ضرورت تحلیل پوششی داده ها

ضرورت تحلیل پوششی داده ها از آنجا نمایان می شود که رشد و توسعه اقتصادی هرکشور به تولید و بهره وری عوامل تولید آن بستگی دارد که از این میان بهره وری و کارایی عملکرد آنها بسیار با اهمیت می باشد . عصر کنونی که محققان آن را فرامدرن نامیده اند، دارای ویژگی تغییر مدام و پیچیدگی ساختارهاست. در چنین شرایطی، تنها مدیرانی می توانند با موفقیت عمل نمایند که اطلاعات مناسب و به روز و جامعی را از نحوه عملکرد سازمان خود داشته باشد و تصمیمات درست و به موقعی را برای بهبود مداوم آن، متناسب با تغییرات موجود اتخاذ نمایند. با گسترده شدن سازمان ها و افزایش دامنه نظارتی مدیران، ارزیابی و کنترل واحدهای سازمانی  به ضرورتی برای مدیران تبدیل می شود که همین امر، بدون ارزیابی کآرایی واحد های تحت نظارتشان امکان پذیر نیست. علاوه بر این، محدودیت منابع و امکانات تولید از زمان های گدشته تا عصر کنونی که عصر اطلاعات است، همواره مطرح بوده و در آینده نیز با شدت فزونتری خود را با شرایط اقتصادی تحمیل خواهد نمود. از این رو استفاده بهینه از امکانات و منابع در دسترس و ارتقاء کارایی، برای دستیابی به رفاه و پاسخگویی به انتظارات و نیازهای رو به رشد انسان های متفاوت از گذشته به یک مساله بسیار مهم و حیاتی مبدل گشته است.

پایین بودن سطح کارایی در بسیاری از سازمان های تولیدی و خدماتی یکی از مشکلات مهم کشورهای در حال توسعه می باشد و مساله عدم تشکیل سرمایه کافی نیز بر مشکل فوق افزوده شده که علت این امر همانا ضعف نهادها و بازارهای مالی اینگونه کشورها است. چرا که نهادهای مالی و اعتباری هستند که می توانند با تجهیز منابع خود و تخصیص آنها بصورت کارا هزینه های تامین مالی را کاهش داده و نرخ تشکیل سرمایه را افزایش دهند. حتی در کشورهای پیشرفته که دارای بازارهای سرمایه و نهادهای مالی قوی هستند، سیستم بانکی یکی از واسطه گری های مهم پولی است. لذا سیستم بانکی و کارایی آن شایان توجه بسیار است. اما علیدرغم اهمیت موضوع، تحقیدق در این زمینه چندان مورد توجه نبوده است. شاید دولتی بودن سیستم بانکی در دو دهه گذشته و عدم شفافیت آمار و اطلاعات بانک ها در چارچوب معیارهای اقتصادی )حداکثر سازی سود( باعث این کم توجهی بوده است. اما به هر حال با عنایت به خصوصی سازی بانک ها )بر خلاف قانون اساسی کشورمان( و لزوم توجه به افزای کارایی آنها انجام چندین تحقیقی خالی از فایده نمی باشد. همچنین اندازه گیری بهره وری می تواند سازمان را در ایجاد ارتباط صحیح بین بهره وری با سایر هدفهای سازمان یاری رساند. از آنجا که کلیه فعالیتهای مدیران باید معطوف به افزایش کارایی و اثربخشی باشد که این دو در قالب مفهوم بهره وری مطرح هستند ، اندازه گیری بهره وری به عنوان یکی از عناصر فرایند بهبود بهره وری مطرح می باشد و عملا نقش اساسی را در این زمینه ایفا میکند. از دیرباز اندازه گیری مفاهیم مزبور مورد توجه اندیشمندان در حدوزه علوم مختلف از قبیل حسابداری، مدیریت، اقتصاد، مهندسی و ریاضی بوده است. تحلیل پوششی داده ها ابزاری مناسب برای ارزیابی عملکرد سازمان با استفاده به حساب می آید.

