ارزیابی کارایی برای مجموعه دادههای حجیم بر اساس از تحلیل پوششی دادهها

برای اندازهگیری کارایی، روشهای متعددی وجود دارد؛ در میان آنها، روش تحلیل پوششی دادههادلیل استفاده از فنون ریاضی، اجتناب از شیوههای ذهنی و سلیقهای و داشتن صحت بالا در نتیجهگیری، در دهههای اخیر جایگاه علمی ویژهای داشتهرا میتوان با تعداد محدودی از متغیرها و قیود خطی حل کرد ولی ارزیابی کارایی در صورت وجود دادههای حجیم، با dea است. مدلهای سنتیمشکلات زیادی را برای محققان به وجود آورده است. به عنوان مثال تعداد زیاد واحدها در دادههای حجیم، یکی از مشکلات اساسی d.ea استفاده ازمیباشد، زیرا ممکن است مقدار زمان برای ارزیابی کارایی تمام واحدها عملی نباشد، بنابراین روشهای کاهش زمان حل برای اینچنین مسائلی عملاًمفید است.در این مقاله به ارزیابی کارایی واحدهای تصمیمگیری با مقیاس زیاد پرداخته میشود. برای این منظور الگوریتمها و روشهایی را برای سرعت بخشیدنبه پردازش محاسبات در محیط دادههای حجیم مورد بررسی قرار میدهیم، که در مدت زمان کمتری نسبت به روشهای قبلی، کارایی واحدها رامحاسبه میکند. در انتها به منظور نشان دادن قابلیت بالای الگوریتم ارائه شده، این الگوریتم را روی دادههای واقعی مربوط به 1800 شعبه از بانک ملیاجرا کرده و نتایج عددی به دست آمده توسط نرمافزار متلب را با روشهای قبلی مورد مقایسه قرار میدهیم. که نتایج به دست آمده نشان میدهدبه طور قابل ملاحظهای سرعت میبخشد. dea استفاده از الگوریتمهای ارائه شده، پردازش محاسبات را نسبت به روشهای سنتی