کاربرد سیستم اطلاعات جغرافیایی در ارزیابی رشد بهره‌وری مراکز فروش با رویکرد شاخص بهره‌وری مالم کوئیست

نوع مقاله: مقاله پژوهشی

نویسنده

استادیار گروه مدیریت، دانشگاه زنجان، زنجان ،ایران

چکیده

ارزیابی رشد کارایی و بهره‌وری در صورت برخورداری از یک مکانیزم معتبر، ملاک مهمی در ارزیابی عملکرد مدیریت به شمار می‌رود. شاخص بهره‌وری مالم کوئیست و سیستم اطلاعات جغرافیایی، فنونی هستند که تلفیق آنها می‌تواند رویکردی فراگیر در ارزیابی عملکرد واحدهای تصمیم‌گیری وابسته به موقعیت جغرافیایی پدید آورد؛ بنابراین در این تحقیق، از این رویکرد برای ارزیابی عملکرد رشد بهره‌وری مراکز فروش یک شرکت ایرانی استفاده شد. بدین معنی که در مدل ریاضی طراحی‌شده علاوه بر متغیرهای متعارف سنجش کارایی و بهره‌وری، از متغیرهای گرفته‌شده از سیستم اطلاعات جغرافیایی مشتمل بر جمعیت منطقه و تعداد فروشگاه‌های رقیب نیز استفاده شد. نتایج حاصل از مدل نشان داد بیشترین بهبود در بهره‌وری کل متعلق به فروشگاه 2 با 7/24درصد رشد است که جزء فروشگاه‌های ناکارآمد در طبقه‌بندی کلی ارزیابی شده بود و همچنین میانگین نرخ رشد بهره‌وری کل در این دسته از فروشگاه‌ها در طول دورۀ موردبررسی، برابر 2/15درصد ارزیابی شد.

کلیدواژه‌ها


عنوان مقاله [English]

Application of Geographical Information System in Evaluating Productivity Growth of Sale Centers Using The Malmquist Productivity Index

نویسنده [English]

  • Ali Mansouri
Assistant professor, Department of Management, University of Zanjan, Zanjan, Iran
چکیده [English]

Evaluating productivity and efficiency is an important measure for managerial performance. Appraising and taking advantages of valid mechanisms to evaluate managerial performance is highly important. Malmquist productivity index and Geographical Information System (GIS) are two tools which their integration can provide a pervasive approach for decision making units (DMUs) appraising depend on geographical position. This research uses these techniques to evaluate productivity improvement of an Iranian company’s sale centers. For this purpose, a mathematical model is designed and also, ordinary productivity variables and GIS data base variables are considered. The results reveal that the most productivity improvement belongs to Store 2 with 24.7 percent of improvement which is graded as inefficient centers by primary evaluation. The mean total productivity improvement for all sales centers in a given period is recognized as 15.2 percent by this approach.
Introduction: Sales centers and dealerships are among the largest industries in the world. From the point of view of sales engineering, sales centers interact with two other main components of supply chain sales, namely, manufacturers and customers, in other words, there are the main interface between these two groups. Also, due to direct relationship between sales centers with customers, their performance will greatly affect the net profit and sales volume of both groups of producers and sellers (Warley, 2006). Therefore, continuous evaluation of the performance of each sales center is a central requirement for the center to recognize its strengths and weaknesses.
Calculation of the efficiency of each sales center is one of the best practices for evaluating performance. Performance is often defined for a sales center in terms of outputs to the inputs ratio of that center. Therefore, making more output with less input, will result in  more efficient sales center (Gilbert, 2003). The data envelopment analysis model (DEA) is one of the best presented models for calculating the relative efficiency of different decision making units. In this model, by finding the best weights for inputs and outputs, the maximum amount of possible  efficiency per unit is calculated; while other models depend on the constant weight of outputs and inputs thus basically applying the judgment of the decision maker will be allocated (this will affect the accuracy of the results).
 However, it is necessary that the efficiency of each decision making unit must be computed for several periods to assess the improvement or decline of each decision making units to procure fundamental guideline to each decision making unit directors.
The productivity index of Malmquist specifies total factor productivity changes and their components for each of the decision-making units. Thus in this paper, productivity changes were measured for some sales centers using new considerable important variables such as number of competitors and number existence population considering GIS based model.
 
Materials and Methods:In this paper, Malmquist productivity index was used to assess the main important productivity index in its component in detail for each DMUs.  This index strongly based on distance function developed by Shephard. Based on this, Shephard defines distance function as follows (Shephard, 2015).





(1)

 




The distance function or coefficient θ shows the possibility of reducing inputs to produce a certain value, and the vector x is the vector that represents the production factors used for the production value for a decision unit.
Accordingly, the Malmquist index can be defined as follows (Malmquist,1953).





(2)


 





 
 
Results and Discussion: The findings of papers were considerably important. The results revealed that the mean technical efficiency based of  constant return to  scale (CRS)  for all seller centers equals 0.814   and mean technical efficiency based of  variable return to  scale(VRS)  for all seller centers equals 0.761. The following table shows all the measures in detail.
 
Table 1- central criteria and efficiency dispersion





 


Description




16


 Number of units




0.814


Average of technical efficiency based CRS




0.218


 Standard error of technical efficiency based VRS




0.716


Average of technical efficiency based VRS




0.295


Standard error of technical efficiency based VRS





 
Conclusion: The results revealed that the combination of GIS   and Malmquist index provides strongly dependable criteria to assess efficiency factors. Using these useful measures, we found that the biggest growth relates to the seller center number 2 which categorized as inefficient center and the lower growth of efficiency based on Malmquist index relates to efficient seller centers.
 
References
Banker, R. D., A.  Charnes, and W. W. Cooper (1984), "Some Methods for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis", Management Science, 30, 1078-92.
Mansoury, A., & Salehi, M. (2011). Efficiency analysis and classification of bank by using Data Envelopment Analysis (DEA) Model: Evidence of Iranian Bank. International Journal of the Physical Sciences, 6(13), 3205-3217.
Shepherd, R. W. (2015). Theory of cost and production functions. Princeton University Press.

کلیدواژه‌ها [English]

  • DEA
  • Malmqueist Total Factor Productivity Index
  • Shops Performance Assessment

مقدمه

مراکز و نمایندگی‌های فروش از گسترده‌ترین مشاغل و بزرگ‌ترین صنایع موجود در جهان به شمار می‌روند. از دیدگاه مهندسی فروش، مراکز فروش هم‌زمان با دو مؤلفۀ اصلی دیگر فروش در زنجیرۀ تأمین یعنی تولیدکنندگان و مشتریان در تعامل است و به عبارت بهتر، حلقۀ واسط بین این دو گروه هستند. همچنین به‌دلیل ارتباط مستقیم مراکز فروش با مشتریان، عملکرد آنها تأثیر زیادی در مقدار سود خالص و میزان فروش، دو گروه تولیدکنندگان و فروشندگان خواهد داشت (وارلی[i]، 20006). بنابراین ارزیابی مستمر عملکرد هر مرکز فروشی، نیاز اساسی آن مرکز است تا نقاط ضعف و قوت عملکردی خود را بشناسد.

محاسبۀ کارایی هریک از مراکز فروش یکی از بهترین روش‌های ارزیابی عملکرد است. کارایی غالباً برای یک مرکز فروش به‌صورت نسبت خروجی‌ها به ورودی‌های آن مرکز تعریف می‌شود؛ بنابراین هرچه یک مرکز با مصرف ورودی کمتر، خروجی بیشتری فراهم سازد، کارایی و عملکرد آن بیشتر خواهد بود (گیلبرت[ii]،2003). مدل تحلیل پوششی داده‌ها[iii]DEA))، یکی از بهترین مدل‌های ارائه‌شده برای محاسبۀ کارایی نسبی واحدهای مختلف تصمیم‌گیری است. در این مدل که با یافتن بهترین وزن‌ها برای ورودی‌ها و خروجی‌ها، بیشترین مقدار کارایی ممکن برای هر واحد محاسبه می‌شود، برخلاف سایر مدل‌ها که وزن خروجی‌ها و ورودی‌ها به‌صورت ثابت و با اعمال نظر فرد تصمیم‌گیر تخصیص داده می‌شود (این امر دقت نتایج را تحت تأثیر قرار خواهد داد)، در DEA تخصیص وزن به معیارها توسط خود مدل صورت می‌گیرد؛ بدین معنی که مدل سعی می‌کند بهتر‌ین وزن‌ها را به هریک از معیارها تخصیص دهد به‌قسمی که با دادن این اوزان کارایی، هیچ واحدی بیشتر از یک نشود.

