2025愛分析·銀行數(shù)字化應(yīng)用實踐報告

目錄1.報告綜述"2.智能分析#$3.音視頻中臺%%4.結(jié)語&$4

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告關(guān)于愛分析&#產(chǎn)品服務(wù)&%法律聲明&&報告綜述5

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告1.

報告綜述近年來，隨著宏觀貨幣政策讓利實體經(jīng)濟，中國商業(yè)銀行貸款利率不斷下調(diào)，導(dǎo)致凈息差持續(xù)走低。2022

年凈息差跌破

2%，2025

年預(yù)計將跌破

1.5%。凈息差也成為銀行業(yè)利潤下滑的主要原因之一。根據(jù)國家金融監(jiān)管總局披露的數(shù)據(jù)，2024

年中國商業(yè)銀行累計實現(xiàn)凈利潤

2.3

萬億元，同比下滑約

0.1

萬億元。圖

1

2020-2024

年中國商業(yè)銀行凈息差低息差時代倒逼銀行必須突破傳統(tǒng)規(guī)模驅(qū)動的模式，轉(zhuǎn)向效率驅(qū)動與創(chuàng)新驅(qū)動模式。1. 效率驅(qū)動：流程精簡與成本壓縮在收入增長困難的背景下，銀行亟需通過提高運營效率來控制成本。部分銀行的北極星指標已經(jīng)從資產(chǎn)規(guī)模增長轉(zhuǎn)為成本收入比。6

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告7

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告首先，圍繞新的北極星指標，銀行運營管理的核心指標體系將發(fā)生變化。行內(nèi)需要將成本收入比指標，逐級拆解至各個地區(qū)、業(yè)務(wù)部門、職能部門，進而在全行范圍內(nèi)建立新的成本控制指標體系。這對于銀行的運營指標分析體系提出了新的要求。結(jié)合

AI

大模型技術(shù)的智能分析，成為諸多銀行2025

年內(nèi)部落地的重要數(shù)字化項目。通過智能分析服務(wù)，銀行不光能提高運營管理取數(shù)效率，更需要在經(jīng)營分析層面構(gòu)建歸因推演、趨勢預(yù)測等深度推理能力。其次，銀行將大力推進核心業(yè)務(wù)流程的智能化改造，降低人力依賴，以實現(xiàn)端到端的流程打通與實時監(jiān)控。過去，RPA

等初級

AI

應(yīng)用在銀行后臺運營方面已經(jīng)落地普及；現(xiàn)在，結(jié)合

AI

大模型能力的數(shù)字員工將在反洗錢、企業(yè)信貸等核心業(yè)務(wù)場景中生根發(fā)芽。AI

數(shù)字員工不再是承擔(dān)簡單的重復(fù)勞動職責(zé)，而是逐步滲透到有一定專家屬性的業(yè)務(wù)場景，提高核心業(yè)務(wù)產(chǎn)出。第三，與流程智能化改造同步，銀行還需要匹配以組織架構(gòu)優(yōu)化工作以實現(xiàn)降本。比如，在骨干團隊內(nèi)部推行矩陣式管理，減少層級審批環(huán)節(jié)，加速決策與執(zhí)行的閉環(huán)。綜合來看，銀行通過運營指標體系重塑、流程智能再造、組織優(yōu)化等多管齊下的效率舉措，在壓降運營成本的同時，在行業(yè)中塑造起新的競爭力。2. 創(chuàng)新驅(qū)動：企業(yè)信貸與非息收入增長面對低息差時代的盈利困境，銀行紛紛將重心轉(zhuǎn)向企業(yè)信貸和非息創(chuàng)新業(yè)務(wù)，以尋求新的增長點。首先，企業(yè)信貸成為銀行之間差異化競爭的亮點。零售信貸通過互聯(lián)網(wǎng)發(fā)放形式，規(guī)模實現(xiàn)了大幅增長，但零售客群被頭部大型銀行和股份制銀行占據(jù)，中腰部銀行的零售業(yè)務(wù)收到擠壓。反觀，企業(yè)信貸依然有大量線下工作無法被線上取代，中腰部銀行的地域本地化優(yōu)勢得以凸顯。正是由于線下展業(yè)不可替代，客戶現(xiàn)場的弱網(wǎng)環(huán)境導(dǎo)致數(shù)據(jù)留痕和業(yè)務(wù)辦理難度增高，音視頻中臺成為銀行企業(yè)信貸業(yè)務(wù)的剛需。8

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告其次，銀行在財富管理、投顧服務(wù)等非息業(yè)務(wù)重點發(fā)力。多家銀行推出智能投顧平臺，通過算法模型為不同風(fēng)險偏好客戶提供資產(chǎn)配置建議，并結(jié)合線上線下渠道實現(xiàn)客戶生命周期管理，推動客戶從單一存貸黏性向持續(xù)性理財轉(zhuǎn)化。第三，AI

