June 2010. I landed for the first time in Rome, Italy. I wasn't there to sightsee. I was there to solve world hunger.
Haziran 2010. Roma, İtalya'ya ilk defa ayak bastım. Turist olarak gelmemiştim. Dünyadaki açlığa çözüm bulmak için oradaydım.
(Laughter)
(Kahkahalar)
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."
Evet, doğru duydunuz. 25 yaşında bir doktora öğrencisiydim, üniversitemde geliştirilmiş bir prototip aracını kuşanmış gelmiştim ve Dünya Gıda Programı'nın açlık sorununu çözmesine yardım edecektim. Merkez ofis binasını uzun adımlarla yürüdüm, gözlerimle Birleşmiş Milletler sıra bayraklarını taradım ve kendi kendime düşünüp gülümsedim: "Mühendis burada."
(Laughter)
(Kahkahalar)
Give me your data. I'm going to optimize everything.
Bana verileri gösterin. Her şeyi optimize edeceğim.
(Laughter)
(Kahkahalar)
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.
Satın aldığınız gıda miktarını söyleyin, nereye gideceğini, ne zaman orada olması gerektiğini, ben de size en kısa, en hızlı en ucuz, en iyi rotaları sıralayayım. Paradan tasarruf edeceğiz, gecikmeleri ve bozulmaları önleyeceğiz ve asıl önemli olan, hayat kurtaracağız. Bir şey değil.
(Laughter)
(Kahkahalar)
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."
12 ay süreceğini düşündüm, tamam, belki 13. Tam olarak böyle sonuçlanmadı. Projeye başladıktan sadece birkaç ay sonra Fransız patronum bana dedi ki, "Mallory, bu iyi bir fikir, ancak senin algoritmaların için ihtiyacın olan veri burada yok. Bu doğru bir fikir ancak yanlış bir zamanda ve yanlış bir zamanda gelen doğru bir fikir, yanlış bir fikirdir."
(Laughter)
(Kahkahalar)
Project over. I was crushed.
Projenin sonu. İçim ezilmişti.
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.
Geriye dönüp baktığımda Roma'daki bu ilk yazıma ve son 6 yıl içerisinde ne kadar çok şeyin değiştiğine, bunun acayip bir dönüşüm olduğunu görüyorum. İnsani çalışmalarda veri kullanma çağının başlangıcı. Çok heyecanlı. Çok ilham verici. Ancak henüz orada değiliz. Kendinizi hazırlayın, yöneticiler, çünkü şirketleri sorumluluk almaya ve yapabileceklerine inandığım rolü oynamaya çağıracağım.
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.
Roma'daki tecrübelerim kanıtlıyor ki, verileri kullanarak hayat kurtarabiliriz. Tamam, bunu öyle hemen anlayamadık ancak zamanla kavrayabildik. Size anlatmama izin verin. Düşünün ki, bir kahvaltı, bir öğle ve bir de akşam yemeği planlamak durumundasınız 500.000 kişi için ve bunun için belirli bir bütçeniz var, diyelim ki ayda 6,5 milyon dolar. Ne yapmanız gerekir? Bunu planlamanın en iyi yolu nedir? Pirinç, buğday, bezelye, yağ, ne almalısınız? Ne kadar? Kolay gibi görünüyor ama değil. 30 adet alabileceğiniz gıda ürünü var ve siz 5 tanesini seçmek durumundasınız. Bu, 140.000 farklı kombinasyon eder. Sonra, her gıda maddesi için, ne kadar alacağınıza karar vermeniz lazım, nereden alacağınıza, bunları nerede depolayacağınıza, getirmenin ne kadar süreceğine. Tüm farklı nakliyat güzergâhlarına bir bakmak lazım. Bu da 900 milyondan fazla opsiyon demektir. Her bir opsiyonu incelemek için bir saniye ayırsanız, bitirmeniz 28 yılınızı alacaktır. 900 milyon opsiyon.
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.
Biz de bu kararları verecek olan kişilerin bu 900 milyon opsiyonun üzerinden sadece birkaç gün içerisinde geçebilmesini sağlayan bir araç yarattık. İnanılmaz derecede başarılı oldu. Irak'ta bir operasyonda, masraflardan %17 tasarruf ettik, bu da fazladan 80.000 kişiyi besleyebilmemiz anlamına geliyordu. Bunların hepsi veri kullanımı ve kompleks sistemleri modelleme
sayesinde oldu.
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.
