Jednym z kluczowych elementów czystego pokoju danych jest bezpieczeństwo danych, ale nie wszystkie czyste pokoje danych są sobie równe. Niektóre kładą większy nacisk na bezpieczeństwo danych i prywatność niż inne.
W tym filmie Michael Sweeney, szef marketingu w Clearcode, rozmawiał z Juanem Baronem, dyrektorem ds. wysoce bezpieczny i zgodny z zasadami prywatności sposób.
Pytania omówione w Q&A:
Jakie są niektóre przypadki użycia czystych pomieszczeń danych poza reklamą i mediami?
Jakie są mechanizmy anonimowości w czystym pokoju danych Decentriq?
Jakie są główne przypadki użycia czystego pokoju danych Decentriq do celów reklamowych i medialnych?
Czy Decentriq może być używany w różnych kanałach przez różnych reklamodawców?
Czy wydawcy muszą zbierać zgody, jeśli ich czysty pokój danych szyfruje adresy e-mail?
Czy możesz porównać Decentriq z innymi niezależnymi, nieogrodzonymi czystymi pokojami?
Czy Google udostępni technologię czystego pokoju danych innym podmiotom?
Jaka jest przyszłość interoperacyjności między niezależnymi dostawcami czystych pomieszczeń danych?
Pytania i odpowiedzi: data clean rooms
Poniżej znajduje się przetłumaczona na język polski transkrypcja powyższego wywiadu wideo.
Michael Sweeney: Witam wszystkich. Jestem Michael Sweeney, szef marketingu w firmie Clearcode. Dzisiaj mam przyjemność gościć Juana Barona, dyrektora ds. rozwoju biznesowego i strategii mediów i reklamy w firmie Decentriq. Rozmawiamy dziś o data clean rooms (czyste pokoje danych). Juan, bardzo dziękuję, że zgodziłeś się dołączyć do nas dzisiaj.
Juan Baron: Dziękuję, Michaelu. Cieszę się, że mogę być tutaj.
Michael Sweeney: Opowiedz nam trochę o sobie, o firmie Decentriq i o tym, czym się zajmujecie.
Juan Baron: Oczywiście. Jak sugeruje moje nazwisko, urodziłem się i dorastałem w Kolumbii, a przez wiele lat pracowałem w branży reklamy internetowej w Stanach Zjednoczonych. Około ośmiu lat temu przeprowadziłem się do Szwajcarii. W ciągu tego czasu miałem okazję pracować zarówno po stronie reklamodawców, jak i wydawców. Od momentu wejścia w życie RODO zauważyłem rosnące zainteresowanie reklamą opartą na ochronie prywatności, a czyste pokoje danych są odpowiedzią na te potrzeby.
Decentriq to szwajcarska firma specjalizująca się w dostarczaniu czystych pokojów danych, a naszą główną dziedziną jest technologia sprzętowa znana jako “poufne przetwarzanie danych”. W skrócie, dostarczamy data clean rooms dla różnych branż.
Michael Sweeney: W jakich innych branżach działacie i jakie typy klientów korzystają z waszych data clean rooms w kontekście niezwiązanym z reklamą i mediami?
Juan Baron: Właściwie Decentriq to platforma do współpracy w kwestii analizy danych, która ma szerokie zastosowanie.
Widzieliśmy wiele przypadków użycia, w których nasi klienci pochodzą z różnych branż. Na przykład, naukowcy zajmujący się danymi wykorzystują naszą technologię do współpracy z innymi zespołami naukowymi w różnych firmach. Mamy również klienta w sektorze handlu, który używa naszych czystych pokojów danych do współpracy z danymi logistycznymi w celu śledzenia i monitorowania informacji dotyczących wysyłki towarów. Współpracujemy również z wieloma firmami farmaceutycznymi, które wykorzystują nasze czyste pokoje danych do analizy udziału w rynku.
Oczywiście, działamy również w sektorze mediów i reklamy, umożliwiając bankom i firmom ubezpieczeniowym aktywację danych za pośrednictwem wydawców premium.
