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

מתרגם: Evgeny Fabia מבקר: Zeeva Livshitz

June 2010.

יוני 2010.

I landed for the first time in Rome, Italy.

נחתתי בפעם הראשונה ברומא, איטליה.

I wasn't there to sightsee.

לא הגעתי לשם כתיירת.

I was there to solve world hunger.

הגעתי לשם כדי לפתור את הרעב בעולם.

(Laughter)

(צחוק)

That's right.

בדיוק כך.

I was a 25-year-old PhD student

הייתי תלמידת דוקטורט בת 25

armed with a prototype tool developed back at my university,

חמושה באב-טיפוס של כלי שפותח באוניברסיטה שלי

and I was going to help the World Food Programme fix hunger.

והתכוונתי לעזור לתוכנית המזון העולמית לפתור את בעיית הרעב.

So I strode into the headquarters building

אז צעדתי לתוך בניין המטה

and my eyes scanned the row of UN flags,

ועיניי סרקו את שורת דגלי האו"ם,

and I smiled as I thought to myself,

וחייכתי כשחשבתי לעצמי,

"The engineer is here."

"המהנדסת כאן".

(Laughter)

(צחוק)

Give me your data.

תנו לי את הנתונים שלכם.

I'm going to optimize everything.

אני הולכת לייעל הכל.

(Laughter)

(צחוק)

Tell me the food that you've purchased,

ספרו לי מה המזון שרכשתם,

tell me where it's going and when it needs to be there,

לאיפה הוא הולך ומתי הוא צריך להיות שם

and I'm going to tell you the shortest, fastest, cheapest,

ואגיד לכם מה הדרך הקצרה, המהירה, הזולה,

best set of routes to take for the food.

המסלול הטוב ביותר שיש לבחור עבור האוכל.

We're going to save money,

אנחנו הולכים לחסוך כסף,

we're going to avoid delays and disruptions,

להימנע מעיכובים והפרעות,

and bottom line, we're going to save lives.

ובשורה התחתונה, אנחנו הולכים להציל חיים.

You're welcome.

העונג כולו שלי.

(Laughter)

(צחוק)

I thought it was going to take 12 months,

חשבתי שזה יקח 12 חודשים,

OK, maybe even 13.

אוקיי, אולי אפילו 13.

This is not quite how it panned out.

זה לא בדיוק איך שזה יצא.

Just a couple of months into the project, my French boss, he told me,

לאחר כמה חודשים בפרוייקט, המנהל הצרפתי שלי אמר לי

"You know, Mallory,

"את יודעת, מלורי,

it's a good idea,

"זה רעיון מוצלח,

but the data you need for your algorithms is not there.

"אבל הנתונים שאת צריכה לאלגוריתמים שלך אינם שם.

It's the right idea but at the wrong time,

"זה הרעיון הנכון אבל בזמן הלא נכון,

and the right idea at the wrong time

"והרעיון הנכון בזמן הלא נכון

is the wrong idea."

"זה הרעיון הלא נכון."

(Laughter)

(צחוק)

Project over.

סוף הפרויקט.

I was crushed.

הייתי שבורה.

When I look back now

כשאני מסתכלת אחורה עכשיו

on that first summer in Rome

על אותו קיץ ראשון ברומא

and I see how much has changed over the past six years,

ורואה עד כמה הדברים השתנו במשך שש השנים האחרונות,

it is an absolute transformation.

זה שינוי מוחלט.

It's a coming of age for bringing data into the humanitarian world.

הגיע הזמן להביא נתונים לתוך העולם ההומניטרי.

It's exciting. It's inspiring.

זה מרגש. זה מעורר השראה.

But we're not there yet.

אבל אנחנו עוד לא שם.

And brace yourself, executives,

והחזיקו חזק, מנהלים,

because I'm going to be putting companies

כי אני הולכת להושיב חברות

on the hot seat to step up and play the role that I know they can.

בכסא החם, כדי שיקומו וימלאו את התפקיד שלדעתי הם מסוגלים למלא.

My experiences back in Rome prove

הניסיון שלי ברומא מוכיח

using data you can save lives.

שבשימוש בנתונים ניתן להציל חיים.

OK, not that first attempt,

אוקי, לא הניסיון הראשון ההוא,

but eventually we got there.

אבל בסופו של דבר הגענו לשם.

Let me paint the picture for you.

תנו לי לצייר לכם את התמונה.

