본 연구에서는 DEA 기법이 가지고 있는 한계점을 극복할 수 있는 방안을 개발하고, 이를 토대로 조직의 운영효율성 측정을 위한 방법론으로서의 DEA 기법을 보다 타당성있고 현실성있게 개선하였다. 본 연구에서 주목하는 DEA 기법의 한계점은 (1)모형 명세의 어려움, (2 ...

본 연구에서는 DEA 기법이 가지고 있는 한계점을 극복할 수 있는 방안을 개발하고, 이를 토대로 조직의 운영효율성 측정을 위한 방법론으로서의 DEA 기법을 보다 타당성있고 현실성있게 개선하였다. 본 연구에서 주목하는 DEA 기법의 한계점은 (1)모형 명세의 어려움, (2)벤치마킹 과정의 현실성 부족, (3)조직의 실질적 성과를 표현하지 못한다는 점이다. 본 연구에서는 세 가지 한계점을 극복할 수 있는 방안으로 ‘계층적(hierarchical) DEA 방법’을 개발하였다. 계층적 DEA 방법은 투입·산출요소의 조합, 규모수익성의 유무, 거리함수의 가정 등을 달리하여 다수의 DEA 모형을 수립하고, 이들 모형을 통한 효율성 평가결과와 조직의 실질적 성과간의 관계를 의사결정나무, 신경망 등의 데이터마이닝 도구를 활용하여 분석하고, 그 결과를 계층형태로 표현하는 방법을 근간으로 한다.
본 연구의 또 다른 결과물은 보다 현실적이고 효과적인 벤치마킹 경로 수립 방법을 개발한 것이다. DEA의 효율성을 계층화 하여 효율성 격차를 단계적으로 개선하는 벤치마킹 방법은 DMU들의 특성을 고려한 현실적인 효율성 개선이라는 측면에서 일반적인 DEA의 벤치마킹 방법보다 효율적이라 할 수 있다. 그러나 이러한 계층화를 통한 단계적 벤치마킹 방법은 모든 계층의 DMU들을 벤치마킹 하도록 함으로써, 효율성의 차이가 미약한 두 DMU간의 단계적 벤치마킹 경로가 생성되는 경우가 발생 한다. 이는 단계적 벤치마킹 수행 횟수를 증가시키는 요인으로 작용하고 이로 인해 벤치마킹을 위한 부가적인 활동들도 증가하는 비효율적인 부분으로 작용한다. 본 연구에서는 앞서 언급한 계층화를 통한 단계적 벤치마킹에서 발생할 수 있는 비효율적 요소를 개선하기 위해 불필요하게 많은 벤치마킹을 피하면서도 적절한 수준에서 벤치마킹 대상을 결정하기 위한 새로운 방법으로 SOM기법을 조합하여 투입 요소 유사성에 따른 단계적 벤치마킹 경로 선택 방법을 제안하였다.

We propose a hierarchical method for selection of input-output factors in DEA. It is designed to select better combinations of input-output factors that are well suited for evaluating substantial performance of DMUs. Several selected DEA models with d ...

We propose a hierarchical method for selection of input-output factors in DEA. It is designed to select better combinations of input-output factors that are well suited for evaluating substantial performance of DMUs. Several selected DEA models with different input-output factors combinations are evaluated, and the relationship between the computed efficiency scores and a single performance criterion of DMUs is investigated using decision tree. Based on the results of decision tree analysis, a relatively better DEA model can be chosen, which is expected to well represent the true performance of DMUs. We illustrate the effectiveness of the proposed method by applying it to the efficiency evaluation of 101 listed companies in steel and metal industry.
DEA is the relative efficiency measure among homogeneous DMU(Decision-Making Units) which can be used to useful tool to improve performance through efficiency evaluation and benchmarking. However, the general case of DEA was considered as unrealistic since it consists a benchmarking regardless of DMU characteristic by input and output elements and the high efficiency gap in benchmarking for inefficient DMU. To solve this problem, stratification method for benchmarking was suggested, but simply presented benchmarking path in repeatedly applying level. In this paper, we suggest a new method that inefficient DMU can choice the optimal path to benchmark the most efficient DMU base on the similarity among the input elements. For this, we propose a route choice method that combined a stratification benchmarking algorithm and SOM (Self-Organizing Map). An implementation on real environment is also presented.

본 연구에서는 DEA 기법이 가지고 있는 한계점을 극복할 수 있는 방안을 개발하고, 이를 토대로 조직의 운영효율성 측정을 위한 방법론으로서의 DEA 기법을 보다 타당성있고 현실성있게 개선하였다. 본 연구에서 주목하는 DEA 기법의 한계점은 (1)모형 명세의 어려움, (2 ...

