Upload
houssam-hsm
View
229
Download
0
Embed Size (px)
Citation preview
7/28/2019 Performances Des Agences Bancaires
1/45
Document de travail du LEM
2008-06
LORSQUE MESURER LA PERFORMANCESENVISAGE COMME UN OUTIL DAIDE LA
DCISION : LE CAS DE LA PERFORMANCE DES
AGENCES BANCAIRES
Aude Deville*Herv Leleu**
*LEG-FARGO, IAE de Dijon Universit de Bourgogne
**ISEG School of Management, CNRS-LEM (UMR 8179)
7/28/2019 Performances Des Agences Bancaires
2/45
2
Lorsque mesurer la performance senvisage comme un outil daide la dcision :
le cas de la performance des agences bancaires
Aude DEVILLE1
LEG-FARGO, IAE de Dijon Universit de Bourgogne,
Ple dconomie et de Gestion, 2 bd Gabriel, BP 26 611, 21 066 DIJON cedex
Tel : 00.33.3. 80.59.35.05. E-mail : [email protected]
Herv LELEU
CNRS/LEM et ISEG School of Management
Universit Catholique de Lille
3 rue de la Digue, 59000 Lille
Tel: 00 33 3 20 13 40 60. E-mail : [email protected]
1 Auteur de correspondance
7/28/2019 Performances Des Agences Bancaires
3/45
3
Lorsque mesurer la performance senvisage comme un outil daide la dcision :
le cas de la performance des agences bancaires
Rsum
Dans ce papier, nous proposons deux nouveaux indicateurs pour mesurer la performanceoprationnelle et la performance financire des rseaux dagences bancaires. Nousdveloppons une approche alternative aux mesures classiques de productivit pour prendreen compte des effets de taille, denvironnement et de structure dans la comparaison desagences entre elles. Nous recourons une approche non paramtrique destimation dune
frontire de production pour construire les indicateurs dans un cadre homogne. Uneapplication empirique est mene sur un chantillon de 1423 agences bancaires rparties ausein de 15 banques rgionales. Nos rsultats indiquent que la performance oprationnellenest que faiblement lie la performance financire et que les deux types dindicateursapparaissent donc davantage complmentaires que substituables pour tablir un diagnosticglobal de performance.
Mots cls : Rseaux de distribution, banque, performance financire, performance
oprationnelle
Abstract
In this paper, we introduce two new indicators of the operational and the financialperformance of bank branches networks. We develop an alternative approach to thetraditional productivity measures to take into account size, environmental and structuraleffects in the benchmark process. We use a nonparametric production frontier to estimate theefficiency indices within a unified framework. We apply our analysis to a sample of 1423 bankbranches belonging to 15 regional banks. Our results show that the operational and financial
performances are weakly related to each other. Therefore, the two types of indicators appearto be more complementary rather than substitute.
Key words: Retail networks, bank, financial performance, operational performance
7/28/2019 Performances Des Agences Bancaires
4/45
4
1. Introduction
A manager tries to put together the various resources under his control into an activity that
achieves his objectives. A model of his operation can assist him but probably will not unless it
meets certain requirements. A model that is to be used by a manager should be simple, robust,
easy to understand, adaptive, as complete as possible, and easy to communicate with. . . .
Such a model consists of a set of numerical procedure for processing data and judgements to
assist managerial decision making and so will be called a decision calculus. , Little J.D.C
(1979, page B-466).
Dans ce travail, nous proposons de nouvelles mesures de la performance partir dune
approche mthodologique innovante qui obit parfaitement aux prceptes noncs par Little
(1979). Cette approche doit permettre la prise de dcision du manager-dcideur. Mme si sa
mise en place peut sembler laffaire de spcialistes, les rsultats quelle produit sont des
indicateurs de performance comprhensibles, interprtables et robustes. Outre la prsentation
des aspects mthodologiques, nous dveloppons une application au secteur bancaire, un cadre
particulirement intressant du point de vue de la rpartition des centres de dcision. Les
groupes bancaires et, en particulier, la banque de dtail sont des rseaux de distribution
intgrs en aval o les agences bancaires sont des points de vente. Les mesures de
performance sont ncessaires la prise de dcision et constituent un outil de communication
de la stratgie au niveau oprationnel. Ici, elles sont dveloppes pour les manageurs-
dcideurs situs la tte de rseau. Elles ont pour objet (1) dvaluer la performance de
lactivit commerciale des agences bancaires ; (2) de permettre les comparaisons entre
agences (niveau individuel) et entre groupes rgionaux (niveau agrg). Elles doivent
alimenter un outil de benchmarking interne deux niveaux. Du point de vue de la prise de
7/28/2019 Performances Des Agences Bancaires
5/45
5
dcision au sein dun rseau de distribution, l'outil est original et pertinent. En effet, comment
raliser un benchmarking congruent si les indicateurs traditionnellement employs ne
permettent pas une analyse unifie et cohrente diffrents niveaux de prise de dcision ou
sils ne permettent de prendre en compte dans les comparaisons interindividuelles des facteurs
exognes qui peuvent influer sur la performance telles que les caractristiques de la zone
commerciale.
Notre travail dbute par une contribution mthodologique. Nous utilisons de faon originale
lapproche dite Data Envelopment Analysis (note ci-aprs DEA) qui est connue et estime.
