یک مدل جامع ترکیبی NDEA-BSC و شبکه عصبی جدید برای پیش بینی شاخصهای عملکردی سازمانی

نویسندگان
doi
10.22105/dmor.2020.254632.1243
چکیده

هدف: استراتژی اصلی‌ترین منبع رشد بلندمدت سازمان‌ها می‌باشد و در صورت عدم اجرای موفق استراتژی، حتی اگر استراتژی‌های مناسبی اتخاذشده باشد این فرآیند بیهوده است. هدف این مقاله پیشنهاد یک مدل جامع ترکیبی را برای پیش‌بینی شاخص‏های عملکردی سازمانی است. روش‌شناسی پژوهش: به منظور رسیدن به هدف پژوهش، ابتدا از کارت امتیازی متوازن به‌عنوان ابزاری برای طراحی شاخص‌های ارزیابی عملکرد و از تحلیل پوششی داده‌های شبکه‌ای به‌عنوان ابزاری برای ارزیابی عملکرد استفاده شده است. سپس با استفاده از تطبیق شاخص بهره‌وری مالمکوئیست با مدل ترکیبی مذکور، به ارائه مدل پیشرفت و پسرفت سازمان‌ها طی دو دوره متوالی پرداخته می‌شود. سرانجام با ترکیب مدل‏های پیشنهادی و شبکه‏های عصبی مصنوعی راهکاری را برای ارزیابی عملکرد 500 شعبه بانک و نیز تشخیص پیشرفت و پسرفت آن‌ها ارائه می‏گردد. یافته‌ها: نتایج به‌دست‌آمده نشان‌دهنده دقت مناسب و زمان محاسباتی کمتر مدل‏های ترکیبی پیشنهادی است. اصالت/دانش‌افزایی علمی: پژوهش حاضر با ارائه یک مدل ترکیبی با استفاده از تحلیل پوششی داده‌های شبکه‌ای و کارت امتیازی متوازن می‌تواند به دانش موجود در خصوص ارزیابی عملکرد بنگاه‌های اقتصادی بیافزاید و روش‌های پیشنهادی می‌توانند ابزارهای نوید‌بخشی برای ارزیابی عملکرد سازمان‌ها، به‌خصوص داده‏های بزرگ باشند.