客戶(hù)與傳統河北百度愛(ài)采購企業(yè)進(jìn)行數據交互，多數交易數據、日志、訂單及客戶(hù)交易行為（買(mǎi)賣(mài)、刷卡、查詢(xún)、投訴等）通過(guò)企業(yè)內部的生產(chǎn)交易系統進(jìn)行記錄或“事后”進(jìn)行收集結構化處理并存儲在數據倉庫，如圖11所示，客戶(hù)與企業(yè)的交易都發(fā)生在交易墻內，留下的忠誠客戶(hù)通過(guò)購買(mǎi)產(chǎn)品和服務(wù)為企業(yè)創(chuàng )造了直接收益，價(jià)值客戶(hù)后期通過(guò)向外傳播為企業(yè)提供品牌和廣告效益。在客戶(hù)與企業(yè)進(jìn)行直接交易之前，我們可以稱(chēng)為交易墻外數據。洞察到獲取客戶(hù)過(guò)程中的數據特點(diǎn)是以用戶(hù)與企業(yè)的各種交互數據為主，如圖1一2所示。河北百度愛(ài)采購數據本身代表了客戶(hù)的行為，如位置、點(diǎn)擊、瀏覽、企業(yè)APP內的操作行為、企業(yè)線(xiàn)下實(shí)體內的行為（購物中心內的到店足跡）等。此類(lèi)數據開(kāi)始出現大量非結構化，流式數據等多種形態(tài)。這部分非結構化數據維度豐富（人口屬性、地理位置、消費偏好等），數據占到客戶(hù)整體交互數據的95%。傳統企業(yè)如果需要收集并處理與客戶(hù)交互的非結構化數據，需要花費極高的人力和資金成本。
    目前，傳統金融行業(yè)的數據分析和數據挖掘都是“事后”收集客戶(hù)與企業(yè)交易的一方數據，如券商沉睡客戶(hù)的分析與喚醒，這部分客戶(hù)是真的沉睡了還是離開(kāi)了你的服務(wù)；又如傳統商業(yè)銀行根據歷史資產(chǎn)峰值對高凈值用戶(hù)的營(yíng)銷(xiāo)。過(guò)去幾年不論是銀行還是券商，這類(lèi)分析與營(yíng)銷(xiāo)思路實(shí)際上是基于一方交易數據和少量外部數據進(jìn)行的所謂“數據庫營(yíng)銷(xiāo)”。從整個(gè)移動(dòng)市場(chǎng)角度來(lái)看，龐大用戶(hù)其本身往往并不直接與企業(yè)的業(yè)務(wù)相關(guān)，但是對這些數據的獲取和分析可以在很大程度上輔助企業(yè)業(yè)務(wù)的開(kāi)展和苢銷(xiāo)活動(dòng)的推廣，如移動(dòng)APP的數據、社交數據、微信微博的輿情數據、品牌偏好數據、職住娛位置聚集和遷徙數據、區塊內人群消費能力數據、觀(guān)影偏好數據等。這類(lèi)數據的獲取不是盲目的，通常需要帶有一一定的問(wèn)題域觸發(fā)，即從解決某類(lèi)業(yè)務(wù)問(wèn)題觸發(fā)來(lái)考慮，否則會(huì )陷入“數據的汪洋大�！�，不知道收集什么數據。面對交易墻外的信息收集，面對客戶(hù)互聯(lián)網(wǎng)端的真實(shí)行為，使用傳統手段是無(wú)法獲取的，這是目前金融行業(yè)遇到的普遍問(wèn)題。針對目前資產(chǎn)分散化的趨勢，如何真正掌握哪個(gè)客戶(hù)是核心高價(jià)值客戶(hù)、客戶(hù)的偏好又是什么，成為金融機構亟待解決的問(wèn)題。