پژوهش های برتر | پروپوزال آماده، مدیریت استراتژیک شرکت ها، پلن های کسب و کار
مزایای روش تحلیل پوششی داده ها
مزایای EDA
_ روش تحلیل پوششی داده های تصادفی بر خلاف روش رایج ارزیابی عملکرد روشی آینده نگر است و براساس آن می توان در خصوص عملکرد آتی شعب پیش بینی هایی انجام داد.
_ روش تحلیل پوششی داده های تصادفی ورودی ها و خروجی های شعب را در ارزیابی عملکرد آنها ملحوظ می نماید بر خلاف روش رایج ارزیابی عملکرد که تنها بر خروجی های شعب در ارزیابی عملکرد آنان متمرکز است.
_ از نتایج روش تحلیل پوششی داده های تصادفی می توان در برنامه ریزی بهبود عملکرد استفاده نمود این در حالی است که به دلیل تمرکز روش رایج ارزیابی بر خروجی های شعب و نیز تحت کنترل نبودن اکثر خروجی ها امکان برنامه ریزی برای بهبود عملکرد اکثر شعب با استفاده از افزایش خروجی ها وجود ندارد.
_ روش تحلیل پوششی داده های تصادفی برخلاف روش رایج ارزیابی عملکرد براستانداردهای عملکرد در خصوص هر یک از خروجی های شعب استوار نیست و بنابراین نیاز به تغییر و بازنگری مداوم در این استانداردها نیست.
_ روش تحلیل پوششی داده های تصادفی با در نظر گرفتن ارزشی مخالف ارزش خروجی ها برای هزینه نیروی انسانی (برخلاف روش رایج ارزیابی عمکرد ) به نحو معقولانه تری حجم نیروی انسانی را در ارزیابی عملکرد شعب لحاظ می نماید. (فضلی و خوئینی، ۱۳۷۹)
بطور کلی مزایای DEA نسبت به سایر روشهای پارامتریک عبارتند از:
_ تمرکز بر هر یک از مشاهدات در مقابل میانگین جامعه
_ استفاده همزمان از چندین ورودی و خروجی
_ سازگاری با متغیرهای برون زا
_ عدم نیاز به دانستن شکل تابع توزیع
_ امکان به کارگیری ورودیها و خروجیها با مقیاس های اندازه گیری متفاوت (عالم تبریز و همکاران، ۱۳۸۸)
معایب روش تحلیل پوششی داده ها
- به عنوان بهترین تکنیک بهینه سازی امکان پیشگیری خطا در اندازه گیری و سایر خطاها را ندارد.
- جهت اندازه گیری کارایی نسبی است و کارایی مطلق را نمی سنجد، یعنی می تواند مشخص کند که واحد نسبت به بقیه واحدها چگونه عمل می کند ولی نسبت به عملکرد بهینه از نظر تئوریک مقایسه ای را ممکن نمی سازد.
- چون غیرپارامتری است انجام آزمون های آماری برای آن مشکل است.
- اضافه کردن یک واحد جدید به مجموعه واحدهای قبلی بررسی شده موجب تغییر در امتیاز کارایی تمامی واحدها می گردد.
- تغییر در نوع و تعداد ورودی ها ممکن است در نتایج ارزیابی تغیر دهد (عالم تبریز و همکاران، ۱۳۸۸).
ویژگی های تحلیل پوششی داده ها
تحلیل پوششی داده ها دارای ویژگی های منحصر به فردی است که آنرا از سایر مدل های کلاسیک و پارامتریک اندازه گیری کارایی متمایز می سازد. اهم این ویژگی ها عبارتند از:
- ارزیابی واقع بینانه
- ارزیابی همزمان مجموعه عوامل
- عدم نیاز به وزنهای از قبل تعیین شده
- جبرانی بودن
- ارزیابی با گرایش مرزی به جای گرایشهای مرکزی
- تصویر کردن بهترین وضعیت عملکردی به جای وضعیت مطلوب
منبع: Modir123.com
