惠普称用Databricks CustomerLake搭建CDP，首次配置两小时完成受众准备
惠普MarTech与AI赋能全球数据战略与工程负责人Luis Alonso在Data + AI Summit 2026上介绍，惠普把CDP能力收拢到Databricks上的营销湖仓，首次使用CustomerLake时在两小时内完成数据模型配置、属性发布并具备构建受众的条件；他估计这在此前需要两到三个月。惠普同时估算合并CDP能力可将总拥有成本降低最多40%，该数字为惠普自身估计。
AI解读：惠普正在Databricks的营销湖仓上整合客户数据与第三方信号，并用Genie和CustomerLake把治理好的业务上下文交给营销人员使用。
惠普给出三项早期数据：合并CDP能力后总拥有成本估计最多降低40%；营销可用信号中90%为新增，覆盖媒体、品牌、意向和技术图谱来源；首次使用CustomerLake时两小时内完成数据模型配置与属性发布，具备构建受众的条件。40%是惠普的估算，不是第三方核验结果。
惠普认为传统独立CDP会导致管道、数据和运维重复。其数据转型把数百个数据湖与存储库合并为少数Databricks湖仓，采用集中标准、联邦执行，让各领域团队保留数据所有权。
一个可对照的效率变化：Alonso称2024年与销售伙伴共享数据需要三个月、约15封邮件往来和三次升级，仍无可靠结果；现在类似请求可在48小时内产出受治理的Delta Sharing资产。
惠普计划把身份信号收回Databricks环境，使数据在流向媒体平台和回流时经过同一身份服务。Alonso称，即便只触达惠普消费者客户群的10%，也可能为商业业务带来可观的新机会。
对读者最需要弄清的问题：这些效果来自惠普把CDP建在已有治理湖仓之上，而非独立CDP产品本身。两小时受众准备的前提是数据模型、Unity Catalog治理和业务定义已经就位；40%的成本降幅是相对惠普此前的可组合CDP方案做的估算，尚未公开实际账单或长期运行数据。
惠普MarTech与AI赋能全球数据战略与工程负责人Luis Alonso在Databricks于Data + AI Summit 2026期间发布的博客中称，惠普首次使用CustomerLake时，在两小时内完成数据模型配置、属性发布并具备构建受众的条件；同样的工作在此前可能需要两到三个月。
惠普报出的三项早期数字
惠普把CustomerLake描述为运行在其受治理营销湖仓上的“Agentic CDP”。博客列出三项由惠普方面提供的早期结果，其中成本一项明确为惠普的估算。
惠普将CDP能力合并进CustomerLake后，估计总拥有成本相较此前的可组合CDP方案最多降低40%。这一比较对象是惠普自身过去的架构，不是市场上的其他CDP产品。
惠普称其营销可用数据中90%为新增信号，来源覆盖媒体、品牌、意向和技术图谱。受众准备时间则从传统CDP可能的数月缩短到首次配置的两小时。
为什么惠普不再把CDP当作独立产品
惠普对CDP的定义是一组围绕业务需求构建的能力，包括第一方与第三方数据策略、账户画像与聚类、身份与购买群情报、受众细分与激活、闭环衡量，以及常驻自动化和自助服务。
随着越来越多受治理的数据和业务逻辑集中到Databricks，惠普认为再维护一套独立CDP意味着重复管道、重复数据与额外运维。可组合架构减少了部分数据搬运，但激活层仍缺少数据平台里已有的业务定义、上下文和治理。
Alonso强调，缺少这些上下文时，AI代理即使能访问数据，也不一定知道定义、关系、指标和治理规则，因而无法正确使用数据。
从数百个数据存储库到少数湖仓
惠普的数据转型把数百个数据湖和存储库合并为少数Databricks湖仓，采用集中标准与联邦执行：领域专家保留数据所有权和管理职责，同时共享受治理的数据产品。
这一变化让营销团队获得此前分散来源的受治理访问权限，包括媒体表现、市场份额、技术图谱和意向数据，以及倾向性模型。
Alonso用一个共享请求说明变化：2024年与销售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；现在类似请求可在48小时内形成受治理的Delta Sharing资产。该对比来自惠普方面的叙述。
语义层与身份信号回到数据平台
技术基础就绪不等于营销人员可用。惠普用AI/BI Genie和代理能力在三个层面降低使用门槛：面向高管和业务团队的决策与规划、面向营销人员和分析师的洞察与激活、面向工程团队的构建与扩展。
惠普正在建设语义层，让Genie理解数据含义，包括领域、指标视图、指令和可复用技能。其中一个媒体指标视图覆盖26个维度和10个度量，把媒体花费与表现KPI的定义集中到同一来源。意向数据摄入的主题数则从75个扩展到约2万个。
身份解析的存放位置也在调整。惠普计划把身份信号带回Databricks环境，使数据在流向媒体平台和回流时经过同一身份服务，从而在受治理的基础上做衡量、受众激活和模型改进。Alonso称，即便只触达惠普消费者客户群的10%，也可能为商业业务带来可观的新机会。
惠普还在同一环境中处理B2C与B2B数据模型：其消费者客户达数亿，而已知企业联系人规模小得多，共享身份层让两类数据可在同一平台协作，并可通过Lakehouse Federation接入其他平台的数据。
适用条件与结果边界
两小时受众准备的关键前提，是CustomerLake原生运行在Databricks和Unity Catalog上，惠普团队可直接使用已有的模式、表、定义和治理，而不必在另一个平台重建上下文。没有这套治理基础的企业，不能直接套用这一时间。
40%的成本降幅是惠普相对自身旧方案做出的估算，90%新增信号是惠普对其数据来源构成的描述，两小时是首次会话中的配置结果。这三项都尚未伴随公开的长期运行账单、第三方审计或跨企业对照数据。
惠普把价值评估分为结果、生产力和总拥有成本三部分，并称Genie与CustomerLake的早期工作显示三者可能同时改善。惠普据此给其他企业的建议是：先按业务需求定义CDP，再建设受治理的营销湖仓，把CDP能力放在离数据和AI最近的地方，并同时衡量结果、生产力与成本。