Το Έργο

Σύμφωνα με έρευνες η χρήση των ATM αυξάνεται αντί να μειώνεται, καθώς περιορίζονται τα φυσικά καταστήματα και υπάρχουν μεγάλες κοινωνικές ομάδες που δεν χρησιμοποιούν ηλεκτρονική τραπεζική. Επιπλέον έχει παρατηρηθεί πως η παρακολούθηση και η αναπλήρωση μετρητών καθορίζει την απόδοση και την αξία της τράπεζας. Ενώ οι τράπεζες έχουν καταβάλει προσπάθειες για τη μείωση του κόστους, λαμβάνοντας υπόψη παράγοντες όπως το ταμειακό απόθεμα και τον κίνδυνο εγκληματικής πράξης, τη ζήτηση μετρητών, το κόστος αναπλήρωσης μετρητών και ταυτόχρονα εισάγοντας αυτοματοποίηση διαδικασιών, εξακολουθεί να υπάρχει έλλειψη συνεκτικής προσέγγισης για τη βελτιστοποίηση των μετρητών και των ATM.

Σε αυτή τη μελέτη, ο στόχος είναι να δημιουργηθεί ένας συνδυασμός μοντέλων πρόβλεψης και βελτιστοποίησης, λαμβάνοντας υπόψη όλους τους προαναφερθέντες παράγοντες ολιστικά προκειμένου να ελαχιστοποιηθεί το συνολικό κόστος της εφοδιαστικής και το ρίσκο ζημίας, καθώς και να βελτιωθεί η ικανοποίηση των πελατών. Η βάση της μεθοδολογίας είναι η μοντελοποίηση του συνολικού προβλήματος με τη διάσπαση του σε αναπλήρωση αποθεμάτων, βελτιστοποίηση δρομολόγησης, διαχείριση αλυσίδας εφοδιασμού και αξιολόγησης κινδύνων, ώστε να γίνει συνδυασμός των λύσεών τους σε μία. Η λύση θα υλοποιηθεί με τη χρήση διαφόρων τεχνικών ανάλυσης δεδομένων τόσο σε ανονυμοποιημένα ιστορικά δεδομένα όσο και σε δεδομένα πραγματικού χρόνου, με βάση τις ανάγκες των τραπεζών, προκειμένου να παρέχεται επαρκής στρατηγική υποστήριξη αποφάσεων. Η βελτιστοποίηση της απόδοσης των ΑΤΜ, δηλαδή η διαθεσιμότητα και η επιστροφή μετρητών, είναι καθοριστικής σημασίας για τη βελτίωση της αλυσίδας εφοδιασμού μετρητών. Επιπλέον, η στρατηγική τοποθέτηση των ΑΤΜ και η πρόβλεψη της ζήτησης μπορούν να βελτιώσουν σημαντικά τη λειτουργία του συνολικού δικτύου ΑΤΜ. Όσον αφορά τις προβλέψεις, εξετάζεται η χρήση των Deep Neural Networks.