驅(qū)動的產(chǎn)品個性化推薦，也是銀行重點發(fā)力方向之一。部分銀行通過內(nèi)嵌

AI

的數(shù)字平臺，實現(xiàn)產(chǎn)品推介的個性化推薦，使交叉銷售率提升

30%以上，有效提升單客收入貢獻度。綜上所述，通過聚焦企業(yè)信貸、財富管理、投顧服務(wù)、AI

驅(qū)動的精準營銷等方式，銀行在創(chuàng)新驅(qū)動路徑上不斷探索，持續(xù)為低息差時代的可持續(xù)增長注入新動能。以下，我們從智能分析、音視頻中臺兩個維度，具體介紹銀行在數(shù)字化實踐層面的最新進展。智能分析9

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告10

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告2.

智能分析銀行作為數(shù)據(jù)密集型金融機構(gòu)，每天產(chǎn)生并積累海量的客戶信息、交易記錄和市場數(shù)據(jù)。這些數(shù)據(jù)蘊含著巨大的潛在價值，能夠為業(yè)務(wù)決策、風(fēng)險管理和客戶服務(wù)提供支持。同時，銀行也是數(shù)據(jù)驅(qū)動運營的典型代表，需要大量數(shù)據(jù)分析工作以支撐日常運營決策。然而，傳統(tǒng)的數(shù)據(jù)分析方法往往依賴人工操作，效率低下且易出錯，無法滿足快速變化的市場需求和日益嚴格的監(jiān)管要求。例如，許多銀行在處理分支行業(yè)績報告時，需要數(shù)據(jù)分析師和業(yè)務(wù)人員耗費數(shù)天時間手動提取數(shù)據(jù)并撰寫分析報告。這種低效模式不僅增加了運營成本，還可能因延誤決策而錯失市場機會。因此，引入智能分析技術(shù)，快速實現(xiàn)從數(shù)據(jù)獲取到數(shù)據(jù)洞察的全流程，成為銀行提升競爭力的迫切需求。此外，智能分析還解放了大量數(shù)據(jù)分析師和業(yè)務(wù)人員的時間，使其工作效率得以提升、人員規(guī)模得以減少。銀行落地智能分析的關(guān)鍵成功要素之一是數(shù)據(jù)質(zhì)量與數(shù)據(jù)治理。智能分析的可靠性依賴于數(shù)據(jù)的準確性、完整性和一致性。如果數(shù)據(jù)質(zhì)量不過關(guān)，分析結(jié)果可能出現(xiàn)偏差，影響決策效果。因此，銀行業(yè)已建立起來的完善數(shù)據(jù)治理體系，成為智能分析項目成功的關(guān)鍵基石。數(shù)據(jù)治理不僅是技術(shù)問題，還涉及組織協(xié)作，要求銀行打破數(shù)據(jù)孤島，實現(xiàn)跨部門的數(shù)據(jù)共享與標準化。只有夯實這一基礎(chǔ)，智能分析才能發(fā)揮最大價值。技術(shù)選型是另一個關(guān)鍵要素。銀行需要選擇數(shù)據(jù)獲取準確性高，且可以做歸因分析的智能分析工具。技術(shù)選型時，準確性是核心。一旦數(shù)據(jù)準確性出現(xiàn)問題，業(yè)務(wù)人員對此喪失信心，智能分析項目失敗概率陡增。此外，數(shù)據(jù)洞察是另一個關(guān)鍵要點，業(yè)務(wù)人員能力參差不齊，能夠做數(shù)據(jù)洞察、歸因分析的智能工具才能真正在項目落地過程中產(chǎn)生價值。人才與組織文化的轉(zhuǎn)型同樣不可忽視。智能分析的落地需要復(fù)合型人才，他們既懂數(shù)據(jù)分析技術(shù)，又熟悉銀行業(yè)務(wù)，能夠?qū)⒓夹g(shù)與實際需求結(jié)合。盡管智能分析工具降低了業(yè)務(wù)人員上手的門檻，但長期沉淀的分析模板才是銀行持久的經(jīng)驗

knowhow。這些沉淀離不開具備業(yè)務(wù)洞察的數(shù)據(jù)團隊支持。綜上所述，智能分析對銀行業(yè)的重要性體現(xiàn)在其提升數(shù)據(jù)分析效率和降低成本等方面，尤其在數(shù)據(jù)爆炸的背景下已成為不可或缺的競爭力來源。然而，成功落地需要銀行在數(shù)據(jù)治理、技術(shù)選型及人才文化三方面全面發(fā)力。以下，我們以某城商行為例，具體介紹智能分析落地案例。案例

