Come HP sta creando una CDP pronta per l'AI con Databricks CustomerLake

Al Data + AI Summit 2026, Luis Alonso, Global Head of Data Strategy & Engineering for MarTech & AI Enablement di HP, ha raccontato come l'azienda sta creando una data foundation go-to-market pronta per l'AI su Databricks. 

HP ha dedicato molto tempo ed energie all'unificazione dei dati dei clienti e dei segnali di terze parti nel proprio Marketing Lakehouse; ora Genie e CustomerLake mettono questo contesto affidabile a disposizione dei marketer per le decisioni quotidiane su pubblico, canali e customer journey.

I primi risultati di HP evidenziano tre modi in cui questo approccio può ridurre i costi, ampliare il contesto sui clienti disponibile e accelerare l'attivazione:

• Costo totale di proprietà (TCO) della CDP inferiore del 40%: HP stima che il consolidamento delle funzionalità CDP con CustomerLake potrebbe ridurre il costo totale di proprietà fino al 40% rispetto al precedente approccio Composable CDP.
• 90% di nuovi segnali di marketing netti: HP ha ampliato i dati disponibili per il marketing con il 90% di nuovi segnali netti provenienti da fonti di media, brand, intent e dati tecnografici.
• Pronti a creare il pubblico target in due ore: Nella prima sessione d'uso di CustomerLake, HP ha configurato modelli di dati, pubblicato attributi e completato la preparazione per la creazione del pubblico — un processo che con una CDP tradizionale avrebbe richiesto 2-3 mesi.

Perché HP sta ripensando la CDP tradizionale

Per HP, una CDP non è un singolo prodotto o un insieme limitato di funzionalità di attivazione. È una raccolta di funzionalità sviluppate attorno alle esigenze dell'azienda:

• Strategia per i dati di prima e terza parte
• Profilazione e clustering degli account
• Intelligence sull'identità e sui gruppi d'acquisto
• Segmentazione e attivazione del pubblico
• Misurazione a ciclo chiuso
• Automazione sempre attiva e self-service

Mentre HP consolidava più dati gestiti da governance e logica aziendale su Databricks, mantenere una CDP separata significava duplicare pipeline, dati e costi operativi. Le architetture componibili hanno ridotto parte dello spostamento dei dati, ma al livello di attivazione mancavano ancora le definizioni di business, il contesto e la governance già disponibili nella data platform.

Quel contesto è fondamentale per l'analisi self-service e gli agenti AI. Senza di esso, un agente potrebbe accedere ai dati, ma non disporre delle definizioni, delle relazioni, delle metriche e della governance necessarie per utilizzarli correttamente.

Da centinaia di repository di dati a una data foundation gestita per il Marketing Lakehouse

La più ampia trasformazione dei dati di HP ha consolidato centinaia di data lake e repository in un numero ridotto di lakehouse Databricks. L'azienda utilizza standard centralizzati con un'esecuzione federata, consentendo agli esperti di dominio di mantenere la proprietà e la stewardship, condividendo al contempo data product controllati in tutta l'organizzazione.

Ciò ha garantito al marketing un accesso sottoposto a governance a fonti in precedenza frammentate, tra cui prestazioni dei media, quota di mercato, dati tecnografici e di intent, insieme a modelli di propensione.

Il cambiamento ha trasformato in modo concreto il modo in cui i team di HP collaborano.

Alonso ha raccontato di una richiesta del 2024 per condividere dati con un partner commerciale che aveva richiesto tre mesi, circa 15 scambi di e-mail e tre escalation, senza un risultato affidabile. Oggi, una richiesta simile può portare alla creazione di un asset Delta Sharing soggetto a governance in sole 48 ore.

Questo miglioramento offre al marketing un accesso più rapido ai dati necessari per pianificazione, targeting, reporting e misurazione, preservando la proprietà del dominio e la governance.

Trasformare la prontezza tecnologica in prontezza aziendale

Creare una solida base tecnica non rende automaticamente i dati utilizzabili per i marketer. Il passo successivo consiste nel consentire a executive, utenti marketing, team di media e analisti di utilizzare tale foundation senza doversi rivolgere al team d'ingegneria dei dati per ogni domanda o attività.

HP sta utilizzando AI/BI Genie e funzionalità basate su agenti per colmare questo divario su tre livelli di lavoro:

• Processo decisionale e pianificazione per executive e team aziendali
• Generazione di insight e attivazione per marketer, analisti e data scientist
• Sviluppo e scalabilità per i team di ingegneria

Il contesto di business è un elemento centrale di questa strategia. HP sta sviluppando livelli semantici che aiutano Genie a comprendere il significato dei dati aziendali, inclusi domini, metric view, istruzioni e skill riutilizzabili.

Ad esempio, HP ha creato una metric view per i media che copre 26 dimensioni e 10 misurazioni. In questo modo si centralizzano le definizioni per i KPI di spesa media e di performance, consentendo a dashboard, utenti aziendali e sistemi AI di lavorare sulla stessa fonte di verità.

