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

Переводчик: Alena Chernykh Редактор: Anna Zvereva

June 2010.

Июнь 2010 года.

I landed for the first time in Rome, Italy.

Я впервые прилетела в Рим, в Италию.

I wasn't there to sightsee.

Я прибыла туда не в качестве туриста,

I was there to solve world hunger.

а для того, чтобы решить проблему мирового голода.

(Смех)

(Laughter)

That's right.

Именно так.

I was a 25-year-old PhD student

Я была 25-летней аспиранткой,

armed with a prototype tool developed back at my university,

и при помощи методов, разработанных моим университетом,

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

собиралась помочь победить голод Всемирной продовольственной программе.

So I strode into the headquarters building

Я прошествовала в главное здание,

and my eyes scanned the row of UN flags,

окинула взглядом флаги ООН,

and I smiled as I thought to myself,

и, улыбнувшись, подумала:

"The engineer is here."

«Инженер прибыл».

(Laughter)

(Смех)

Give me your data.

Дайте мне ваши данные.

I'm going to optimize everything.

Я сейчас всё тут оптимизирую.

(Laughter)

(Смех)

Tell me the food that you've purchased,

Скажите, какие у вас продукты,

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

куда их отправить, когда они должны там быть,

и я подскажу вам самые короткие, быстрые, дешёвые

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

best set of routes to take for the food.

и лучшие пути их доставки.

We're going to save money,

Мы сэкономим деньги,

we're going to avoid delays and disruptions,

избежим задержек и сбоев,

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

и самое главное — мы спасём жизни.

Не благодарите.

You're welcome.

(Laughter)

(Смех)

Я думала, что это займёт 12 месяцев.

I thought it was going to take 12 months,

Хорошо, может быть 13.

OK, maybe even 13.

This is not quite how it panned out.

Вышло немного иначе.

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

Уже спустя пару месяцев от начала проекта мой французский босс сказал:

"You know, Mallory,

«Знаешь, Малори,

it's a good idea,

это отличная идея,

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

но у нас нет данных, которые нужны для твоих алгоритмов.

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

Это хорошая идея, но в неподходящее время,

and the right idea at the wrong time

а хорошая идея в неподходящее время —

плохая идея».

is the wrong idea."

(Laughter)

(Смех)

Project over.

Проект закрыли.

Я была раздавлена.

I was crushed.

Сейчас, оглядываясь назад,

When I look back now

on that first summer in Rome

вспоминаю то первое лето в Риме

и понимаю, как много изменилось за прошедшие шесть лет,

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

it is an absolute transformation.

полностью преобразовалось.

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

Наступает время передачи данных гуманитарным организациям.

Это восхищает. Это вдохновляет.

It's exciting. It's inspiring.

But we're not there yet.

Но это ещё не всё.

And brace yourself, executives,

И держитесь, руководители,

because I'm going to be putting companies

потому что я собираюсь заставить

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

компании взять на себя роль, которую, я уверена, они смогут сыграть.

My experiences back in Rome prove

Мой опыт, полученный в Риме, доказывает,

using data you can save lives.

что, используя данные, можно спасать жизни.

OK, not that first attempt,

Да, та попытка провалилась,

but eventually we got there.

но в конце концов мы придём к этому.

Let me paint the picture for you.

Позвольте я это продемонстрирую.

Imagine that you have to plan breakfast, lunch and dinner

Представьте: вам нужно организовать завтрак, обед и ужин

для 500 000 человек,

for 500,000 people,

and you only have a certain budget to do it,

но ваш бюджет ограничен,

say 6.5 million dollars per month.

скажем, 6,5 миллионами в месяц.

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

Что вам необходимо сделать? Как это сделать самым лучшим образом?

Should you buy rice, wheat, chickpea, oil?

Нужно ли покупать рис, пшеницу, нут, масло?

How much?

Сколько?

Звучит просто. Но это не так.

It sounds simple. It's not.

У вас есть 30 возможных продуктов, из которых нужно выбрать пять.

