Data clean rooms: Lo que debes saber sobre la colaboración que prioriza la privacidad

Si preguntamos a algún anunciante sobre el factor más disruptivo de los últimos años, probablemente dudará entre dos contendientes: privacidad e IA. Aunque la IA está preparada para causar un impacto transformador mucho más allá de la publicidad en el futuro, no cabe duda de una cosa: actualmente, ninguna organización puede abordar casos de uso relacionados con los datos de los consumidores sin priorizar la privacidad.

Antes de adentrarnos en el mundo de las data clean rooms, hagamos un breve viaje en el tiempo para preparar el terreno.

Los gobiernos toman medidas para proteger la privacidad de los consumidores

El auge de Internet permitió a las organizaciones empezar a recopilar datos de los consumidores a una escala sin precedentes, de forma más eficiente que nunca, pero a menudo sin tener en cuenta cómo se recopilaron esos datos en primer lugar.

No fue hasta 2016 cuando un gobierno tomó medidas decisivas para abordar la creciente preocupación por la privacidad de los consumidores. Europa se puso a la cabeza con la introducción del Reglamento General de Protección de Datos (RGPD), su primera ley integral sobre privacidad.

En Estados Unidos, California hizo lo mismo en 2018 con la California Consumer Privacy Act (CCPA), que se reforzó en 2020 para proteger aún más a los consumidores e imponer normas más estrictas a las empresas.

El efecto bola de nieve es real: más estados, como Colorado, Connecticut, Florida, Montana, Oregón y Utah, han implementado recientemente sus propias normativas de privacidad, y otros están preparados para unirse a la tendencia.

A nivel mundial, el movimiento es imparable. Según la Conferencia de las Naciones Unidas sobre Comercio y Desarrollo, las leyes de protección de datos y privacidad están presentes ahora en el 71 % de los países, y la nueva legislación sigue en vigor y evolucionando.

Las empresas tecnológicas responden con iniciativas de protección de la privacidad.

Además de las normativas gubernamentales, en los últimos años las grandes empresas tecnológicas han puesto en marcha sus propias iniciativas centradas en la privacidad. Entre los esfuerzos más controvertidos —y ampliamente discutidos— se encuentra el cambio continuo en torno a las cookies de terceros, un elemento que ha sido la columna vertebral del sector de la publicidad desde la década de 1990.

Después de años de anuncios y retrasos, Google ha optado por mantener las cookies de terceros en Chrome por ahora, sin apocalipsis inmediato de cookies. Pero se esperan restricciones más estrictas sobre el acceso y el uso en el futuro, incluidos controles como el consentimiento del usuario.

Según eMarketer, hasta el 87 % del tráfico web podría liberarse pronto de las cookies de terceros una vez que se implemente la solución basada en el consentimiento de Google y Microsoft elimine las cookies de terceros en su navegador Edge. Mientras tanto, los principales navegadores, como Apple Safari y Mozilla Firefox, ya han hecho inaccesibles las cookies de terceros.

Pero no solo se trata de cookies. Tanto Google como Apple siguen poniendo en marcha iniciativas de privacidad de los consumidores. Por ejemplo, App Tracking Transparency (ATT) de Apple, introducido en 2021, requiere que las aplicaciones obtengan el consentimiento explícito del usuario antes de recopilar identificadores de dispositivos con fines publicitarios.

En última instancia, estos cambios están transformando todo el ecosistema del “valor” publicitario.

Data clean rooms, donde empezó todo

En la época en que se introdujeron las primeras normativas de privacidad de los consumidores, otro cambio importante sacudió el sector de la publicidad: Google anunció que dejaría de enviar datos a nivel de registro a los anunciantes.

Aquí está el problema: estos registros son esenciales para que los anunciantes puedan analizar el rendimiento de las campañas. Sin acceso a estos datos, las organizaciones se quedan ciegas e incapaces de optimizar sus estrategias o presupuestos de forma eficaz.

Para hacer frente a este desafío, Google presentó Ads Data Hub, una solución diseñada para que los anunciantes puedan seguir realizando analíticas e informando sobre sus campañas. ¿La trampa? Los anunciantes ya no podían ver ni extraer directamente los datos a nivel de registro. En su lugar, la plataforma proporcionaba un entorno que respetaba la privacidad para el análisis de datos.

