Оценка эффективности региональных подразделений

Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
Оценка эффективности
региональных подразделений
многофилиального банка
é΄ äéêóÄÉàç
ä‡Ì‰Ë‰‡Ú ˝ÍÓÌÓÏ˘ÂÒÍËı ̇ÛÍ
ÄÎÂÍ҇̉ ÜìäéÇ
凄ËÒÚ ˝ÍÓÌÓÏ˘ÂÒÍËı ̇ÛÍ
С
тремительное развитие банковского сектора республики и
филиальной сети банковских учреждений требует от аналитиков
применения методик, позволяю-
щих оценить и сравнить результаты деятельности большого числа
многофункциональных подразделений банка и дать рекомендации
по повышению ее эффективности.
Подобные исследования представляют интерес при решении задач
оптимального расположения вновь
открываемых подразделений банка, определения потенциального
объема банковских услуг, предоставляемых точками продаж, мониторинга эффективности функционирования действующей сети
учреждений.
Применение подобных методик
оценки требует определения ключевых показателей эффективности
деятельности точек продаж с позиций прибыльности, минимизации
операционных затрат, достижения
тактических и стратегических целей банка. Однако неоднородность
внутренних и внешних условий
функционирования подразделений
обусловливают многомерность результатов их работы и сложность
достижения всех целей одновременно. В данном случае использование абсолютных и относительных показателей, как правило, не
позволяет адекватно и справедливо оценить результаты работы
каждого подразделения соразмерно с его объективными возможностями. Для решения такой задачи в
международной практике часто
используется наиболее распространенный подход к сравнительной
оценке эффективности подразделений банка — метод оболочечного
анализа данных (Data Envelopment
Analysis — DEA) [4]. Метод DEA
относится к так называемым непараметрическим методам оценки
эффективности функционирования бизнес-единиц, широко применяемым в практике анализа деятельности крупных многофилиальных банков [5, 6, 7, 8].
В сравнении с традиционными
количественными методами анализа основными преимуществами
непараметрических методов и, в
частности DEA, являются:
— относительная простота применения;
— отсутствие необходимости
сравнивать наборы различных
показателей, задавая весовые
коэффициенты переменным;
— получаемые результаты представляют собой агрегированную оценку уровня эффективности для каждого объекта и
др.
Недостатком считается то, что
данные методы “не распознают”
случайные колебания, и все отклонения от максимума свидетельствуют о наличии неэффективности
[1]. Метод оболочечного анализа
данных обычно используется для
сравнительной характеристики
подразделений отдельного банка,
когда имеет место однородность
спектра предоставляемых услуг,
имеются возможности стандартизированного измерения показателей деятельности подразделений и
доступна информация об условиях
их функционирования [3].
В основе классического подхода DEA [4] лежит метод линейного
программирования, позволяющий
найти оптимальное среди множества допустимых решений. При
этом решение оптимизационной
задачи сводится к построению так
называемой границы эффективности в многомерном пространстве
переменных, характеризующих
анализируемые объекты, и определению относительной эффективности этих объектов.
При этом возможны два варианта:
1) оценка эффективности, ориентированная на выпуск (outputoriented), когда максимизиру-
29
Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
ются значения “выходных” переменных. Например, для банков это могут быть показатели
доходности, рентабельности,
объемов предоставляемых кредитов, процентных и комиссионных доходов и т. д.;
2) оценка эффективности, ориентированная на использование
ресурсов, или факторов производства (input-oriented). В данном случае речь идет о минимизации значений переменных, характеризующих имеющиеся ресурсы и уровень издержек. Например, применительно к банковской сфере —
это количество рабочих мест
операционно-кассовых специалистов в отделении, процентные и непроцентные расходы,
операционные расходы на обслуживание помещений, содержание персонала и т. п.
Выбор варианта моделирования и переменных зависит прежде
всего от объекта и целей исследования, наличия достоверной информации, уровня развития управленческой отчетности и других
условий. По нашему мнению, для
относительно крупного многофилиального банка с централизованной моделью управления более
предпочтительным является применение первого варианта модели.
Это обусловлено, во-первых, ограниченными возможностями точек
продаж напрямую управлять своими издержками и, во-вторых, системой планирования показателей
деятельности, ориентированной на
максимизацию продаж стандартизированных (типовых) продуктов
и услуг.
