Glosario · approach
Data Envelopment Analysis
Método no paramétrico basado en LP de eficiencia de frontera que mide la eficiencia técnica relativa de unidades similares (DMU) que operan con múltiples entradas y salidas.
DEAAnálisis Envolvente de DatosModelo CCRModelo BCC
El Análisis Envolvente de Datos (Data Envelopment Analysis — DEA) es el método no paramétrico basado en LP de eficiencia de frontera, fundado por Charnes-Cooper-Rhodes (1978), que mide la eficiencia técnica relativa de un conjunto de Decision Making Units (DMU) — típicamente unidades organizativas como sucursales bancarias, hospitales, escuelas o explotaciones agrícolas — que consumen múltiples entradas para producir múltiples salidas. Salida: un puntaje de eficiencia entre 0 y 1 por DMU más un conjunto de peer-benchmarks eficientes para las ineficientes. Dos variantes centrales: **CCR** (Charnes-Cooper-Rhodes 1978) constant returns to scale; **BCC** (Banker-Charnes-Cooper 1984) variable returns to scale, descomponiendo eficiencia técnica + de escala. Extensiones modernas: SBM (Tone 2001 — slack-based, no radial), super-eficiencia (Andersen-Petersen 1993 — ranking entre eficientes), índice de productividad Malmquist (dinámica dependiente del tiempo), regresión Tobit / Simar-Wilson (2007) bootstrap (análisis de determinantes de segunda etapa). Fuentes canónicas: Charnes-Cooper-Rhodes (1978) fundacional + Cooper-Seiford-Tone (2007) libro de texto + Cook-Seiford (2009) resumen 30 años.
Örnek
Un banco ejecuta DEA-CCR + BCC en paralelo sobre sus 200 sucursales con 5 entradas (plantilla, espacio, ordenadores, alquiler, IT) y 4 salidas (depósitos, créditos, clientes, ingresos); 60 sucursales salen totalmente eficientes (puntaje 1), 140 son ineficientes; se produce un informe peer-benchmark para las sucursales ineficientes (p. ej. sucursal X en 0,74 de eficiencia, peers Y y Z); el análisis de slack da metas de mejora.