محسن رستمی مال خلیفه

تحلیل پوششی داده ها یک تکنیک ریاضی برای ارزیابی عملکرد واحدهای تصمیم گیرنده با ورودی ها و خروجی های مشابه است. مدل های سنتی DEA به ساختار داخلی واحدها توجه نمی کنند و دیدگاه جعبه سیاه دارند؛ بنابراین برای ارزیابی ساختارهای با بیش از یک مرحله، مدل های شبکه ای (NDEA) توسعه پیدا کردند؛ اما این مدل ها ایستا هستند و زمان را در ارزیابی لحاظ نمی کنند؛ از طرف دیگر مدل های پویا (DDEA) که جهت ارزیابی واحدها در طول زمان توسعه پیدا کردند، ساختار واحد را در هر دوره زمانی به صورت جعبه سیاه در نظر می گیرند. بسیاری از سازمان ها (ازجمله بانک ها) دارای فرایند چندمرحله ای هستند و فعالیت آن ها یک فرایند ادامه دار در دوره های متوالی است و استفاده از مدل های شبکه ای و پویا به تنهایی برای ارزیابی آن ها کافی نیست. در این پژوهش یک مدل DEA شبکه ای پویا (DNDEA) توسعه داده می شود که هم زمان ساختار و زمان را در ارزیابی در نظر می گیرد و دو روش برای محاسبه کارایی معرفی می شود. پس از توسعه مدل از آن در یک مطالعه تجربی برای ارزیابی عملکرد چهارده بانک استفاده شد و کارایی هر مرحله، کارایی شبکه و کارایی شبکه ای پویا آن ها محاسبه شد.

چشم انداز رسانه ای در جهان طی دو دهه ی اخیر به دلیل استفاده از اینترنت و عمدتا توسعه ی شبکه های اجتماعی آنلاین، تغییر کرده و به طور چشم گیری بر نحوه ی تولید، توزیع و مصرف رسانه ا ی تاثیر گذاشته است؛ از این رو برنامه ریزان رسانه ای می بایست در فرآیند تصمیم گیری اقدامات مناسب را به دقت شناسایی کنند. اولین قدم برای تغییر رویه ها، اطلاعاتی است که از طریق «ارزیابی عملکرد» حاصل می شود. در این مقاله، عملکرد رسانه های پخش در شبکه های اجتماعی (اینستاگرام و سروش) با استفاده از مدل های CCR و BCC در تحلیل پوششی داده ها ارزیابی شده است. نتایج در دو ماهیت ورودی و خروجی -که سطح فعالیت سازمان و سطح پاسخ مخاطبان نامیده شده است- ارزیابی و نتایج حاصل از اجرای دو مدل مقایسه شده است. در واقع، عملکرد هر یک از این واحدها در استفاده ی بهینه از منابع برای تولید ستاده ها، ارزیابی شده است. جامعه ی آماری در این پژوهش، شبکه های رادیویی و تلویزیونی است که به عنوان واحد تصمیم گیرنده در نظر گرفته شده اند. نتایج نشان می دهد تعدادی از واحدها با اجرای مدل های CCR و BCC در سطوح فعالیت سازمان و پاسخ مخاطبان، به طور مشترک کارا بوده اند؛ اما با اجرای مدل BCC واحدهای دیگری نیز کارا شناسایی شده اند. سپس به کمک تحلیل ابرکارایی، واحدهای کارا رتبه بندی شده اند. در نهایت، واحدهای ناکارا در هر یک از شبکه های اجتماعی شناسایی و به-منظور بهبود عملکرد واحدهای ناکارا، استراتژی مناسب پیشنهاد شده است. این الگو به مدیران رسانه ای کمک خواهد کرد تا عوامل ناکارایی خود را در مقایسه با رقبا شناسایی کرده و به واحدی کارا، تبدیل شوند.

در سالهای اخیر، فناوری بهطور مداوم در حال تغییر بوده است و همه سازمانها بهمنظور حفظ رقابت و زندهماندن در محیطهای کسبوکار مجبور به تغییر سریع با فناوریهای جدید هستند. شبکه های اجتماعی برخط بسترهای جدیدی برای وب گاه های مبتنی بر کاربر هستند و به طور فزاینده ای موردتوجه کسب وکارها قرار گرفته اند. بهکارگیری این فناوری تعاملی جدید مزایای مختلفی برای کسب وکارها به ارمغان میآورد. بهدنبال این تغییرات، سازمانها به مهارتهای جدید مدیریتی و اجتماعی و نیز به فرایندهای جدید تصمیمگیری نیاز دارند که بهوسیله ساختارهای موجود قابل پذیرش نخواهد بود. باتوجهبه اینکه یکی از مهمترین دغدغههای مدیران، ارزیابی عملکرد سازمان بهمنظور استفاده بهینه از منابع (ورودی) برای تولید ستاده های (خروجی) است؛ روش انجام این مطالعه، برنامهریزی ریاضی مبتنی بر ارزیابی عملکرد با استفاده از تحلیل پوششی دادهها ( DEA ) است. یکی از روشها ی مفید در ادبیات موضوعی ( DEA ) برای ارزیابی عملکرد واحدهای تصمیمگیرنده، روش مبتنی بر متغیرهای کمکی ( SBM ) است. در این مقاله، روش ( SBM-DEA ) برای ارزیابی عملکرد روزنامههای چاپی ( بهعنوان واحدهای تصمیمگیرنده) در شبکه اجتماعی اینستاگرام بهکار برده شده است که به کمک این روش، عوامل ناکارایی آنها مشخص میشود. یافتهها نشان میدهد در جامعه تحت ارزیابی، دو واحد کارا و سایر واحدها ناکارا بودهاند. درنهایت، بهمنظور بهبود عملکرد هریک از واحدهای تصمیمگیرنده ، با استفاده از مدل ( SBM ) الگویی کاربردی بهمنظور کاهش در ورودیها و افزایش در خروجیهای واحدهای ناکارا، ارائه شده است.

