HP 用 Databricks 构建 AI 就绪 CDP

在 Data + AI Summit 2026 上，Luis Alonso，惠普 MarTech 与 AI 赋能部门数据战略与工程全球负责人，分享了该公司如何在 Databricks 上构建面向 AI 的就绪上市数据基础。

惠普投入了大量时间和精力，在其营销湖仓中统一客户数据和第三方信号，如今 Genie 和 CustomerLake 让营销人员能够利用这一可信上下文，为日常的受众、渠道和客户旅程决策提供支持。

惠普的早期工作凸显了这种方法在三个方面降低成本、扩展可用客户上下文并加速激活的潜力：

• CDP 总拥有成本降低 40%： 惠普估计，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多达 40%。
• 90% 净新增营销信号： 惠普通过媒体、品牌、意向和技术特征等来源的 90% 净新增信号，扩充了可用于营销的数据。
• 两小时内即可就绪受众： 在首次使用 CustomerLake 的会话中，惠普配置了数据模型、发布了属性，并做好了构建受众的准备——而这一过程若采用传统 CDP 可能需要 2-3 个月。

惠普为何重新思考传统 CDP

对惠普而言，CDP 不是单一产品或一组狭窄的激活功能。它是围绕业务需求构建的一系列能力：

• 第一方和第三方数据战略
• 客户画像与聚类
• 身份与购买群体智能
• 受众细分与激活
• 闭环衡量
• 始终在线的自动化与自助服务

随着惠普在 Databricks 上整合更多受治理的数据和业务逻辑，维护一个单独的 CDP 越来越意味着复制管道、数据和运营开销。可组合架构减少了一些数据移动，但激活层仍然缺乏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，但仍缺乏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湖仓基础

惠普更广泛的数据转型将数百个数据湖和存储库整合为少数几个 Databricks 湖仓。公司采用中央标准与联合执行，使领域专家在跨业务共享受治理数据产品的同时，保留所有权和管理权。

这为营销部门提供了受治理的访问权限，可访问此前分散的来源，包括媒体绩效、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惠普团队协作的方式。

Alonso 描述了 2024 年一项与销售合作伙伴共享数据的请求，该请求耗时三个月、大约 15 封邮件往来和三次上报，却没有可靠的结果。如今，类似的请求可以在 48 小时内生成受治理的 Delta Sharing 资产。

这一改进使营销部门能够更快地获取规划、定位、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

创建强大的技术基础并不会自动使数据可供营销人员使用。下一步是让高管、营销用户、媒体团队和分析师能够使用该基础，而无需每个问题或任务都依赖工程部门。

惠普正在使用 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。惠普正在开发语义层，帮助 Genie 理解公司数据的含义，包括域、指标视图、指令和可复用技能。

例如，惠普创建了一个涵盖 26 个维度和 10 个度量的媒体指标视图。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。

惠普还将其意向数据摄取从 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客户画像。

将身份引入受治理的数据基础

惠普还在重新思考身份解析应位于何处。历史上，公司通常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。

惠普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流经同一身份服务，帮助惠普构建更完整的绩效视图并持续改进其模型。

Alonso 指出，通过这种保护同意的方式触达惠普消费者客户群的哪怕 10%，也可能为商业业务创造巨大的新机会。

CustomerLake Agentic CDP：两小时内实现受众就绪

惠普对 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预期会有一个漫长的设置过程，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。

“我们已经有了数据模型，我们已发布属性，并且我们已准备好构建受众——这些工作此前可能需要两三个月才能完成。”

由于CustomerLake原生运行于Databricks和Unity Catalog，HP团队可以直接使用他们的schema、表、定义和治理机制，而无需在单独的平台上重新创建上下文。

该架构还支持一个重要的B2C到B2B的机会。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，在一个环境中跨其B2C和B2B数据模型与系统开展工作。HP还可以使用Lakehouse Federation整合来自其他平台的数据。

HP构建AI就绪营销基础的四点经验

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实现营销技术栈现代化的企业提供了四点实用建议：

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、质量和访问必须首先到位，自助服务和智能体才能可靠工作。
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，这使它们能够在大规模下准确、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组成部分。

HP的历程表明，实现营销激活现代化和大规模应用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，而无需在彼此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）实现受众就绪，并有可能将CDP的TCO降低多达40%。这些收益共同为大规模、更快速、更智能且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。