Как устроена логистика банка без отделений: Т-Банк оптимизировал доставку карт по всей России
Рассказываем, как команды разработки, аналитики и логистики нашли способ быстрее доставлять банковские продукты более чем 55 млн клиентов, экономя время представителей и ресурсы компании.
Когда что-то пошло не так
Для клиента доставка банковского продукта выглядит просто: оставляешь заявку, выбираешь удобное время и место — дальше остается встретить представителя и получить продукт.
Внутри компании процесс выглядит так: сначала территорию делят на районы доставки, затем рассчитывают, как доставить банковские продукты в каждый из районов, а потом внутри районов распределяются назначенные встречи с клиентами с учетом рабочих графиков представителей.
В мае 2025 года команда заметила, что средняя скорость доставки именных карт начала снижаться. Разобравшись в причинах, мы нашли два узких места.
Во-первых, устарела система деления территории на районы доставки. Расчет по всей стране занимал до недели, километраж оценивался неточно, а локальным менеджерам приходилось вручную корректировать рабочие дни представителей. Из-за этого появлялись лишние поездки и дополнительная ручная работа.
Во-вторых, было сложно планировать доставку продуктов из Москвы в регионы. Тарифы перевозчиков, расписания самолетов и поездов, праздники, погодные ограничения и графики представителей хранились в десятках отдельных файлов. Любое изменение могло сделать привычный маршрут неэффективным.
Наконец, после доставки продуктов в регион нужно распределить назначенные встречи между представителями, учитывая график каждого сотрудника.
Решение разбили на три этапа. Сначала пересмотрели, как территория делится на районы доставки, затем оптимизировали расчет графика отправок продуктов в регионы, а потом улучшили планирование встреч представителей.
Сначала правильно «порезали» карту
Вместо того чтобы работать с миллионами отдельных адресов, мы разбили карту России на гексагоны — небольшие шестиугольные участки площадью около 0,7 км². Такая сетка позволила учитывать плотность заказов, расстояния между точками и места, откуда начинают работу представители.
Затем команда использовала алгоритм Лейдена: он группировал соседние точки так, чтобы внутри района заказы находились максимально близко друг к другу. Сначала карту России делили на крупные районы, а потом проверяли каждый район: если его выгодно дробить дальше, разбивали на более мелкие подрайоны. Чем ближе заказы внутри района друг к другу, тем меньше представитель ездит между точками и тем выше скорость доставки.
В результате мы получили новую, более удобную карту районов: теперь представители могли работать в более компактной зоне, тратить на дорогу меньше времени и закрывать больше встреч за день.
Пересчитали, как доставлять продукты в регионы
Дальше нужно было понять, как доставлять продукты в эти районы: каким транспортом, по каким маршрутам, в какие дни с учетом ограничений. Для каждого возможного маршрута рассчитывалась его стоимость, после чего подбирался наиболее эффективный вариант.
Вместо десятков таблиц появилась единая система с собственной базой данных и интерфейсом, где можно удобно обновлять тарифы, учитывать праздничные дни и выбирать стратегию доставки: быстрее, дешевле или балансируя между скоростью и стоимостью. Если менялся один из факторов в системе, она могла пересчитать график отправок с учетом новых условий — это и сократило объем ручной работы.
Автоматизировали распределение встреч представителей с клиентами
После того как заново разметили карту и продумали доставку продуктов в регионы, осталось распределить назначенные встречи клиентов и представителей. Для этого использовали систему автопланирования: система учитывает, из какой точки начинает работу представитель, и сама распределяет все назначенные встречи с учетом загруженности каждого.
Подвели итоги
За несколько месяцев после внедрения новых инструментов представители стали выполнять больше доставок, а общий километраж маршрутов сократился.
Например, в Орловской области число доставок выросло на 3,3%, а километраж снизился на 2,4%. В Ингушетии количество доставок увеличилось на 3,2%, при этом общий путь представителей сократился сразу на 27%. В Еврейской автономной области километраж уменьшился на 6,5%, а число доставок выросло на 20,4%.
Это означает, что представители могут выполнять больше доставок за день и увеличивать свой доход, а клиенты — быстрее получать банковские продукты. Благодаря более компактным маршрутам компания также экономит миллионы рублей в год.
Такие инструменты помогают эффективнее работать как в крупных городах, так и в небольших населенных пунктах и удаленных регионах, где нужно больше времени и ресурсов для доставки.
После запуска команда продолжила развивать модель: добавляла новые факторы доставки и проверяла, как решение работает в разных регионах. Но главным результатом стал не только рост эффективности. Появился инструмент, который автоматически учитывает изменения в логистике, пересчитывает маршруты и постепенно избавляет сотрудников от ручной работы.