Datová platforma v reálném čase

Kontext

Po Email Machine jsem nastoupil do rychle rostoucí firmy s Data Management Platform jako produktový manažer, od roku 2016 do 2019. Platforma sloužila velkým českým a středoevropským mediálním agenturám segmentací publika v reálném čase, sledováním napříč zařízeními a infrastrukturou pro programatickou reklamu. Když jsem odcházel, zpracovávala 500M+ uživatelských událostí denně pro 50+ enterprise klientů a seděla pod miliardami v programatických reklamních výdajích. Byl to můj první opravdový big-data problém.

Problém

V roce 2016 programatická reklama rychle rostla, ale agentury měly mezeru v práci s daty: data měly a nedokázaly je použít. Zdroje byly roztříštěné napříč aplikacemi, webem a CRM; segmentace byla ruční a trvala týdny; chyběl sjednocený pohled na uživatele; a pravidla se utahovala směrem k GDPR. Výsledkem byly zastaralé, nekonzistentní segmenty.

Přístup

Tři pilíře. Sjednotit: sbírat události ze všech zdrojů pod jedno trvalé user ID se slučováním napříč zařízeními, aby targeting šel z celé cesty, ne z izolovaných kliků. Self-serve: vizuální builder segmentů pro netechnické marketéry s výpočtem dotazu v reálném čase, který tvorbu segmentu zkrátí z týdnů na minuty. Ochrana soukromí jako součást produktu: first-party cookies, GDPR, transparentní nakládání s daty a auditní stopy, takže regulace je důvod věřit platformě, ne omezení.

Co jsem postavil

Jako produktový manažer vedoucí strategii 15–20členného týmu: směr produktu napříč třemi pilíři a priorita, která je tvarovala, posun od rychlého ingestu k přísné validaci na hraně; UX self-service segmentace; GDPR a auditní funkce nasazené před deadlinem; a roadmapa do ML lookaliků. Platforma běží na Kafce pro ingest, Vertice a Redis pro uložení, Sparku pro batch i streaming, s SHA-256 hashingem a audit logy kvůli ochraně soukromí.

Platforma

Výsledky

500M+ událostí denně, z 200M+ v roce 2018. 50+ enterprise agenturních klientů, 99,95% SLA uptime, 90%+ retence. Dodáno ve třech fázích: MVP a 3–5 pilotů v letech 2016–17, enterprise škála s cross-device a GDPR v 2017–18, pak ML funkce a tržní vedení ve střední Evropě od roku 2019. Měřeno denním throughputem událostí, počtem klientů, retencí a SLA.

Co bych vám řekl, pokud to řešíte

Tři věci. Kvalita dat je všechno: přešli jsme od rychlého ingestu k přísné validaci, protože oprava špatných dat dál ve pipeline stojí víc než jim zabránit na hraně. Ochrana soukromí je funkce: stavět ji napřed před GDPR nám vyhrálo enterprise důvěru, místo aby nás to zpomalilo. A složitost se v platformách schovává: inženýři si myslí, že dotaz je jednoduchý, a marketéři ne, takže UX práce, která z výkonné infrastruktury udělá použitelnou, není volitelná.