银行每年都需要巨大投入来维持各项业务的运营，如何有效提高银行运营效率，降低运营成本一直是银行追求的一个重要目标。当前银行很多业务运营还是靠具体负责人凭经验及直觉“拍脑袋”做决策，通过大数据分析可以从数据中发现运营规律，为运营优化提供决策基础。本文将以大数据技术优化ATM运营的几个应用为例来说明大数据如何优化运营效率，降低运营成本。
1. 大数据技术优化ATM运营
1) ATM配置(位置及类型)优化
通过对ATM机器的日志数据进行一些简单统计分析，就可以帮助改进ATM的配置以更好的服务客户，提升服务质量及降低成本。如图一所示，通过对ATM历史交易量做一个统计并以柱状图展示出来，我们可以发现，有些ATM的使用量很低(例如图中ATM15的使用量差不多只有ATM1的一半)。说明有些ATM的位置摆放并不合理。结合ATM的地理位置信息，我们可以对使用量低ATM进行重新选址与布局，提高使用效率，降低银行成本。
图一. ATM交易次数统计
对于图一中的交易分析，如果我们分析的粒度更细一些，例如对每台ATM机器的交易记录按交易类型进行统计分析，我们可以得到如图二的交易类型的分布图。通过饼图展示可以发现，左图显示的ATM2各类型交易分布比较平均，但右图显示的ATM5主要只包括4种交易类型，其中存款交易特别少，可以说明此ATM附近人群存款业务需求较少，这台存取一体机可以用一台取款机代替，从而减低银行成本。
图二. ATM交易类型分析
2) 优化ATM菜单，减少等待时间
另外，减少ATM排队的等待时间是提高客户满意度及忠诚度的一项有效措施。通过分析ATM日志记录，我们可以了解客户使用ATM机器的菜单路径以及了解他们在哪些操作上花费较长时间，因此可以利用数据分析结果来优化ATM菜单设计和缩短菜单路径，提高用户操作效率。例如，如今大部分ATM都有快捷取钱(FastCash)的功能，但快捷取钱的金额设计也许和实际需求并不相符，通过数据统计分析我们可以了解最常用的取钱金额，优化菜单。另外，也可以基于数据分析结果提供个性化菜单以满足不同用户群体的需求。
图三. ATM Fast Cash功能实例
3) ATM现金需求量预测
除了对ATM数据进行如1，2的统计分析来支持运营优化外，我们还可以通过对数据进行深度挖掘和构建机器学习模型来优化运营。例如，ATM的现金管理是银行一个非常重要的运营管理部分，它直接影响到银行业务的正常运营和利润。ATM存放过多的现钞对银行来说是运营成本，但若存放过少的现钞又容易出现空钞现象，降低了服务质量和需要频繁加钞从而增加运钞车的运营成本。
通过对现钞需求量进行提前预测可以实现按需加钞，减低银行成本。但现钞需求量具有较大的不确定性，和很多因素有关。以时间因素为例(如图四所示)，ATM取款操作在节假日前及周末达到峰值，在进行ATM现金需求预测时需要进行时间序列分析，从数据中发掘出周规律，月规律及节假日规律等等。要想得到准确的预测现金需求量，需要综合考虑多种可能相关因素和构建复杂的机器学习模型。
图四. ATM取款金额时间序列
4) ATM预测性维修
大数据分析在ATM数据上另外的一个重要应用是进行预测性维修。ATM宕机不仅会给银行带来业务损失，而且会给用户带来坏的印象和降低用户忠诚度。
图五 ATM宕机实例
目前大部分银行对于ATM的维修还是采用传统的break-fix方式，即如图六中虚线下部分所示，都是先发生故障然后进行维修。而通过基于历史ATM数据构建机器学习模型，我们实现预测性维修(predict-and-prevent)，对ATM是否宕机进行提前预测，然后安排在非繁忙时间进行维修，从而避免由维修带来的业务损失和提高用户满意度。
图六. ATM 预测性维修框架
2. 运营优化落地案例
1) 新加坡星展银行[1]
星展银行能够将有用的ATM使用数据及客户行为数据转化为日常执行计划，有助于银行制定出***方案，安排在繁忙时段安排加钞。通过使用新的解决方案，机器缺钞现象减少了80%(即空钞ATM机)，节省了3万多小时的客户等待时间，留在银行的现钞减少了40%， 所需运钞安排减少了20%。
2) 澳大利亚某银行利用大数据优化网点布局[2]
该行结合银行内部数据(包括现有网点分布和业绩状况等)和外部数据(如各个地区的人口数量，人口结构，收入水平等)，对350个区域进行了评估，优化银行网点布局。
3) 民生银行[3]
民生银行利用大数据分析支撑网点选择及进行ATM现金管理。
4) 国外某商业银行
该行基于ATM数据分析对ATM机器进行预测性维修，有效减少宕机时间。
结语
通过数据分析来辅助和支撑运营优化决策，可以避免自上到下的“拍脑袋”决策和有效提高运营效率，降低运营成本。
引用来源：
[1] http://www.sas.com/en_th/customers/dbs.html
[2] 来源The Boston Consulting Group (BCG)分析http://www.bcg.com.cn/cn/files/publications/reports_pdf/BCG_Big_Data_Report_Feb_2015_CHN.pdf
[3] http://mp.weixin.qq.com/s?src=3×tamp=1481780848&ver=1&signature=kqWRbg2EyxDmdPgDYu8LmsHCeg-fWnEpsT3uoLbOmt*zXFiAkp3ffU2RD2gcphsebxgwKbQES1U907GUPKSs9EVJ*vHY6tt4UUYRyQf2lSUi1HfAquX8o6-JUzITNjUnBjTzUlOg6KQ6PPsnm1G3OQ==
