Analyse de développement des données – Wikipedia

Analyse de l’enveloppe de données (Dea) et Analyse d’enveloppement des données sont des termes pour une technique d’analyse de l’efficacité du domaine de la recherche opérationnelle, qui a trouvé une utilisation généralisée en économie. Il sert la mesure comparative de l’efficacité des unités organisationnelles ou des unités de prise de décision.

La DEA est attribuée à Charnes, Cooper et Rhodes, bien qu’il existe également des applications antérieures (Brockhoff 1970). Il représente une technique pour mesurer l’efficacité relative, des unités de prise de décision, de décision (unités de décision (DMU)). Les unités de décision peuvent par exemple B. universités, hôpitaux, succursales bancaires, succursales d’un groupe de détail ou travaillent par un constructeur automobile.

Toutes les unités de prise de décision d’un groupe d’unités de prise de décision ont les mêmes entrées et sorties. Pour que l’utilisation de la DEA fournisse un résultat raisonnable, seules les unités de prise de décision doivent être prises en compte dans le cas d’une demande. Il devrait z. B. Aucun hôpital n’est comparé aux universités. Avec l’aide de la DEA, l’efficacité relative des unités de prise de décision est mesurée, car les unités de prise de décision au sein du groupe servent d’échelle.

La DEA permet à l’utilisateur de prendre en compte plusieurs entrées et sorties. Ces facteurs ne sont souvent pas comparables (par exemple, les ventes mesurées en argent et le niveau de qualité). Par conséquent, les entrées et les sorties sont multipliées par des poids de sens. Une caractéristique spéciale de la DEA par rapport aux autres techniques d’analyse d’efficacité est que les poids de sens des entrées et sorties sont déterminés dans le modèle. L’utilisateur n’a pas à spécifier cela.

Une valeur d’efficacité est calculée pour chaque unité de prise de décision afin d’évaluer l’efficacité des unités de prise de décision. Cette valeur d’efficacité ou d’inefficacité mesure la distance entre l’information et les sorties observées d’un DMU et le bord efficace (enveloppe de données). Cet avantage efficace est formé à partir du groupe d’unités de prise de décision, qui est prise en compte dans l’application DEA respective. D’après la valeur d’efficacité d’une unité de décision, le potentiel d’amélioration peut être dérivé directement pour sa gestion.

Lorsque vous utilisez la DEA dans un groupe d’unités de prise de décision, un problème d’optimisation doit être résolu pour chaque unité de prise de décision. Dans la forme de base, un modèle DEA est un problème de programmation quotient. Parce que la valeur d’efficacité d’une unité de prise de décision est un quotient dans le compteur dont la somme des sorties pondérées et dans le dénominateur duquel est la somme des entrées pondérées.

$mm slave stley stley State empem hépum m mói malm malome mötoe mome mötoe kupe) mupe) mupples like m tupe hupple hmmonhbeh m.$

${displayStyle pour all i = 1, …, i}$

${displayStyle e_ {i}}$

: Valeurs d’efficacité

${displaystyle y_ {ji}}$

: Les sorties

${displayStyle x_ {ki}}$

: Contributions

${displayStyle w_ {ji}}$

: OutputGewichte

${displayStyle v_ {ki}}$

: Poids d’entrée

La solution à un problème de programmation quotient n’est pas facile car la fonction cible n’est pas linéaire. Par conséquent, avec l’aide de la transformation dite de Charnes Cooper, le problème est converti en un problème de programmation linéaire.

Chaque modèle DEA peut être affiché sous la forme d’enveloppement et sous la forme multiplicateur. Un modèle sous la forme d’enveloppement peut être converti en la forme multiplicateur en utilisant une double transformation primitive et vice versa.

Charnes, Cooper et Rhodes ont développé le modèle DEA de base en 1978. Il a ensuite été appelé modèle CCR après les lettres initiales de ses développeurs. Ce modèle subordonnent les rendements à échelle constante. Banker, Charnes et Cooper ont présenté les rendements à échelle variable en 1984.

Un autre développement est l’analyse des fenêtres. Avec cela, l’efficacité d’une unité de décision à différentes périodes est comparée. Cela peut faire des déclarations sur le développement de l’efficacité des unités de prise de décision. De plus, les modèles DEA sont apparus qui s’attendent à des nombres flous en utilisant des approches de la logique floue.