В данном исследовании в отличие от оригинальной модели
А. Чарнза и В. Купера [4] использован модифицированный подход,
предполагающий оценку эффективности учреждений банка на основе нескольких “выходных” переменных [7]. Графически в упрощенном виде данный подход можно представить следующим образом. Допустим, что исследуется относительная эффективность пяти
отделений банка (точки С1, С2...С5)
по двум ключевым показателям
эффективности R1 и R2 (рисунок 1).
При условии постоянного эффекта
от масштаба результаты деятельности каждого отделения могут
быть представлены в виде вектора
с координатами, соответствующи-
30
Метод DEA в графическом
представлении
R1
C3
C5
R1,X
CX
C2
R1,1
C1
C4
0
R2,1
R2,X
R2
Примечание.
Разработано авторами на основе [7].
êËÒÛÌÓÍ 1
ми определенным значениям показателей эффективности. Например, вектор ОС1 с координатами
(R1,1; R2,1) представляет собой вектор результатов деятельности отделения С1.
Для того чтобы определить меру эффективности каждого из отделений (допустим, это будет отделение С1), необходимо подобрать
из всех векторов ОС1, ОС2 ... ОС5
такую их комбинацию — вектор
ОСХ, который определял бы для
отделения С1 его эталонные характеристики со значением (R1,Х;
R2,Х), то есть результаты деятельности на пределе возможностей в
условиях исследуемого банка. Отделения С2 и С3 функционируют со
100%-ной эффективностью. Совокупность таких отделений формирует “фронт” — оболочечную поверхность эталонных отделений,
или границу эффективности. Все
остальные отделения находятся в
границах этого “фронта” и оцениваются как менее эффективные.
В рассматриваемом примере
уровень эффективности отделения
С1 определяется комбинацией векторов ОС3 и ОС2, которая при постоянном объеме задействованных
ресурсов и сохраняющейся структуре “выходных” переменных отделения С1 позволяет рассчитать
его гипотетически максимальную
интенсивность и результаты деятельности со значением показателей (R1,Х; R2,Х). При этом мерой
эффективности отделения С1 будет
отношение длины отрезка ОС1 к
длине отрезка ОСХ .
Математически суть примененного подхода можно представить
следующим образом. Результаты
деятельности каждого из рассматриваемых отделений представим,
как вектор соответствующих показателей деятельности Ri (i = 1, 2,
3,..., m), Rij — как матрицу результатов деятельности всех отделений
Rj (j = 1, 2, 3,..., n).
Для каждого j-го из n отделений необходимо найти такой набор весовых коэффициентов λ
(λ = λ1, λ2, ..., λn)j и скаляр ϑj, которые позволяли бы построить из
всех имеющихся векторов эталонный вектор результатов деятельности для данного отделения, получив оценку возможности увеличения значений выходных переменных исследуемого отделения в
ϑj раз. При этом задача линейного
программирования для каждого
j-го отделения может быть сформулирована, как:
Max ϑj:
N
∑ λnRin ≥ ϑjRij, i = 1, 2, ..., m
n=1
N
∑ λn = 1
n=1
ϑj ≥ 0
λn ≥ 0, n = 1, 2, ..., N,
где N — количество отделений.
Мерой эффективности для каждого отделения будет показатель
1/ϑj, больший 0 и меньший либо
равный 1 и отражающий отношение достигнутых отделением показателей к потенциально возможным. Подразделения, которые помимо высоких показателей эффективности чаще других используются для построения эталонного
вектора результатов деятельности,
могут быть признаны лидирующими.
Основной недостаток DEA-метода — чувствительность к случайным отклонениям от границы
эффективности — можно частично
компенсировать, проведя несколько расчетов (допустим, на 3—5 отчетных дат) и используя, например, средние значения.
Для проведения исследования
была сформирована выборка, состоящая из 368 розничных отделений одного из банков республики.
Для обеспечения однородности выборки и повышения объективнос-
Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
Распределение отделений банка по экономическим
показателям в разрезе типов населенных пунктов
2200
ë‰Ì‰Ì‚Ì˚ ÓÒÚ‡ÚÍË Ì‡ Ò˜ÂÚ‡ı ÙËÁ˘ÂÒÍËı Îˈ
̇ Ó‰ÌÓ„Ó ‡·ÓÚÌË͇, ÏÎÌ. Û·.
