一、项目背景及目标

在目前的宏观环境下，商业银行面对复杂多变、竞争激烈的市场环境，必须转变原有的经营理念，不断完善优化经营管理模式，不再单纯注重客户资源、利润、产品、市场份额等量化指标，而是转为注重战略规划、流程优化、风险控制等内部管理措施，不断完善运营管理流程，提高运营管理质量，从而全面提升银行核心竞争力。

库存现金管理是商业银行经营过程中重要的管理工作之一，商业银行需要在保障客户取现的前提下使库存现金保持在合理的水平，压缩非盈利资产占比，提高盈利能力。随着商业银行客户群体的不断扩张、存款规模的持续增长，以及客户需求的多样性和不确定性的客观存在，库存现金的管理显得愈加重要。

传统的现金管理方式主要依赖人工制定配钞、加钞、缴调计划，行内业务人员的经验和能力直接决定了计划的执行效果，存在以下问题：一是工作效率低。人工方式下无法统一制定计划，分散编制各现金需求方的计划，占用大量人力资源。计划编制过程费时费力，效率低下，更新困难。二是准确性较差。柜面和自助设备现金用量需要由柜员和自助设备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。三是精细化管理不足。为保证现金的使用，网点和自助设备的现金通常采取“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。

如何保持适当的库存现金额度，即在不影响客户取现需求的前提下减少库存成本，已经成为银行管理者实现库存现金集约化管理中的首要问题。商业银行要充分发挥集约化经营下的库存现金管理的积极作用，运用大数据模型技术，对客户现金业务需求进行预测，加强现金在各个节点的控制，从而实现库存现金的合理配置，促进商业银行的高质量发展，提高综合竞争力。

二、项目/策略方案

库存现金是由各分行、直属支行库存现金共同组成；对于分行库存现金层面，主要由网点库存现金和现金中心库存现金构成；对网点库存现金进行细分，主要由网点自助设备库存现金和网点柜面库存现金两部分组成。数据建模分析首先需从小量化维度进行分析，即自助设备及网点柜面库存现金角度进行数据分析，从数据库提取所需数据，采用数据挖掘相关技术对自助设备和网点柜面的历史存取款数据进行分析和挖掘。

1.自助设备加钞金额的预测

对自助设备库存现金限额的控制即自助设备未来一周（可参数调整）的现金需求（加钞金额）。每日测算未来现金需求，通过加钞金额的控制，展现加钞策略，达到压降自助设备库存现金的目标。具体建模逻辑如下：

加钞金额就是某台自助设备的初始“启动资金”，后续每日不断有客户存入、取出，对于预计存入更多的自助设备，应该给一个稍低的“启动资金”；对于预计取出更多的自助设备，应该给一个稍高的“启动资金”。

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自助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，得出终加钞策略。

2.网点柜面库存现金限额预测

网点柜面库存现金包括不可上缴的零币、残币等库存现金和柜面流动现金，通过对柜面现金存取款历史数据进行分析，预测T+1日客户现金提取需求，T日限额的控制应满足现金完成缴调后T+1日客户取现要求，每日展示网点柜面库存现金限额，提示网点及时进行缴调款。

3.柜面网点和自助设备的自动更新

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。

4.引入其他因素

引入缴调频率因素、客户预约、现金库存需求平均值等因素。根据各分行不同缴调频率、客户预约、平均需求等因素，通过参数配置，加入到模型预测中，对终预测用钞金额做精细化调整，进一步提升模型预测效果。 

5.模型自适应

增加客户预约、节假日等参数变量，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相关参数就实现模型的更新迭代。

6.预警功能

通过模型运行情况，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。

三、创新点

1.大数据模型的运用：山西银行采用了先进的大数据技术，将数据分析与库存现金管理相结合，实现了更智能和精细化的管理。

2.自动化计划生成：自动化的计划生成减少了人为干预，提高了计划的准确性，确保了现金的合理分配。

3.数据驱动决策：银行不再依赖传统的经验判断，而是依赖数据和算法来做出决策，从而更好地满足客户需求。

4.监控预警：对库存现金执行情况进行监控预警，确保库存现金的精细化、流程化管理。

四、项目过程管理

大数据模型技术推动现金库存科学管理项目建设过程分为项目准备、需求分析、开发测试、上线运行四个阶段。项目准备阶段共15天，对库存现金科学管理项目制定总体计划，明确参与项目的人员、角色、职责，成立相关项目组；需求分析阶段共20天，包括需求调研、需求分析、方案设计、需求评审、需求确认等工作，为项目后续工作打好基础；开发测试阶段共90天，根据项目计划对大数据模型、自动化计划、模型适应等方面进行开发，完成开发后组织项目组人员进行技术测试、业务测试、环境部署等工作；上线运行阶段共20天，包括验证方案、验证案例等相关文档的准备、上线评审、运行跟踪等工作。

五、运营情况

山西银行大数据模型技术推动现金库存科学管理项目经项目准备、需求分析、模型开发等阶段，经数据测算，与历史同期库存现金相比，利用模型技术构建的大数据库存现金管理至少可压降库存现金1亿元。

六、项目成效

大数据模型技术推动现金库存科学管理项目以运用模型搭建、大数据分析、机器学习等前沿技术对现金管理进行优化，引入了先进的大数据分析和预测模型，以更准确地预测客户现金需求；通过自动化算法，银行实现了柜面网点和自助设备的配款和加钞计划的自动生成，减少了人工干预，提高了计划的准确性和效率，实现由 AI 替代人工经验，自动配置加钞和配款任务，指导自助设备管理人员、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自助加钞计划，利用实时数据监测和分析，以及智能算法，来动态调整库存现金额度，确保满足客户需求的同时小化库存。

七、经验总结

大数据模型技术推动现金库存科学管理项目中，大数据模型技术扮演了至关重要的角色。通过有效的数据收集、实时分析和预测，银行能够更精确地预测现金需求、优化库存水平，并降低运营成本。自动化预测的运用有助于提高资金利用效率，降低潜在风险。模型自适应和监控确保了项目的稳定性和可持续性，同时提高了客户体验。

习近平总书记在二十大报告中指出，高质量发展是全面建设社会主义现代化国家的首要任务。商业银行必须以贯彻落实国家战略和金融政策为导向，围绕建设现代化经济体系，加强科技赋能，强化业务创新，推动精细化管理、数质化建设，以自身高质量发展，支持经济高质量发展。