1：城商行借助數(shù)勢科技

Agent

實現(xiàn)智能分析，降本增效隨著智能化轉(zhuǎn)型的加速，越來越多的銀行開始探索大模型技術(shù)的應(yīng)用，

以提升運營效率、優(yōu)化服務(wù)質(zhì)量、優(yōu)化成本結(jié)構(gòu)。數(shù)據(jù)分析作為大模型落地的重要場景之一，備受關(guān)注。然而，許多銀行基于大模型的數(shù)據(jù)分析項目僅停留在取數(shù)階段，無法實現(xiàn)報告生成這一更深層次的需求，導(dǎo)致大模型在銀行數(shù)據(jù)分析領(lǐng)域的應(yīng)用價值較為有限。在這種背景下，

某頭部城商行與數(shù)勢科技的合作，為這一難題提供了創(chuàng)新解決方案。通過引入先進的技術(shù)和架構(gòu)，該城商行成功實現(xiàn)了從自然語言取數(shù)到深度洞察報告生成的跨越，顯著提升了數(shù)據(jù)處理效率，同時大幅降低了人力成本。本文將詳細探討這一合作項目的背景、解決方案及實施成果，為其他銀行提供參考。01

大模型驅(qū)動，某城商行開啟數(shù)據(jù)分析降本增效新路徑某城商行的數(shù)據(jù)管理部擁有一個

500

人左右的團隊，

其中約一半為外包人員。外包成員主要包括數(shù)據(jù)分析師、產(chǎn)品經(jīng)理、工程師等角色，其主要服務(wù)內(nèi)容是利用

BI（商業(yè)智能）工具，為分支行領(lǐng)導(dǎo)及業(yè)務(wù)人員提供數(shù)據(jù)提取服務(wù)，并撰寫相關(guān)報告。11

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告以核心報告之一——分支行業(yè)績對比及經(jīng)營考核報告為例。在總行進行經(jīng)營分析時，需要完成兩項主要工作：一是對所有分支行的核心指標進行排名；二是撰寫績效考核報告。這一過程目前主要依靠人工完成。例如，若圍繞

10

個指標撰寫一份經(jīng)營分析報告，需先由數(shù)據(jù)分析師提取相關(guān)數(shù)據(jù)報表，

再由業(yè)務(wù)人員依據(jù)該報表制作報告模板，隨后數(shù)據(jù)分析師與業(yè)務(wù)人員協(xié)同手工撰寫報告，整個流程通常耗時約兩天。由于效率偏低，

雖然數(shù)據(jù)管理部人數(shù)較多，

但仍常出現(xiàn)工單積壓的情況。并且，該城商行目前每年在

200

多名外包人員上的成本約為

7,000

萬元。為優(yōu)化成本結(jié)構(gòu)，銀行管理層期望借助大模型技術(shù)，提升數(shù)據(jù)處理效率，以及節(jié)省相應(yīng)的人力成本。02

指標語義層+推理模型+Agent，數(shù)勢科技為城商行降本增效提供新解法在考察了一些智能分析廠商后，該銀行發(fā)現(xiàn)目前的智能分析產(chǎn)品大多仍停留在查數(shù)這一基礎(chǔ)場景上，價值比較有限。然而，銀行內(nèi)部真正高頻且亟待解決的痛點是報告生成。例如，員工在向領(lǐng)導(dǎo)匯報工作時，往往需要先制作一份業(yè)績復(fù)盤報告，

其中不僅要包含數(shù)據(jù)表格，還要有對數(shù)據(jù)的解讀以及相應(yīng)的策略建議。只有真正滿足報告生成這一核心需求，才能有效賦能團隊，實現(xiàn)智能決策。在此背景下，該銀行與數(shù)勢科技展開接觸，

并認識到數(shù)勢科技的獨特優(yōu)勢，進而與之展開合作。具體而言，數(shù)勢科技的三點獨特優(yōu)勢如下：高回答準確率：回答準確率是銀行做數(shù)據(jù)應(yīng)用的基礎(chǔ)。當前市場上的

ChatBI

類產(chǎn)品多采用

NL2SQL

技術(shù)路線，通常準確率在

60%，且存在數(shù)據(jù)安全風(fēng)險，而數(shù)勢科技

SwifAgent

產(chǎn)品則在

2023

年便首創(chuàng)了大模型+指標平臺的技術(shù)路線，在取數(shù)環(huán)節(jié)采用選

NL2Semantic

Layer

的方式，也就是在自然語言和數(shù)據(jù)底表間構(gòu)建指標語義層，讓大模型去做擅長的自然語言意圖理解，讓指標語義層去做和底表數(shù)據(jù)12

