تحلیل پوششی داده ها و شبکه های عصبی

اندازه گیری کارایی بخش مهمی از فعالیت های مدیران را تشکیل می دهد. مدیران ارشد سازمان ها به دنبال شناسایی و حذف دلایل اصلی ناکارایی هستند تا بدین وسیله به سازمان شان در به دست آوردن مزایای رقابتی و رویارویی با تهدیدات رقبا کمک می کنند. در بخش خدمات بانکی، روش های ارزیابی کارایی به مدیران امکان می دهد تا به بررسی کارایی نسبی واحد های مختلف تصمیم گیری، مانند شعب یک بانک بپردازند و از این این طریق واحدهای نمونه و الگو را شناسایی کنند روشهای کمی در ارزیابی کارایی را می توان به دو دسته ی روش های سنتی و روش های نو تقسیم کرد. در روش های سنتی از نسبت های مالی مختلفی مانند بازده نسبت به دارایی و بازده نسبت به سرمایه استفاده می شود. مشکل اصلی این روش ها عدم توانایی آن ها برای در نظر گرفتن شاخص های ورودی و خروجی چندگانه است. بنابراین برای رفع این مشکلات، روش های تحلیل مرزی به وجود آمده است. در مقایسه با روش سنتی، روش های مرزی به مدیران اجازه می دهد تا بهترین عملیات ممکن را تعیین کنند و به مقایسه ی عملکرد خود با آن بپردازند. در میان انوع روشهای مرزی، تحلیلی پوششی داده ها مرسومترین و پرکاربرد ترین روش در اندازه گیری کارایی است روش دیگری که اخیرا در برخی مطالعات، مطرح شده، تخمین مرز کارایی با استفاده از شبکه های عصبی مصنوعی است. شبکه های عصبی به دلایلی چون دقت بالا در تخمین توابع تولید، توانایی عمل در محیط های غیر خطی و در نظر گرفتن مفروضات اندک در زمینه ی شکل تابع تولید، توجه ویژه ای به خود جلب کرده اند. در این تحقیق سعی نموده ایم به معرفی اجمالی این روش پرداخته و در پایان با ارایه یک مثال کاربردی به توضیح مسیله بپردازیم.