ارزیابی و سنجش کارآیی شعب بیمه با استفاده از روش تحلیل پوششی داده‌ها (مطالعه موردی: شعب شرکت بیمه ایران در استان‌های جنوبی کشور)
الموضوعات :محمود دانیالی ده حوض 1 , سعیده کتابی 2
1 - عضو هیأت علمی (مربی)دانشگاه آزاد اسلامی، واحد ایذه، دانشجوی دکتری مدیریت بازرگانی دانشگاه اصفهان
2 - عضو هیأت علمی (دانشیار)دانشگاه اصفهان، اصفهان-ایران
الکلمات المفتاحية: تحلیل پوششی داده ها, سنجش کارآیی, شعب بیمه ایران,
ملخص المقالة :
ارزیابی و سنجش کارآیی سازمان همواره یکی از دغدغه های محققان بوده است و از این رو روشها و تکنیک های متعددی در طول سالیان متمادی برای انجام این مهم مطرح و مورد استفاده قرار گرفته است. یکی از این تکنیک ها که به وفور از آن استفاده و سهم بالایی در تحقیقات مختلف حوزه های علمی مرتبط با سنجش و ارزیابی دارد، تکنیک تحلیل پوششی داده ها[1] است. از طرف دیگر صنعت بیمه بعنوان یک صنعت رو به رشد در کشور، مورد توجه فراوان محققان و مدیران است. از بین مسایل مختلف و متنوع این حوزه از صنعت، همواره مساله سنجش و ارزیابی کارآیی و عملکرد واحدها و شعب آن مورد عنایت صاحبنظران این حوزه بوده، چرا که با تعیین میزان کارایی و تعیین مقدارکمی آن و مقایسه آن در شعب و واحدهای مختلفمی توان راهکارهای مختلف افزایش کارایی شعب بیمه را بررسی نموده و در جهت بهبود آن گام های موثری برداشت. مطالعه حاضر با استفاده از روش تحلیل پوششی داده ها به بررسی و سنجش کارآیی شعب بیمه (شعب شرکت بیمه ایران در استان های جنوبی کشور) پرداخته و پس از برشماری شعب کارا و ناکارا به کمک تکنیک های مربوطه، به معرفی عوامل ناکارا بودن شعب ناکارا و ارایه پیشنهادات و راهکارهای کاربردی برای بهبود عملکرد این واحدها اشاره نموده است. برای تجزیه و تحلیل داده ها از نرم افزار WINQSB استفاده شده است 3- DEA
Banker, R.D. Charnes, A., Cooper, W.W., (1984), Models forEstimating Technical Scale Efficiencies in Data EnvelopmentAnalysis, Management Science, Vol.30, P1078-1092.
Bowlin, W.F (1998) Measuring Performance: an Introduction toData Envelopment Analysis, Journal of cost analysis
Charnes, A., Cooper, W.W., Rhodes (1984), Measuring theEfficiency of Decision Making Units, Journal of Operation ResearchNo.2, P 429-444.
Cummins. J.D., H. Zi,(1999),” Comparison of frontier efficiency methods: an application to the US life insurance industry”, Journal of Productivity Analysis No 10.pp 131–152.
Cooper, W.W. L.M. Seiford, K. Tone, Data Envelopment Analysis, (2000),” A comprehensive Text with Models, Applications, References andDEA-Solver Software”, Kluwer Academic Publisher.
Charnes. A., C.T. Clark, W.W. Cooper, B. Golany,(1985),”A development study of data envelopment analysis in measuring the efficiency ofmaintenance units in the US air forces”., Annuals of Operations Research 2,pp 95–112.
Cooper, W.W., Deng, H. Huang, Z.M. (2002), A Non-ModelApproach to Congestion in Data Envelopment Analysis, Socio-Economic Planning Sciences, No.36, pp231-238.
Daneshvar, M., Azar, A., & Zali, M. R. (2006). Designing a Performance Evaluation Model for Insurance Branches Using Data Envelopment Analysis (Case Study: Dana Insurance). Journal of Humanities and Social Sciences, 6(23), (In Persian).