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告之間的業(yè)務(wù)邏輯和映射關(guān)系，從而解決大模型幻覺問題，將自然語言取數(shù)準確率實現(xiàn)

100%。深度需求滿足：在滿足了精準問數(shù)需求的基礎(chǔ)上，數(shù)勢科技

SwiftAgent

也在

2025年實現(xiàn)版本升級，通過融入

DeepSeek

R1

推理模型和企業(yè)知識庫，可自動化的沉淀企業(yè)知識，降低對于微調(diào)的依賴，更好地滿足銀行進行數(shù)據(jù)波動歸因、預(yù)警分析和報告生成等深度需求，為銀行提供一站式智能指標平臺和智能分析方案。成功案例背書：據(jù)公開資料了解到，2024

年數(shù)勢科技與中原銀行合作智能指標平臺建設(shè)，項目以數(shù)勢科技智能分析助手SwiftAgent為核心產(chǎn)品，為中原銀行構(gòu)建統(tǒng)一指標管理平臺，確保指標定義的統(tǒng)一性和標準化，通過低代碼、自動化的指標生產(chǎn)代替人工開發(fā)進而提高指標交付效率，

以便更好地挖掘數(shù)據(jù)中的價值。在此基礎(chǔ)上，項目還融合大模型能力構(gòu)建智能分析平臺，實現(xiàn)指標問答、圖表生成、報告生成以及歸因分析等靈活應(yīng)用，有效提升了業(yè)務(wù)分析決策效率，助力銀行業(yè)務(wù)發(fā)展。銀行內(nèi)部人員對該項目給予了高度評價。這一成功案例為數(shù)勢科技的技術(shù)實力和產(chǎn)品可落地性提供了有力背書。03

數(shù)勢科技

SwiftAgent

的產(chǎn)品架構(gòu)與核心落地場景SwiftAgent

產(chǎn)品最新版本的核心架構(gòu)分為三層：數(shù)據(jù)層、引擎層和應(yīng)用層。數(shù)據(jù)層支持多源異構(gòu)數(shù)據(jù)接入，提供靈活的數(shù)據(jù)集成方案，包括存算一體、存算分離和存算外置。通過這些方案，確保不同數(shù)據(jù)源能夠無縫連接并進行高效處理。引擎層是整個產(chǎn)品的智算核心，包含三個關(guān)鍵模塊：13

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告數(shù)據(jù)語義模塊：

通過精準的指標和標簽平臺，解決大模型的幻覺問題，

確保自然語言與數(shù)據(jù)之間的精準映射。該模塊通過結(jié)構(gòu)化轉(zhuǎn)譯消除語義鴻溝，并利用預(yù)計算加速引擎將復(fù)雜查詢響應(yīng)時間壓縮至秒級，確保實時決策需求的滿足。智能模型引擎模塊：采用混合智能架構(gòu)，結(jié)合大模型和小模型的動態(tài)協(xié)同。大模型負責(zé)語義理解與邏輯推演，調(diào)用行業(yè)知識增強的百億參數(shù)模型；小模型則專注于結(jié)構(gòu)化分析，處理時序解析和指標計算等任務(wù)。動態(tài)路由控制器根據(jù)任務(wù)自動分配算力，實現(xiàn)推理成本與精度的最優(yōu)平衡。數(shù)據(jù)分析技能池：涵蓋從數(shù)據(jù)提取到歸因分析再到報告生成的完整閉環(huán)，提供全面的數(shù)據(jù)分析能力，幫助決策者獲取精確的洞察。應(yīng)用層是

SwiftAgent

向上為企業(yè)提供功能場景的重要支撐，通過

Multi-Agent

架構(gòu)，將多個數(shù)據(jù)應(yīng)用智能體協(xié)同工作。在不同業(yè)務(wù)場景下，智能體可以聯(lián)合調(diào)用，如分析報告場景需要同時調(diào)用取數(shù)

Agent、分析

Agent

和報告

Agent，實現(xiàn)高效協(xié)作，滿足業(yè)務(wù)需求。圖

2數(shù)勢科技

SwiftAgent

產(chǎn)品架構(gòu)圖14

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告基于以上產(chǎn)品架構(gòu)，在與該銀行的合作中，

數(shù)勢科技通過

SwiftAgent

智能分析助手的核心能力，顯著提升了企業(yè)的數(shù)據(jù)分析準確性以及洞察決策的效率和質(zhì)量。低門檻取數(shù)與數(shù)據(jù)洞察SwiftAgent

利用自然語言交互技術(shù)結(jié)合

DeepSeek

大模型，使業(yè)務(wù)人員無需掌握復(fù)雜的技術(shù)工具，便能通過對話式查詢快速獲取數(shù)據(jù)和可視化結(jié)果。該功能不僅極大降低了數(shù)據(jù)獲取門檻，