Współpracujemy również z wydawcami i firmami ubezpieczeniowymi w zakresie tzw. modelowania predykcyjnego cech. Wykorzystują modele uczenia maszynowego do lepszego przewidywania danych bez ujawniania informacji na temat konkretnych profili. W przypadku tego rodzaju współpracy, jedyną rzeczą, która opuszcza data clean room, jest sam model. Jest to zatem najwyższy poziom prywatności, jaki zapewniamy w takim typie współpracy.
Współpracujemy nawet z armią szwajcarską w zakresie ochrony podstawowej infrastruktury przed cyberatakami.
Michael Sweeney: Jestem naprawdę zaintrygowany tym, jak data clean rooms są wykorzystywane przez firmy i branże poza reklamą i mediami.
Dla większości osób, kiedy myślimy o data clean rooms i zastosowaniach związanych z reklamą i mediami, kluczowym elementem całego procesu jest możliwość dopasowania dwóch różnych zbiorów danych. Mamy reklamodawców i wydawców, a reklamodawca może chcieć kierować reklamy na stronach internetowych lub usługach wydawcy. Aby to osiągnąć, korzysta się z data clean rooms, aby połączyć te dwa różne zbiory danych.
Najczęściej używa się do tego jakiegoś identyfikatora łączącego, który łączy wszystko w całość: uniwersalny identyfikator, identyfikator mobilny, numer telefonu, adres e-mail lub coś podobnego.
Jak to wygląda, gdy mówimy o use case-ach w niezautomatyzowanej reklamie i marketingu? Czy obie strony mają jakieś dane, które można ze sobą połączyć? I co mogą zrobić, kiedy już to zrobią?
Juan Baron: Niekoniecznie.
W naszych data clean rooms mamy ścisłe uprawnienia użytkowników dotyczące dostępu i przekazywania danych. Na przykład, analityk danych może mieć dostęp do danych i przeliczać je bez łączenia różnych zestawów danych. Nasi naukowcy danych korzystają z danych z różnych źródeł i uruchamiają określone modele, aby osiągnąć konkretne wyniki.
To różni się od reklam AdTech i reklam programatycznych, gdzie śledzi się jednostki poprzez różne media.
Michael Sweeney: Myślę, że data clean rooms mogą być wykorzystywane w różnych branżach do pracy z danymi w bezpiecznym i prywatnym środowisku.
Juan Baron: To zależy od możliwości dostawcy data clean roomu.
W Decentriq korzystamy z Confidential Compute, czyli sprzętu zaprojektowanego przez firmy Intel i AMD. Obsługujemy niemal wszystkie języki programowania w czystych pokojach danych. Oferujemy nie tylko obsługę SQL, ale również R i Python. To właśnie jest używane przez dzisiejszych analityków danych, ale w sposób zabezpieczony i zgodny z danymi wrażliwymi poprzez naszą platformę.
Posiadamy uprawnienia dostępu dla użytkowników oraz interaktywne przepływy danych wbudowane w naszą platformę. Dzięki temu analitycy danych mogą współpracować i szybko iterować, płynnie przemieszczając się między różnymi zadaniami. Jest to zupełnie inne niż to, co oferują tradycyjni konkurenci w tej dziedzinie, którzy zwykle koncentrują się na znalezieniu określonej liczby użytkowników do retargetowania w sposób bezpieczny i zgodny.
Nie jest to dla nas najbardziej ekscytujący use case. Te bardziej ekscytujące dotyczą analizy danych, zwłaszcza w kontekście reklamy.
Michael Sweeney: Biorąc pod uwagę, że analitycy danych korzystający z data clean rooms mają szerokie możliwości programowania, wiele rzeczy można zrobić na waszej platformie, prawda? Jeden z głównych celów data clean room polega na tym, że dane spoza niego nie są udostępniane, więc wiele analiz jest przeprowadzanych na platformie. Czy tak to działa?
Juan Baron: Tak, dokładnie. Następnie możesz udostępnić wybrane wyniki drugiej stronie, którą współpracujesz.
Mamy mechanizmy takie jak filtry k-anonimizacji lub filtry prywatności, które pozwalają nam połączyć wyniki końcowe, tworząc wyniki agregowane. To jest wbudowane w naszą platformę.