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

That's already over 140,000 different combinations.

Это уже даёт 140 000 различных сочетаний.

Then for each food that you pick,

Затем для каждого выбранного продукта

you need to decide how much you'll buy,

нужно решить, сколько его купить,

where you're going to get it from,

где купить,

where you're going to store it,

где его хранить,

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

сколько времени займёт транспортировка.

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

Вам также нужно изучить все транспортные маршруты.

А это более 900 миллионов вариантов.

And that's already over 900 million options.

Если над каждым думать секунду,

If you considered each option for a single second,

that would take you over 28 years to get through.

то у вас уйдёт 28 лет на их анализ.

900 million options.

900 миллионов вариантов.

Поэтому мы создали программу, с помощью которой

So we created a tool that allowed decisionmakers

to weed through all 900 million options

можно перебрать все 900 миллионов вариантов

in just a matter of days.

всего за несколько дней.

It turned out to be incredibly successful.

Она оказалась невероятно успешной.

In an operation in Iraq,

В иракской кампании

we saved 17 percent of the costs,

мы сэкономили 17% на расходах,

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

что позволило нам накормить ещё 80 000 людей.

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

Всё это благодаря использованию данных и сложной системы моделирования.

But we didn't do it alone.

Но мы работали не одни.

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

Отдел, с которым я работала в Риме — исключительный.

They believed in collaboration.

Эти люди поверили в сотрудничество.

They brought in the academic world.

Они привлекли научных деятелей.

Они привлекли компании.

They brought in companies.

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

И если мы хотим реальных перемен в таких проблемах, как мировой голод,

we need everybody to the table.

то за столом переговоров потребуется каждый.

Нам нужны владеющие данными люди из гуманитарных организаций,

We need the data people from humanitarian organizations

указывающие путь

leading the way,

and orchestrating just the right types of engagements

и организовывающие наилучшие пути взаимодействия

with academics, with governments.

с учёными и властями.

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

Остается одна группа, до сих пор не вовлечённая в работу на должном уровне.

Did you guess it? Companies.

Догадались кто? Компании.

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

Компании играют главную роль в решении глобальных проблем в мире.

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

Я работаю в бизнесе уже два года.

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

Я понимаю, на что способны компании, и чем они систематически не занимаются.

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

Я думаю, ситуацию можно изменить, если компании поделятся тремя вещами:

by donating data, by donating decision scientists

данными, ИТ-консультантами

and by donating technology to gather new sources of data.

и техническими средствами сбора и учёта новых источников информации.

This is data philanthropy,

Это информационная благотворительность,

and it's the future of corporate social responsibility.

в ней — будущее корпоративной социальной ответственности.

К тому же это разумно с точки зрения бизнеса.

Bonus, it also makes good business sense.

Companies today, they collect mountains of data,

Сегодня компании накапливают массу информации,

поэтому для начала они могут передать эту информацию.

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

Some companies are already doing it.

Некоторые компании уже это делают.

К примеру, одна крупная телефонная компания

Take, for example, a major telecom company.

They opened up their data in Senegal and the Ivory Coast

раскрыла свои данные в Сенегале и Кот-д'Ивуаре,

and researchers discovered

анализ которых показал,

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

что, проследив динамику звуковых импульсов между вышками сотовой связи,

you can see where people are traveling.

можно увидеть перемещения людей.

And that can tell you things like

А это позволяет судить о вещах вроде

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

вероятного ареала распространения малярии и делать прогнозы.

Или, например, одна из передовых спутниковых компаний

Or take for example an innovative satellite company.

They opened up their data and donated it,

раскрыла и поделилась своими данными,

и с их помощью можно отследить,

and with that data you could track

how droughts are impacting food production.

как засуха влияет на производство пищи.

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

Используя это, можно запросить помощь до наступления кризиса.

This is a great start.

Это прекрасное начало.

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

В базе данных компаний скрыта важная информация.

And yes, you need to be very careful.

Обращаться с ней надо очень осторожно.

