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

52,762 views ・ 2016-11-29

TED


Por favor, faça duplo clique nas legendas em inglês abaixo para reproduzir o vídeo.

Tradutor: Juliana Rodrigues Revisora: Margarida Ferreira
00:12
June 2010.
0
12880
1760
Junho de 2010.
00:15
I landed for the first time in Rome, Italy.
1
15760
2880
Aterrei pela primeira vez em Roma, Itália.
00:19
I wasn't there to sightsee.
2
19800
1896
Não estava lá para fazer turismo.
00:21
I was there to solve world hunger.
3
21720
3120
Estava lá para acabar com a fome no mundo.
00:25
(Laughter)
4
25160
2096
(Risos)
00:27
That's right.
5
27280
1216
É verdade.
00:28
I was a 25-year-old PhD student
6
28520
2096
Era uma aluna de doutoramento com 25 anos,
00:30
armed with a prototype tool developed back at my university,
7
30640
3096
armada com um protótipo desenvolvido na minha universidade,
00:33
and I was going to help the World Food Programme fix hunger.
8
33760
3080
e ia ajudar o Programa Alimentar Mundial a acabar com a fome.
00:37
So I strode into the headquarters building
9
37840
2736
Entrei decidida no edifício da sede
00:40
and my eyes scanned the row of UN flags,
10
40600
2816
e observei a fila de bandeiras das Nações Unidas,
00:43
and I smiled as I thought to myself,
11
43440
1960
enquanto sorria para mim mesma e pensava:
00:46
"The engineer is here."
12
46840
1616
"A engenheira chegou."
00:48
(Laughter)
13
48480
2216
(Risos)
00:50
Give me your data.
14
50720
1776
Deem-me os vossos dados.
00:52
I'm going to optimize everything.
15
52520
2176
Eu vou otimizar tudo!
00:54
(Laughter)
16
54720
1736
(Risos)
00:56
Tell me the food that you've purchased,
17
56480
1896
Digam-me que comida compraram,
00:58
tell me where it's going and when it needs to be there,
18
58400
2616
para onde a vão enviar e quando tem de chegar lá,
e eu mostrar-vos-ei o caminho mais curto, rápido e barato,
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
a rota ideal para fazer chegar a comida.
01:05
We're going to save money,
21
65760
1496
Iremos poupar dinheiro,
01:07
we're going to avoid delays and disruptions,
22
67280
2096
iremos evitar atrasos e perturbações,
01:09
and bottom line, we're going to save lives.
23
69400
2736
e, acima de tudo, iremos salvar vidas.
01:12
You're welcome.
24
72160
1216
Não precisam de agradecer.
01:13
(Laughter)
25
73400
1696
(Risos)
01:15
I thought it was going to take 12 months,
26
75120
1976
Eu pensava que iria demorar 12 meses,
01:17
OK, maybe even 13.
27
77120
1560
bem, talvez uns 13 meses.
01:19
This is not quite how it panned out.
28
79800
2280
Não foi bem assim que aconteceu.
01:23
Just a couple of months into the project, my French boss, he told me,
29
83600
3776
Alguns meses após o início do projeto, o meu chefe francês disse-me:
01:27
"You know, Mallory,
30
87400
1816
"Sabes, Mallory,
01:29
it's a good idea,
31
89240
1656
"é uma ideia boa,
01:30
but the data you need for your algorithms is not there.
32
90920
3336
"mas os dados que precisas para os teus algoritmos não existem.
01:34
It's the right idea but at the wrong time,
33
94280
2536
"É a ideia certa mas na altura errada,
01:36
and the right idea at the wrong time
34
96840
2296
"e a ideia certa na altura errada
01:39
is the wrong idea."
35
99160
1376
"é a ideia errada."
01:40
(Laughter)
36
100560
1320
(Risos)
01:42
Project over.
37
102960
1280
Fim do projeto.
01:45
I was crushed.
38
105120
1200
Fiquei arrasada.
01:49
When I look back now
39
109000
1456
Agora, quando olho para trás,
01:50
on that first summer in Rome
40
110480
1656
para esse primeiro verão em Roma,
01:52
and I see how much has changed over the past six years,
41
112160
2656
e vejo o quanto mudou nos últimos seis anos,
01:54
it is an absolute transformation.
42
114840
2240
percebo que foi uma grande mudança.
01:57
It's a coming of age for bringing data into the humanitarian world.
43
117640
3400
A utilização de dados no mundo humanitário está agora a amadurecer.
