Your company's data could help end world hunger | Mallory Freeman

53,564 views ・ 2016-11-29

TED


Fare doppio clic sui sottotitoli in inglese per riprodurre il video.

Traduttore: Federico MINELLE Revisore: Marta Montanaro
00:12
June 2010.
0
12880
1760
Giugno 2010.
00:15
I landed for the first time in Rome, Italy.
1
15760
2880
Atterrai per la prima volta a Roma, Italia.
00:19
I wasn't there to sightsee.
2
19800
1896
Non ero lì per una visita turistica.
00:21
I was there to solve world hunger.
3
21720
3120
Ero lì per risolvere il problema della fame nel mondo
(Risate)
00:25
(Laughter)
4
25160
2096
00:27
That's right.
5
27280
1216
Giusto.
00:28
I was a 25-year-old PhD student
6
28520
2096
Ero una studentessa 25enne di dottorato
00:30
armed with a prototype tool developed back at my university,
7
30640
3096
armata di un prototipo sviluppato presso la mia università
00:33
and I was going to help the World Food Programme fix hunger.
8
33760
3080
e stavo andando a dare una mano nel World Food Programme.
00:37
So I strode into the headquarters building
9
37840
2736
Così sono entrata a grandi passi nel quartier generale
00:40
and my eyes scanned the row of UN flags,
10
40600
2816
e i miei occhi esaminarono la fila di bandiere dell'ONU,
00:43
and I smiled as I thought to myself,
11
43440
1960
e sorrisi pensando a me stessa,
00:46
"The engineer is here."
12
46840
1616
"L'ingegnere è qui."
00:48
(Laughter)
13
48480
2216
(Risate)
00:50
Give me your data.
14
50720
1776
Datemi i vostri dati.
00:52
I'm going to optimize everything.
15
52520
2176
Sono pronta a ottimizzare tutto.
00:54
(Laughter)
16
54720
1736
(Risate)
00:56
Tell me the food that you've purchased,
17
56480
1896
Ditemi che cibo avete comprato,
00:58
tell me where it's going and when it needs to be there,
18
58400
2616
dove è diretto e quando è necessario che arrivi,
e vi dirò il più breve, veloce, economico,
01:01
and I'm going to tell you the shortest, fastest, cheapest,
19
61040
2736
01:03
best set of routes to take for the food.
20
63800
1936
il migliore tragitto da far prendere al cibo.
01:05
We're going to save money,
21
65760
1496
Risparmieremo danaro,
01:07
we're going to avoid delays and disruptions,
22
67280
2096
eviteremo ritardi e interruzioni,
01:09
and bottom line, we're going to save lives.
23
69400
2736
e come risultato finale, salveremo delle vite.
Siete benvenuta.
01:12
You're welcome.
24
72160
1216
01:13
(Laughter)
25
73400
1696
(Risate)
Pensavo ci sarebbero voluti 12 mesi,
01:15
I thought it was going to take 12 months,
26
75120
1976
Ok, forse 13.
01:17
OK, maybe even 13.
27
77120
1560
01:19
This is not quite how it panned out.
28
79800
2280
Non è proprio come è andata a finire.
01:23
Just a couple of months into the project, my French boss, he told me,
29
83600
3776
Dopo appena un paio di mesi nel progetto, il mio capo francese mi disse:
01:27
"You know, Mallory,
30
87400
1816
"Sai, Mallory,
01:29
it's a good idea,
31
89240
1656
è una buona idea,
01:30
but the data you need for your algorithms is not there.
32
90920
3336
ma i dati che ti servono per il tuo algoritmo non ci sono.
01:34
It's the right idea but at the wrong time,
33
94280
2536
È l'idea giusta, ma al momento sbagliato,
01:36
and the right idea at the wrong time
34
96840
2296
E l'idea giusta al momento sbagliato
è una idea sbagliata."
01:39
is the wrong idea."
