Halaj László

1. Magyarországi ATM-ek elemzése az SPSS Clementine segítségével, az Apolló töltésoptimalizáló rendszer fejlesztése során III. SPSS – Adatbányászati és adatelemzési Konferencia, Corinthia Aquincum Hotel Budapest Halaj László OTP Bank Rt.Készpénzforgalmi és Értékkezelési Osztály FőosztályvezetőHalajL@otpbank.hu Szűcs István Hewlett-Packard Magyarország Kft. Készpénzkészlet Optimalizáció Vezető szakértőIstvan.Szucs@hp.com Dr. Benedek Gábor Data Explorer Kft. Üzletágvezető Gabor.Benedek@dataexplorer.hu

2. I. RÉSZÜzleti igények az Apollófejlesztésének hátterében Halaj László OTP Bank Rt.Készpénzforgalmi és Értékkezelési Osztály FőosztályvezetőHalajL@otpbank.hu Szűcs István Hewlett-Packard Magyarország Kft. Készpénzkészlet Optimalizáció Vezető szakértőIstvan.Szucs@hp.com Dr. Benedek Gábor Data Explorer Kft. Üzletágvezető Gabor.Benedek@dataexplorer.hu

3. Milyen nehézségeket okoz az ATM gépek készpénzellátása? • Több mint 1500 ATM, 200 mrd Ft/hó ügyfélforgalom • Üzemeltetők különbözősége (fiók, külső szolgáltató) • Túlságosan magas készlet kamatveszteség • ATM-ben • Háttérállomány • Túlságosan sok dologi költség • Fix összegű • Betöltött/ürített összeggel arányos, ezrelékes • Pénzfogyás miatti állás Ügyfélpanasz, bevételkiesés • Optimalizálási korlátok megtalálása

4. Elvárások a rendszerrel szemben • Készpénzgazdálkodási hatékonyság javítása • Alkalmazkodás a bank IT és logisztikai sajátosságaihoz • Az automatizmus és a többlépcsős ügyintézői beavatkozás egyszerre történő biztosítása • Optimális töltési szintek meghatározása • Pénzfogyás nélküli költségminimalizálás (eltérő költségelemek) • Üzemeltetési sajátosságok figyelembevétele (nappali, éjjeli töltés) • Ügyfél és banki igényekhez igazodó címletkiosztás

5. Elvárások a rendszerrel szemben • Töltéskijelölési rendszer biztosítása folyamatos kapcsolat az üzemeltetőkkel • Készpénzbeszerzést segítő információk • Early warning lista • Egyéb, üzemeltetésre kiható információk • Számlaellenőrzés az OTP által meghatározott módon került-e töltésre a gép? • Elemzéshez és döntéstámogatáshoz szükséges statisztikai adatok • Hosszú távú tervezés támogatása

6. Eredmények • 5-10 %-os költségcsökkentés • Háttér logisztikai rendszer racionalizálódása • ATM készpénzmenedzselés centralizálása Az Apolló Készpénzforgalmi Optimalizációs rendszer elnyerte a 2005-ös IT-Business Leadership Award-ot. A díjat a szaklap a hazai üzleti élet olyan szereplőinek szánja, akik példaértékű, innovatív informatikai megoldásokat hoznak létre. A pályázaton olyan kiemelkedő megoldásokat díjaztak, amelyek költséghatékony módon, jelentősen megkönnyítették egy-egy vállalkozás munkafolyamatait, mindennapi működését, és ezáltal követendő például szolgálhatnak minden piaci szereplő számára.

