Кіріспе
Операциялық зерттеулер мен экономикадағы әдіс. Деректерді қоршауды талдау (DEA) – өндіріс шекараларын бағалауға арналған операциялық зерттеулер мен экономикадағы параметрлік емес әдіс. DEA халықаралық банк ісі, экономикалық тұрақтылық, полиция бөлімдерінің жұмысы және логистикалық қолданыстар сияқты кең ауқымды салаларда қолданылған. Бұдан өзге, DEA табиғи тілді өңдеу модельдерінің тиімділігін бағалау үшін пайдаланылды және машиналық оқыту саласында да қолданыс тапты.
Data envelopment analysis (DEA) is a nonparametric method in operations research and economics for the estimation of production frontiers. DEA has been applied in a large range of fields including international banking, economic sustainability, police department operations, and logistical applications Additionally, DEA has been used to assess the performance of natural language processing models, and it has found other applications within machine learning.
Сипаттама
ДЭА шешім қабылдау бірліктерінің (ШҚБ) өнімділік тиімділігін эмпирикалық түрде өлшеу үшін қолданылады. ДЭА экономикадағы өндіріс теориясымен тығыз байланысты болғанымен, бұл әдіс операциялық басқарудағы бенчмаркинг үшін де қолданылады, онда өндіріс және қызмет көрсету операцияларының көрсеткіштерін салыстыру үшін шаралар жиынтығы таңдалады. Бенчмаркинг кезінде ДЭА анықтаған тиімді ШҚБ міндетті түрде "өндіріс шекарасын" құрмай, керісінше "ең жақсы тәжірибе шекарасына" алып келуі мүмкін. Өндіріс немесе шығын функциясын алдын ала анықтауды талап ететін параметрлік әдістерден өзгеше, параметрлік емес тәсілдер қолданылатын деректерге сүйене отырып, мүмкін болатын кіріс және шығыс комбинацияларын салыстырады. ДЭА, ең көп қолданылатын параметрлік емес әдістердің бірі, деректер жиынтығының тиімді ШҚБ-ның қоршау қасиетіне байланысты осылай аталады, мұнда эмпирикалық түрде байқалған ең тиімді ШҚБ барлық ШҚБ-мен салыстырылатын өндіріс шекарасын құрайды. ДЭА-ның танымалдылығы салыстырмалы түрде аз болжамдарға, көп өлшемді кірістер мен шығыстарды бенчмаркингтеу мүмкіндігіне, сондай-ақ тиімділік коэффициенттерін есептеу міндетіне қарамастан, оны сызықтық бағдарлама ретінде бейнелеуге болатын есептеудің қарапайымдығына байланысты.
In contrast to parametric methods that require the ex ante specification of a production or cost function, non parametric approaches compare feasible input and output combinations based on the available data only. DEA, one of the most commonly used non parametric methods, owes its name to its enveloping property of the dataset's efficient DMUs, where the empirically observed, most efficient DMUs constitute the production frontier against which all DMUs are compared. DEA's popularity stems from its relative lack of assumptions, the ability to benchmark multi dimensional inputs and outputs as well as its computational ease owing to it being expressable as a linear program, despite its task to calculate efficiency ratios.