یکی از مهم‌ترین و اثرگذارترین عوامل در استفاده از این مدل برای سنجش کارایی واحدهای تصمیم‌گیری، انتخاب متغیرهای ورودی و خروجی موثر در بهره‌وری آن واحدها است. هرگاه این متغیرها به‌درستی انتخاب نشوند، نتیجۀ حاصل از این مدل صرف‌نظر از کارآمدی مدل، نخواهد توانست ملاک عمل قرار گیرد؛ ارزیابی کارایی مراکز فروش مختلف نیز از این قاعده مستثنی نیست. هرگاه عاملی مانند تراکم جمعیت و یا تعداد رقبای یک فروشگاه در منطقه، در ارزیابی کارایی و مقایسۀ فروشگاه‌ها در نظر گرفته نشود، یقیناً نتیجۀ حاصل از ارزیابی کارایی برای تصمیم‌گیری قابل اتکا نخواهد بود. همچنین پیشینۀ تحقیق نشان داد در بسیاری از پژوهش‌های گذشته این دو پارامتر مهم از سوی پژوهشگران به‌دلیل نبودِ سیستم اطلاعات جغرافیای و یا دشواری استفاده از آن سیستم مورد توجه قرار نگرفته است. از سوی دیگر ارزیابی کارایی فروشگاه‌ها ممکن است به‌دلایلی از قبیل تغییرات فصلی، تراکم جمعیتی منطقه و... از یک دوره به دورۀ دیگر تحت تأثیر قرار گیرد؛ بنابراین سنجش کارایی این مراکز برای یک دورۀ معیّن نمی‌تواند ملاک عملکرد واحد تصمیم‌گیری واقع شود. بدین معنی که باید کارایی واحدهای تصمیم‌گیری برای دوره‌های متوالی مورد سنجش قرار گیرد و سپس با استفاده از آن دربارۀ عملکرد شرکت به‌صورت نهادین، قضاوت شود. به دیگر سخن، ممکن است یک واحد در طول یک دوره موفق و در دورۀ دیگر ناموفق باشد؛ در این صورت باید دلایل ناموفق‌بودن آن در دورۀ موردنظر کشف شود و مورد توجه قرار گیرد. از این رو، در این پژوهش از یک سو با به‌کارگیری سیستم اطلاعات جغرافیایی، معیارهای مهمی از قبیل تراکم جمعیت و تعداد رقبای هر واحد تصمیم‌گیری شناسایی شد و از سوی دیگر با به‌کارگیری شاخص بهره‌وری مالم کوئیست، تغییرات بهره‌وری کل و اجزای آنها برای هریک از واحدهای تصمیم‌گیری، برای دوره‌های متوالی سنجش شد. درنهایت ازطریق سنجش میانگین تغییر بهره‌وری، دربارۀ تغییرات عملکرد مراکز فروش، اظهارنظر شده است.

پیشینۀ پژوهش

پژوهشگران زیادی از DEA برای ارزیابی عملکرد مراکز فروش استفاده کرده‌اند که نمونه‌ای از این تحقیقات در ادامه آورده شده است. در سال 1385 پورکاظمی و نجفی رتبه‌بندی 8 مرکز فروش از فروشگاه‌های زنجیره‌ای شهروند را با تأکید بر معیارهای آموزش و خلاقیت بررسی کردند. آنها معیارهایی همچون رضایت مشتریان، رضایت کارمندان و عملکرد مالی را به‌عنوان معیارهای ارزیابی فروشگاه‌های زنجیره‌ای در نظر گرفتند و از روش‌های فرایند تحلیل ساسله‌مراتبی (AHP)[iv] و TOPSIS برای ارزیابی فروشگاه‌های زنجیره‌ای استفاده کردند (پورکاظمی و نجفی، 1385).

رضوی و همکارانش عملکرد مالی 52 مرکز فروش از فروشگاه‌های زنجیره‌ای اتکا را با استفاده از روش TOPSIS ارزیابی کردند (رضوی و همکاران، 1386).

دونتو و یو[v] 24 مرکز فروش در آمریکا را ارزیابی کردند؛ آنها معیارهایی نظیر اندازۀ مرکز فروش و تجربۀ مدیر مرکز فروش را به‌عنوان متغیر ورودی و معیارهای مقدار فروش و میزان رضایت مشتریان را به‌عنوان متغیرهای خروجی مدل DEA برگزیدند (دونتو و یو، 1998).

باروس و آلیوز 47 مرکز فروش در طول 10 سال در کشور پرتغال را ارزیابی کردند. آنها معیارهای چون تعداد پرسنل و هزینه‌های مرکز فروش را به‌عنوان متغیرهای وروری مدل و مقدار فروش و میزان سود را به‌عنوان شاخص خروجی مدل DEA انتخاب کردند و نتیجه گرفتند که عملکرد این مراکز در حال توسعه و گسترش است (باروس و الیوز[vi]، 2003). چن[vii] و همکارانش 10 مرکز فروش در آمریکا را ارزیابی کردند. آنها تعداد پرسنل، سرمایه‌گذاری اولیه و هزینه‌های مراکز فروش را به‌عنوان شاخص ورودی و درآمد مراکز فروش را به‌عنوان شاخص خروجی انتخاب کردند (چن و همکاران، 2003). دی متو و همکارانش تعداد پرسنل، هزینه‌های جاری و زیربنای مرکز را به‌عنوان شاخص ورودی و مقدار فروش را به‌عنوان شاخص خروجی مدل DEA، در ارزیابی 35 مرکز فروش در شیلی مورد توجه قرار دادند. نتایج حاصل از تحقیق آنها نشان داد که تعداد ساعات زیاد بازبودن مراکز فروش (هزینۀ جاری) تأثیر منفی بر عملکرد مرکز فروش دارد (دی متو[viii] و همکاران، 2006).

سلر روبیو و رویز[ix] در ارزیابی 96 مرکز فروش در اسپانیا معیارهای چون تعداد پرسنل و تعداد درب‌های ورودی و خروجی مراکز فروش را به‌عنوان معیارهای ورودی و میزان سود را به‌عنوان معیار خروجی مدل DEA انتخاب کردند و سپس نتیجه گرفتند که این مراکز فروش، بسیار ناکارآمد هستند (2006). یانگ و همکارانش در پژوهشی دیگر تعداد پرسنل، هزینه‌های جاری مرکز فروش، هزینۀ محصولات و مساحت مرکز فروش را به‌عنوان شاخص ورودی و تعداد مشتریان، میزان سود، رضایت مشتری را به‌عنوان شاخص خروجی مدل DEA برای ارزیابی 31 مرکز فروش در تایوان در نظر گرفتند (یانگ و همکاران، 2007). پریگوت و باروس عملکرد 11 مرکز فروش را در فرانسه بررسی کردند؛ آنها تعداد پرسنل و هزینۀ کلی مراکز فروش موردبررسی را به‌عنوان شاخص ورودی و میزان سود را به‌عنوان شاخص خروجی انتخاب کردند (پریگوت و باروس،2008). وانتو و راماناتان تعداد پرسنل، سرمایه‌گذاری اولیه و هزینه‌ها را به‌عنوان شاخص‌های ورودی و میزان سود را به‌عنوان شاخص خروجی مدل DEA برای ارزیابی 41 مرکز فروش در کشور انگلیس استفاده کردند و درنهایت نتیجه گرفتند که تنها 10 مرکز فروش دارای کارایی مناسب است (وانتو و راماناتان، 2009).

مورنو 234 مرکز فروش در اسپانیا را ارزیابی کرد. ایشان تعداد پرسنل و مساحت مرکز فروش را به‌عنوان شاخص ورودی و مقدار فروش را به‌عنوان شاخص خروجی مدل تحلیل پوششی داده‌ها در نظر گرفتند (مورنو، 2008).

همان‌گونه که مشخص است در این تحقیقات از یک سو کمتر به شاخص‌های جغرافیایی مانند جمعیت تحت‌پوشش و تعداد رقبای موجود، مهم‌ترین عوامل اثرگذار بر بهره‌وری مراکز فروش، در منطقه توجه شده و از سوی دیگر نظر به اینکه ارزیابی عملکرد فروشگاه‌ها مستلزم استفاده از فنون ارزیابی دوره‌ای است، شاخص بهره‌وری مالم کوئیست می‌تواند در عمل نتایج مؤثرتری را در سنجش ارائه دهد. بدیهی است که جمعیت تحت پوشش یکی از شاخص‌های مهم برای ارزیابی فعالیت یک مرکز فروش به شمار می‌آید؛ زیرا این شاخص تأثیر مستقیمی بر میزان تقاضای مصرف خواهد داشت؛ بنابراین می‌توان گفت وجه تمایز این تحقیق با سایر تحقیقات صورت‌گرفته در این زمینه، استفاده از GIS به‌منظور تهیۀ شاخص جمعیت تحت‌پوشش و تعداد رقبای مربوط به هر مرکز فروش و به‌کارگیری شاخص بهره‌وری مالم کوئیست برای سنجش رشد بهره‌وری کل این مراکز است. در بخش دوم مقاله، مبانی تئوری و نظری این تحقیق شامل شاخص بهره‌وری مالم کوئیست و GIS معرفی می‌شوند. در بخش سوم روش تحقیق و چگونگی آماده‌سازی معیارهای لازم برای حل مدل تشریح می‌شود و در بخش چهارم حل مدل مالم کوئیست و همچنین نتایج حاصل از آن بیان می‌شود. در بخش پنجم مدل DEA ارزیابی می‌شود و درنهایت نتیجه‌گیری و پیشنهادها، ارائه می‌شود.

 

مبانی نظری و تئوری پژوهش

در این پژوهش از شاخص بهره‌وری مالم کوئیست و GIS برای ارزیابی عملکرد مراکز فروش استفاده شد. از این رو در دو بخش زیر مبانی تئوریک و نظری این دو مفهوم معرفی می‌شود.

شاخص بهره‌وری مالم کوئیست: همان‌طور که در بخش‌های پیشین بیان شد در این پژوهش به‌منظور ارزیابی رشد بهره‌وری کل عوامل تولید و تجزیۀ آنها به تغییرات کارایی فنی و تکنولوژیک از شاخص مالم کوئیست استفاده شد. این شاخص برپایۀ تابع مسافت تعریف می‌شود. تابع مسافت به تصمیم‌گیرنده این امکان را می‌دهد که با وجود تکنولوژی تولید با چندین ورودی، بدون پیش‌فرض حداقل‌سازی هزینه و حداکثرسازی سود، کارایی فنی متغیرهای ورودی را تعیین کند. تابع مسافت تحت تأثیر دو عامل مقادیر متغیرهای ورودی و مقادیر متغیرهای خروجی قرار دارد. این تابع، میزان تناسب بردار ورودی‌ها را به‌ازای یک بردار مشخص ورودی‌ها، برای یک واحد تصمیم‌گیری تعیین می‌کند.

هرگاه تابع تولید به‌صورت  باشد به‌قسمی که  سطح حداکثر محصول قابل‌تولید باشد، در این صورت می‌توان آن را براساس یک بردار مشخصی از داده‌ها یا x به دست آورد. اگر فرض بر آن باشد که این تابع تولید از لحاظ فنی دارای قابلیت جایگزینی ورودی‌هاست. در این صورت  مجموعۀ تمامی بردار ورودی‌ها خواهد بود که می‌تواند، مقدار y را تولید کند؛ بنابراین این مجموعه به‌صورت زیر قابل تعریف خواهد بود:

(1)

 

در این رابطه f(x)تکنولوژی تولید همۀ واحدهای تصمیم‌گیری را نشان می‌دهد.

 

بر این اساس، شفارد[x]تابع مسافت، نهاده‌های تولید را به‌صورت زیر تعریف کرده است (شفارد،2015):

(2)

 

تابع مسافت یا ضریب θ، امکان کاهش ورودی‌ها برای تولید مقدار مشخصی از  را نشان می‌دهد و بردار x، برداری است که عوامل تولید مورداستفاده برای مقدار تولید  را برای یک واحد تصمیم‌گیری نشان می‌دهد؛ بنابراین  حداقل ورودی لازم برای تولید مقدار مشخصی از خروجی یا y را نشان خواهد داد. شفارد ثابت کرد که مسافت یا اندازۀ بردار ، بردار ورودی لازم برای واحد تصمیم هدف را برای تولید مقدار معینی از  yنشان می‌دهد (همان). این تابع را برخی مواقع به‌صورت  نیز نشان می‌دهند.

با این بیان ساده، استخراج ویژگی‌های زیر از تابع مسافت به‌سهولت امکان‌پذیر خواهد بود:

الف) تابع مسافت عامل تولید نسبت به X  همگن است.

ب) هرگاه X متعلق به مجموعۀ  باشد، آنگاه  خواهد بود.

هرگاه X بر روی منحنی تولید یکسان (مرز کارایی[xi]) قرار گیرد، آنگاه  خواهد شد.

ج) تابع مسافت عامل تولید نسبت به x غیرنزولی و نسبت به y صعودی است.

 بر این اساس، شاخص شعاعی نهاده‌گرای یا ورودی محور مالم کوئیست را می‌توان به شرح زیر تعریف کرد (مالم کوئیست، 1953):

(3)

 

در این مدل:

:  شاخص رشد بهره‌وری مالم کوئیست برای یک واحد تصمیم‌گیری، در سال t+1 نسبت به سال t

: کاراییDMU در سال t  یا همان تابع مسافت یا فاصله در مقایسه با مرز کارایی سال t

: کارایی DMU در سال t در مقایسه با مرز کارایی  سال t+1

: کارایی DMU در سال1+t در مقایسه با مرز کارایی سال t

: کارایی DMU در سال1+t در مقایسه با مرز کارایی سال t+1

: بردار ورودی واحد تصمیم‌گیری هدف[xii] در سال t

: بردار خروجی واحد تصمیم‌گیری هدف در سال t

 

در مدل مالم کوئیست مرز کارایی هر سال، تحت عنوان تکنولوژی موجود در آن سال تعریف می‌شود.

اجزای این مدل به‌واسطۀ مدل ثانویه CCR به‌شکل زیر محاسبه خواهد شد (چارنز و همکاران، 1976).

 

(4)

 

 

 

هرگاه بخواهید به جای مدل ثانویه CCR ، از مدل ثانویه BCC برای محاسبۀ اجزای مدل مالم کوئیست استفاده کنید، تابع مسافت یا حداکثر کارایی براساس بازده به مقیاس متغیر به‌صورت زیر خواهد شد (بنکر و همکاران، 1984):

(5)

 

 

 

 

 

 

در این دو مدل:

 و  به‌ترتیب مقادیر ورودی و خروجی واحد jام در شاخص iام

 و  به‌ترتیب مقادیر ورودی و خروجی واحد هدف[xiii] در شاخص iام

: متغیر ثانویه متعلق به محدودیت واحد jام

 m: تعداد متغیرهای ورودی

S: تعداد متغیرهای خروجی

و n تعداد واحدهای تصمیم‌گیری را نشان می‌دهد.

اضافه‌شدن  بر مدل (4) در مدل (5) آن را به (VRS) و یا بازده به مقیاس متغیر تبدیل کرده است. در مدل مالم کوئیست مقدار عبارت ، تابع مسافت براساس تکنولوژی در زمان t ، برحسب بردار ورودی‌ها و خروجی‌های دورۀ t است که با حل مدل (7) در حالت CRS و یا مدل (8) در حالت VRS به دست می‌آید و عبارت  نشان‌دهندۀ تابع مسافت براساس تکنولوژی زمان t+1 و ورودی‌ها و خروجی‌های دورۀ t+1 است که براساس مدل (7) یا (8) به دست می‌آید. مقدار عبارت  نشان‌دهندۀ تابع مسافت براساس تکنولوژی زمان t+1 و بردار ورودی و خروجی دورۀ t و درنهایت مقدار عبارت ، تابع مسافت را براساس تکنولوژی زمان t و ورودی‌ها و خروجی‌های دورۀ t+1 نشان می‌دهد که به‌طور مشابه براساس مدل (4) یا (5) به دست می‌آید.

فارل به‌منظور اندازه‌گیری تغییرات بهره‌وری کل[xiv] از حاصل‌ضرب تغییرات دو شاخص کارایی فنی و تغییرات کارایی تکنولوژیکی (شاخص بهره‌وری مالم کوئیست) استفاده کرد و آن را تحت عنوان شاخص بهره‌وری کل مالم کوئیست به‌صورت زیر تعریف کرد.

(6)

 

 در این مدل، عبارت  که رشد کارایی فنی دورۀ t+1را نسبت مرز کارایی سال t براساس تکنولوژی دورۀ t نشان می‌دهد به مدل (3) اضافه شده است.

اضافه‌شدن رشد کارایی به شاخص بهره‌وری مالم کوئیست، تغییر در بهره‌وری کل را نشان خواهد داد (فارل و همکاران، 1994).