Elle a t applique dans de nombreux secteurs dactivit et a t exploite notamment par des
chercheurs en marketing. Nous pouvons citer, en langue franaise, les tudes de La Villarmois
(1999) pour valuer la performance des agences bancaires , celle(s) de Vyt (2005) pour
valuer la performance des supermarchs ,celle(s) de Chabi et Corre (1999) pour estimer la
relation qualit-prix , ou encore celle(s) de Sinigaglia (1997) pour comparer la performance
des tlboutiques belges. Ensuite, notre analyse comporte une contribution empirique. Les
rsultats discuts sont obtenus partir dune base de donnes comprenant 1423 agences
bancaires rparties au sein de quinze banques rgionales qui travaillent sous une mme
enseigne et qui sont chacune affectes dune direction gnrale et dun rseau dagences.
Enfin, nous proposons une contribution managriale en nous attachant deux types de
rsultats qui permettent (1) de discuter les limites des mesures classiques de performance
oprationnelle et financire ; (2) de proposer des mesures de la performance innovantes qui
permettent de pallier ces limites ; (3) danalyser la relation entre la performance
oprationnelle, fonde sur des mesures dactivits et de ressources consommes (des effets
volume) et la performance financire des agences bancaires, fonde sur des critres de
rentabilit financire (des effetsprix ou valeur).
7/28/2019 Performances Des Agences Bancaires
6/45
6
Nous prsentons les mesures habituellement utilises pour valuer la performance
commerciale des agences bancaires dans la section 2. La mthodologie et les dveloppements
ncessaires notre tude sont exposs dans la troisime section. Les donnes et les rsultats
empiriques sont prsents et discuts dans la quatrime section. Nous concluons dans la
cinquime section.
2. valuation traditionnelle de la performance commerciale des agences bancaires
Les rseaux bancaires sont des rseaux de distribution intgrs en aval o la direction assure
le rle de producteur-leader et les agences celui de succursales-distributeurs. Lactivit
commerciale des agences bancaires consiste distribuer des produits bancaires (collecte de
dpts octroi de crdits) issus de lintermdiation bancaire mais aussi des produits non
bancaires dits hors bilan tels que de lassurance-dommage, des produits financiers
(OPCVM ou assurance- vie), ou encore de la vente de services lis la gestion des comptes
(autorisations de dcouvert, petits contrats dassurance, cartes de crdits, banque distance,
tlphonie...). Lactivit commerciale des agences est ddie une clientle rpartie au sein
dune zone commerciale de proximit. Pour assurer son activit commerciale, la direction
gnrale alloue chaque agence des ressources de trois natures : des ressources humaines, des
ressources dexploitation et un capital-client qui constitue le fond de commerce de lagence.
En tant que point de vente, lactivit commerciale des agences bancaires est influence par les
caractristiques de son environnement commercial2 qui renvoie aux caractristiques de la
demande (caractristiques socio-conomiques des clients existants et potentiels) et celles de
loffre (notamment lintensit de la concurrence). Il influe sur le volume des ventes et la
gamme optimale de produits. Ces lments ne sont pas contrlables par les points de vente
car ils ne dcident pas de leur localisation. Cependant cet environnement influence la
2 De nombreuses tudes ont t consacres lanalyse de lenvironnement commercial des points de vente, lesouvrages de Ghosh et McLafferty (1987), Jallais et al. (1994), et Dunne et al. (1995) traitent de ce point de faonplus dtaille.
7/28/2019 Performances Des Agences Bancaires
7/45
7
performance alors quil est souvent nglig dans la procdure dvaluation. Cest une des
principales limites des indicateurs classiques de la performance qui sera discute
ultrieurement (notamment au sein de la section 4).
Dans la pratique, lvaluation de lactivit commerciale des agences bancaires est ralise
partir de nombreux indicateurs classiques de la performance. Lanalyse de la performance
commerciale est le plus souvent ralise selon deux dimensions : une dimension
oprationnelle qui renvoie une valuation de la bonne utilisation des ressources mises
disposition des agences et une dimension financire qui renvoie la capacit produire de la
valeur.
2.1. Mesures classiques de la performance oprationnelle des agences bancaires
Sur la figure 1, nous prsentons les donnes utilises pour valuer la performance
oprationnelle de lactivit commerciale des agences. partir de ces donnes, un grand
nombre de ratios de productivit partielle peut tre calcul, il suffit de combiner chaque
activit et chaque ressource sous la forme dun ratio. Cette dmarche permet davoir
une vue globale de la performance oprationnelle des agences et notre exprience du terrain
montre que les praticiens sont enclins prfrer les ratios par employ. Nous retiendrons
quatre indicateurs de productivit partielle (associs leurs variables) qui se retrouvent
habituellement dans les tableaux de bord des agences : encours de dpt par employ
(PROD_DEP), encours de crdit par employ(PROD_CRED),primes dassurance-dommage
par employ(PROD_ASS), et encours dpargne financire par employ(PROD_EFI).
ICI INSERER LA FIGURE 1
7/28/2019 Performances Des Agences Bancaires
8/45
8
Ces ratios de productivit partielle, calculs partir des informations comptables, prsentent
cependant trois limites majeures du point de vue de la prise de dcision :
Ils sont multiples ce qui ne facilite pas la prise de dcision. En effet, comment
comparer une agence qui prsente une bonne performance sur le ratio encours de
dpt par employ et une moins bonne performance sur le ratio encours dpargne
financire par employ une autre agence qui prsente une performance inverse sur
ces deux ratios ?
Une deuxime limite est plus critique encore car elle peut conduire des erreurs de
diagnostic et donc des dcisions errones. Les indicateurs de productivit partiellesont difficilement interprtables car ils ne procdent pas dun raisonnement toute
chose gale par ailleurs . En effet, la variation dun des indicateurs dans le temps, par
exemple une augmentation de la productivit apparente du travail, ne peut tre
impute sans ambigit aux efforts des employs car il se peut que laugmentation de
lactivit soit lie aux autres ressources que lon ne contrle pas dans la dfinition
dun indicateur de productivit partielle. Ainsi, on pourrait croire que la productivit
du personnel augmente alors quen ralit elle dcrot, si elle est masque par la plus
forte hausse de la productivit des autres ressources mobilises.
