Glossario · approach
Data Envelopment Analysis
Metodo non parametrico LP-based di efficienza di frontiera che misura l'efficienza tecnica relativa di unità simili (DMU) operanti con più input e più output.
DEAAnalisi di Inviluppo dei DatiModello CCRModello BCC
L'Analisi di Inviluppo dei Dati (Data Envelopment Analysis — DEA) è il metodo non parametrico LP-based di efficienza di frontiera, fondato da Charnes-Cooper-Rhodes (1978), che misura l'efficienza tecnica relativa di un insieme di Decision Making Units (DMU) — tipicamente unità organizzative come filiali bancarie, ospedali, scuole o aziende agricole — che consumano più input per produrre più output. Output: un punteggio di efficienza tra 0 e 1 per DMU più un insieme di peer-benchmark efficienti per le inefficienti. Due varianti centrali: **CCR** (Charnes-Cooper-Rhodes 1978) constant returns to scale; **BCC** (Banker-Charnes-Cooper 1984) variable returns to scale, scompone efficienza tecnica + di scala. Estensioni moderne: SBM (Tone 2001 — slack-based, non radiale), super-efficienza (Andersen-Petersen 1993 — ranking tra efficienti), indice di produttività Malmquist (dinamica dipendente dal tempo), regressione Tobit / Simar-Wilson (2007) bootstrap (analisi dei determinanti di seconda fase). Fonti canoniche: Charnes-Cooper-Rhodes (1978) fondazionale + Cooper-Seiford-Tone (2007) testo canonico + Cook-Seiford (2009) riepilogo trentennale.
Örnek
Una banca esegue DEA-CCR + BCC in parallelo sulle sue 200 filiali con 5 input (personale, spazio, computer, affitto, IT) e 4 output (depositi, prestiti, clienti, ricavi); 60 filiali risultano pienamente efficienti (punteggio 1), 140 inefficienti; un report peer-benchmark viene prodotto per le filiali inefficienti (p.es. filiale X a 0,74 di efficienza, peer Y e Z); l'analisi degli slack fornisce obiettivi di miglioramento.