35
99160
1376
01:40
(Laughter)
36
100560
1320
(Risate)
01:42
Project over.
37
102960
1280
Progetto chiuso.
Ero a pezzi.
01:45
I was crushed.
38
105120
1200
Ora, quando ripenso
01:49
When I look back now
39
109000
1456
01:50
on that first summer in Rome
40
110480
1656
a quella prima estate a Roma
e a quanto tutto sia cambiato negli ultimi sei anni...
01:52
and I see how much has changed over the past six years,
41
112160
2656
01:54
it is an absolute transformation.
42
114840
2240
è una trasformazione totale.
01:57
It's a coming of age for bringing data into the humanitarian world.
43
117640
3400
È arrivato il momento di portare i dati nel mondo umanitario.
È eccitante. È stimolante.
02:02
It's exciting. It's inspiring.
44
122160
2656
02:04
But we're not there yet.
45
124840
1200
Ma non ci siamo ancora.
02:07
And brace yourself, executives,
46
127320
2296
E tenetevi forte, direttori,
02:09
because I'm going to be putting companies
47
129640
1976
poichè sto per mettere le aziende
02:11
on the hot seat to step up and play the role that I know they can.
48
131640
3120
nella posizione di fare quello di cui veramente capaci.
02:17
My experiences back in Rome prove
49
137520
2816
La mia esperienza a Roma dimostra
02:20
using data you can save lives.
50
140360
2080
che utilizzare i dati può salvare vite.
02:23
OK, not that first attempt,
51
143440
2456
Ok, non al primo tentativo,
02:25
but eventually we got there.
52
145920
2576
ma alla fine ci riescono.
02:28
Let me paint the picture for you.
53
148520
1736
Lasciate che vi dia un'idea.
02:30
Imagine that you have to plan breakfast, lunch and dinner
54
150280
2736
Pensate di dover pianificare colazione, pranzo e cena
per 500.000 persone,
02:33
for 500,000 people,
55
153040
1616
02:34
and you only have a certain budget to do it,
56
154680
2136
e avete un certo budget per farlo,
02:36
say 6.5 million dollars per month.
57
156840
2240
diciamo 6,5 milioni di dollari al mese.
02:40
Well, what should you do? What's the best way to handle it?
58
160920
2762
Cosa dovreste fare? Quale è il modo migliore per gestirlo?
02:44
Should you buy rice, wheat, chickpea, oil?
59
164280
2760
Comprereste riso, frumento, ceci, olio?
02:47
How much?
60
167760
1216
Quanto?
Sembra facile. Non lo è.
02:49
It sounds simple. It's not.
61
169000
2136
Ci sono 30 possibili alimenti, dovete sceglierne 5 tra questi.
02:51
You have 30 possible foods, and you have to pick five of them.
62
171160
3216
02:54
That's already over 140,000 different combinations.
63
174400
3416
Ci sono più di 140.000 differenti combinazioni.
02:57
Then for each food that you pick,
64
177840
1696
Poi per ogni alimento scelto,
02:59
you need to decide how much you'll buy,
65
179560
1976
dovete decidere quanto ne comprerete,
03:01
where you're going to get it from,
66
181560
1696
da dove lo farete arrivare,
03:03
where you're going to store it,
67
183280
1480
dove lo immagazzinerete,
03:05
how long it's going to take to get there.
68
185760
1976
quanto tempo ci vorrà per portarlo là.
03:07
You need to look at all of the different transportation routes as well.
69
187760
3336
Vi serve anche considerare tutte le diverse possibilità di trasporto.
Sono già più di 900 milioni di opzioni.
03:11
And that's already over 900 million options.
70
191120
2080
Se considerate ogni opzione per un solo secondo,
03:14
If you considered each option for a single second,
71
194120
2376
03:16
that would take you over 28 years to get through.
72
196520
2336
servirebbero più di 28 anni per valutarle tutte.
03:18
900 million options.
73
198880
1520
900 milioni di opzioni.