Πιο συγκεκριμένα, ένα βαθιά επαναλαμβανόμενο νευρωνικό δίκτυο (RNN) μπορεί να χρησιμοποιηθεί για ανάλυση χρονοσειρών σε κάθε ΑΤΜ για πρόβλεψη ζήτησης. Επιπλέον, ένα γραφικό συνελικτικό δίκτυο γράφου (GCN) μπορεί να χρησιμοποιηθεί για πρόβλεψη κινδύνου και στρατηγική υποστήριξη στο επίπεδο αλυσίδας εφοδιασμού μετρητών. Η βασική ιδέα είναι να χαρτογραφηθούν οι μη γραμμικές σχέσεις μεταξύ διαφόρων παραγόντων που επηρεάζουν την απόσυρση μετρητών και τη ζήτηση μετρητών. Μπορεί να δημιουργηθεί ένα σχήμα βελτιστοποίησης που συνδυάζει αυτά τα νευρωνικά δίκτυα και βελτιστοποιημένα χαρακτηριστικά, προκειμένου να παρέχει προτάσεις δράσης που βρίσκονται όλα σε μία πλατφόρμα. Η πλατφόρμα θα επιτρέψει την απεικόνιση και παρακολούθηση των ΑΤΜ και το χρηματικού αποθέματός τους και θα δώσει ειδοποιήσεις, προτάσεις και προβλέψεις, έτσι ώστε η τράπεζα να μπορεί να ενεργήσει προληπτικά και να εξαλείψει τις απώλειες. Στόχος είναι η γενίκευση αυτής της λύσης που θα χρησιμοποιηθεί σε προβλήματα που αφορούν δίκτυα αλυσίδας εφοδιασμού παρόμοιας σύνθεσης, και η αξιοποίησή της ώστε να επωφεληθούν τα παραρτήματα, οι πελάτες και οι χρηματαποστολές των τραπεζών, οι απομακρυσμένες περιοχές, και γενικότερα η οικονομία. Η μελέτη αυτή θα δημοσιευθεί και διαχυθεί σε ενδιαφερόμενους οργανισμούς και επιστημονικά συνέδρια.

Στόχοι

Στόχος είναι η βελτίωση της συνολικής λειτουργίας της αλυσίδας εφοδιασμού μετρητών, βελτιστοποιώντας την απόδοση των μηχανημάτων ΑΤΜ της Εθνικής Τράπεζας.

Σύμφωνα με μελέτη της Eurostat, περίπου οι μισοί Ευρωπαίοι ενήλικες χρησιμοποιούν την διαδικτυακή τραπεζική, και αυξάνονται διαρκώς. Η ηλεκτρονική τραπεζική είναι ιδιαίτερα δημοφιλής μεταξύ των ατόμων ηλικίας 25 έως 34 ετών, αλλά όχι για τις μεγαλύτερες ηλικίες. Η χρήση της τραπεζικής διαδικτύου τείνει επίσης να αυξάνεται ανάλογα με το επίπεδο εκπαίδευσης του χρήστη, καθώς μόνο το 24% των ατόμων με χαμηλή εκπαίδευση χρησιμοποιούν την ηλεκτρονική τραπεζική. Αντίθετα, στην εποχή όπου περιορίζονται τα φυσικά υποκαταστήματα τραπεζών, ιδιαίτερα για τις ευπαθείς ηλικίες και τους μη προνομιούχους από πλευράς μορφωτικών προσόντων, η ύπαρξη και καλή παροχή υπηρεσιών από τα ATM είναι μείζονος σημασίας.Σύμφωνα με δεύτερη έρευνα της Raddon, οι καταναλωτές βασίζονται σε ΑΤΜ ολοένα και περισσότερο, τόσο σε ΑΤΜ που βρίσκονται μαζί με το τραπεζικό υποκατάστημα τους, όσο και σε εκείνα που ανήκουν σε άλλους παρόχους.

Είναι προφανές με βάση τα ανωτέρω ότι η παροχή αξιόπιστων υπηρεσιών από ένα ευρύ και κατάλληλα διαρθρωμένο δίκτυο ATM είναι καθοριστικής σημασίας για: (i) συγκεκριμένες ομάδες πληθυσμού, που μπορεί να διαθέτουν υψηλά χρηματικά διαθέσιμα ή να απαιτείται ειδική κοινωνική μέριμνα για αυτούς, (ii) την παροχή υψηλού επιπέδου τουριστικών υπηρεσιών, καθώς η τουριστική ζήτηση για μετρητά από ATM είναι καθοριστικής σημασίας, και (iii) την συνολική αποτίμηση και αναπτυξιακή πορεία μιας μεγάλης τράπεζας. Ένα από τα βασικά στοιχεία του λειτουργικού κόστους των ATM είναι η παρακολούθηση και αναπλήρωση μετρητών, τα οποία διαμορφώνουν την αποτελεσματικότητα και την αξία της τράπεζας. Έχει δε διαπιστωθεί ότι το κόστος κάθε αναπλήρωσης μετρητών κυμαίνεται συνήθως μεταξύ μερικών εκατοντάδων ευρώ και μερικών χιλιάδων για απομακρυσμένες περιοχές. Η πρόβλεψη ζήτησης στα ATM είναι σημαντική, αλλά αποτελεί μόνο έναν άξονα του πραγματικού προβλήματος, καθώς υπάρχουν επιπλέον παράγοντες που επηρεάζουν και την ικανότητα και την σκοπιμότητα να ανατροφοδοτηθούν. Το σχήμα βελτιστοποίησης, το οποίο βασίζεται σε μια σύνθετη αρχιτεκτονική Deep Neural Network, πρόκειται να προσαρμοστεί για να ενισχύσει την αποδοτικότητα διαχείρισης μετρητών της Εθνικής Τράπεζας της Ελλάδος.

Η καινοτομία της πρότασης έγκειται:

  • στο σχεδιασμό και κατασκευή ενός ευέλικτου συστήματος βασισμένο σε νευρωνικά δίκτυα ή/και άλλες μορφές τεχνητής νοημοσύνης ώστε να προβλεφθεί η ζήτηση ρευστότητας και εκσυγχρονισμού των συστημάτων με στόχο: (i) την διατήρηση της βέλτιστης ποσότητας μετρητών σε κάθε μηχανή ΑΤΜ, έτσι ώστε να επαρκεί για την κάλυψη των καθημερινών συναλλαγών των πελατών, (ii) την βελτιστοποίηση της αναπλήρωσης μετρητών για τα δίκτυα ATM με βάση το αναμενόμενο κόστος και (iii) την ελαχιστοποίηση των κακών συμβάντων και του ολικού κινδύνου σε μεμονωμένους σταθμούς ATM.
  • στην ανάπτυξη μιας ειδικής πλατφόρμας που θα συνοψίσει όλες τις παραπάνω λύσεις σ’ ένα ολοκληρωμένο σύστημα.

Ενότητες Εργασίας

Παρουσιάζονται οι Ενότητες Εργασίας (ΕΕ) που απαρτίζονται από Υποενότητες (ΥΕ):

