客户与传统河北百度爱采购企业进行数据交互，多数交易数据、日志、订单及客户交易行为（买卖、刷卡、查询、投诉等）通过企业内部的生产交易系统进行记录或“事后”进行收集结构化处理并存储在数据仓库，如图11所示，客户与企业的交易都发生在交易墙内，留下的忠诚客户通过购买产品和服务为企业创造了直接收益，价值客户后期通过向外传播为企业提供品牌和广告效益。在客户与企业进行直接交易之前，我们可以称为交易墙外数据。洞察到获取客户过程中的数据特点是以用户与企业的各种交互数据为主，如图1一2所示。河北百度爱采购数据本身代表了客户的行为，如位置、点击、浏览、企业APP内的操作行为、企业线下实体内的行为（购物中心内的到店足迹）等。此类数据开始出现大量非结构化，流式数据等多种形态。这部分非结构化数据维度丰富（人口属性、地理位置、消费偏好等），数据占到客户整体交互数据的95%。传统企业如果需要收集并处理与客户交互的非结构化数据，需要花费极高的人力和资金成本。
    目前，传统金融行业的数据分析和数据挖掘都是“事后”收集客户与企业交易的一方数据，如券商沉睡客户的分析与唤醒，这部分客户是真的沉睡了还是离开了你的服务；又如传统商业银行根据历史资产峰值对高净值用户的营销。过去几年不论是银行还是券商，这类分析与营销思路实际上是基于一方交易数据和少量外部数据进行的所谓“数据库营销”。从整个移动市场角度来看，庞大用户其本身往往并不直接与企业的业务相关，但是对这些数据的获取和分析可以在很大程度上辅助企业业务的开展和苢销活动的推广，如移动APP的数据、社交数据、微信微博的舆情数据、品牌偏好数据、职住娱位置聚集和迁徙数据、区块內人群消费能力数据、观影偏好数据等。这类数据的获取不是盲目的，通常需要带有一一定的问题域触发，即从解决某类业务问题触发来考虑，否则会陷入“数据的汪洋大海”，不知道收集什么数据。面对交易墙外的信息收集，面对客户互联网端的真实行为，使用传统手段是无法获取的，这是目前金融行业遇到的普遍问题。针对目前资产分散化的趋势，如何真正掌握哪个客户是核心高价值客户、客户的偏好又是什么，成为金融机构亟待解决的问题。