“数据驱动的思维”由媒体社区成员撰写，并包含有关媒体数字革命的新想法。

今天的专栏是由Drew Stein撰写的听起来。

当广告行业正在寻找使用聚合的匿名数据集来预测受众身份的方法时，干净的房间正在挥舞着动力。然而，尽管名字引人注目，但干净的房间不一定像他们承诺的那样“干净”。

尽管它们通常被定位为不适用隐私定律的神奇空间，但在清洁房间的空间中有几个肮脏的真相。

但是，如果该行业愿意改变其方法，那么洁净室将来可能是广告定位的有价值的工具。

“干净的房间”是一个错误的称呼

干净房间的最大问题也许是缺乏对它们的操作方式以及他们声称要解决的隐私问题的共同理解。这种混乱使一些人能够利用灰色区域。

将产品称为“干净”房间是一项令人鼓舞的营销壮举，但是与消费者的个人身份信息（PII）相匹配并将其转换为设备可识别的信息（DII）应该在夜间保持CMO，或者至少抬起眉毛。

一厢情愿的想法是，相信PII进入一个干净的房间，在云中，被编码并与另一个数据集进行了匹配，然后以隐私安全格式返回。干净的房间无法神奇地擦除隐私法。他们只能将处理活动推向执法的地方。

透明度，选择和数据治理是新标准

基本的隐私规则仍然适用于干净的房间：营销人员必须确保使用任何数据的权利。但是他们也必须考虑其他问题。

消费者在数据处理方面有哪些权利？如果他们被告知他们的数据正在处理，他们是否提供了改变主意并选择退出的能力？如何选择退出其他清洁室合作伙伴的选项？想象一下，如果消费者得知自己的PII坐在一个洁净的房间里，其他人可能可以使用它，他们会感觉如何。

干净的房间必须拥有适当的治理，以确保将某些数据类型组合起来不会违反适用的隐私规则。清洁室中可能使用的数据类型应限制。

最干净的方法得出更好的结果

假设我们遵循适用的法律和行业最佳实践，那么洁净室的概念是牢固的。但是需要进行关键转变。该行业有一个巨大的机会在聚集点放弃激活身份，而在印象时就拥抱身份。

使用此前提改变了清洁室的要求。如果比较数据集的可操作输出是，与其服用PII并将其转换为确定性的信息，不如将其转换为确定性的信息，而是最干净，最适合消费者的信息。完全概率。

使用干净房间数据的最清洁方法是仅查看匿名，汇总的分析和见解，然后使用它们来建立结合比较受众群体见解和上下文数据的预测受众。在印象时完成，这为定位提供了一个更好，更适合隐私友好的框架。它是无用的，无设备的，没有任何确定性或持久标识符。

同样的基本概念仍然存在：将两个或多个观众组合在一起以最好地理解他们的交叉点。可交付的是无ID的预测受众，可以与围绕印象本身与确定性标识符的上下文数据进行映射。

重要的是，除了更安全的隐私安全外，这种方法对广告商来说更好。预测数据集可以在整个开放网络上实现更大的可起作用量表。

关注听觉（@audigent）和Adex爱游戏体育骗子changer（@爱游戏体育骗子adexchanger）在Twitter上。