近年來，在宏觀貨幣政策大力讓利實體經濟的大環境下， 中國商業銀行貸款利率持續走低，這直接導致 凈息差不斷收窄，給商業銀行的穩健經營帶來了全方位的挑戰。面對低息差時代的重重困境，傳統的規模驅動模式已難以為繼，銀行迫切需要向效率驅動與創新驅動模式轉變。

• 在收入增長受阻的情況下，提升運營效率、嚴控成本成為銀行的當務之急。部分銀行已將北極星指標從資產規模增長轉變為成本收入比。
  

• 在業務流程方面，銀行正大力推進核心業務流程的智能化改造，以此降低對人力的依賴，實現端到端的流程打通與實時監控。
  

• 為配合流程智能化改造，銀行還需同步開展組織架構優化工作以實現降本增效。

愛分析于5月19日正式發布《2025愛分析·應用實踐報告》，從智能分析、音視頻中臺這兩個對銀行數字化轉型至關重要的維度，詳細介紹銀行在數字化實踐層面的最新進展與成果。

掃碼獲取《2025愛分析·銀行數字化應用實踐報告》以及大模型相關研報合集：

1、2025愛分析·AIGC應用實踐報告

2、2024愛分析·央國企數字化應用實踐報告

3、2024愛分析·央國企數字化廠商全景報告

4、2025愛分析·流程智能化應用實踐報告

5、2024愛分析·大模型應用實踐報告

6、2024愛分析·AI Agent廠商全景報告

7、AI大模型教育行業白皮書

報告典型案例

城商行借助數勢科技Agent實現智能分析，降本增效

創新破局，杭州銀行音視頻中臺賦能數字化未來???

01

報告綜述

近年來，隨著宏觀貨幣政策讓利實體經濟，中國商業銀行貸款利率不斷下調，導致凈息差持續走低。2022年凈息差跌破2%，2025年 預計將跌破1.5%。凈息差也成為銀行業利潤下滑的主要 原因之一。根據國家金融監管總局披露的數據，2024年中國商業銀行累計實現凈利潤2.3萬億元，同比下滑約0.1萬億元。

1 2020-2024

年中國商業銀行凈息差低息差

時代倒逼銀行必須突破傳統規模驅動的模式，轉向效率驅動與創新驅動模式。

1.效率驅動：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從資產規模增長轉為成本收入比。

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生變化。行內需要將成本收入比指標，逐級拆解至各個地區、業務部門、職能部門，進而在全行范圍內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。結合AI大模型技術的智能分析，成為諸多銀行2025年內部落地的重要數字化項目。通過智能分析服務，銀行不光能提高運營管理取數效率，更需要在經營分析層面構建歸因推演、趨勢預測等深度推理能力。

其次，銀行將大力推進核心業務流程的智能化改造，降低人力依賴，以實現端到端的流程打通與實時監控。過去，RPA等初級AI應用在銀行后臺運營方面已經落地普及；現在，結合AI大模型能力的數字員工將在反洗錢、企業信貸等核心業務場景中生根發芽。AI數字員工不再是承擔簡單的重復勞動職責，而是逐步滲透到有一定專家屬性的業務場景，提高核心業務產出。

第三，與流程智能化改造同步，銀行還需要匹配以組織架構優化工作以實現降本。比如，在骨干團隊內部推行矩陣式管理，減少層級審批環節，加速決策與執行的閉環。綜合來看，銀行通過運營指標體系重塑、流程智能再造、組織優化等多管齊下的效率舉措，在壓降運營成本的同時，在行業中塑造起新的競爭力。

2.創新驅動：企業信貸與非息收入增長

面對低息差時代的盈利困境，銀行紛紛將重心轉向企業信貸和非息創新業務，以尋求新的增長點。

首先，企業信貸成為銀行之間差異化競爭的亮點。零售信貸通過互聯網發放形式，規模實現了大幅增長，但零售客群被頭部大型銀行和股份制銀行占據，中腰部銀行的零售業務收到擠壓。反觀，企業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勢得以凸顯。正是由于線下展業不可替代，客戶現場的弱網環境導致數據留痕和業務辦理難度增高， 音視頻中臺成為銀行企業信貸業務的剛 需。