El término “información e informes de última generación” se utilizaba en ese momento para describir este nuevo enfoque, que finalmente se convertiría en tecnología de data clean room.

¿Qué es una data clean room?

Es difícil decir exactamente por qué una categoría tecnológica específica despunta, pero una señal de que está ganando auge es cuando recibe sus propias siglas ampliamente reconocidas. Adéntrate en las data clean rooms o DCR.

El concepto en el que se basan las data clean rooms surge del mismo desafío al que Google se enfrentó con Ads Data Hub: permitir la colaboración de datos entre dos partes sin exponer los datos subyacentes.

Los datos de primera mano son uno de los activos más valiosos que posee una organización, de ahí la sensibilidad en torno a hacerlos accesibles. Sin embargo, existen escenarios críticos en los que es esencial analizar conjuntos de datos propiedad de diferentes partes.

Las data clean rooms proporcionan un entorno seguro y controlado que permite a varias organizaciones —o incluso unidades de negocio de una sola organización— colaborar con datos confidenciales o regulados sin comprometer la privacidad.

Un componente clave de esta protección configurada es el uso de tecnologías de mejora de la privacidad (PET), como la privacidad diferencial, las políticas de agregación y proyección y la generación de datos sintéticos.

¿A quién van dirigidas las data clean rooms y cuáles son los casos de uso habituales?

Como se mencionó anteriormente, las data clean rooms ganaron impulso inicialmente en el sector de la publicidad, en concreto para medir el rendimiento de las campañas publicitarias sin necesidad de que el editor diera acceso directo a datos detallados.

Con el tiempo, el alcance de la colaboración se amplió e incluyó a diversas partes interesadas con diferentes funciones en las iniciativas publicitarias:

• Marcas: Se centran en captar clientes nuevos e incrementar los ingresos mediante la publicidad de pago.

• Editores y redes de medios: Su objetivo es monetizar los datos y el inventario de anuncios.

• Agencias: Apoyan a anunciantes y editores en la ejecución y estrategia de campañas.

• Proveedores de datos y de tecnología: Venden datos, soluciones de identidad y servicios, como integraciones en el ecosistema publicitario.

A través de las alianzas formadas entre estas partes interesadas, los casos de uso típicos de colaboración publicitaria ahora incluyen:

• Enriquecimiento e identidad de los datos: Los partners pueden mejorar los datos de primera mano e incrementar la direccionalidad.

• Planificación estratégica: Los anunciantes pueden decidir dónde gastar los presupuestos publicitarios e identificar las audiencias más relevantes.

• Activación de campañas: Se puede llegar a los consumidores a través de canales directos o con el apoyo de partners.

• Medición y optimización: Las organizaciones pueden entender el impacto de los canales en las conversiones y perfeccionar su gasto en medios de comunicación.

Por ejemplo, Booking.com se asoció con Snap mediante Snowflake Data Clean Rooms para medir el rendimiento de las campañas con mayor eficacia. Esta colaboración aumentó la confianza en sus resultados de menos del 20 % a un impresionante 99 %.

Sin embargo, el potencial de las data clean rooms va mucho más allá de la publicidad y puede abarcar otros sectores, como en los siguientes ejemplos:

• Sanidad: El sector está acelerando la investigación y el desarrollo de fármacos al permitir el análisis seguro de datos entre laboratorios e instalaciones sanitarias sin exponer información confidencial.

• Servicios financieros: Las organizaciones están acelerando la detección de fraudes y mejorando los modelos de calificación crediticia a la vez que protegen los datos de los clientes.

La publicidad es solo el punto de partida para demostrar el valor de esta tecnología. A medida que los sectores sigan reconociendo las ventajas de una colaboración de datos segura y que respete la privacidad, cabe esperar una adopción más amplia en los próximos años.

¿Cómo se comparan las data clean rooms con otras tecnologías?

Una idea errónea común es que las data clean rooms son lo mismo que las tecnologías de data sharing. Las soluciones seguras de data sharing permiten a los propietarios compartir sus conjuntos de datos con controles específicos. El objetivo del data sharing es proporcionar acceso a los datos detallados subyacentes, en contraste directo con el propósito de las data clean rooms, que están diseñadas para impedir dicho acceso y, al mismo tiempo, permitir el análisis de datos.

