ارزیابی عملکرد دستگاه های خودپرداز با رویکرد تحلیل پوششی داده ها (DEA)- مطالعه موردی: بانک سپه تهران

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,354

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMI01_074

تاریخ نمایه سازی: 20 دی 1394

چکیده مقاله:

در دنیای رقابتی امروزی، بانک ها نیز همانند سایر ارگان ها به عرصه رقابت پا نهاده و به سمت جذب مشتریان جدید و نگهداری مشتریان کنونی حرکت نموده اند. آن ها با ارائه خدماتی جدید، با کیفیت، متنوع و به موقع سعی در پیشی گرفتن از رقبای خود دارند. در این میان، ارائه سرویس های بانکی بر روی دستگاه های خودپرداز از چنین خدماتی محسوب می شوند. دستگاه های خودپرداز تغییراتی را در ارائه خدمات بانکی پدید آورده اند که برخی صاحب نظران این تغییر را یک انقلاب در عرصه بانکی دانسته اند. هزینه های صرف شده به منظور ارائه خدمات به ازای هر دستگاه خودپرداز از جمله خرید، نصب، راه اندازی و سایر هزینه های عملیاتی از یک سو و سودآوری و رضایتمندی مشتریان از سویی دیگر موجب شده است تا موضوع ارزیابی کارایی دستگاه های خودپرداز حائز اهمیت شده و مرکز توجه بسیاری از بانک ها قرار گیرد. مدل تحلیل پوششی داده ها یک روش ناپارامتریک برای اندازه گیری کارایی فنی و عملکرد مجموعه ای از واحدها است. پژوهش حاضر با توجه به اهمیت سنجش کارایی دستگاه های خودپرداز و با استفاده از مدل CCR مضربی ورودی محور، در صدد است تا کارایی این دستگاه ها را بر حسب هزینه ها و درآمدهای مربوطه اندازه گیری نماید. در این تحقیق، بر اساس داده های جمع آوری شده، کارایی 150 دستگاه خودپرداز منصوبه بانک سپه در شهر تهران مورد بررسی قرار گرفته و راه کارهایی برای بهبود دستگاه های ناکارآمد به مدیران مربوطه پیشنهاد شده است.

کلیدواژه ها:

نویسندگان

سجاد شکوهیار

عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی، دکتری صنایع، مدیریت فناوری اطلاعات،دانشکده مدیریت و حسابداری

آزاده کریمی صفت

دانشجو، کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری دانشگاه شهید بهشتی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :