ارزيابي كارايي شعب بانك اقتصاد نوين با تركيبي از روش شبكه عصبي و تحليل پوششي داده‌ها

Estimating Branches Efficiency of EN-Bank Using an Integrated Method of Neural Network and DEA

درسال هاي اخير با ورود تكنولوژيهاي جديد و اينترنت، رقابت موجود بين بانك ها افزايش چشمگيري داشته است. بانك هاي بزرگ و قدرتمند، اهداف پيش بيني شده خود را با جديت پيگيري مي-كنند تا توان رقابتي خود را بالا ببرند. تجزيه و تحليل كارايي شعب در بانكداري نوين،آزموني براي مديريت اين بانك-هاست. مديريت بانك ها، درجستجوي دلايل ناكارايي شعب براي رفع آن ها هستند. اين كار باعث مي شود تا نتيجه رقابت خود با ديگران را مشاهده كنند. بانك اقتصاد نوين با شعار پيشرو بودن در بانكداري الكترونيكي، تلاش زيادي را در گسترش سطح فعاليت‌هاي بانكي خود در كشور انجام داده است و با هدفمند كردن فعاليت هر يك از شعب، تلاش زيادي براي تحقق شعارهاي خود انجام داده است. محاسبه كارايي شعب بانك اقتصاد نوين در سال هاي1386،1387 موضوع اين مقاله مي باشد. اين مقاله با تركيبي از يك روش شبكه عصبي و تحليل پوششي داده ها به عنوان دو روش ناپارامتريك براي ارزيابي كارايي شعب بانك استفاده كرده است. داده ها مربوط به 40 شعبه بانك در سال هاي 1386 و 1387 جمع آوري و ميزان كارايي هر يك از شعب محاسبه گرديده است. در ادامه به تجزيه و تحليل نتايج پرداخته و راهكارهايي در جهت بهبود كارايي شعب ارايه شده است.

In recent years, emerging modern technologies and World Wide Web, it has been a tremendous boom through competition in the banking. Majestic and enormous banks would be following their aims, drastically in order to improve competitive power. In modern banking, efficiency analysis might be a helpful training to manage them. Bank managements are looking for causes of inefficiencies, so that they are going to get rid of. This provides that they can see what the competition’s consequences would be. Eghtesad Novin Bank (ENB), as one of the leading bank in Iran performs well in electronic banking and deploying the banking activities furthermore, goal-directing any kind of its branch, ENB has been attempted to fulfill its claims. The issue of efficiency evaluating in ENB branches during 1386-1387, is going to be the proposition of this thesis. That is, DEA (Data Enveloping Analysis) and NN (Neural Network) as a couple of nonparametric rates for efficiency evaluating have been used. Data regarding 40 branches having been inaugurated in March, 2010, have been accumulated in 2007-2008; plus, the efficiency rate has been evaluated, relating to mentioned branches.