Une troisime limite est lie au rle de la taille dans la procdure dvaluation de la
performance. Les ratios de productivit partielle supposent implicitement des
rendements dchelle constants puisquils sont dfinis sous la forme de ratio. En effet
dire quune grande agence avec un encours moyen par employ de (2000/20)=100 est
moins productive quune petite agence qui a pour ratio (250/2)=125, cest dire que
lon peut mettre lchelle toute activit et quon ne prend pas en compte dans le
processus dvaluation la possibilit dconomie ou de ds-conomie dchelle dans la
production.
7/28/2019 Performances Des Agences Bancaires
9/45
9
2.2. Mesures classiques de la performance financire des agences bancaires
Sur la figure 2, nous prsentons les donnes sollicites pour valuer la performance financire
de lactivit commerciale des agences. La performance financire renvoie la notion de
rentabilit mme elle est souvent estime partir du ratio du produit net bancaire 3 (not PNB
par la suite) ou du rsultat brut dexploitation (not RBE par la suite) divis par leffectif ou
par le bilan total (total bilan) (qui correspond la somme des encours de dpt et des encours
de crdit).
ICI INSERER LA FIGURE 2
Nous montrons les diffrentes tapes de dtermination du PNB et du RBE dune agence
bancaire partir de leur compte de rsultat simplifi. Le tableau 1 indique que le PNB se
calcule en sommant la marge financire et diverses commissions. Le RBE correspond au PNB
auquel on retire les charges dexploitation (frais de personnel et autres frais dexploitation).
ICI INSERER LE TABLEAU 1
Nous retenons deux ratios de performance financire qui sont utiliss comme outils de
pilotage des agences bancaires au sein du groupe qui a mis la base de donnes notre
disposition. Nous dfinissons ainsi le ratio not RATIO_FI1 = RBE / total bilan (la masse
total bilan correspond la somme des encours de dpts et des encours de crdits) ; et le
RATIO_FI2 = RBE / effectif mesur en quivalent temps plein. Le ratio RATIO_FI1 rpond
la question : quel est le rendement dexploitation dun euro dactivit (value par la somme
des encours de lactivit dintermdiation bancaire le total bilan - ). Le ratio RATIO_FI2
3 Nous renvoyons Lamarque (2003) pour plus de dtails sur la gestion bancaire.
7/28/2019 Performances Des Agences Bancaires
10/45
10
rpond la question : quel est le rendement dexploitation dun employ estim en quivalent
temps plein ? Ces deux indicateurs sont des indicateurs synthtiques de la performance
financire de lactivit commerciale des agences bancaires mais la porte de leur
interprtation est limite. En effet, sils permettent des pratiques de benchmarking
relativement faciles rendre oprationnelles, ils nindiquent pas comment parvenir
amliorer la performance financire mesure : une bonne/mauvaise performance financire
est-elle due des cots financiers ou des cots dexploitation faibles ou plutt une marge
financire leve ou des commissions dpargne financire importantes ? Ils nindiquent pas
aux agences les moins performantes sur quel(s) poste(s) porte(nt) les efforts raliser.
Lapproche que nous adoptons ci-aprs permet de rpondre en partie aux limites de ces
indicateurs de performance traditionnels.
3. Mesure de la performance par lapprocheData Envelopment Analysis
Nous dveloppons deux nouvelles mesures de la performance dans le cadre de lapproche
Data Envelopment Analysis (DEA). Cette approche respecte les prconisations de Parsons
(1994) qui suggre dvaluer la performance des points de vente partir de leur technologie
de production. Elle reprsente la relation liant lensemble des ressources employes
lensemble des activits produites. Un certain nombre danalyses ont choisi cette approche
pour estimer la performance des agences bancaires parce quelle permet (1) de dterminer les
meilleures pratiques (Sherman et Gold 1985), (2) de calculer des indicateurs synthtiques de
la performance oprationnelle (Parkan 1987, Oral et Yolalan 1990, Vassiloglou et Giokas
1990, Giokas 1991, Tulkens 1993, Al-Afarajn et al. 1993, Sherman et Ladino 1995, La
Villarmois 1999, Gervais et Thenet 2004), (3) de neutraliser les effets de facteurs exognes
tels que lenvironnement (Athanassopoulos 1998) et (4) de mettre en relation la qualit de
7/28/2019 Performances Des Agences Bancaires
11/45
11
service, la profitabilit et la productivit (Athanassopoulos 1997, Soteriou et Zenios 1999, et
Schaffnit et al. 1997). Notre tude, tout en proposant une application innovante de lapproche
DEA aux agences bancaires, sinscrit dans la continuit de cette littrature.
3.1. Le cadre mthodologique
Lapproche DEA se fonde sur la dfinition dun ensemble de production constitu de toutes
les pratiques observes. Les meilleures pratiques dfinissent la frontire de cet ensemble
appele frontire defficience. Lefficience dune pratique svalue donc par un score, calcul
comme lcart entre la pratique observe et la meilleure pratique situe sur la frontire.
Notons que le concept defficience est ici relatif puisquil se fonde sur les meilleures pratiques
observes et non sur un rfrentiel thorique. En fait, lensemble de production et sa frontire
sont inconnus et sont estims partir des donnes dun chantillon et laide de la
programmation mathmatique.