Così abbiamo creato uno strumento che consente
03:21
So we created a tool that allowed decisionmakers
74
201160
2456
03:23
to weed through all 900 million options
75
203640
2616
di valutare tutte le 900 milioni di possibilità
03:26
in just a matter of days.
76
206280
1360
in solo pochi giorni.
03:28
It turned out to be incredibly successful.
77
208560
2240
Si è rivelato avere un gran successo.
03:31
In an operation in Iraq,
78
211400
1256
In un intervento in Iraq,
03:32
we saved 17 percent of the costs,
79
212680
2536
abbiamo risparmiato il 17% dei costi,
03:35
and this meant that you had the ability to feed an additional 80,000 people.
80
215240
4136
e questo ha significato la possibilità di sfamare ulteriori 80.000 persone.
03:39
It's all thanks to the use of data and modeling complex systems.
81
219400
4400
Tutto grazie all'uso dei dati e dei modelli per sistemi complessi.
03:44
But we didn't do it alone.
82
224800
1280
Ma non l'abbiamo fatto da soli.
03:46
The unit that I worked with in Rome, they were unique.
83
226840
2736
L'unità con la quale lavoravo a Roma era eccezionale.
03:49
They believed in collaboration.
84
229600
1736
Credeva nella collaborazione.
03:51
They brought in the academic world.
85
231360
1696
Ha coinvolto il mondo accademico,
le aziende.
03:53
They brought in companies.
86
233080
1280
03:55
And if we really want to make big changes in big problems like world hunger,
87
235200
3616
Se davvero si vuol fare qualcosa per i grandi problemi, come la fame nel mondo,
03:58
we need everybody to the table.
88
238840
2560
occorre mettersi tutti intorno al tavolo.
Servono i dati dalle organizzazioni umanitarie
04:02
We need the data people from humanitarian organizations
89
242040
2936
per aprire la strada
04:05
leading the way,
90
245000
1256
04:06
and orchestrating just the right types of engagements
91
246280
2576
e coordinare l'intervento più adeguato
04:08
with academics, with governments.
92
248880
1696
assieme alle università, ai governi.
04:10
And there's one group that's not being leveraged in the way that it should be.
93
250600
3696
E c'è un gruppo che non è sfruttato a dovere.
04:14
Did you guess it? Companies.
94
254320
2096
Sapete quale? Le aziende.
04:16
Companies have a major role to play in fixing the big problems in our world.
95
256440
3600
Le aziende hanno un ruolo fondamentale nel risolvere i problemi del mondo.
04:20
I've been in the private sector for two years now.
96
260880
2416
Lavoro nel settore privato da due anni.
04:23
I've seen what companies can do, and I've seen what companies aren't doing,
97
263320
3576
Ho visto cosa le aziende possono fare, e cosa invece non fanno,
04:26
and I think there's three main ways that we can fill that gap:
98
266920
3376
e penso ci siano almeno 3 modi per colmare questa divergenza:
04:30
by donating data, by donating decision scientists
99
270320
3096
donando dati, donando esperti dei processi decisionali
04:33
and by donating technology to gather new sources of data.
100
273440
3480
e donando la tecnologia per raccogliere nuove fonti di dati.
04:37
This is data philanthropy,
101
277920
1576
Questa è filantropia di dati,
04:39
and it's the future of corporate social responsibility.
102
279520
2840
ed è il futuro della responsabilità sociale delle imprese.
In più dimostra anche buon senso negli affari.
04:43
Bonus, it also makes good business sense.
103
283160
2600
04:46
Companies today, they collect mountains of data,
104
286920
3216
Le aziende, oggi, raccolgono montagne di dati,
perciò la prima cosa da fare è iniziare a donarli.
04:50
so the first thing they can do is start donating that data.
105
290160
2762
04:52
Some companies are already doing it.
106
292946
2190
Alcune aziende lo fanno già.
Pensate ad un'importante compagnia telefonica.
