Glossar · approach
Data Envelopment Analysis
Nichtparametrische LP-basierte Frontier-Effizienz-Methode, die die relative technische Effizienz ähnlicher Einheiten (DMUs) misst, die mit mehreren Inputs und Outputs arbeiten.
DEADatenumhüllungsanalyseCCR-ModellBCC-Modell
Data Envelopment Analysis (DEA) ist die nichtparametrische LP-basierte Frontier-Effizienz-Methode, begründet durch Charnes-Cooper-Rhodes (1978), die die relative technische Effizienz einer Menge von Decision Making Units (DMUs) misst — typischerweise Organisationseinheiten wie Bankfilialen, Krankenhäusern, Schulen oder landwirtschaftliche Betriebe — die mehrere Inputs verbrauchen, um mehrere Outputs zu erzeugen. Ausgabe: ein Effizienzscore zwischen 0 und 1 je DMU plus eine Menge effizienter Peer-Benchmarks für die ineffizienten. Zwei Kernvarianten: **CCR** (Charnes-Cooper-Rhodes 1978) Constant Returns to Scale; **BCC** (Banker-Charnes-Cooper 1984) Variable Returns to Scale, zerlegt technische + Skalen-Effizienz. Moderne Erweiterungen: SBM (Tone 2001 — slack-basiert, nichtradial), Super-Effizienz (Andersen-Petersen 1993 — Ranking unter Effizienten), Malmquist-Produktivitätsindex (zeitabhängige Dynamik), Tobit-Regression / Simar-Wilson (2007) Bootstrap (Zweistufen-Determinantenanalyse). Kanonische Quellen: Charnes-Cooper-Rhodes (1978) grundlegend + Cooper-Seiford-Tone (2007) Lehrbuch + Cook-Seiford (2009) 30-Jahres-Zusammenfassung.
Örnek
Eine Bank lässt DEA-CCR + BCC parallel auf ihren 200 Filialen mit 5 Inputs (Personal, Fläche, Computer, Miete, IT) und 4 Outputs (Einlagen, Kredite, Kunden, Erträge) laufen; 60 Filialen kommen voll effizient heraus (Score 1), 140 sind ineffizient; ein Peer-Benchmark-Bericht wird für die ineffizienten Filialen erzeugt (z.B. Filiale X bei 0,74 Effizienz, Peers Y und Z); die Slack-Analyse liefert Verbesserungsziele.