تلفيق مدل تحليل پوششي داده ها و درخت تصميم به منظور ارزيابي واحدهاي مبتني بر تكنولوژي اطلاعات

Integrating Data Envelopment Analysis and Decision Tree Models in Order to Evaluate Information Technology-Based Units

هر سازمان به منظور آگاهي از ميزان عملكرد و مطلوبيت فعاليت واحدهاي خود به يك نظام ارزشيابي جهت سنجش اين مطلوبيت نياز دارد و اين موضوع براي مؤسسات مالي از جمله شركت هاي مبتني بر تكنولوژي اطلاعات اهميت بيشتري دارد. تحليل پوششي داده ها يك روش غيرپارامتري براي اندازه گيري كارايي و بهره وري از واحدهاي تصميم گيري (DMUs)هاست. از طرف ديگر تكنيك داده كاوي به (DMUs) ها اجازه كاوش و كشف اطلاعات معني داري، كه قبلاً در پايگاه داده هاي بزرگ پنهان بوده اند را مي دهد. اين مقاله يك چارچوب كلي تركيب تحليل پوششي داده ها بادرخت رگرسيون را براي ارزيابي كارايي و بهره وري ازDMUها پيشنهاد مي كند. نتيجه مدل تركيبي مجموعه اي از قوانين است كه مي تواند توسط سياست گذاران براي كشف دلايلDMUهاي كارآمد و ناكارآمد مورد استفاده قرار گيرد. به عنوان مطالعه موردي با استفاده از روش پيشنهادي براي بررسي عوامل مرتبط با بهره وري نمونه اي شامل 18 شعبه از بيمه ايران در شهر تهران انتخاب گرديد و پس از مدل سازي بر مبناي مدل پيشرفته LVM ورودي محور با دسترسي پذيري ضعيف درتحليل پوششي داده ها با خروجي نامطلوب محاسبه گرديد و با تكنيك درخت تصميم، به استخراج قوانين براي كشف دلايل افزايش بهره وري و پسرفت بهره وري مي پردازد.

In order to evaluate the performance and desirability of the activities of its units each organization needs an evaluation system to assess this desirability and it is more important for financial institutions, including information technology-based companies. Data envelopment analysis (DEA) is a non-parametric method to measure the effectiveness and efficiency of decision-making units (DMUs). On the other hand, data mining technique allows DMUs to explore and discover meaningful information, which had previously been hidden in large databases. . This paper presents a general framework for combining DEA and regression tree for evaluating the effectiveness and efficiency of the DMUs. Resulting hybrid model is a set of rules that can be used by policy makers to discover reasons behind efficient and inefficient DMUs. Using the proposed method for examining factors related to productivity, a sample of 18 branches of Iran insurance in Tehran was elected as a case study. After modeling based on advanced model the input oriented LVM model with weak disposability in data envelopment analysis was calculated using undesirable output, and by use of decision tree technique deals with extracting and discovering the rules for the cause of increased productivity and reduced productivity.