Otra categoría tecnológica que suele compararse con las data clean rooms es la plataforma de datos de clientes (CDP). Aunque ambas dependen de datos de primera mano para aportar valor, las similitudes terminan ahí. Las CDP se centran en hacer que los datos de primera mano de una marca sean accesibles para los profesionales del marketing y los anunciantes a fin de organizar experiencias personalizadas para los clientes. Sin embargo, las CDP carecen de las herramientas y medidas necesarias para facilitar una colaboración segura con propietarios de datos externos.

¿Cómo funciona una data clean room?

Una vez que se establece un acuerdo de colaboración entre dos o más partes, el propietario de los datos (denominado “proveedor de datos”) establece un entorno de clean room. El proveedor de datos determina a qué datos se puede acceder dentro de la clean room y especifica las actividades permitidas en esos conjuntos de datos, como el análisis de la superposición de audiencias o el modelado de públicos similares.

Cada parte involucrada en la colaboración conserva el control total sobre sus conjuntos de datos en todo momento. Pueden decidir conceder o revocar el acceso a los datos según sea necesario, garantizando que sus datos sigan gobernados y bajo su propiedad.

Después de hacer accesibles los conjuntos de datos dentro de la clean room, se requiere un proceso de coincidencia entre ellos. Algunas tecnologías de data clean rooms imponen el uso de un identificador específico como clave coincidente, mientras que otras son independientes, lo que permite a los colaboradores acordar los criterios de coincidencia de su elección. La colaboración exitosa depende de una coincidencia exacta de valores para un punto de datos designado (por ejemplo, un campo específico) entre los conjuntos de datos.

La colaboración en una clean room suele concluir una vez que se obtiene la información deseada. Sin embargo, en algunos casos, la clean room puede activar el conjunto de datos resultante en un canal permitido.

Las data clean rooms por sí solas no son suficientes

Aunque las data clean rooms facilitan la colaboración de datos segura, es esencial recordar que la privacidad no se logra implementando una sola tecnología. La verdadera privacidad requiere una estrategia integral que empiece por el consumidor.

Si una organización desea colaborar en materia de datos con otras partes, es indispensable obtener el consentimiento de los consumidores. Para obtener el consentimiento, las organizaciones deben priorizar la transparencia y garantizar un intercambio de valor claro. Hoy en día, los consumidores son cada vez más conscientes del valor de sus datos y es mucho menos probable que los compartan sin comprender lo que obtienen a cambio.

Incluso con las tecnologías avanzadas de privacidad y seguridad que proporcionan las data clean rooms, las organizaciones deben establecer prácticas sólidas de gobernanza de datos. Estas prácticas deben regir todas las actividades que impliquen el acceso y el uso de los datos para garantizar el cumplimiento y mantener la confianza.

Data clean rooms de Snowflake para la colaboración de datos

Miles de organizaciones han adoptado el AI Data Cloud de Snowflake para almacenar y procesar de forma segura sus datos de primera mano, incluidos los conjuntos de datos confidenciales y regulados. Gracias a su infraestructura de confianza y su modelo de gobernanza unificado, Snowflake ofrece controles integrales de cumplimiento, seguridad y privacidad que se aplican de manera uniforme.

Snowflake Data Clean Rooms es una Snowflake Native App que se implementa en el AI Data Cloud y proporciona un entorno de confianza, que protege la privacidad, para la colaboración de datos. Diseñado para dar apoyo tanto a equipos técnicos como de negocio, puede simplificar la colaboración segura sin comprometer la privacidad de los datos.

Las organizaciones eligen las Data clean rooms de Snowflake no solo por su integración fluida con el ecosistema de Snowflake, sino también por sus ventajas únicas:

• Neutralidad: Evita los conflictos de intereses con una solución neutral e independiente. A diferencia de otras soluciones, Snowflake no vende datos, soluciones de identidad ni medios, por lo que no hay conflictos de intereses y es una opción verdaderamente neutral.

• Fiabilidad: Acelera la colaboración al aprovechar la misma tecnología en la que confían los principales editores y expertos del sector para sus iniciativas de clean room.

• Interoperabilidad entre regiones y nubes: Colabora con partners utilizando la infraestructura de nube de tu elección, ya sea AWS, Microsoft Azure o Google Cloud.

Asiste a nuestro evento virtual Accelerate Media and Entertainment para obtener más información sobre el futuro de la colaboración de datos.