ти анализа отделения были классифицированы в три группы в зависимости от типа населенного
пункта:
● отделения в населенных пунктах с численностью до 2000 человек;
● отделения в населенных пунктах с численностью от 2000 до
50 000 человек;
● отделения в населенных пунктах с численностью населения
свыше 50 000 человек1.
Кроме того, в анализируемую
выборку не включались отделения, функционирующие в нестандартных условиях: отделения на
пограничных переходах, рекреационных территориях и т. п. Показатели данных отделений существенно отличаются от показателей большинства розничных пунктов продажи услуг и обусловлены
исключительными условиями их
функционирования.
В качестве критериев эффективности (“выходных” переменных) были выбраны показатели,
наиболее полно и адекватно, на
наш взгляд, отражающие цели, задачи и специфику работы отделений анализируемого банка:
● чистые доходы от операций с
физическими лицами (комиссионные доходы, доходы от
операций с иностранной валютой) в расчете на одного работника;
● среднедневные остатки на счетах физических лиц в расчете
на одного работника.
При этом выбранные критерии
не коррелируют между собой и являются, по сути, индикативными
показателями деятельности отделений банка. На рисунке 2 представлено распределение отделений
банка по указанным критериям в
разрезе типов населенных пунктов.
На данном этапе анализа можно отметить, что спрос на банковские услуги и интенсивность деятельности отделений в населенных
пунктах с численностью до 2000
человек в среднем несколько ниже, чем спрос на банковские услуги в населенных пунктах с численностью от 2000 до 50 000 человек,
и значительно ниже, чем спрос на
éÚ‰ÂÎÂÌËfl ‚ ̇ÒÂÎÂÌÌ˚ı
ÔÛÌÍÚ‡ı Ò ˜ËÒÎÂÌÌÓÒÚ¸˛
̇ÒÂÎÂÌËfl:
‰Ó 2000 ˜ÂÎ.
ÓÚ 2000 ‰Ó 50 000 ˜ÂÎ.
Ò‚˚¯Â 50 000 ˜ÂÎ.
2000
1800
1600
1400
1200
1000
800
600
400
200
0
-200
-20
0
20
40
60
80
100
óËÒÚ˚ ‰ÓıÓ‰˚ ÓÚ ÓÔÂ‡ˆËÈ Ò ÙËÁ˘ÂÒÍËÏË Îˈ‡ÏË
̇ Ó‰ÌÓ„Ó ‡·ÓÚÌË͇, ÏÎÌ. Û·.
êËÒÛÌÓÍ 2
банковские услуги в населенных
пунктах с численностью населения свыше 50 000 человек. Такая
закономерность может быть обусловлена относительно более высоким уровнем дохода и финансовой
грамотности населения в крупных
городах.
При этом среди основных факторов, которые могут повлиять на
распределение отделений банка по
уровню эффективности их деятельности, выделим следующие:
● месторасположение подразделения банка;
● качество планирования развития территориальной сети;
● социально-экономические условия региона;
● плотность населения в расчете
на один пункт продажи услуг;
● конкуренция со стороны других банков и др.
При помощи метода DEA для
каждой категории отделений были
построены границы эффективности, или оболочечные поверхности,
состоящие из подразделений,
функционирующих как эталонные
с максимальной эффективностью,
равной 100%, то есть на пределе
возможностей. Остальные отделения оценивались в процентах по
отношению к эталонным подразделениям (их эффективность измеряется показателем от 0 до 99%).
В результате все отделения были
ранжированы по уровню эффективности в разрезе типов населенных пунктов.
Учитывая, что каждому уровню эффективности соответствуют
значения двух выбранных показателей (чистые доходы от операций
с физическими лицами на одного
работника и среднедневные остатки на счетах физических лиц на
одного работника), можно сформировать “матрицу эффективности”
для отделений каждой группы.
Рассмотрим это на примере отделений в населенных пунктах с
численностью населения свыше
50 000 человек (таблица).
В таблице желтым и зеленым
цветом отмечены уровни эффек-
Классификация по численности населения проведена исходя из административно-территориального деления в соответствии с Законом Республики Беларусь об административно-территориальном делении и порядке решения вопросов административно-территориального устройства Республики Беларусь от 05.05.1998 № 154-3.
