Anne Milgram: Why smart statistics are the key to fighting crime

Fordító: Zsuzsanna Parry Lektor: Csaba Lóki

In 2007, I became the attorney general

2007-ben én lettem

New Jersey állam főügyésze.

of the state of New Jersey.

Before that, I'd been a criminal prosecutor,

Azelőtt büntetőügyészként dolgoztam

first in the Manhattan district attorney's office,

kezdetben a manhattani kerületi ügyész irodájában,

and then at the United States Department of Justice.

majd az Egyesült Államok Igazságügyi Minisztériumában.

But when I became the attorney general,

Amikor azonban főügyész lettem,

two things happened that changed the way I see criminal justice.

két dolog megváltoztatta a büntető igazságszolgáltatásról alkotott képem.

The first is that I asked what I thought

Az egyik, hogy feltettem azokat a kérdéseket,

were really basic questions.

amiket alapkérdéseknek gondoltam.

I wanted to understand who we were arresting,

Meg akartam érteni, hogy kiket veszünk őrizetbe,

who we were charging,

kiket helyezünk vád alá,

and who we were putting in our nation's jails

és kiket zárunk az ország fogdáiba

and prisons.

és börtöneibe.

I also wanted to understand

Azt is látni szerettem volna,

if we were making decisions

hogy döntéseink

in a way that made us safer.

a közbiztonság javulását szolgálják-e.

And I couldn't get this information out.

De ezeket az információkat képtelen voltam megszerezni.

It turned out that most big criminal justice agencies

Kiderült, hogy a legtöbb igazságszolgáltatási intézmény,

like my own

mint amilyen az enyém,

didn't track the things that matter.

nem tartotta nyilván a lényeges adatokat.

So after about a month of being incredibly frustrated,

Úgyhogy egy csalódásokkal teli hónap után

I walked down into a conference room

besétáltam egy konferenciaterembe,

that was filled with detectives

amely tele volt nyomozókkal

and stacks and stacks of case files,

és több rakásnyi aktakupaccal,

and the detectives were sitting there

és a nyomozók ott ültek

with yellow legal pads taking notes.

sárga jegyzetfüzeteikkel, és jegyzeteltek.

They were trying to get the information

Próbálták kigyűjteni az adatokat,

I was looking for

amiket kértem,

by going through case by case

ügyenként átfésülve

for the past five years.

az elmúlt öt év aktáit.

And as you can imagine,

És ahogy bizonyára sejtik,

when we finally got the results, they weren't good.

az eredmény, mikor végre meglett, nem volt jó.

It turned out that we were doing

Kiderült, hogy sokat foglalkozunk

a lot of low-level drug cases

pitiáner drogügyek felderítésével

on the streets just around the corner

a környékbeli utcákon,

from our office in Trenton.

trentoni irodánk vonzáskörzetében.

The second thing that happened

A másik dolog, ami történt,

is that I spent the day in the Camden, New Jersey police department.

hogy eltöltöttem egy napot a New Jerseyhez tartozó camdeni rendőrkapitányságon.

Now, at that time, Camden, New Jersey,

Akkoriban New Jersey állam Camden városa

was the most dangerous city in America.

volt Amerika legveszélyesebb városa.

I ran the Camden Police Department because of that.

Éppen ezért én vezettem a camdeni rendőrkapitányságot.

I spent the day in the police department,

Ott töltöttem a napot,

and I was taken into a room with senior police officials,

és bevittek egy terembe, ahol rangidős rendőrtisztek

all of whom were working hard

keményen dolgoztak azon,

and trying very hard to reduce crime in Camden.

hogy visszaszorítsák a bűnözést Camdenben.

And what I saw in that room,

És ahogy végignéztem a teremben,

as we talked about how to reduce crime,

miközben a bűnözés csökkentéséről beszéltünk,

were a series of officers with a lot of little yellow sticky notes.

a rendőrtisztek kezében sok kis sárga tapadós cédulát láttam.

And they would take a yellow sticky and they would write something on it

Fogták ezeket a sárga cédulákat, ráírtak valamit,

and they would put it up on a board.

majd felragasztották egy táblára.

And one of them said, "We had a robbery two weeks ago.

Egyikük azt mondta, "Volt egy betörés két hete.

We have no suspects."

De nincs gyanúsítottunk."

And another said, "We had a shooting in this neighborhood last week. We have no suspects."