  • EE1: Μελέτη μοντέλου, προδιαγραφές και σχεδίαση του συστήματος.
    • ΥΕ1.1: Μελέτη περιπτώσεων χρήσης, και μελέτη κατάλληλων αλγοριθμικών διαδικασιών για την ανάπτυξη του μοντέλου πρόβλεψης (Μ1-Μ4, 4 μήνες)
    • ΥΕ1.2: Μελέτη για κατάλληλου μοντέλου νευρωνικού δικτύου χρησιμοποιώντας εργαλεία γεωγραφικής θέσης (geo-location factors) και χαρακτηριστικών αναπλήρωσης του δικτύου (replenishment network characteristics). (Μ1-Μ4, 4 μήνες)
  • ΕE2: Συλλογή κατάλληλων δεδομένων για την ανάπτυξη του μοντέλου και οριοθέτηση κυριότερωνπαραγόντων ως προς την βελτιστοποίηση του μοντέλου.
    • ΥΕ2.1: Συλλογή δεδομένων όπως βαθμός χρήσης σταθμών ΑΤΜ, συναλλαγές σημείων πώλησης, χρήση καρτών, συνήθειες πελατών από σταθμούς ΑΤΜ για ορισμένο χρονικό διάστημα . (Μ1-Μ6, 6 μήνες)
    • ΥΕ2.2: Συλλογή δεδομένων από την τράπεζα ή την Εθνική Στατιστική Υπηρεσία με σχετικές με το προφίλ κάθε πελάτη και σε συνδυασμό με τον σχεδιασμό του μοντέλου. (Μ1-Μ6, 6 μήνες)
  • ΕΕ3: Σχεδιασμός και κατασκευή Νευρωνικών Δικτύων Τεχνητής Νοημοσύνης (Deep Learning Neural Network).
    • ΥΕ3.1: Καθορισμός κύριων παραγόντων και παραμέτρων στην ανάπτυξη ενός νευρωνικού δικτύου νοημοσύνης βασισμένο στην βαθιά μάθηση (Deep Learning Neural Network) (Μ6-Μ9, 4μήνες)
    • ΥΕ3.2: Ανάπτυξη επαναλαμβανόμενου νευρωνικού δικτύου (Deep Recurrent Neural Networks) για το μοντέλο πρόβλεψης (Μ7-Μ18,12 μήνες)
  • EE4: Μελέτη βελτιστοποίησης μοντέλου.
    • ΥΕ4.1: Μελέτη βελτιστοποίησης του προαναφερθέντος μοντέλου (Μ19-Μ22,4 μήνες)
  • EE5: Ανάπτυξη ειδικής πλατφόρμας σχετικά με την βελτιστοποίηση του χρηματικού αποθέματος στους σταθμούς ΑΤΜ.
    • ΥΕ5.1: Σχεδιασμός και υλοποίηση ειδικής πλατφόρμας σχετικά με την βελτιστοποίηση του χρηματικού αποθέματος στα ΑΤΜ (Μ19-Μ27,9 μήνες)
    • ΥΕ5.2: Μελέτη διαχείρισης κινδύνου με χρήση του μοντέλου πρόβλεψης και βελτιστοποίησης και προτεινόμενες εναλλακτικές στρατηγικές για κάθε παράρτημα της τράπεζας. (Μ19-Μ23,5 μήνες)
  • EE6: Ενοποίηση συστήματος, εφαρμογή πραγματικών δεδομένων και εφαρμογή περιπτώσεων.
    • ΥΕ6.1: Ενοποίηση ολοκληρωμένου συστήματος (Μ25-Μ30,6 μήνες)
    • ΥΕ6.2: Εγκατάσταση πιλοτικά του μοντέλου βελτιστοποίησης του χρηματικού αποθέματος στα ΑΤΜ (Μ28-Μ30,3 μήνες)
    • ΥΕ6.3: Σχεδιασμός πλάνου δημοσιότητας και υλοποίηση ενεργειών προβολής και διάχυσης αποτελεσμάτων (Μ27-Μ30,4 μήνες)

Αναμενόμενα αποτελέσματα

Η υλοποίηση του έργου θα συμβάλλει στην ανάπτυξη των επιμέρους στόχων που έχουν περιγραφεί παραπάνω από τους συμβαλλόμενους στο έργο. Επιπλέον, θα δημιουργήσει χρήσιμα μοντέλα τα οποία θα μπορούν να αξιοποιηθούν και από άλλους φορείς ή ιδιωτικές εταιρίες, όπου ακολουθούν παρόμοια μοντέλα ζήτησης μετρητών σαν τους σταθμούς των ΑΤΜ θέλοντας να βελτιστοποιήσουν το χρηματικό απόθεμα τους. Τα αποτελέσματα αυτών των μοντέλων θα μελετηθούν για περεταίρω βελτιστοποιήσεις σε ευρύτερη κλίμακα του δικτύου των σταθμών ATM.

Αναλυτικότερα:

  • Η υλοποίηση του έργου θα προσφέρει βελτιστοποίηση του ήδη υπάρχοντος συστήματος με στόχο την μείωση της συχνότητας και του κόστους χρηματαποστολών, μικρότερο κόστος δεσμευμένου χρήματος στους σταθμούς ATM καθώς και μικρότερο ρίσκο από δολιοφθορές και κλοπές. Με αυτόν τον τρόπο, το δίκτυο των τραπεζών καλυτερεύει την παροχή υπηρεσιών ως προς τους πελάτες της, καθιστώντας την ανταγωνιστική ως προς τις άλλες τράπεζες με τον εκσυγχρονισμό των συστημάτων της.
  • Η βελτιστοποίηση του χρηματικού αποθέματος των ΑΤΜ θα ενισχύσει τον βαθμό ικανοποίησης του πελάτη ως προς της υπηρεσίες της τράπεζας. Επιπλέον, η τοποθέτηση σε στρατηγικά σημεία, θα είναι καθοριστικός παράγοντας ως προς την διευκόλυνση του πελάτη. Ο πελάτης θα έχει την ασφάλεια, άμεση εξυπηρέτηση και παροχή χρημάτων σε οποιαδήποτε χρονική στιγμή.
  • Η βελτιστοποίηση δρομολογίων των χρηματαποστολών θα συμβάλλει καθοριστικά στην μείωση εξόδων της ίδιας της τράπεζας. Θα υπάρχει καλύτερη πρόβλεψη και προγραμματισμός διαδρομών σε απομακρυσμένες περιοχές (π.χ. νησιά) και προσβλέπει στην ταχύτερη αναπλήρωση του χρηματικού αποθεματικού.
  • Βελτίωση της ποιότητας υπηρεσιών σε περιοχές που δεν διαθέτουν φυσικό κατάστημα τράπεζας.
  • Η τράπεζα εκσυγχρονίζοντας τα συστήματα της και ακολουθώντας τις τεχνολογικές εξελίξεις, βελτιώνει την ανταγωνιστικότητα της και καινοτομεί στην παροχή υπηρεσιών με τρόπο που ενισχύει την εμπιστοσύνη και την μέγιστη ικανοποίηση των πελατών της.

Παραδοτέα

  • Τεύχος ανάλυσης απαιτήσεων σταθμών ΑΤΜ, μελέτη περιπτώσεων χρηστών και τεχνική αναφορά αλγορίθμων που να ικανοποιούν τις εκάστοτε ανάγκες συστήματος και χρηστών.
  • Ολοκληρωμένη βάση δεδομένων σχετικά με τις προδιαγραφές του προτεινόμενου μοντέλου συστήματος.
  • Αρχική έκδοση του νευρωνικού δικτύου νοημοσύνης βασισμένο στην βαθιά μάθηση για την βελτιστοποίηση χρηματικού αποθέματος στα ΑΤΜ.
  • Μελέτη βελτιστοποίησης του προαναφερθέντος μοντέλου κατά την εφαρμογή των δεδομένων του ΕE2.
  • Πρώτη υλοποίηση της ειδικής πλατφόρμας.
  • Τελική υλοποίηση της ειδικής πλατφόρμας.
  • Τελικό ενοποιημένο ολοκληρωμένο σύστημα (Πλατφόρμα, Νευρωνικό Μοντέλο, Αναφορά).

Συνεργάτες

Η Εθνική Τράπεζα ιδρύθηκε το 1841 και αποτέλεσε την πρώτη τράπεζα του νεοελληνικού κράτους, με καθοριστική συνεισφορά στην οικονομική ζωή του τόπου σε αυτά τα 177 χρόνια ιστορίας της. Σήμερα η Εθνική ηγείται ενός από τους μεγαλύτερους και ισχυρότερους Ομίλους χρηματοοικονομικών υπηρεσιών στην Ελλάδα, με δυναμική συμβολή στη στήριξη της Ελληνικής οικονομίας και τον αναπτυξιακό και κοινωνικό μετασχηματισμό της χώρας.

Η Εθνική προσφέρει ευρύ φάσμα χρηματοοικονομικών προϊόντων και υπηρεσιών που ανταποκρίνονται στις συνεχώς μεταβαλλόμενες ανάγκες επιχειρήσεων και ιδιωτών.

Δίκαια μπορεί να χαρακτηριστεί ως η Τράπεζα της Ελληνικής Οικογένειας, καθώς ελέγχει το 1⁄4 της λιανικής τραπεζικής. Τo ηγετικό μερίδιo καταθέσεων ταμιευτηρίου αντανακλά την εμπιστοσύνη του αποταμιευτικού κοινού που αποτελεί και την κινητήρια δύναμή της.