還能夠?qū)?shù)據(jù)結(jié)果清晰地呈現(xiàn)給決策者，在該銀行的應(yīng)用，支持業(yè)務(wù)人員迅速生成包含資產(chǎn)配置優(yōu)化建議、市場趨勢預(yù)測等關(guān)鍵報告，幫助金融機構(gòu)精準研判市場動態(tài)，提升決策的專業(yè)性和效率。多端適配與決策敏捷性SwiftAgent

的多端適配能力，確保無論在

PC

端還是移動端，

該銀行領(lǐng)導(dǎo)也團隊都能隨時隨地獲取數(shù)據(jù)分析結(jié)果，使日常運營決策更加迅速和高效。智能報告生成與深度分析結(jié)合

DeepSeek

大模型的能力，

SwiftAgent

在深度思考、歸因解讀、智能報告生成和決策建議四大維度實現(xiàn)了飛躍。在該項目落地中，SwiftAgent

能夠在

5至

10

分鐘內(nèi)給提供精確、符合銀行需求的深度分析報告，

報告內(nèi)容不僅全面，還支持該城商行提供模板定制分析維度，具有高度的可用性性和決策支持價值，使得銀行的管理層能夠迅速調(diào)整戰(zhàn)略，提高決策效率。15

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告圖

3

數(shù)勢科技

SwiftAgent

生成

AI

報告功能展示04

從

2天縮短至

10

分鐘，數(shù)勢科技

SwiftAgent

賦能銀行報告撰寫效率數(shù)勢科技

SwiftAgent

報告生成能力是在自然語言精準取數(shù)的基礎(chǔ)上，結(jié)合

DeepSeek的深度思考能力和沉淀的金融行業(yè)分析模板，結(jié)合自研小模型和多

Agent

架構(gòu)調(diào)用共同實現(xiàn)的。具體而言，報告生成的過程包括以下幾個關(guān)鍵步驟：報告框架生成：

首先，基于企業(yè)數(shù)據(jù)庫和行業(yè)通用知識，自動化生成報告框架，作為后續(xù)內(nèi)容填充的結(jié)構(gòu)基礎(chǔ)；子問題生成：根據(jù)指標語義層，SwiftAgent

生成報告中每個子問題，嚴格依據(jù)存量指標進行構(gòu)建；16

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告數(shù)據(jù)提取與分析：針對每個子問題，自動化調(diào)用相應(yīng)的

Agent

進行數(shù)據(jù)取數(shù)、分析，并生成相應(yīng)的內(nèi)容；結(jié)果填充：最終，生成的分析結(jié)果被填充到報告框架的相應(yīng)位置，完成報告的形成。通過這種創(chuàng)新的

AI

報告生成能力，SwiftAgent

能夠為用戶提供結(jié)構(gòu)化的報告，如金融領(lǐng)域的資產(chǎn)配置優(yōu)化建議和市場趨勢預(yù)測。這種報告不僅幫助用戶精準研判市場動態(tài)，也提升了投資決策和風(fēng)險管控的專業(yè)效能。05

六周完成項目落地，該城商行信用卡部門報告生成效率提升

40

倍1.

項目落地步驟一：分析報告場景與指標體系梳理（約

2

周）在引入

AI

報告生成技術(shù)的初期，關(guān)鍵任務(wù)是將抽象的業(yè)務(wù)需求轉(zhuǎn)化為可量化的分析指標。項目團隊首先與業(yè)務(wù)部門合作，確定從信用卡用戶活躍度和營銷策略分析兩個場景入手。通過從銀行數(shù)據(jù)中臺接入信用卡交易數(shù)據(jù)、手機銀行行為日志以及第三方支付渠道等數(shù)據(jù)，團隊構(gòu)建了涵蓋

DAU（日活躍用戶數(shù)）、MAU（月活躍用戶數(shù)）、消費頻次、綁卡交易占比、留存率等指標的活躍度分析體系。17

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告圖

4

信用卡用戶活躍度分析體系建設(shè)方法同時，在信用卡運營策略效果評估方面，團隊與銀行共同對活動進行了細致分類，針對促活類、增收類、留存類活動分別設(shè)計了不同的評估指標和歸因分析模型。2.

項目落地步驟二：分析模板設(shè)計與持續(xù)優(yōu)化（約

2

周）實現(xiàn)報告生成自動化與智能化的關(guān)鍵在于打造可復(fù)用的分析模板。項目團隊與銀行分析師合作，定義了分析模板的整體架構(gòu)，并為每種分析范式設(shè)計了不同的可視化類型和總結(jié)側(cè)重點。針對核心信用卡活躍類指標的歸因分析，采用了維度歸因、因子歸因和分析樹歸因三種范式的融合方案，確保報告接收方能夠從多個視角全面了解指標變化的原因。通過與銀行分析師的共同努力，項目團隊建立了約

20

個分析模板庫，

按報告類型18

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告分類存儲，并記錄版本迭代歷史。這一舉措旨在提升

AI

生成報告的采納率。測試數(shù)據(jù)顯示，采納率由最初的

30%提升至

80%。3.