Notre approche met clairement en lumire la diffrence qui existe entre le concept traditionnel
de productivit et celui defficience technique. La figure 3 illustre cette distinction dans le
cadre dune technologie de production mono-produit/mono-facteur. Toute production
ralisable est caractrise par un couple de coordonnes dans lespace production/ressource
(X reprsente la consommation en ressources inputs - et Y le niveau de production le
volume des ventes encore appel outputs -). Lensemble des observations, comme les points
A, B, C, E ou D, qui maximisent le niveau doutput pour un niveau dinput donn forment
la frontire de production. Une observation qui se situe lintrieur de lensemble de
production est inefficiente car elle peut, ressources consommes constantes, augmenter son
niveau doutput (point C) ou, production inchange, diminuer son utilisation de linput
(point B) ou la fois augmenter son activit tout en diminuant ses ressources (point E). Une
7/28/2019 Performances Des Agences Bancaires
12/45
12
mesure de son inefficience est donne par une fonction distance qui mesure lcart entre
lobservation inefficience et son observation de rfrence qui se situe sur la frontire des
meilleures pratiques. Contrairement aux entits B, C et E, les entits A et D sont efficientes
car elles se situent sur la frontire de production. La productivit de chaque entit est mesure
par la pente des demi-droites OA, OB, OC et OD (rapport output/input).
Notre approche privilgie le concept defficience dans la mesure de la performance
oprationnelle. Trois cas de figure dmontrent clairement la distinction entre efficience
technique et productivit : (1) les observations A et D sont toutes deux techniquement
efficientes mais A est caractrise par une productivit plus leve ; (2) les observations C et
D ont la mme productivit mais D est efficiente et C ne l'est pas ; (3) lobservation D est
moins productive que l'observation B (la demi-droite OD est en dessous de OB) mais elle est
plus efficiente. Ce dernier cas permet de justifier le choix de lefficience plutt que celui de
productivit pour mesurer la performance oprationnelle. Bien que lobservation D soit moins
productive que l'observation B, elle peut tre considre comme appartenant aux meilleures
pratiques (elle se situe sur la frontire defficience) alors que l'observation B est inefficiente et
peut diminuer ses ressources pour produire la mme quantit doutput. Le choix dune mesure
defficience pour valuer la performance oprationnelle plutt que le recours une mesure de
productivit permet de prendre en compte explicitement des effets de taille dans le processus
dvaluation. En effet, la mesure defficience se calcule par rapport une frontire de
production qui peut admettre tout type de rendements dchelle (croissants, constants ou
dcroissants) et une agence, grande ou petite, peut tre efficiente mme si elle nest pas la
plus productive. Notre nouvelle mesure de performance permet donc dintgrer des effets
taille dans lvaluation des agences.
-ICI INSERER LA FIGURE 3-
7/28/2019 Performances Des Agences Bancaires
13/45
13
Le cadre mthodologique employ dans cette recherche est une approche non paramtrique
qui permet destimer linefficience oprationnelle et financire. Nos principales contributions
se situent : (1) dans lvaluation et dans linterprtation de la performance financire des
agences bancaires ; et (2) dans la considration des spcificits de lenvironnement4 de
proximit et de la taille des agences bancaires dans la modlisation de leur processus de
distribution. Une prsentation formalise de lapproche est prsente en annexe 1. Nous
prsentons dans le texte son adaptation notre analyse de la performance des agences
bancaires.
3.2. Mesure de la performance oprationnelle des agences bancaires
Pour mesurer la performance oprationnelle qui cherche valuer si les ressources en volume
sont bien utilises pour maximiser le volume dactivit des agences, nous reprenons les trois
ressources et les quatre activits dcrites dans la figure 1 pour construire la technologie de
production et nous adaptons le programme linaire prsent en annexe. Nous dcrivons ci-
dessous les variables utilises et le programme correspondant.
4 La performance des points de vente dpend la fois de la capacit du manager prendre les bonnes dcisionsconcernant les facteurs qui se trouvent sous son contrle, mais aussi de linfluence de facteurs incontrlables quicaractrisent les conditions de march (Achabal et al., 1984 ; Kamakura, Lenartowicz, et Ratchford, 1996). Lestudes ralises ont notamment montr que la performance des points de vente est influence par les
caractristiques socio-conomiques de la clientle et par le niveau de concurrence (Ghosh et Craig 1983, 1984).Dans cette analyse, seules des agences soumises aux mmes contraintes denvironnement sont compares entreelles, les meilleures pratiques propres chaque environnement commercial sont ainsi identifies.
