یک پیش بینی دقیق می تواندریسک اخذ یک تصمیم را به حداقل رسانده و استفاده از فرصت های موجود را حداکثر کند.  در حقیقت کوچکترین تصمیمی را نمی توان با در نظر گرفتن پیش بینی عواقب آن انجام داد. تمام بانک ها یا شرکت های تابعه آن ها با در اختیار داشتن مسئولیت پول گذاری و شارژ دستگاه های خودپرداز همواره با این سوال اساسی روبرو می باشد که مصرف هر دستگاه ATM چقدر می باشد و چه زمانی موجودی دستگاه به پایان می رسد. با پیش بینی دقیق مصرف پول نقد در دستگاه های ATM بانک ها قادر خواهد بود با استفاده از روش های مرسوم بهینه سازی هزینه فرایند پول گذاری در دستگاه ها را به حداقل برساند. همچنین مدیریت بانک قادر خواهد بود که برنامه ریزی استراتژیک شرکت را بر مبنای برآورد دقیق مصرف دستگاه ها و همچنین پارامترهای موثر در مصرف پول نقد در هر دستگاه تبیین کند.

مطالعات و پژوهش های انجام گرفته در زمینه پیش بینی مصرف پول نقد در دستگاه های خود پرداز نشان می دهند که می توان با مدل سازی رفتار داده های تاریخی بر مبنای پارامترهای تاثیر گذار، مصرف پول نقد در این دستگاه ها را با دقتی قابل قبول پیش بینی کرد. پارامترهای موثر معرفی شده در ادبیات موضوع عبارتند از : مصرف میانگین ماهانه، هفتگی و روزانه، پارامترهای تقویمی نظیر : روز هفته، تعطیلات و نوع تعطیلات، رویداد های مالی تاثیر گذار نظیر واریز یارانه ها در ایران و زمان های واریز حقوق ها و مستمری ها و نیز پارامترهای جغرافیای خاص هر دستگاه نظیر واقع شدن در نزدیکی مراکز خرید یا ادارات و اماکن خاص، و همچنین پارامترهای دیگری که با مطالعات کمی پیش رو استخراج می گردند.

روش های کلاسیک و مرسوم پیش بینی سری های زمانی نظیر میانگین متحرک و اتو رگرسیون و ترکیبات حاصله از این مدل ها نظیر SARIMA ، در مدل سازی رفتار های غیر خطی و معلول به پارامترهای زیاد، کارایی چندانی ندارند و در مقابل روش های مبتنی بر هوش مصنوعی نظیر انواع شبکه های عصبی یا شبکه های نرو فازی و رگرسیون های بردار  پشتیبان، در یافتن الگوهای غیر خطی و آشوبناک، عملکرد قابل قبولی از خود نشان می دهند. همچنین با توجه به این نکته که هر یک از این پیش بینی کننده ها با ساختار متفاوت دارای کارایی متفاوت در بازه های مختلف پیش بینی می باشند. ترکیب پیش بینی کننده ها همواره به دقت پیش بینی افزوده است و باعث کاهش دامنه خطا پیرامون خطای صفر و نیز انحراف معیار خطای پیش بینی و در نتیجه بهبود پیش بینی می گردد.

در مجموع برای نیل به یک پیش بینی دقیق علاوه بر شناسایی و استخراج پارامترهای موثر باید مدل های پیش بینی کننده مناسب و در نهایت ترکیب پیش بینی کننده ها به درستی مورد استفاده قرار گیرد.

علاوه بر مباحث مطروحه در بالا، ساختار نرم افزاری راهکار ارائه شده به منظور پیش بینی مصرف پول دستگاه های خود پرداز، علاوه بر دقت مورد قبول باید به صورتی نگارش شود که قابلیت تجمیع در بخش های نرم افزاری مورد استفاده بانک ها و شرکت های تابعه را دارا باشد.

ضرورت و اهمیت اجرای پروژه :

1- بهینه سازی دقیق فرایند تامین پول نقد دستگاه های خود پرداز، نیازمند به برآوردی دقیق از میزان مصرف دستگاه ها می باشد. و پیش بینی دقیق مصرف پول نقد دستگاه های ATM می تواند نتایج حاصل از بهینه سازی را به شدت بهبود دهد. و در نتیجه مستقیما در افزایش سود بانک موثر می باشد.

2- مدیریت و تدوین استراتژی های کلی بانک در زمینه پول گذاری دستگاه های ATM با علم به چگونگی رفتار مصرفی دستگاه ها امکان پذیر می باشد.

3- ایجاد یک بستر نرم افزاری مناسب جهت پیش بینی مصرف دستگاه ها، با ایجاد نظم و انسجام در فرایند های روزانه، این امکان را فراهم می سازد که بانک بتواند تامین پول دستگاه های بیشتری را تقبل کرده و محدوده ی عملکردی خود را توسعه دهد.

4- راهکار نرم افزاری مورد اشاره علاوه بر تخمین درست زمان مناسب برای پول گذاری دستگاه ها، در مجموع میزان و زمان جریان نقدی مورد نیاز شرکت را معین می کند و بانک قادر خواهد بود بر مبنای برآورد های حاصل از نتایج نرم افزار جهت تامین حجم پول مورد نیاز خود به صورت روزانه یا هفتگی برنامه ریزی نماید.