در مدل بهره‌وری کل مالم کوئیست به‌منظور تعیین بهبود[xv] یا پسرفت[xvi] کارایی فنی و تغییرات تکنولوژیک از روابط زیر که اجزای مدل بهره‌وری کل مالم کوئیست هستند استفاده می‌شود.

(7)

 

(8)

 

رابطۀ (7) تغییر در کارایی فنی[xvii] و رابطۀ (8) تغییرات کارایی تکنولوژیک[xviii] را نشان می‌دهند. حاصل‌ضرب این دو عبارت، تغییر خالص در بهره‌وری کل را نشان می‌دهد که در رابطۀ (6) نشان داده شده است.

به عبارت دیگر عدد 1 برای هرکدام از عبارات فوق، بیانگر عدم‌تغییر بوده و اعداد بزرگ‌تر از 1 به‌منزلۀ بهبود در شاخص موردنظر و عدد کوچک‌تر از یک، نشان‌دهندۀ پسرفت در شاخص موردنظر، برای واحد تصمیم‌گیری هدف است.

به عبارت دیگر عدد 1 برای هر کدام از عبارات فوق، بیانگر  عدم تغییر  بوده و اعداد بزرگتر از 1 به منزله بهبود در شاخص مورد نظر و عدد کوچکتر از یک نشانگر پسرفت در شاخص مورد نظر، برای واحد تصمیم ­گیری هدف می­باشد.

سیستم اطلاعات جغرافیایی: سیستم اطلاعات جغرافیایی (GIS)، نوعی از سیستم‌های اطلاعاتی بر مبنای رایانه است که توانایی اخذ، بازیابی، مرتب‌سازی، مدل‌سازی، تغییر و تحول، تحلیل و پردازش و همچنین نمایش داده‌های زمین مرجع[xix] را دارد (دی بای و همکاران،2004). یک سیستم GIS دارای ویژگی‌هایی است که آن را از سایر سیستم‌های اطلاعاتی دیگر متمایز می‌کند: توانایی استفاده و کار با داده‌های جغرافیایی (از قبیل داده‌های مربوط به مکان مراکز فروش)، توانایی پرسش و پاسخ[xx] از داده‌های جغرافیایی (سؤالاتی از قبیل: جمعیت قرارگرفته در شعاع 5کیلومتری یک مرکز فروش)، توانایی تحلیل و پردازش‌های جغرافیایی(از قبیل: تحلیل‌های مربوط به تعیین تعداد فروشگاه‌های رقیب).

توجه به این واقعیت که بیش از 80درصد داده‌های موجود، ماهیتی جغرافیایی دارند (فرانکلین،1992) و همچنین اغلب تصمیم‌گیری‌های صورت‌گرفته امروزی، به‌صورت مستقیم و یا ضمنی دارای مؤلفه‌های جغرافیایی هستند، موجب شده است تا نیاز به داده‌ها و تحلیل‌های جغرافیایی و به تبع آن استفاده از GIS روزبه‌روز گسترش یابد. GIS داده‌های جغرافیایی و غیرجغرافیایی را در داخل یک سیستم واحد با یکدیگر تلفیق و چارچوبی واحد برای تحلیل‌های جغرافیایی ارائه می‌کند که این امر موجب کاهش ناسازگاری داده‌ها شده و قابلیت اعتماد آنها را افزایش می‌دهد. همچنین قراردادن نقشه‌ها و سایر اطلاعات به‌فرم رقومی موجب تحلیل و نمایش سریع‌تر داده‌ها نسبت به‌شیوۀ سنتی می‌شود (دی بای و همکاران،2004).

امروزه GIS در زمینه‌های مختلف از جمله حمل‌ونقل، مخابرات، شهرسازی، مدیریت خدمات شهری، مدیریت خطوط آب، برق، گاز و... استفاده شده است. تحقیقات زیادی در زمینۀ استفاده از GIS در زمینۀ برنامه‌ریزی فروش صورت گرفته است که از آن جمله می‌توان به میورد[xxi] در سال‌های 2003 و 2009، پیتر[xxii] و همکانش در سال 2011 و تروبنت[xxiii] در سال 2006 اشاره کرد.

ساده‌ترین ابزار GIS که می‌تواند در زمینه‌های مختلف مربوط به فروش استفاده شود، ابزارهای مربوط به نمایش و همچنین ابزار پرسش و پاسخ از داده‌های جغرافیایی و داده‌های توصیفی مرتبط با آنها است. برای مثال نرم‌افزار ArcGIS محصول شرکت ESRI، نرم‌افزاری قدرتمند است و دارای توابع و قابلیت‌های مختلف به‌منظور نمایش و پرسش و پاسخ از داده‌های جغرافیایی است. این نرم‌افزار می‌تواند اطلاعات توصیفی مربوط به نقاط، خطوط یا پلی‌گون‌ها را نمایش دهد (گریم‌شاو،2000). علاوه بر قابلیت‌های ذکرشده، ابزار مربوط به تحلیل‌های جغرافیایی نظیر تحلیل بافر[xxiv] و تحلیل پلی‌گون تیسین[xxv] و همچنین قابلیت‌ها و توانایی‌های موجود در زمینۀ هم‌پوشانی[xxvi] و ترکیب لایه‌های اطلاعاتی مختلف، از GIS ابزاری قدرتمندی در زمینه‌های مختلف از جمله برنامه‌ریزی فروش ساخته است (ای،اس،آر،آی،2011).

 

روش پژوهش

در این پژوهش به‌منظور دستیابی به اهداف پژوهش از شیوۀ کتابخانه‌ای استفاده شده است. بدین معنی که ابتدا با استفاده از منابع مکتوب و الکترونیکی مبانی نظری تحقیق تکمیل شد و سپس از یاپگاه داده‌ها به‌منظور جمع‌آوری داده‌های موردنیاز تحقیق استفاده شد. از نظر ماهیت تحقیق، این پژوهش را می‌توان جزء پژوهش‌های پس رویدای طبقه‌بندی کرد. از حیث نتیجه نیز این تحقیق جزء تحقیقات کاربری به شمار می‌آید. هدف تحقیق ارزیابی عملکرد شعب فروشگاهی یکی از شرکت‌های بزرگ در سطح استان تهران است. انتخاب شاخص‌های کلیدی در ارزیابی عملکرد از اهمیت بسزایی برخوردار است در یک نگاه علمی می‌توان گفت شاخص‌های ارزیابی مراکز فروش به دو گروه عملکردی وجغرافیایی تقسیم می‌شوند (میوراد، 2009). شاخص‌هایی عملکردی شامل مقدار فروش، هزینۀ نیروی انسانی و غیره که عملکرد فروشگاه را می‌سنجند و شاخص‌های جغرافیایی مانند مقدار جمعیت تحت‌پوشش مرکز فروش، تعداد مراکز فروش رقیب در اطراف و... را شامل می‌شود. با مرور ادبیات تحقیقات ارزیابی مراکز فروش، دیده می‌شود که شاخص‌های نیروی انسانی، سرمایه‌گذاری به‌عنوان پرکاربردترین شاخص‌های ورودی و شاخص‌های مقدار فروش و مقدار سود خالص به‌عنوان پر کاربردترین شاخص‌های خروجی استفاده شده‌اند. هرچند شاخص جمعیت تحت‌پوشش هر مرکز فروش و معیار رقبا، بسیار کم مورد توجه قرار گرفته است، از آنجا که از یک سو شاخص جمعیت معرف میزان تقاضا بوده و تأثیر زیادی بر مقدار فروش دارد و از سوی دیگر تعداد رقبای موجود هر منطقه عملکرد یک مرکز فروش را به‌‌مقدار زیادی تحت تأثیر قرار می‌دهد، در این تحقیق با استفاده از نظر کارشناسان شرکت و با درنظرگرفتن ادبیات موضوع شاخص‌های موجود در جدول (1) انتخاب شدند.

