How HP Is Building an AI-Ready CDP with Databricks CustomerLake

HP如何利用Databricks CustomerLake构建AI就绪的CDP | Databricks博客

跳至主要内容

营销

2026年10月20日

HP如何利用Databricks CustomerLake构建AI就绪的CDP

HP通过Databricks CustomerLake和Genie重构了其营销数据基础架构，将受众创建时间从2-3个月缩短至2小时，CDP成本降低达40%，营销数据覆盖范围扩展了90%。

作者：Katy Yuan

摘要

• HP将受众就绪时间从2-3个月缩短至2小时。通过Databricks CustomerLake，HP在现有Databricks架构上直接配置了受控数据模型并发布属性，显著加速了受众创建过程。

• HP估计CDP总拥有成本降低达40%。将CDP功能与CustomerLake整合后，相比其之前的模块化CDP方案，HP的总拥有成本可能减少高达40%。

• HP通过90%的新信号扩展了营销上下文。HP在其营销湖仓中统一了媒体、品牌、意图和技术图谱数据，将意图数据摄入主题从75个扩展到约2万个，受控数据共享周期从三个月缩短至48小时。

在2026年Data + AI峰会上，HP营销技术与AI赋能全球数据战略与工程负责人Luis Alonso分享了公司如何基于Databricks构建AI就绪的市场进入数据基础架构。

HP投入了大量时间和精力在其营销湖仓中整合客户数据和第三方信号，现在通过Genie和CustomerLake，这些可信的上下文信息可为营销人员在日常决策中关于受众、渠道和客户旅程的判断提供支持。

HP的早期实践突显了该方法在降低成本、扩展客户上下文和加速激活方面的三大优势：

• CDP总拥有成本降低40%：HP估计通过将CDP功能与CustomerLake整合，相比其之前的模块化CDP方案，总拥有成本可减少高达40%。

• 新增90%的营销信号：HP通过媒体、品牌、意图和技术图谱等来源新增了90%的营销数据信号。

• 2小时内实现受众就绪：在首次使用CustomerLake的会话中，HP完成了数据模型配置、属性发布并实现了受众构建准备——这一过程在传统CDP中可能需要2-3个月。

为何HP重新思考传统CDP

对HP而言，CDP不是一个产品或一组狭窄的激活功能，而是围绕业务需求构建的一系列能力：

• 第一和第三方数据战略

• 账户画像与聚类

• 身份与购买群体智能

• 受众细分与激活

• 闭环测量

• 持续自动化与自助服务

随着HP在Databricks上整合了更多受控数据和业务逻辑，维护独立的CDP意味着越来越多地重复管道、数据和运营开销。模块化架构虽然减少了部分数据移动，但激活层仍然缺乏数据平台中已有的业务定义、上下文和治理。

这些上下文对自助分析和AI代理至关重要。缺乏这些上下文，代理虽然可以访问数据，但仍可能缺乏正确使用数据所需的定义、关系、指标和治理。

HP 的数据转型整合了数百个数据湖和存储库，将其集中到少量的 Databricks 湖屋架构中。公司采用统一标准与联邦执行机制，使领域专家能够保留数据所有权和管理权，同时在全业务范围内共享受控的数据产品。

这使营销部门获得了对之前碎片化数据源的受控访问权限，包括媒体表现数据、市场份额数据、技术图谱数据、意图数据以及倾向模型。

这一变革显著改变了 HP 团队协作的方式。

Alonso 描述了 2024 年一项与销售合作伙伴共享数据的请求，该请求原本需要约三个月时间、15 次电子邮件往来和三次升级，但结果不可靠。如今，类似请求可在 48 小时内生成受控的 Delta Sharing 资产。