Imagine that you have to plan breakfast, lunch and dinner

דמיינו שאתם צריכים לתכנן ארוחת בוקר, צהריים וערב

for 500,000 people,

עבור 500,000 איש,

and you only have a certain budget to do it,

ויש לכם תקציב מסויים כדי לעשות את זה.

say 6.5 million dollars per month.

נגיד 6.5 מיליון דולר לחודש.

Well, what should you do? What's the best way to handle it?

ובכן, מה תעשו? מה הדרך הטובה ביותר להתמודד עם זה?

Should you buy rice, wheat, chickpea, oil?

האם כדאי שתקנו אורז, חיטה, חומוס, שמן?

How much?

כמה?

It sounds simple. It's not.

זה נשמע פשוט. זה לא.

You have 30 possible foods, and you have to pick five of them.

יש לכם 30 סוגי מזונות אפשריים ואתם צריכים לבחור חמישה מהם.

That's already over 140,000 different combinations.

זה כבר יותר מ-140,000 צירופים שונים.

Then for each food that you pick,

אחר כך, עבור כל מזון שאתם בוחרים,

you need to decide how much you'll buy,

אתם צריכים להחליט כמה ממנו לקנות,

where you're going to get it from,

מאיפה להשיג אותו,

where you're going to store it,

איפה לאחסן אותו,

how long it's going to take to get there.

כמה זמן יקח לו להגיע לשם.

You need to look at all of the different transportation routes as well.

אתם גם צריכים לבחון את כל מסלולי השינוע השונים.

And that's already over 900 million options.

זה כבר מעל 900 מיליון אפשרויות.

If you considered each option for a single second,

אם אתם שוקלים כל אפשרות במשך שניה אחת,

that would take you over 28 years to get through.

יקח לכם יותר מעל 28 שנים לעבור על הכל.

900 million options.

900 מיליון אפשרויות.

So we created a tool that allowed decisionmakers

אז יצרנו כלי שאיפשר למקבלי החלטות

to weed through all 900 million options

לפלס שביל דרך כל 900 מיליון האפשרויות

in just a matter of days.

תוך ימים בודדים בלבד.

It turned out to be incredibly successful.

הסתבר שזה הצליח באופן בלתי יאמן.

In an operation in Iraq,

במבצע בעיראק,

we saved 17 percent of the costs,

חסכנו 17 אחוז מהעלויות,

and this meant that you had the ability to feed an additional 80,000 people.

וזה אומר שיכולנו להאכיל 80,000 איש נוספים.

It's all thanks to the use of data and modeling complex systems.

כל זה הודות לשימוש בנתונים ובניית מודלים של מערכות מורכבות.

But we didn't do it alone.

אבל לא עשינו את זה לבדנו.

The unit that I worked with in Rome, they were unique.

ביחידה שאיתה עבדתי ברומא, הם היו ייחודיים.

They believed in collaboration.

הם האמינו בשיתוף פעולה.

They brought in the academic world.

הם הביאו את העולם האקדמי.

They brought in companies.

הם הביאו חברות.

And if we really want to make big changes in big problems like world hunger,

ואם באמת אנחנו רוצים לעשות שינויים בבעיות גדולות כמו רעב עולמי,

we need everybody to the table.

אנחנו צריכים את כולם סביב השולחן.

We need the data people from humanitarian organizations

אנחנו צריכים את אנשי הנתונים מאירגונים הומניטריים

leading the way,

שיובילו את הדרך,

and orchestrating just the right types of engagements

וינצחו על השידוך הנכון

with academics, with governments.

עם אנשי אקדמיה וממשלות.

And there's one group that's not being leveraged in the way that it should be.

יש קבוצה אחת שלא ממונפת בדרך שהיא צריכה להיות.

Did you guess it? Companies.

ניחשתם מי? חברות.

Companies have a major role to play in fixing the big problems in our world.

לחברות יש תפקיד מרכזי בתיקון הבעיות הגדולות בעולמנו.

I've been in the private sector for two years now.

אני פועלת במגזר הפרטי, כבר שנתיים.

I've seen what companies can do, and I've seen what companies aren't doing,

ראיתי מה חברות יכולות לעשות וראיתי מה הן לא עושות,

and I think there's three main ways that we can fill that gap:

ואני חושבת שיש שלוש דרכים עיקריות שבאמצעותן אפשר לסגור את הפער:

by donating data, by donating decision scientists

על ידי תרומת נתונים, על ידי תרומת מדענים המתמחים בקבלת החלטות

and by donating technology to gather new sources of data.

ותרומת טכנולוגיה לאיסוף מקורות נתונים חדשים.

This is data philanthropy,

זו נדבנות של נתונים.

and it's the future of corporate social responsibility.