項目落地步驟三：培訓(xùn)推廣，從試點到規(guī)模化的跨越（約

2

周）試點推廣是驗證項目價值的關(guān)鍵環(huán)節(jié)。項目團隊與銀行合作，選擇信用卡中心的用戶運營與活動運營團隊作為試點對象，覆蓋超過

50%

的分析師團隊，

并建立了問題反饋通道，每周收集用戶需求。經(jīng)過

2

周的試點運行，

報告生成時間從原來的

2.5

天（純?nèi)斯ぷ珜懀┛s短至

30

分鐘（大模型生成

10

分鐘

+

人工輔助優(yōu)化

20

分鐘）。在為信用卡中心快速提效并完成速贏場景后，項目團隊制作了培訓(xùn)視頻，將報告生成能力推廣至對公貸款業(yè)務(wù)團隊，鼓勵更多業(yè)務(wù)團隊嘗試使用

AI

報告工具。項目效果經(jīng)過一系列實踐和探索，該頭部城商行信用卡部門在

AI

報告生成方面取得了顯著成效。根據(jù)業(yè)務(wù)團隊實測反饋，報告生成效率提升了約

40

倍，從

2.5

天縮短至

30

分鐘。這一效率提升使業(yè)務(wù)團隊能夠?qū)⒏嗑ν度氲叫庞每ㄉ芷诖倩畈呗缘闹贫ê蛢?yōu)化中，而非重復(fù)進行數(shù)據(jù)搬運工作。19

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告圖

5報告生成用時對比此外，在項目開展過程中，銀行沉淀了20

多個分析模板，

涵蓋了用戶活躍度分析和營銷策略分析等場景。這些模板將原本存在于分析師腦海中的“分析經(jīng)驗”產(chǎn)品化，并讓大模型得以吸收，為后續(xù)分析思路的“可復(fù)制性”奠定了堅實的知識基礎(chǔ)。20

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告音視頻中臺21

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告22

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告3.

音視頻中臺隨著銀行業(yè)數(shù)字化轉(zhuǎn)型的深入，音視頻技術(shù)逐漸成為銀行提升服務(wù)能力、優(yōu)化客戶體驗和推動業(yè)務(wù)創(chuàng)新的重要工具。音視頻中臺作為一種集成化的技術(shù)解決方案，能夠為銀行提供穩(wěn)定、高效的音視頻通信能力，支持多場景業(yè)務(wù)創(chuàng)新，尤其在企業(yè)信貸展業(yè)中具有顯著價值。企業(yè)信貸業(yè)務(wù)通常涉及復(fù)雜的審批流程和頻繁的客戶交互，這種模式雖然顯得效率低下且成本高昂，但這也是企業(yè)信貸業(yè)務(wù)的核心競爭壁壘。一方面，音視頻中臺在移動展業(yè)中，通過本地錄制功能，解決了弱網(wǎng)或無網(wǎng)環(huán)境下數(shù)據(jù)留痕的難題，確保業(yè)務(wù)合規(guī)性同時提升了業(yè)務(wù)人員的工作效率。另一方面，音視頻中臺通過提供遠程視頻面簽、視頻見證等功能，推動了信貸業(yè)務(wù)的線上化轉(zhuǎn)型。這種技術(shù)支持不僅優(yōu)化了信貸流程，還助力銀行在企業(yè)信貸領(lǐng)域拓展了業(yè)務(wù)邊界，顯著提高了服務(wù)覆蓋率和客戶滿意度。銀行落地音視頻中臺的關(guān)鍵成功要素首先在于技術(shù)架構(gòu)的先進性與兼容性。音視頻中臺需具備高并發(fā)處理能力、穩(wěn)定性以及與現(xiàn)有系統(tǒng)的無縫集成能力。技術(shù)選型時，銀行需確保中臺具備高安全性，支持多終端接入，以應(yīng)對復(fù)雜的業(yè)務(wù)環(huán)境和客戶需求。其次，業(yè)務(wù)場景的深度融合是成功落地的核心。音視頻中臺的價值在于其能否緊密貼合銀行的實際業(yè)務(wù)需求，并通過定制化開發(fā)賦能具體場景。銀行在實施過程中需針對具體場景進行需求分析和技術(shù)適配，以充分發(fā)揮中臺的賦能作用。最后，項目管理和高效協(xié)同是不可或缺的保障。音視頻中臺的實施涉及多部門協(xié)作和技術(shù)對接，需要科學(xué)的項目管理來確保順利推進。這種高效協(xié)同不僅加速了中臺落地，還為其后續(xù)維護和功能擴展奠定了基礎(chǔ)。銀行在推動類似項目時，應(yīng)注重跨部門溝通和資源調(diào)配，以實現(xiàn)技術(shù)與業(yè)務(wù)的最佳匹配。23

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告總而言之，音視頻中臺對銀行業(yè)的重要性在于其助力業(yè)務(wù)創(chuàng)新層面，尤其在企業(yè)信貸展業(yè)中推動了效率與合規(guī)的雙贏。成功落地則需在技術(shù)架構(gòu)、業(yè)務(wù)融合和項目管理三方面綜合發(fā)力。以下，我們以杭州銀行為例，具體介紹音視頻中臺落地案例。案例

2：創(chuàng)新破局，杭州銀行音視頻中臺賦能數(shù)字化未來杭州銀行成立于

1996

年，是一家資產(chǎn)規(guī)模超過

2.1

萬億元的股份制商業(yè)銀行。2024年，在復(fù)雜多變的經(jīng)濟環(huán)境下，杭州銀行取得了凈利潤同比增長18.1%的優(yōu)異業(yè)績。同時，杭州銀行正在編制下一個五年戰(zhàn)略規(guī)劃，數(shù)字化是其中重要的的一環(huán)。隨著業(yè)務(wù)的快速發(fā)展和數(shù)字化轉(zhuǎn)型的深入，

杭州銀行對其音視頻平臺提出了更高的要求。然而，其原有平臺采用的產(chǎn)品技術(shù)框架繁重且技術(shù)老舊，已無法滿足當前的業(yè)務(wù)需求。01

音視頻平臺四大痛點具體而言，杭州銀行的音視頻平臺面臨以下四大痛點。圖

6

杭州銀行音視頻平臺四大痛點首先，業(yè)務(wù)擴展受限。原有平臺擴展性差，難以快速適配新業(yè)務(wù)場景，如移動展業(yè)和遠程面簽，導(dǎo)致業(yè)務(wù)創(chuàng)新受阻。在移動展業(yè)場景中，客戶現(xiàn)場的弱網(wǎng)環(huán)境進一步加劇了數(shù)據(jù)留痕和業(yè)務(wù)辦理的難度。其次，高并發(fā)處理能力不足。在業(yè)務(wù)高峰期，平臺頻繁出現(xiàn)卡頓和崩潰，用戶體驗受到嚴重影響。再次，迭代周期長。由于技術(shù)架構(gòu)耦合度高，高頻迭代成本高昂且耗時，無法及時響應(yīng)市場變化。最后，用戶體驗差。畫質(zhì)模糊、聲音失真、功能單一等問題，

使得客戶和員工對平臺滿意度較低。面對這些挑戰(zhàn)，

杭州銀行急需一個全新的音視頻平臺，以提升業(yè)務(wù)服務(wù)能力、增強系統(tǒng)穩(wěn)定性，并滿足多渠道、多場景的數(shù)字化需求。24

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告02

破局之道，新一代音視頻能力平臺針對杭州銀行的核心需求，網(wǎng)易云信量身定制了一套全棧國產(chǎn)化適配的音視頻能力中臺，涵蓋技術(shù)架構(gòu)、業(yè)務(wù)場景與合規(guī)要求。具體方案包括以下幾個方面：首先，全棧國產(chǎn)化音視頻能力中臺。網(wǎng)易云信打造了一個全棧國產(chǎn)化適配的音視頻中臺，兼容國產(chǎn)芯片、操作系統(tǒng)、數(shù)據(jù)庫和中間件，滿足信創(chuàng)要求。這一中臺不僅提升了系統(tǒng)的技術(shù)先進性，還為后續(xù)功能的快速擴展奠定了基礎(chǔ)。圖

7

網(wǎng)易云信音視頻平臺技術(shù)架構(gòu)其次，展業(yè)外拓。針對移動展業(yè)中弱網(wǎng)或無網(wǎng)環(huán)境下的質(zhì)檢數(shù)據(jù)不全問題，網(wǎng)易云信提供了本地/云端多種錄制功能，支持單設(shè)備多路視頻錄制。網(wǎng)易云信定制化開發(fā)的音視頻本地錄制功能，可以保障業(yè)務(wù)辦理過程的數(shù)據(jù)留痕問題。這使得業(yè)務(wù)人員能夠在客戶現(xiàn)場高效完成業(yè)務(wù)受理、現(xiàn)場調(diào)查和實地拍照等工作，即使網(wǎng)絡(luò)狀況不佳也能確保數(shù)據(jù)留痕，滿足合規(guī)要求。25

