Восьмая независимая научно-практическая конференция «Разработка ПО 2012»1 - 2 ноября, Москва

АНАЛИТИЧЕСКИЙ МОДУЛЬ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ

УПРАВЛЕНИЯ ИНКАССАЦИИ КОММЕРЧЕСКОГО БАНКА

ООО «Деловые консультации, Санкт-Петербург»

Подсистема управления инкассацией банкоматов

Цель внедрения подсистемы:

Оптимизация управления финансовыми ресурсами

Минимизация операционных издержек обслуживания сети банкоматов за счет оптимального управления инкассацией денежных средств

Минимизация простоев банкоматов

Планирование ДН

Планирование подкрепления,

инкассации (банкоматы, отделения...)

Ресурсы КЦ

Архитектура системы

СИСТЕМА Управления ресурсами

Подсистема Управления Кассовой работой и Инкассацией

Подсистема Управления инкассацией Банкоматов

Подсистема Управления подкреплениемСтруктурныхПодразделений

Модуль Планирования инкассации Банкоматов и контроль исполнения

МодульПрогнозирования

Модуль Планирования подкрепления Подразделений и контроль исполнения

Data Mining Поиск новых, ранее неизвестных

знаний Основные задачи:

классификация, регрессионный анализ, кластеризация, поиск взаимосвязей, анализ последовательностей

Этапы: Постановка задачи Подготовка данных Просмотр данных Построение моделей Исследование и проверка моделей Развёртывание моделей на сервере

Аналитическиесистемы

Предопределённые

отчётыOLAP Data Mining

Обработка информации с применением Data Mining

Прогнозирование спросаПрогноз строится на основании статистических данных с выделением:общего тренда;сезонности спроса;месячных закономерностей;недельных закономерностей.

Месячные закономерности

0

1 000 000

2 000 000

3 000 000

4 000 000

5 000 000

6 000 000

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31

Недельные закономерности

0

100 000

200 000

300 000

400 000

500 000

600 000

700 000

Пн. Вт. Ср. Чт. Пт. Сб. Вс.

Трендовая составляющая

0

100 000

200 000

300 000

400 000

500 000

600 000

700 000

800 000

1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120

Оптимальное планирование

Целевая функция:ƒ (Х, C, S, p) → min

Х – плановый день инкассации;С – стоимость инкассации;S – прогноз расхода;p – издержки пролеживания

(стоимость отвлеченного ресурса)

Ограничения: Ресурс службы инкассации Доступность банкоматов Регламентные работы Расположение банкоматов Общий плановый ресурс

500000 1000000 1500000 2000000 2500000 30000000

50

100

150

200

250

300

350

400

Сумма загрузки

Изд

ер

жки

од

но

го д

ня

1 4 7 10 13 16 19 22 25 28200

400

600

800

1000

1200

1400

1600

1800

2000

2200

50000010000001500000200000025000003000000

День следующей загрузки

Изд

ерж

ки о

дного

дня

Организация процессов

Задания на загрузку АТМ

Задания на загрузку, ремонт, выгрузку АТМ

Процессинговая система БД

Управление кассовой работой

Загрузка данных: текущее состояние, список транзакций

Обработанные данные, готовые для планирования

Кассеты

Инкассация

Управление инкассацией

АС

Планирование загрузок с учетом ограничений

Подсистема управления инкассацией банкоматов

Требования к подсистеме:

Автоматическое планирование два раза в день

Учет ограничений инкассацииВозможность ручной корректировки плана с последующим его пересчетом

Минимизация времени отклика системы при ручной корректировке

Быстрое построение прогноза

Применение двух структур данных

Реляционная (MS SQL Server)

Основа существующей учетной системы

Сырые данные (состояние ATM, транзакции, ...)

Задания на загрузку / разгрузку / ремонт ATM

Справочники

Многомерная (OLAP)Агрегирование

данныхПостроение

прогнозаПостроение

сводных таблиц

Архитектура подсистемы

Процессинговая система

Загрузка данных: текущее состояние, список транзакций MS SQL

Server

MS Analysis Services (OLAP)

Обработка кубов при поступлении новых данных из процессинга

Вычисляемые меры (MDX)

CLR хранимые процедур

ы

Построение прогноза

Представление плана загрузок (сводная таблица)

Построение плана загрузок

Управление инкассацией

АРМ специалист

а Управления инкассации

Оценка временных затрат по этапам процесса управления инкассацией

банкоматов

Ввод данных Процессингового центра (500 банкоматов):

Состояния банкоматов и данные о транзакциях; менее 20 сек. на загрузку данных и менее 2 мин.

на обработку OLAPПрогнозирование спроса:

Прогнозирование спроса на наличность на основании статистических данных за заданный период;

менее 5 минут ежедневно в фоновом режиме.Планирование - формирование оптимального плана с учетом:

Прогноза спроса; Параметров банкоматов (режимы работы,

типовые суммы загрузки кассет, тип банкомата, страховая сумма, местоположение банкомата);

Данных о транзакциях и состояниях банкоматов; Стоимости инкассирования банкомата; Издержек пролеживания наличности; менее 2 минут по всем банкоматам, менее 2 сек.

по одному.Оперативный контроль:

Текущее состояние банкоматов; Информация о банкоматах с критическим

остатком.

Ввод данных ПЦ

Прогнозированиеспроса

Планирование

Оперативныйконтроль

Преимущества и недостатки архитектуры Быстрое построение

прогноза (5 минут на 500 банкоматов на месяц)

Быстрое построение сводной таблицы при пересчете плана (~2 секунды)

Полная интеграция с существющей АС посредством обычных ХП

– Необходимость развертывания OLAP сервера

– Частая загрузка данных в OLAP и обработка кубов

Эффект получен за счет: повышение качества обслуживания за счет уменьшения

простоев банкомата минимизации объема отвлеченных средств; минимизации затрат на инкассацию.

Дополнительный эффект: организация документооборота и оптимизация потока

бумажных документов повышает производительность труда сотрудников Банка и сокращает операционные издержки;

наличие исторических данных планирования повышает эффективность аналитической деятельности.

Экономический эффект

Спасибо за внимание