7/28/2019 Performances Des Agences Bancaires
14/45
14
Description
Nombre demploys
Autres frais gnrauxNombre de clients
Encours de dptEncours de crditPrimes dassurance dommageEncours dpargne financire
Environnement de lagence value
Variables formant la combinaison linaireScore dinefficience oprationnelle (SCORE_OPE)
Donnes delagence
RessourcesEMP
AFGNBC
ActivitsDEPCREASSEFI
Variablesz
k
o
Donnes dugroupe rgional
TOTEMP
TOTAFGTOTNBC
TOTDEPTOTCRETOTASSTOTEFI
,
s.c. :
o k
o
o
o
o
o
o
o
z
k k o o
k Env
k k o o
k Env
k k o o
k Env
k k o o
k Env
k k o o
k Env
k k o o
k E
k k o o
k Env
Max
z EMP EMP TOTEMP
z AFG AFG TOTAFG
z NBC NBC TOTNBC
z DEP DEP TOTDEP
z CRE CRE TOTCRE
z ASS ASS TOTASS
z EFI EFI TOTEFI
+
+
+
+
1
0
o
o
k
k Env
k o
z
z k Env
=
Le programme linaire cherche dterminer sil existe une combinaison linaire dagences
voluant dans le mme environnement que lagence value et qui produise davantage de
chaque activit (DEP, CRE, ASS et EFI) tout en utilisant moins de chaque ressource (EMP,
7/28/2019 Performances Des Agences Bancaires
15/45
15
AFG et NBC). Si une telle solution nest pas trouve, lagence value est dclare efficiente
et son score dinefficience est nul, dans le cas contraire le programme mesure lactivit
supplmentaire que lagence value pourrait faire tout en utilisant moins de ressources, le
tout en terme de pourcentage par rapport au total des activits et des ressources du groupe
rgional. Par exemple, un score dinefficience oprationnelle de 1% signifie que lagence
value en devenant performante pourrait augmenter lactivit du groupe de 1% tout en
diminuant les ressources de 1% galement. Lavantage dune mesure par rapport au groupe
rgional est quil est possible de comparer directement les performances des agences (la
mesure nest pas relative mais absolue) et quil est possible dadditionner les scores
dinefficience pour obtenir linefficience de nimporte quel regroupement dagences (par
groupe denvironnement par exemple ou encore par localisation gographique). Il est donc
possible dagrger volont les mesures de performance pour les tudier diffrents niveaux
danalyse.
3.3. Mesure de la performance financire des agences bancaires
Pour mesurer la performance financire, nous nous intressons directement aux composantes
du rsultat brut dexploitation (RBE) comme indicateurs de ressources et dactivits. Nous
pouvons donc tirer parti du fait que les marges et les cots sont mesurs en valeur. Exprims
dans la mme unit de mesure, ils sont directement comparables et nous pouvons viter le
recours un vecteur directionnel pour mesurer les carts la frontire et sommer directement
les gains possibles et les conomies ralisables en valeur. Lobjectif du modle defficience
RBE est donc de mesurer laccroissement potentiel du RBE de lagence value soit en
augmentant ses marges et commissions, soit en rduisant ses cots en comparaison avec les
autres agences observes. Dans ce modle les cots et les marges/commissions sont optimiss
7/28/2019 Performances Des Agences Bancaires
16/45
16
simultanment. Nous prsentons ci-dessous la description des variables utilises et le
programme doptimisation correspondant.
Description
Frais de personnelAutres frais gnrauxFrais financiers
Marges sur dptMarges sur crditCommissions sur dassurance dommageCommissions sur pargne financire
Environnement de lagence valueVariables formant la combinaison linaire
Donnes delagenceCotsFEMPAFGFFIN
MargesMDEPMCRECASSCEFI
zk
Variablesdcarts
SFEMPSAFGSFFIN
SMDEPSMCRESCASSSCEFI
zk
( )
( )
s.c. :o
o
o
o
o
k k o
k Env
k k o
k Env
k k o
k Env
k k o
k Env
k k o
k Env
k k o
k
Max SMDEP SMCRE SCASS SCEFI
SFEMP SFAG SFFIN
z FEMP FEMP SFEMP
z AFG AFG SAFG
z FFIN FFIN SFFIN
z MDEP MDEP SMDEP
z MCRE MCRE SMCRE
z CASS CASS SCASS
+ + +
+ +
+
+
+
1
0
o
o
o
E
k k o
k Env
k
k Env
k o
z CEFI CEFI SCEFI
z
z k Env
+
=
Le programme linaire cherche dterminer les surplus quune agence peut raliser sur
chaque marge du RBE et les conomies ralisables sur chaque dimension de cot. Pour cela,
7/28/2019 Performances Des Agences Bancaires
17/45
17
lagence value est compare toutes les agences dans le mme environnement quelle ainsi
qu de possibles combinaisons linaires de ces agences qui forment la frontire defficience.
Si une telle solution nest pas trouve, lagence value est compare elle-mme et son
score dinefficience est nul. Dans le cas contraire, la valeur de la fonction-objectif sinterprte
comme le score dinefficience RBE (SCORE_RBE) en donnant le montant total duquel peut
tre augment le RBE et les variables dcarts fournissent le potentiel damlioration sur
chacune des dimensions du RBE. Ces rsultats en valeur pourront tre traduits par la suite en
pourcentage du RBE du groupe rgional pour tre compars la performance oprationnelle
afin dhomogniser les rsultats.
Lintrt de cette approche par rapport une simple comparaison des RBE entre agences est
de comparer lagence value une agence de rfrence qui obtient de meilleurs rsultats sur
chaque dimension du RBE. En dautres termes, il ny a pas de compensations entre les
dimensions du RBE o une marge infrieure sur une dimension serait ventuellement
compense par une autre meilleure sur une autre dimension ou par un cot moindre. Une
agence performante est une agence qui a un cot moindre pour chaque source de cot et une
marge/commission suprieure pour chaque source de cration valeur. Cette exigence permet
de contrler de faon naturelle les effets de taille et de structure dactivits des agences pour
limiter lhtrognit des comparaisons.
Ce modle poursuit un objectif bien connu en contrle de gestion qui est doptimiser
simultanment le couple cot-valeur. Cest en ce sens que nous avons construit une relation
entre les ressources consommes et values par leur cot et la valeur cre value par les
marges et les commissions gnres par lactivit des agences. Du point de vue de la prise de
dcision du manager, cette approche prsente lintrt dindiquer les dimensions sur
lesquelles doivent se focaliser les efforts (identification des cots rduire ou des marges
7/28/2019 Performances Des Agences Bancaires
18/45
18
augmenter). En outre, il sagit dune pratique de benchmarking que lon pourrait qualifier de
slective dans le sens o pour tre considr comme un benchmark une agence bancaire ne
doit tre domine sur aucune des facettes constitutives du RBE.
