자료포락분석에서 타깃 탐색을 위한 프런티어 분석

Abstract

DEA(Data envelopment analysis, 자료포락분석)는 대표적인 비모수(non-parametric) 기반의 DMU(decision-making units, 의사결정단위)들의 상대적 효율성 평가 기법이다. DEA에서 투입 대비 최대의 산출을 보이는 DMU는 프런티어(frontier)에 속하는 효율적 DMU이며 그 외의 DMU는 비효율적 DMU로 구분된다. 한편, 전통적인 DEA 모형에서 프런티어와 효율적 DMU는 주로 효율성 측정의 기준 또는 비효율적 DMU들의 효율성 개선을 위한 궁극적 벤치마킹 타깃으로 다뤄졌으며, 프런티어나 이에 속한 효율적 DMU들의 차별화와 이들의 향후 타깃 탐색에 대한 연구는 상대적으로 미비한 실정이다. 이에 본 연구는 DMU의 분포 특징을 반영해 DEA 기반의 평가와 계획 수립에 실용적으로 활용될 수 있는 효율적 DMU들의 차별화 방법을 개발하고 프런티어의 외부 영역에서 성과 향상을 위한 타깃을 탐색 방법을 제안하여 효율적 DMU들의 미래 타깃을 예측하는 것을 목적으로 한다. 효율적 DMU들의 차별화와 관련하여 본 연구에서는 비효율적 DMU들의 벤치마킹 타깃으로서 중요도를 반영해 효율적 DMU들의 위치적 우수성을 평가하는 순위 결정 방법과 프런티어 DMU들의 성과 성향 별 비프런티어(non-frontier) DMU들의 성과 수준 분포를 활용한 차별화 방법을 소개하였으며, 효율적 DMU들의 타깃 예측과 관련하여 프런티어 외부의 타깃 탐색 위해 프런티어를 바라보는 새로운 관점을 제안하고 이를 바탕으로 고안된 프런티어 향상(lift-up) 전략 기반의 프런티어 외부의 타깃 탐색 방법을 제안하였다. 본 연구는 기존 효율적 DMU들의 차별화 방법에서 확인할 수 없었던 비효율적 DMU의 분포 특징을 반영하여 전략적 방향성 설정과 같은 의사결정문제에 유용하게 사용될 수 있는 실용적 정보를 도출할 수 있는 방법을 제안하였다는데 의의가 있으며 제안된 프런티어에 대한 새로운 접근법과 프런티어 외부의 타깃 탐색 방법은 프런티어 내부 영역에서 타깃을 설정하였던 기존 DEA 기반의 타깃 탐색 분야에 새로운 방법론적 기회를 제공할 것으로 기대된다.; DEA(Data envelopment analysis) is a representative non-parametric technique for assessing the relative efficiency of DMUs(decision-making units). A set of all producible points in the DEA is defined as the PPS(production possibility set) and the set of points corresponding to the boundary of the PPS is defined as a frontier. DMUs located on the frontier are classified as 'efficient DMUs' or ‘frontier DMUs’, and all others are classified as 'inefficient DMUs' or ‘non-frontier DMUs’. In conventional DEA, all the efficient DMUs have same efficiency score of 1, and thus, it is difficult to discriminate their performance. Also, since DEA-based target search for efficiency-and-productivity improvement of DMUs is mainly performed within the PPS. Therefore, there is a limitation to provide a target for efficient DMUs who are already located on the boundary of the PPS. This dissertation aims to propose two discriminating methods of efficient DMUs and develop a method to explore and identify future targets positioned outer region of the frontier. We proposed a dominance value-based ranking method, which evaluates the positional superiority of efficient DMUs in consideration of their benchmarking importance, and the other discriminating method proposed in this study discriminates frontier DMUs using their superiority compared to non-frontier DMUs with similar performance characteristics. Also, we proposed a new perspective on the frontier and proposed the target discovery method which explores future targets of efficient DMUs in outside the frontier using frontier lift-up strategy. Two proposed discriminating methods of efficient DMUs can provide useful information on efficient DMUs that can be used for strategic benchmarking target selection for inefficient DMUs and facilitate the understanding of the overall distribution characteristics of DMUs. The new perspective on the frontier and the target discovery are expected to provide a new methodological opportunity for the DEAbased target search field by expanding the target search space to the outer region of the frontier.