04:55
Take, for example, a major telecom company.
107
295160
2416
04:57
They opened up their data in Senegal and the Ivory Coast
108
297600
2776
Ha aperto l'accesso ai dati in Senegal e Costa d'Avorio
05:00
and researchers discovered
109
300400
1976
e i ricercatori hanno scoperto
05:02
that if you look at the patterns in the pings to the cell phone towers,
110
302400
3334
che se si misura l'andamento dei PING verso i ripetitori per cellulari,
05:05
you can see where people are traveling.
111
305758
1938
si può vedere dove viaggiano le persone.
05:07
And that can tell you things like
112
307720
2176
E questo può dirci, ad esempio,
05:09
where malaria might spread, and you can make predictions with it.
113
309920
3096
dove potrebbe diffondersi la malaria, e trarne così previsioni.
Oppure un'innovativa azienda satellitare:
05:13
Or take for example an innovative satellite company.
114
313040
2896
05:15
They opened up their data and donated it,
115
315960
2016
ha aperto l'accesso e donato i suoi dati,
e con tali dati si può osservare
05:18
and with that data you could track
116
318000
1656
05:19
how droughts are impacting food production.
117
319680
2040
l'impatto della siccità sulla produzione di cibo.
05:22
With that you can actually trigger aid funding before a crisis can happen.
118
322920
3680
Così si può agire prima che scoppi una crisi.
05:27
This is a great start.
119
327560
1280
Questo è un buon inizio.
05:29
There's important insights just locked away in company data.
120
329840
2880
Ci sono informazioni importanti nei database aziendali.
05:34
And yes, you need to be very careful.
121
334480
1816
E sì, bisogna essere molto cauti.
05:36
You need to respect privacy concerns, for example by anonymizing the data.
122
336320
3576
Va mantenuta la privacy, per esempio attraverso l'anonimato.
05:39
But even if the floodgates opened up,
123
339920
2776
Tuttavia, anche se le barriere si aprissero,
05:42
and even if all companies donated their data
124
342720
2536
e tutte le aziende donassero i loro dati
05:45
to academics, to NGOs, to humanitarian organizations,
125
345280
3256
a università, ONG e organizzazioni umanitarie,
05:48
it wouldn't be enough to harness that full impact of data
126
348560
2976
non sarebbe sufficiente il controllare tutti questi dati
05:51
for humanitarian goals.
127
351560
1520
per finalità umanitarie.
05:54
Why?
128
354320
1456
Perchè?
05:55
To unlock insights in data, you need decision scientists.
129
355800
3240
Per comprendere i dati servono esperti decisionali.
05:59
Decision scientists are people like me.
130
359760
2576
Gli esperti decisionali sono persone come me.
06:02
They take the data, they clean it up,
131
362360
1816
Prendono i dati, li puliscono, li trasformano
06:04
transform it and put it into a useful algorithm
132
364200
2256
per inserirli in un utile algoritmo
06:06
that's the best choice to address the business need at hand.
133
366480
2840
che sia la scelta migliore per l'argomento in questione.
06:09
In the world of humanitarian aid, there are very few decision scientists.
134
369800
3696
Nel mondo umanitario, gli esperti decisionali sono pochi.
06:13
Most of them work for companies.
135
373520
1640
La maggior parte lavora per aziende.
06:16
So that's the second thing that companies need to do.
136
376480
2496
La seconda cosa da fare per le aziende,
oltre a donare dati,
06:19
In addition to donating their data,
137
379000
1696
06:20
they need to donate their decision scientists.
138
380720
2160
dovrebbero donare i loro esperti decisionali.
06:23
Now, companies will say, "Ah! Don't take our decision scientists from us.
139
383520
5736
Le aziende diranno: "Ah! Non prendeteci i nostri esperti!
06:29
We need every spare second of their time."
140
389280
2040
Abbiamo bisogno di ogni briciola del loro tempo."
06:32
But there's a way.
