ارزيابي كارايي شعب بانك با استفاده از مدل تحليل پوششي داده‌هاي پويا با رويكرد SBM

Bank Branches Efficiency Assessment Using Dynamic Data Envelopment Analysis Approach to SBM

ارزيابي كارايي سازمان ها و علي الخصوص بانك ها، يكي از مسائل بسيار مهم در حوزه مديريت مي باشد. تكنيك تحليل پوششي داده ها، ابزار بسيار قدرتمندي به منظور ارزيابي سازمان ها، با در نظر گرفتن شاخص هاي متعدد ورودي و خروجي مي باشد. مدل هاي سنتي تحليل پوششي داده ها، تنها به ارزيابي كارايي در طول يك دوره زماني مي پردازند و عامل زماني را به عنوان يكي از مهم ترين فاكتورهاي تأثيرگذار بر كارايي، ناديده مي گيرند. در اين پژوهش به منظور رفع اين مشكل، يك مدل SBM پويا ارائه شده است. مدل SBM، يك مدل غير شعاعي در تحليل پوششي داده ها است كه مي تواند تغييرات نامتناسب را در ورودي ها و خروجي ها اعمال كند. در اين پزوهش به منظور نشان دادن يافته هاي تئوريك حاصل از مدل جديد ارائه شده، به صورت عملي، كارايي 10 شعبه يك بانك ايراني در طول 3 سال مالي متوالي مورد ارزيابي قرار گرفته است. همچنين به منظور شناسايي شاخص هاي مؤثر بر كارايي شعب بانك، چك ليستي حاوي شاخص هاي مهم در زمينه ارزيابي شعب بانك تهيه شده و در اختيار سرپرستان شعب قرار گرفته و از آنها درباره اهميت ل هر كدام از شاخص ها در ارتباط با شعبه تحت سرپرستي خود، نظرخواهي شده است. در ادامه 2 مدل SBM پويا با فرض بازده نسبت به مقياس ثابت و SBM پويا با فرض بازده نسبت به مقياس متغير حل شده و نتايج آنها با يكديگر مقايسه شده است. در آخر نيز پيشنهاداتي به سرپرستان شعب ناكارا، به منظور رسيدن به مرز كارايي، ارائه گرديده است.

A new approach or model to the dynamic DEA, referred to as the adjusted dynamic DEA, is proposed in this study. Adjusted dynamic DEA optimizes the production activity of DMUs by introducing adjustment variables to modify the interconnecting activities between consecutive terms, solving conflicts that arise between terms and between management and shareholders. The non-oriented SBM model is used as a base model and is extended to the adjusted dynamic framework, where adjustment variables are introduced. In order to examine the applicability of the proposed method, the model is applied to evaluate the efficiency of ten branches of ten branches of an Iranian bank during three consecutive terms. The adjusted dynamic SBM model under variable return to scale (VRS) is solved and reference units for each inefficient DMU are identified. In addition, the slacks and adjustment variables are analyzed and further suggestions about the efficient conditions to the management are provided.