Como Stagwell construiu correspondência de ID com privacidade segura no Databricks

O problema de correspondência de identidade que as marcas enfrentam hoje

As marcas investem pesadamente na construção de ativos de dados próprios, incluindo históricos de compras, registros de CRM, programas de fidelidade e interações no website. Esses dados estão fragmentados entre sistemas e são difíceis de ativar entre canais. No entanto, os dados próprios por si só contam apenas parte da história.

Para construir perfis de público completos, as marcas precisam comparar seus registros com os provedores de identidade para obter gráficos de identidade entre canais, abrangendo e-mail, IDs de dispositivos, cookies e pontos de contato off-line.

A abordagem tradicional é dolorosa. As marcas exportam registros de clientes para uma plataforma de terceiros, o provedor de identidade executa seus algoritmos de correspondência e os resultados chegam dias depois. Cada etapa apresenta riscos: os dados saem do ambiente seguro da marca, as PII viajam pelas redes e as equipes de conformidade devem revisar acordos de compartilhamento de dados que podem levar semanas para serem negociados.

Ao mesmo tempo, as regulamentações de privacidade e as restrições de plataforma fizeram:

• Cookies de terceiros não confiáveis
• Compartilhamento de dados arriscado
• Costura de identidade mais complexa

Isto cria uma lacuna basic: as marcas têm dados, mas não têm a capacidade de conectá-los a uma camada de identidade unificada com segurança

Para superar isso, as marcas precisam:

• Mix seus dados com um gráfico de identidade abrangente
• Enriqueça-o com sinais e atributos adicionais
• Faça isso enquanto protege os dados brutos no nível do usuário

A Advertising Cloud, uma agência world de serviços de advertising and marketing, uma empresa Stagwell, experimentou esse atrito em primeira mão entre seus clientes de marca. Eles pressionaram por um modelo melhor: um onde as marcas pudessem acessar os recursos de correspondência de identidade da Stagwell sem nunca enviar seus dados brutos para fora de sua própria infraestrutura.

Como os aplicativos do Market mudam o modelo de distribuição

As implementações tradicionais de salas limpas exigem muito contato, muita engenharia e podem ser lentas para serem implementadas.

Mercado de blocos de dados Os aplicativos invertem o modelo tradicional de compartilhamento de dados. Em vez de “envie-nos seus dados e nós os processaremos”, o modelo passa a ser “instale nosso aplicativo e ele será executado onde seus dados já estão”. As marcas agora podem instalar um aplicativo pré-construído, conectar seus dados e executar fluxos de trabalho de correspondência de identidade instantaneamente.

Quando uma aplicação é publicada no Databricks Market, qualquer marca com um espaço de trabalho Databricks pode solicitar acesso e instalá-la diretamente. O aplicativo é executado dentro do ambiente da própria marca com sua própria entidade de serviço provisionada automaticamente. Os dados da marca nunca ultrapassam os limites da rede.

Esta é uma mudança basic para os provedores de dados. Anteriormente, distribuir algoritmos proprietários significava expor o código-fonte (o que os parceiros não fariam) ou exigir que as marcas exportassem dados (o que as equipes de conformidade resistem). Os aplicativos do Market resolvem ambos os problemas: o código do aplicativo é conteinerizado e opaco para o consumidor, enquanto os dados da marca permanecem em seus Catálogo de Unidade.

Com a distribuição no mercado, o tempo de implantação cai de meses para minutos, os fluxos de trabalho padronizados melhoram a usabilidade e a governança é incorporada à plataforma. A Stagwell foi um dos primeiros parceiros a colocar este modelo em produção.

O que Stagwell construiu e como funciona

A Stagwell construiu um aplicativo de sala limpa pronto para o mercado no Databricks que permite a ingestão segura de dados próprios da marca, combinando-os com o Stagwell Id Backbone, geração de insights com privacidade segura e transição perfeita para criação e ativação de público.

Em sua essência, o sistema combina Databricks Clear Rooms para colaboração segura, Unity Catalog para governança e controle de acesso, Jobs e Notebooks para execução de correspondência de identidade e uma camada de aplicativo React e Categorical para experiência do usuário.

Veja como funciona o fluxo de ponta a ponta.

• Etapa 1: instalar e autenticar
  • Um administrador do lado da marca descobre a aplicação da Stagwell no Databricks Market e instala-a no seu espaço de trabalho. Durante a instalação, o administrador precisa autorizar e vincular o aplicativo aos recursos necessários: um armazém SQL para consultas e quaisquer segredos para configuração. O aplicativo recebe uma entidade de serviço provisionada automaticamente com credenciais injetadas como variáveis ​​de ambiente. Nenhuma configuração handbook de credenciais é necessária.
• Etapa 2: conectar os dados da marca
  • Quando um usuário de marca abre o aplicativo, ele se autentica por meio do fluxo OAuth padrão do seu workspace. O aplicativo usa Autorização em nome de (OBO) acessar os dados da marca com a identidade do usuário logado. Isso significa que cada ACL do Catálogo Unity, filtro de linha e máscara de coluna são aplicados automaticamente. O aplicativo vê exatamente o que o usuário está autorizado a ver – nada mais.
• Etapa 3: iniciar a correspondência de sala limpa
  • O usuário da marca seleciona quais tabelas primárias corresponder e aciona o processo. Nos bastidores, o aplicativo chama o back-end do Stagwell para criar um Sala limpa embalada. Stagwell contribui com seus dados do Id Backbone e um caderno correspondente e, em seguida, designa a marca como corredora.
  • A designação “embalado” é basic: elimina o fluxo de trabalho de aprovação exigido pelas salas limpas padrão. A marca pode executar o pocket book correspondente imediatamente. E, fundamentalmente, a marca pode ver o nome do pocket book, mas não seu código-fonte – protegendo a lógica de correspondência proprietária da Stagwell.
• Etapa 4: execute a correspondência de identidade
  • A marca opera o pocket book correspondente dentro da sala limpa que realiza as seguintes operações:
    • Une dados da marca ao ID Backbone
    • Resolve identidades em vários identificadores
    • Calcula:
      • Taxas de correspondência
      • Métricas de cobertura
      • IDs de residência e consumidor
  • O pocket book lê os catálogos de entrada de ambas as partes e grava os resultados em um esquema de saída compartilhado. Tanto Stagwell quanto a marca podem ver os resultados da partida through Compartilhamento Delta.
  • Os dados brutos dos clientes da marca nunca ficam visíveis para Stagwell. Os algoritmos de correspondência de Stagwell nunca são visíveis para a marca. A sala limpa impõe essa separação no nível da plataforma.
  • Todo o processamento acontece dentro dos limites da sala limpa, garantindo nenhum vazamento de dados brutos e a aplicação complete das políticas.
• Passo 5: Da correspondência à ativação
  • Assim que a correspondência for concluída, o aplicativo fornece insights, incluindo dados demográficos, segmentos comportamentais, distribuição geográfica e detalhamento de dispositivos. Os resultados incluem conjuntos de dados agregados e uma interface baseada em chat para gerar insights importantes sobre os dados correspondentes. Estas saídas podem ser exportadas ou ativadas em plataformas downstream.
  • A correspondência de identidade é apenas o começo. Depois que os resultados da correspondência são entregues, as marcas precisam transformar perfis enriquecidos de público em ação.
  • Nos casos em que os dados próprios de uma marca não alcançam uma correspondência completa, o aplicativo Crosswalk da Stagwell faz parceria com provedores de identidade adicionais para garantir correspondência downstream de alta fidelidade e cobertura abrangente do público.
  • A partir daí, as marcas ativam seus públicos enriquecidos por meio do Stagwell Agentic Concentrating on System (SATS) – uma solução alimentada por IA que permite que as equipes de advertising and marketing pesquisem, descubram e implantem públicos de forma conversacional, fechando o ciclo desde o enriquecimento de dados até a ativação de mídia.

A arquitetura de autenticação em detalhes

O aplicativo usa quatro camadas de identidade distintas, cada uma com escopo definido para sua finalidade:

Token de usuário em nome de (OBO) – Quando o usuário da marca faz login, o aplicativo recebe seu token OAuth por meio do cabeçalho x-forwarded-access-token. Este token é usado para qualquer operação que envolva os dados da marca: visualização de tabelas, consulta ao armazém SQL, recuperação do identificador de compartilhamento da marca. As ACLs do Unity Catalog se aplicam com base na identidade do usuário.

Entidade de serviço de aplicativo – O SP provisionado automaticamente lida com operações em nível de aplicativo: telemetria, gerenciamento de estado interno e chamadas para a API de back-end do Stagwell. Essa identidade tem como escopo o próprio aplicativo e não possui permissões no nível do usuário.

Diretor de serviço de back-end Stagwell – As próprias credenciais M2M OAuth da Stagwell gerenciam o ciclo de vida da sala limpa: criando a sala limpa, adicionando ativos, contribuindo com notebooks e designando a marca como executora.