Falah, M. (2007). Assessing the Effectiveness of Insurance Branch Branches by Data Envelopment Analysis. New World Insurers, 115 & 116, (In Persian).
Fecher. F., D. Kessler, S. Perelman, P. Pestieau,(1993),” Productive performance of the French insurance industry, Journal of Productivity Analysis 4, 77–93.
Gardner. L.A., M.F. Grace, (1993),”X-efficiency in the US life insurance industry, Journal of Banking and Finance 17, 497–510.
Hannah.E, V. Yeung,(1998),” Report of the Task Force on the Future of the Canadian Financial Services Sector”, Financial Regulation Report, London, October.
Imami Meybodi, A. (2000). Principles of Measurement of Efficiency and Productivity. Tehran: Institute for Business Studies and Research, (In Persian).
Javaher Dashti, F. (2004). Examining the Country's Insurance Industry from the Past to the Present Day. Tadbir Monthly, 147, (In Persian).
Rezaei, A. (1999). Performance Evaluation of Performance of Insurance Companies Branches by Data Envelopment Analysis. Insurance Research Journal, 54. 34-45, (In Persian).
Yuengert. A.M., (1993), “The measurementof efficiency in life insurance: estimates of a mixed normal-gamma error model, Journal of Banking and Finance 17 ,483–496
_||_Banker, R.D. Charnes, A., Cooper, W.W., (1984), Models forEstimating Technical Scale Efficiencies in Data EnvelopmentAnalysis, Management Science, Vol.30, P1078-1092.
Bowlin, W.F (1998) Measuring Performance: an Introduction toData Envelopment Analysis, Journal of cost analysis
Charnes, A., Cooper, W.W., Rhodes (1984), Measuring theEfficiency of Decision Making Units, Journal of Operation ResearchNo.2, P 429-444.
Cummins. J.D., H. Zi,(1999),” Comparison of frontier efficiency methods: an application to the US life insurance industry”, Journal of Productivity Analysis No 10.pp 131–152.
Cooper, W.W. L.M. Seiford, K. Tone, Data Envelopment Analysis, (2000),” A comprehensive Text with Models, Applications, References andDEA-Solver Software”, Kluwer Academic Publisher.
Charnes. A., C.T. Clark, W.W. Cooper, B. Golany,(1985),”A development study of data envelopment analysis in measuring the efficiency ofmaintenance units in the US air forces”., Annuals of Operations Research 2,pp 95–112.
Cooper, W.W., Deng, H. Huang, Z.M. (2002), A Non-ModelApproach to Congestion in Data Envelopment Analysis, Socio-Economic Planning Sciences, No.36, pp231-238.
Daneshvar, M., Azar, A., & Zali, M. R. (2006). Designing a Performance Evaluation Model for Insurance Branches Using Data Envelopment Analysis (Case Study: Dana Insurance). Journal of Humanities and Social Sciences, 6(23), (In Persian).
Falah, M. (2007). Assessing the Effectiveness of Insurance Branch Branches by Data Envelopment Analysis. New World Insurers, 115 & 116, (In Persian).
Fecher. F., D. Kessler, S. Perelman, P. Pestieau,(1993),” Productive performance of the French insurance industry, Journal of Productivity Analysis 4, 77–93.
Gardner. L.A., M.F. Grace, (1993),”X-efficiency in the US life insurance industry, Journal of Banking and Finance 17, 497–510.
Hannah.E, V. Yeung,(1998),” Report of the Task Force on the Future of the Canadian Financial Services Sector”, Financial Regulation Report, London, October.
Imami Meybodi, A. (2000). Principles of Measurement of Efficiency and Productivity. Tehran: Institute for Business Studies and Research, (In Persian).
Javaher Dashti, F. (2004). Examining the Country's Insurance Industry from the Past to the Present Day. Tadbir Monthly, 147, (In Persian).
Rezaei, A. (1999). Performance Evaluation of Performance of Insurance Companies Branches by Data Envelopment Analysis. Insurance Research Journal, 54. 34-45, (In Persian).
Yuengert. A.M., (1993), “The measurementof efficiency in life insurance: estimates of a mixed normal-gamma error model, Journal of Banking and Finance 17 ,483–496
