Pull to refresh
129.14

Оптимизация размещения купюр в банкоматах

Reading time 6 min
Views 81K
Внутри у среднего банкомата лежит от 1 до 3 миллионов рублей. Они разложены по 4 кассетам, в каждой из которых – купюры своего номинала. Замена кассет похожа на замену картриджей в принтере: модуль вынимается (и неважно, сколько там осталось денег — инкассаторы этого даже не знают по правилам безопасности), а на его место вставляется другой модуль точно по стрелке, указывающей, какой стороной и как это делать.

Инкассация — дорогая и достаточно рискованная с точки зрения безопасности процедура, поэтому любое обслуживание банкомата обходится довольно дорого. Естественное желание банка – уменьшить количество инкассаций. Получается классическая задача распределения ресурсов: с одной стороны, в банкомате всегда должны быть деньги для клиентов, с другой — в идеале банк хочет, чтобы ровно перед инкассацией из ящика уходила последняя купюра.

Банки оптимизируют все процессы работы с наличностью: это и упомянутая модульность кассет (чтобы не вынимать деньги и не считать руками), и специальная расстановка мешков в машине, точно соответствующая их порядку использования по маршруту, и многое другое. При этом все прекрасно понимают, что если банкомат не даст денег, клиент расстроится: это не пивной ларёк, где можно выбрать другой сорт или же просто перейти дорогу и получить товар из другого места. Не получая деньги от «родного» банкомата клиент очень расстраивается, негодует и начинает терять доверие к банку.

Соответственно, основной приоритет — чтобы деньги всегда были. При этом хочется, чтобы их было если не впритык, то с минимальным запасом — и вот именно здесь и нужны очень хорошие IT-технологии, которые могут стоит очень хороших денег.

Задачи


В принципе, задач у аналитики две:
  1. Оптимально формировать покупюрную разбивку: какие купюры, каким достоинством и по сколько штук должны лежать в банкомате.
  2. Знать график инкассаций и рассчитывать в зависимости от конкретной ситуации такой запас средств, чтобы его хватило до следующего раза без внеплановых выездов.

Начнём с разбивки по купюрам. Как я уже говорил, там обычно 4 кассеты: понятное, дело, что две из них сразу уходят под мелкие: под сотки и пятисотки. Но есть нюансы: например, 500-рублёвые купюры можно не класть вообще, зато положить больше других. Или использовать сразу два ящика под купюры одного достоинства. Или не класть пятитысячные и так далее. Здесь всё зависит от сценария потребления и алгоритма выдачи: если это студенческая столовая, то инкассация может понадобиться при полных 3 кассетах с кончившимися сотками.

Второй момент – это собственно, сколько остатка должно быть. Здесь важен сценарий использования банкомата: например, есть исключительно зарплатные банкоматы, которые стоят в офисах, есть банкоматы, которые стоят в торговых центрах и есть банкоматы, которые стоят на площадях на вокзалах. Очевидно, что у зарплатных будут ярко выраженные «критические дни», у тех, что в торговых центрах — сезонные пики и спады, соответствующие общим пикам и спадам розницы, на площадях и вокзалах многое зависит от колебаний по плотности потока и его характеру.

Например, стоит себе банкомат в бизнес-центре. В те дни, когда в офисах зарплата — он должен забиваться под завязку крупными купюрами, чтобы те, кто снимают, могли снять сколько нужно. Затем, например, он наполняется на треть купюрами меньшего достоинства, а к какому-нибудь празднику или выходным – заполняется больше. На основе анализа транзакций можно понять пики снятия сумм, понять профиль клиента этого банкомата, узнать, какую разбивку надо делать.

Нюансов очень много, но в целом, задача во многом сводится к решению задачи обеспечения товаром на полке для магазинов. При всём этом есть куча особенностей по безопасности, например — запрет на систематическое посещение банкомата (использование одинаковых маршрутов).

Для оптимизации нам надо знать


Про банкомат:
  • Количество кассет
  • Алгоритм выдачи (можно ли выбрать крупные/мелкие?)
  • Принимает ли он деньги или только отдает
  • Какие дополнительные услуги он оказывает
  • Как и когда снимали деньги (историю снятия и остатков для Data Mining'а)
Про то, что вокруг банкомата:
  • Где он стоит (в бизнес-центре, в ТЦ, в отделении банка)
  • Режим работы того места, где он стоит
Про условия задачи:
  • Как можно объединить банкоматы в группы
  • Ограничения по разбивке купюр (купюры по 50 готовы класть? А по 100?)
  • Мультивалютный банкомат или нет?
  • Стоимость нахождения денег в банкомате
  • Стоимость инкассаций
  • Цель (т.е. какой нужен уровень сервиса)


Решение


Первая часть решения — архитектурная. Нужно не рассчитывать, как возить деньги, а для начала – спроектировать и построить сеть банкоматов так, чтобы она работала оптимальным образом. Это делается на основе кучи данных. Наша аналитика может спланировать саму сеть банкоматов так, чтобы все оптимально стояло с учетом множества ограничений – наличия рядом конкурентов, проходимости улиц, торговых центров, вокзалов, учёта сезонных изменений и так далее.