其次，銀行在財富管理、投顧服務等非息業務重點發力。多家銀行推出智能投顧平臺，通過算法模型為不同風險偏好客戶提供資產配置建議，并結合線上線下渠道實現客戶生命周期管理，推動客戶從單一存貸黏性向持續性理財轉化。

第三，AI驅動的產品個性化推薦，也是銀行重點發力方向之一。部分銀行通過內嵌AI的數字平臺，實現產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，通過聚焦企業信貸、財富管理、投顧服務、AI驅動的精準營銷等方式，銀行在創新驅動路徑上不斷探索，持續為低息差時代的可持續增長注入新動能。

以下，我們從智能分析、音視頻中臺兩個維度，具體介紹銀行在數字化實踐層面的最新進展。

02

智能分析

銀行作為數據密集型金融機構，每天產生并積累海量的客戶信息、交易記錄和市場數據。這些數據蘊含著巨大的潛在價值，能夠為業務決策、風險管理和客戶服務提供支持。同時，銀行也是數據驅動運營的典型代表，需要大量數據分析工作以支撐日常運營決策。

然而，傳統的數據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管要求。例如，許多銀行在處理分支行業績報告時，需要數據分析師和業務人員耗費數天時間手動提取數據并撰寫分析報告。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，快速實現從數據獲取到數據洞察的全流程，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據分析師和業務人員的時間，使其工作效率得以提升、人員規模得以減少。

銀行落地智能分析的關鍵成功要素之一是數據質量與數據治理。智能分析的可靠性依賴于數據的準確性、完整性和一致性。如果數據質量不過關，分析結果可能出現偏差，影響決策效果。因此，銀行業已建立起來的完善數據治理 體系，成為智能分析項目成功的關鍵基石。數據治理不僅是技術問題，還涉及組織協作，要求銀行打破數據孤島，實現跨部門的數據共享與標準化。只有夯實這一基礎，智能分析才 能發揮最大價值。

技術選型是另一個關鍵要素。銀行需要選擇數據獲取準確性高，且可以做歸因分析的智能分析工具。技術選型時，準確性是核心。一旦數據準確性出現問題，業務人員對此喪失信心，智能分析項目失敗概率陡增。此外，數據洞察是另一個關鍵要點，業務人員能力參差不齊，能夠做數據洞察、歸因分析的智能工具才能真 正在項目落地過程中產生價值。

人才與組織文化的轉型同樣不可忽視。智能分析的落地需要復合型人才，他們既懂數據分析技術，又熟悉銀行業務，能夠將技術與實際需求結合。盡管智能分析工具降低了業務人員上手的門檻，但長期沉淀的分析模板才是銀行持久的經驗knowhow。這些沉淀離不開具備業務洞察的數據團隊支持。

綜上所述，智能分析對銀行業的重要性體現在其提升數據分析效率和降低成本等方面，尤其在數據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據治理、技術選型及人才文化三方面全面發力。 以下，我們以某城商行為例，具體介紹智能分析落地案例。

典型案例1：城商行借助數勢科技Agent實現智能分析，降本增效

隨著智能化轉型的加速，越來越多的銀行開始探索大模型技術的應用，以提升運營效率、優化服務質量、優化成本結構。數據分析作為大模型落地的重要場景之一，備受關注。然而，許多銀行基于大模型的數據分析項目僅停留在取數階段，無法實現報告生成這一更深層次的需求，導致大模型在銀行數據分析領域的應用價值較為有限。

在這種背景下，某頭部城商行與數勢科技的合作，為這一難題提供了創新解決方案。通過引入先進的技術和架構，該城商行成功實現了從自然語言取數到深度洞察報告生成的跨越，顯著提升了數據處 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大模型驅動，某城商行開啟數據分析降本增效新路徑

某城商行的數據管理部擁有一個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據分析師、產品經理、工程師等角色，其主要服務內容是利用BI（商業智能）工具，為分支行領導及業務人員提供數據提取服務，并撰寫相關報告。

以核心報告之一——分支行業績對比及經營考核報告為例。在總行進行經營分析時，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 個指標撰寫一份經營分析報告，需先由數據分析師提取相關數據報表，再由業務人員依據該報表制作報告模板，隨后數據分析師與業務人員協同手工撰寫報告，整個流程通常耗時約兩天。