1
31
Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
퇷Îˈ‡
Матрица уровней эффективности
для отделений в населенных пунктах
с численностью населения свыше 50 000 человек
ìÓ‚Â̸
˝ÙÙÂÍÚË‚ÌÓÒÚË,
%
óËÒÚ˚ ‰ÓıÓ‰˚ ÓÚ ÓÔÂ‡ˆËÈ
Ò ÙËÁ˘ÂÒÍËÏË Îˈ‡ÏË
̇ Ó‰ÌÓ„Ó ‡·ÓÚÌË͇, ÏÎÌ. Û·.
10
20
30
40
50
60
70
80
90
100
ë‰Ì‰Ì‚Ì˚ ÓÒÚ‡ÚÍË Ì‡ Ò˜ÂÚ‡ı ÙËÁ˘ÂÒÍËı Îˈ
̇ Ó‰ÌÓ„Ó ‡·ÓÚÌË͇, ÏÎÌ. Û·.
2200
2100
2000
1800
1500
1000
500
5
98
99
100
НД
НД
НД
НД
НД
НД
НД
97
98
99
100
НД
НД
НД
НД
НД
НД
95
97
98
99
100
НД
НД
НД
НД
НД
85
90
94
97
99
100
НД
НД
НД
НД
71
76
83
88
93
99
100
НД
НД
НД
52
56
68
76
83
91
99
100
НД
НД
28
34
48
54
72
81
90
99
100
НД
28
33
42
51
56
70
82
94
99
100
Примечание. НД — не было достигнуто ни одним из отделений.
Источник: собственная разработка.
32
держание персонала и т. п. Поскольку данные затраты существенно отличаются даже для отделений однородных групп, результаты анализа на основе метода
DEA позволяют менеджерам оценить “предельную” интенсивность
Границы эффективности отделений в разрезе
типов населенных пунктов на уровне значимости 95%
100
90
ìÓ‚Â̸ ˝ÙÙÂÍÚË‚ÌÓÒÚË, %
тивности не ниже средних значений для данного типа населенных
пунктов. Из таблицы видно, что
для обеспечения средней эффективности вновь открываемое и
действующее отделение должно
функционировать с соответствующей минимальной интенсивностью. Данный подход можно использовать в процессе мониторинга деятельности территориальной
сети банка, проведения сравнительного анализа функционирования точек продажи услуг, а также
при открытии новых подразделений банка. Так, например, при
проведении мониторинга можно
ориентироваться на показатели не
ниже достигнутых по аналогичным точкам продаж, а при планировании открытия нового отделения целесообразно установить целевую эффективность работы с заданными параметрами. При этом
если высокоэффективное отделение показывает относительно низкие результаты по показателям
прибыли и рентабельности, то менеджерам необходимо принимать
меры по управлению издержками.
Проведенный анализ позволяет
адекватно оценить интенсивность
и эффективность деятельности отделений вне зависимости от операционных расходов на обслуживание помещений, инкассацию, со-
работы пунктов продаж. Вместе с
тем для повышения качества и
объективности анализа при наличии в банке относительно справедливой системы трансфертного ценообразования в модель DEA целесообразно включить показатели
рентабельности.
Для оценки привлекательности
развития бизнеса в регионах был
проведен дисперсионный анализ
показателей эффективности отделений. В разрезе административно-территориальных областей республики на заданном уровне значимости 95% были построены доверительные интервалы показателей эффективности для каждой из
групп отделений. Другими словами, были определены границы
значений показателя эффективности, в которых с вероятностью 95%
будет находиться уровень эффективности вновь открываемых отделений в определенной области.
Наглядно результаты дисперсионного анализа представлены на
рисунке 3.
На основании полученных данных можно определить территориальные области, наиболее благоприятные для коммерческой деятельности банковских точек продаж по каждой группе отделений.
Так, например, для Гомельской
области в населенных пунктах с
80
70
60
50
40
éÚ‰ÂÎÂÌËfl ‚ ̇ÒÂÎÂÌÌ˚ı ÔÛÌÍÚ‡ı
Ò ˜ËÒÎÂÌÌÓÒÚ¸˛ ̇ÒÂÎÂÌËfl:
‰Ó 2000 ˜ÂÎ.
