예를 들어 일반적인 DEA 벤치마킹에서 “컴퓨터의 성능을 벤치마킹하는 경우 다양한 기능(화면 크기 및 해상도, 메모리 크기, 프로세스 속도, 하드 디스크 크기 등)을 고려하는 것이 당연합니다. 그런 다음 적절한 DEA 분석을 적용하기 위해 이러한 기능을 “입력” 및 “출력”으로 분류해야 합니다. 그러나 이러한 기능은 프로덕션의 표준 개념에서 입력 및 출력을 실제로 나타내지 않을 수 있습니다. 실제로 벤치마킹 문헌을 검토하는 경우 “지표”, “결과” 및 “메트릭”과 같은 다른 용어가 사용됩니다. 이제 문제는 DEA에서 사용하기 위해 이러한 성능 측정값을 입력 및 출력으로 분류하는 방법 중 하나가 되었습니다.” (쿡, 톤, 주, 2014) 우리가 고려한 데이터에 포함된 모범 사례의 예에서 파생된 효율적인 프론티어는 효율적인 프론티어에 있지 않은 지점이 달성할 수 있는 성능 표준을 나타냅니다. 예를 들어 이름 대신 비즈니스 주소를 사용하는 등록자의 경우 DEA 번호는 “F91234567″처럼 보일 수 있습니다. 어떤 경우에는 여러 사람 (아마도 인턴 이나 간호사 포함)은 더 많은 고위 처방자의 감독하에 처방됩니다. 이 경우 감독된 개인은 대시 후 감독자의 DEA 번호 끝에 ID 문자열을 부착하여 식별할 수 있습니다(예: “F91234567-001AB”). 이것은 자연스럽게 모범 사례의 예를 강조하고 보급하는 문제를 불러일으킨다. 출력 대상의 예로는 Reigate가 개인 거래 수를 10% 증가시키는 경우(예: 새 계정 확보)가 있습니다. 데이터 포위 분석은 조직의 유사한 단위의 성능을 비교하는 데 사용되는 성능 측정 기술입니다. 성능 분석을 수행하는 단위를 DMU(의사 결정 단위)라고 합니다.

예를 들어, 델리 NCR 지역에서 운영되는 모든 맥도날드 매장을 비교하여 어떤 콘센트가 좋은 지, 어떤 콘센트가 좋지 않은지 알아낸 다음 나쁜 사람들에게 더 나은 성과를 낼 수 있는 몇 가지 조치를 권장할 수 있습니다. DEA는 병원, 은행, 대학 등을 포함한 모든 산업에서 광범위한 응용 프로그램을 보유하고 있습니다. 이 기술은 입력 및 출력 변수 집합(일반적으로 조직의 가장 중요한 비즈니스 메트릭)을 취한 다음 벤치마크를 설정하여 모든 DM의 효율성을 계산합니다. 이 기술의 가장 중요한 장점은 일반적으로 서로 비교할 수 없는 여러 입력 및 출력 변수를 처리할 수 있다는 것입니다. DEA 기술은 운영 연구에서 매우 인기가 있으며 선형 프로그래밍의 개념을 사용하여 당면한 문제를 공식화하고 해결합니다. 데이터를 분석하는 것은 흥미로운 운동으로 입증되었습니다. DEA의 암시적 가정은 입력과 출력 사이에 약간의 연결이 있다는 것입니다. 이 점을 강조하기 위해 두 개의 입력 측정값과 하나의 출력 측정값에 대해 완전히 임의의 데이터를 생성하고 은행 지점 예제에 대해 위에서 수행한 것과 유사한 분석을 수행할 수 있습니다.

Scroll Up