تحليل داده‌هاي بزرگ بانكي براي بهبود فرآيند پول‌گذاري در خودپردازهاي برون شعبه

پول‌گذاري در خودپردازهاي بانكي بايد به‌نحوي انجام گيرد كه دستگاه در تمامي ساعت‌هاي شبانه روز قادر به ارائه سرويس وجه نقد به مشتريان شده و از رسوب پول در دستگاه‌ها جلوگيري به‌عمل آورد تا از اين راه‌ها سودآوري دستگاه‌ها براي بانك‌ها و مؤسسات مالي بيشتر شود. در واقع مهمترين گام در مديريت بهينۀ خودپردازها، پول‌گذاري مناسب اين دستگاه‌ها است. براي پول‌گذاري مناسب خودپردازها بايد ميزان تقاصاي وجه نقد هر خودپرداز با توجه به ايام مختلف سال پيش‌بيني شود تا به كمك آن و سياست پول‌گذاري سازمان بتوان هزينه‌ها را كاهش داده و سودآوري را بيشتر كرد. در اين پژوهش با استفاده از شبكه‌هاي عصبي آموزش ديده با الگوريتم ژنتيك، روشي هوشمند براي پيش‌بيني ميزان تقاضاي وجه نقد هر خودپرداز با توجه به داده‌هاي سري زماني آن ارائه شد. نتايج حاصل از اجراي اين روش روي داده‌هاي سري زماني خودپردازهاي بانك پاسارگاد نشان مي‌دهد كه اين روش نسبت به روش‌هاي پيشين از جمله روش‌هاي مبتني بر شبكه‌هاي عصبي آموزش ديده با الگوريتم‌ لونبرگ-ماركوارت كه پيش از اين كمترين خطا را داشتند، دقت پيش‌بيني را افزايش داده و نتايج را قابل اعتمادتر مي‌كند. روش پيشنهادي قادر است، ميزان تقاضاي وجه نقد را با ميانگين مجذور خطاي 5 تا 7 درصد و ميانگين قدرمطلق خطاي 14 تا 17 درصد پيش‌بيني كند.