ارائه مدل بهينه جهت تعيين و رتبه بندي عوامل ناكارايي در صنعت بانكداري با تلفيق تحليل پوششي داده ها و شبكه عصبي

هدف: تحليل پوششي داده ها روشي براي مقايسه و ارزيابي كارايي نسبي واحدهاي تصميم گيرنده است كه هر يك داراي چندين ورودي و خروجي مشابه هستند. هر سازمان به منظور آگاهي از ميزان مطلوبيت و مرغوبيت فعاليت هاي خود به ويژه در محيط هاي پيچيده و پويا، نياز مبرم به سيستم ارزيابي كارايي دارد. هدف از اين مطالعه تلفيق دو روش تحليل پوششي دادهها و شبكه عصبي به منظور ارائه يك مدل بهينه براي رتبه بندي عوامل ناكارايي در صنعت بانكداري ايران مي باشد. روش شناسي پژوهش: پژوهش حاضر يك مطالعه توصيفي مقطعي مي باشد كه بر روي 32 مديريت شعب بانك انجام گرديد. ابتدا از طريق مطالعه مباني نظري و مصاحبه با خبرگان بانكي شاخص هاي ارزيابي كارايي در صنعت بانكداري شناسايي و نهايي گرديد. در ادامه به منظور ارزيابي كارايي واحدها در جامعه آماري مورد مطالعه از تكنيك تحليل پوششي داده ها به ويژه مدل برنامه ريزي آرماني اصلاح شده تحليل پوششي داده ها استفاده شد كه از 32 مديريت بانك مورد مطالعه، 3 مديريت كارا و 29 مديريت ناكارا تشخيص داده شدند. سپس شعب زيرمجموعه مديريت هاي ناكارا مورد ارزيابي قرار گرفته و با استفاده از اطلاعات شعب ناكارا ماتريس شبكه عصبي براي تشخيص عوامل ناكارايي تهيه و با مدل هاي مختلف شبكه عصبي به تحليل نتايج پرداخته شد. مدلي كه كمترين ميانگين مجذور خطا را داشت به عنوان مدل بهينه به منظور تعيين عوامل ناكارايي انتخاب شد. يافته ها: نتايج تلفيق تكنيك تحليل پوششي داده ها به ويژه مدل برنامه ريزي آرماني اصلاح شده تحليل پوششي داده ها با شبكه هاي عصبي نشان داد كه شبكه عصبي نگاشت خودسازمانده با تابع انتقال تانژانت هيپربوليك و با قاعده آموزش ممنتم 9 / 0 بهترين عملكرد را نسبت به ديگر روش ها در شناسايي عوامل ناكارايي داشت. پس از تحليل حساسيت روش مذكور شاخص هاي سهم نقدينگي استان ها، توزيع پرسنل و هزينه هاي عملياتي به عنوان مهمترين عوامل ناكارايي انتخاب شدند. اصالت/ارزش افزوده علمي: تلفيق مدل هاي تحليل پوششي داده ها با شبكه هاي عصبي براي ارزيابي كارايي واحدهاي تصميم گيرنده به همراه شناسايي عوامل ناكارايي، ميتواند مديران سازمان ها را در بهبود عوامل ناكارايي واحدهاي تصميم گيرنده ياري كند.