Como a HP está construindo um CDP pronto para AI com o Databricks CustomerLake

No Data + AI Summit 2026, Luis Alonso, Global Head de Data Strategy & Engineering para MarTech & AI Enablement na HP, compartilhou como a empresa está construindo uma base de dados go-to-market pronta para IA no Databricks. 

A HP dedicou bastante tempo e esforço para unificar dados de clientes e sinais de terceiros em seu Marketing Lakehouse, e agora o Genie e o CustomerLake disponibilizam esse contexto confiável para os profissionais de marketing tomarem decisões diárias sobre públicos, canais e jornadas do cliente.

O trabalho inicial da HP destaca três maneiras pelas quais essa abordagem pode reduzir custos, expandir o contexto de clientes disponível e acelerar a ativação:

• Custo total de propriedade do CDP 40% menor: A HP estima que a consolidação dos recursos do CDP com o CustomerLake pode reduzir o custo total de propriedade em até 40% em comparação com sua abordagem anterior de CDP composável.
• 90% de sinais inéditos de marketing: A HP expandiu os dados disponíveis para marketing com 90% de sinais inéditos em fontes de mídia, marca, intenção e dados tecnográficos.
• Prontos para criar públicos em duas horas: Na primeira sessão de uso do CustomerLake, a HP configurou modelos de dados, publicou atributos e ficou pronta para criar públicos — um processo que poderia levar de 2 a 3 meses com um CDP tradicional.

Por que a HP está redefinindo o CDP tradicional

Para a HP, um CDP não é apenas um produto ou um conjunto limitado de recursos de ativação. É uma coleção de funcionalidades construídas em torno das necessidades do negócio:

• Estratégia de dados proprietários (first-party) e de terceiros (third-party)
• Perfis de contas e clusterização
• Inteligência de identidade e grupos de compra
• Segmentação e ativação de público
• Mensuração de ciclo fechado (closed-loop)
• Automação contínua e self-service

À medida que a HP consolidou mais dados governados e lógica de negócios no Databricks, manter um CDP separado significava cada vez mais duplicar pipelines, dados e custos operacionais. As arquiteturas composáveis reduziram parte da movimentação de dados, mas a camada de ativação ainda carecia das definições de negócios, contexto e governança já disponíveis na plataforma de dados.

Esse contexto é essencial para self-service analytics e agentes de IA. Sem ele, um agente pode acessar os dados, mas ainda assim carecer das definições, relacionamentos, métricas e governança necessárias para usá-los corretamente.

De centenas de repositórios de dados a uma base governada de Marketing Lakehouse

A transformação de dados mais ampla da HP consolidou centenas de data lakes e repositórios em um pequeno número de lakehouses no Databricks. A empresa utiliza padrões centrais com execução federada, permitindo que os especialistas de domínio mantenham a propriedade e a custódia enquanto compartilham produtos de dados governados por toda a organização.

Isso concedeu ao marketing acesso governado a fontes anteriormente fragmentadas, incluindo dados de desempenho de mídia, participação de mercado, dados tecnográficos e de intenção, além de modelos de propensão.

A mudança alterou substancialmente a forma como as equipes da HP trabalham juntas.

Alonso descreveu uma solicitação de 2024 para compartilhar dados com um parceiro de vendas que exigiu três meses, cerca de 15 trocas de e-mails e três escalonamentos, sem um resultado confiável. Hoje, uma solicitação semelhante pode resultar em um ativo governado do Delta Sharing em até 48 horas.

Essa melhoria oferece ao marketing um acesso mais rápido aos dados necessários para planejamento, direcionamento (targeting), relatórios e mensuração, mantendo a propriedade do domínio e a governança.

Transformando a prontidão tecnológica em prontidão para os negócios

Criar uma base técnica sólida não torna automaticamente os dados utilizáveis para os profissionais de marketing. O próximo passo é capacitar executivos, usuários de marketing, equipes de mídia e analistas a usarem essa base sem depender da engenharia para cada pergunta ou tarefa.

A HP está usando o AI/BI Genie e recursos baseados em agentes para ajudar a preencher essa lacuna em três camadas de trabalho:

• Tomada de decisão e planejamento para executivos e equipes de negócios
• Geração de insights e ativação para profissionais de marketing, analistas e cientistas de dados
• Construção e escala para equipes de engenharia

O contexto de negócios é parte fundamental dessa estratégia. A HP está desenvolvendo camadas semânticas que ajudam o Genie a entender o significado dos dados da empresa, incluindo domínios, exibições de métricas (metric views), instruções e habilidades reutilizáveis.

Por exemplo, a HP criou uma métrica de mídia (metric view) cobrindo 26 dimensões e 10 medidas. Isso centraliza as definições de gastos com mídia e KPIs de desempenho para que painéis, usuários de negócios e sistemas de IA possam trabalhar a partir da mesma fonte de verdade.

