Le VTB russe utilise l’IA et le Big Data pour localiser les succursales et les guichets automatiques

La banque a développé et mis en œuvre un modèle d’apprentissage automatique (ML) qui utilise l’analyse Big Data pour prédire la demande de services bancaires dans des endroits spécifiques de la ville.

Plus de 5000 paramètres sont utilisés pour déterminer le nombre potentiel de clients et les volumes de ventes dans de nouveaux emplacements. Il s’agit notamment de la population de la région et de la proximité de l’agence avec les centres commerciaux et les arrêts de transport.

Chacun des algorithmes est utilisé pour travailler avec des données spécifiques. Par exemple, l’un d’eux permet d’évaluer les changements de comportement des clients pendant la période de rénovation d’une agence, tandis qu’un autre choisit l’emplacement optimal pour une nouvelle agence tant pour le client que pour la banque en termes de commodité et d’accessibilité.

À l’aide du nouveau modèle, VTB a effectué des calculs pour toutes les grandes villes russes où il travaille avec des clients de détail. Bientôt, la banque terminera les calculs pour l’ensemble du réseau.

Anatoly Pechatnikov, vice-président et président du conseil d’administration de VTB, déclare : « L’intelligence artificielle analyse des milliers de facteurs et nous permet de fournir un résultat optimal en peu de temps. Ceci est très important lors de la planification du développement d’un réseau d’agences, en particulier dans les villes avec la plus forte densité de bureaux bancaires.

« En trois ou quatre ans, le nouveau modèle va nous permettre de moderniser un tiers du réseau de commerces afin que l’accessibilité moyenne des bureaux pour les clients ne dépasse pas 15 minutes, grâce à leur localisation optimale.