Egy másik így szólt:"Múlt héten lövöldözés volt a környéken. Ott sincs gyanúsított".

We weren't using data-driven policing.

Rendőri intézkedéseinkben nem támaszkodtunk adatokra.

We were essentially trying to fight crime

Lényegében sárga Post-it cetlikkel próbáltunk

with yellow Post-it notes.

a bűnözéssel szembeszállni.

Now, both of these things made me realize

Ez a két dolog ébresztett rá arra,

fundamentally that we were failing.

hogy alapjában véve rosszul teljesítünk.

We didn't even know who was in our criminal justice system,

Azt se tudtuk, kik vannak az igazságszolgáltatási rendszerünkben,

we didn't have any data about the things that mattered,

nem volt semmi adatunk arról, ami igazán fontos volt,

and we didn't share data or use analytics

nem osztottuk meg, ami volt, nem használtunk analitikát

or tools to help us make better decisions

vagy más segédeszközt a jobb döntéshozatal

and to reduce crime.

és a bűnözés visszaszorítása érdekében.

And for the first time, I started to think

Akkor először gondolkoztam el azon,

about how we made decisions.

vajon mi alapján hozunk döntéseket.

When I was an assistant D.A.,

Kerületi ügyészhelyettesként

and when I was a federal prosecutor,

és államügyészként

I looked at the cases in front of me,

átolvastam az előttem fekvő aktákat,

and I generally made decisions based on my instinct

és döntéseket általában az ösztöneimre hallgatva

and my experience.

és a tapasztalataim alapján hoztam.

When I became attorney general,

Amikor főügyész lettem,

I could look at the system as a whole,

rálátásom nyílt a rendszer egészére,

and what surprised me is that I found

és meglepetésemre azt tapasztaltam,

that that was exactly how we were doing it

hogy pontosan ugyanez történik

across the entire system --

a rendszer egészében --

in police departments, in prosecutors's offices,

rendőrőrsökön, ügyészi hivatalokban,

in courts and in jails.

bíróságokon és börtönökben.

And what I learned very quickly

Nagyon gyorsan rájöttem arra,

is that we weren't doing a good job.

hogy nem jól végezzük a dolgunkat.

So I wanted to do things differently.

Ezért én máshogy akartam csinálni.

I wanted to introduce data and analytics

Be akartam vezetni az adatelemzés

and rigorous statistical analysis

és szigorú statisztikai elemzés

into our work.

használatát a munkánkba.

In short, I wanted to moneyball criminal justice.

Röviden, "moneyball"-t akartam az igazságszolgáltatásban.

Now, moneyball, as many of you know,

A "moneyball", ahogy azt sokan tudják,

is what the Oakland A's did,

az Oakland A's baseball csapat

where they used smart data and statistics

adatelemzésen és statisztikán alapuló

to figure out how to pick players

módszere volt a játékosok kiválasztására,

that would help them win games,

ami győzelemre vitte őket,

and they went from a system that was based on baseball scouts

és felváltotta náluk azt a rendszert, ahol baseball-megfigyelők

who used to go out and watch players

a meccseket járva figyelték a játékosokat,

and use their instinct and experience,

és a megérzéseikre,

the scouts' instincts and experience,

megfigyelői tapasztalataikra hallgatva

to pick players, from one to use

választottak játékosokat.

Az új rendszer feldolgozott adatok és szigorú statisztikai elemzések

smart data and rigorous statistical analysis

alapján segítette őket a játékosok kiválasztásban és a meccsek megnyerésében.

to figure out how to pick players that would help them win games.

It worked for the Oakland A's,

Az Oakland A's csapatánál ez bevált,

and it worked in the state of New Jersey.

és bevált New Jersey államban is.

We took Camden off the top of the list

Elértük, hogy már nem Camden volt

as the most dangerous city in America.

Amerika legveszélyesebb városa.

We reduced murders there by 41 percent,

41 százalékkal visszaszorítottuk a gyilkosságok számát,

which actually means 37 lives were saved.

megmentve ezzel konkrétan 37 ember életét.

And we reduced all crime in the city by 26 percent.

Az összes bűncselekmény számát 26 százalékkal csökkentettük a városban.

We also changed the way we did criminal prosecutions.

A büntetőeljárásunk módszerén is változtattunk.