Ancak bunların hiçbirini tek başımıza yapmadık. Roma'da çalıştığım birimdeki insanlar, eşi bulunmaz türdendi. İşbirliğine inanıyorlardı. Akademi dünyasını işin içine kattılar. Şirketleri getirdiler. Dünyadaki büyük sorunlarlara çözüm üretmek istiyorsak, açlık gibi, herkesin masaya oturmasına ihtiyacımız var. İnsani kuruluşların veri uzmanlarının yolu göstermeleri gerekiyor ve uygun türde katılımı organize etmeleri gerekli, akademisyenlerle, devletlerle. Uygun şekilde kullanamadığımız sadece bir grup var. Hangisi olduğunu tahmin edebildiniz mi? Şirketler.
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.
Dünya sorunlarını çözmede şirketlere önemli bir rol düşüyor. 2 senedir özel sektörde çalışıyorum. Şirketlerin neler yapabileceklerini gördüm ve neleri yapmadıklarını ve bence bu aradaki boşluğu doldurabilmek için 3 yol var: Veri bağışı yapmak, veri bilimcileri bağışlamak ve yeni veri kaynakları toplayacak teknoloji bağışı yapmak. Buna veri filantropisi deniyor, kurumsal sosyal sorumluluğun geleceği bu şekilde olacak. Ayrıca, iş bakımından da mantıklı.
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.
Şirketler günümüzde, çok fazla veri topluyorlar, yani yapabilecekleri ilk şey bu veriyi bağışlamak. Bazı şirketler bunu yapıyor bile. Mesela, büyük bir telekomünikasyon şirketi. Senegal ve Fildişi Sahili'nde verilerini açtılar ve araştırmacılar buldu ki, cep telefonu vericilerine gelen sinyallerin akışına baktığımızda, insanların nereye seyahat ettiğini görebiliyoruz. Bu da bize, sıtma gibi hastalıkların nereye doğru yayılabileceğini gösterebilir ve bu sayede bazı tahminler yapabiliriz. Veya mesela yenilikçi bir uydu firması. Bize verisini açtı ve bağışladı, bu veri ile su kıtlığının gıda üretimini nasıl etkilediğini izleyebiliyorduk. Bu sayede bir kriz olmadan önce yardım fonlaması başlatabiliriz.
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.
Bu harika bir başlangıç. Şirket verilerinin içerisinde işimize yarayabilecek önemli şeyler var. Ve evet, çok dikkatli olmak durumundayız. Gizlilik konusuna saygı göstermeliyiz, mesela veriyi anonim hâle getirerek.
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.
Ancak, tüm kapılar açılsa bile, tüm şirketler veri bağışı yapsalar da, akademiye, STK'lara, insani yardım kuruluşlarına, yine de bu veri, tüm potansiyeliyle insani amaçlar için kullanılmaya hazır değil. Neden? Çünkü verinin içerisinden işimize yarayabilecek şeyleri alabilmek için benim gibi veri bilimcilerine ihtiyaç var. Karar bilimcileri veriyi alır, temizler, dönüştürür ve sorunu en iyi çözebilecek yararlı bir algoritmanın içerisinde kullanır. İnsani yardım dünyasında çok az veri bilimcisi var. Birçoğu şirketler için çalışıyor. O yüzden bu, şirketlerin yapması gereken ikinci şey, veri bağışı yapmaya ek olarak, kendi veri bilimcilerini bağışlamalılar.
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.
Şimdi şirketler diyecek ki, "Ah, veri bilimcilerimizi bizden almayın. Onların her saniyesine ihtiyacımız var." Ancak bir yol var. Bir şirket veri bilimcisinin zamanının belirli bir kısmını bağışlayacaksa, o belirli kısmı geniş bir zamana yaymak aslında daha mantıklı, mesela 5 senelik bir zamana. Böylece her ay başına birkaç saat düşer, şirket için çok zor olmaz ve bu sayede çok faydalı bir şey çıkar: Uzun dönemli ortaklıklar. Uzun dönemli ortaklıklar, ilişkiler oluşturabilmeyi sağlar, veriyi tanımayı, gerçekten anlamayı ve insani kuruluşun ihtiyaçları ile karşılaştığı zorlukları anlamayı sağlar. Roma'da, Dünya Gıda Programı'nda, bunu yapmak beş yılımızı aldı, beş yıl. İlk üç sene tamam, bu zamanı çözüm üretmekle geçirdik Ondan iki sene sonra geliştirdiğimiz aracın incelik ayarlarını yapmak, mesela Irak'taki veya diğer ülkelerdeki operasyonlar için. Bence bu gerçekçi olmayan bir zaman çizelgesi değil, operasyonel değişiklikler yapmak için veri kullanmakta. Bu bir yatırım. Sabır gerektiriyor. Ancak üretilebilecek çözümlerin başarısı inkâr edilemez. Bizim örneğimizde, on binlerce daha fazla insanın beslenebilmesi söz konusuydu.