וזה העתיד של אחריות חברתית תאגידית.

Bonus, it also makes good business sense.

כבונוס, זה גם הגיוני מבחינה עסקית.

Companies today, they collect mountains of data,

חברות היום אוספות הררי נתונים,

so the first thing they can do is start donating that data.

אז הדבר הראשון שהן יכולות לעשות זה לתרום את הנתונים האלו.

Some companies are already doing it.

חברות אחדות כבר עושות את זה.

Take, for example, a major telecom company.

קחו למשל חברת תקשורת גדולה.

They opened up their data in Senegal and the Ivory Coast

הם פתחו את מאגר הנתונים שלהם בסנגל ובחוף השנהב

and researchers discovered

והחוקרים גילו

that if you look at the patterns in the pings to the cell phone towers,

שאם אתם מסתכלים על התבניות של הפינגים לעמודי הטלפונים הניידים,

you can see where people are traveling.

אתם יכולים לראות לאן אנשים נוסעים.

And that can tell you things like

וזה יכול לומר לכם דברים כמו

where malaria might spread, and you can make predictions with it.

איפה המלריה עלולה להתפשט ואתם יכולים לבנות עם זה תחזיות.

Or take for example an innovative satellite company.

או קחו למשל חברת לוויינים חדשנית.

They opened up their data and donated it,

הם פתחו ותרמו את הנתונים שלהם

and with that data you could track

ובאמצעותם אתם יכולים לעקוב

how droughts are impacting food production.

איך בצורות משפיעות על ייצור מזון.

With that you can actually trigger aid funding before a crisis can happen.

כך אפשר להתניע מימון לסיוע לפני שהמשבר פורץ.

This is a great start.

זאת התחלה נהדרת.

There's important insights just locked away in company data.

יש תובנות חשובות שנעולות בנתונים של חברות.

And yes, you need to be very careful.

וכן, אתם צריכים להיות מאד זהירים.

You need to respect privacy concerns, for example by anonymizing the data.

אתם צריכים לכבד ענייני פרטיות, למשל על ידי הפיכת הנתונים לאנונימיים.

But even if the floodgates opened up,

אבל אפילו אם שערי שמיים היו נפתחים,

and even if all companies donated their data

וכל החברות היו תורמות את הנתונים שלהם

to academics, to NGOs, to humanitarian organizations,

לאנשי אקדמיה, לחברות לא ממשלתיות, לאירגוני סיוע הומניטריים,

it wouldn't be enough to harness that full impact of data

לא היה מספיק לרתום את כל שפע הנתונים

for humanitarian goals.

למטרות הומניטריות.

Why?

למה?

To unlock insights in data, you need decision scientists.

כדי להוציא תובנות מנתונים, צריך מדענים שמתמחים בקבלת החלטות.

Decision scientists are people like me.

מדענים אלו הם אנשים כמוני.

They take the data, they clean it up,

הם לוקחים את הנתונים, מנקים,

transform it and put it into a useful algorithm

משנים ומזינים אותם לתוך אלגוריתם שימושי

that's the best choice to address the business need at hand.

שהוא הבחירה הטובה ביותר לטיפול בצורך העיסקי שעל הפרק.

In the world of humanitarian aid, there are very few decision scientists.

בעולם הסיוע ההומניטרי, יש מעט מאד מדעני החלטות.

Most of them work for companies.

רובם עובדים עבור חברות.

So that's the second thing that companies need to do.

לכן זה הדבר השני שחברות צריכות לעשות.

In addition to donating their data,

בנוסף לתרומת הנתונים שלהם,

they need to donate their decision scientists.

הם צריכים לתרום את מדעני ההחלטות שלהם.

Now, companies will say, "Ah! Don't take our decision scientists from us.

עכשיו, חברות יגידו "אל תיקחו את המדענים האלה מאיתנו.

We need every spare second of their time."

"אנחנו צריכים כל שניה מזמנם".

But there's a way.

אבל יש דרך.

If a company was going to donate a block of a decision scientist's time,

אם חברה תתרום כמות מסויימת של זמן-מדענים,

it would actually make more sense to spread out that block of time

יהיה למעשה הגיון רב יותר בפריסת הזמן הזה

over a long period, say for example five years.

לאורך תקופה ארוכה, למשל חמש שנים.

This might only amount to a couple of hours per month,

זה בסך הכל יסתכם בכמה שעות בכל חודש,

which a company would hardly miss,

שחברה תרגיש בקושי בחסרונן,

but what it enables is really important: long-term partnerships.

אבל זה יאפשר משהו באמת חשוב: שותפות ארוכת-טווח.

Long-term partnerships allow you to build relationships,

שותפות ארוכת-טווח מאפשרת לכם לבנות יחסים,

to get to know the data, to really understand it

להכיר את הנתונים, באמת להבין אותם

and to start to understand the needs and challenges

ולהתחיל להבין את הצרכים והאתגרים

that the humanitarian organization is facing.

שאירגון הסיוע ההומניטרי מתמודד מולם.

In Rome, at the World Food Programme, this took us five years to do,

ברומא, בתוכנית המזון העולמית, לקח לנו חמש שנים לעשות את זה,

five years.

חמש שנים.

That first three years, OK, that was just what we couldn't solve for.

שלוש השנים הראשונות שהיו רק עבור מה שלא הצלחנו לפתור.

Then there was two years after that of refining and implementing the tool,

אחר כך היו שנתיים של ליטוש וישום של הכלי,

like in the operations in Iraq and other countries.

כמו במבצעים בעיראק ובמדינות אחרות.

I don't think that's an unrealistic timeline

אני לא חושבת שזה לוח זמנים בלתי מציאותי

when it comes to using data to make operational changes.

כשזה נוגע לשימוש בנתונים כדי לעשות שינויים תפעוליים.

It's an investment. It requires patience.

זאת השקעה. זה דורש סבלנות.

But the types of results that can be produced are undeniable.

אבל לא ניתן להתכחש לתוצאות שאפשר לקבל.

In our case, it was the ability to feed tens of thousands more people.

במקרה שלנו, זאת היתה היכולת להאכיל עשרות אלפי אנשים נוספים.

So we have donating data, we have donating decision scientists,

אז יש לנו תרומת נתונים, תרומת מדעני החלטות

and there's actually a third way that companies can help:

ויש למעשה דרך שלישית שבה חברות יכולות לסייע:

donating technology to capture new sources of data.

תרומת טכנולוגיה לאיסוף מקורות נתונים חדשים.

You see, there's a lot of things we just don't have data on.

תראו, יש לנו הרבה דברים שאין לנו נתונים לגביהם.

Right now, Syrian refugees are flooding into Greece,

נכון לעכשיו, פליטים סוריים מציפים את יוון,

and the UN refugee agency, they have their hands full.

וסוכנות הפליטים של האו"ם עמוסה מעל הראש.

The current system for tracking people is paper and pencil,

המערכת הנוכחית לניטור אנשים היא נייר ועיפרון

and what that means is

ומה שזה אומר הוא

that when a mother and her five children walk into the camp,

שכשאמא וחמשת הילדים שלה צועדים לתוך המחנה,

headquarters is essentially blind to this moment.

המטה למעשה עיוור לגבי הרגע הזה.

That's all going to change in the next few weeks,

כל זה הולך להשתנות בשבועות הקרובים,

thanks to private sector collaboration.

תודות לשיתוף פעולה עם המגזר הפרטי.

There's going to be a new system based on donated package tracking technology

תהיה מערכת חדשה שמבוססת על טכנולוגיית ניטור חבילות שנתרמה

from the logistics company that I work for.

על ידי חברת הלוגיסטיקה שאני עובדת עבורה.

With this new system, there will be a data trail,

בעזרת המערכת החדשה הזאת יהיה נתיב מידע,

so you know exactly the moment

כך שתדעו במדויק מה הרגע

when that mother and her children walk into the camp.

בו האם וילדיה צועדים לתוך המחנה.

And even more, you know if she's going to have supplies

ויותר מכך, תדעו אם היא תקבל אספקה

this month and the next.

בחודש הזה, ובזה שאחריו.

Information visibility drives efficiency.

ניראות של מידע מניעה יעילות.

For companies, using technology to gather important data,

עבור חברות, שימוש בטכנולוגיה לאיסוף נתונים חשובים

it's like bread and butter.

הוא לחם חוקם.

They've been doing it for years,

הם עשו את זה במשך שנים

and it's led to major operational efficiency improvements.

וזה הביא לשיפורים תיפעוליים גדולים.

Just try to imagine your favorite beverage company

דמיינו את חברת המשקאות המועדפת עליכם

trying to plan their inventory

מנסה לתכנן את המלאי שלה

and not knowing how many bottles were on the shelves.

מבלי לדעת כמה בקבוקים יש על המדפים.

It's absurd.

זה מגוחך.

Data drives better decisions.

נתונים מובילים להחלטות טובות יותר.