Idea polega również na tym, że możesz mieć pełną transparentność w odniesieniu do kodu, który jest używany. To jest właśnie sposób, w jaki zapewniamy brak wycieków danych. Dodatkowo, dzięki poufnym obliczeniom, istnieje coś takiego jak zdalna stacja danych, która dostarcza kryptograficzne potwierdzenie tego, co dokładnie dzieje się z danymi.
Bardziej zaawansowanym terminem na naszej platformie jest rejestr audytu. Zapewnia on kryptograficzne potwierdzenie, że za każdym razem, gdy ktoś wyświetla wyniki lub wykonuje obliczenia, mamy szczegółowy zapis tego, co się dzieje, co robią użytkownicy i jakie działania są podejmowane wewnątrz platformy.
Z perspektywy inspektora ochrony danych jest to niezwykle cenna funkcja, ponieważ daje pewność. Pozwala na spokojny sen, jeśli mogę to tak ująć.
Michael Sweeney: Co klienci robią z data clean room w przestrzeni reklamowej i marketingu cyfrowego?
Juan Baron: W przestrzeni cyfrowej i reklamowej, najczęstsze use cases dotyczą planowania mediów. Następnie, oczywiście, mamy aktywację. Aktywacja ma różne odcienie. I na końcu, mamy pomiar. Jeśli chodzi o planowanie mediów, zaczynamy od nakładania danych.
Posiadam zbiór danych klientów i chcę go nakładać na sieć wydawcy, aby zobaczyć, jak się nakładają.
Możesz dodać swoje własne mapowanie danych, jeśli chcesz zwiększyć dopasowanie. Następnie, poprzez aktywację, mamy kilka różnych podejść.
Mamy precyzyjną aktywację, która wymaga wyraźnej zgody marketingowej od marki. To jest tradycyjne retargetowanie, które jest dobrze znane.
Drugim jest to, co już zaimplementowaliśmy na platformie, czyli segmenty o wysokim podobieństwie. Na podstawie przecięcia danych identyfikujemy kluczowe segmenty podobieństwa dla danego wydawcy. Następnie tworzymy odbiorców lub identyfikatory transakcji oparte na tych konkretnych segmentach.
Jest również bardziej zaawansowane podejście, które umożliwia wydawcy wprowadzenie własnego podobnego modelu do narzędzia data clean roomu. Pozwala to na stworzenie jednego dużego segmentu opartego na podobieństwie tych danych. Jedyne, co faktycznie wychodzi z data clean room, to sam model.
Co udowodniliśmy w połączeniu z naszymi poufnymi obliczeniami oraz wszystkimi gwarancjami prywatności i bezpieczeństwa, to fakt, że Decentriq nie ma fizycznego ani innego sposobu dostępu do danych. Klucze do szyfrowania należą do właściciela danych, a nie do Decentriq.
Gwarantujemy również, że dostawca chmury nie ma dostępu do danych.
Dlatego też, popierając się opiniami prawnymi, potwierdzamy, że nie jest wymagana zgoda marketingowa od marki, aby umożliwić najwyższe dopasowanie i modelowanie na platformie Decentriq.
To jest przełomowe, ponieważ mamy duże europejskie wydawców, którzy potwierdzają, że nie wymagają nawet wspólnej kontroli ani umowy z marką. To zmienia zasady gry, dzięki temu, jak jesteśmy zbudowani.
A na koniec — pomiar. Chodzi o prezentację wyników. Przez wiele lat wydawcy byli ograniczeni w ilości dostępnych danych do pokazania klientom, a pomiary są kluczowe.
Po raz pierwszy są w stanie dostarczyć dane dotyczące ekspozycji reklam. Dodatkowo, w ramach pomiaru, dostarczają wiele danych o odbiorcach i zapewniają bardzo predykcyjne analizy w imieniu marki.
Wydawcy premium zyskują kontrolę i prezentują znacznie większą wartość niż w przypadku tradycyjnej reklamy programatycznej.