由于效率偏低，雖然數據管理部人數較多，但仍常出現工單積壓的情況。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。為優化成本結構，銀行管理層期望借助大模型技術，提升數據處理效率，以及節省相應的人力成本。

02指標語義層+推理模型+Agent，數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，該銀行發現目前的智能分析產品大多仍停留在查數這一基礎場景上，價值比較有限。然而，銀行內部真正高頻且亟待解決的痛點是報告生成。例如，員工在向領導匯報工作時，往往需要先制作一份業績復盤報告，其中不僅要包含數據表格，還要有對數據的解讀以及相應的策略建議。只有真正滿足報告生成這一核心需求，才能有效賦能團隊，實現智能決策。

在此背景下，該銀行與數勢科技展開接觸，并認識到數勢科技的獨特優勢，進而與之展開合作。具體而言，數勢科技的三點獨特優勢如下：

• 高回答準確率：回答準確率是銀行做數據應用的基礎。當前市場上的ChatBI類產品多采用NL2SQL 技術路線，通常準確率在60%，且存在數據安全風險，而數勢科技SwifAgent產品則在2023年便首創了大模型+指標平臺的技術路線 ，在取數環節采用選NL2Semantic Layer的方式，也就是在自然語言和數據底表間構建指標 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據之間的業務邏輯和映射關系，從而解決大模型幻覺問題，將自然語言取數準確率實現100%。

• 深度需求滿足：在滿足了精準問數需求的基礎上，數勢科技SwiftAgent也在2025年實現版本升級，通過融入DeepSeek R1 推理模型和企業知識庫，可 自動化的沉淀企業知識，降低對于微調的依賴，更好地滿足銀行進行數據波 動歸因、預警 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：據公開資料了解到，2024 年數勢科技與中原銀行合作智能指標平臺建設，項目以數勢科技智能分析助手SwiftAgent為核心產品，為中原銀行構建統一指標管理平臺，確保指標定義的統一性和標準化， 通過低代碼、自動化的指標生產代替人工開 發進而提高指標交付效率，以便更好地挖掘數據中的價值。在此基礎上，項目還融合大模型能力構建智能分析平臺，實現指標問答、圖表 生成、報告生 成以及歸因分 析等靈活應用，有效提升了業務分析決策效率，助力銀行業務發展。銀行內部人員對該項目給予了高度評價。這一成功案例為 數勢科技的技術實力和產品可落地性提供了有力背書。

03數勢科技SwiftAgent的產品架構與核心落地場景

SwiftAgent產品最新版本的核心架構分為三層：數據層、引擎層和應用層。

數據層支持多源異構數據接入，提供靈活的數據集成方案，包括存算一體、 存算分離和存算外置。通過這些方案，確保不同數據源能夠無縫連接并進行高效處理。

引擎層是整個產品的智算核心，包含三個關鍵模塊：

• 數據語義模塊：通過精準的指標和標簽平臺，解決大模型的幻覺問題，確保自然語言與數據之間的精準映射。該模塊通過結構化轉譯消除語義鴻溝，并利用預計算加速引擎將復雜查詢響應時間壓縮至秒級，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，結合大模型和小模型的動態協同。大模型負責語義理解與邏輯推演，調用行業知識增強的百億參數模型；小模型則專注于結構化分析，處理時序解析和指標計算等任務。動態路由控制器根據任務自動分配算力，實現推理成本與精度的最優平衡。

• 數據分析技能池：涵蓋從數據提取到歸因分析再到報告生成的完整閉環，提供全面的數據分析能力，幫助決策者獲取精確的洞察。

應用層是SwiftAgent向上為企業提供功能場景的重要支撐，通過Multi-Agent架構，將多個數據應用智能體協同工作。在不同業務場景下，智能體可以聯合調用，如分析報告場景需要同時調用取數Agent、分析Agent和報告Agent，實現高效協作，滿足業務需求。

2

數勢科技

SwiftAgent

產品架構圖

基于以上產品架構，在與該銀行的 合作中，數勢科技通過Sw iftAgent智能分析助手的核心能力 ，顯著提升了企業的數據分析準確性以及洞察決策的效率和質量。

1.低門檻取數與數據洞察

SwiftAgent利用自然語言交互技術結合DeepSeek大模型，使業務人員無需掌握復雜的技術工具，便能通過對話式查詢快速獲取數據和可視化結果。該功能不僅極大降低了數據獲取門檻，還能夠將數據結果清晰地呈現給決策者，在該銀行的應用，支持業務 人員迅速生成包含資產配置優化建議、市場趨勢預測等關鍵報告，幫助金融機構精準研 判市場動態，提升決策的專業性和效率。