A HP também expandiu sua ingestão de dados de intenção de 75 tópicos para aproximadamente 20.000 tópicos. O Genie Code ajuda a equipe a planejar como agrupar (cluster) esses sinais em escala e usá-los para perfis de contas mais completos.

Trazendo a identidade para a base de dados governada

A HP também está redefinindo onde a resolução de identidade deve residir. Historicamente, as empresas costumavam enviar dados de clientes para um provedor de identidade externo e mantinham a camada de identidade resultante fora de seu ambiente principal de dados.

A HP planeja trazer os sinais de identidade de volta para seu ambiente Databricks. Isso cria uma base governada para mensuração, ativação de público e melhoria de modelos. Os dados podem fluir pelo mesmo serviço de identidade em direção às plataformas de mídia e no caminho de retorno, ajudando a HP a construir uma visão mais completa do desempenho e a aprimorar continuamente seus modelos.

Alonso observou que alcançar mesmo 10% da base de clientes consumidores da HP por meio dessa abordagem que preserva o consentimento pode criar uma nova oportunidade substancial para o negócio comercial.

CustomerLake Agentic CDP: Prontos para criar públicos em duas horas

A experiência inicial da HP com o CustomerLake ilustra o potencial de levar os recursos de marketing diretamente para a base de dados governada.

Com base nas implementações anteriores de CDP da equipe, Alonso esperava um longo processo de configuração envolvendo reuniões extensas, documentação, configuração de modelos de dados e revisões de privacidade e segurança.

A experiência inicial foi drasticamente mais simples.

“Tínhamos nossos modelos de dados prontos, tínhamos atributos publicados e estávamos prontos para criar públicos — um trabalho que antes poderia exigir dois ou três meses para ser concluído.”

Como o CustomerLake é nativo do Databricks e do Unity Catalog, a equipe da HP pôde trabalhar diretamente com seus esquemas, tabelas, definições e governança, em vez de recriar o contexto em uma plataforma separada.

A arquitetura também apoia uma oportunidade significativa de B2C para B2B. A HP tem centenas de milhões de clientes consumidores, mas uma população conhecida muito menor de contatos corporativos. O CustomerLake permite que a HP trabalhe com seus modelos e sistemas de dados B2C e B2B em um único ambiente, por meio de uma camada de identidade compartilhada. A HP também pode incorporar dados de outras plataformas usando a Lakehouse Federation.

As quatro lições da HP para criar uma base de marketing pronta para AI

Ao longo do roteiro de go-to-market, a HP está avaliando o valor em três áreas:

• Resultados: Melhores insights, planejamento, ativação, relatórios e mensuração
• Produtividade: Desenvolvimento de modelos, criação de públicos e acesso a dados mais rápidos
• TCO: Custos operacionais, de plataforma, licenciamento e integração mais baixos

O trabalho da HP com o Genie e o CustomerLake sugere o potencial para abordar as três áreas juntas. Sua jornada oferece quatro lições práticas para outras empresas que estão modernizando sua stack de marketing:

1. Defina a CDP com base nas necessidades do negócio. Comece com as funcionalidades que seus stakeholders precisam, em vez de uma definição rígida de categoria ou uma lista de verificação de produtos.
2. Construa um Marketing Lakehouse governado. A unificação, a qualidade e o acesso aos dados precisam estar estabelecidos antes que o self-service e os agentes possam funcionar de forma confiável.
3. Escolha funcionalidades de CDP mais próximas dos seus dados e da sua AI. Agentes de AI funcionam melhor quando o contexto do cliente, as definições de negócios e as funcionalidades de ativação operam na mesma base, fornecendo o contexto necessário para agir com precisão e segurança em escala.
4. Meça os resultados, a produtividade e o TCO de forma integrada. Ativação mais rápida, impacto na receita, redução do overhead de engenharia e custos de plataforma mais baixos são partes conectadas da mesma transformação.

A jornada da HP mostra que modernizar a ativação de marketing e aplicar AI em escala dependem de reunir dados, inteligência e ação na mesma base. Com o CustomerLake e o Genie em seu Marketing Lakehouse governado, a HP está dando aos profissionais de marketing e aos agentes acesso direto a um contexto confiável sem a necessidade de recriá-lo em sistemas desconectados. Os resultados iniciais incluem estar pronto para o público-alvo em duas horas em vez de meses, com o potencial de reduzir o TCO da CDP em até 40%. Juntos, esses ganhos estabelecem a base para um engajamento do cliente mais rápido, inteligente e personalizado em escala.

Assista à sessão completa do Data + AI Summit aqui.

(Esta publicação no blog foi traduzida utilizando ferramentas baseadas em inteligência artificial) Publicação original