Michael Sweeney: Czy oferujecie data clean room w różnych kanałach, takich jak reklamy w przeglądarce internetowej, w aplikacjach, CTV, czy też skupiacie się na jednym kanale na raz? Jak Data Clean Room może być wykorzystany w różnych kanałach przez różnych reklamodawców?
Juan Baron: Data Clean Room sam w sobie jest niezależny od konkretnego kanału. To zależy głównie od partnera wydawniczego.
W Szwajcarii mamy partnerów, którzy sprzedają nie tylko standardowe zautomatyzowane reklamy displayowe, reklamy natywne i wideo In-Feed, ale również reklamy CTV.
Jest to zatem agnostyczne. Zależy to od możliwości i zasięgu, jakie posiada dany wydawca oraz od rodzaju reklamowych zasobów, które kontroluje i udostępnia w ramach swoich danych DMP lub CDP w data clean room. Dzięki temu reklamodawcy mogą wybierać konkretne kanały i odbiorców na podstawie przecięcia danych.
Michael Sweeney: Przypuszczam, że w większości przypadków, a może nawet w każdym przypadku programatycznego i cyfrowego marketingu, jeśli reklamodawca chce dopasować swoje zbiory danych do zbiorów danych wydawcy, musi istnieć jakiś podstawowy identyfikator łączący te dwa zestawy razem. Czy tak jest zazwyczaj, na przykład w 100% przypadków, musi istnieć jakiś kluczowy identyfikator, który wiąże te dwa różne zbiory danych?
Juan Baron: Tak, najczęściej używanym łącznikiem jest adres e-mail. Jednak w Data Clean Room możemy zastosować różne kombinacje identyfikatorów. Możemy korzystać z wykresów tożsamości i pobierać wiele różnych wykresów, a nawet stosować techniki rozmytego dopasowania. Oznacza to, że jeśli w zbiorze danych reklamodawcy masz adres e-mail, numer telefonu, imię, nazwisko, a nawet adres domowy, możemy wykorzystać różne kombinacje tych informacji, aby jeszcze bardziej zwiększyć stopień dopasowania.
Michael Sweeney: Chciałem wrócić do tematu zgody dotyczącej zbierania danych i wykorzystywania ich w Data Clean Room. Jeśli jako wydawca zbieram adresy e-mail, szyfruję je, a następnie przesyłam do Decentriq do Data Clean Room, czy to oznacza, że nie muszę pytać o zgodę na zbieranie tych danych, ponieważ będą one wykorzystywane w Data Clean Room, gdzie dane osobowe nie będą dostępne dla nikogo?
Juan Baron: Otóż Data Clean Room samo w sobie nie rozwiązuje problemu zgody. Prawo dotyczące zgody nie dotyczy technologii, ale dotyczy przetwarzania danych.
Na podstawie naszego zespołu prawnego oraz samego prawa, możemy wykorzystywać dane w celu uzasadnionego interesu biznesowego.
Podam ci przykład.
Wyobraź sobie, że jestem dużym bankiem, na przykład Barclays, i chcę reklamować się w The Guardian. Jako Barclays mam dostęp do swojego własnego systemu CRM. Może posiadam ankiety lub korzystam z Adobe Analytics, zbierając różne dane, które dają mi podstawowe informacje na temat moich rzeczywistych klientów. Być może zauważyłem, że wszyscy moi klienci to mężczyźni w wieku od 25 do 45 lat, zainteresowani sportem. To dość proste i podstawowe informacje.
Następnie podchodzę do The Guardian i typowy scenariusz reklamy programatycznej wyglądałby tak: “Hej, The Guardian, chcę, abyście stworzyli grupę odbiorców składającą się z mężczyzn w wieku od 25 do 45 lat, zainteresowanych sportem, ponieważ takie są moje własne dane dotyczące klientów”.
Dzięki Data Clean Room, szczególnie Decentriq, możemy na przykład zidentyfikować przypadki aktywacji o najwyższym powinowactwie, poprzez przecięcie tych zbiorów danych, prezentując zupełnie inną perspektywę dotyczącą naszych własnych klientów. Teraz nie tylko są mężczyznami, ale grupa wiekowa jest inna, na przykład od 28 do 35 lat. I interesują się nie tylko sportem, ale bardziej sportami ekstremalnymi.