这种改进使营销部门能够更快获取规划、定位、报告和测量所需的数据，同时保持领域所有权和治理规范。

将技术准备转化为业务准备

构建强大的技术基础并不自动使数据对营销人员可用。下一步是使高管、营销用户、媒体团队和分析师能够使用该基础，而无需每次提问或任务都依赖工程团队。

HP 正在使用 AI/BI Genie 和基于代理的功能，帮助在三个工作层级上弥合这一差距：

• 高管和业务团队的决策与规划
• 营销人员、分析师和数据科学家的洞察生成与激活
• 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 个指标的媒体指标视图。这统一了媒体支出和绩效 KPI 的定义，使仪表板、业务用户和 AI 系统能够基于同一事实来源进行操作。

HP 还将意图数据的摄入主题从 75 个扩展到约 20,000 个。Genie Code 帮助团队规划如何在大规模上聚类这些信号，并将其用于更丰富的客户档案。

将身份信息纳入受控数据基础

HP 正在重新思考身份解析应归属的位置。历史上，公司通常会将客户数据发送到外部身份提供商，并将生成的身份层保留在核心数据环境之外。

HP 计划将身份信号重新引入其 Databricks 环境。这为测量、受众激活和模型优化创建了一个受控的基础。数据可以通过相同的标识服务流向媒体平台，并在返回路径上流动，帮助 HP 构建更完整的绩效视图，并持续改进其模型。

Alonso 指出，通过这种保护用户同意的方案，即使仅覆盖 HP 消费者客户基础的 10%，也可能为商业业务创造重大新机会。

CustomerLake 代理式 CDP：两小时内实现受众就绪

HP 早期使用 CustomerLake 的经验展示了将营销能力直接引入受控数据基础的潜力。

基于团队之前的 CDP 实施经验，Alonso 预计需要一个漫长且复杂的设置过程，包括大量会议、文档编写、数据模型配置以及隐私和安全审查。

初始体验大大简化了。

“我们已经建立了数据模型，发布了属性，并准备构建受众——这项工作以前可能需要两到三个月才能完成。”

由于CustomerLake原生支持Databricks和Unity Catalog，HP团队可以直接使用其模式、表、定义和治理，而无需在独立平台中重新创建上下文。

该架构还支持显著的B2C到B2B机会。HP拥有数亿名消费者客户，但已知的企业联系人数量要少得多。通过共享的身份层，CustomerLake使HP能够在同一环境中同时处理其B2C和B2B数据模型及系统。HP还可以通过Lakehouse Federation将其他平台的数据整合进来。

HP构建AI就绪营销基础的四个经验教训

在推向市场的路线图中，HP正在评估三个领域的价值：

• 成果：更深入的洞察、规划、激活、报告和测量
• 生产力：更快的模型开发、受众创建和数据访问
• 总体拥有成本（TCO）：降低平台、许可、集成和运营成本

HP与Genie和CustomerLake的合作表明，有可能同时解决这三个领域。他们的经验为其他正在现代化营销技术栈的企业提供了四个实用启示：

• 围绕业务需求定义CDP。从利益相关者所需的能力建设开始，而不是僵化的类别定义或产品清单。
• 构建受管控的营销湖屋（Marketing Lakehouse）。在自助服务和代理能够可靠运行之前，必须先实现数据统一、质量和访问控制。
• 选择最接近数据和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架构上运行时，AI代理的表现最佳，能够以准确且安全的方式大规模行动。
• 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过程相互关联的部分。

HP的实践表明，现代化营销激活和规模化应用AI都依赖于在相同基础架构上整合数据、智能和行动。通过其受管控的营销湖屋上的CustomerLake和Genie，HP使营销人员和代理能够直接访问可信的上下文，而无需在分散的系统中重复创建。初步成果包括在两小时内而非数月内实现受众就绪，有望将CDP的TCO降低高达40%。这些进展为实现更快速、更智能和更个性化的规模化客户互动奠定了基础。

[在此观看完整的Data + AI峰会会话](#)

在您的收件箱中获取最新文章

订阅我们的博客，即可将最新文章发送到您的收件箱。

注册

[查看所有博客](#)

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"