 

جدول 1- متغیرهای ملاک، سنجش تغییرات بهره‌وری کل

شاخص

نوع

ورودی

نیروی انسانی(نفر/ساعت)

عملکردی

سرمایه گذاری اولیه

عملکردی

جمعیت مورد تقاضا

جغرافیایی

معیار فروشگاه­های رقیب

جغرافیایی

خروجی

مقدار فروش

عملکردی

شاخص نیروی انسانی برحسب نفر- ساعت، شاخص سرمایه‌گذاری اولیه شامل هزینۀ اجاره یا هزینه واگذاری به‌صورت اجاره (درصورت خرید مکان مرکز فروش)، ارزش موجودی، هزینۀ تجهیزات مرکز فروش، هزینۀ دکوراسیون و هزینه‌های متفرقه دیگر است. جمعیت موردتقاضا، جمعیت موجود حول مرکز فروش است که این شاخص نیز با استفاده از GIS به دست آمد. نکتۀ مهم آن است که هرچند به نظر می‌رسد شاخص جمعیت از سوی تصمیم‌گیرنده غیرقابل‌کنترل است، امید ریاضی مشتریانی که از یک منطقۀ متعلق به یک مرکز فروش (به‌طور تصادفی برای خرید) به مرکز فروشی در منطقه‌ای دیگر مراجعه می‌کنند و مشتریانی که از منطقۀ دیگر برای خرید به آن مرکز مراجعه می‌کنند، به صفر میل می‌کند مگر اینکه مراجعات متأثر از عملکرد باشد؛ از این رو این متغیر می‌تواند به‌عنوان ملاک مناسبی برای سنجش عملکرد مرکز فروش استفاده شود. شاخص معیار فروشگاه‌های رقیب نیز بیانگر پارامتر فروشگاه‌های مربوط به سایر شرکت‌ها در همسایگی فروشگاه موردنظر است. برای تهیۀ این شاخص ابتدا اطلاعات جمعیتی مربوط به محله‌های مختلف تهران از وب‌سایت مرکز آمار ایران (مرکز آمار ایران، 1392) در قالب یک فایل به فرمت Microsoft Office Excel 2003 جمع‌آوری شد. سپس با استفاده از ابزار موجود در نرم‌افزار ArcGIS 9.3، لایۀ اطلاعاتی مربوط به جمعیت شهر تهران ایجاد و جمعیت محله‌های شهر تهران به‌صورت رقومی به فرمت ESRI Shapefile فراهم شد. پس از این مرحله، با استفاده از تحلیل‌های تراکمی موجود در نرم‌افزار ArcGIS 9.3، نقشه مربوط به تراکم جمعیت در مناطق مختلف شهر تهران تولید شد که این نقشه در شکل (1) نمایش داده شده است. در این شکل اعداد معرف جمعیت بر واحد سطح هستند.

 

 

شکل 1- تراکم جمعیت در مناطق مختلف شهر تهران

 

پس از تولید اطلاعات جمعیتی مربوط به شهر تهران، از آنجایی که اطلاعات موجود مربوط به مکان مراکز فروش به‌صورت نشانی پستی و به فرمت Microsoft Office Excel 2003 بودند، ابتدا لایۀ اطلاعاتی مربوط به مکان مراکز فروش با استفاده از نرم‌افزار ArcGIS 9.3 ایجاد و مکان مراکز فروش بر روی نقشه به‌صورت رقومی تهیه شد. نقشه مربوط به مکان مراکز فروش همراه با شماره هر مرکز فروش و نقشۀ اطلاعاتی مربوط به نواحی مختلف شهر تهران در شکل (2) نمایش داده شده است.

 

شکل 2- نقشه مکان مراکز فروش

 

در این تحقیق فرض بر این است که خریدار یا مشتری، نزدیک‌ترین مرکز فروش را برای خرید انتخاب می‌کند. با استفاده از تحلیل پلی‌گون تیسین، ناحیه و قلمرو فروش مربوط به هر مرکز فروش تعیین شد. تحلیل پلی‌گون تیسین، تحلیلی است که در آن فضای موردمطالعه به پلی‌گون‌هایی تقسیم می‌شوند که در آن همۀ نقاط داخل یک پلی‌گون به مرکز آن نزدیک‌تر از سایر مراکز است (دی بای و همکاران،2004). نقشۀ مربوط به پلی‌گون‌های تیسین همراه با نقشۀ اطلاعاتی مربوط به مکان مراکز فروش و شماره هر مرکز فروش در شکل (3) نمایش داده شده است.

 

شکل 3- محدوده و قلمرو هر مرکز فروش

 

پس از ایجاد لایه‌های اطلاعاتی مربوط به جمعیت و نواحی فروش، این دو لایه با استفاده از تحلیل‌های هم‌پوشانی موجود در نرم‌افزار ArcGIS 9.3 با یکدیگر ترکیب شدند و درنتیجه این ترکیب، لایه‌ای حاصل شد که بیانگر جمعیت مربوط به قلمرو فروش هر مرکز فروش است که جمعیت تعیین‌کنندۀ تقاضای خرید هر مرکز فروش در دورۀ موردبررسی را نشان می‌دهد.

برای محاسبۀ تعداد فروشگاه‌های رقیب، از آنجایی که یک مرکز فروش می‌تواند رقیب چند مرکز فروش برای جذب مشتریان باشد، از تحلیل بافر[xxvii] استفاده شد. بدین‌منظور ابتدا حول هریک از فروشگاه‌های موردبررسی بافری 5کیلومتری زده شد (در بیشتر تحقیق‌ها نظیر (پیرسون، 2007) از بافر 3 مایلی، تقریباً 5 کیلومتری، استفاده شده است). تحلیل بافر، تحلیلی است که یک شعاع همسایگی برای مکان موردنظر تعریف می‌کند (دی بای و همکاران،2004). سپس لایۀ حاصل از تحلیل بافر با لایۀ اطلاعاتی فروشگاه‌های رقیب هم‌پوشانی می‌شود تا تعداد فروشگاه‌های رقیب حول هر مرکز فروش موردنظر مشخص شود. نقشۀ مربوط به تحلیل بافر و فروشگاه‌های رقیب در شکل(4) آورده شده است.

 

شکل 4- تحلیل بافر و مراکز فروش رقیب

حل مدلو تحلیل نتایج

الگوی تحقیق برای 16 فروشگاه متعلق به یک شرکت برای چهار دورۀ سه‌ماهه 1392 بوده است. این انتخاب به‌دلیل تغییرات حجم فروش فصلی و همچنین دردَسترس‌نبودن داده‌های موردنیاز برای سال‌های پیشین و تغییرات فروشگاه‌های رقیب در طول دوره‌های مختلف بوده است. نظر به حجم گستردۀ داده‌ها، در این بخش فقط اطلاعات مربوط به دورۀ آخر آورده شده است. داده‌های مربوط به مهم‌ترین شاخص‌های ورودی و خروجی مراکز فروش در این دوره در جدول (2) آورده شده است. با توجه به استفادۀ فروشگاه‌ها از نیروی کار پاره وقت، ساعات کار نیروی کار در برخی موارد کسری گزارش شده بود؛ اما برای سهولت، در این جدول میانگین روزانۀ ساعت کار مراکز فروش به اعداد صحیح گرد شده است. در هر صورت، اعداد مورداستفاده در تحلیل‌ها دقیق بوده است.

به‌منظور تجزیه و تحلیل داده‌ها از نرم‌افزار Win4Deap استفاده شد، این نرم‌افزار قابلیت تعیین انواع کارایی را دارد؛ از جمله: کارایی با بازده به مقیاس ثابت، بازده به مقیاس متغیر، ورودی محور، خروجی محور و همچنین سنجش شاخص‌های رشد بهره‌وری کل. ضمن اینکه این نرم‌افزار جزء  بسته‌های نرم‌افزاری معتبر در این زمینه به شمار می‌رود. نتایج حاصل از سنجش شاخص‌های رشد بهره‌وری کل با استفاده از این نرم‌افزار در جدول (3) آورده شده است.