Teraz, jeśli zrozumiesz, co się stało, to tak – wykorzystujemy dane z obu stron, zarówno z naszych klientów, jak i z danych The Guardian. Ale na końcu dnia otrzymujemy jedynie analizy biznesowe.
Na podstawie opinii prawnych i memorandum, które posiadamy jako wsparcie dla tego konkretnego przypadku użycia, nie jest wymagana zgoda marketingowa ani dodatkowe porozumienie w celu wykorzystania tych informacji, ponieważ są to tylko spostrzeżenia biznesowe.
Ale wykorzystujemy te spostrzeżenia, aby w dalszym ciągu wpływać na działania reklamowe, tworzyć segmenty. W żadnym momencie nie przenosimy indywidualnych informacji profilowych z jednego podmiotu do drugiego. Nie mamy również dostępu do bazy danych klientów tego konkretnego wydawcy.
Michael Sweeney: To ogromna zmiana, zwłaszcza jeśli chodzi o wykorzystanie danych własnych. Wydaje się, że to niesamowita zaleta data clean rooms.
Jeśli spojrzymy na inne metody, w jakie marka lub wydawca musiałby aktywować swoje dane własne, na przykład za pomocą identyfikatorów uniwersalnych, nie jestem ekspertem prawnym w zakresie RODO i przepisów dotyczących podstaw prawnych przetwarzania danych przy użyciu identyfikatorów uniwersalnych, ale zakładam i jestem niemal pewien, że zasadniczo przetwarzają one dane osobowe, czyż nie?
Wydawca lub marka musiałby więc zadeklarować, że jest to część przetwarzania danych i że te firmy również będą przetwarzać dane, ale nie jest to przypadkiem w czystych pokojach danych.
Juan Baron: To zależy od konkretnej implementacji data clean roomu.
Jak wcześniej wspomniałem, zależy to od sposobu, w jaki jest skonstruowany data clean room i jakie wymagania musi spełniać pod względem tego, jak obsługuje dane i jak jest zbudowana jego architektura.
W przypadku Decentriq dane są szyfrowane na urządzeniu, więc jeśli korzystasz z naszego interfejsu użytkownika, możesz z niego korzystać nawet wtedy, gdy nie jesteś połączony z naszą infrastrukturą.
Po zaszyfrowaniu i przesłaniu wszystkich danych do Decentriq, wszystko, co przesyłasz, to kropla zaszyfrowanych danych, które są przetwarzane przez bezpieczne, poufne obliczenia za pomocą specjalnie zaprojektowanych układów scalonych. Te układy scalone faktycznie przetwarzają dane, które są w postaci zaszyfrowanej.
W żadnym momencie naszej infrastruktury nikt nie ma dostępu do danych, nawet dostawca usług chmurowych.
Każdy dostawca czystego pokoju danych musi spełnić wysokie wymagania w zakresie ochrony danych i zawsze jest sprawdzany przez inspektora ochrony danych (DPO). Są oni zawsze gotowi odpowiedzieć na pytania i przedstawić informacje dotyczące swojej infrastruktury.
To jest to, co zazwyczaj obserwujemy i dlatego firmy farmaceutyczne, firmy ubezpieczeniowe, banki i inni właściciele bardzo wrażliwych danych mają zaufanie do nas.
To jest świadectwo zaufania, jakim obdarzają nasze technologie i gwarancje, które udzielamy.
Nie wszystkie czyste pokoje danych są w stanie dostarczyć tego ze względu na sposób, w jaki jest zbudowana ich infrastruktura.
Michael Sweeney: Przejdźmy teraz do tematu różnych data clean rooms dostępnych na rynku.
W ostatnich miesiącach pojawiło się wiele doniesień na temat niezależnych data clean rooms działających na rynku. Wielu graczy, takich jak Google, Meta (Facebook) i Amazon, również podejmuje działania związane z technologią czystego pokoju danych lub DCR. Nawet AWS ogłosił swoje rozwiązanie dla czystych pokojów danych.
Zacznijmy od porównania Decentriq z innymi niezależnymi czystymi pokojami danych oferowanymi przez Walled Gardens.
Oczywiście, jak już wcześniej wspomniałeś, ważnym aspektem czystych pokojów danych jest ich reputacja jako rozwiązania przyjaznego dla prywatności. Prywatność i bezpieczeństwo muszą być w centrum uwagi.
W jaki sposób Decentriq różni się od innych niezależnych data clean rooms dostępnych na rynku? I jak zapewniasz aspekty bezpieczeństwa i prywatności, które większość osób uważa za nieodłączne elementy data clean rooms?
Juan Baron: Kluczową cechą odróżniającą Decentriq od innych niezależnych data clean rooms jest nasze podejście skoncentrowane na zwiększaniu prywatności.
Nasz system PET (privacy-enhancing technology) stanowi zupełnie nowe rozwiązanie, szczególnie w kontekście rynku reklamowego. Wykorzystujemy połączenie zaufanego środowiska wykonawczego i poufnego przetwarzania danych, co czyni nas unikalnymi na rynku.
Nasze rozwiązanie opiera się na połączeniu sprzętu i oprogramowania, co zapewnia najwyższy poziom bezpieczeństwa.
Rozumiemy, że istnieją inne dostępne data clean rooms, które bardziej przypominają narzędzia do analizy danych marketingowych, pozyskując informacje z różnych źródeł danych i dostarczając odpowiedzi na bieżące potrzeby marketerów.
Z drugiej strony, niektóre rozwiązania skupiają się głównie na przechowywaniu danych, co ma swoje implikacje prawne i ograniczenia związane z elastycznością obliczeniową w samym czystym pokoju danych.
Decentriq postrzegamy bardziej jako “Snapchata” data clean roomów. Zapewniamy środowisko, w którym możesz użyć różnych języków programowania, takich jak SQL, Python czy R. Możesz nawet tworzyć syntetyczne zbiory danych, które dodatkowo zabezpieczają Twoje dane.
Głównie skupiamy się na elastycznym przetwarzaniu danych, a nie na przechowywaniu, co pozwala nam oferować bardziej zaawansowane możliwości obliczeniowe. Po przetworzeniu danych w data clean roomie, możesz przenieść je do wewnętrznych narzędzi analitycznych, jeśli takowe posiadasz.
W przypadku Walled Gardens, takich jak Google, Meta (Facebook) i Amazon, mają one swoje własne interesy. Ich celem jest zwiększenie wydatków reklamowych w ich ogrodach. Zasadniczo skupiają się na udostępnianiu swoich zasobów reklamowych, nie udostępniając jednocześnie dostępu do danych swoich użytkowników, co wynika z natury ich modelu biznesowego.
Podobnie jest w przypadku AWS. Jego celem jest zwiększenie wydatków reklamowych na Amazon. Jednakże, podobnie jak Walled Gardens, mają swoje ograniczenia i wymagają, abyś korzystał z ich platformy lub usług, co wprowadza pewne restrykcje.
W przyszłości spodziewamy się, że duże marki będą potrzebować niezależnych, elastycznych i bezpiecznych data clean roomów. Będą one oczekiwać od Walled Gardens dostarczania danych do tych niezależnych czystych pokojów danych, aby uzyskać lepsze pomiary. W końcu nawet Walled Gardens muszą chronić dane swoich użytkowników i będą potrzebować najbezpieczniejszych rozwiązań.
Wizja, jaką widzimy, zakłada, że duże marki będą pobierać dane z Walled Gardens do niezależnych data clean rooms, aby zapewnić lepszą analizę i pomiary.
Michael Sweeney: Czy więc w przyszłości możemy spodziewać się większego popytu na niezależne data clean rooms?
Juan Baron: Tak, absolutnie. W przyszłości spodziewamy się, że duże marki będą dążyć do większej niezależności i elastyczności w zakresie analizy danych reklamowych. Będą chciały mieć pełną kontrolę nad swoimi danymi i możliwość korzystania z różnych kanałów reklamowych, niezależnie od dominujących platform, takich jak Google czy Meta.