So we went from doing low-level drug crimes

Az irodánk környékén zajló

that were outside our building

kisstílű drogüzelmek helyett

to doing cases of statewide importance,

állami szintű és fontosságú ügyekre koncentráltunk,

on things like reducing violence with the most violent offenders,

mint amilyen az erőszak visszaszorítása a legdurvább elkövetők körében,

prosecuting street gangs,

utcai bandák vád alá helyezése

gun and drug trafficking, and political corruption.

a fegyver- és drogkereskedés, valamint a politikai korrupció üldözése.

And all of this matters greatly,

És ez rengeteget számít,

because public safety to me

mert a közbiztonság az én szememben

is the most important function of government.

a kormány legfontosabb feladata.

If we're not safe, we can't be educated,

Ha nem vagyunk biztonságban, nem művelődhetünk,

we can't be healthy,

nem lehetünk egészségesek,

we can't do any of the other things we want to do in our lives.

nem csinálhatunk semmi olyasmit, amit szeretnénk.

And we live in a country today

Ma egy olyan országban élünk,

where we face serious criminal justice problems.

ahol komoly igazságszolgáltatási problémákkal kell szembenéznünk.

We have 12 million arrests every single year.

Évente 12 millió ember kerül őrizetbe.

The vast majority of those arrests

Nagy többségük

are for low-level crimes, like misdemeanors,

pitiáner bűncselekményekért, vétségekért,

70 to 80 percent.

70-80 százalékban.

Less than five percent of all arrests

Kevesebb, mint 5 százalékban

are for violent crime.

erőszakos cselekedetért.

Yet we spend 75 billion,

Mégis 75 milliárd,

that's b for billion,

igen, milliárd

dollars a year on state and local corrections costs.

dollárt költünk évente az állami és helyi szintű büntetés-végrehajtásra.

Right now, today, we have 2.3 million people

Ebben a pillanatban 2.3 millió ember ül

in our jails and prisons.

fogdáinkban és börtöneinkben.

And we face unbelievable public safety challenges

És hihetetlen közbiztonsági kihívások előtt állunk,

because we have a situation

mert az a helyzet,

in which two thirds of the people in our jails

hogy a börtönben tartózkodók kétharmada

are there waiting for trial.

a tárgyalására vár.

They haven't yet been convicted of a crime.

Nem ítélték el még őket.

They're just waiting for their day in court.

Csak várnak a tárgyalásuk napjára.

And 67 percent of people come back.

Az emberek 67 százaléka visszaeső.

Our recidivism rate is amongst the highest in the world.

Miénk az egyik legmagasabb visszaesési ráta a világon.

Almost seven in 10 people who are released

10 börtönből szabadult emberből majdnem 7

from prison will be rearrested

újra őrizetbe kerül,

in a constant cycle of crime and incarceration.

nem menekülve a bűnözés és bebörtönzés állandó körforgásából.

So when I started my job at the Arnold Foundation,

Ezért amikor az Arnold Alapítványnál kezdtem dolgozni,

I came back to looking at a lot of these questions,

visszatértem ezekhez a kérdésekhez,

and I came back to thinking about how

és felidéztem,

we had used data and analytics to transform

hogyan alakítottuk át adatok és elemzések segítségével

the way we did criminal justice in New Jersey.

New Jersey igazságszolgáltatását.

And when I look at the criminal justice system

Amikor látom, hogy milyen ma az amerikai

in the United States today,

igazságszolgáltatási rendszer,

I feel the exact same way that I did

pontosan ugyanazt érzem,

about the state of New Jersey when I started there,

amit New Jerseyben, amikor elkezdtem ott dolgozni,

which is that we absolutely have to do better,

hogy egyértelműen jobb munkát kell végeznünk,

and I know that we can do better.

és tudom azt, hogy képesek vagyunk rá.

So I decided to focus

Ezért az adatelemzésre

on using data and analytics

helyeztem a hangsúlyt,

hogy segítségével hozzuk meg a közbiztonságot érintő

to help make the most critical decision

in public safety,

legfontosabb döntést.

and that decision is the determination

Ez a döntés pedig annak megítélése,

of whether, when someone has been arrested,

hogy miután valakit letartóztatnak,

whether they pose a risk to public safety

az illető veszélyt jelent-e a közbiztonságra

and should be detained,

és ezért fogva kell tartani,

or whether they don't pose a risk to public safety

vagy nem jelent veszélyt a közbiztonságra,

and should be released.

