Search
Generic filters
on

Machine Learning für Banken: Prognosen zu Bargeldauszahlungen an Geldautomaten

30. Juni 2021 - 15:00 - 16:00

Home » Events » Webseminare » Machine Learning für Banken: Prognosen zu Bargeldauszahlungen an Geldautomaten

Neue Optimierungspotenziale

kompakt. kreativ. kostenlos.

Das nehmen Sie mit:

 

  • Neue Optimierungspotenziale: Prognose von Bargeldabhebungen, Reduzierung Bargeld-Sicherheitspuffer
  • Bei überregionalem Ausrollen der Lösung können sechsstellige Einsparungen im Valutengeschäft bzw. Millionenbeträge erzielen werden
Pfeil Rechts
Einwilligung*

Weil in Ihren Daten Ihre Zukunft steckt.

effizient. individuell. automatisiert.

In diesem Webseminar nehmen wir die Befüllung von Geldautomaten in den Fokus:  

Hier soll der Bargeldbestand möglichst exakt den künftigen Bargeldabhebungen entsprechen. In der Vergangenheit vermeiden Finanzanbieter leere Geldautomaten, indem sie diese bei der Befüllung mit einem „Sicherheitspuffer“ an Bargeld ausstatten. Nur volle Geldautomaten erhalten die Kundenzufriedenheit und sorgen für Auszahlungsprovisionen. Dieses „Overstocking“ verursacht jedoch Kosten in Form von unverzinslichen Bargeldbestandes. Denn dieses Geld können die Banken anderweitig nicht im Aktivgeschäft einsetzen. Die Ertragssituation der Bank verschlechtert sich unnötig. 

Wir zeigen Ihnen im Webseminar, wie Sie mittels Machine Learning die Abhebungen am Geldautomaten in den nächsten Tagen und Wochen prognostizieren können. Die automatisierte Machine-Learning-Lösung ist skalierbar für ein Netz von 125 Geldautomaten in einer Region programmiert, wobei das Nutzungsmuster jedes Geldautomaten individuell modelliert und vorhergesagt wird.  

Diese verbesserte Prognose der Abhebungen in den nächsten Tagen und Wochen reduziert den Bargeld-Sicherheitspuffer an jedem einzelnen Geldautomaten und führt zu erheblichen Bargeldeinsparungen.  

Effektiv können Banken einer Kommune so sechsstellige Einsparungen im Valutengeschäft bzw. Millionenbeträge bei überregionalem Ausrollen der Lösung erzielen.

Anhand einer Machine-Learning-Demo sehen Sie ein interaktives Dashboard zu folgenden Inhalten:

  • Daten-Exploration der historischen Abhebungen an 125 Geldautomaten über mehrere Jahre
  • Rekursive und skalierbare Modellierung inkl. Backtesting über alle Geldautomaten
  • Automatisierte Wahl des optimalen Algorithmus und Modells für jeden der Geldautomaten
  • Machine-Learning-Prognose der Bargeldabhebungen der nächsten Tage und Wochen
  • Konkrete Handlungsempfehlung für jeden Geldautomaten

Dieses Webseminar richtet sich an Verantwortliche in Fachbereichen, Mitarbeiter und Führungskräfte, sowie Produktverantwortliche von Banken und Finanzdienstleister.

Ihre Ansprechpartner*innen

Foto Stefan Balke

Dr. Stefan Balke

Business Development Manager Analytics Platform

pmOne AG
Bahnhofstraße 16
33102 Paderborn

 Stefan.Balke@pmOne.com

 +49 151 46467022

Menü