7. II. RÉSZAz Apolló rendszer megvalósítása integrálás, működés, hatékonyság Halaj László OTP Bank Rt.Készpénzforgalmi és Értékkezelési Osztály FőosztályvezetőHalajL@otpbank.hu Szűcs István Hewlett-Packard Magyarország Kft. Készpénzkészlet Optimalizáció Vezető szakértőIstvan.Szucs@hp.com Dr. Benedek Gábor Data Explorer Kft. Üzletágvezető Gabor.Benedek@dataexplorer.hu

8. Megoldás elemei • Keretrendszer • Integráció az adatforrásokhoz • Operatív döntéstámogató rendszer (melyik ATM-et mikor milyen szintre töltsük) • Vezetői információs rendszer • Tervező rendszer (költség, forgalom, készlet) • Számlaellenőrzés • Statisztikai rendszer • Napi forgalom előrejelzés • Költség optimalizáció • Hosszú távú előrejelzés (költség, forgalom, készlet)

9. A rendszer által támogatott legfontosabb feladatok: III. rész • Előrejelzés • Költség-optimalizáció • Operatív tervezés • Kontroll • Elemzés • Hosszútávú tervezés támogatás

10. Költség optimalizáció • Előrejelzések készítése -> Készpénz szükséglet • Minden lehetséges megoldás megkeresése • Dologi + kamatköltség kiszámítása • Minimális költségigényű megoldás kiválasztása • Javasolt feltöltési lista, ATM készpénz szint meghatározása

11. ATM Adatlap

12. Operatív tervezés • A rendszer kijelöli az általa feltöltésre javasolt ATM-eket • A készpénzforgalmi terület jóváhagyja, vagy módosítja a feltöltendő ATM-ek listáját • Interaktív töltéskijelölés:A feltöltést végzők javaslatot tesznek a feltöltendő ATM-ekre, a rendszer támogatja a töltési listák eltérésének egyeztetését • Utasítások kommunikálása A feltöltést végzők utasítást kapnak a kijelölt ATM-ek feltöltésére, illetve a következő napi töltésre való felkészülésre (készpénz rendelés)

13. Töltéskijelölés

14. Kontroll • A rendszer eltárolja a töltési utasításokat • Szolgáltató feladja az elektronikus számlát • Tartalma: Felkeresések, töltések, ürítések • ATM azonosító, dátum, felkeresés típusa, (összeg) • Számlatételek validálása • Automatikus visszautasítások • Minőségi mutatók: ATM pénzfogyás miatti állás % • Nem kért, vagy kért de nem teljesített felkeresés • Kézi rögzítések • A hónap során a fiók és a KÉO megállapodhat az optimalizáció eredményétől való eltérésől • A számlatételek elfogadása, vagy visszautasítását a felhasználó felülbírálhatja • A végső megállapodás rögzíthető • Költség tényadatok felhasználása • Terv tény összehasonlításhoz • Következő évi tervezéshez

15. Visszautasítási szabály

16. Elemzés • A felhasználók ad-hoc elemzést végezhetnek a következő mutatókon • Forgalom • Készpénzállomány • Hatékonysági mutatók • Költségadatok • A felhasználók jelentéseket definiálhatnak. A mögöttes adatokat a rendszer automatikusan frissíti. • Az adatokat a felhasználók szűrhetik, megbonthatják a definiált hierarchiák alapján, illetve grafikusan is megjeleníthetik

17. Forgalmi tény előrejelzés összehasonlítása

18. Hosszú távú tervezés támogatás • Költség, átlagállomány terv készül • Egy tervváltozat létrehozása: • A tervező megadja a várható fajlagos költségértékeket és kamatlábakat • A rendszer előrejelzi a forgalmat és kiszámítja a várható készlet és költségértékeket • Újabb tervváltozat jön létre • Idővel, az új tényadatok alapján • A várható költségparaméterek megváltoztatása esetén

19. Terv forgalom

20. Architektúra Fiók, szolgáltatófelhasználók Autorizáció KÉO felhasználók ATM StátuszTranzakciós adatok Készpénz szintekKönyvelési adatok Előrejelzés, optimalizációí

21. Technológia • 100% webes felületek • Platform független PL/SQL motor és Java frontend • Oracle adatbázsikezelő/Oracle Discoverer MIS • Elemző eszköz: SPSS Clementine