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告再次，遠程視頻雙錄。網(wǎng)易云信基于音視頻能力支持杭州銀行實現(xiàn)了多種遠程服務(wù)，包括首次風(fēng)險評估雙錄、微理財雙錄、社區(qū)貸面簽、法人面簽、核保面簽、信用卡激活、遠程咨詢、企業(yè)手機銀行密碼重置和小微視頻看房等。這些功能不僅提升了線上業(yè)務(wù)覆蓋率，還增強了客戶體驗。最后，內(nèi)部培訓(xùn)直播系統(tǒng)。隨著杭州銀行分支機構(gòu)和員工規(guī)模的擴大，內(nèi)部培訓(xùn)需求激增。網(wǎng)易云信為其建設(shè)了對內(nèi)直播系統(tǒng)，支持產(chǎn)品知識講解、新產(chǎn)品上市宣發(fā)和業(yè)務(wù)技能培訓(xùn)，幫助全國各地的員工和合作伙伴高效學(xué)習(xí)。通過專家團隊的現(xiàn)場溝通和技術(shù)方案定制，

網(wǎng)易云信精準響應(yīng)了杭州銀行的需求，確保解決方案與業(yè)務(wù)場景深度契合。03

價值躍遷，效能提升與多場景覆蓋基于全新的音視頻能力中臺，

杭州銀行的業(yè)務(wù)價值顯著提升。不僅解決了之前線下業(yè)務(wù)拓展受阻的問題，還大幅改善了服務(wù)效率和線上服務(wù)能力。業(yè)務(wù)拓展能力倍增。通過整合行內(nèi)融合通訊需求，新平臺極大降低了對接和運維成本。分布式架構(gòu)和模塊化設(shè)計使得新增業(yè)務(wù)能夠快速上線，業(yè)務(wù)擴展能力顯著增強。多渠道無縫接入。平臺支持智能機具端、手機銀行、微信小程序等多渠道接入，其中智能機具端實現(xiàn)了客戶、環(huán)境、屏幕共享和坐席四流輸入，滿足了多樣化的客戶交互需求。此外，內(nèi)部視頻會議和智能客服系統(tǒng)也實現(xiàn)了無縫接入。端側(cè)統(tǒng)一覆蓋。新平臺覆蓋

H5、微信小程序、iOS、Android、鴻蒙、Windows

和MacOS

七大終端，確保不同設(shè)備用戶都能獲得一致的高質(zhì)量體驗。26

|

2025

愛分析·銀行數(shù)字化應(yīng)用實踐報告服務(wù)效率與穩(wěn)定性提升。視頻雙錄可靠性達到

99.9%，線上業(yè)務(wù)接通率提升至

95%，互動視頻開畫時間壓縮至2

秒以內(nèi)，網(wǎng)絡(luò)延時小于

300

毫秒。這些量化指標顯著提升了業(yè)務(wù)辦理效率和客戶滿意度。線上業(yè)務(wù)滲透率提升。依托新平臺，

杭州銀行在貸款用途核實、貸前調(diào)查、視頻見證和私人銀行理財?shù)葓鼍皩崿F(xiàn)了線上化運作，線上貸款業(yè)務(wù)成功率和線上業(yè)務(wù)服務(wù)替代率均達到

90%以上。這不僅優(yōu)化了業(yè)務(wù)流程，還在合規(guī)前提下推動了業(yè)績增長。04

成功密碼，科學(xué)管理與高效協(xié)同項目的成功實施離不開科學(xué)的項目管理和雙方的高效協(xié)作，以下是關(guān)鍵成功要素：啟動階段。項目初期明確了范圍、目標和內(nèi)容，并通過定崗定責(zé)避免職責(zé)重疊或真空。里程碑的合理拆分對齊了階段性成果，確保項目節(jié)奏清晰可控。規(guī)劃階段。通過定義工作分解結(jié)構(gòu)、交付成果和驗收標準，項目團隊與杭州銀行進行了深入的需求分析和系統(tǒng)設(shè)計評審，確保雙方目標一致。工作計劃的細致拆分保證了任務(wù)落實到人，提升了執(zhí)行效率。執(zhí)行階段。團隊嚴格按照計劃推進工作，定期對齊進展并明確下一步安排。同時，通過定期風(fēng)險識別和應(yīng)急計劃應(yīng)對突發(fā)問題，確保項目穩(wěn)定推進。此外，持續(xù)跟蹤進展并及時糾正偏差，保證了最終目標的達成。通過以上措施，

網(wǎng)易云信與杭州銀行實現(xiàn)了技術(shù)與業(yè)務(wù)的深度融合，不僅解決了原有平臺的痛點，還為未來