4. Application empirique
Cette section est consacre lapplication empirique des modles defficience dvelopps
dans le cadre mthodologique de cette recherche. Nous analysons la performance dune
population de 1423 agences bancaires travaillant sous une mme enseigne mais rparties au
sein de quinze groupes bancaires rgionaux. Chaque groupe bancaire rgional constitue un
rseau de distribution intgr en aval indpendant compos dune direction gnrale
autonome et dun ensemble dagences. Aprs la prsentation des donnes, nous comparons
(1) les indicateurs classiques de la performance oprationnelle (PROD_DEP, PROD_CRED,
PROD_ASS, et PROD_EFI) et le score dinefficience technique (SCORE_OPE) ; (2) les
indicateurs classiques de la performance financire des agences nots RATIO_FI1 et
RATIO_FI2 et le score dinefficience RBE not SCORE_RBE. Nous discutons ensuite la
relation entre les indicateurs SCORE_OPE et SCORE_RBE pour tester sils sont davantage
de nature complmentaire ou substituable.
4.1. Prsentation des donnes
La dtermination des scores dinefficience oprationnelle (SCORE_OPE) et dinefficience
financire (SCORE_RBE) ncessite de recueillir lensemble des variables dfinies dans les
figures 1 et 2 pour les 1423 agences values. Dans les tableaux 2 et 3, nous prsentons les
statistiques descriptives des variables slectionnes.
7/28/2019 Performances Des Agences Bancaires
19/45
19
ICI INSERER LES TABLEAUX 2ET 3
En outre, comme le montre les dveloppements mthodologiques exposs en section 3, nous
intgrons dans la procdure dvaluation des indicateurs SCORE_OPE et SCORE_RBE les
caractristiques de lenvironnement commercial de proximit (leffet de taille est neutralis
par lhypothse de rendements dchelle variables dans les modles DEA). Les
caractristiques de lenvironnement de proximit sont recueillies sous la forme dune variable
catgorielle qui correspond une classification fonde sur des opinions dexperts5 et une
analyse de classification hirarchiques ralise en interne par le groupe bancaire. Cette
classification a t tablie grce des informations recueillies llot pour qualifier la zone de
chalandise de chaque agence. La zone de chalandise a t dfinie partir dun logiciel de
gomarketing. Les informations utilises pour raliser la classification sont issues du dernier
recensement INSEE ainsi que des informations fiscales, les variables employes sont
notamment : la part des agriculteurs, la part des cadres, la part des commerants artisans dans
les actifs ; la part des tudiants, des retraits dans la population, le revenu moyen par mnage,
la part des rsidences secondaires, le taux de chmage, lvolution de la population. La
variable catgorielle ainsi dtermine est appele dans notre tude E, elle comprend huit
modalits. Elle se dcline de E1 E8. Huit frontires defficience sont ainsi construites pour
neutraliser les effets de lenvironnement sur lvaluation de la performance des agences. Les
huit environnements sont prsents dans le tableau 4 qui rsume aussi la distribution de lapopulation tudie par environnement et prcise les caractristiques saillantes de chaque
environnement.
ICI INSERER LE TABLEAU 4
5 Ces experts travaillent au sein des services marketing et dveloppement du rseau des directions gnralesdes quinze groupes bancaires participant ltude.
7/28/2019 Performances Des Agences Bancaires
20/45
20
4.2. valuation de la performance oprationnelle : comparaison des ratios de productivit
partielle et de SCORE_OPE
La performance oprationnelle est value partir dun score dinefficience (SCORE_OPE)
et de quatre indicateurs de productivit partielle (PRO_DEP, PROD_CRED, PROD_ASS,
PROD_EFI) qui permet dvaluer la productivit des agences sur les quatre types de produits
proposs la clientle alors que le score dinefficience technique est un indicateur synthtique
qui permet lui aussi dvaluer la performance oprationnelle des agences sur ces mmes types
de produits. Pour illustrer lintrt de nos rsultats, le tableau 5 prsente des rsultats
individuels de trois agences choisie parmi les 1423 values. La variable introduite pour
valuer la taille des agences est note CLAS_TAILLE. Elle est construite partir du total
bilan des agences (somme des encours de dpt et somme des encours de crdit des agences
en k). C'est une variable catgorielle quatre modalits qui correspondent chacune un
quartile, qui est aussi indique sur le tableau 5.
ICI INSERER LE TABLEAU 5
Si un manageur occupant une fonction de directeur de rseau ou de directeur dedveloppement avait pour mission de procder du benchmarking et donc de classer les
agences A1, A2 et A3 sur le critre de performance oprationnelle avec seulement sa
disposition les quatre ratios classiques de productivit partielle, il serait confront des
difficults voire des cueils. En effet, lagence A1 serait compare deux autres agences de
taille trs diffrente et ses rsultats, relativement plus faibles sur les indicateurs de
productivit partielle que les deux autres, pourraient ntre lis qu un effets taille sans
7/28/2019 Performances Des Agences Bancaires
21/45
21
quelle nutilise pour autant moins bien les ressources mises sa disposition pour produire
son activit. Leffet taille masque ici la bonne performance oprationnelle de lagence A1
puisque notre approche montre quelle est effectivement efficace lorsque la taille et
lenvironnement sont pris en compte dans son valuation. Par ailleurs, comment classer les
agences A2 et A3 qui appartiennent la mme catgorie de taille mais dont les ratios
avantagent une fois A2, une autre fois A3. Soulignons galement que les ratios de
productivit partielle ne prennent en compte quune dimension, ici les ressources humaines
alloues aux agences. Le score dinefficience SCORE_OPE a t construit de manire
pallier ces limites, et en tant quindicateur synthtique de la performance oprationnelle il
autorise un classement facile des agences. Si une agence obtient un score SCORE_OPE de
0% cela signifie quelle utilise au mieux les ressources mises sa disposition et donc quelle
est performante oprationnellement. Si une agence obtient un score de 0,37% comme lagence
A3 cela signifie qutant donn ses ressources et son environnement, elle peut augmenter de
0,37% lactivit commerciale du groupe.