2.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，該銀行領導也團隊都能隨時隨地獲取數據分析結果，使日常運營決策更加迅速和高效。

3.智能報告生成與深度分析

結合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了飛躍。在該項目落地中，SwiftAgent能夠在5至10分鐘內給提供精確、符合銀行需求的深度分析報告，報告內容不僅全面，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整戰略，提高決策效率。

3

數勢科技

SwiftAgent

生成

AI

報告功能展示

04從2天縮短至10分鐘，數勢科技SwiftAgent賦能銀行報告撰寫效率

數勢科技SwiftAgent報告生成能力是在自然語言精準取數的基礎上，結合DeepSeek的深度思考能力和沉淀的金融行業分析模板，結合自研小模型和多Agent架構調用共同實現的。具體而言，報告生成的過程包括以下幾個關鍵步驟：

1.報告框架生成：首先，基于企業數據庫和行業通用知識，自動化生成報告框架，作為后續內容填充的結構基礎；

2. 子問題生成：根據指標語義層，SwiftAgent生成報告中每個子問題，嚴格依據存量指標進行構建；

3. 數據提取與分析：針對每個子問題，自動化調用相 應的Agent進行數據取數、分析，并生成相應的內容；

4. 結果填充：最終，生成的分析結果被填充 到報告框架的相應位置，完成報告的形成。

通過這種創新的AI報告生成能力，SwiftAgent能夠為用戶提供結構化的報告，如金融領域的資產配置優化建議和市場趨勢預測。這種報告不僅幫助用戶精準研判市場動態，也提升了投資決策和風險管控的專業效能。

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 報告生成技術的初期，關鍵任務是將抽象的業務需求轉化為可量化的分析指標。項目團隊首先與業務部門合作，確定從信用卡用戶活躍度和營銷策略分析兩個場景入手。通過從銀行數據中臺接入信用卡交易數據、手機銀行行為日志以及第三方支付渠道等數據，團隊構建了涵蓋DAU（日活躍用戶數）、MAU（月活躍用戶數）、消費頻次、綁卡交易占比、留存率等指標的活躍度分析體系。

4

信用卡用戶活躍度分析體系建設方法

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：分析模板設計與持續優化（約2周）

實現報告生成自動化與智能化的關鍵在于打造可復用的分析模板。項目團隊與銀行分析師合作，定義了分析模板的整體架構，并為每種分析范式設計了不同的可視化類型和總結側重點。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。測試數據顯示，采納率由最初的30%提升至80%。

3.項目落地步驟三：培訓推廣，從試點到規模化的跨越（約2周）

試點推廣是驗證項目價值的關鍵環節。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。經過2 周的試點運行，報告生成時間從原來的2.5 天（純人工撰寫）縮短至30 分鐘（大模型生成10 分鐘+ 人工輔助優化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視頻，將報告生成能力推廣至對公貸款業務團隊，鼓勵更多業務團隊嘗試使用AI 報告工具。

項目效果

經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。根據業務團隊實測反饋，報告生成效率提升了約40 倍，從2.5 天縮短至30 分鐘。這一效率提升使業務團隊能夠將更多精力投入到信用卡生命周期促活策略的制定和優化中，而非重復進行數據搬運工作。

5

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“分析經驗”產品化，并讓大模型得以吸收，為后續分析思路的“可復制性”奠定了堅實的知 識基礎。

03

音視頻中臺

隨著銀行業數字化轉型的深入，音視頻技術逐漸成為銀行提升服務能力、優化客戶體驗和推動業務創新的重要工具。音視頻中臺作為一種集成化的技術解決方案，能夠為銀行提供穩定、高效的音視頻通信能力，支持多場景業務創新，尤其在企業信貸展業中具有顯著價值。

企業信貸業務通常涉及復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，但這也是企業信貸業務的核心競爭壁壘。一方面，音視頻中臺在移動展業中，通過本地錄制功能，解決了弱網或無網環境下數據留痕的難題，確保業務合規性同時提升了業務人員的工作效率。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，推動了信貸業務的線上化轉型。這種技術支持不僅優化了信貸流程，還助力銀行在企業信貸領域拓展了業務邊界，顯著提高了服務覆蓋率和客戶滿意度。