22. III. RÉSZATM forgalmi adatok elemzéseelőrejelzés, szegmentálás Halaj László OTP Bank Rt.Készpénzforgalmi és Értékkezelési Osztály FőosztályvezetőHalajL@otpbank.hu Szűcs István Hewlett-Packard Magyarország Kft. Készpénzkészlet Optimalizáció Vezető szakértőIstvan.Szucs@hp.com Dr. Benedek Gábor Data Explorer Kft. Üzletágvezető Gabor.Benedek@dataexplorer.hu

23. Izgalmas kihívások • Hogyan jelezzük előre az ATM-ek jövőbeli forgalmát? • Milyen forgalmak jellemzők az egyes napszakokban? • Milyen szegmensekre bonthatók a hazai ATM-ek? • Milyen forgalom várható egy újonnan telepített ATM-től? Hova tegyünk pénzjegy automatát?

24. Az analitikai modulok kapcsolatai Töltés optimalizáló modul Előrejelző modul Kalkulációs modul ATM törzs Naptárak TDF Aktuális címletezés Töltési szintek Hogyan jelezzük előre az ATM-ek forgalmát? Címletezés optimalizáló modul T+2 töltési szint ATM töltési javaslat+árnyékár T és T+1 töltés

25. Deviáns napok az ATM-ek életében

26. A dekompozíció módszere Dekompozíciós képlet Forgalom = Trend × Ihónap × Imunkanap × Ihétnapja × Ifiz.&havinap ahol: Forgalom napi készpénzforgalom Trend átlagos napi készpénzforgalom a hosszú távú trendből Ihónap hónap-index – éven belüli szezonalitás Imunkanap munka- és szünnapok viszonyának szétválasztásához decemberben és az év többi részében Ihétnapja hét napja index – hét funkcionális napja szerint Ifiz.&havinap fizetési napok és környékük, illetve a hónap napjai – hónapon belüli ingadozás

27. A trend A modell belső inputja: a trend Trend = f (MA)

28. A naptárak A modell legfontosabb külső inputjai: a naptárak Minden ATM ATM-enként ATM: Fiz.nap: 7 …December…

29. A dekompozíció módszere Becs0 = Trend (MA) Hónap-indexek

30. A dekompozíció módszere Becs1 = Trend × Ihónap Munkanap indexek

31. A dekompozíció módszere Becs2 = Trend × Ihónap × Im.nap Heti nap indexek

32. A dekompozíció módszere Becs3 = Trend × Ihónap × Im.nap × Ihétnapja Havi nap indexek

33. A dekompozíció módszere Deviáns napok: Címletfogyás Hibás ATM L efogyás I degenroham Becs4 = Trend × Ihónap × Im.nap × Ihétnapja × Ifiz.&havinap

34. Az illeszkedés pontossága A deviáns napok az előzetes várakozásoknak megfelelően jelentősen torzítanák a modelleket A modellek átlagos R2-e 80%, készpénzfelvételi szokásaink sajnos véletlen-szerűek és instabilak.

35. Az analitikai modulok kapcsolatai Töltés optimalizáló modul Előrejelző modul Kalkulációs modul ATM törzs Naptárak TDF Aktuális címletezés Töltési szintek Milyen for-galmak jel-lemzők egyes napszakokra? Címletezés optimalizáló modul T+2 töltési szint ATM töltési javaslat+árnyékár T és T+1 töltés

36. Napi forgalomarányok szegmentálása Óra-kategóriák 15-19 19-00 12-15 00-05 05-08 08-12

37. Végső forgalmi szegmensek

38. Forgalmi szegmensbekerülési előrejelzés Egy egyszerű, nap típusokat és ATM-eket figyelembevevő statikus modell az üzleti alkalmazáshoz elegendő pontosságú eredményt adott!