De manire synthtique, le tableau 6 prsente les rsultats par groupes rgionaux. Sont
indiqus leffort oprationnel par groupe, leffort oprationnel moyen par agence, ainsi que
les ratios de productivit partielle moyens. On peut classer les groupes rgionaux partir de
leffort oprationnel raliser indiqu par la somme des inefficiences des agences pour
chaque groupe ou partir de leffort moyen raliser par agence. Le classement des groupes
rgionaux est plus dlicat voire impossible partir des indicateurs de productivit partielle, en
effet certains groupes prsentent de bons rsultats pour certains ratios et non pour dautres et
inversement pour dautres groupes.
ICI INSERER LE TABLEAU 6
7/28/2019 Performances Des Agences Bancaires
22/45
22
Le tableau 7 indique les coefficients de corrlation entre les diffrentes mesures de
performance oprationnelle, le score dinefficience SCORE_OPE6 est corrl environ 0,25
avec lensemble des ratios de productivit partielle, alors que les ratios de productivit
partielle sont lis entre eux avec de forts contrastes. Par exemple, PROD_DEP est corrl
0,58 PROD_EFI et 0,31 avec PROD_ASS alors que PROD_EFI est inversement (trs
faiblement corrl 0,07) corrl PROD_ASS. Ceci indique bien que lanalyse des ratios de
productivit partielle est dlicate car elle peut conduire des rsultats contraires.
ICI INSERER LE TABLEAU 7
4.3. valuation de la performance financire : comparaison des ratios classiques et de
SCORE_RBE
Nous prsentons ici les rsultats obtenus au niveau individuel (agence) (tableau 8) et au
niveau agrg (groupe rgional) (tableau 9). Bien que les rsultats individuels soient
disponibles pour les 1423 agences, le tableau 8 nen montre quune partie pour illustrer la
nature des rsultats et les indicateurs qui pourraient tre intgrs dans un diagnostic de
performance ou un tableau de bord. Nous montrons les rsultats pour trois agences identifiespar A1, A2, et A3. La colonne SCORE_RBE indique que lagence ici note A1 peut
augmenter son RBE dun montant de 556 k, cet effort raliser est dtermin en
comparaison avec une autre agence du mme environnement qui est plus efficiente sur
lensemble des dimensions. Les colonnes suivantes indiquent comment raliser cette
6 Cest un score dinefficience, un signe (-) indique donc bien une relation positive avec les autres indicateurs.Moins le score dinefficience est lev plus lagence est performante, linverse pour les ratios de productivitpartielle, plus ils sont levs plus lagence est performante.
7/28/2019 Performances Des Agences Bancaires
23/45
23
augmentation potentielle : au sein de sa zone commerciale, elle peut potentiellement
augmenter sa marge sur les crdits de 157 k, ses commissions sur lassurance dommage de
58 k, et celles sur lpargne financire de 39 k. Dans le mme temps, elle devrait pouvoir
diminuer ses frais gnraux de 302 k. Une interprtation analogue des rsultats peut tre
ralise pour lagence A3. On remarque que lagence A1 doit, pour devenir performante,
faire un effort tout aussi important pour augmenter ses marges que pour diminuer ses cots
alors que lagence A3 a essentiellement un effort faire sur le poste des marges sur produits.
Elle na que trs peu defforts faire du cot des cots. Lagence A2 est une agence
efficiente (elle na aucun effort potentiel raliser) : elle est un benchmarkcar il ny a aucune
agence qui la surpasse sur lensemble des marges et des cots gnrs par son activit
commerciale. Ces rsultats montrent la possibilit de faire un diagnostic individuel pour
chaque agence et didentifier les gains de rentabilit sur chaque dimension de lactivit
bancaire.
ICI INSERER LE TABLEAU 8
Le tableau 9 prsente les rsultats au niveau agrg - pour chaque groupe bancaire rgional -.
Nous pourrions galement prsenter des rsultats tout niveau dagrgation imaginable : par
taille, par type dagence, par environnement commercial, par localisation gographique... Les
scores sont ici exprims en pourcentage du groupe rgional. Le tableau indique les efforts
agrgs raliser au sein de chaque groupe bancaire rgional, ainsi quun montant global
deffort indiqu par la colonne RBE du groupe . Il existe de fortes disparits parmi les
groupes bancaires rgionaux la fois en fonction de limportance des efforts mais galement
sur leur nature. Par exemple le groupe GR1 a des efforts importants fournir sur les
commissions dassurance dommage, les commissions dpargne financire, et les autres frais
gnraux. Le groupe GR11 qui a galement un pourcentage deffort global raliser
7/28/2019 Performances Des Agences Bancaires
24/45
24
important doit principalement sorienter vers laugmentation de la marge sur les crdits, des
commissions dassurance dommage et des commissions dpargne financire. Un diagnostic
personnalis peut ainsi tre ralis pour chacun des groupes rgionaux.