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

Уважать право на конфиденциальность, например, скрывая личные данные.

But even if the floodgates opened up,

Но даже если откроются шлюзы

and even if all companies donated their data

и все компании предоставят свою информацию

to academics, to NGOs, to humanitarian organizations,

научным работникам, неправительственным и гуманитарным организациям,

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

это не позволит в полной мере поставить эти данные на службу

for humanitarian goals.

гуманитарным целям.

Why?

Почему?

To unlock insights in data, you need decision scientists.

Чтобы расшифровать данные, необходимы аналитики.

Decision scientists are people like me.

Такие как я.

They take the data, they clean it up,

Они берут информацию, сортируют её,

transform it and put it into a useful algorithm

преобразуют и используют в нужных алгоритмах.

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

Это лучший способ направить потребности бизнеса в дело.

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

В сфере гуманитарной помощи очень мало таких специалистов.

Most of them work for companies.

Большинство из них работает в компаниях.

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

Поэтому компаниям необходимо сделать ещё один шаг.

В дополнение к пожертвованию данных

In addition to donating their data,

they need to donate their decision scientists.

им нужно предоставить своих аналитиков.

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

Сейчас все компании скажут: «Ааа! Не забирайте наших специалистов.

We need every spare second of their time."

Для нас важна каждая секунда их труда».

But there's a way.

Но выход есть.

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

Если бы компания выделила часть рабочего времени аналитика,

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

то было бы разумнее распределить это время на длительный период,

over a long period, say for example five years.

скажем, на пять лет.

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

Это отнимет у них только два часа в месяц,

which a company would hardly miss,

что не нанесёт ущерба компании,

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

а главное, приведёт к долгосрочному сотрудничеству,

Long-term partnerships allow you to build relationships,

которое позволит выстроить отношения,

to get to know the data, to really understand it

основательно ознакомиться с предоставленными данными

and to start to understand the needs and challenges

и осознать потребности и задачи,

that the humanitarian organization is facing.

с которыми сталкивается гуманитарная организация.

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

Во Всемирной продовольственной программе в Риме на это ушло 5 лет.

five years.

Пять лет.

Хорошо, первые три года мы не могли определиться.

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

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

Затем два года после этого отлаживали и внедряли программу,

like in the operations in Iraq and other countries.

как во время кампаний в Ираке и других странах.

I don't think that's an unrealistic timeline

Я не думаю, что предлагаю нереальные сроки,

when it comes to using data to make operational changes.

учитывая, что данные нужны для оперативных изменений.

It's an investment. It requires patience.

Это инвестиция, требующая терпения.

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

Но результаты будут просто великолепными.

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

В нашем случае это возможность накормить на десятки тысяч больше людей.

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

Итак, нам предоставили данные, предоставили аналитиков.

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

Но компании могут помочь ещё кое-чем:

donating technology to capture new sources of data.

предоставлением методов для учёта новых источников данных.

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

Вы же понимаете, что у нас нет информации о многих вещах.

Right now, Syrian refugees are flooding into Greece,

Сейчас сирийские беженцы заполняют Грецию,

и отделы ООН по делам беженцев завалены работой.

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

Перемещения людей они отмечают на бумаге — это их система учёта.

The current system for tracking people is paper and pencil,

Это значит,

and what that means is

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

что момент прибытия в лагерь матери с пятью детьми

headquarters is essentially blind to this moment.

останется незамеченным администрацией.

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

В ближайшие несколько недель это изменится

thanks to private sector collaboration.

благодаря сотрудничеству с частным сектором.

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

Им установят систему, основанную на методе отслеживания посылок,

from the logistics company that I work for.

предоставленным логистической компанией, где я работаю.

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

Эта система позволит отследить данные,

so you know exactly the moment

вы будете знать точное время

when that mother and her children walk into the camp.

появления матери с детьми в лагере.

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

И к тому же вы узнаете, есть ли для неё

питание на первое время.

this month and the next.