és akkor szabadon kell engedni.

Everything that happens in criminal cases

Egy büntetőeljárás során

comes out of this one decision.

minden ezen az egy döntésen múlik.

It impacts everything.

Mindenre hatással van.

It impacts sentencing.

Hatással van az ítélethozatalra.

It impacts whether someone gets drug treatment.

Hogy valaki gyógyszeres kezelést kap-e.

It impacts crime and violence.

Hatással van az erőszakra és a bűnözésre.

And when I talk to judges around the United States,

És amikor bírókkal beszélgetek országszerte,

which I do all the time now,

ami mostanában rendszeresen előfordul,

they all say the same thing,

mindannyian ugyanazt mondják,

which is that we put dangerous people in jail,

hogy a veszélyes elkövetők kerülnek börtönbe,

and we let non-dangerous, nonviolent people out.

a veszélytelen, erőszakra nem hajlamos embereket pedig elengedjük.

They mean it and they believe it.

Ezt komolyan gondolják és így is hiszik.

But when you start to look at the data,

De ha megnézzük az adatokat,

which, by the way, the judges don't have,

amivel egyébként a bírók nem rendelkeznek,

when we start to look at the data,

ha megnézzük ezeket az adatokat,

what we find time and time again,

számos esetben azt tapasztaljuk,

is that this isn't the case.

hogy ez nem így van.

We find low-risk offenders,

Az alacsony kockázatú elkövetőket,

which makes up 50 percent of our entire criminal justice population,

akik a bűnelkövetők összlétszámának 50 százalékát teszik ki,

we find that they're in jail.

börtönben találjuk.

Take Leslie Chew, who was a Texas man

Vegyük például a texasi Leslie Chew esetét,

who stole four blankets on a cold winter night.

aki négy takarót lopott egy hideg téli éjszakán.

He was arrested, and he was kept in jail

Letartóztatták, fogdában tartották,

on 3,500 dollars bail,

az óvadék 3500 dollár volt,

an amount that he could not afford to pay.

akkora összeg, amit ő nem tudott kifizetni.

And he stayed in jail for eight months

Nyolc hónapig volt börtönben,

until his case came up for trial,

mire az ügye tárgyalásra került,

at a cost to taxpayers of more than 9,000 dollars.

ami az adófizetőknek több mint 9000 dollárjába került.

And at the other end of the spectrum,

A spektrum másik végén

we're doing an equally terrible job.

ugyanilyen szörnyű a helyzet.

The people who we find

Itt találjuk

are the highest-risk offenders,

a legmagasabb kockázatú elkövetőket,

the people who we think have the highest likelihood

akikről úgy véljük, a legnagyobb eséllyel követnek el

of committing a new crime if they're released,

újabb bűncselekményt, ha szabadlábra kerülnek,

we see nationally that 50 percent of those people

országos szinten ezeknek az embereknek az 50 százalékát

are being released.

szabadon engedjük.

The reason for this is the way we make decisions.

Ennek oka a döntéshozatali módszereinkben rejlik.

Judges have the best intentions

A bírók a legjobb szándékkal

when they make these decisions about risk,

ítélik meg a kockázatot,

but they're making them subjectively.

de ezt szubjektíven teszik.

They're like the baseball scouts 20 years ago

Mint 20 évvel ezelőtt a baseball-megfigyelők,

who were using their instinct and their experience

akik az ösztöneik és tapasztalataik alapján

to try to decide what risk someone poses.

próbálták a játékosban rejlő kockázatot felmérni.

They're being subjective,

Mindez szubjektív,

and we know what happens with subjective decision making,

és tudjuk, mi a sorsa a szubjektív döntéseknek:

which is that we are often wrong.

gyakran tévesnek bizonyulnak.

What we need in this space

Amire szükségünk van,

are strong data and analytics.

az a hatékony adatelemzés.

What I decided to look for

Amit kerestem,

was a strong data and analytic risk assessment tool,

az egy hatékony, adatvezérelt kockázatelemző eszköz volt,

something that would let judges actually understand

amely tudományos és objektív módon segíti a bírókat abban,

with a scientific and objective way

hogy valóban felfogják,

what the risk was that was posed

mekkora kockázatot jelent

by someone in front of them.

az előttük álló ember.

