HP két óra alatt lett kampányra kész a Databricks CustomerLake-kel

Két óra két-három hónap helyett

A Databricks blogja szerint a HP a Data + AI Summit 2026 rendezvényen mutatta be, hogyan építi fel mesterségesintelligencia-kész marketingadat-alapját a Databricks platformján. Az előadó Luis Alonso volt, a HP marketingtechnológiai és AI-támogatási adatstratégiai és adatmérnöki globális vezetője.

A legfeltűnőbb eredmény a gyorsaság. A CustomerLake első használati alkalmán a HP csapata beállította az adatmodelleket, közzétette az attribútumokat, és készen állt a célközönségek (audience) építésére. Alonso a korábbi CDP-bevezetések alapján hosszú folyamatra számított, tele megbeszélésekkel, dokumentációval, adatmodell-konfigurációval, valamint adatvédelmi és biztonsági felülvizsgálatokkal. A Databricks idézi őt: „Az adatmodelljeink készen álltak, az attribútumok közzé voltak téve, és készen álltunk a célközönségek építésére, olyan munkára, amely korábban két-három hónapot igényelhetett volna.”

A forrás szerint ez azért működött, mert a CustomerLake natív módon épül a Databricksre és a Unity Catalogra. A HP csapata így közvetlenül a meglévő sémákkal, táblákkal, definíciókkal és szabályozással dolgozhatott, nem kellett ezeket egy különálló platformon újraalkotnia.

Költségek és új jelek

A HP becslése szerint a CDP-képességek CustomerLake-kel történő összevonása akár 40%-kal csökkentheti a teljes birtoklási költséget (TCO) a korábbi, moduláris (composable) CDP-megközelítéshez képest. Ez a cég saját becslése, nem független mérés.

A vállalat a marketinghez elérhető adatok körét is bővítette: a közlemény szerint 90%-ban új jelekhez jutott média-, márka-, szándék- és technográfiai forrásokból. A szándékadatok (intent data) beolvasását 75 témáról nagyjából 20 000 témára növelte. A Genie Code segít megtervezni, hogyan csoportosítsák ezeket a jeleket nagy léptékben, és hogyan használják fel őket gazdagabb ügyfélprofilokhoz.

• Média-metrikanézet: 26 dimenzió és 10 mérőszám, amely egy helyen rögzíti a médiaköltés és a teljesítmény KPI-jainak definícióit.
• Adatmegosztás: egy hasonló kérés 2024-ben három hónapig, nagyjából 15 e-mail-váltásig és három eszkalációig tartott, megbízható eredmény nélkül, ma akár 48 óra alatt szabályozott Delta Sharing eszközt eredményezhet.

Miért gondolja újra a HP a CDP-t

A HP szerint a CDP nem egyetlen termék vagy szűk aktivációs funkciókészlet, hanem az üzleti igényekre épülő képességek gyűjteménye. Ide tartozik az első és harmadik féltől származó adatok stratégiája, a fiókprofilozás és klaszterezés, az identitás- és vásárlócsoport-intelligencia, a szegmentálás és aktiváció, a zárt hurkú mérés, valamint az állandó automatizálás és önkiszolgálás.

Ahogy a HP egyre több szabályozott adatot és üzleti logikát vitt a Databricksre, egy különálló CDP fenntartása egyre inkább párhuzamos adatfolyamokat, adatduplikációt és üzemeltetési terhet jelentett. A composable architektúrák a forrás szerint csökkentették az adatmozgatást, de az aktivációs rétegből még így is hiányoztak az adatplatformon már meglévő üzleti definíciók, kontextus és szabályozás. Ez a kontextus az önkiszolgáló elemzésekhez és az AI-ügynökökhöz is kell: hozzáférés mellett is hiányozhatnak a definíciók, kapcsolatok, mérőszámok és szabályok a helyes használathoz.

Szabályozott Marketing Lakehouse és identitás

A HP átfogó adatátalakítása során több száz adattavat és adattárat vont össze néhány Databricks lakehouse-ba. Központi szabványokat alkalmaz, de a végrehajtás föderált, így a szakterületi szakértők megtartják a tulajdonjogot és a felügyeletet. A marketing így hozzáfér a korábban szétszórt forrásokhoz, például a médiateljesítmény-, piacirész-, technográfiai és szándékadatokhoz, valamint a hajlamosságot (propensity) becslő modellekhez.

A HP az AI/BI Genie és ügynök alapú képességek segítségével próbálja a műszaki készenlétet üzleti készenlétté alakítani. Három réteget különböztet meg: döntéshozatal és tervezés a vezetőknek és üzleti csapatoknak, elemzés és aktiváció a marketingeseknek, elemzőknek és adatkutatóknak, valamint építés és skálázás a mérnököknek. A cég szemantikai rétegeket fejleszt, hogy a Genie értse az adatok jelentését.

Az identitásfeloldást is vissza akarja hozni a Databricks környezetébe. Korábban a cégek gyakran külső identitásszolgáltatóhoz küldték az ügyféladatokat, és az identitásréteg a saját adatkörnyezetükön kívül maradt. Alonso szerint már az ügyfélbázis 10%-ának elérése is jelentős új lehetőséget teremthet az üzleti oldalon. A HP több száz millió fogyasztói ügyféllel rendelkezik, az ismert üzleti kapcsolatok köre jóval szűkebb, a CustomerLake pedig megosztott identitásréteggel teszi lehetővé a B2C és B2B adatmodellek közös kezelését. Más platformok adatai a Lakehouse Federationnel vonhatók be.

Mit jelent a piacnak

A HP négy tanulságot fogalmazott meg más vállalatoknak: a CDP-t üzleti igények mentén kell definiálni, szabályozott Marketing Lakehouse-t érdemes építeni, az adathoz és az AI-hoz legközelebbi CDP-képességeket kell választani, és együtt kell mérni az eredményeket, a termelékenységet és a TCO-t.

A számok a HP saját, korai tapasztalatai és becslései, a Databricks blogjában közölve. A költségcsökkentés például „akár” 40%, és a két órás beállítás az első CustomerLake-munkamenetre vonatkozik. Üzenetük a marketingtechnológiai piacnak mégis egyértelmű: a cég szerint az AI-ügynökök akkor működnek jól, ha az ügyfélkontextus, az üzleti definíciók és az aktivációs képességek ugyanazon az alapon futnak.