02:02
It's exciting. It's inspiring.
44
122160
2656
É entusiasmante. É inspirador.
02:04
But we're not there yet.
45
124840
1200
Mas ainda não chegámos lá.
02:07
And brace yourself, executives,
46
127320
2296
Executivos, preparem-se,
02:09
because I'm going to be putting companies
47
129640
1976
porque eu vou pôr empresas na berlinda,
02:11
on the hot seat to step up and play the role that I know they can.
48
131640
3120
para que avancem e desempenhem o papel que eu sei que podem desempenhar.
02:17
My experiences back in Rome prove
49
137520
2816
As minhas experiências em Roma
provam que podemos salvar vidas usando dados.
02:20
using data you can save lives.
50
140360
2080
02:23
OK, not that first attempt,
51
143440
2456
Está bem, não nessa primeira tentativa,
02:25
but eventually we got there.
52
145920
2576
mas acabámos por chegar lá.
02:28
Let me paint the picture for you.
53
148520
1736
Deixem-me explicar-vos melhor.
02:30
Imagine that you have to plan breakfast, lunch and dinner
54
150280
2736
Imaginem que têm de planear pequeno-almoço, almoço e jantar
02:33
for 500,000 people,
55
153040
1616
para 500 mil pessoas,
02:34
and you only have a certain budget to do it,
56
154680
2136
e só têm um dado orçamento para o fazer,
02:36
say 6.5 million dollars per month.
57
156840
2240
por exemplo 6,5 milhões de dólares por mês.
02:40
Well, what should you do? What's the best way to handle it?
58
160920
2762
Bem, o que deveriam fazer? Qual a melhor forma de lidar com isto?
02:44
Should you buy rice, wheat, chickpea, oil?
59
164280
2760
Deviam comprar arroz, cereais, grão-de-bico, azeite?
02:47
How much?
60
167760
1216
Quanto?
02:49
It sounds simple. It's not.
61
169000
2136
Parece simples, mas não é.
02:51
You have 30 possible foods, and you have to pick five of them.
62
171160
3216
Têm 30 alimentos possíveis, e só podem escolher cinco.
02:54
That's already over 140,000 different combinations.
63
174400
3416
Já temos mais de 140 mil combinações diferentes.
02:57
Then for each food that you pick,
64
177840
1696
Depois, por cada alimento escolhido,
02:59
you need to decide how much you'll buy,
65
179560
1976
terão de decidir que quantidade irão comprar,
03:01
where you're going to get it from,
66
181560
1696
onde o vão comprar,
03:03
where you're going to store it,
67
183280
1480
onde o vão armazenar
03:05
how long it's going to take to get there.
68
185760
1976
e quanto tempo demorará a chegar ao destino.
03:07
You need to look at all of the different transportation routes as well.
69
187760
3336
Também precisam de analisar as rotas de transporte possíveis.
Já são mais de 900 milhões de opções.
03:11
And that's already over 900 million options.
70
191120
2080
03:14
If you considered each option for a single second,
71
194120
2376
Se considerassem cada opção por um mero segundo,
03:16
that would take you over 28 years to get through.
72
196520
2336
levariam mais de 28 anos para todas as opções.
03:18
900 million options.
73
198880
1520
900 milhões de opções!
03:21
So we created a tool that allowed decisionmakers
74
201160
2456
Então criámos uma ferramenta que permitia aos executivos
03:23
to weed through all 900 million options
75
203640
2616
analisar os 900 milhões de opções
03:26
in just a matter of days.
76
206280
1360
em apenas alguns dias.
03:28
It turned out to be incredibly successful.
77
208560
2240
Foi incrivelmente bem-sucedida.
03:31
In an operation in Iraq,
78
211400
1256
Numa operação no Iraque,
03:32
we saved 17 percent of the costs,
79
212680
2536
conseguimos poupar 17% da despesa,
03:35
and this meant that you had the ability to feed an additional 80,000 people.
80
215240
4136
o que permitiu alimentar mais 80 mil pessoas.
03:39
It's all thanks to the use of data and modeling complex systems.
81
219400
4400
Tudo graças à utilização de dados e modelação de sistemas complexos.
03:44
But we didn't do it alone.
82
224800
1280
Mas não estávamos sozinhos.
03:46
The unit that I worked with in Rome, they were unique.
83
226840
2736
As pessoas com que trabalhei em Roma eram únicas.
03:49
They believed in collaboration.
84
229600
1736
Acreditavam na colaboração.
03:51
They brought in the academic world.
85
231360
1696
Chamaram o mundo académico, chamaram empresas.
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
E se queremos grandes mudanças em grandes problemas, como a fome mundial,
03:58
we need everybody to the table.
88
238840
2560
então precisamos da ajuda de todos.
04:02
We need the data people from humanitarian organizations
89
242040
2936
Precisamos das pessoas com os dados nas organizações humanitárias
04:05
leading the way,
90
245000
1256
para indicar o caminho
04:06
and orchestrating just the right types of engagements
91
246280
2576
e coordenar o envolvimento e colaboração
04:08
with academics, with governments.
92
248880
1696
com universidades e com governos.
04:10
And there's one group that's not being leveraged in the way that it should be.
93
250600
3696
Há um grupo que não participa tanto quanto deveria participar.
Adivinharam qual é? As empresas.
04:14
Did you guess it? Companies.
94
254320
2096
04:16
Companies have a major role to play in fixing the big problems in our world.
95
256440
3600
As empresas têm um papel fundamental na solução de grandes problemas mundiais.
04:20
I've been in the private sector for two years now.
96
260880
2416
Estou no setor privado há dois anos.
04:23
I've seen what companies can do, and I've seen what companies aren't doing,
97
263320
3576
Tenho visto o que as empresas podem fazer, e o que não estão a fazer,
04:26
and I think there's three main ways that we can fill that gap:
98
266920
3376
e acho que há três modos fundamentais de preencher esta lacuna:
04:30
by donating data, by donating decision scientists
99
270320
3096
doando dados, doando cientistas
04:33
and by donating technology to gather new sources of data.
100
273440
3480
e doando a tecnologia necessária para recolher novas fontes de dados.
04:37
This is data philanthropy,
101
277920
1576
Chama-se filantropia de dados,
04:39
and it's the future of corporate social responsibility.
102
279520
2840
e é o futuro da responsabilidade social das empresas.
04:43
Bonus, it also makes good business sense.
103
283160
2600
E ainda por cima é bom para o negócio.
04:46
Companies today, they collect mountains of data,
104
286920
3216
As empresas de hoje em dia colecionam montanhas de dados.
04:50
so the first thing they can do is start donating that data.
105
290160
2762
A primeira coisa que podem fazer é doar esses dados.
04:52
Some companies are already doing it.
106
292946
2190
Algumas empresas já o fazem.
04:55
Take, for example, a major telecom company.
107
295160
2416
Por exemplo, uma grande empresa de telecomunicações.
04:57
They opened up their data in Senegal and the Ivory Coast
108
297600
2776
Deram acesso aos seus dados em Senegal e na Costa do Marfim,
05:00
and researchers discovered
109
300400
1976
e os investigadores descobriram
05:02
that if you look at the patterns in the pings to the cell phone towers,
110
302400
3334
que, se olharmos para os padrões dos sinais das torres telefónicas,
05:05
you can see where people are traveling.
111
305758
1938
conseguimos seguir a deslocação das pessoas.
05:07
And that can tell you things like
112
307720
2176
E com isso podemos ver, por exemplo,
05:09
where malaria might spread, and you can make predictions with it.
113
309920
3096
para onde a malária poderá espalhar-se, e fazer previsões com isso.
05:13
Or take for example an innovative satellite company.
114
313040
2896
Ou, por exemplo, o caso de uma empresa inovadora de satélites.
05:15
They opened up their data and donated it,
115
315960
2016
Disponibilizaram e doaram os seus dados,
05:18
and with that data you could track
116
318000
1656
com os quais podíamos acompanhar
05:19
how droughts are impacting food production.
117
319680
2040
o impacto das secas na produção alimentar.
05:22
With that you can actually trigger aid funding before a crisis can happen.
118
322920
3680
Desta forma podemos ativar fundos de ajuda antes de a crise ocorrer.
05:27
This is a great start.
119
327560
1280
É um ótimo começo.
05:29
There's important insights just locked away in company data.
120
329840
2880
Existem informações importantes nos dados das empresas.
05:34
And yes, you need to be very careful.
121
334480
1816
Claro, é preciso sermos cuidadosos.
05:36
You need to respect privacy concerns, for example by anonymizing the data.
122
336320
3576
É preciso respeitar a privacidade,
por exemplo mantendo o anonimato dos dados.
05:39
But even if the floodgates opened up,
123
339920
2776
Mas mesmo que abrissem as comportas,
05:42
and even if all companies donated their data
124
342720
2536
e todas as empresas deixassem passar os seus dados
05:45
to academics, to NGOs, to humanitarian organizations,
125
345280
3256
para académicos, ONGs, organizações humanitárias,
05:48
it wouldn't be enough to harness that full impact of data
126
348560
2976
tal não seria suficiente para aproveitar todo o potencial humanitário destes dados.
05:51
for humanitarian goals.
127
351560
1520
05:54
Why?
128
354320
1456
Porquê?
05:55
To unlock insights in data, you need decision scientists.
129
355800
3240
Para retirar conclusões, precisamos dos cientistas de dados.
05:59
Decision scientists are people like me.
130
359760
2576
São pessoas como eu.
06:02
They take the data, they clean it up,
131
362360
1816
Pegam nos dados, filtram-nos
06:04
transform it and put it into a useful algorithm
132
364200
2256
e transformam-nos para serem introduzidos num algoritmo otimizado
06:06
that's the best choice to address the business need at hand.
133
366480
2840
para resolver uma dada necessidade de negócio.
06:09
In the world of humanitarian aid, there are very few decision scientists.
134
369800
3696
No mundo da ajuda humanitária, há muito poucos cientistas de dados.
06:13
Most of them work for companies.
135
373520
1640
A maioria trabalha para empresas.
06:16
So that's the second thing that companies need to do.
136
376480
2496
Eis a segunda coisa que as empresas têm de fazer.
Para além de doarem os seus dados,
06:19
In addition to donating their data,
137
379000
1696
06:20
they need to donate their decision scientists.
138
380720
2160
precisam de doar os cientistas de dados.
06:23
Now, companies will say, "Ah! Don't take our decision scientists from us.
139
383520
5736
A isto as empresas responderão: "Oh não! Não levem os nossos cientistas de dados.
06:29
We need every spare second of their time."
140
389280
2040
"Precisamos de cada segundo do seu tempo."
06:32
But there's a way.
141
392360
1200
Mas há uma solução.
06:35
If a company was going to donate a block of a decision scientist's time,
142
395200
3416
Se uma empresa quisesse doar parte do tempo de um cientista de dados,
06:38
it would actually make more sense to spread out that block of time
143
398640
3136
faria muito mais sentido distribuir essa quota do seu tempo
06:41
over a long period, say for example five years.
144
401800
2200
por um longo período, por exemplo cinco anos.
06:44
This might only amount to a couple of hours per month,
145
404600
3056
Isto traduzir-se-á numas poucas horas por mês,
06:47
which a company would hardly miss,
146
407680
2056
que não fariam falta à empresa,
06:49
but what it enables is really important: long-term partnerships.
147
409760
3480
mas que permitem algo muito importante: parcerias a longo-prazo.
06:54
Long-term partnerships allow you to build relationships,
148
414920
2816
As parcerias de longo-prazo permitem estabelecer relações,
06:57
to get to know the data, to really understand it
149
417760
2656
conhecer melhor os dados, compreendê-los realmente,
07:00
and to start to understand the needs and challenges
150
420440
2416
e começar a perceber as necessidades e desafios
07:02
that the humanitarian organization is facing.
151
422880
2160
que uma organização humanitária enfrenta.
07:06
In Rome, at the World Food Programme, this took us five years to do,
152
426345
3191
No Programa Alimentar Mundial em Roma precisámos de cinco anos para tal.
07:09
five years.
153
429560
1456
Cinco anos!
07:11
That first three years, OK, that was just what we couldn't solve for.
154
431040
3336
Os primeiros três anos, bem, foi o que não conseguimos resolver.
07:14
Then there was two years after that of refining and implementing the tool,
155
434400
3496
Os dois anos seguintes foram para aperfeiçoar e implementar a ferramenta,
07:17
like in the operations in Iraq and other countries.
156
437920
2800
tal como nas operações no Iraque e noutros países.
07:21
I don't think that's an unrealistic timeline
157
441520
2096
Não me parece um período de tempo irrealista,
07:23
when it comes to using data to make operational changes.
158
443640
2736
no que toca a usar dados para fazer mudanças operacionais.
07:26
It's an investment. It requires patience.
159
446400
2400
É um investimento. Requer paciência.
07:29
But the types of results that can be produced are undeniable.
160
449760
3496
Mas os tipos de resultados que se conseguem são inegáveis.
07:33
In our case, it was the ability to feed tens of thousands more people.
161
453280
3560
Para nós, foi poder alimentar mais dezenas de milhares de pessoas.