I looked all over the country,

Körülnézve az országban,

azt találtam, hogy az amerikai bírósági körzetek

and I found that between five and 10 percent

of all U.S. jurisdictions

mindössze 5-10 százalékában

actually use any type of risk assessment tool,

használnak valamilyen kockázatelemző eszközt,

and when I looked at these tools,

és amikor szemügyre vettem ezeket,

I quickly realized why.

gyorsan rájöttem, miért.

They were unbelievably expensive to administer,

Hihetetlen drága volt a működtetésük,

they were time-consuming,

rengeteg időt vett igénybe,

és csak a helyi bírósági körzetekre vonatkoztak,

they were limited to the local jurisdiction

in which they'd been created.

ahol létrehozták őket.

So basically, they couldn't be scaled

Így voltaképpen nem lehetett arányítani

or transferred to other places.

vagy máshol alkalmazni őket.

So I went out and built a phenomenal team

Összeállítottam hát egy fenomenális csapatot,

of data scientists and researchers

mely adattudósokból, kutatókból,

and statisticians

és statisztikusokból állt,

to build a universal risk assessment tool,

hogy létrehozzanak egy egységes kockázatelemző eszközt,

so that every single judge in the United States of America

mely az Egyesült Államok összes bírája számára

can have an objective, scientific measure of risk.

objektív, tudományos kockázatfelmérést tesz lehetővé.

In the tool that we've built,

Ebben a programban, amit létrehoztunk,

what we did was we collected 1.5 million cases

1,5 millió esetet gyűjtöttünk össze

from all around the United States,

az Egyesült Államok területéről,

from cities, from counties,

városokból, megyékből,

from every single state in the country,

az ország minden egyes államából,

the federal districts.

szövetségi kerületéből.

And with those 1.5 million cases,

És ebből a 1,5 millió esetből,

which is the largest data set on pretrial

mely a tárgyalás előtt álló ügyek

in the United States today,

legnagyobb adatbázisa ma Amerikában,

we were able to basically find that there were

azt láttuk,

900-plus risk factors that we could look at

hogy több mint 900 rizikófaktor áll rendelkezésünkre,

to try to figure out what mattered most.

hogy megpróbáljuk kiszűrni, mi számít a legjobban.

Kilenc jól körülhatárolható faktort találtunk,

And we found that there were nine specific things

that mattered all across the country

ami az országban mindenütt lényeges tényező volt,

and that were the most highly predictive of risk.

és ami a legmeghatározóbb volt a kockázat előrejelzésében.

And so we built a universal risk assessment tool.

Létrehoztunk tehát egy univerzális kockázatelemző programot.

And it looks like this.

Így néz ki.

As you'll see, we put some information in,

Amint látják, beírunk néhány információt,

but most of it is incredibly simple,

a többségük roppant egyszerű,

it's easy to use,

könnyű használni,

it focuses on things like the defendant's prior convictions,

olyan adatokra koncentrál, mint a vádlott büntetett előélete,

whether they've been sentenced to incarceration,

ítélték-e már börtönbüntetésre,

whether they've engaged in violence before,

követett-e el korábban erőszakos cselekedetet,

whether they've even failed to come back to court.

előfordult-e, hogy nem jelent meg a bíróságon.

And with this tool, we can predict three things.

Ezzel az eszközzel három dolgot tudunk megjósolni.

First, whether or not someone will commit

Egy -- fog-e valaki újabb bűntettet

a new crime if they're released.

elkövetni, ha szabadon engedik.

Second, for the first time,

Kettő -- először vagyunk képesek arra,

and I think this is incredibly important,

és ezt hihetetlenül fontosnak tartom,

we can predict whether someone will commit

hogy megjósoljuk, fog-e valaki

an act of violence if they're released.

erőszakos bűntettet elkövetni, ha kiengedik.

And that's the single most important thing

Ez az egyedüli, legfontosabb dolog,

that judges say when you talk to them.

ha a bírákat kérdezzük.

And third, we can predict whether someone

És végül három -- megjósolhatjuk,

will come back to court.

hogy valaki megjelenik-e újra a bíróságon.

And every single judge in the United States of America can use it,

Az Egyesült Államok minden egyes bírája tudja ezt majd használni,

because it's been created on a universal data set.

mert egységes adatbázisra épül.

What judges see if they run the risk assessment tool

Ha a bírák lefuttatják a kockázatelemző programot,

is this -- it's a dashboard.

ezt látják majd: egy állapotjelentést.

