Экосистемные компании во всем мире выходят на первое место по показателям бизнеса. По прогнозам McKinsey, уже к 2025 году на них будет приходиться около трети всего корпоративного дохода в мире. В России формирование экосистем идет полным ходом: бизнес выстраивает партнерские отношения в поисках возможностей синергии, и с учетом экспонентного развития big data одно из самых перспективных направлений — это сотрудничество по данным.
Сегодня уже никого не надо убеждать в ценности данных и возможности их конверсии в выручку. На данных «завязано» большинство бизнес-трендов будущего, в том числе умные технологии и интернет вещей, искусственный интеллект, разработка супераппов и так далее. Банки, операторы связи, ретейлеры и множество других компаний активно используют доступные им данные, стараясь максимально персонализировать свое предложение и повысить эффективность маркетинговых активностей.
Как компании теряют рекламные бюджеты
Однако отраслевых данных часто недостаточно, чтобы точно описать потребителя и предложить ровно то, что ему нужно, в тот момент, когда это нужно. Знания компании о клиенте, как правило, ограничиваются той сферой жизни, в которой они взаимодействуют. Так, банки знают о том, как пользователи тратят деньги, операторы связи — о том, как они перемещаются по городу в течение дня или выезжают за пределы страны.
Вспомните, как часто вы начинаете видеть рекламу бытовой техники в интернете уже после того, как купили нужный товар. Из-за таких неточностей люди сталкиваются с огромными объемами информационного мусора, а миллиарды долларов рекламных денег ежегодно расходуются впустую. Сократить подобные издержки бренд может, например, сопоставив данные рекламной кампании с информацией о последних покупках, доступной ретейлеру: если пользователь недавно купил чайник, вряд ли ему нужен еще один.
Конечно, это далеко не единственный пример. Обрабатывая данные из разных источников, можно получать более достоверную аналитику рынка, создавать новые продукты в любой сфере деятельности. В результате компании, которым удается составить единый клиентский профиль на основе данных из разных источников, получают гигантское конкурентное преимущество.
Что мешает обмениваться данными
Согласно исследованию McKinsey, сегодня более 40% крупных компаний рассматривают возможность партнерских проектов по совместной работе с данными, а к 2025 году объем сетевой экономики в мире перевалит за $60 трлн. Но несмотря на очевидные преимущества сотрудничества и совместного использования данных, компании пока не спешат делиться ими друг с другом, и для этого есть несколько веских причин. Во-первых, предоставляя кому-то доступ к данным своего бизнеса, вы рискуете раскрыть коммерческие секреты конкурентам. Чем больше сторон имеет доступ, тем выше риск, а потери от компрометации данных могут оказаться весомее потенциальной выгоды от сотрудничества.
Во-вторых, даже если вы решите рискнуть, закон сильно ограничивает ваши возможности. К тому же любые действия в работе с персональными данными требуют тщательного согласования с юристами, потому что правоприменение в этой сфере пока не устоялось.
Еще одна, третья причина заключается в необходимости безопасной инфраструктуры для подобной коллаборации. Это включает инструменты обмена и API, справочники и стандарты данных, готовые модели машинного обучения и так далее. Создание такой инфраструктуры с нуля обходится компаниям слишком дорого и занимает чересчур много времени.
Как безопасно «дружить данными»
В последние годы лидеры IT-рынка активно работают над технологиями, которые позволяют партнерам совместно обрабатывать данные, не подвергая себя рискам утечки и сохраняя их конфиденциальность. В 2015 году компания Intel представила технологию Intel® Software Guard Extensions (SGX), которая открывает возможность «дружить данными», обеспечивая безопасность на аппаратном уровне, позволяя обрабатывать данные в специально отведенных защищенных анклавах в оперативной памяти сервера. В 2021 году с выходом серверных процессоров Intel® Xeon® Scalable 3-го поколения технология получила новый виток развития за счет заметного увеличения размера анклавов. Сегодня на рынке уже есть готовые и удобные в использовании решения на базе серверных процессоров Intel. Например, в MS Azure на виртуальных машинах DCsv2 и новых DCsv3/DCdsv3 развернута облачная инфраструктура MS Azure Confidential Computing, поддерживающая технологию Intel SGX. То есть клиентам провайдера доступна полностью готовая к использованию инфраструктура со всеми необходимыми решениями безопасности на аппаратном уровне.
Обработка данных в рамках конфиденциальных вычислений на базе технологии Intel SGX происходит в анклавах — специальных защищенных областях памяти с четко разграниченным доступом. При этом при конфиденциальных распределенных вычислениях каждый из партнеров полностью контролирует процесс обработки своих данных: подписывает скрипты, контролирует активацию и завершение процессов обработки, определяет, кому доступен результат и куда он будет отправлен.
Многие российские компании уже реализуют совместные вычисления, сохраняя конфиденциальность своих данных за счет анклавов Intel SGX. Ритейлер «Магнит» совместно с компанией Aggregion, партнером Intel, запустил открытую платформу по управлению цифровой рекламой. Решение предоставляет маркетологам возможность размещения рекламных кампаний на обезличенных структурированных данных аудиторий сети и партнеров платформы.
Также в партнерстве с Aggregion собственное AdTech-решение для омниканального маркетинга выпустил оператор «Билайн».
Как монетизировать совместные вычисления
Использование конфиденциальных вычислений открывает бизнесу принципиально новые возможности для монетизации данных. Банки могут повысить точность модели предсказания оттока клиентов на основе социально-демографических, транзакционных и других потребительских данных от ретейлеров. Сотрудничество с операторами позволит кредитным организациям совершенствовать свои скоринговые модели, анализируя данные о действующих тарифных планах, расходах на связь и подписках — все это в обезличенном и анонимном режиме.
Совместная работа с данными операторов и ретейлеров открывает возможности более точной классификации клиентов, определения их предпочтений и потребностей. Кроме того, ретейлеры могут искать новых клиентов в базах операторов по модели look-alike. Этот подход позволяет выделить в клиентской базе партнера людей, похожих по своим предпочтениям на заведомо лояльных клиентов, и использовать эту информацию для дальнейших коммуникаций и оптимизации рекламных кампаний.
По материалам РБК