141
392360
1200
Ma c'è un modo.
06:35
If a company was going to donate a block of a decision scientist's time,
142
395200
3416
Se un'azienda donasse il tempo di un esperto,
06:38
it would actually make more sense to spread out that block of time
143
398640
3136
avrebbe più senso distribuire tale tempo
06:41
over a long period, say for example five years.
144
401800
2200
in un lungo periodo, per esempio 5 anni.
06:44
This might only amount to a couple of hours per month,
145
404600
3056
Corrispondono circa a 2 ore al mese,
06:47
which a company would hardly miss,
146
407680
2056
l'azienda quasi non se ne accorgerebbe,
06:49
but what it enables is really important: long-term partnerships.
147
409760
3480
ma che attiverebbero una collaborazione a lungo termine.
06:54
Long-term partnerships allow you to build relationships,
148
414920
2816
La collaborazione a lungo termine consente di sviluppare relazioni,
06:57
to get to know the data, to really understand it
149
417760
2656
di conoscere i dati, di comprenderli realmente
07:00
and to start to understand the needs and challenges
150
420440
2416
e di cominciare a capire le necessità e le sfide
07:02
that the humanitarian organization is facing.
151
422880
2160
che le organizzazioni umanitarie affrontano.
07:06
In Rome, at the World Food Programme, this took us five years to do,
152
426345
3191
A Roma, al WFP, ci sono voluti 5 anni,
07:09
five years.
153
429560
1456
5 anni.
I primi 3 anni, a pensare che fosse tutto irrisolvibile,
07:11
That first three years, OK, that was just what we couldn't solve for.
154
431040
3336
07:14
Then there was two years after that of refining and implementing the tool,
155
434400
3496
mentre i 2 anni successivi ad affinare e provare lo strumento,
07:17
like in the operations in Iraq and other countries.
156
437920
2800
come negli interventi in Iraq e in altri paesi.
07:21
I don't think that's an unrealistic timeline
157
441520
2096
Non credo sia un lasso di tempo irrealistico
07:23
when it comes to using data to make operational changes.
158
443640
2736
quando si tratta di usare dati per fare cambiamenti operativi.
07:26
It's an investment. It requires patience.
159
446400
2400
E' un investimento. Richiede pazienza.
07:29
But the types of results that can be produced are undeniable.
160
449760
3496
Ma i risultati che si ottengono sono innegabili.
07:33
In our case, it was the ability to feed tens of thousands more people.
161
453280
3560
Nel nostro caso, è stato lo sfamare decine di migliaia di persone in più.
07:39
So we have donating data, we have donating decision scientists,
162
459440
4336
Quindi abbiamo donazione di dati, donazione di esperti decisionali,
07:43
and there's actually a third way that companies can help:
163
463800
2696
ma c'è un altro modo in cui le aziende possono aiutare:
07:46
donating technology to capture new sources of data.
164
466520
2976
donando la tecnologia per acquisire nuove fonti di dati.
07:49
You see, there's a lot of things we just don't have data on.
165
469520
2840
Vedete, ci sono molte cose del quale non possediamo dati.
07:52
Right now, Syrian refugees are flooding into Greece,
166
472960
2720
Proprio ora, i rifugiati siriani si stanno riversando in Grecia,
e l'agenzia ONU per i rifugiati ha raggiunto il limite.
07:57
and the UN refugee agency, they have their hands full.
167
477120
2560
L'attuale sistema di identificazione è fatto con carta e penna
08:01
The current system for tracking people is paper and pencil,
168
481000
3056
e questo significa che
08:04
and what that means is
169
484080
1256
08:05
that when a mother and her five children walk into the camp,
170
485360
2856
quando una madre e i suoi cinque figli vagano nel campo
08:08
headquarters is essentially blind to this moment.
171
488240
2656
il quartier generale non ne è a conoscenza.
08:10
That's all going to change in the next few weeks,
172
490920
2336
Questo dovrebbe cambiare nelle prossime settimane,
08:13
thanks to private sector collaboration.
