Bankacılık alanında makine öğrenme algoritmaları ile iş yükü tahminlemesi

Dijitalleşen dünya, özellikle finans sektöründe köklü değişikliklere neden olmaktadır. Son yıllarda dijital bankaların sayısındaki artış, geleneksel şubeli bankalar için hem bir tehdit hem de dijitalleşme yolunda bir uyarıcı olarak karşımıza çıkmaktadır. Bu yeni dönemde, şubeli bankaların personel giderleri gibi büyük maliyet kalemlerini yönetebilmesi, dijital bankalar ile rekabette avantaj sağlamaları için büyük önem taşımaktadır. Dijital bankalar, düşük operasyonel maliyetleri ve hızlı hizmet sunumları ile müşteri çekme konusunda avantajlıdır. Bu nedenle, şubeli bankaların sektördeki paylarını koruyabilmeleri ve sürdürülebilir büyüme sağlayabilmeleri adına dijitalleşmeyi benimsemeleri ve kadro planlamalarını etkin bir şekilde gerçekleştirmeleri gerekmektedir. Kadro sayısının optimizasyonu, hem çalışan memnuniyetini hem de müşteri deneyimini doğrudan etkileyebilecek kritik bir faktördür. Kadro sayısının azaltılması, çalışanların iş yükünü artırarak memnuniyetlerini azaltabilir ve müşteri bekleme sürelerinin uzamasına yol açabilir. Fazla kadro belirlenmesi ise kullanılmayan kapasiteyle maliyetleri yükseltebilir ve olası yer değişiklikleri sebebiyle çalışanların sosyal yaşamlarını olumsuz etkileyebilir. Bu nedenle, bankaların optimal kadro sayısını belirleyerek hem maliyetleri düşürmesi hem de hizmet kalitesini artırması gerekmektedir. Bu çalışma, finans sektöründe faaliyet gösteren bir banka şubesinin kadro planlaması ve kaynak yönetimi süreçlerinde yapay zekâ tekniklerinin potansiyel avantajlarını keşfetmeyi amaçlamaktadır. Farklı metotlar ile, belirli bir unvan grubu ele alınarak geçmiş performans verileri, müşteri talepleri ve diğer etkenler detaylı bir şekilde analiz edilmiştir. Gelecekteki iş yüklerini doğru bir şekilde öngörmek için bu veriler kullanılmıştır. Çalışma kapsamında, elde edilen 0,99 ve 0,91 yüksek korelasyon değerleri ile Extrem Gradyan Arttırma (eXtreme Gradient Boosting, XGBoost) yönteminin en etkili sonuçlara sahip olduğu görülmüştür. Bu yöntem, bankaların daha etkin kadro planlaması yaparak hem maliyetleri optimize etmelerini hem de müşteri ve çalışan memnuniyetini maksimize etmelerini mümkün kılmaktadır. Sonuç olarak, bu araştırma, yapay zekanın kadro planlamasındaki rolünü derinlemesine inceleyerek, bankacılık sektöründe kaynak yönetimi ve operasyonel verimliliği artırmaya yönelik yenilikçi bir yaklaşım sunmaktadır. Bankaların, dijitalleşen dünyada rekabet edebilmek için teknolojileri kullanarak daha verimli ve etkili stratejiler geliştirmesi gerektiği vurgulanmaktadır. Bu bağlamda, yapay zekâ tabanlı kadro planlama modellerinin, bankaların hem maliyetlerini azaltma hem de hizmet kalitesini artırma konusunda önemli bir araç olduğu ifade edilebilir.