본 연구에서는 DEA 기법이 가지고 있는 한계점을 극복할 수 있는 방안을 개발하고, 이를 토대로 조직의 운영효율성 측정을 위한 방법론으로서의 DEA 기법을 보다 타당성있고 현실성있게 개선하였다. 본 연구에서 주목하는 DEA 기법의 한계점은 (1)모형 명세의 어려움, (2)벤치마킹 과정의 현실성 부족, (3)조직의 실질적 성과를 표현하지 못한다는 점이다. 본 연구에서는 세 가지 한계점을 극복할 수 있는 방안으로 ‘계층적(hierarchical) DEA 방법’을 개발하였다. 계층적 DEA 방법은 투입·산출요소의 조합, 규모수익성의 유무, 거리함수의 가정 등을 달리하여 다수의 DEA 모형을 수립하고, 이들 모형을 통한 효율성 평가결과와 조직의 실질적 성과간의 관계를 의사결정나무, 신경망 등의 데이터마이닝 도구를 활용하여 분석하고, 그 결과를 계층형태로 표현하는 방법을 근간으로 한다.
본 연구의 또 다른 결과물은 보다 현실적이고 효과적인 벤치마킹 경로 수립 방법을 개발한 것이다. DEA의 효율성을 계층화 하여 효율성 격차를 단계적으로 개선하는 벤치마킹 방법은 DMU들의 특성을 고려한 현실적인 효율성 개선이라는 측면에서 일반적인 DEA의 벤치마킹 방법보다 효율적이라 할 수 있다. 그러나 이러한 계층화를 통한 단계적 벤치마킹 방법은 모든 계층의 DMU들을 벤치마킹 하도록 함으로써, 효율성의 차이가 미약한 두 DMU간의 단계적 벤치마킹 경로가 생성되는 경우가 발생 한다. 이는 단계적 벤치마킹 수행 횟수를 증가시키는 요인으로 작용하고 이로 인해 벤치마킹을 위한 부가적인 활동들도 증가하는 비효율적인 부분으로 작용한다. 본 연구에서는 앞서 언급한 계층화를 통한 단계적 벤치마킹에서 발생할 수 있는 비효율적 요소를 개선하기 위해 불필요하게 많은 벤치마킹을 피하면서도 적절한 수준에서 벤치마킹 대상을 결정하기 위한 새로운 방법으로 SOM기법을 조합하여 투입 요소 유사성에 따른 단계적 벤치마킹 경로 선택 방법을 제안하였다.

본 연구에서 개발할 ‘계층적 DEA 기법’은 DEA의 학문적 발전에 공헌할 수 있을 것으로 기대된다. DEA는 1978년 Charnes 등에 의해 개발된 이후 이론적 발전과 함께 놀라울 정도로 다양한 분야에서 활용되어져 왔다. 그러나 DEA 방법론 자체가 가지는 근본적인 한계점으로 ...

본 연구에서 개발할 ‘계층적 DEA 기법’은 DEA의 학문적 발전에 공헌할 수 있을 것으로 기대된다. DEA는 1978년 Charnes 등에 의해 개발된 이후 이론적 발전과 함께 놀라울 정도로 다양한 분야에서 활용되어져 왔다. 그러나 DEA 방법론 자체가 가지는 근본적인 한계점으로 인해 비판을 받아왔고 응용 범위에 제한이 있었던 점도 사실이다. 본 연구에서는 이러한 DEA 방법론의 한계점에 주목하고, 그에 대한 해결 방안으로 ‘계층적 DEA 기법’을 개발하였다.
‘계층적 DEA 기법’의 이론적 모형이 성공적으로 개발되고 다양한 응용 연구를 통해 검증되었기 때문에, DEA 방법론이 가지는 한계점을 극복하고 그 응용의 지평을 크게 넓힐 수 있으리라 기대된다. 또한 이를 토대로 DEA 방법론의 이론적 확장도 가능하리라 판단되는데, 특히 본 연구에서 시도하는 데이터마이닝 도구와의 결합 연구는 새로운 이론적 영역을 낳을 수도 있을 것으로 기대된다.
본 연구에서 수행한 ‘계층적 DEA 기법’의 응용 연구가 실질적으로 활용 가능한 모형이 될 것으로 기대된다. 즉, 금융기관에서 기업의 신용을 평가하거나 가치를 평가할 때 DEA를 활용한 보다 타당하고 효과적인 평가 모형을 활용할 수 있게 될 것이다. 또한, 평가 대상인 기업들은 자신의 신용도나 가치를 제고하기 위해 어떤 효율성에 집중하고 우선순위를 두어야 할이지 효율적으로 판단할 수 있어 투자 효율성을 높일 수 있을 것이다.