Now, if you're representing a company,

עכשיו, אם אתם מייצגים חברה

and you're pragmatic and not just idealistic,

ואתם מעשיים ולא רק אידאליסטים,

you might be saying to yourself, "OK, this is all great, Mallory,

אתם עשויים לומר לעצמכם, "אוקי, כל זה טוב ויפה, מלורי,

but why should I want to be involved?"

"אבל למה שנרצה להיות מעורבים?"

Well for one thing, beyond the good PR,

דבר ראשון, מעבר ליחסי ציבור טובים,

humanitarian aid is a 24-billion-dollar sector,

סיוע הומניטרי זה שוק של 24 מיליארד דולרים

and there's over five billion people, maybe your next customers,

ויש בו מעל 5 מיליארד אנשים, שהם אולי הלקוחות הבאים שלכם,

that live in the developing world.

שחיים בעולם המתפתח.

Further, companies that are engaging in data philanthropy,

בנוסף, חברות שמעורבות בתרומת נתונים,

they're finding new insights locked away in their data.

מוצאות תובנות חדשות שנעולות בנתונים שלהם.

Take, for example, a credit card company

קחו למשל, חברת אשראי

that's opened up a center

שפתחה מרכז

that functions as a hub for academics, for NGOs and governments,

שמתפקד כמרכז פעילות לאנשי אקדמיה, לחברות לא ממשלתיות וממשלות,

all working together.

שעובדים יחד.

They're looking at information in credit card swipes

הם מסתכלים על מידע בעסקאות אשראי

and using that to find insights about how households in India

ומשתמשים בו כדי למצוא תובנות איך בתי אב בהודו

live, work, earn and spend.

חיים, עובדים, משתכרים ומוציאים.

For the humanitarian world, this provides information

עבור עולם הסיוע ההומניטרי זה מספק נתונים

about how you might bring people out of poverty.

לאופן שבו אפשר להוציא אנשים ממעגל העוני.

But for companies, it's providing insights about your customers

אבל עבור חברות, זה מספק תובנות על הלקוחות שלהם

and potential customers in India.

ולקוחות פוטנציאלים בהודו.

It's a win all around.

זה משתלם מכל הכיוונים.

Now, for me, what I find exciting about data philanthropy --

עכשיו, עבורי, מה שמרגש אותי בתרומת נתונים –

donating data, donating decision scientists and donating technology --

תרומת נתונים, מדעני החלטות וטכנולוגיה –

it's what it means for young professionals like me

זו המשמעות של זה עבור אנשי מקצוע צעירים כמוני

who are choosing to work at companies.

שבוחרים לעבוד בחברות.

Studies show that the next generation of the workforce

מחקרים מראים שלדור הבא בכוח העבודה

care about having their work make a bigger impact.

אכפת שהעבודה שלהם תשאיר חותם גדול יותר.

We want to make a difference,

אנחנו רוצים לחולל שינוי,

and so through data philanthropy,

ולכן דרך תרומת נתונים,

companies can actually help engage and retain their decision scientists.

חברות יכולות לשפר את מעורבות ושימור מדעני קבלת ההחלטות שלהם.

And that's a big deal for a profession that's in high demand.

וזה עניין רציני במקצוע שיש לו דרישה גבוהה.

Data philanthropy makes good business sense,

תרומת נתונים היא שיקול עיסקי נכון

and it also can help revolutionize the humanitarian world.

והיא גם יכולה לעזור לחולל מהפכה בעולם הסיוע ההומניטרי.

If we coordinated the planning and logistics

אם היינו מתאמים את התיכנון והלוגיסטיקה

across all of the major facets of a humanitarian operation,

בכל ההיבטים העיקריים של מבצעי הסיוע,

we could feed, clothe and shelter hundreds of thousands more people,

היינו יכולים להאכיל, להלביש ולתת מחסה למאות אלפי אנשים נוספים,

and companies need to step up and play the role that I know they can

וחברות צריכות לקום ולמלא את התפקיד שאני יודעת שהן יכולות

in bringing about this revolution.

במימוש המהפכה הזאת.

You've probably heard of the saying "food for thought."

בטח שמעתם את הביטוי "מזון למחשבה".

Well, this is literally thought for food.

ובכן, זה בעצם מחשבה למזון.

It finally is the right idea at the right time.

סוף סוף, זה הרעיון הנכון בזמן הנכון.

(Laughter)

(צחוק)

Très magnifique.

טרה מגניפיק.

Thank you.

תודה לכם.

(Applause)

(מחיאות כפיים)