Wydawcy i reklamodawcy zauważają, że data clean rooms oferują im możliwość analizy i ekstrakcji wartościowych informacji z danych bez konieczności udostępniania ich wrażliwych danych użytkowników.
Decentriq stawia na elastyczność, niezależność i bezpieczeństwo danych. Nasze rozwiązanie umożliwia markom korzystanie z różnych źródeł danych, tworzenie zaawansowanych analiz i segmentacji, niezależnie od dominujących platform reklamowych. Oferujemy pełną kontrolę nad danymi, jednocześnie zapewniając wysoki poziom bezpieczeństwa i prywatności.
Dlatego wierzymy, że w przyszłości niezależne data clean rooms będą odgrywać coraz większą rolę dla reklamodawców i wydawców, którzy poszukują rozwiązań umożliwiających kompleksową analizę danych marketingowych przy jednoczesnym zachowaniu bezpieczeństwa i prywatności.
Michael Sweeney: Czy sądzisz, że nadejdzie taki moment, kiedy Google udostępni technologię data clean rooms innym podmiotom? A może duże marki, prowadzące kampanie zarówno z Google będą miały kilka różnych data clean rooms, z których będą korzystać?
A może sądzisz, że nadejdzie moment, w którym wszyscy będą w jakiś sposób współpracować? Czy może zaistnieć sytuacja podobna do tej, którą widzieliśmy w przypadku reklamy programatycznej, gdzie istnieją Walled Gardens, ale także niezależne firmy AdTech?
Juan Baron: Mam nadzieję, że tak. Wierzę, że na końcu wszystko sprowadza się do zaufania.
Nawet jeśli Google otworzyłby swoje własne czyste pokoje danych, czy sądzisz, że Meta kiedykolwiek przekaże swoje dane użytkowników lub dane dotyczące reklam do data clean roomu Google? Nie sądzę.
To właśnie dlatego wierzymy, że niezależne data clean roomy mają swoje miejsce – umożliwiają zaufanie i kontrolę.
To są kluczowe czynniki, które z pewnością będą napędzać rozwój DCR.
W przypadku marek, takich jak banki czy platformy e-commerce, mamy do czynienia z bardzo wrażliwymi danymi.
To dane osobowe, wartościowe elementy życiowe, historia zakupów danego klienta, a w przypadku banku informacje o hipotece, karcie kredytowej czy historii transakcji. To bardzo wrażliwe dane.
A na końcu dostawca danych musi mieć pełną kontrolę.
Jeśli jesteś dużym reklamodawcą, chcesz nie tylko umieszczać w czystym pokoju danych dane transakcyjne i dane CRM, ale oczekujesz również danych od Walled Gardens i światowych reklamodawców, czyli wydawców. Chcesz mieć możliwość zarządzania swoimi danymi, które umieszczasz w czystym pokoju danych.
Dlatego wierzymy, że niezależne czyste pokoje danych mają tu swoje miejsce. Wierzymy, że Decentriq ma świetlaną przyszłość dzięki swojej elastyczności obliczeniowej, a także dzięki gwarancjom prywatności i bezpieczeństwa, które dostarczamy.
Michael Sweeney: Chciałbym zadać kilka pytań dotyczących najnowszych standardów i wytycznych IAB, które zostały opublikowane w lutym 2023 roku. Jak działa interoperacyjność z Decentriq, począwszy od podstawowego poziomu?
Załóżmy, że mamy jednego reklamodawcę i jednego wydawcę. Jeśli reklamodawca chciałby korzystać z czystego pokoju danych do planowania kampanii medialnych, czy faktycznie mógłby go używać tylko z jednym partnerem-wydawcą? A jeśli chcieliby współpracować z wieloma wydawcami, czy wystarczyłoby zaprosić tych wydawców? Czy to właśnie jest sposób, w jaki to działa?
Juan Baron: Tak, dokładnie tak to działa obecnie. Mamy przykłady, gdzie mamy sieci wydawców współpracujących z jedną marką.