ÓÚ 2000 ‰Ó 50 000 ˜ÂÎ.
Ò‚˚¯Â 50 000 ˜ÂÎ.
30
20
10
Брестская
Витебская
Гомельская Гродненская
Минская
Могилевская
é·Î‡ÒÚ¸
êËÒÛÌÓÍ 3
Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
численностью населения свыше
50 000 человек средний показатель эффективности действующих
и вновь открываемых отделений с
95%-ной вероятностью будет колебаться в пределах от 36 до 44 %,
для отделений Гродненской области — от 68 до 92% (рисунок 3).
Аналогично для отделений, расположенных в населенных пунктах с
численностью населения до 2000
человек, где наиболее эффективными будут отделения Минской и
Гродненской областей (интервалы
58—85 и 49—70% соответственно), наименее эффективные — отделения Витебской и Гомельской
областей (интервалы 36—55% и
44—53% соответственно).
Полученные результаты могут
быть положены в основу расчетов
прогнозных показателей вновь открываемых отделений банка. Например, для планируемого к открытию отделения целесообразно
устанавливать показатели деятельности, соответствующие средней эффективности для определенной группы отделений, региона и
т. д.
В последующем необходимо
осуществлять мониторинг уровня
эффективности точек продаж на
постоянной основе. В процессе мониторинга можно использовать
следующий механизм принятия
решений. Используя матрицу
уровней эффективности (таблица), предлагается выделить следующие две группы отделений:
1. Стандартные — подразделения, уровень эффективности
которых соответствует “зеленой” и “желтой” областям в
таблице.
2. Проблемные — подразделения,
уровень эффективности которых соответствует “красной”
области.
При наличии в составе территориальной сети отделений, попавших во вторую группу, необходимо провести анализ причин их неэффективного развития и разработать планы мероприятий по повышению их эффективности. Следует
рассмотреть каждый фактор, повлиявший на увеличение расходов
или на уменьшение доходов. Ответственным подразделениям банка целесообразно определить плановые показатели, соответствующие уровню эффективности для
“желтой” или “зеленой” области, и
разработать конкретные меры, на-
правленные на устранение разрыва
между плановыми и фактическими
показателями деятельности. Через
определенный период времени (например, через полгода) необходимо
повторно провести анализ, в том
числе по отделениям, для которых
были разработаны планы мероприятий по повышению эффективности. Результаты повторного мониторинга используются для выделения следующих категорий:
● отделения, перешедшие из второй группы в первую (из “красной” области — в “желтую”
или “зеленую”), то есть сократившие разрыв между плановыми и фактическими показателями деятельности;
● отделения, имеющие положительную динамику уровня эффективности, но оставшиеся в
пределах второй группы;
● отделения второй группы, имеющие отрицательную динамику по уровню эффективности.
Для последних отделений следует разработать предложения о
закрытии, поскольку их динамика
развития свидетельствует о том,
что продолжится накопление
убытков и возможность достижения плановой эффективности
крайне маловероятна. Определяющим показателем при вынесении
решения о закрытии является размер убытков подразделения.
В целях оптимизации территориальной сети банком может быть
установлен предельный уровень
фактических и ожидаемых убытков в абсолютном или относительном выражении, которые банк готов нести до выхода на рентабельную работу подразделения. Ожидаемый финансовый результат
рассчитывается исходя из разумного горизонта прогнозирования,
например на период до года. В случае неудовлетворительного прогноза по прибыли и отсутствия
возможности существенного снижения издержек целесообразно
рассмотреть вопрос о закрытии отделения банка. Исключением могут стать ситуации, когда подразделение является частью проекта
(например, по обслуживанию корпоративного VIP-клиента) и его
эффективность должна рассматриваться в увязке с реализацией таких проектов.
Предложенный подход можно
использовать не только для мониторинга фактических показателей
деятельности отделений банка,
уровнем их эффективности и рентабельности, но и для оценки эффективности инвестиций в развитие территориальной сети. При открытии новых точек продаж наряду с информацией об ожидаемых
объемах доходов, расходов и чистой прибыли необходимо учесть
издержки, возникающие при открытии отделений. Более того, в
процессе функционирования отделения вероятны незапланированные расходы на модернизацию, текущий ремонт и т. п. Таким образом, объем планируемых инвестиций во вновь открываемое отделение является важнейшим фактором для принятия решения о его
открытии. При этом основной
прикладной задачей соответствующих служб банка становится оценка рентабельности инвестиций.
