北京农商银行副行长 李保旭  

  作为北京唯一一家金融服务覆盖全市所有182个乡镇的金融机构，北京农商银行始终坚持科技兴行战略，“十三五”期间，积极运用前沿金融科技提质增效、引领业务创新发展，大力推进“服务渠道移动化”“业务流程智能化”“业务管理数字化”“基础平台云化”和“基础软硬件国产化”建设，有效支撑了智慧银行、流程银行、移动银行转型建设和新业务拓展，不断提升“三农”和普惠金融服务能力；创新实施了智能银行、柜面业务前后台分离、新一代手机银行系统、大数据平台、新版数据仓库等20余个重大项目，解决了多个业务中的痛点、难点问题，其中，基于机器学习技术的大数据现金管理模型项目便是具有代表性的项目之一。

  北京农商银行现金服务点广、使用量大，是北京现金投放量较大的银行。为解决传统人工现金管理面临的效率低、准确率差、现金库存占用较多等问题，北京农商银行探索运用大数据、机器学习等先进技术建立预测模型，自动生成加钞策略，实现现金资源的智能化精准配置，科学合理压降现金库存，有效提升了现金服务水平。

一、传统现金管理面临的挑战

  传统现金管理主要依赖人工制定配钞、加钞计划，业务人员的经验和能力直接决定了计划的执行效果。但随着网点及ATM数量的增加和布放范围的不断扩大，面对几百甚至是上千个现金需求点时，依赖人工制定配钞、加钞计划就已显得力不从心，主要体现在：一是工作效率低。人工方式下无法统一编制计划，通常采用“各扫门前雪”的方式，分散编制各现金需求方的计划，常常占用大量人力资源。计划编制过程费时费力，效率低下，更新更是困难。二是准确性较差。柜面和ATM机具现金用量需要由柜员和ATM管理员根据经验判断，提前进行现金备付，人工经验判断方式落后，准确性较差。三是无法从全行角度对加钞金额、频次等进行统筹安排，精细化管理不足。

  人工方式固有的工作效率低、准确性较差等问题，常常造成编制的计划顾此失彼，无法实现精细化管理。由于无法准确预测现金使用量，为保证现金的使用，网点和ATM机具的现金通常采取多备的策略，使得现金库存居高不下，产生了大量无息资产，提升了运营成本。同时，由于ATM设备忙闲不均，在业务量较高时，ATM时常发生空钞，一旦发生空钞，网点收到客户反馈后，向现金中心提出加钞申请，现金中心制定应急加钞计划，安排人员加钞。整个流程耗时长、成本高，造成ATM空钞率不断攀升，高峰时北京农商银行全行百余台设备处于空钞状态。在业务量较低时进行加钞，款箱中还剩余大量现金，需要花大量人力完成清钞工作，费时费力，人员工作成本高。

二、科技赋能，打造现金管理新方案

  为解决传统现金业务管理存在的问题，提升现金业务精细化管理水平，科学合理压降现金库存，2017年，北京农商银行立项实施基于机器学习技术的大数据现金管理模型项目。该项目探索运用大数据、机器学习等前沿技术对现金管理进行优化，实现由AI替代人工经验自动配置加钞和配款任务，指导ATM设备管理人员、网点现金负责人员科学合理地安排每日柜面网点配款计划和ATM加钞计划。

  1.总体业务流程

  一是从数据仓库提取所需数据。

  二是运用数据挖掘工具SAS进行模型预测演算。采用数据挖掘相关技术对柜面网点和ATM的历史存取款数据进行分析和挖掘，建立回归预测模型，每日测算未来一周的现金需求。

  三是模型预测结果推送至金库系统，自动展现加钞策略，指导ATM加钞和网点调缴款。

  2.建模流程

  由于不同柜面网点和ATM机具现金使用情况区别很大，模型首先使用聚类分析对柜面网点和ATM机具进行分类，对于不同类别中的网点和机具采用不同的预测模型，以提高准确度。

  用多元线性回归算法对柜面网点和ATM机具的历史存取款数据进行分析和挖掘，建立回归预测模型，每日测算未来一周的现金需求。测算出的现金需求量要考虑不同月份的现金使用量特点，采用方差分析技术加以修正。

