491

Система принятия решений об инкассации

Апрель, 2020 год.

Автоматизированная система «ПАТРИОТ» для принятия аналитических решений об обслуживании банковских точек.

alt

Какую проблему решали

Банк ежегодно тратил миллионы рублей на стороннее ПО, предназначенное для управления уровнем необходимого количества наличных денег в банкоматах и офисах.

Сотрудники принимали решения о необходимых суммах пополнения и периодичности обслуживания объектов на основании оффлайн данных, используя большое количество ручного труда.
Влияние человеческого фактора на решения сотрудников о необходимости инкассаторского обслуживания объектов приводило к излишним затратам на фондирование денежных средств и снижение клиентского сервиса.
Решение проблемы
Специалисты банка разработали решение «ПАТРИОТ» (Автоматизированная система Принятия АналиТических Решений об Инкассации/Обслуживании Точек) для прогнозирования финансовой нагрузки и оптимизации кассово-инкассаторского обслуживания банкоматов и офисов.

«ПАТРИОТ» анализирует информацию о месте расположения объектов, историю статусов и операций, а также количество и оборот денежных средств на каждом объекте.
Система, используя алгоритмы машинного обучения, самостоятельно принимает решения о суммах, номинальном строении, периодичности и времени обслуживания банкоматов и офисов банка.
Применяемые технологии

Решение, построенное на базе технологий AI, прогнозирует объем операций на заданный период.

В решении используются алгоритмы:
  • Прогнозирования оборотов денежной наличности
  • Очистки псевдокэша — предварительно предобработанная история офисов;
  • ХФИ — хорошая фиктивная история для банкоматов;
  • Оптимизации при формировании заявок для минимизации суммарных затрат на кассу, инкассацию и фондирование и снижения рисков кассовых разрывов (простоев) объектов по наличным денежным средствам

Система генерирует календарные признаки (дни недели, события — периодические аномалии) и стандартные признаки (лаги заданной глубины, скользящая статистика в окне и по дням недели, статистика за месяц). Прогнозирование в реальном времени осуществляется с помощью алгоритмов машинного обучения. 
 

Бизнес-процесс

До проекта:

  • Оплата лицензий за стороннее ПО.
  • Высокий уровень ручного труда сотрудников.
  • Влияние человеческого фактора на принятие решений.
  • Возможные кассовые разрывы на банковских точках.
  • Отсутствие возможности доработки ПО стороннего вендора («box» реализация).

После проекта:

  • Кастомизируемое и дорабатываемое собственное ПО.
  • Прогнозирование движения наличных денежных средств.
  • Учет данных о состоянии более 100 тыс. объектов.
  • Самообучаемые алгоритмы автоматически подстраиваются под ежедневно изменяющиеся условия.
  • Снижены затраты и влияние человека на процесс.
  • Повышение клиентского сервиса.

Результаты

Команда проекта

Максим Гриценко
Руководитель направления
Владислав Копылов
Руководитель направления по исследованию данных
Алексей Краснихин
Менеджер