Đo hiệu quả doanh nghiệp bằng phân tích bao dữ liệu (DEA)
Giới thiệu dễ hiểu về DEA, một trong những phương pháp mình dùng để so sánh hiệu quả hoạt động và sức hấp dẫn đầu tư của doanh nghiệp, cùng những gì nó làm được và chưa làm được.
Một phần công việc của mình ở Digital Empowerment Lab là dùng phân tích dữ liệu và các mô hình DEA để đánh giá hiệu quả hoạt động và sức hấp dẫn đầu tư của doanh nghiệp. Mỗi lần kể về nghiên cứu, DEA gần như lúc nào cũng được hỏi tới, nên mình viết bài này cho những ai chưa quen với vận trù học.
DEA là gì
Phân tích bao dữ liệu (Data Envelopment Analysis, DEA) là phương pháp phi tham số, dựa trên quy hoạch tuyến tính, dùng để so sánh hiệu quả tương đối giữa một nhóm đơn vị tương tự nhau. Trong DEA, các đơn vị này gọi là đơn vị ra quyết định (decision-making unit, DMU). DMU có thể là một doanh nghiệp, một chi nhánh ngân hàng, một bệnh viện, một trường học, hay bất kỳ đơn vị nào biến đầu vào thành đầu ra.
Điểm hấp dẫn của DEA là xử lý được nhiều đầu vào và nhiều đầu ra cùng lúc, mà không cần biết trước công thức liên hệ giữa chúng. Đầu vào có thể là nhân sự, tài sản, chi phí; đầu ra có thể là doanh thu, lợi nhuận hay số khách hàng được phục vụ.
Hiểu theo trực giác
DEA xét tất cả các đơn vị cùng lúc và dựng nên một "đường biên thực hành tốt nhất" từ những đơn vị chuyển đầu vào thành đầu ra hiệu quả nhất. Đơn vị nằm trên đường biên có điểm hiệu quả bằng 1. Đơn vị nằm dưới nhận điểm thấp hơn, cho thấy nó cách những đơn vị tốt nhất trong cùng nhóm bao xa.
Có hai điều cần nhớ:
- Điểm số là tương đối. Một đơn vị hiệu quả là so với các đơn vị khác trong mẫu, chứ không so với một chuẩn tuyệt đối nào.
- Vì là phương pháp phi tham số, DEA không giả định trước một hàm sản xuất cụ thể. Chính dữ liệu định hình đường biên.
CCR và BCC
Hai mô hình kinh điển là:
- CCR, theo tên Charnes, Cooper và Rhodes (1978), giả định lợi suất không đổi theo quy mô: tăng gấp đôi đầu vào thì đầu ra cũng gấp đôi.
- BCC, theo tên Banker, Charnes và Cooper (1984), cho phép lợi suất thay đổi theo quy mô, để đơn vị nhỏ và đơn vị lớn không bị đo bằng cùng một cây thước.
Đặt hai mô hình cạnh nhau giúp tách phần kém hiệu quả do cách quản lý khỏi phần kém hiệu quả do quy mô.
Vì sao mình thấy nó hữu ích
Nghiên cứu của mình hỏi về mối liên hệ giữa công nghệ, chuyển đổi số và hiệu quả của doanh nghiệp. DEA hợp với câu hỏi đó vì hiệu quả doanh nghiệp có nhiều chiều, và vì so doanh nghiệp với các đơn vị cùng nhóm thường có ý nghĩa hơn so với một hình mẫu lý tưởng trừu tượng. DEA cũng có thể kết hợp với các bước phân tích khác, chẳng hạn để tìm hiểu yếu tố nào đi kèm với hiệu quả cao hay thấp.
Giới hạn của DEA
DEA không phải phép màu. Kết quả phụ thuộc rất nhiều vào việc chọn đầu vào, đầu ra nào và đưa những đơn vị nào vào mẫu. Giá trị ngoại lai hay dữ liệu sai có thể làm lệch đường biên. Và điểm hiệu quả chỉ cho biết một đơn vị đang đứng ở đâu, chứ không giải thích vì sao. Chọn biến cẩn thận và thẳng thắn với những giới hạn này cũng là một phần của công việc.
Phần tiếp theo
Mình sẽ viết thêm về cách mình áp dụng DEA khi các nghiên cứu liên quan được công bố. Nếu bạn cũng làm với DEA, hoặc có bộ dữ liệu mà DEA có thể giúp ích, mình luôn sẵn lòng trao đổi.
Ảnh: chris810 trên Pixabay, sử dụng theo Giấy phép Nội dung Pixabay. Đây không phải ảnh do mình chụp.
Liên quan
3 phút đọcLĩnh vực nghiên cứu
Lượt xem: 1Chuyển đổi số, đổi mới số và năng lực cạnh tranh của doanh nghiệp
Số hóa, ứng dụng số và chuyển đổi số hay bị dùng như một. Đây là cách mình phân biệt chúng, và những câu hỏi về năng lực cạnh tranh mà mình quan tâm.
3 phút đọcLĩnh vực nghiên cứu
Lượt xem: 1Servitization số: khi sản phẩm dần trở thành dịch vụ
Một trong những hướng nghiên cứu chính của mình: doanh nghiệp chuyển từ bán sản phẩm sang bán giải pháp, và công nghệ số thay đổi gì trong quá trình đó.