Storbank styrer kontanter med AI: Hver hævemaskine kræver sin egen analysemodel

Illustration: Jonathan Weiss/Bigstock
JPMorgan Chase bruger machine learning til at sikre, at hæveautomater ikke løber tør for penge.

Kontanter er stadig konge i USA. Uanset snakken om kontantløse samfund, står kontanter stadig for en tredjedel af betalinger i USA.

Og det er en logistisk udfordring af dimensioner at få kontanter fragtet rundt i samfundet, fortæller Aslam Chaudry, der er Vice President hos USA’s største bank JPMorgan Chase, på SAS Institutes Global Forum-konference, der fandt sted i Denver, Colorado, tidligere på måneden.

»Inden jeg kom til JPMorgan Chase, havde jeg ingen ide om, hvor kompliceret det er at få penge ud i hænderne på folk. Det der sker bag scenen er meget komplekst,« forklarer Aslam Chaudry.

»Og for hver skridt, en dollar skal flytte sig, er der en omkostning.«

Læs også: Machine learning i Danske Bank: Nu fire- til seksdobler vi vores hits i markedsføringen

JP Morgan Chase har 5.100 filialer i USA med 400 mere på vej. Og mere end 16.000 hæveautomater, hvilket svarer til omkring 17,5 procent af bankejede hæveautomater i USA.

Hidtil er kontanter blevet leveret af private pengetransportselskaber, der kører efter et fast skema, forklarer Aslam Chaudry.

»De kørte rundt efter en plan uden at vide, hvor mange kontanter, der var brug for, og om der var brug for dem overhovedet. Hvis nogen løber tør for kontanter skal der bestilles penge akut og det koster to-tre gange mere,« siger han og fortsætter:

»Hvis en filial eller hæveautomat ikke har kontanter, er det kunderne, der bliver utilfredse.«

Cash points

JPMorgan Chase satte sig for at optimere kontant-transporterne. Og før man kan forstå omfanget af den opgave, må man først kende til forløbet, der i sidste ende sender penge i hænderne på bankkunderne.

Kontanter udleveres fra USA’s federal reserve til en af syv hoved-bokse i JPMorgan Chase. Derefter kan de komme ud til 80 mindre bokse, og derfra videre til 800 igen mindre bankbokse, spredt over hele landet. Herfra kommer kontanter ud til filialer og hæveautomater.

Hver gang de her penge flyttes fra eller til en boks er det en transaktion, hvor transportselskaber skal betales.

»Det er et kæmpe beløb, som går ind i det her system,« siger Aslam Chaudry.

Læs også: Maskinlærings-bot skaffer rejseerstatning: Finder selv nye sager i din mail

JPMorgan Chase anvender termet cash point, som repræsentere alle de steder, hvor kontanter skifter hænder. Alene i filialerne er der 55.000 cash points.

»Tæller man også bankbokse og hæveautomater er der et enormt antal cash points. Hver øjeblik, hver dag skal vi forudsige, hvor mange kontanter det enkelte cash point har brug for,« siger Aslam Chaudry.

Hver maskine er unik

Løsningen er at forudsige, hvornår filialer og hæveautomater løber tør for kontanter. Udfordringen ved det er, at ingen af hæveautomaterne bruges efter samme mønster.

»Hvad vi har lært er, at 16.000 hæveautomater ligner ikke hinanden. Hver hæveautomat opfører sig unikt,« siger Aslam Chaudry.

Læs også: Detail-gigant: Lad være med at antage, at du kan stole på noget som helst data

Nogle hæveautomater bruges meget i starten af ugen, nogle meget om sommeren og nogle aldrig i slutingen af måneden. Andre bruges næsten udelukkende, når der er fodboldkamp eller koncert i nærheden.

Derfor kræver hver enkelt maskine sin egen tilpassede analysemodel, fortæller Aslam Chaudry.

»Når vi bygger vores modeller, skal vi se på hver ATM som unik, og bygge en model, der passer til den maskine. Ellers ville forecast være helt skævt.«

Hver mandag kører JPMorgan Chase nu en såkaldt Monte Carlo-simulering med tusindvis af parametre for hvert cash point. Simuleringen giver et forudsigelse af, hvor mange penge, der vil blive hævet for en given hæveautomat, og dermed kan banken planlægge transport af kontanter mere intelligent.

Version2 var inviteret til Denver af SAS.

Tips og korrekturforslag til denne historie sendes til tip@version2.dk
Følg forløbet
Kommentarer (1)
Log ind eller Opret konto for at kommentere
Pressemeddelelser

Welcome to the Cloud Integration Enablement Day (Bring your own laptop)

On this track, we will give you the chance to become a "Cloud First" data integration specialist.
15. nov 2017

Silicom i Søborg har fået stærk vind i sejlene…

Silicom Denmark arbejder med cutting-edge teknologier og er helt fremme hvad angår FPGA teknologien, som har eksisteret i over 20 år.
22. sep 2017

Conference: How AI and Machine Learning can accelerate your business growth

Can Artificial Intelligence (AI) and Machine Learning bring actual value to your business? Will it supercharge growth? How do other businesses leverage AI and Machine Learning?
13. sep 2017
Jobfinder Logo
Job fra Jobfinder