Token de acesso pessoal do usuário da marca (PAT) – O colaborador de sala limpa da marca gera um PAT com escopo com permissões de sala limpa, SQL e catálogo do Unity e o fornece durante a instalação do aplicativo por meio de vinculação secreta de recursos. Esse token carrega a identidade do usuário gerador, o que significa que funciona nativamente em todos os espaços de trabalho e permite operações que exigem autorização em nível de sala limpa no lado da marca – como adicionar tabelas de marca e executar o pocket book correspondente.

Por que as salas limpas embaladas são importantes para a distribuição no mercado

As Salas Limpas Padrão exigem uma etapa de aprovação: o colaborador analisa e aprova antes que qualquer pocket book possa ser executado. Isto faz sentido para parcerias advert hoc, mas cria atrito para um modelo de distribuição de mercado onde centenas de marcas podem instalar o mesmo aplicativo.

Salas limpas embaladas eliminam esse atrito. Quando Stagwell cria uma sala limpa designada como sala limpa empacotada, a marca pode executar notebooks imediatamente após a configuração da sala limpa. Sem fila de aprovação, sem idas e vindas, sem atrasos.

É isso que torna o modelo de mercado viável em escala. Uma marca instala o aplicativo, conecta seus dados e executa sua primeira correspondência de identidade em minutos, não em semanas.

O que isso significa para o ecossistema de colaboração de dados

A indústria está vendo uma mudança basic, do compartilhamento de dados estáticos, integração handbook e integrações com alto risco para colaboração governada segura, resolução de identidade sob demanda e fluxos de trabalho de dados produtivos.

O aplicativo de Stagwell demonstra um padrão que qualquer provedor de dados pode seguir. Considere as possibilidades:

• Uma rede de mídia de varejo empacota seu modelo de atribuição como um aplicativo de mercado, permitindo que marcas de CPG meçam o aumento da campanha e ativem segmentos de alto valor sem compartilhar dados de compra.
• Uma empresa de dados de saúde distribui uma ferramenta de correspondência de coorte de pacientes e coordenação de divulgação que é executada nos próprios ambientes Databricks dos sistemas hospitalares.
• Um provedor de dados financeiros oferece enriquecimento de risco de crédito e ativação de oferta pré-qualificada que processa registros de clientes bancários sem que esses registros saiam do espaço de trabalho do banco.

Em cada caso, a proposta de valor é a mesma: o fornecedor de dados monetiza o seu IP através do Market, enquanto o consumidor obtém insights e ativa públicos sem a sobrecarga de conformidade do compartilhamento de dados.

A abordagem de Stagwell ilustra como a profundidade dos dados amplifica este modelo. Seu ID Backbone combina sinais comportamentais com dados de atitude da The Harris Ballot, da Harris Quest Model e do Nationwide Analysis Group – combinando o que os consumidores fazem com o que eles pensam para oferecer ao público uma qualidade que vai além da correspondência de identidade padrão.

Para as marcas, isso significa tempo de obtenção de insights mais rápido, melhor compreensão do público, conformidade mais forte com a privacidade e novas maneiras de ativar seus dados próprios. Para o ecossistema, as salas limpas e os mercados estão se tornando o sistema operacional para colaboração de dados.

Os blocos de construção fazem parte da plataforma Databricks: Catálogo Unity para governança, Market para distribuição, Salas Limpas Embaladas para computação com privacidade segura, Compartilhamento Delta para entrega de resultados e Aplicativos Databricks para o ambiente de tempo de execução. A novidade é como eles se compõem em um canal de distribuição completo para aplicativos orientados a dados.

O futuro da identidade não envolve apenas gráficos melhores – trata-se de tornar a resolução de identidade acessível, segura e escalonável por meio de experiências produtivas. E é exatamente isso que os aplicativos de salas limpas voltados para o mercado desbloqueiam.

Começando

Se você é um provedor de dados que deseja distribuir seus algoritmos e modelos por meio do Databricks Market, veja o que fazer a seguir:

1. Revise o Estrutura bem arquitetada do parceiro guia sobre como criar aplicativos do Market para padrões de arquitetura e práticas recomendadas de segurança.
2. Explorar Documentação de salas limpas do Databricks para entender como as salas limpas empacotadas permitem a computação com privacidade segura.
3. Experimente o Início rápido dos aplicativos Databricks para criar e implantar seu primeiro aplicativo e, em seguida, teste-o instalando-o em um espaço de trabalho separado, sem configuração pré-existente.
4. Entre em contato com sua equipe de conta do Databricks para discutir a publicação e distribuição do Market.