جدول 2- داده‌های مربوط به مدل شاخص بهره‌وری مالم کوئیست برای دورۀ چهارم سال 1392

جمعیت تقاضا

فروشگاه رقیب

نیروی انسانی

فروش (میلیون تومان)

نام

شماره

1073316

6

102

52018

بهاران

1

1144419

5

45

28549

نبرد

2

349645

1

70

30662

حکیمیه

3

610972

2

98

52218

آزادگان

4

257611

3

108

96750

بهرود

5

750525

3

37

74582

نازی‌آباد

6

451291

2

75

57680

شهرری

7

413087

2

90

82116

فرمانیه

8

141013

7

32

85040

کاشانک

9

559045

6

28

30120

ترکمنستان

10

238703

2

76

29193

لویزان

11

436807

6

260

23024

بیهقی

12

205970

4

152

96728

بوستان

13

601250

7

78

42319

صادقیه

14

386583

8

87

39443

جلال آل احمد

15

871134

2

75

21827

المپیک

16

 

جدول 3- شاخص‌های انواع کارایی فنی و نوع بازده به مقیاس برای مراکز فروش در چهار فصل 1392

کل دوره

چهارم

سوم

دوم

اول

شاخص

شماره

وضعیت

996/0

1

1

983/0

1

بازده به مقیاس متغیر

15

کارا

988/0

1

985/0

968/0

1

بازده به مقیاس ثابت

-

نزولی

صعودی

صعودی

ثابت

نوع بازده به مقیاس

967/0

923/0

1

1

943/0

بازده به مقیاس متغیر

12

943/0

914/0

1

929/0

931/0

بازده به مقیاس ثابت

-

نزولی

ثابت

ثابت

نزولی

نوع بازده به مقیاس

963/0

911/0

943/0

1

1

بازده به مقیاس متغیر

6

929/0

906/0

923/0

935/0

953/0

بازده به مقیاس ثابت

-

نزولی

ثابت

صعودی

ثابت

نوع بازده به مقیاس

954/0

952/0

923/0

1

943/0

بازده به مقیاس متغیر

3

935/0

948/0

911/0

951/0

933/0

بازده به مقیاس ثابت

-

نزولی

ثابت

ثابت

نزولی

نوع بازده به مقیاس

896/0

892/0

881/0

919/0

892/0

بازده به مقیاس متغیر

5

کارایی قابل قبول

879/0

870/0

860/0

917/0

871/0

بازده به مقیاس ثابت

-

نزولی

نزولی

صعودی

ثابت

نوع بازده به مقیاس

890/0

873/0

913/0

89/0

883/0

بازده به مقیاس متغیر

1

873/0

869/0

892/0

861/0

871/0

بازده به مقیاس ثابت

-

ثابت

ثابت

ثابت

صعودی

نوع بازده به مقیاس

ادامه جدول 3- شاخص‌های انواع کارایی فنی و نوع بازده به مقیاس برای مراکز فروش در چهار فصل 1392

کل دوره

چهارم

سوم

دوم

اول

شاخص

شماره

وضعیت

870/0

859/0

908/0

883/0

829/0

بازده به مقیاس متغیر

8

کارایی قابل قبول

849/0

852/0

856/0

868/0

819/0

بازده به مقیاس ثابت

-

نزولی

نزولی

ثابت

ثابت

نوع بازده به مقیاس

857/0

856/0

897/0

857/0

819/0

بازده به مقیاس متغیر

4

842/0

845/0

872/0

837/0

816/0

بازده به مقیاس ثابت

-

صعودی

صعودی

صعودی

ثابت

نوع بازده به مقیاس

840/0

859/0

831/0

845/0

826/0

بازده به مقیاس متغیر

16

829/0

846/0

825/0

823/0

821/0

بازده به مقیاس ثابت

-

نزولی

ثابت

نزولی

نزولی

نوع بازده به مقیاس

830/0

872/0

829/0

783/0

832/0

بازده به مقیاس متغیر

7

819/0

860/0

822/0

766/0

829/0

بازده به مقیاس ثابت

-

ثابت

صعودی

صعودی

ثابت

نوع بازده به مقیاس

818/0

819/0

817/0

840/0

798/0

بازده به مقیاس متغیر

14

798/0

805/0

784/0

816/0

787/0

بازده به مقیاس ثابت

-

ثابت

ثابت

صعودی

ثابت

نوع بازده به مقیاس

799/0

812/0

759/0

801/0

827/0

بازده به مقیاس متغیر

13

ناکارا

788/0

810/0

751/0

791/0

806/0

بازده به مقیاس ثابت

-

صعودی

صعودی

صعودی

ثابت

نوع بازده به مقیاس

795/0

.830/0

821/0

793/0

741/0

بازده به مقیاس متغیر

2

786/0

821/0

816/0

789/0

720/0

بازده به مقیاس ثابت

-

ثابت

صعودی

صعودی

نزولی

نوع بازده به مقیاس

749/0

725/0

728/0

786/0

756/0

بازده به مقیاس متغیر

11

718/0

723/0

689/0

733/0

729/0

بازده به مقیاس ثابت

-

نزولی

صعودی

صعودی

ثابت

نوع بازده به مقیاس

650/0

545/0

642/0

732/0

681/0

بازده به مقیاس متغیر

10

603/0

528/0

640/0

612/0

631/0

بازده به مقیاس ثابت

-

ثابت

ثابت

صعودی

صعودی

نوع بازده به مقیاس

498/0

398/0

611/0

432/0

551/0

بازده به مقیاس متغیر

9

447/0

358/0

510/0

380/0

540/0

بازده به مقیاس ثابت

-

نزولی

ثابت

ثابت

نزولی

نوع بازده به مقیاس

 

 

همان‌گونه که ملاحظه می‌شود در جدول (3) مراکز فروش از نظر کارایی فنی به سه دسته تقسیم شده است؛ فروشگاه‌هایی که برآیند میانگین کارایی فنی آنها بیشتر از 9/0 هستند شامل فروشگاه‌های ۳، ۶، ۱۲ و ۱۵ به‌عنوان فروشگاه‌های کارا معرفی شده است. فروشگاه‌هایی که برآیند، میانگین کارایی فنی آنها بین 8/0 تا 9/0 قرار دارد به‌عنوان فرروشگاه‌های با کارایی قابل‌قبول و فروشگاه‌هایی که میانگین کارایی فنی آنها کمتر از 8/0 بوده است، به‌عنوان فروشگاه‌های ناکارا (شامل مراکز ۲، ۹، ۱۰، ۱۱ و ۱۳) طبقه‌بندی شدند. با مقایسۀ جدول‌های 2 و 3 می‌توان تحلیل خوبی دربارۀ مراکز ناکارا ارائه داد. مرکز فروش 9 از لحاظ مقدار فروش در رتبۀ 4 قرار دارد (جدول 2) ولی ازلحاظ کارایی (جدول 3) این مرکز فروش در رتبۀ آخر قرار دارد.

سرمایه‌گذاری اولیۀ بیش‌ازحد این مرکز فروش (رتبۀ 2 در سرمایه‌گذاری اولیه بین مراکز فروش)، مکان نامناسب مرکز فروش (رتبۀ 13 در جمعیت تحت‌پوشش) و همچنین تعداد فروشگاه‌های رقیب زیاد (7 فروشگاه) موجب شده است که این مرکز فروش کارایی لازم را نداشته باشد. دیگر مرکز فروش ناکارآمد، مرکز فروش 10 است؛ این مرکز فروش از تعداد پرسنل نسبتاً زیاد استفاده کرده و دارای مقدار فروش کم است (رتبۀ 11 در مقدار فروش) و همچنین تعداد فروشگاه‌های زیاد رقیب (6 فروشگاه) که موجب شده است تا مرکز فروش 10 کارایی لازم (رتبه 15) نداشته باشد.

در جدول (4) اطلاعات آماری مربوط به کارایی حاصل از جدول (3) بیان شده است. مقدار میانگین 814/0 و انحراف معیار اندک نشان می‌دهد که به‌طور کلی مراکز فروش دارای عملکرد مناسبی هستند.

 

جدول 4- اطلاعات مربوط به معیارهای مرکزی و پراکندگی کارایی

اندازه معیار

عنوان

16

تعداد کل واحد‌ها

814/0

میانگین مقادیر کارایی فنی به مقیاس ثابت

218/0

انحراف معیار مقادیر کارایی فنی به مقیاس ثابت

761/0

میانگین مقادیر کارایی فنی به مقیاس  متغیر

295/0

انحراف معیار مقادیر کارایی فنی به مقیاس متغیر

 

شاخص بهره وری کل و اجزای آن

همان‌گونه که بیان شد مهم‌ترین ویژگی شاخص بهره‌وری کل مالم کوئیست در آن است که می‌تواند تغییرات در بهره‌وری کل و اجزای آنها را مشتمل بر کارایی فنی و کارایی تکنولوژیکی، در فواصل زمانی مختلف نشان دهد. تغییرات تکنولوژیک در مدل مالم کوئیست انتقال تابع تولید مرزی تجربی[xxviii] را نشان می‌دهد. با اندکی تأمل مشخص می‌شود که هر اندازه نمایش این تابع در دستگاه نمایشگر خود به سمت مبدأ مختصات حرکت کند، بهبود تکنولوژیک و دورشدن از آن پسرفت تکنولوژیک را منعکس می‌کند.

جدول (5) میانگین تغییرات شاخص بهره‌وری کل و اجزای آن را برای 16 شعبۀ مورد بررسی نشان می‌دهد.

