惠普如何借助 Databricks CustomerLake 构建面向 AI 的 CDP
内容提要
惠普在Databricks上构建营销数据基础，借助CustomerLake和Genie，将受众创建时间从2-3个月缩短至2小时，CDP成本最多降低40%，可用营销数据扩大90%。公司将数百个数据孤岛整合为少量湖仓，实现治理下的数据共享，数据请求从三个月缩短至48小时。通过语义层和AI代理，营销人员可自助使用数据，并计划将身份解析纳入自有环境，打通B2C与B2B数据。
延伸解读
从“独立CDP”转向“能力组合”
惠普不再把CDP视为单一产品或激活功能，而是围绕业务需求组合能力。随着治理数据和业务逻辑集中到Databricks，维护独立CDP意味着重复管道、数据和运营开销。可组合架构虽减少数据移动，但激活层仍缺少数据平台已有的业务定义、上下文和治理。这提示企业：CDP的价值正从“工具采购”转向“与数据底座融合”，避免上下文在系统间重复建设。
治理与自助之间的平衡术
惠普将数百个数据湖和存储库整合为少量湖仓，采用中央标准与联邦执行，让领域专家保留所有权的同时共享治理数据产品。营销因此获得媒体表现、市场份额、技术画像和意图数据等此前分散的来源。数据共享请求从三个月、约15封邮件和三次升级，缩短到48小时内生成受治理的Delta Sharing资产。这说明治理不是自助的障碍，而是可信自助的前提。
语义层是AI代理可用的关键
文章强调，仅有数据访问权限并不够，AI代理还需要定义、关系、指标和治理才能正确使用数据。惠普正在构建语义层，帮助Genie理解业务含义，例如创建覆盖26个维度和10个度量的媒体指标视图，集中媒体支出与绩效KPI定义。意图数据摄入也从75个主题扩展到约2万个主题。对读者而言，语义层和指标视图的投入，决定了自助分析与AI代理能否真正落地。
身份解析回归自有环境的影响
惠普计划将身份信号带回Databricks环境，而非长期留在外部身份提供商。这样可在同一身份服务上贯通数据流向媒体平台及回传路径，为测量、受众激活和模型改进提供治理基础。文章提到，即使仅覆盖10%的消费者客户群，也可能为商业业务创造可观机会。这一方向值得关注：身份层内聚后，B2C与B2B数据可在共享身份层上协同，但前提仍是同意与治理机制。
Q&A
惠普用 Databricks CustomerLake 和 Genie 后，受众创建时间缩短了多少？
受众创建时间从原来的 2-3 个月缩短到 2 小时。
惠普的 CDP 成本降低了多少？可用营销数据扩大了多少？
CDP 成本最多降低 40%，可用营销数据扩大 90%。
惠普为什么不再维护独立的 CDP，而是转向可组合架构？
因为随着更多治理数据和业务逻辑整合到 Databricks 上，维护独立 CDP 会导致管道、数据和运营开销重复；可组合架构虽减少数据移动，但激活层仍缺乏数据平台已有的业务定义、上下文和治理。
惠普如何让营销人员自助使用数据，而不必事事依赖工程团队？
惠普通过 AI/BI Genie 和基于代理的能力，并开发语义层（包括领域、指标视图、指令和可复用技能）来帮助 Genie 理解数据含义，从而让高管、营销用户、媒体团队和分析师自助使用数据。
惠普在身份解析方面有什么新计划？
惠普计划将身份信号带回 Databricks 环境，而不是像传统做法那样将身份层放在外部提供商。这样可以在治理基础上进行测量、受众激活和模型改进，并打通 B2C 与 B2B 数据。
惠普的数据共享请求处理时间从多久缩短到了多久？
从 2024 年需要约三个月、15 封邮件和三次升级且结果不可靠，缩短到如今可在 48 小时内生成受治理的 Delta Sharing 资产。