درحالی که به محاسبه کارایی نسبی واحدهای یک گروه با استفاده از تحلیل پوششی داده ها توجه زیادی شده است، تجارب مرتبط با مقایسه کارایی چند گروه از واحدها بسیار محدود است، و سازمان هایی مثل بانک ها که از چندین سرپرستی تشکیل شده اند، می توانند از این موضوع استفاده کنند. مدل شبکه ای سیستم های موازی کائو که بدین منظور طراحی شده است، در عمل به مقایسه مجموعه امکانی متشکل از واحدها منجر می شود. این مقاله ویرایشی از مدل کائو ارائه می دهد تا ضمن اینکه متناسب با هدف مقایسه، کلیت گروه ها مبنای مقایسه قرار گیرند، امکان محاسبه ناکارایی واحدهای درونی گروه تحت ارزیابی همچنان فراهم باشد. این ویرایش به دلیل محاسبه مقادیر بزرگ تر کارایی، بیش تر مستعد تخصیص مقدار کارایی یک به چند گروه از گروه های مورد ارزیابی است. به همین دلیل، روش رتبه بندی گروه های کارا به منظور پشتیبانی از ویرایش پیشنهادی ارائه می شود. مدل های پیشنهادی شامل ویرایش جدید مدل کائو و مدل رتبه بندی گروه های کارا که روی داده های سرپرستی های یک بانک به کار گرفته شده، بررسی شده اند.

Interval Data Envelopment Analysis (Interval DEA) is a methodology to assess the efficiency of decision-making units (DMUs) in the presence of interval data. Sensitivity analysis and sustainability evaluation of decision- making units are as the most important concerns of Decision Makers (DM). In the past decades, many scholars have been attracted to the sustainability evaluation of DMUs from different perspectives. This study focuses on the sensitivity analysis in DEA and proposes an approach to determine the sustainability radius of the cost efficiency of units with interval data. Potential application of our proposed methods is illustrated by a numerical example from the literature review.

پیشینه و اهداف: سود آوری یکی از مهم ترین شاخص های عملکرد شرکت های بیمه است، زیرا نشان دهنده توانایی بیمه گر (شرکت بیمه) برای سرمایه گذاری و رشد آن است و ناظران با تکیه بر ویژگی های مالی در رابطه با سودآوری، بقای بیمه گر را تعیین می کنند. در سال های اخیر، محققان از روش تحلیل پوششی داده ها (DEA) به طور گسترده ای برای ارزیابی عملکرد انواع مختلف شرکت های بیمه استفاده کرده اند. سودآوری نیز به دلیل کاستی نسبت های مالی متعارف در بسیاری از مطالعات، با روش های تحلیل پوششی داده ها اندازه گیری می شود. با توجه به رشد سریع صنعت بیمه در کشور ایران و ضرورت بررسی بیشتر سودآوری صنعت بیمه اموال (غیرزندگی) در ایران و گسترش تحلیل پوششی، تحقیق حاضر انجام شده است.روش شناسی: این مطالعه به بررسی تحول و عوامل تعیین کننده سودآوری 18 شرکت بیمه پذیرفته شده در بورس اوراق بهادار تهران در سال های 1393 تا 1400 می پردازد، اطلاعات این شرکت ها در دوره پژوهش کامل و در دسترس هستند. در این مطالعه سودآوری به وسیله تحلیل پوششی داده ها اندازه گیری می شود. علاوه بر این، مدل برآوردگر توبیت نیز برای مطالعه و بررسی تأثیر اندازه شرکت، سن شرکت و تنوع محصول بر سودآوری بیمه گران استفاده می شود تا فرضیه ها آزمون و بررسی شود..یافته ها: نتایج تجربی اهمیت ترتیب مناسب هزینه ها و درآمدها برای بیمه گر را نشان می دهد؛ همچنین نتایج نشان می دهد که اندازه شرکت، سن شرکت و تنوع محصول با سودآوری رابطه معناداری ندارند.نتیجه گیری: شرکت های بیمه باید ساختار مخارج و انواع مختلف کسب و کار خود را به درستی ترتیب دهند. ترکیب اشتباه مخارج ورودی و درآمد خروجی به شکست در دستیابی به حداکثر نسبت سود منجر می شود. ازاین رو، ازیک سو، ساختار هزینه های یک شرکت بیمه باید بهینه شود. از سوی دیگر، به جای اتکای بیش از حد بر عملکرد ادغام ریسک و ریسک، باید انواع مختلف کسب و کار را در نظر گرفت. این مطالعه به درک بهتر عملکرد شرکت های بیمه کمک می کند تا موقعیت نسبی سودآوری خود را در صنعت درک کند و نیز راهبردهای هدفمند را تدوین کند، و برای دولت کمک کننده است که درک بهتری از توسعه صنعت داشته باشد و سیاست های مربوطه را تدوین کند.