HP ha inoltre ampliato l'ingestione di dati di intent da 75 argomenti a circa 20.000. Genie Code aiuta il team a pianificare il clustering di tali segnali su scala e a utilizzarli per creare profili di account più ricchi.

Portare l'identità nella data foundation sottoposta a governance

HP sta anche ripensando a dove debba risiedere la risoluzione dell'identità. Storicamente, le aziende inviavano spesso i dati dei clienti a un provider di identità esterno, mantenendo il livello d'identità risultante all'esterno del proprio ambiente dati principale.

HP prevede di riportare i segnali di identità all'interno del proprio ambiente Databricks. Ciò crea una foundation con governance per misurazione, attivazione del pubblico e miglioramento dei modelli. I dati possono fluire attraverso lo stesso servizio d'identità sia verso le piattaforme media sia nel percorso di ritorno, aiutando HP a creare una visione più completa delle performance e a migliorare continuamente i propri modelli.

Alonso ha osservato che raggiungere anche solo il 10% della base clienti consumer di HP attraverso questo approccio basato sulla tutela del consenso potrebbe creare un'importante nuova opportunità per il business commerciale.

CustomerLake Agentic CDP: Pronti a creare il pubblico target in due ore

I primi risultati ottenuti da HP con CustomerLake illustrano il potenziale dell'integrazione delle funzionalità di marketing direttamente nella data foundation sottoposta a governance.

In base alle precedenti implementazioni di CDP effettuate dal team, Alonso si aspettava un lungo processo di configurazione caratterizzato da numerose riunioni, documentazione, configurazione di modelli di dati e verifiche di privacy e sicurezza.

L'esperienza iniziale è stata notevolmente più semplice.

“I nostri modelli di dati erano già pronti, avevamo pubblicato gli attributi ed eravamo pronti a creare i vari target di pubblico — un lavoro che in precedenza avrebbe potuto richiedere due o tre mesi.”

Poiché CustomerLake è nativo di Databricks e Unity Catalog, il team di HP ha potuto lavorare direttamente con schemi, tabelle, definizioni e governance esistenti, anziché ricreare il contesto su una piattaforma separata.

L'architettura supporta inoltre un'importante opportunità di passaggio da B2C a B2B. HP conta centinaia di milioni di clienti consumer, ma una popolazione nota di contatti aziendali molto più ridotta. CustomerLake consente ad HP di operare sia con i modelli e i sistemi di dati B2C che B2B in un unico ambiente attraverso un livello di identità condiviso. HP può anche integrare dati da altre piattaforme utilizzando Lakehouse Federation.

Le quattro lezioni di HP per creare un'infrastruttura di marketing pronta per l'IA

Lungo la roadmap go-to-market, HP sta valutando il valore in tre aree:

• Risultati: informazioni, pianificazione, attivazione, reporting e misurazione migliori
• Produttività: sviluppo più rapido dei modelli, creazione del pubblico e accesso ai dati
• TCO: costi inferiori per piattaforma, licenze, integrazione e gestione operativa

Il lavoro di HP con Genie e CustomerLake mostra il potenziale per affrontare tutte e tre le aree contemporaneamente. Il loro percorso offre quattro spunti pratici per le altre aziende che stanno modernizzando il proprio stack di marketing:

1. Definisci la CDP in base alle esigenze aziendali. Inizia dalle funzionalità di cui i tuoi stakeholder hanno bisogno, anziché da una definizione di categoria rigida o da una checklist di prodotti.
2. Crea un Marketing Lakehouse gestito. L'unificazione, la qualità e l'accesso ai dati devono essere garantiti prima che le soluzioni self-service e gli agenti possano funzionare in modo affidabile.
3. Scegli le funzionalità di CDP più vicine ai tuoi dati e all'IA. Gli agenti di IA funzionano al meglio quando il contesto dei clienti, le definizioni aziendali e le funzionalità di attivazione operano sulla stessa piattaforma, offrendo il contesto necessario per agire con precisione e sicurezza su scala.
4. Misura insieme risultati, produttività e TCO. Un'attivazione più rapida, l'impatto sui ricavi, la riduzione del lavoro di ingegnerizzazione e i costi di piattaforma più bassi sono elementi collegati della stessa trasformazione.

L'esperienza di HP dimostra che la modernizzazione dell'attivazione del marketing e l'applicazione dell'IA su scala dipendono entrambe dall'unione di dati, intelligence e azione sulla stessa infrastruttura. Con CustomerLake e Genie sul proprio Marketing Lakehouse gestito, HP fornisce a esperti di marketing e agenti l'accesso diretto a un contesto affidabile, senza doverlo ricreare in sistemi scollegati. Tra i primi risultati ottenuti si registra la prontezza del pubblico in sole due ore anziché in mesi, con il potenziale di ridurre il TCO della CDP fino al 40%. Insieme, questi vantaggi gettano le basi per un coinvolgimento dei clienti più rapido, intelligente e personalizzato su scala.

Guarda la sessione completa del Data + AI Summit qui.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale