Раньше банк пользовался статистикой для прогнозирования спроса клиентов на наличные. Благодаря внедряемой модели «Райффайзенбанк» сможет уменьшить отклонение прогноза от реального спроса на наличные примерно на 30%, уверены разработчики алгоритма машинного обучения «Матрикснет».
Специалисты «Яндекса» проанализировали данные двух тысяч банкоматов. Для создания алгоритма им потребовалась информация о режиме работы устройств, фактическом спросе на наличные, а также месторасположении банкоматов. Разработанное решение создает для банка рекомендацию о том, когда и на какую сумму нужно инкассировать устройство.
Алгоритм стремится к минимальной стоимости выезда инкассаторов и хранения денег в банкомате при условии сохранения доступности функции выдачи наличных, поясняет руководитель отдела IT-архитектуры «Раййфайзенбанка» Олег Третьяк.
«Любому банку важно соблюдать баланс между количеством денег, которые лежат в банкоматах и которые находятся в обороте. Если денег в банкоматах мало и клиенты не могут снять наличность, это вызывает их недовольство. Если денег в банкоматах слишком много, банк несет излишне высокие издержки. Решение, которое мы предлагаем, позволит банкам оптимизировать распределение денег в сети банкоматов и сократить свои издержки», — рассказал изданию исполнительный директор Yandex Data Factory Александр Хайтин.
Yandex Data Factory занимается созданием систем для решения бизнес-задач с помощью анализа данных и технологий машинного обучения. Проект, услугами которого уже воспользовались в Росавтодоре, ЦУМе, «Билайне» и «Пятерочке», стартовал в конце 2014 года.