаю. Эта система позволит отследить данные, вы будете знать точное время появления матери с детьми в лагере. И к тому же вы узнаете, есть ли для неё питание на первое время. Доступность информации повышает эффективность. Это хлеб с маслом для компаний, использующих технические средства для сбора важных данных. Они занимаются этим годами, что приводит к значительному повышению производительности. Представьте: производитель вашего любимого напитка пытается провести инвентаризацию, не зная количества бутылок на полках. Это абсурд. С данными доступны лучшие решения.
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.
Если вы представитель компании и скорее прагматик, чем идеалист, то должны спросить себя: «Хорошо, всё это замечательно, Малори, но чем это может заинтересовать меня?» Для начала, помимо хорошей рекламы, гуманитарная помощь входит в 24-миллиардный сектор, и более пяти миллиардов людей, живущих в развивающихся странах, могут стать вашими клиентами. Кроме того, компании, пожертвовавшие данные, могут извлечь из них новую информацию для себя. Например, компания по выпуску кредитных карт, которая открыла центр для учёных, неправительственных организаций и правительства, где они работают вместе. Отслеживают использование кредитных карт, на основе чего получают представление об активности населения Индии: жизни, работе, заработках и тратах. С помощью этой информации гуманитарные организации смогут принять меры для избавления людей от нищеты. А компаниям это позволяет делать новые выводы о своих нынешних и потенциальных клиентах в Индии. От этого выигрывают все. Для меня самое поразительное в информационной благотворительности, (пожертвовании данных, труда аналитиков, методов учёта), её значимость для таких как я, молодых профессионалов, тех, кто выбрал работу в компаниях. Исследования показывают, что следующее поколение волнует вопрос результативности своей работы. Мы хотим изменить ситуацию, и посредством информационной благотворительности компании способны привлечь и удержать своих аналитиков. Это реальный шанс для профессионалов, на которых есть спрос.
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.
Информационная благотворительность выгодна для бизнеса, она может помочь полностью изменить работу гуманитарных организаций. Если объединить планирование и логистику во всех основных направлениях деятельности гуманитарных организаций, мы смогли бы обеспечить едой, одеждой и жильём на сотни тысяч больше людей. И компаниям необходимо включиться и сыграть свою роль в приближении этой революции.
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.
Скорее всего, вы слышали фразу «пища для размышлений». А тут в буквальном смысле — размышления для пищи. Наконец, у нас есть хорошая идея в подходящее время.
(Laughter)
(Смех)
Très magnifique.
(По-французски) Прекрасно!
Thank you.
Спасибо.
(Applause)
(Аплодисменты)