銀行落地音視頻中臺的關鍵成功要素首先在于技術架構的先進性與兼容性。音視頻中臺需具備高并發處理能力、穩定性以及與現有系統的無縫集成能力。技術選型時，銀行需確保中臺具備高安全性，支持多終端接入，以應對復雜的業務環境和客戶需求。

其次，業務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務需求，并通過定制化開發賦能具體場景。銀行在實施過程中需針對具體場景進行需求分析和技術適配，以充分發揮中臺的賦能作用。

最后，項目管理和高效協同是不可或缺的保障。音視頻中臺的實施涉及多部門協作和技術對接，需要科學的項目管理來確保順利推進。這種高效協同不僅加速了中臺落地，還為其后續維護和功能擴展奠定了基礎。銀行在推動類似項目時，應注重跨部門溝通和資源調配，以實現技術與業務的最佳匹配。

總而言之，音視頻中臺對銀行業的重要性在于其助力業務創新層面，尤其在企業信貸展業中推動了效率與合規的雙贏。成功落地則需在技術架構、業務融合和項目管理三方面綜合發力。以下，我們以杭州銀行為例，具體介紹音視頻中臺落地案例。

典型案例2：創新破局，杭州銀行音視頻中臺賦能數字化未來??

杭州銀行成立于1996年，是一家資產規模超過2.1萬億元的股份制商業銀行。2024年，在復雜多 變的經濟環境下，杭州銀行取得了凈利潤同比增長18.1%的優異業績。同時，杭州銀行正在編制下一個五年戰略規劃，數字化是其中重要的的 一環。

隨著業務的快速發展和數字 化轉型的深入， 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品技術框架繁重且技術老舊，已無法滿足當前的業務需求。

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。

6

杭州銀行音視頻平臺四大痛點

首先，業務擴展受限。原有平臺擴展性差，難以快速適配新業務場景，如移動展業和遠程面簽，導致業務創新受阻。在移動展業場景中，客戶現場的弱網環境進一步加劇了數據留痕和業務辦理的難度。

其次，高并發處理能力不足。在業務高峰期，平臺頻繁出現卡頓和崩潰，用戶體驗受到嚴重影響。再次，迭代周期長。由于技術架構耦合度高，高頻迭代成本高昂且耗時，無法及時響應市場變化。最后，用戶體驗差。畫質模糊、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，杭州銀行急需一個全新的音視頻平臺，以提升業務服務能力、增強系統穩定性，并滿足多渠道、多場景的數字化需求。

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，網易云信量身定制了一套全棧國產化適配的音視頻能力中臺，涵蓋技術架構、業務場景與合規要求。具體方案包括以下幾個方面：

首先，全棧國產化音視頻能力中臺。網易云信打造了一個全棧國產化適配的音視頻中臺，兼容國產芯片、操作系統、數據庫和中間件，滿足信創要求。這一中臺不僅提升了系統的技術先進性，還為后續功能的快速擴展奠定了基礎。

7

網易云信音視頻平臺技術架構

其次，展業外拓。針對移動展業中弱網或無網環境下的質檢數據不全問題，網易云信提供了本地/云端多種錄制功能，支持單設備多路視頻錄制。網易云信定制化開發的音視頻本地錄制功能，可以保障業務辦理過程的數據留痕問題。這使得業務人員能夠在客戶現場高效完成業務受理、現場調查和實地拍照等工作，即使網絡狀況不佳也能確保數據留痕，滿足合規要求。

再次，遠程視頻雙錄。網易云信基于音視頻能力支持杭州銀行實現了多種遠程服務，包括首次風險評估雙錄、微理財雙錄、社區貸面簽、法人面簽、核保面簽、信用卡激活、遠程咨詢、企業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務覆蓋率，還增強了客戶體驗。

最后，內部培訓直播系統。隨著杭州銀行分支機構和員工規模的擴大，內部培訓需求激增。網易云信為其建設了對內直播系統，支持產品知識講解、新產品上市宣發和業務技能培訓，幫助全國各地的員工和合作伙伴高效學習。