07:39
So we have donating data, we have donating decision scientists,
162
459440
4336
Portanto, temos dados para doar e cientistas de dados para doar,
07:43
and there's actually a third way that companies can help:
163
463800
2696
e há ainda mais uma forma de as empresas ajudarem:
07:46
donating technology to capture new sources of data.
164
466520
2976
doando tecnologia para adquirir novas fontes de dados.
07:49
You see, there's a lot of things we just don't have data on.
165
469520
2840
Sabem, faltam-nos dados para muitas coisas.
07:52
Right now, Syrian refugees are flooding into Greece,
166
472960
2720
Neste momento, refugiados da Síria estão a afluir em massa para a Grécia
07:57
and the UN refugee agency, they have their hands full.
167
477120
2560
e a agência da ONU para refugiados está cheia de trabalho.
08:01
The current system for tracking people is paper and pencil,
168
481000
3056
O sistema atual para localizar pessoas é feito com papel e lápis,
08:04
and what that means is
169
484080
1256
portanto quando mãe e cinco filhos entram num campo de refugiados
08:05
that when a mother and her five children walk into the camp,
170
485360
2856
os serviços centrais não tomam conhecimento.
08:08
headquarters is essentially blind to this moment.
171
488240
2656
08:10
That's all going to change in the next few weeks,
172
490920
2336
Tudo isto mudará nas próximas semanas,
graças à colaboração do setor privado.
08:13
thanks to private sector collaboration.
173
493280
1880
08:15
There's going to be a new system based on donated package tracking technology
174
495840
3656
Haverá um novo sistema baseado em tecnologia de localização de embalagens
08:19
from the logistics company that I work for.
175
499520
2040
doada pela empresa de logística na qual trabalho.
08:22
With this new system, there will be a data trail,
176
502120
2336
Com este novo sistema, haverá um rasto de dados,
08:24
so you know exactly the moment
177
504480
1456
e saberemos quando a mãe e seus filhos entraram no campo de refugiados.
08:25
when that mother and her children walk into the camp.
178
505960
2496
E, além disto, saberemos se ela terá mantimentos
08:28
And even more, you know if she's going to have supplies
179
508480
2616
neste mês e no próximo.
08:31
this month and the next.
180
511120
1256
08:32
Information visibility drives efficiency.
181
512400
3016
O acesso à informação gera eficiência.
08:35
For companies, using technology to gather important data,
182
515440
3256
Para as empresas, usar tecnologia para recolher dados importantes
08:38
it's like bread and butter.
183
518720
1456
é o pão nosso de cada dia.
08:40
They've been doing it for years,
184
520200
1576
Eles fazem isso há anos,
08:41
and it's led to major operational efficiency improvements.
185
521800
3256
e tem-lhes permitido enormes melhorias na eficiência das operações.
08:45
Just try to imagine your favorite beverage company
186
525080
2360
Tentem imaginar a vossa empresa favorita de bebidas
08:48
trying to plan their inventory
187
528280
1576
a planear o seu inventário
08:49
and not knowing how many bottles were on the shelves.
188
529880
2496
sem saber quantas garrafas estão nas prateleiras.
08:52
It's absurd.
189
532400
1216
É absurdo.
08:53
Data drives better decisions.
190
533640
1560
Os dados permitem melhores decisões.
08:57
Now, if you're representing a company,
191
537800
2536
Agora, se representam uma empresa
09:00
and you're pragmatic and not just idealistic,
192
540360
3136
e são pragmáticos e não apenas idealistas,
09:03
you might be saying to yourself, "OK, this is all great, Mallory,
193
543520
3056
poderão estar a pensar: "Sim Mallory, isso é tudo muito bonito,
09:06
but why should I want to be involved?"
194
546600
1840
"mas porque haveria de me querer envolver?"
09:09
Well for one thing, beyond the good PR,
195
549000
2816
Bem, em primeiro lugar, além de gerar boa publicidade
09:11
humanitarian aid is a 24-billion-dollar sector,
196
551840
2776
a ajuda humanitária é um setor de 24 mil milhões de dólares,
09:14
and there's over five billion people, maybe your next customers,
197
554640
3056
e mais de 5 mil milhões de pessoas, vossos potenciais clientes,
09:17
that live in the developing world.
198
557720
1816
vivem em países subdesenvolvidos.
09:19
Further, companies that are engaging in data philanthropy,
199
559560
3096
Além disso, as empresas que participam na filantropia de dados
09:22
they're finding new insights locked away in their data.
200
562680
2976
descobrem informações novas escondidas nos seus dados.