Με 509 Μονάδες και 1.471 ΑΤΜ, διαθέτει το ευρύτατο δίκτυο εξυπηρέτησης, καλύπτοντας ολόκληρη τη γεωγραφική έκταση της Ελλάδας, ενώ παράλληλα αναπτύσσει σύγχρονα ηλεκτρονικά κανάλια, όπως οι υπηρεσίες Mobile και Internet Banking. Σήμερα, το Δίκτυο της Τράπεζας στο εξωτερικό περιλαμβάνει 66 μονάδες, ενώ ο Όμιλος συνολικά απασχολεί 10.294 εργαζόμενους (στοιχεία 31.12.2018).

Το Χαροκόπειο Πανεπιστήμιο Αθηνών - ΧΠΑ, ιδρυθέν το 1991, είναι ένα μη κερδοσκοπικό δημόσιο ίδρυμα τριτοβάθμιας εκπαίδευσης που βρίσκεται στο κέντρο της Αθήνας. Το Χαροκόπειο Πανεπιστήμιο είναι ένα μικρό (~2.000 φοιτητές) ανώτατο εκπαιδευτικό ίδρυμα. Το ΧΠΑ προσφέρει μαθήματα και προγράμματα που οδηγούν σε επίσημα αναγνωρισμένους τίτλους τριτοβάθμιας εκπαίδευσης, όπως τα προπτυχιακά πιστοποιητικά/πτυχία, τα πτυχία bachelor σε διάφορους τομείς σπουδών. Το πανεπιστήμιο έχει μια επιλεκτική πολιτική αποδοχής με βάση τις εξετάσεις εισόδου. Προσφέρει επίσης αρκετές ακαδημαϊκές και μη ακαδημαϊκές εγκαταστάσεις και υπηρεσίες σε φοιτητές, όπως βιβλιοθήκη, αθλητικές εγκαταστάσεις ή/και δραστηριότητες, σπουδές στο εξωτερικό και προγράμματα ανταλλαγών, καθώς και διοικητικές υπηρεσίες. Σύμφωνα με μια μελέτη που πραγματοποιήθηκε από το Εθνικό Κέντρο Τεκμηρίωσης, το πανεπιστήμιο είναι ένα από τα τέσσερα ελληνικά πανεπιστήμια που εκδίδουν συνεχώς εργασίες που είναι ιδιαίτερα αναγνωρισμένες και ο αντίκτυπος ξεπερνά τον παγκόσμιο μέσο όρο.

Το τμήμα Πληροφορικής και Τηλεματικής (DIT) είναι το τέταρτο και πλέον πρόσφατο (2006) ίδρυμα του Πανεπιστημίου. Η αποστολή του τμήματος είναι η προώθηση της Πληροφορικής, κυρίως στους τομείς των δικτυοκεντρικών συστημάτων και των ηλεκτρονικών υπηρεσιών, ώστε να παρέχει στους φοιτητές τις θεωρητικές και πρακτικές δεξιότητες και ικανότητες που απαιτούνται για το σχεδιασμό, την ανάπτυξη και την παράδοση τεχνικών λύσεων σε όλους τους τομείς των ΤΠΕ. Το τμήμα διεξάγει επίσης βασική και εφαρμοσμένη έρευνα σε όλους τους τομείς που σχετίζονται με τις ΤΠΕ που χρηματοδοτούνται είτε από διεθνείς φορείς είτε από το ελληνικό κράτος. Το DIT έχει συμμετάσχει σε διάφορα χρηματοδοτούμενα έργα Ε&Α από ιδρύματα όπως το EC, το Εθνικό Ταμείο Έρευνας του Κατάρ, καθώς και έργα που χρηματοδοτούνται από τον ιδιωτικό τομέα. Τα μέλη του DIT που συμμετέχουν σε αυτό το έργο, εμπλέκονται σε ερευνητικά θέματα που σχετίζονται με την εφαρμοσμένη μηχανική λογισμικού και συγκεκριμένα στην ανάπτυξη επεκτάσιμων εφαρμογών ιστού και κινητών εφαρμογών καθώς και την ανάλυση και διαχείριση δεδομένων μεγάλης κλίμακας.

Τελευταία νέα