通過專家團隊的現場溝通和技術方案定制，網易云信精準響應了杭州銀行的需求，確保解決方案與業務場景深度契合。

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，杭州銀行的業務價值顯著提升。不僅解決了之前線下業務拓展受阻的問題，還大幅改善了服務效率和線上服務能力。

業務拓展能力倍增。通過整合行內融合通訊需求，新平臺極大降低了對接和運維成本。分布式架構和模塊化設計使得新增業務能夠快速上線，業務擴展能力 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了客戶、環境、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，內部視頻會議和智能客服系統也實現了無縫接 入。

端側統一覆蓋。新平臺覆蓋H5、微信小程序、iOS、Android、鴻蒙、Window s和MacOS七 大終端，確保不同設備用戶都能獲得一致的高質量體驗。

服務效率與穩定性提升。視頻雙錄可靠性達到99.9%，線上業務接通率提升至95%，互動視頻開畫時間壓縮至2秒以內，網絡延時小于300毫秒。 這些量化指標顯著提升了業務辦理效率和客戶滿意度。

線上業務滲透率提升。依托新平臺，杭州銀行在貸款用途核實、貸前調查、視頻見證和私人銀行理財等場景 實現了線上化運作，線上貸款業務成功率和線上業務服務替代率均達到90%以上。這不僅優化了業務流程，還在合規前提下推動了業績增長。

04成功密碼，科學管理與高效協同

項目的成功實施離不開科學的項目管理和雙方的高效協作，以下是關鍵成功要素：

啟動階段。項目初期明確了范圍、目標和內容，并通過定崗定責避免職責重疊或真空。里程碑的合理拆分對齊了階段性成果，確保項目節奏清晰可控。

規劃階段。通過定義工作分解結構、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設計評審，確保雙方目標一 致。工作計劃的細致拆分保證了任務落實到人，提升了執行效率。

執行階段。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，通過定期風險識別和應急計劃應對突發問題，確保項目穩定推進。此外，持續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，網易云信與杭州銀行實現了技術與業務的深度融合，不僅解決了原有平臺的痛點，還為未來的數字化轉型奠定了堅實基礎。

未來，銀行對于音視頻能力平臺的要求會進一步提高，逐步延伸至風控監測、客服全生命周期通話質檢、智能客服人機協助、用戶需求挖掘等諸多新場景。為此，網易云信以 AI 能力為核心，儲備了大量相關新產品，將逐步在音視頻能力中臺上實現嫁接。

04?

結語

在本報告的前三章節中，我們深入探討了銀行數字化轉型的迫切需求、市場洞察以及關鍵技術的應用實踐。通過對智能分析和音視頻中臺的案例分析，我們看到這些技術如何幫助銀行顯著提升運營效率、優化客戶服務并拓展業務邊界。展望2025年及以后，銀行數字化轉型將進入全新階段，技術和應用趨勢將更加多樣化、前瞻性，為行業帶來新的機遇與挑戰。

在技術趨勢方面，大模型將在銀行業中扮演更加核心的角色。從風險管理、欺詐檢測到個性化金融產品設計，大模型將全面提升銀行的服務能力。例如，AI驅動的預測分析可幫助銀行實時識別市場趨勢，優化投資組合管理。

在應用趨勢方面，開放銀行、嵌入式金融仍然在早期興起的階段。通過API共享數據，銀行與金融科技公司的開放合作將催生更多創新金融產品，如定制化的貸款和投資服務。嵌入式金融將金融服務無縫融入非金融平臺，將是企業信貸未來的主要發力方向。

展望未來，銀行數字化轉型的成功不僅依賴于技術創新，還需在組織和文化層面進行深刻變革。銀行應持續投資于前沿技術，培養兼具技術與業務能力的復合型人才，并建立靈活的組織架構以快速響應市場變化。正如本報告所示，智能分析和音視頻中臺的案例中復合型人才都是項目成功的關鍵要素。

創作團隊

報告指導人

張揚

愛分析 聯合創始人&首席分析師

外部專家（按姓氏拼音排序)

岑潤哲

數勢科技 數據智能產品總經理

王磊

網易云信 金融行業解決方案負責人

特別鳴謝（按拼音排序）????????

近期活動推薦：

注：點擊左下角“閱讀原文”，下載完整 版《2025愛分析?銀行數字化應用實踐報告》