09:25
Take, for example, a credit card company
201
565680
2256
Vejam o exemplo de uma empresa de cartões de crédito
09:27
that's opened up a center
202
567960
1336
que abriu um centro
09:29
that functions as a hub for academics, for NGOs and governments,
203
569320
3376
que serve como eixo de ligação entre académicos, ONGs e governos,
09:32
all working together.
204
572720
1240
cooperando entre si.
09:35
They're looking at information in credit card swipes
205
575040
2736
Eles analisam as informações dos leitores de cartões
09:37
and using that to find insights about how households in India
206
577800
2976
e utilizam-nas para perceber como é que famílias na Índia
09:40
live, work, earn and spend.
207
580800
1720
vivem, trabalham, ganham e gastam.
09:43
For the humanitarian world, this provides information
208
583680
2576
Para o mundo humanitário, isso fornece informação
09:46
about how you might bring people out of poverty.
209
586280
2656
sobre como poderemos tirar as pessoas da pobreza.
09:48
But for companies, it's providing insights about your customers
210
588960
3016
Mas, para as empresas, permite saber mais sobre os clientes
09:52
and potential customers in India.
211
592000
2040
e potenciais clientes na Índia.
09:54
It's a win all around.
212
594760
1800
Todos ficam a ganhar.
09:57
Now, for me, what I find exciting about data philanthropy --
213
597960
3776
Agora, para mim, o que me entusiasma na filantropia de dados
10:01
donating data, donating decision scientists and donating technology --
214
601760
4336
— doação de dados, doação de cientistas e doação de tecnologia —
10:06
it's what it means for young professionals like me
215
606120
2376
é o seu valor para jovens como eu,
10:08
who are choosing to work at companies.
216
608520
1840
que escolhem trabalhar em empresas.
10:10
Studies show that the next generation of the workforce
217
610800
2656
Estudos demonstraram que a próxima geração de trabalhadores
10:13
care about having their work make a bigger impact.
218
613480
2560
quer que o seu trabalho tenha um impacto maior.
10:16
We want to make a difference,
219
616920
2456
Queremos fazer a diferença.
10:19
and so through data philanthropy,
220
619400
2416
Através da filantropia de dados,
10:21
companies can actually help engage and retain their decision scientists.
221
621840
3936
as empresas podem ajudar a envolver e reter os seus cientistas de dados.
10:25
And that's a big deal for a profession that's in high demand.
222
625800
2880
E isso é muito importante para uma profissão tão procurada.
10:29
Data philanthropy makes good business sense,
223
629840
3120
A filantropia de dados é boa para os negócios
10:34
and it also can help revolutionize the humanitarian world.
224
634200
3280
e também pode ajudar a revolucionar o mundo humanitário.
10:39
If we coordinated the planning and logistics
225
639600
2096
Se coordenássemos o planeamento e logística
10:41
across all of the major facets of a humanitarian operation,
226
641720
3376
em todas as vertentes de uma operação humanitária,
10:45
we could feed, clothe and shelter hundreds of thousands more people,
227
645120
3600
conseguiríamos alimentos, roupa e abrigo para mais centenas de milhares de pessoas.
10:49
and companies need to step up and play the role that I know they can
228
649440
4256
Mas para isto as empresas têm de se chegar à frente
e desempenhar o seu papel na criação desta revolução.
10:53
in bringing about this revolution.
229
653720
1880
10:56
You've probably heard of the saying "food for thought."
230
656720
2936
Já devem ter ouvido falar em "alimentar a mente".
10:59
Well, this is literally thought for food.
231
659680
2240
Bem, aqui trata-se de usar a mente para alimentar.
11:03
It finally is the right idea at the right time.
232
663560
4136
É, finalmente, a ideia certa na altura certa.
11:07
(Laughter)
233
667720
1216
(Risos)
11:08
Très magnifique.
234
668960
1576
Très magnifique.
11:10
Thank you.
235
670560
1216
Obrigada.
11:11
(Applause)
236
671800
2851
(Aplausos)
Sobre este site

Este sítio irá apresentar-lhe vídeos do YouTube que são úteis para a aprendizagem do inglês. Verá lições de inglês ensinadas por professores de primeira linha de todo o mundo. Faça duplo clique nas legendas em inglês apresentadas em cada página de vídeo para reproduzir o vídeo a partir daí. As legendas deslocam-se em sincronia com a reprodução do vídeo. Se tiver quaisquer comentários ou pedidos, por favor contacte-nos utilizando este formulário de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7