Information visibility drives efficiency.

Доступность информации повышает эффективность.

For companies, using technology to gather important data,

Это хлеб с маслом для компаний, использующих технические средства

it's like bread and butter.

для сбора важных данных.

They've been doing it for years,

Они занимаются этим годами,

and it's led to major operational efficiency improvements.

что приводит к значительному повышению производительности.

Представьте: производитель вашего любимого напитка

Just try to imagine your favorite beverage company

trying to plan their inventory

пытается провести инвентаризацию,

and not knowing how many bottles were on the shelves.

не зная количества бутылок на полках.

It's absurd.

Это абсурд.

Data drives better decisions.

С данными доступны лучшие решения.

Now, if you're representing a company,

Если вы представитель компании

and you're pragmatic and not just idealistic,

и скорее прагматик, чем идеалист,

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

то должны спросить себя: «Хорошо, всё это замечательно, Малори,

but why should I want to be involved?"

но чем это может заинтересовать меня?»

Для начала, помимо хорошей рекламы,

Well for one thing, beyond the good PR,

humanitarian aid is a 24-billion-dollar sector,

гуманитарная помощь входит в 24-миллиардный сектор,

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

и более пяти миллиардов людей, живущих в развивающихся странах,

that live in the developing world.

могут стать вашими клиентами.

Further, companies that are engaging in data philanthropy,

Кроме того, компании, пожертвовавшие данные,

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

могут извлечь из них новую информацию для себя.

Take, for example, a credit card company

Например, компания по выпуску кредитных карт,

that's opened up a center

которая открыла центр

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

для учёных, неправительственных организаций и правительства,

all working together.

где они работают вместе.

Отслеживают использование кредитных карт, на основе чего

They're looking at information in credit card swipes

and using that to find insights about how households in India

получают представление об активности населения Индии:

live, work, earn and spend.

жизни, работе, заработках и тратах.

For the humanitarian world, this provides information

С помощью этой информации гуманитарные организации

about how you might bring people out of poverty.

смогут принять меры для избавления людей от нищеты.

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

А компаниям это позволяет делать новые выводы о своих нынешних

и потенциальных клиентах в Индии.

and potential customers in India.

It's a win all around.

От этого выигрывают все.

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

Для меня самое поразительное в информационной благотворительности,

donating data, donating decision scientists and donating technology --

(пожертвовании данных, труда аналитиков, методов учёта),

её значимость для таких как я, молодых профессионалов,

it's what it means for young professionals like me

who are choosing to work at companies.

тех, кто выбрал работу в компаниях.

Studies show that the next generation of the workforce

Исследования показывают, что следующее поколение

care about having their work make a bigger impact.

волнует вопрос результативности своей работы.

We want to make a difference,

Мы хотим изменить ситуацию,

and so through data philanthropy,

и посредством информационной благотворительности

companies can actually help engage and retain their decision scientists.

компании способны привлечь и удержать своих аналитиков.

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

Это реальный шанс для профессионалов, на которых есть спрос.

Data philanthropy makes good business sense,

Информационная благотворительность выгодна для бизнеса,

and it also can help revolutionize the humanitarian world.

она может помочь полностью изменить работу гуманитарных организаций.

If we coordinated the planning and logistics

Если объединить планирование и логистику

across all of the major facets of a humanitarian operation,

во всех основных направлениях деятельности гуманитарных организаций,

мы смогли бы обеспечить едой, одеждой и жильём на сотни тысяч больше людей.

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

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

И компаниям необходимо включиться и сыграть свою роль

in bringing about this revolution.

в приближении этой революции.

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

Скорее всего, вы слышали фразу «пища для размышлений».

Well, this is literally thought for food.

А тут в буквальном смысле — размышления для пищи.

It finally is the right idea at the right time.

Наконец, у нас есть хорошая идея в подходящее время.

(Laughter)

(Смех)

Très magnifique.

(По-французски) Прекрасно!

Thank you.

Спасибо.

(Applause)

(Аплодисменты)