一、行業需求分析：
銀行呼叫中心語音數據體量巨大，是典型的非結構化“大數據”。這些數據內含客戶身份信息、偏好選擇、服務投訴、業務咨詢等重要信息，是銀行優化服務質量、提高運營效率，進行營銷決策和產品服務設計的重要參考，在大數據時代，語音數據變為一種重要業務資產，然而在傳統技術條件下，語音數據保存困難，應用成本高，更難談及進一步挖掘利用。
1.傳統大規模呼叫中心困境：數據量大，調聽困難
隨著金融結構的業務發展呼叫中心的規模與日俱增，國內超過千席的呼叫中心不乏少數，呼叫中心語音數據體量巨大，是典型的非結構化“大數據”。傳統的方式會將數據分為冷熱部分保存，過期的數據會存放在磁帶中，一旦出現歷史錄音調聽，需要先找到磁帶，導入系統中然后在一一聽取核對，工作量大且效率非常低下，往往找一通電話需要數天甚至幾周時間。
2.質檢難度大大，覆蓋率低
由于語音通話數量巨大，人力成本日漸高漲，目前，大多數呼叫中心質檢都是通過人工抽查的方式進行，該種質檢方法效率低且缺乏統一的質檢標準，在很大程度上制約了質檢工作在量和質量的突破。另外傳統的呼叫中心質檢多半停留在質檢結果上，卻沒有找到出現此種質檢結果的源頭，譬如導致此種質檢結果的坐席近期的心理動態，可見目前企業遭受的質檢難度瓶頸不僅在于對質檢結果獲取、質檢結果處理無從下手方面，對于導致質檢結果的原因同樣不知所措。
3.無法獲取語音數據中的價值
對于企業來說，呼叫中心不管是作為“成本中心”還是“利潤中心”，其都是企業對外交流的巨大窗口，呼叫中心若想提升自身部門的話語權，就應該最大程度發揮企業和客戶之間交流的價值，將客戶反饋的問題結合公司業務，整合出有效的工作報告向相關職能部門反饋。而金融業，作為呼叫中心的權重行業，地位顯而易見。同時，金融行業也是最注重數據保全和數據價值挖掘的行業，對這些數據展開深入應用和分析，將會產生巨大的商業價值。
二、案例背景：
廣發銀行信用卡中心擁有坐席數5000余個，處理業務類型共四類，日產生錄音文件量在200G以上，年錄音文件總量超過90T。預測未來錄音數據量的年均增長率可達30%，如此海量的錄音數據加劇了錄音管理的難度，同時為錄音調聽、質檢帶來巨大壓力。此外，廣發銀行信用卡中心海量錄音數據中蘊藏豐富的客戶、市場和服務增值信息，但由于海量錄音數據只能依據法規作為證據保存，無法進行有效的充分利用。
三、客戶需求：
廣發銀行信用卡中心希望通過使用相關解決方案，實現語音服務系統的高效錄音管理，解決語音文件的存儲、調聽問題，加強人工服務質檢功能，并對海量數據中的信息進行分析和挖掘，從而更加深入地了解客戶、發掘市場、改善服務。
四、解決方案
為幫助客戶解決上述問題，中金數據自主研發“語音大數據分析平臺，依托先進的大數據平臺技術，采用語音識別技術對金融機構海量語音內容進行分析識別，以較高的準確率還原出每段錄音的具體內容；可通過關鍵詞輸入實現快速檢索，通過語義分析和情緒分析技術，實現語音全覆蓋自動質檢；通過對大量通話記錄和內容進行識別、統計、分析，可在最短時間內了解不同業務的話務結構，定位導致客戶投訴、流失、話務異常等問題原因、并預測業務熱點趨勢，發現潛在客戶，利用數據為業務全流程帶來新的活力。
五、方案實施情況
在經過將近為期一年的嚴格考察后，廣發銀行信用卡中心于2014年10月正式與中金數據簽訂大數據基礎平臺項目合作協議，并以語音數據分析作為項目首期內容，在雙方團隊的高效協同下，于2015年4月順利按計劃實現廣發信用卡中心“語音大數據分析平臺”上線，迄今為止項目一二期已經順利上線，運行狀況良好，系統目前實現了主要三大功能模塊：錄音存管、智能質檢、主題分析。
六、方案效果
通過使用語音大數據分析云，廣發銀行信用卡中心極大提高了在呼叫服務中心在語音轉換、存儲、調聽和質檢方面的效率，在呼叫中心服務管理、電話營銷業務管理、人力資源管理和工作質量把控上有效提高了便捷度。實現日處理數據時長2萬小時，在線數據總量200T，以及年數據量增長率30%的應用效果。
此外，語音大數據分析云作為一種大數據分析產品，可以為廣發銀行提供一定的業務統計和分析，可實現信用卡中心語音數據的自動化采集與分布式存儲，完成語音數據智能統計分析，自動提取有價值的客戶信息，因而后續可挖掘的潛力較大。在二期以及后續項目中，雙方將基于現有基礎，深入探討如何在數據價值挖掘領域實現更為多元化的合作。
方案服務價值總結：
1.實現了廣發銀行卡中心語音數據的自動化采集和分布式存儲；
2.實現了廣發銀行卡中心語音數據的智能統計分析、自動提取有價值客戶信息；
3.實現了廣發銀行卡中心語音數據基于文本的搜索調聽；
4.實現了廣發銀行卡中心語音數據自動質檢，大大提高了質檢效率與覆蓋度；
5.極大節省了廣發銀行卡中心語音數據處理方面所需的成本。