173
493280
1880
grazie alla collaborazione con le imprese.
08:15
There's going to be a new system based on donated package tracking technology
174
495840
3656
Ci sarà un nuovo sistema basato su una tecnologia d'identificazione
08:19
from the logistics company that I work for.
175
499520
2040
donata dall'azienda per la quale lavoro.
Con questo nuovo sistema ci sarà traccia dei dati,
08:22
With this new system, there will be a data trail,
176
502120
2336
08:24
so you know exactly the moment
177
504480
1456
in modo da sapere esattamente
08:25
when that mother and her children walk into the camp.
178
505960
2496
quando quella madre e i suoi figli vagano nel campo.
08:28
And even more, you know if she's going to have supplies
179
508480
2616
E ancor più se riceverà provviste o altri beni
questo mese e quello dopo.
08:31
this month and the next.
180
511120
1256
08:32
Information visibility drives efficiency.
181
512400
3016
La visibilità delle informazioni guida l'efficienza.
08:35
For companies, using technology to gather important data,
182
515440
3256
Per le aziende, utilizzare la tecnologia per acquisire dati
08:38
it's like bread and butter.
183
518720
1456
è la cosa più facile.
08:40
They've been doing it for years,
184
520200
1576
Lo fanno da anni,
08:41
and it's led to major operational efficiency improvements.
185
521800
3256
e ciò porta a una maggiore efficienza operativa.
Provate a immaginare la vostra azienda di bevande preferita
08:45
Just try to imagine your favorite beverage company
186
525080
2360
08:48
trying to plan their inventory
187
528280
1576
che cerca di pianificare l'inventario
08:49
and not knowing how many bottles were on the shelves.
188
529880
2496
senza sapere quante bottiglie c'erano sugli scaffali.
08:52
It's absurd.
189
532400
1216
E' assurdo.
08:53
Data drives better decisions.
190
533640
1560
I dati guidano decisioni migliori.
08:57
Now, if you're representing a company,
191
537800
2536
Ora, se rappresentate un'azienda,
09:00
and you're pragmatic and not just idealistic,
192
540360
3136
e siete pragmatici, non solo idealista,
09:03
you might be saying to yourself, "OK, this is all great, Mallory,
193
543520
3056
potreste dirvi: "Ok, magnifico, Mallory,
09:06
but why should I want to be involved?"
194
546600
1840
ma perché dovrei voler fare qualcosa?"
Ad esempio, oltre alle pubbliche relazioni,
09:09
Well for one thing, beyond the good PR,
195
549000
2816
09:11
humanitarian aid is a 24-billion-dollar sector,
196
551840
2776
gli aiuti umanitari sono un settore da $24 miliardi,
09:14
and there's over five billion people, maybe your next customers,
197
554640
3056
con oltre 5 miliardi di persone, forse vostri futuri clienti,
09:17
that live in the developing world.
198
557720
1816
che vivono in un paese in via di sviluppo.
09:19
Further, companies that are engaging in data philanthropy,
199
559560
3096
Inoltre, le aziende impegnate nella filantropia di dati
09:22
they're finding new insights locked away in their data.
200
562680
2976
trovano nuove informazioni racchiuse nei propri dati.
09:25
Take, for example, a credit card company
201
565680
2256
Per esempio, un'azienda di carte di credito
09:27
that's opened up a center
202
567960
1336
che ha aperto un centro
09:29
that functions as a hub for academics, for NGOs and governments,
203
569320
3376
che funge da punto di raccolta per accademici, ONG e governi
09:32
all working together.
204
572720
1240
che lavorano tutti insieme.
Cercano informazioni sui furti di carte di credito
09:35
They're looking at information in credit card swipes
205
575040
2736
09:37
and using that to find insights about how households in India
206
577800
2976
e ottengono informazioni su come le famiglie in India
09:40
live, work, earn and spend.
