Участники рынка свидетельствуют о всплеске интереса со стороны банков к анализу данных банкоматов. Главную причину эксперты видят в нестабильности валютного рынка – деньги, лежащие в банкоматах, обесцениваются. Анализ больших данных позволяет прогнозировать потребность в наличности.

В последнее время примерно 7–8 банков запустили проекты по анализу больших данных для оптимизации размещения и загрузки банкоматов. Одновременно банки всерьез обеспокоены возможным негативным отношением общественности к технологиям больших данных и потенциальными обвинениями в виртуальной слежке, и поэтому тщательно скрывают информацию о таких проектах. Ни один из ИТ–поставщиков не назвал банки, с которыми сотрудничает в этом направлении. Причину повышенного интереса к оптимизации сети банкоматов эксперты видят в нестабильности валютного рынка. Держать лишнюю наличность в банкоматах стало невыгодно. Решения, основанные на анализе данных, поступающих с банкоматов, и информации из всевозможных внешних источников, позволяют построить модель, прогнозирующую потребность в наличности.

В компанию «Алгомост» обратились 5 банков уровня второй–третьей десятки по величине активов, желающих оптимизировать загрузку банкоматов. В трех из них внедрение уже проведено. Основатель компании Михаил Левиев рассказывает, что его клиентам удалось уменьшить число инкассаций до 27%. Одновременно количество жалоб от недовольных клиентов, которые не могут снять наличность, уменьшилось на 15%. В компании Cleverdata знают о 3 подробных проектах и уверены, что это далеко не все кейсы. «В этом сезоне модно оптимизировать работу банкоматов», – шутит Алексей Натекин, со–основатель DM Labs. По его данным, решения, помогающие предсказать востребованность наличности для оптимизации банкоматов, позволяют сократить расходы на поддержку сети на 20% и выше.

Павел Тулубьев, руководитель службы CRM «Лето Банка», считает, что многие недооценивают банкоматы как канал коммуникации с клиентами. Их преимущества эксперт видит в том, что это входящий канал общения, инициатором которого выступает сам клиент. Кроме того, для коммуникации не требуется наличие контактных данных, что особенно актуально для зарплатных проектов. Эксперт призывает анализировать геолокационные данные о клиентах, поступающие с банкоматов. Это может помочь в противодействии мошенничеству, например, при блокировке сомнительных операций. В неблагоприятных экономических условиях компании начинают вплотную заниматься повышением эффективности, снижением рисков и удержанием клиентов, а это как раз те области, где эффект от технологий больших данных может быть значительным, считает Дмитрий Шепелявый, заместитель генерального директора SAP СНГ.

Помимо прогнозирования потребности в наличности, есть еще одна сфера оптимизации банкоматов с применением больших данных – определение наилучших точек их размещения. Эта задача относительно клиентопотока преимущественно решается с привлечением данных телеком–операторов.