39. Az analitikai modulok kapcsolatai Töltés optimalizáló modul Előrejelző modul Kalkulációs modul ATM törzs Naptárak TDF Aktuális címletezés Töltési szintek Milyen szegmen-sekre bonthatók a hazai ATM-ek? Címletezés optimalizáló modul T+2 töltési szint ATM töltési javaslat+árnyékár T és T+1 töltés

40. Szegmentálás alapja Napi forgalmi adatok ATM demográfiai adatok (pl.: régió, név, üzemeltető) Előrejelző modell (pl.: koeffíciensek, pontosság) Mindezek együtt

41. ATM szegmensek – települések szerint

42. ATM szegmensek – G4/fióki

43. Új ATM-ek besorolása Erőteljes nyári forgalomnövekedés Nyári szezonú Hipermarket- bevásárlóközpont Nagy, egyenletes forgalom hétvégén is Hétvégén zárt Jellegzetes viselkedésű ATM? Min. 3x fizetéskori forg.növekedés, amit hétvégén is felvesznek Három műszakos Fizetéses jellegű gép? Min. 3x fizetéskori forg.növ. Nagyon erősen fizetéses x millió napi forg. felett Nagy forgalmú OTP fióki ATM? Nem kizárólag Fizetéses jellegű x millió napi forg. alatt Közepes és kis forgalom 2-3x fizetéskori forg.növekedés. Felsőoktatás Kis forgalom, kis összegű felvétek, nyári szünet Hivatali jellegű ATM? Nagyobb forgalom kisebb tranzakciókból, átl. 2x-es fizetéskori forgalomnövekedés Kórház Pályaudvar, állomás Utcai ATM Hivatal és önkormányzat Közepes forgalom nagy változékonysággal, nagyobb tranzakciókkal Közepesen nagy forgalom, sok kis tranzakció Közepes, de változékony forgalom, átlagos viselkedés Új ATM

44. Jellegzetességek Magas forgalom Viszonylag pontatlan becslés Általában munkaidő után, vagy folyamatos forgalom, kivétel … Nincs szezonalitás, de decem-ber magas, január alacsony Nincs jelentős forgalmi különbség munkanap és hétvége között Nem jellemző a fizetésnap környéki roham Jellegzetes hipermarket ATM Index 1 Index 2

45. Hova telepítsünk ATM-et? • Van-e összefüggés egy ATM napi átlagos forgalma és az ATM környezete között? • Függő változó: ATM napi átlagos forgalma • Független változók: • Település adatok (vállalkozások, fizetések, lakásállomány) • Népesség adatok (irányítószám szinten) • POIX adatok (50-150-500 méteres sugarú környezetben található objektumok száma, pl.: étterem, benzinkút, más bank, stb.) • Módszer: egyszerű lineáris regresszió

46. Eredmények 25.000 főnél nagyobb települések fióki ATM modellje Becsült forgalom Valós forgalom

47. Eredmények • Modellbe bevont változók száma: 8 darab • Modell illeszkedés (R2): 66% • Modell szignifikancia (ANOVA p): 0% • Koeffíciensek • Város népessége (+) • Utazási irodák (-) • Kompetítor bankfiókok (+) • Könyvtárak (-) • Gyorséttermek (+) • Lottózók (+) • Plázák (-) • Posták (-)

48. Köszönjük a figyelmet!Várjuk kérdéseiket! III. SPSS – Adatbányászati és adatelemzési Konferencia, Corinthia Aquincum Hotel Budapest Halaj László OTP Bank Rt.Készpénzforgalmi és Értékkezelési Osztály FőosztályvezetőHalajL@otpbank.hu Szűcs István Hewlett-Packard Magyarország Kft. Készpénzkészlet Optimalizáció Vezető szakértőIstvan.Szucs@hp.com Dr. Benedek Gábor Data Explorer Kft. Üzletágvezető Gabor.Benedek@dataexplorer.hu