L’analyse d’enveloppement des données est utilisée dans une grande variété de zones de l’économie depuis les années 1960. Il est traditionnellement utilisé pour évaluer les unités organisationnelles, c’est-à-dire les départements ou les succursales. Le travail scientifique plus jeune fait également référence à l’applicabilité aux individus. L’analyse d’enveloppement de données permet aux employés d’évaluer les employés équitablement en fonction de nombreux facteurs. ^[d’abord]

En raison de la proportion élevée d’unités de prise de décision efficaces dans le CCR et le modèle BCC, Sexton et al. ^[2] Analyse d’efficacité croisée proposée, dans laquelle un deuxième critère d’optimisation est utilisé en plus du modèle DEA d’origine. Selon la mise en œuvre, chaque unité de décision avec ses poids de facteur optimal évalue toutes les autres unités de prise de décision. La moyenne de toutes ces notes externes entraîne ensuite l’efficacité croisée des unités de prise de décision et atteint généralement un classement clair et des poids facteurs uniques.

• M. Afsharian (2019): Un mécanisme de compétition par étoiles basé sur un méta-mous . Annales de recherche opérationnelle.
• M. Afsharian (2017): Analyse de l’efficacité métafrontier avec métatechnologies convexes et non convexes par enveloppe stochastique non paramétrique des données . Lettres économiques, 160, 1–3.
• A. Hann (2014): Analyse de l’enveloppement de données – plus que l’analyse comparative . Controller Magazin 39, Vol, S. 63–65.
• R.D. Banker, A. Charnes, W.W. Cooper (1984): Certains modèles d’estimation de l’inefficacité technique et d’échelle de l’analyse de l’enveloppement de données . Science de la gestion, vol. 30, n ° 9, S. 1078–1092.
• K. Brockhoff (1970): Sur la quantification de la productivité marginale de la recherche industrielle en estimant une production . Revue économique allemande, vol. 8, S. 202–229.
• A. Charnes, W. Cooper, E. Rhodes (1978): Mesurer l’efficacité des unités de prise de décision . European Journal of Operational Research, vol. 2, n ° 6, S. 429–444.
• U. Cantner, H. Hanusch, H. (1998): Analyse de l’efficacité à l’aide de l’analyse du niveau de données . Études économiques, 27e année, numéro 5, pp. 228-237.
• H. Dyckhoff, K. Allen (1999): Justification théorique d’une analyse d’efficacité à l’aide de l’analyse d’enveloppement des données (DEA) . Schmalenbach’s Magazine for Business Research, 51st Vol., Numéro 5, pp. 411–436.
• W.W. Cooper, L.M. Seiford, K. Tone (2000): Analyse d’enveloppement des données . Boston / Dordrecht / Londres 2000.
• S. Hülsmann, M. L. Peters: Analyse d’enveloppement de données dans le secteur bancaire – théorie et application pratique . Saarbrücken 2007. ISBN 978-3-8364-0109-8
• M. Richter, E. Borsch (2017): Mesure de l’efficacité à l’aide de l’analyse de l’enveloppement de données – Production – bases théoriques et exemple de l’apprentissage des élèves dans les universités . Wist – Economics Studies, Jg. 46, n ° 5, 2017, p. 20-26.
• H. Schels (2000): Dimensions d’efficacité de l’analyse d’enveloppement de données . Wiesbaden 2000.
• A. Kleine (2002): Efficacité de la DEA, prise de décision et fondations théoriques de la production de l’analyse de l’enveloppement de données . Wiesbaden 2002.
• T.J. Coelli (2006): Une introduction à l’analyse de l’efficacité et de la productivité . Springer 2006
• W.W. Cooper (2006): Introduction à l’analyse de l’enveloppement de données et à ses utilisations . Springer 2006.
• T.Wenk (2006): Systèmes de mesure du rendement et leur utilisation comme système de gestion . Shaker 2006. ISBN 3-8322-4901-X

1. ↑ VGL. Dazu: Boles, J. S., Donnu, N. et Lohtia, R., 1995. Évaluation du vendeur utilisant l’efficacité de la performance relative: l’application de l’analyse d’enveloppement de données. Journal of Personal Selling & Sales Management, 15 (3), pp. 31–49 Sowie „Comment vont-ils? L’application de l’analyse d’enveloppement de données pour développer une évaluation stratégique de performance au niveau individuel », M. Koch-Rogge, G. Westermann, Ch. Wilbert, R. Willis dans Ron Sanchez, Aimé Heene (éd.) A Focused Issue on Building New Competences in Dynamic Environments (Research in Competency-Based Management, Volume 7) Emerald Group Publishing Limited, pp.193 – 218, septembre 2014. VGL. Auch den Artikel Mit Beispielen und Einem Vergleich von Dea, classe de score équilibrée und einfachem Classement: “Évaluation objective et équitable des employés: proéminent élabore de nouvelles procédures” .
2. ↑ Thomas R. Sexton, Richard H. Silkman, Andrew J. Hogan: Analyse de l’enveloppement de données: critique et extension . Dans: Nouvelles directions pour l’évaluation du programme . Non. 32 , 1986, S. 73–105 .