ارائه یک روش ترکیبی از تحلیل پوششی داده ها و داده کاوی جهت ارزیابی واحدهای تصمیم گیرنده

کارایی از موضوع‌های مهمی است که علاوه بر مدیران شرکت‌ها و سازمان‌های مختلف، مشتریان استفاده‌کننده از خدمات این شرکت‌ها و سازمان‌ها نیز به آن علاقه‌مند هستند. هدف این پژوهش، بررسی کارایی شرکت‌های داروسازی پذیرفته‌شده در سازمان بورس اوراق بهادار با استفاده از تحلیل پوششی داده‌ها و سپس ارائه قواعدی با استفاده از داده کاوی است. شاخص مالم کوئیست با امکان‌پذیر ساختن ترکیب مشاهدات سری زمانی و مقطعی، تا حدودی مشکل ناکافی بودن مشاهدات را برطرف می‌کند و برای‌ یافتن روندهای عملکرد‌ یک واحد در طول زمان مفید است. در این پژوهش، ارزیابی کارایی 22 شرکت داروسازی پذیرفته‌شده در سازمان بورس اوراق بهادار با توجه به ورودی‌ها و خروجی‌ها و با استفاده از شاخص مالم کوئیست ورودی محور در طول سال‌های 1395-1391 صورت گرفته است و سپس نتایج حاصل از آن به عنوان برچسب دسته واحدهای تصمیم‌گیرنده که در واقع ورودی روش درخت تصمیم است، مورد استفاده قرار می‌گیرند. درنهایت، با استفاده از درخت تصمیم، قواعد مستتر در داده‌ها استخراج می‌شود.

Provide a Data Envelopment Analysis/Data Mining Integrated Model for Evaluation of Decision-making Units

Efficiency is an important issue for the managers of different companies and organizations, as well as customers who are interested in services of these companies and organizations. The aim of this research is to study the efficiency of pharmaceutical companies accepted in stock exchange organization using Data Envelopment Analysis (DEA) and then, providing some rules using the decision tree. The Malmquist index partly resolves the problem of inadequacy of the observations by enabling the combination of timeseries and crosssectional observations. This method acts on the basis of moving average and it is of use for finding performance trends of a unit during the time. In this research, regarding the inputs and outputs and using the Malmquist index, efficiency evaluation of 22 pharmaceutical companies accepted in stock exchange organization has been done in the state of constant returns to scale during 20122016, and the results obtained were used as the class label of DecisionMaking Units (DMUs) which are in fact inputs of decision tree method. Finally, using the decision tree, rules implicit in the data, are extracted.