HP 如何用 Databricks CustomerLake 构建 AI 就绪的 CDP

在 Data + AI Summit 2026 上，Luis Alonso——HP 全球 MarTech 与 AI 赋能数据战略与工程负责人——分享了该公司如何在 Databricks 上构建面向 AI 的 go-to-market 数据基础。

HP 投入了大量时间和精力，在营销 Lakehouse 中统一客户数据和第三方信号，如今 Genie 和 CustomerLake 让营销人员能够获得这一可信上下文，用于日常的受众、渠道和客户旅程决策。

HP 的早期工作凸显了这种方法在三个方面带来的价值：降低成本、扩展可用的客户上下文，并加速激活：

• CDP 总拥有成本降低 40%：HP 估计，与之前的可组合 CDP 方案相比，通过 CustomerLake 整合 CDP 能力可将总拥有成本降低最多 40%。
• 90% 为净新增营销信号：HP 通过媒体、品牌、意向和技术特征来源的 90% 净新增信号，扩展了可用于营销的数据。
• 两小时内即可就绪受众：在使用 CustomerLake 的首次会话中，HP 就配置了数据模型、发布了属性，并准备好构建受众——而这一过程用传统 CDP 可能需要 2-3 个月。

HP 为何重新思考传统 CDP

对 HP 而言，CDP 不是单一产品或一组狭窄的激活功能，而是围绕业务需求构建的一组能力：

• 第一方和第三方数据战略
• 账户画像与聚类
• 身份与购买群智能
• 受众细分与激活
• 闭环衡量
• 常开自动化与自助服务

随着 HP 在 Databricks 上整合更多受治理的数据和业务逻辑，维护独立的 CDP 越来越意味着重复的管道、数据和运营开销。可组合架构减少了一些数据移动，但激活层仍然缺少数据平台中已有的业务定义、上下文和治理。

这种上下文对于自助分析和 AI 智能体至关重要。没有它，智能体或许能够访问数据，但仍缺少正确使用数据所需的定义、关系、指标和治理。

从数百个数据存储库到受治理的营销 Lakehouse 基础

HP 更广泛的数据转型将数百个数据湖和存储库整合为少量 Databricks lakehouse。该公司采用中央标准与联邦执行，使领域专家保留所有权和管理权，同时在整个业务中共享受治理的数据产品。

这使营销部门能够以受治理的方式访问此前分散的来源，包括媒体表现、市场份额、技术特征和意向数据，以及倾向模型。

这一变化实质性地改变了 HP 团队协作的方式。

Alonso 描述了 2024 年的一次数据共享请求：与销售合作伙伴共享数据需要三个月、约 15 封邮件往来和三次升级，且没有可靠结果。如今，类似的请求可以在 48 小时内生成受治理的 Delta Sharing 资产。

这一改进让营销团队能够更快获取规划、定向、报告和衡量所需的数据，同时保留领域所有权和治理。

将技术就绪转化为业务就绪

打造强大的技术基础并不会自动让数据对营销人员可用。下一步是让高管、营销用户、媒体团队和分析师能够使用这一基础，而无需每个问题或任务都依赖工程团队。

HP 正在利用 AI/BI Genie 和基于智能体的能力，在三个工作层面帮助弥合这一差距：

• 面向高管和业务团队的决策与规划
• 面向营销人员、分析师和数据科学家的洞察生成与激活
• 面向工程团队的构建与扩展

业务上下文是该战略的核心部分。HP 正在开发语义层，帮助 Genie 理解公司数据的含义，包括领域、指标视图、指令和可复用技能。

例如，HP 创建了一个涵盖 26 个维度和 10 个度量值的媒体指标视图。这将媒体支出和绩效 KPI 的定义集中化，使仪表板、业务用户和 AI 系统能够基于同一可信来源开展工作。

HP 还将其意图数据摄取从 75 个主题扩展到约 20,000 个主题。Genie Code 帮助团队规划如何大规模聚类这些信号，并将其用于更丰富的账户画像。

将身份引入受治理的数据基础

HP 还在重新思考身份解析应位于何处。过去，企业通常将客户数据发送给外部身份提供商，并将由此产生的身份层保留在核心数据环境之外。

HP 计划将身份信号带回其 Databricks 环境。这为衡量、受众激活和模型改进创建了受治理的基础。数据在流向媒体平台和返回路径时都可以通过同一身份服务，帮助 HP 构建更完整的绩效视图并持续改进其模型。

Alonso 指出，通过这种保护隐私的同意方式触达 HP 消费者客户群的哪怕 10%，也可能为商业业务创造可观的新机会。

CustomerLake Agentic CDP：两小时内实现受众就绪

HP 对 CustomerLake 的早期体验展示了将营销能力直接引入受治理数据基础的潜力。

根据团队以往的 CDP 实施经验，Alonso 预计设置过程会很漫长，涉及大量会议、文档、数据模型配置以及隐私和安全审查。

最初的体验却要简单得多。

“我们的数据模型已经就位，属性已经发布，我们准备好构建受众了——这些工作以前可能需要两到三个月才能完成。”

由于 CustomerLake 原生运行于 Databricks 和 Unity Catalog，HP 团队可以直接使用他们的模式、表、定义和治理，而无需在单独的平台中重建上下文。

该架构还支持一个重要的 B2C 到 B2B 机会。HP 拥有数亿消费者客户，但已知的企业联系人群体要小得多。CustomerLake 使 HP 能够通过共享身份层，在一个环境中同时处理其 B2C 和 B2B 数据模型与系统。HP 还可以使用 Lakehouse Federation 整合来自其他平台的数据。

HP 构建 AI 就绪营销基础的四大经验

在整个上市路线图中，HP 正在评估三个领域的价值：

• 成果：更好的洞察、规划、激活、报告和衡量
• 生产力：更快的模型开发、受众创建和数据访问
• TCO：更低的平台、许可、集成和运营成本

HP 与 Genie 和 CustomerLake 的合作表明，有潜力同时解决这三个领域的问题。他们的历程为其他正在现代化营销技术栈的企业提供了四条实用经验：

1. 围绕业务需求定义 CDP。 从利益相关者所需的能力出发，而不是从僵化的类别定义或产品清单出发。
2. 构建受治理的 Marketing Lakehouse。 数据统一、质量和访问必须在自助服务和智能体可靠运行之前就位。
3. 选择最贴近你的数据和 AI 的 CDP 能力。 当客户上下文、业务定义和激活能力在同一基础上运行时，AI 智能体表现最佳，这使它们能够大规模准确、安全地采取行动。
4. 同时衡量成果、生产力和 TCO。 更快的激活、收入影响、减少的工程开销和更低的平台成本是同一转型中相互关联的部分。

HP 的历程表明，现代化营销激活和大规模应用 AI 都依赖于将数据、智能和行动汇聚在同一基础上。借助其受治理 Marketing Lakehouse 上的 CustomerLake 和 Genie，HP 让营销人员和智能体能够直接访问可信上下文，而无需在孤立的系统中重新创建它。早期成果包括在两小时内而非数月内实现受众就绪，并有可能将 CDP TCO 降低多达 40%。这些收益共同为大规模、更快速、更智能和更个性化的客户互动奠定了基础。

在此观看完整的 Data + AI Summit 会议。