As organizações estão investindo pesadamente em análise e IA para melhorar a tomada de decisões, impulsionar o crescimento e entregar melhores resultados. A Mastercard ajuda os clientes a aproveitar o poder dos dados por meio de análises e insights que apoiam tudo, desde o envolvimento do cliente e gestão de risco até o crescimento dos negócios e inovação.
No entanto, extrair valor de dados de forma responsável está se tornando cada vez mais complexo. As organizações devem equilibrar a crescente demanda por insights baseados em dados e inovação em IA com as crescentes regulamentações de privacidade e as crescentes expectativas dos consumidores. Os requisitos relacionados ao uso, retenção, governança e privacidade do consumidor de dados podem tornar mais desafiador usar dados para análises avançadas enquanto se cumprem as obrigações legais e regulatórias aplicáveis.
A Mastercard acredita que privacidade e inovação não devem ser prioridades concorrentes. Para ajudar a resolver este desafio, a Mastercard trabalha com a Trūata, sua subsidiária sediada em Dublin e operada independentemente, especializada em tecnologias de melhoria de privacidade e anonimização independente.
Através da sua estrutura independente de anonimização, a Trūata transforma dados pessoais em dados não pessoais, preservando o seu valor analítico. A estrutura combina uma plataforma de tecnologia de anonimização avançada com salvaguardas legais e organizacionais concebidas para fornecer uma governança e responsabilidade robustas. Isso ajuda as organizações a gerar insights de forma responsável para apoiar iniciativas de análise avançada e IA, mantendo a confiança do consumidor e apoiando estratégias de dados em mercados globais.
A anonimização eficaz aborda três principais riscos de privacidade:
- Singularização: impedir a identificação de um indivíduo dentro de um conjunto de dados
- Possibilidade de vinculação: impedir que registros sejam conectados em conjuntos de dados
- Inferência: reduzir o risco de que informações sobre um indivíduo possam ser derivadas de relacionamentos indiretos dentro dos dados