ارزیابی عملکرد واحدهای کارگزینی مدیریت شعب بانک ملت با رویکرد ترکیبی مدل‌های تحلیل پنجره‌ای و شاخص مالم کوئیست

فصلنامه مدیریت راهبردی در سیستم های صنعتی (مدیریت صنعتی سابق)

مقاله 2، دوره 11، شماره 38، بهمن 1395، صفحه 19-34   

نوع مقاله: مقاله پژوهشی

نویسندگان

عزت‌الله اصغری زاده¹؛ مسعود کیماسی²؛ الناز برجی^{* 3}

¹دانشیار دانشکده مدیریت دانشگاه تهران گروه مدیریت صنعتی ایران

²استادیار دانشکده مدیریت دانشگاه تهران گروه MBA ایران

³کارشناسی ارشد مدیریت صنعتی(تولید) دانشکده مدیریت دانشگاه تهران ایران

چکیده

هدف اصلی این مقاله ارزیابی عملکرد واحدهای کارگزینی 5 منطقه تهران بانک ملت و بررسی کارایی و بهره‌وری آن‌ها با بهره‌گیری از تحلیل پوششی داده‌ها همچنین با استفاده از شاخص بهره‌وری مالم کوئیست می باشد. دوره زمانی موردمطالعه سال‌های 1390-1394 است. در این تحقیق عملکرد هر واحد تصمیم‌گیری را در طول زمان ردیابی می کنیم و برای تجزیه‌وتحلیل تغییرات در کارایی و بهره‌وری در طی زمان و همچنین تفکیک بهره‌وری به دو جزء عمده آن یعنی تحولات تکنولوژیک و تغییرات در کارایی از روش تحلیل پنجره‌ای و شاخص مالم کوئیست استفاده می‌شود. نتایج نشان می‌دهد که ادارات کارگزینی مناطق 4 و 5 به ترتیب با میانگین نمرات کارایی فنی 97% و 93% در رتبه اول و دوم قرارگرفته و ادارت مناطق 4 و 5 با میانگین کارایی مقیاس تقریباً 95% دارای کارایی مناسبی است و همچنین ادارات کارگزینی تمام مناطق با میانگین کارایی مدیریت بالای 95% در سطح مطلوبی و مناسبی هستند. با توجه به مقادیر شاخص مالم کوئیست در میان مناطق، منطقه 3(023/1) بهبود بهره‌وری در طی دوره موردبررسی داشته و بررسی تغییرات بهره‌وری کل نشان می‌دهد که سال 91(033/1)، در دوره موردبررسی دارای بیشترین رشد بهره‌وری داشته است.

کلیدواژه‌ها

کارایی؛ تحلیل پوششی داده ها؛ تحلیل پنجرهای؛ شاخص مالم کوئیست

سایر فایل های مرتبط با مقاله

ارزیابی عملکرد واحدهای کارگزینی مدیریت شعب بانک ملت با رویکرد ترکیبی مدل‌های تحلیل پنجره‌ای و شاخص مالم کوئیست.pdf

مراجع

1.  Aggarwal, A., & Thakur, G. S. M. (2013). Techniques of performance appraisal-a review. International Journal of Engineering and Advanced Technology (IJEAT) ISSN, 2249-8958.
2. Asmild, M., Paradi, J. C., Aggarwall, V., & Schaffnit, C. (2004). Combining DEA window analysis with the Malmquist nidex approach in a study of the Canadian banking industry. Journal of Productivity Analysis, 21(1), 67-89.
3. Afkhami, M. (2008). Evaluate the performance of commercial banks in iran Combining DEA window analysis with the Malmquist index approach. Journal of Shahed University, 12, 2-47.
4. Afkhami,M. (2011).Calulate the productivity growth of human resources knowledge using Dynamic DEA models: Research institute of petroleum industry. Journal of human resources management in petroleum industry, 13.
5. Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078-1092.
6. Chen, Y., & Ali, A. I. (2004). DEA Malmquist productivity measure: New insights with an application to computer industry. European Journal of Operational Research, 159(1), 239-249.
7. Färe, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. The American economic review, 66-83.
8. Färe, R., Grosskopf, S., & Norris, M. (1997). Productivity growth, technical progress, and efficiency change in industrialized countries: The American Economic Review, 87(5), 1040-1044.
9. Pasiouras, E. & Sifodaskalakis, E.(2007).Total Factor Productivity Change of Gree Cooperative Banks (Master dissertation).University of Bath, Bath, Somerset, United Kingdom.
10. Popova, V. & Sharpanskykh, A. (2010). Modeling organizational performance indicators. Information Systems, 35(4), 505–527.
11. Řepková, I. (2014). Efficiency of the Czech Banking Sector Employing the DEA Window Analysis Approach. Procedia Economics and Finance, 12(6), 587–596.
12. Sokhanvar,M .,& Mehreghan, M.(2011).using DEA window to analyze the structure and assess the efficiency of electricity distribution companies in iran. journal of economicgrowth and development research, 4 ,161
13. Staněk, R. (2010). Efektivnost českého bankovního sektoru v letech 2000–2009. Konkurenceschopnost a stabilita, 1, 81-89.
14. Staníčková, M. I. C. H. A. E. L. A., & Skokan, K. A. R. E. L. (2012). Evaluation of Visegrad Countries Efficiency in Comparison with Austria and Germany by Selected Data Envelopment Analysis Models. In Proceedings of the 4th WSEAS World Multiconference on Applied Economics, Business and Development (AEBD’12). Recent Researches in Business and Economics. WSEAS, Porto.
15. Stavárek, D., & Řepková, I. (2014). Efficiency in the Czech banking industry: A non-parametric approach. Acta Universitatis Agriculturae ET Silviculturae Mendelianae Brunensis, 60(2), 357-366.
16. Malayi, M. (2011). Assess the efficiency of research and development centers using DEA WINDOW approach.3conferance on data development analysis
17. Hachazi, R., & Rostami, E. (2008).analyze the efficiency of export development bank of Iran productivity growth its branches using DEA. Journal of industrial management, 1, 29-50.