Search

Automated Teller Machines, ATM’s, constitute one of the most important service branches of the banking sector. During COVID-19, banks shifted many in-branch transactions to these machines and encouraged the use of this contactless service point by increasing the deposit and withdrawal limits. Demand forecasts for cash flows in these machines create a challenging process with high added value as they target cash directly. The contradictory objectives of the problem are that if the cash is not available, the customer need cannot be met, but the stocked money may not evaluated in any investment instrument. Within the scope of this study, the studies on ATM demand forecasting are classified under various topics such as data structure, forecasting method, alternative models, forecasting horizon, and the backgrounds for future studies are prepared by stating untouched points. Especially, it has been observed that machine learning methods are widely used in the literature and their results are compared with the outcomes of the statistical forecasting techniques. Most of the studies employ a common public data set and provide comparable results. To the best of our knowledge, this study is the first literature review in this field, and also marks an area that has not been addressed yet in our country.Purpose: Review of the literature relevant to the ATMs forecasting studies, their classification and providing a roadmap for further studies in this area.Method: Systematic literature review, classification of the articles, selection of the criteria and analyze by the selected criteria.Findings: Presence of 32 papers on the ATM forecasting literature, employ of the common public data sets, widely utilization of the machine learning models, and detection of the use of statistical forecasting model results as the benchmark values.Originality: Being the first systematic review and analysis article on this area., Otomatik Vezne Makineleri, yaygın kullanılan ismi ile ATM’ler, bankacılık sektörünün en önemli servis kollarından birini oluşturmaktadır. Özellikle COVID-19 sürecinde, bankalar birçok şube içi işlemi bu makinelere kaydırmış, para çekme ve yatırma limitleri arttırılarak bu temassız servis noktasının kullanımını teşvik etmiştir. Bu makinelerde gerçekleşen nakit akışlarına yönelik yapılan talep tahminleri, herhangi bir üründen ziyade direk olarak nakit parayı hedef aldığından, katma değeri yüksek zorlu bir süreci oluşturmakla beraber; problemin karşıt amaçlarını ise, yeterli miktarda nakit bulunmaması durumunda müşteri ihtiyacının giderilememesi ve buna karşılık makine içerisindeki paranın banka tarafından herhangi bir yatırım aracında değerlendirilmemesi oluşturmaktadır. Bu çalışma kapsamında, günümüze kadar ATM talep tahmini üzerine yapılmış çalışmalar, veri yapısı, tahmin yöntemi, karşılaşılan sıkıntılar, alternatif modeller, tahmin dönemi gibi çeşitli başlıklarda sınıflandırılmakta, henüz değinilmemiş noktalar belirtilerek bundan sonraki çalışmalara zemin hazırlanmaktadır. Özellikle talep tahmininde makine öğrenmesi yöntemlerinin yaygın olarak kullanıldığı ve bu yöntemlerin sonuçlarının istatistiksel tahmin yöntemleri çıktıları ile karşılaştırıldığı tespit edilmiştir. Çalışmaların büyük bir çoğunluğu ortak bir açık veri seti kullanmakta ve karşılaştırılabilir sonuçlar sunmaktadır. Bildiğimiz kadarı ile bu çalışma, tasvir ettiğimiz alanda yapılan ilk yazın taraması olmakta, aynı zamanda ülkemizde henüz üzerinde durulmamış bir alanı işaret etmektedir.Amaç: ATM’lerle ilgili mevcut talep tahmini yazının taranması, sınıflandırılması ve bu alandaki çalışmalar için yol haritası oluşturması.Yöntem: Sistematik yayın taraması, makalelerin sınıflandırılması, kriterlerinin seçilmesi ve buna göre sınıflandırılıp analiz edilmesi.Bulgular: ATM talep tahmini alanında 32 çalışmanın varlığı, ortak açık veri setlerinin kullanıldığı, yaygın olarak makine öğrenme metotlarının uygulandığı ve istatistiksel talep tahmin modellerinin karşılaştırma ölçütü olarak sunulduğunun tespiti.Özgünlük: Bu alanda yapılan ilk sistematik yazın taraması ve analizi olması.

Otomatik Vezne Makineleri, yaygın kullanılan ismi ile ATM’ler, bankacılık sektörünün en önemli servis kollarından birini oluşturmaktadır. Özellikle COVID-19 sürecinde, bankalar birçok şube içi işlemi bu makinelere kaydırmış, para çekme ve yatırma limitleri arttırılarak bu temassız servis noktasının kullanımını teşvik etmiştir. Bu makinelerde gerçekleşen nakit akışlarına yönelik yapılan talep tahminleri, herhangi bir üründen ziyade direk olarak nakit parayı hedef aldığından, katma değeri yüksek zorlu bir süreci oluşturmakla beraber; problemin karşıt amaçlarını ise, yeterli miktarda nakit bulunmaması durumunda müşteri ihtiyacının giderilememesi ve buna karşılık makine içerisindeki paranın banka tarafından herhangi bir yatırım aracında değerlendirilmemesi oluşturmaktadır. Bu çalışma kapsamında, günümüze kadar ATM talep tahmini üzerine yapılmış çalışmalar, veri yapısı, tahmin yöntemi, karşılaşılan sıkıntılar, alternatif modeller, tahmin dönemi gibi çeşitli başlıklarda sınıflandırılmakta, henüz değinilmemiş noktalar belirtilerek bundan sonraki çalışmalara zemin hazırlanmaktadır. Özellikle talep tahmininde makine öğrenmesi yöntemlerinin yaygın olarak kullanıldığı ve bu yöntemlerin sonuçlarının istatistiksel tahmin yöntemleri çıktıları ile karşılaştırıldığı tespit edilmiştir. Çalışmaların büyük bir çoğunluğu ortak bir açık veri seti kullanmakta ve karşılaştırılabilir sonuçlar sunmaktadır. Bildiğimiz kadarı ile bu çalışma, tasvir ettiğimiz alanda yapılan ilk yazın taraması olmakta, aynı zamanda ülkemizde henüz üzerinde durulmamış bir alanı işaret etmektedir. Automated Teller Machines, ATM’s, constitute one of the most important service branches of the banking sector. During COVID-19, banks shifted many in-branch transactions to these machines and encouraged the use of this contactless service point by increasing the deposit and withdrawal limits. Demand forecasts for cash flows in these machines create a challenging process with high added value as they target cash directly. The contradictory objectives of the problem are that if the cash is not available, the customer need cannot be met, but the stocked money may not evaluated in any investment instrument. Within the scope of this study, the studies on ATM demand forecasting are classified under various topics such as data structure, forecasting method, alternative models, forecasting horizon, and the backgrounds for future studies are prepared by stating untouched points. Especially, it has been observed that machine learning methods are widely used in the literature and their results are compared with the outcomes of the statistical forecasting techniques. Most of the studies employ a common public data set and provide comparable results. To the best of our knowledge, this study is the first literature review in this field, and also marks an area that has not been addressed yet in our country.

ÖZET