At the top, you see the New Criminal Activity Score,

Felül látható az Új Bűnelkövetési Mutató,

six of course being the highest,

hatos a legmagasabb fokozat,

and then in the middle you see, "Elevated risk of violence."

középen pedig ez áll: "Fokozott erőszakveszély".

What that says is that this person

Ez azt jelenti, hogy ez az ember

is someone who has an elevated risk of violence

fokozottan hajlamos az erőszakra,

that the judge should look twice at.

és erre a bírónak nagyon figyelnie kell.

And then, towards the bottom,

Lefelé haladva láthatják

you see the Failure to Appear Score,

az Igazolatlan Távolmaradási Mutatót,

which again is the likelihood

amely annak a valószínűségét jelzi,

that someone will come back to court.

hogy valaki megjelenik-e majd a bíróságon.

És itt szeretnék elmondani valami nagyon fontosat.

Now I want to say something really important.

It's not that I think we should be eliminating

Nem arról van szó, hogy szerintem ki kell iktatni

the judge's instinct and experience

a bírói ösztönt és tapasztalatot

from this process.

ebből a folyamatból.

I don't.

Nem.

I actually believe the problem that we see

Azt gondolom, a probléma abban rejlik,

and the reason that we have these incredible system errors,

és a rendszernek ezek a döbbenetes hibái,

where we're incarcerating low-level, nonviolent people

hogy a kisstílű, erőszakra nem hajlamos embereket bebörtönözzük,

and we're releasing high-risk, dangerous people,

a magas kockázatú, veszélyes bűnözőket pedig szabadon engedjük,

is that we don't have an objective measure of risk.

abból adódnak, hogy nincs objektív kockázatfelmérő eszközünk.

But what I believe should happen

A megoldás szerintem az,

is that we should take that data-driven risk assessment

hogy ezt az adatvezérelt kockázatelemzést

and combine that with the judge's instinct and experience

ötvözzük a bírák megérzéseivel és tapasztalataival,

to lead us to better decision making.

hogy ezáltal jobb döntések születhessenek.

The tool went statewide in Kentucky on July 1,

Az eszközt július 1-én vezették be Kentucky államban,

and we're about to go up in a number of other U.S. jurisdictions.

és hamarosan több más amerikai bírósági körzet is csatlakozik.

Our goal, quite simply, is that every single judge

A célunk egész egyszerűen az, hogy az Egyesült Államokban

in the United States will use a data-driven risk tool

öt éven belül minden egyes bíró használjon

within the next five years.

adatvezérelt kockázatelemző programot.

We're now working on risk tools

Jelenleg hasonló eszközök

for prosecutors and for police officers as well,

kifejlesztésén dolgozunk ügyészek és rendőrtisztek számára is,

to try to take a system that runs today

hogy az Amerikában jelenleg fennálló rendszert,

in America the same way it did 50 years ago,

amely 50 éve változatlanul

based on instinct and experience,

megérzések és tapasztalatok alapján működik,

and make it into one that runs

átalakítsuk egy adatvezérelt,

on data and analytics.

elemzésekre támaszkodó rendszerré.

Now, the great news about all this,

A jó hír az,

and we have a ton of work left to do,

bár rengeteg munka áll még előttünk,

and we have a lot of culture to change,

és értékrendszereken kell változtatnunk,

but the great news about all of it

a jó hír mégis az,

is that we know it works.

hogy tudjuk, hogy működik.

It's why Google is Google,

Ezért Google a Google,

and it's why all these baseball teams use moneyball

és ezért használják a baseballcsapatok a "moneyball"-t

to win games.

a győzelem érdekében.

The great news for us as well

Számunkra a jó hír az,

is that it's the way that we can transform

hogy ezzel a módszerrel átalakíthatjuk

the American criminal justice system.

Amerika igazságszolgáltatási rendszerét.

It's how we can make our streets safer,

Biztonságosabbá tehetjük az utcáinkat,

we can reduce our prison costs,

csökkenthetjük a börtönök költségeit,

and we can make our system much fairer

korrektebbé és igazságosabbá tehetjük

and more just.

vele a rendszerünket.

Some people call it data science.

Vannak, akik ezt adattudománynak hívják.

I call it moneyballing criminal justice.

Én úgy hívom: adatvezérelt igazságszolgáltatás.

Thank you.

Köszönöm.

(Applause)

(Taps)