МЕТОД DATA ENVELOPMENT ANALYSIS (DEA) И ЕГО ПРИМЕНЕНИЕ В МНОГОКРИТЕРИАЛЬНОЙ ОЦЕНКЕ ЭФФЕКТИВНОСТИ ПРЕДПРИЯТИЙ

Метод Data Envelopment Analysis (DEA) является одним из ключевых инструментов исследования эффективности хозяйственной деятельности, применяемых в управлении организациями различного масштаба и отраслевых принадлежностей. Его разработка связана с именами американских ученых Арнольда Черча и Уильяма Купера, опубликовавших свою первую работу по данному направлению в конце 1970-х годов.

Основной целью DEA является выявление лучших практик среди однородных объектов путем установления границ эффективного функционирования, которые служат ориентиром для менее эффективных участников рынка.

История возникновения и предпосылки развития метода DEA

Идея анализа эффективности возникла значительно раньше появления собственно DEA. Ещё в 1957 г. Майкл Фаррел предложил концепцию, в которой эффективность фирмы понималась как способность достигать максимума выпускаемой продукции при имеющихся затратах либо минимизировать затраты при заданном объёме выпуска.

Однако до середины 1970-х гг. эта концепция оставалась слабо развита вследствие отсутствия адекватных вычислительных возможностей и статистики по многим фирмам.

Разработка и популяризация DEA началась в конце 1970-х годов с публикации статьи Arne Charnes, William Cooper и Edward Rhodes, озаглавленной “Measuring the Efficiency of Decision Making Units”. Авторы предложили новый подход, позволяющий оценить эффективность хозяйствующих субъектов на основе реальных данных без предварительных допущений о форме производственной функции.

Принцип работы метода DEA

Принцип DEA основывается на сравнении реального поведения группы объектов с эффективными образцами. Модель оценивает эффективность каждого объекта по отношению к совокупности объектов с лучшими показателями, называя такие образцы "границей Парето-Эджворта". Основная цель DEA — определить насколько близко конкретный объект находится к границе эффективности.

Рассмотрим основную схему работы метода:

Определение списка объектов (например, заводов, банков, подразделений и др.) и установление набора входных и выходных переменных.

Формирование множества возможных технологий преобразования входных переменных в выходные, которое называется множеством технологий.

Расчёт отношения выходных переменных к входным для каждого объекта.

Выявление граничного подмножества объектов, обладающих максимальным значением отношения.

Классификация объектов по степени близости к этому эффективному множеству.

Основополагающая особенность DEA заключается в отсутствии априорных предположений о природе зависимостей между входными и выходными факторами.

Это делает метод универсальным для анализа эффективности организаций в условиях неопределённостей и недостатка статистических данных.

Модели DEA

Существует несколько основных моделей DEA, каждая из которых решает конкретные задачи оценки эффективности:

CCR-модель (Charnes-Cooper-Rhodes) — первая версия модели, предполагающая постоянство отдачи от масштабов производства. Здесь акцент делается на абсолютную эффективность без учета влияния размеров предприятия.

BCC-модель (Banker-Chames-Cooper) — учитывает изменение отдачи от масштаба и выделяет три типа технологических эффектов: возрастающий, постоянный и убывающий.

SBM-модель (Slacks-Based Measure) — оценивает эффективность по принципу минимизации избыточности ресурсов и недостаточной выработки продукта.

Каждая из указанных моделей обладает своими преимуществами и подходит для определенных ситуаций.

Выбор подходящей модели зависит от целей анализа и особенностей исследуемых объектов.

Примеры практического применения DEA

Использование DEA получило распространение в различных сферах деятельности:

Энергетика: Оценка энергоэффективности электростанций, нефтедобывающих комплексов и иных энергоёмких производств.

Финансовый сектор: Анализ банковской сферы, страховых компаний, инвестиционных фондов и других финансовых институтов.

Образование:

 Исследование эффективности вузов, школ и образовательных учреждений.

Здравоохранение:

Анализ качества медицинских услуг и затрат здравоохранения.

Одним из ярких примеров является исследование, проведённое Международной организацией труда (МОТ), в ходе которого были проанализированы страны мира по уровню занятости населения, уровню безработицы и качеству жизни работников.

 Использование DEA позволило выявить лучшие практики и рекомендовать странам меры по улучшению ситуации на рынке труда.

Преимущества и недостатки DEA

К основным преимуществам DEA относятся:

Независимость от выбора функций регрессии.

Способность учитывать многофакторные данные.

Возможность гибкого определения эталонных стандартов эффективности.

Однако существуют и ограничения:

Необходимость большого объема исходных данных.

Сложность интерпретации полученных результатов в случае неоднородности объектов.

Ограниченность применения в динамическом анализе изменений во времени.

Заключение

Data Envelopment Analysis — универсальный инструмент оценки эффективности организаций, успешно применяемый в современной практике менеджмента и исследований.

Несмотря на имеющиеся ограничения, DEA остаётся востребованным решением для сравнительного анализа однородных объектов и выявления резервов повышения эффективности.

Дальнейшее совершенствование методов обработки больших массивов данных позволит расширить сферу применения DEA и повысить точность проводимых расчетов.