Michael Sweeney: Jakie są Twoje przemyślenia na temat przyszłości interoperacyjności między niezależnymi dostawcami czystych pokojów danych?
Wyobraź sobie sytuację, w której reklamodawca nr 1 korzysta z Decentriq, a wydawca korzysta z innego czystego pokoju danych. Jak widzisz tę sytuację i jak wygląda przyszłość?
Czy widzisz to jako powszechny trend, czy raczej widzisz, że obecnie istnieje jeden czysty pokój danych, z którego korzystają zarówno reklamodawcy, jak i wydawcy, bez interoperacyjności między różnymi dostawcami czystych pokojów danych?
Juan Baron: Interoperacyjność jest kluczowym zagadnieniem. Decentriq jest jednym z autorów tego konkretnego artykułu. Naszym celem było stworzenie punktu odniesienia dla przyszłej interoperacyjności.
Interoperacyjność nie dotyczy tylko porozumienia w zakresie prywatności i bezpieczeństwa, co stanowi nasz mocny punkt, ale również normalizacji danych między czystymi pokojami danych.
Chcemy być neutralni wobec danych wejściowych i wyjściowych w świecie Decentriq. Jednak jeśli chcemy pobierać dane z innego czystego pokoju danych, ponieważ nasza marka lub wydawca korzysta z naszego czystego pokoju danych, musimy zapewnić, że dane będą kompatybilne i możliwe do przetwarzania oraz analizowania w kontekście czystego pokoju danych Decentriq.
Mamy partnerów w Europie, którzy koncentrują się nie tylko na danych, ale również na aspektach prawnych interoperacyjności. Pytanie brzmi: czy możemy skalować ramy prawne wokół tego?
Mam nadzieję, że podejdziemy do tego tematu i wprowadzimy go do dyskusji na temat interoperacyjności, ponieważ jest to fascynujące podejście.
W reklamie programatycznej chodzi o skalowalność bez zbędnych trudności. Chodzi o łatwość obsługi – kliknij przycisk i skaluj. Mamy nadzieję, że w przyszłości osiągniemy to za pomocą czystych pokojów danych.
Michael Sweeney: Zgadzam się. Jak wspomniałeś, wyzwania związane z interoperacyjnością, zwłaszcza w przypadku czystych pokojów danych, są znaczące, prawda?
Decentriq słynie z dbałości o prywatność danych.
Wyzwania techniczne, takie jak normalizacja danych, to jedno, ale jesteście odmienni od tradycyjnych hurtowni danych, gdzie wszystko jest skoncentrowane. Istnieje wiele separacji między różnymi zestawami danych. Nawet dostęp do surowych danych jest utrudniony.
Interoperacyjność będzie interesująca, nawet jeśli nie jest to coś, czego wszyscy dostawcy czystych pokojów danych będą chcieli. Marki i wydawcy mogą być zadowoleni z obecnego modelu, w którym korzystają z jednego czystego pokoju danych, takiego jak Decentriq, i współpracują z grupą swoich partnerów wydawczych. Praca z wieloma czystymi pokojami danych mogłaby wprowadzić znaczne złożoności procesowe.
Juan Baron: Tak, dokładnie.
Michael Sweeney: Świetnie, to wszystkie pytania, jakie miałem na dzisiaj, Juanie. Czy jest coś jeszcze, co chciałbyś dodać?
Juan Baron: Nie, właściwie to była naprawdę świetna rozmowa, więc bardzo dziękuję za poświęcenie mi czasu.
Michael Sweeney: Nie ma sprawy. Bardzo dziękuję za podzielenie się swoimi spostrzeżeniami. Zawsze pomocne jest dowiedzieć się czegoś więcej na temat data clean rooms.
Często czytam artykuły na ten temat i zawsze staramy się zrozumieć to w mojej głowie, a rozmowy z osobami takimi jak ty naprawdę ułatwiają ten proces.
Juan, bardzo dziękuję za dzisiejszy czas i życzę powodzenia z Decentriq.
Juan Baron: Dziękuję, Michaelu. Cała przyjemność po mojej stronie.