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.
O hâlde, veri bağışını ve veri bilimcileri bağış yapmayı konuştuk. Şirketlerin yardım edebileceği üçüncü bir yol daha var: Yeni data kaynakları bulabilmek için teknoloji bağışı yapmak. Verisine sahip olmadığımız pek çok şey var. Şu anda, Suriyeli mülteciler akın akın Yunanistan'a geliyorlar ve Birleşmiş Milletler mülteci biriminin işi başından aşkın. İnsanları takip etmekte şu an kullanılan sistem, kalem ve kâğıt ve bu şu demek oluyor: Bir anne ve beş çocuğu kampa geldiğinde, bundan yetkililerin haberi olmuyor. Birkaç hafta içerisinde bu değişecek, özel sektör işbirliği sayesinde. Yardım paketi takip teknolojisi üzerine kurulu yeni bir sistem olacak, çalıştığım lojistik şirketi sayesinde. Bu yeni sistemle, veri takibi yapabileceğiz. Yani anne ve çocuklarının tam olarak kampa girdiği zamanı bileceğiz. Ve daha da fazlası, bu ay ve sonrasında yardım alabilecek mi bileceğiz. Bilgi görünürlüğü verimliliği getiriyor. Şirketler için önemli veriyi çekmek için teknoloji kullanmak olmazsa olmaz. Bunu senelerdir yapıyorlar, bu sayede operasyonel verimliliklerinde büyük gelişmeler oldu. Mesela en sevdiğiniz içecek şirketini düşünün, stok planlaması yaptıklarını ve raflarda kaç şişe olduğunu bilmediklerini. Bu absürt. Veri daha iyi karar verebilmeyi sağlar.
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.
Şimdi, eğer bir şirketi temsil ediyorsanız ve sadece idealist değil, aynı zamanda pragmatik iseniz, kendinize diyebilirsiniz ki, "Tamam, bu süper, Mallory, ama neden ben buna katılmak isteyeyim?" Bir kere, iyi PR etkisi dışında, insani yardım sektörü, 24 milyar dolarlık bir sektör ve 5 milyardan fazla insan sizin gelişmekte olan dünyadaki müşterileriniz olabilir. Dahası, veri bağışında bulunan şirketler, verilerin içerisinde gizli kalmış işlerine yarayabilecek yeni şeyler bulabiliyorlar. Mesela, bir kredi kartı şirketi yeni bir yer açtı, akademisyenler, STK'lar ve hükûmet yetkilileri için bir mekân, burada hep beraber çalışıyorlar. Geçirilen kredi kartı bilgilerine bakıyorlar ve bulunması zor olan bazı hane halkı bilgilerine erişim sağlıyorlar, Hindistan'da, aileler nasıl yaşıyor, çalışıyor, kazanıyor ve harcıyor. İnsani yardım dünyası için bu veri insanları fakirlikten nasıl kurtarabileceğinizle ilgili bilgi sağlar. Şirketler için ise, müşterileri ve potansiyel müşterileri ile ilgili bilgi sağlar. Bu herkes için kazançlı. Şimdi, benim veri filantropisine -- veri bağışı, veri bilimcisi bağışı ve teknoloji bağışı-- ilgi duymamın sebebi bunun benim gibi şirketlerde çalışmayı seçen genç profesyoneller için anlamlı olması. Araştırmalar gösteriyor ki, yeni nesil iş gücü işlerinin daha büyük bir anlamı olmasını umursuyor. Fark yaratmak istiyoruz, veri filantropisi ile, şirketler veri bilimcilerinin ilgisini çekebilir ve ellerinde tutabilirler. Çok revaçta olan bir meslek için bu nokta önemli.
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.
Veri filantropisi iş anlamında da mantıklı ve insani yardım dünyasında bir devrim yaratabilir. Planlama ve lojistiği insani yardım operasyonunun tüm alanlarında koordine edersek, yüz binlerce daha fazla insanı doyurabilir ve giydirebiliriz. Şirketler de elini taşın altına koymalı ve bu devrimi gerçekleştirebilmek için üzerine düşeni yapmalı.
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.
"Düşündürücü şey" lafını duymuşsunuzdur. Bu gerçekten besini düşündürücü. Ve sonunda, doğru zamanda, doğru fikir.
(Laughter)
(Kahkahalar)
Très magnifique.
Très magnifique. (Fransızca: çok güzel)
Thank you.
Teşekkürler.
(Applause)
(Alkış)