  得到未来一周的现金需求量以后制定周策略。若下一周（预测周）包含节假日，则该周的周策略转为用节假日加钞周策略，采用节假日的加钞金额策略和特殊的加钞时间策略。若下一周（预测周）只包含调休的日期和平日（不包含节假日），则该周的周策略转为用特殊调休周策略，采用平日的加钞金额策略和特殊的加钞时间策略。

  在周策略的基础上，需结合每天更新的前一天流水进行日策略的精细化调整，并综合考虑柜面网点和ATM机具的类别及支行加钞线路等相关因素，预测各网点和机具当日、次日的用钞金额，得出最终加钞策略。

  3.模型效果跟踪和定期优化

  随着时间推移，模型效果可能会逐渐减弱至不适用，需要实时跟踪、定期优化。

  通过模型运行情况跟踪报表，监控模型执行率、模型压降效果、模型缺钞率等指标，实时监控模型应用效果。对于关键指标设定阈值，超出上限则预警。

  定期优化包括柜面网点和ATM自动更新、引入天气因素、模型自适应。

  一是柜面网点和ATM机具自动更新。对于新增变量，在历史数据不足的情况时，不做模型预测，使用平均数作为预测的数据。当积累的历史数据达到模型的要求时，自动将新增的变量加入模型预测。对于撤销、停用，模型会根据历史数据和判断策略，自动确定是否处于停止运营状态。对于停止运营状态的不会进入后续的预测、策略生成步骤。

  二是引入天气因素。数据分析显示，在恶劣天气影响下，金额使用量均有所下降，且随着天气恶劣程度的加剧而愈加明显。通过将外部天气数据加入到模型预测中，对最终预测用钞金额做精细化调整，可以进一步提升模型预测效果。

  三是模型自适应。随着新的数据不断加入，模型可以定期自动进行演算和自学习。同时模型参数配置化管理，无需修改程序版本只需要调整参数就实现模型的更新迭代。

三、运营成效

  基于机器学习技术的大数据现金管理模型项目于2019年4月实现上线试运行。预期可实现自助机具台均库存下降5万元以上，整体节约1亿元左右的ATM现金库存；柜面模型网点平均库存下降20万元以上，整体节约1亿元左右的柜面现金库存。

  从模型试点和推广运行一年多的实际情况看，ATM设备和营业网点的现金库存备付压降效果显著，项目完全实现了预期效果。截至2020年8月末，自助设备台均库存备付23.43万元，较运行前台均压降10.8万元，压降率为31.47%；网点网均现金备付76.12万元，较运行前平均压降27万元，压降率为26.14%。整体节约3亿元左右的无息资金库存占用量。推广运行期间，ATM空钞率平均已压降至0.31%，较试运行前同期压降了45.45%。

  系统上线后，北京农商银行又进行了配套系统功能完善。一是实现客户线上线下大额取现预约。目前，除了在线下网点外，北京农商银行先后实现了网上营业厅、微信银行、手机银行等电子渠道的客户7×24小时线上大额取现预约功能，大额取现预约起始金额由5万元上调至10万元。同时，客户取现预约信息的线上统计及数据共享为模型测算、制定策略提供实时数据支撑。二是完成金库管理系统功能优化。增加模型生产测量的展示功能，为网点柜员和ATM管理员提供准确的现金使用策略。

  该项目的成功实施，实现了AI替代人工经验自动配置加钞和配款任务，大幅节约了人力资源，从全行角度统一实现了现金资源的智能化精准配置，成功解决了传统模式下存在的问题，使北京农商银行现金服务效率进一步提升。借助大数据现金管理模型平台，北京农商银行打造了营业网点、自助现金设备、乡村便利店、社区便利店、智能银行等2500多家现金服务点多渠道现金供应链，大大提升了普惠金融精准服务能力，确保了北京农商银行在全市现金服务点和现金投放规模上的优势。

  基于机器学习技术的大数据现金管理项目的成功实施是科技提升传统业务的成功案例，在同业中具有较高的示范引领作用，也是北京农商银行“十三五”期间科技创新发展的缩影。“十四五”期间，北京农商银行将以安全稳定运行为基础，以支持和促进业务发展与经营管理水平为宗旨，推动银行数字化转型战略实施，提升科技治理、技术创新、系统建设、安全运维等科技能力，完成新核心建设工程，构建智慧银行应用体系，为构建一个以客户为中心的智慧、普惠、安全的数字化商业银行提供坚实的金融科技支撑。