В соответствии с мировой банковской практикой критерием
оценки эффективности инвестиций банков в территориальное развитие обычно является срок их
окупаемости. Как правило, под
сроком окупаемости инвестиций
понимают период времени, необходимый для полного восстановления авансированных денежных
средств. Преимуществами данного
подхода являются легкость расчетов и применения, возможность
оценки ликвидности и рискованности проекта (чем больше срок
окупаемости, тем выше риски всех
видов). По сути, критерий срока
окупаемости показывает, с какого
времени наступит чистая отдача от
инвестиций. Обычно в зарубежной
практике срок окупаемости нового
подразделения банка устанавливается от 2 до 5 лет в зависимости от
стратегических приоритетов и
уровня сопутствующих рисков [2].
Система мониторинга сроков
окупаемости отделений (как и мониторинг фактических показателей деятельности) подразумевает
наличие автоматизированной системы сбора информации и построение графиков окупаемости на основе поступающих данных о финансовых показателях отделения.
Полученные данные о размерах
доходов, расходов и чистой прибыли сопоставляются с размером
первоначальных вложений и прогнозируемым сроком окупаемости.
Результаты анализа графиков окупаемости отделений позволяют
выявить причины их неэффектив-
33
Банкаўскi веснiк, ЛIПЕНЬ 2010
çÄìóçõÖ èìÅãàäÄñàà
ного развития, разработать мероприятия по повышению их эффективности и проконтролировать результаты принятых мер.
Таким образом, примененные
методы анализа и полученные результаты могут быть использова-
ны при разработке стратегии развития территориальной сети многофилиального банка, мониторинге и оценке эффективности функционирования точек продажи услуг, сравнительном анализе подразделений с различной структу-
рой доходов и расходов, определении и установлении ключевых показателей эффективности, контроле сроков окупаемости инвестиций в территориальное развитие
и др.
Источники:
1. Алескеров, Ф., Белоусова, В. Эффективное развитие филиальной сети коммерческого банка //ГУ Высшая школа экономики [Электронный ресурс]. — 2007. — Режим доступа: http://d1.hse.ru/data/282/665/1234/Макарова%20В%20-%20Эффективное%20разв.doc —
Дата доступа: 09.05.2010
2. Зборовская, Е., Чумарова, Н. Сети растут по инерции //Ведомости, Санкт-Петербург, 6 ноября 2008 [Электронный ресурс]. —
2008. — Режим доступа: http://www.vedomosti.ru/newspaper/article/2008/11/06/167590 — Дата доступа: 09.05.2010
3. Camanho, A., Dyson, R. Cost efficiency, production and value-added models in the analysis of bank branch performance //Journal of the
Operational Research Society. 2005. Vol. 56. № 5. P. 483—494
4. Charnes, A., Cooper, W., Rhodes, E. Measuring the efficiency of decision making units //European Journal of Operational Research. 1978.
№ 2. P. 429—444.
5. Gattoufi, S., Oral, M., Kumar, A., Reisman, A. Content analysis of data envelopment analysis literature and its comparison with that of other
OR/MS fields //Journal of the Operational Research Society. 2004. Vol. 55. № 9. P. 911—935.
6. Gregoriou, G., Messier, J., Sedzro, K. Assessing The Relative Efficiency Of Credit Union Branches Using Data Envelopment Analysis //
INFOR. 2004. Vol. 42. № 4. P. 281—297.
7. Halkos, G., Salamouris, D. Efficiency measures of the Greek Banking Sector: A non-parametric approach for the period 1997—1999 //Munich
Personal RePEc Archive. 2001. [Electronic resource]. — 2007. — Mode of access: http://mpra.ub.uni-muenchen.de/2858/1/MPRA_paper_2858.pdf
— Date of access: 09.05.2010
8. Sherman, D., Zhu, J. Case Study: Improving Branch Profitability And Service With Data Envelopment Analysis //Bank Accounting &
Finance. April 2009. P. 15—24.
34