مفهوم اولیه تحلیل پوششی داده ها DEA

واژه DEA مخفف Data Envelopment Analysis می باشد که به معنی تحلیل پوششی داده ها یک مدل برنامه ریزی ریاضی ،برای ارزیابی کارایی واحد های تصمیم گیرنده ای (DMU) است که چندین ورودی و چندین خروجی دارند . اندازه گیری کارایی به دلیل اهمیت آن در ارزیابی عملکرد یک شرکت یا سازمان همواره مورد توجه محققین قرار داشته است .فارل در سال ۱۹۵۷ ، با استفاده از روشی همانند اندازه گیری کارایی در مباحث مهندسی ، به اندازه گیری کارایی برای واحد تولیدی اقدام کرد.موردی که فارل برای اندازه گیری کارایی مد نظر قرار داد شامل یک ورودی و یک خروجی بود.
در واقع تحلیل پوششی داده ها مبتنی بر یکسری بهینه سازی با استفاده از برنامه ریزی خطی می باشد که به آن روش ناپارامتریک نیز گفته می شود .در این روش منحنی مرزی کارا از یک سری نقاط که بوسیله برنامه ریزی خطی تعیین می شود ایجاد می گردد .برای تعیین این نقاط می توان از دو فرض بازدهی ثابت و متغیر نسبت به مقیاس استفاده کرد .روش برنامه ریزی خطی پس از یک سری بهینه سازی مشخص می کند که آیا واحد تصمیم گیرنده مورد نظر روی مرز کارایی قرار گرفته است و یا خارج آن قرار دارد؟ بدین وسیله واحد های کارا و ناکارا از یکدیگر تفکیک می شوند.تکنیک DEA تمام داده ها را تحت پوشش قرار داده و به همین دلیل تحلیل پوششی داده ها نامیده شده است.
یکی از ابتدایی ترین و در عین حال معمول ترین روش های اندازه گیری کارایی ،استفاده از نسبت ها می باشد .ای نسبت ها در زمینه های مختلف مالی ،اقتصادی و صنعتی بکار گرفته می شوند .در صورتی که کارایی به عنوان نسبتی از خروجی ها به ورودی ها تعریف شود ،محاسبه و تحلیل آن برای واحدهای تک ورودی-نک خروجی آسان خواهد بود اما در اکثر مسادل دنیای واقعی با واحدهایی با چندین ورودی و خروجی رو به رو بوده و در نتیجه نیازمند روش هایی هستیم که با ترکیب ورودی ها و خروجی ها به صورت یک شاخص واحد،به معیار مناسبی جهت سنجش کارایی دست یابیم.

دو مشخصه اساسی برای الگوی (DEA)
استفاده از الگوی DEA ،برای ارزیابی نسبی واحدها ،نیازمند تعیین دو مشخصه اساسی ،ماهیت الگو و بازده به مقیاس الگو می باشد که در زیر به تشریح هر یک پرداخته می شود؛ ماهیت الگوی مورد استفاده:
الف: ماهیت ورودی ،در صورتی که در فرایند ارزیابی ،با ثابت نگه داشتن سطح خروجی ها ،سعی در حداقل سازی ورودی ها داشته باشیم ماهیت الگوی مورد استفاده ورودی است.
ب :ماهیت خروجی،در صورتی که در فرایند ارزیابی با ثابت نگه داشتن سطح ورودی ها،سعی در افزایش سطح خروجی داشته باشیم ماهیت الگوی مورد استفاده خروجی است.

در الگوی DEA ،بادیدگاه ورودی ،به دنبال به دست آوردن ناکارایی فنی به عنوان نسبتی می باشیم که بایستی در ورودی ها کاهش داده شود تا خروجی ،بدون تغییر بماند و واحد در مرز کارایی قرار گیرد .در دیدگاه خروجی ،به دنبال نسبتی هستیم که باید خروجی ها افزایش یابند،بدون آنکه تغییر در ورودی ها به وجو آید   تا واحد مورد نظر به مرز کارایی برسد.
در الگوی CCR ،مقادیر به دست آمده برای کارایی در دو دیدگاه مساوی هستند ولی در مدل BCC این مقادیر متفاوت هستند .علت انتخاب دیدگاه برای یک الگو DEA ،در ارزیابی نسبی عملکرد واحدها ای است که در بعضی موارد مدیریت واحد هیچ کنترلی بر میزان خروجی ندارد و مقدار آن از قبل مشخص و ثابت می باشد .وبرعکس در بعضی از موارد میزان ورودی ثابت و مشخص است و میزان تولید(خروجی) متغیر تصمیم است و در چنین شرایطی ،دیدگاه خروجی مناسب می باشد .در نهایت انتخاب ماهیت ورودی و خروجی بر اساس میزان کنترل مدیر ،بر هر یک از ورودی ها و خروجی ها تعیی می گردد(کولی و باتیس :۱۹۹۸)

بازده به مقیاس الگوی مورد استفاده:
بازده به مقیاس بیانگر پیوند بین تغییرات ورودی ها و خروجی های یک سیستم می باشد. یکی از توانایی های روش DEA ،کاربرد الگوهای مختلف متناظر با بازده به مقیاس های متفاوت و همچنین اندازه گیری بازده به مقیاس واحدهاست.
الف: بازده به مقیاس ثابت:یعنی هر مضربی از ورودی ها همان مضرب از خروجی ها را تولید می کند.الگوی CCR بازده به مقیاس واحد ها راثابت فرض می کند .بنابراین واحدهای کوچک و بزرگ ،با هم مقایسه می شوند.
ب: بازده به مقیاس متغیر: یعنی هر مضربی از ورودی ها ،می تواند همان مضرب ار خروجی ها یا کمتر از آن و یا بیشتر از آن را ،در خروجی ها تولید کند .الگویBCC بازده به مقیاس را متغیر فرض می کند (بانکر و ترال:۱۹۹۲)

جهت سفارش کدنویسی روش های مختلف تحلیل پوششی داده ها اینجا کلیک کنید