 

جدول 5- تغییرات مقادیر شاخص بهره‌وری کل و اجزای آن در فواصل زمانی چهار فصل

میانگین تغییرات دوره

آخر پاییز تا پایان زمستان

پایان تابستان تا آخر پاییز

آخر بهار تا پایان تابستان

شاخص

شماره

وضعیت

001/1

036/1

016/1

952/0

تغییرات کارایی فنی

15

کارا

018/1

1

032/1

050/1

تغییرات تکنولوژیک

028/1

036/1

048/1

1

تغییرات بهره‌وری کل

997/0

882/0

076/1

034/1

تغییرات کارایی فنی

12

989/0

945/0

026/1

998/0

تغییرات تکنولوژیک

987/0

833/0

104/1

032/1

تغییرات بهره‌وری کل

998/0

049/1

989/0

958/0

تغییرات کارایی فنی

6

021/1

1

980/0

083/1

تغییرات تکنولوژیک

018/1

049/1

969/0

037/1

تغییرات بهره‌وری کل

008/1

039/1

908/0

079/1

تغییرات کارایی فنی

3

001/1

993/0

009/1

027/1

تغییرات تکنولوژیک

019/1

032/1

916/0

108/1

تغییرات بهره‌وری کل

996/0

956/0

026/1

007/1

تغییرات کارایی فنی

5

کارایی قابل قبول

024/1

161/1

296/1

015/1

تغییرات تکنولوژیک

153/1

110/1

329/1

022/1

تغییرات بهره‌وری کل

047/1

120/1

063/1

964/0

تغییرات کارایی فنی

1

992/0

981/0

1

995/0

تغییرات تکنولوژیک

040/1

099/1

063/1

959/0

تغییرات بهره‌وری کل

002/1

942/0

013/1

052/1

تغییرات کارایی فنی

8

086/1

042/1

045/1

173/1

تغییرات تکنولوژیک

089/1

981/0

058/1

234/1

تغییرات بهره‌وری کل

013/1

924/0

091/1

023/1

تغییرات کارایی فنی

4

045/1

058/1

991/0

085/1

تغییرات تکنولوژیک

057/1

978/0

082/1

110/1

تغییرات بهره‌وری کل

028/1

060/1

994/0

029/1

تغییرات کارایی فنی

16

078/1

078/1

004/1

896/0

تغییرات تکنولوژیک

993/0

143/1

991/0

922/0

تغییرات بهره‌وری کل

029/1

124/1

042/1

939/0

تغییرات کارایی فنی

7

984/0

984/0

070/1

1

تغییرات تکنولوژیک

019/1

106/1

115/1

939/0

تغییرات بهره‌وری کل

036/1

259/1

900/0

950/0

تغییرات کارایی فنی

14

080/1

019/1

182/1

041/1

تغییرات تکنولوژیک

112/1

282/1

064/1

988/0

تغییرات بهره‌وری کل

 

ادامه جدول 5- تغییرات مقادیر شاخص بهره‌وری کل و اجزای آن در فواصل زمانی چهار فصل

میانگین تغییرات دوره

آخر پاییز تا پایان زمستان

پایان تابستان تا آخر پاییز

آخر بهار تا پایان تابستان

شاخص

شماره

وضعیت

007/1

997/0

054/1

966/0

تغییرات کارایی فنی

13

ناکارا

112/1

170/1

1

167/1

تغییرات تکنولوژیک

115/1

166/1

054/1

127/1

تغییرات بهره‌وری کل

159/1

085/1

049/1

343/1

تغییرات کارایی فنی

2

145/1

110/1

025/1

045/1

تغییرات تکنولوژیک

247/1

265/1

075/1

40/1

تغییرات بهره‌وری کل

933/0

848/0

877/0

075/1

تغییرات کارایی فنی

11

088/1

058/1

0261/1

180/1

تغییرات تکنولوژیک

021/1

897/0

899/0

268/1

تغییرات بهره‌وری کل

782/0

671/0

774/0

901/0

تغییرات کارایی فنی

10

110/1

018/1

224/1

089/1

تغییرات تکنولوژیک

870/0

683/0

947/0

981/0

تغییرات بهره‌وری کل

910/0

812/0

061/1

856/0

تغییرات کارایی فنی

9

043/1

147/1

983/0

1

تغییرات تکنولوژیک

943/0

931/0

043/1

856/0

تغییرات بهره‌وری کل

 

شاخص بهره‌وری کل بر اساس کارایی فروشگاه‌ها

همان‌گونه که بیان شد، در این پژوهش ابتدا فروشگاه‌ها از حیث کارایی به سه دسته شامل فروشگاه‌های کارا، فروشگاه‌هایی با کارایی قابل‌قبول و فروشگاه‌های ناکارا طبقه‌بندی شدند؛ سپس تغییرات در شاخص بهره‌وری کل مورد توجه قرار گرفت. تغییرات شاخص بهره‌وری کل براساس کارایی آنها از آن رو مهم است که می‌توان تصمیم‌گیری‌های مقطعی را انسجام بخشد و قابلیت اتکا به آن را تقویت کند. جدول زیر تغییرات شاخص بهره‌وری کل را به‌همراه اجزای اصلی آن، براساس طبقه‌بندی شرکت‌ها نشان می‌دهد.

همان‌گونه که در جدول 6 نشان داده شده است، از نظر کارایی فنی بیشترین رشد متعلق به شرکت‌های ناکارا با میانگین 1/7درصد و کمترین رشد متعلق به شرکت‌های کارا با رشد 5/1درصد است. در زمینۀ تغییرات تکنولوژیک بیشترین رشد متعلق به شرکت‌های با کارایی قابل‌قبول و بیشترین افت در فروشگاه‌های کارا مشاهده می‌شود. در هر صورت هر سه دسته از فروشگاه‌ها در زمینۀ تغییرات در بهره‌وری کل با بهبود مواجه‌اند ولی در اینجا نیز فروشگاه‌های با کارایی قابل‌قبول بیشترین بهبود را (2/15درصد رشد) نشان می‌دهند. آنچه از این جدول می‌توان نتیجه گرفت آن است که فرروشگاه‌های کارا در سطح اشباع قرار دارد و امکان افزایش کارایی آن، کمتر امکان‌پذیر است.

 

 

جدول 6- تغییرات شاخص‌های بهره‌وری کل و اجزای آن در فواصل زمانی چهار فصل به تفکیک سه گروه

میانگین تغییرات دوره

آخر پاییز تا پایان زمستان

پایان تابستان تا آخر پاییز

آخر بهار تا پایان تابستان

شاخص

وضعیت فروشگاه

015/1

012/1

073/1

961/0

تغییرات کارایی فنی

کارا

987/0

964/0

995/0

004/1

تغییرات تکنولوژیک

004/1

976/0

071/1

965/0

تغییرات بهره‌وری کل

063/1

942/0

116/1

131/1

تغییرات کارایی فنی

کارایی قابل قبول

089/1

174/1

092/1

1

تغییرات تکنولوژیک

152/1

106/1

218/1

131/1

تغییرات بهره‌وری کل

071/1

149/1

083/1

982/0

تغییرات کارایی فنی

ناکارا

020/1

1

014/1

065/1

تغییرات تکنولوژیک

097/1

149/1

098/1

046/1

تغییرات بهره‌وری کل

 

نتیجه‌گیری

تحلیل و ارزیابی کارایی فروشگاه‌ها از موضوعات مهمی است که مورد توجه محققان متعددی قرار گرفته است. در بسیاری از این بررسی‌ها، متغیرهای مربوط به اطلاعات جغرافیایی مانند جمعیت تحت‌پوشش و تعداد فروشگاه‌های رقیب که تأثیر بسزایی در بهره‌وری آنها دارد، مورد غفلت قرار گرفته است؛ از این رو، در این پژوهش این متغیرها به‌عنوان متغیرهای اثرگذار در کارایی فروشگاه ابتدا از سیستم اطلاعات جغرافیایی استخراج شد و سپس در مدل تحلیل پوششی داده‌ها به‌عنوان متغیرهای کلیدی تعریف شد و براساس آن کارایی فنی برای کلیۀ فروشگاه‌ها در هر چهار فصل محاسبه شد. علاوه بر آن، در این پژوهش از شاخص بهره‌وری مالم کوئیست به‌منظور بررسی تغییرات بهره‌وری کل و اجزای آن استفاده شد.