207
580800
1720
vivono, lavorano, guadagnano e spendono.
09:43
For the humanitarian world, this provides information
208
583680
2576
Per l'aiuto umanitario, fornisce informazioni
09:46
about how you might bring people out of poverty.
209
586280
2656
su come si potrebbe far uscire la gente dalla povertà.
09:48
But for companies, it's providing insights about your customers
210
588960
3016
Per le aziende, fornisce informazioni sui loro clienti
e potenziali clienti in India.
09:52
and potential customers in India.
211
592000
2040
09:54
It's a win all around.
212
594760
1800
Ognuno ci guadagna qualcosa.
09:57
Now, for me, what I find exciting about data philanthropy --
213
597960
3776
Per me, quello che trovo emozionante della filantropia di dati,
10:01
donating data, donating decision scientists and donating technology --
214
601760
4336
cioè donare dati, esperti decisionali e tecnologia,
è il suo significato per i giovani professionisti come me
10:06
it's what it means for young professionals like me
215
606120
2376
10:08
who are choosing to work at companies.
216
608520
1840
che hanno deciso di lavorare in azienda.
10:10
Studies show that the next generation of the workforce
217
610800
2656
Gli studi mostrano che la prossima generazione di lavoratori
10:13
care about having their work make a bigger impact.
218
613480
2560
voglia far sì che il lavoro abbia un maggior impatto.
10:16
We want to make a difference,
219
616920
2456
Noi vogliamo fare la differenza,
10:19
and so through data philanthropy,
220
619400
2416
e così attraverso la filantropia dei dati,
10:21
companies can actually help engage and retain their decision scientists.
221
621840
3936
le aziende possono coinvolgere realmente i propri esperti.
10:25
And that's a big deal for a profession that's in high demand.
222
625800
2880
Ed è un grande affare per una professione molto richiesta.
10:29
Data philanthropy makes good business sense,
223
629840
3120
La filantropia di dati dimostra buon senso per gli affari,
10:34
and it also can help revolutionize the humanitarian world.
224
634200
3280
e può anche aiutare a rivoluzionare il mondo umanitario.
10:39
If we coordinated the planning and logistics
225
639600
2096
Se coordinassimo la pianificazione e la logistica
10:41
across all of the major facets of a humanitarian operation,
226
641720
3376
dei maggiori aspetti di un intervento umanitario,
potremmo nutrire, vestire e proteggere centinaia di migliaia di persone,
10:45
we could feed, clothe and shelter hundreds of thousands more people,
227
645120
3600
10:49
and companies need to step up and play the role that I know they can
228
649440
4256
e le aziende dovrebbero farsi avanti e fare quelle che sanno fare bene
10:53
in bringing about this revolution.
229
653720
1880
nel portare avanti questa rivoluzione.
10:56
You've probably heard of the saying "food for thought."
230
656720
2936
Forse avete sentito il modo di dire: "cibo per la mente".
10:59
Well, this is literally thought for food.
231
659680
2240
Bene, questo è letteralmente "mente per il cibo".
11:03
It finally is the right idea at the right time.
232
663560
4136
È finalmente l'idea giusta al momento giusto.
11:07
(Laughter)
233
667720
1216
(Risate)
11:08
Très magnifique.
234
668960
1576
Très magnifique.
11:10
Thank you.
235
670560
1216
Grazie.
11:11
(Applause)
236
671800
2851
(Applausi)
A proposito di questo sito web

Questo sito vi presenterà i video di YouTube utili per l'apprendimento dell'inglese. Vedrete lezioni di inglese tenute da insegnanti di alto livello provenienti da tutto il mondo. Fate doppio clic sui sottotitoli in inglese visualizzati su ogni pagina video per riprodurre il video da lì. I sottotitoli scorrono in sincronia con la riproduzione del video. Se avete commenti o richieste, contattateci tramite questo modulo di contatto.

https://forms.gle/WvT1wiN1qDtmnspy7