Затем мы должны решить, сколько денег и в какой покупюрной разбивке должно валяться в банкомате. Плюс – как часто его надо инкассировать.

Ещё банкоматы могут пополняться клиентами, причём деньги там собираются в отдельную кассету, которая тоже может переполниться. Деньги из этой кассеты не выдаются: input-output у банкомата в разных процессах. С точки зрения IT выглядит логичным использовать эти деньги для выдачи, но по законодательству нужно всё это сначала провести через бухгалтерию, а для этого кассету нужно завезти в отделение банка. Поэтому на инкассацию выгодно сразу же делать и замену кассеты с деньгами от пополнений (раз всё равно уже приехали).

Далее нужно обеспечить правильное наполнение банкоматов. Для этого мы берём систему, позволяющую оптимизировать маршрут с точки зрения минимизации издержек и при этом ставить ограничения типа «маршруты должны меняться раз в неделю» (кроме служб безопасности никто не знает, по какому маршруту поедет машина инкассаторов завтра).

Возвращаясь к логистике, у нас несколько блоков: первый – надо её стратегически спланировать, второй – нам надо понимать, кого инкассировать какими суммами и так далее, и третье – нам надо оптимизировать график инкассаций, причем как отдельных банкоматов, так ми сразу цепочки банкоматов. Если их много, то мы для каждого считаем, как его оптимально инкассировать, и дальше их группируем по маршрутам.

Например, если один банкомат нужно инкассировать раз в 2 дня, а другой – раз в 3 дня, это будет два выезда. Если же инкассировать сразу оба, то это будет один выезд, что выгоднее и безопаснее. На данном уровне решение — в те банкоматы, которые надо реже инкассировать, класть меньше денег, чтобы не создавать излишние простаивающие запасы.

Понятно, что все эти блоки можно делать на чём угодно. Например, логистика – это Oracle Transportation Management, прогнозы на IBM SPSS сделать, размещение сети ещё на чём-то. Свои решения есть почти у каждого крупного вендора.

Реальность


Главное препятствие хорошей оптимизации — требования службы безопасности. Упрощённо говоря, оптимизация сама по себе подразумевает чёткую систему посещения точек, а требования защиты говорят, что такой системы быть не долго. Далее есть варианты:
  • Служба безопасности сама прорабатывает маршруты. Мы можем просто выдать рекомендации и сделать мониторы, сколько в каком банкомате валяется денег: связь ПО банкоматов с центральным офисом — это обычное дело. Но мы как раз решаем другую задачу — не реактивно хотим действовать: «Ааа, у нас красная лампочка горит, остаток ноль, паника!», мы хотим либо помочь этой красной лампочке загораться уже сегодня и оповещать, что денег хватит только на завтра — либо мы должны сделать грамотный план инкассаций, чтобы загорание этой красной лампочки для нас было чем-то экстренным. Грубо говоря, гораздо экономичнее потратить силы на решение задачи на архитектурном уровне, чем пытаться каждый раз исправлять ситуацию на оперативном.
  • Служба безопасности готова к новшествам. В этом случае обычно разворачивается среда, где можно строить маршруты с учётом оптимальной схемы движения.
  • Банк готов к стратегическому планированию. Здесь речь идёт о просчёте оптимальной сети расположения, постановке оптимальных маршрутов и оповещениях о запасе денег.


Немного будущего


Учитывая уровень работы прогнозирующего софта на примере вот этого чтения мыслей клиентов call-центра, можно делать следующее: при авторизации карточки можно формировать индивидуальные сценарии работы и предложения. Например — «пополнить мой телефон», «дать денег на обед», «мне как обычно», всякие «I feel lucky», в сочетании с назначением платежей — напоминалки про оплату интернета (с мгновенной возможность решить вопрос), оплату штрафов (даже набранных 20 минут назад) и так далее.

Следующий очевидный шаг — понимать, каким клиентам что предлагать. Можно реагировать на действия с банкоматом, анализировать шаблоны поведения. Например, запускать персонализированные маркетинговые компании, делать «вкусные» предложения клиентам, которые могут уйти, и так далее.

Таких комплексных проектов в России фактически нет. Отработаны в лучшем случае отдельные блоки. Банки этим практически не занимаются: не у всех возникает мысль, что можно жить еще лучше и за счет чего.

Экономия


От стандартной схемы «когда в банкомате остаётся 200 тысяч, надо паниковать и ехать» до умного банкомата без учёта космических решений разница — от 40 до 80 тысяч рублей экономии в год на банкомат. Учитывая количество банкоматов одного банка, эта разница вполне покрывает стоимость решения задачи и внедрения системы.
Tags:
Hubs:
+96
Comments 155
Comments Comments 155

Articles

Information

Website
croc.ru
Registered
Founded
Employees
1,001–5,000 employees
Location
Россия