استفاده از شاخص بهره‌وری مالم کوئیست در بررسی تغییرات بهره‌وری از اهمیت فوق‌العاده‌ای برخوردار است؛ زیرا با استفاده از این شاخص می‌توان روند تغییرات بهره‌وری را برای هریک از واحدهای تصمیم‌گیری سنجید و تصمیمات اثربخش‌تری را در مورد هریک از آنها گرفت. نتایج حاصل از بررسی تغییرات بهره‌وری نشان‌دهندۀ آن بود که بیشترین بهبود در بهره‌وری کل متعلق به فروشگاه 2 (جزء فروشگاه‌های ناکارا) با میانگین 7/24درصد تعلق دارد. همچنین پس از طبقه‌بندی فروشگاه‌ها براساس کارایی آنها، تغییرات در بهره‌وری کل و اجزای آن بررسی شد. نتیجۀ حاصل نشان داد بیشترین رشد در بهره‌وری کل متعلق به گروه فروشگاه‌های با کارایی قابل‌قبول، با 2/15درصد بهبود است و کمترین تغییر در بهره‌وری کل در سه دوره متعلق به فروشگاه‌های کارا است. نکتۀ مهم دیگر در این پژوهش آن است که مراکز فروش به‌منظور انجام اقدام لازم برای افزایش کارایی باید بر متغیرهای تحت‌کنترل مرکز فروش از قبیل مدیریت ساعات کاری پرسنل، اقدامات لازم برای افزایش فروش و توزیع مناسب سرمایه متمرکز شوند؛ زیرا امکان دستکاری برخی از متغیرها مانند تعداد رقبا برای تصمیم‌گیرنده وجود نخواهد داشت. همچنین، نتیجۀ حاصل از این بحث به‌نوعی می‌تواند برای شناسایی وضعیت رشد فروشگاه‌ها نیز استفاده شود؛ بدین معنی که کمترین رشد مشاهده شده در فروشگاه‌های کارا به‌منزلۀ آن ست که این دسته از فروشگاه‌ها به سطح اشباع خود نزدیک شده‌اند و امکان افزایش بیشتر در کارایی آنها به‌سختی امکان‌پذیر است.



[i]- Varley

[ii]- Gilbert

[iii]- Data Envelopment Analysis

[iv]- Analytical Hierarchy Process

[v]- Donthu and Yoo

[vi]- Barros and Alves

[vii]- Chen

[viii]- De Mateo

[ix]-  Sellers-Rubio, R. and F. Mas- Ruiz

[x]- Shephard.R.

[xi]- Frontier line

[xii]- Objective Decision making unit

[xiii]. واحدی که مدل در صدد اندازه گیری کارایی حداکثر کارایی آن است.

[xiv]- Total Factor Productivity Index

[xv]- Technologic Improvement

[xvi]- Technologic Retrogression

[xvii]- Technical changes

[xviii]- Technological Changes

[xix]- Geo reference

[xx]- Query

[xxi]- Murad

[xxii]- Peter

[xxiii]- Trubint

[xxiv]- Buffer Analysis

[xxv]. پلیگونهای تیسن بنام هواشناس آمریکایی، آلفرد تیسن نامگذاری شده است. در علم ریاضیات، دیاگرام ورونوی روشی برای تقسیم فضا به تعدادی ناحیه با شرایط معین می‌باشد. در این دیاگرام به هر مجموعه از نقاط، ناحیه‌ای اختصاص داده می‌شود. دیاگرام‌های ورونوی در علوم و فناوری‌های متعدد و یا حتی در هنر کاربرد دارند و تاکنون کاربردهای متفاوتی از آنها در زمینه‌های خاص گزارش شده است.

[xxvi]- Map overlay

[xxvii]- Buffer Analysis

[xxviii]- Empirical Production Frontier(EPF)

 

Banker, R. D., A. Charnes, and W. W. Cooper (1984). "Some Methods for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis". Management Science, 30, 1078-92.

Barros, C.P. and C. Alves. (2004). "An Empirical Analysis of Productivity Growth in a Portuguese Retail Chain Using Malmquist Productivity Index". Journal of Retailing and Consumer Services, 11 (5), 269-78.

Barros, C.P., C.A. Alves. (2003). "Hypermarket Retail Store Efficiency in Portugal". International Journal of Retail & Distribution Management, 31 (11), 549-60.

Charnes, WW. (1978). "Measuring the Efficiency ofDecision Making Units". European Journal of Operational Research, 2(6), 429-44.

Chen, Y., Morita, H. and Zhu, J. (2005). "Context-dependent DEA with an application to Tokyo public libraries". International Journal of Information Technology and Decision Making, 4, 385-94.

De By, R. A, et al. (2004). "Principles of geographic information systems: an introductory textbook". Enschede, ITC.

De Mateo, F., Coelli, T. and O’Donnell, C. (2006). "Optimal paths and costs of adjustment in dynamic DEA models: with application to Chilean department stores". An`als of Operations Research, 145, 211-27.

Donthu, N. and B. Yoo. (1998). "Retail Productivity Assessment Using Data Envelopment Analysis". Journal of Retailing, 74 (1), 89-105.

ESRI. (2011). GIS for Retail. Last retrieved August 9, 2011at http://www.esri.com/industries/retail/index.html

Franklin, C. (1992). "An introduction to geographic information systems: Linking maps to databases". Database, 15(2), 13–21

Färe, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994). Productivity growth, technical progress, and efficiency change in industrialized countries. The American economic review, 66-83.

Gilbert, D. (2003). “Retail MarketingManagement”. Financial Times/Prentice Hall.

Grimshaw D. (2000). "Bringing Geographical Information Systems into Business", Wiley, New York.

Hwang, C.L., Yoon, K., (1981). "Multiple Attribute Decision Making Methods and Applications: A State-of-the-art Survey". Springer-Verlag, New York.

Iran Statistic Center (2014),"Tematic Information Over Tehran Districts", Aavailabe at: www.sci.org.ir [In Persian].

Moumeni, M.(2006), "New  Topics On Operational Research", first print, Management Faculty of Tehran university Publication, Tehran, Iran [In Persian].

Moreno, J. (2008). "Efficiency and regulation in Spanish hypermarket retail trade". International Journal of Retail & Distribution Management, 36, 71-88.

Murad, A. (2009). "Using Customers Data for Defining Retail Market Size: A GIS Approach". International Journal of Business Information Systems, 4(3), 340-359.

Malmquist, S. (1953). Index numbers and indifference surfaces. Trabajos de Estadistica y de Investigacion Operativa, 4(2), 209-242.

Mansoury, A., & Salehi, M. (2011). Efficiency analysis and classification of bank by using Data Envelopment Analysis (DEA) Model: Evidence of Iranian Bank. International Journal of the Physical Sciences, 6(13), 3205-3217.

Murad, A. (2003). "Creating a GIS application for retail centers in Jeddah City ". International Journal of Applied Earth Observation and Geoinformation, 4(4), 329–338.

Nikola Trubint, Ljubomir Ostojić, Nebojša Bojović. (2006). "Determining An Optmal Retail Location By Using GIS", Yugoslav Journal of Operations Research, 16(2), 253-264

Olson, D., Chae, B.,.. Sheu, C. (2005). "Issues in multinational ERP implementation". Int. J. of Services and Operations Management, 1(1), 7 - 21.

Pearson, J. (2007). "A Comparative Business Site-Location Feasibility Analysis using Geographic Information Systems and the Gravity Model". Resource Analysis journal, 9(21),109-118

Perrigot, R. and Barros, C. (2008). "Technical efficiency of French retailers", Journal of Retailing and Consumer Services, 5, 296-305.

Peter Y. Wu, Eugene Rathswohl. (2011). "Visualizing Opportunities: GIS Skills for Retail Marketing". Information Systems Education Journal (ISEDJ), 9(4), 44-50.

Pourkazemi, M.H., Najafi. R (2006). "Ranking sharvand chain stores: based on creativity and training factors", Economic and new trade Journal, 5, 50- 76 [In Persian].

Razavi, S.H., Naser, F., Mohhamd Reza, B. (2007),"Ranking Financial Performance of Etaca chain stores Based on TOPSIS Algorithm",4th  International Conference on Management, Tehran, Iran [In Persian].

Sellers-Rubio, R. and F. Mas-Ruiz (2006). "Economic Efficiency in Supermarkets: Evidences in Spain". International Journal of Retail & Distribution Management, 34(2), 155-71.

Shepherd, R. W. (2015). Theory of cost and production functions. Princeton University Press.

Varley, R. (2006). "Retail Product Management: Routledge".

Wantao, Y., Ramakrishnan, R. (2009). "An assessment of operational efficiency of retail firms in China". Journal of Retailing and Consumer Services, 109-122.

Yang, C., Wang, T. and Lu, W. (2007). "Performance measurement in military provisions: the case of ret ail stores of Taiwan’s general welfare ministry". Asia-Pacific Journal of Operational Research, 24(1), 313-33.