ICI INSERER LE TABLEAU 9
Les rsultats exposs dans les tableaux 8 et 9 montrent lintrt du point de vue de la prise de
dcision du SCORE_RBE par rapport aux indicateurs RATIO_FI1 ET RATIO_FI2 :
(1) il indique chaque agence inefficiente leffort global raliser pour assurer le
meilleur rendement financier possible (cet effort est jug ralisable car dtermin partir de
pratiques observes) ainsi que les postes amliorer pour atteindre le RBE potentiel
maximum ;
(2) partir du score_RBE une procdure de benchmarking peut tre mise ne place tant
au niveau individuel agence - et quau niveau agrg - groupe rgional - ;
(3) son mode de calcul permet dintgrer a priori dans la procdure dvaluation des
facteurs exognes comme les contraintes denvironnement mais galement de neutraliser
leffet taille des agences et ainsi de les comparer plus quitablement.
4.4. Comparaison des deux nouveaux indicateurs : sont-ils complmentaires ou
substituables dans le diagnostic de performance ?
Nous comparons les deux nouveaux indicateurs de performance proposs dans ce travail des
fins doutil daide la dcision. Suite des entretiens mens auprs dexperts, nous
constatons que deux orientations managriales coexistent pour piloter lactivit commerciale
7/28/2019 Performances Des Agences Bancaires
25/45
25
des agences : (1) en donnant des objectifs en termes de volume ; et (2) en donnant des
objectifs de rentabilit. Nos rsultats empiriques montrent que ces deux dimensions sont
plutt complmentaires avec une corrlation de lordre 0,37.
La figure 4 positionne les 15 groupes rgionaux dans lespace de ces deux indicateurs.
ICI INSERER LA FIGURE 4
Quatre quadrants sont dfinis partir des deux mdianes des indicateurs. Nous pouvons
distinguer quatre profils :
(1)GR6, GR9, et GR13 qui se situent dans le quadrant sud-est et qui sont les groupes
rgionaux avec les agences les plus performantes tant du point de vue financier
quoprationnel ;
(2)GR14, GR4, GR12, GR5, GR11, GR2 et GR15 forment le profil mdian. Il se situe
autour de lorigine avec un niveau de performance globale moyen. Certains groupes
rgionaux pourraient amliorer leur performance en diminuant plutt leur inefficience
RBE comme GR15, GR2 ou GR11 et dautres en diminuant plutt leur inefficience
oprationnelle comme GR15, GR14 ou GR2)
(3)GR8, GR10, GR7 et GR1 forment le profil le moins performant. Leurs agences ont
intrt amliorer sensiblement leur performance RBE et pour certains comme les
groupes GR1 et GR8 ils ont galement amliorer leur performance oprationnelle.
(4)GR3 constitue un cas isol dans le sens o ses agences ont une performance financire
bien meilleure que la moyenne mais ont aussi la moins bonne des performances
oprationnelles.
7/28/2019 Performances Des Agences Bancaires
26/45
26
Cette analyse constitue donc un outil de diagnostic intressant qui permet dappeler des tudes
complmentaires pour certains groupes rgionaux qui peuvent apparatre relativement
atypiques comme GR3 ou trs peu performants comme GR1. Dautres axes danalyses
peuvent galement tre dvelopps. Par exemple GR14 et GR10 prsentent quasiment la
mme inefficience oprationnelle mais diffrent fortement sur linefficience RBE. Une
comparaison des mthodes de management ou des politiques commerciales entre les agences
de ces groupes pourrait peut-tre clairer ce diagnostic diffrenci.
5. Conclusion
Dans cet article, deux nouvelles mesures de la performance ont t introduites et compares
avec des mesures plus classiques comme les ratios de productivit partielle et les ratios
financiers. Nous distinguons une mesure de la performance oprationnelle fonde sur la
bonne utilisation des ressources mobilises dans la production dactivits et une mesure de
performance financire attache aux marges et aux cots des activits. Nous analysons
galement la relation entre ces deux dimensions. En montrant une certaine complmentarit
entre tous ces indicateurs, nous compltons les travaux de LaVillarmois (1999) qui a discut
la relation positive entre un score dinefficience oprationnelle et des indicateurs
classiques de productivit. Nous soulignons galement lintrt managrial de ces nouvelles
mesures de la performance, en particulier lorsquelles sont appliques aux rseaux de
distribution. Cet intrt rside dans la pratique de benchmarking interne. Les mesures
dinefficience sont avant tout des rvlateurs des meilleures pratiques - les meilleures
pratiques au niveau individuel (les agences bancaires) et les meilleures pratiques un niveau
agrg (les groupes rgionaux).
7/28/2019 Performances Des Agences Bancaires
27/45
27
Les limites de notre approche sont de deux ordres. Dun point de vue mthodologique,
lapproche utilise (par enveloppement des donnes, DEA) repose sur des estimateurs non
paramtriques des scores defficience. Bien quils aient de bonnes proprits thoriques, ils
requirent de nombreuses donnes pour que leur prcision soit correcte. Ce type dapproche
est donc rserv des chantillons de grande taille et serait plus dlicate mettre en uvre sur
des effectifs plus faibles (par exemple moins de 30 observations). Cela limite donc
lapplicabilit de lapproche. Un argument de complexit de mise en uvre est galement
souvent voqu par rapport lapplication de ce type dapproche. Si un cot dinvestissement
existe dans la comprhension de la mthode, son applicabilit est en revanche relativement
facile puisquun simple logiciel de feuilles de calcul disposant dun solveur est ncessaire sa
mise en place. Une autre limite peut tenir galement la prsence de donnes aberrantes
puisque les estimateurs prsents ici ne sont pas assortis dintervalles de confiance. Cette
lacune peut tre comble au prix dun temps de calcul beaucoup plus important (cf. Simar et
Wilson (2000)).
Dun point de vue empirique, plusieurs limites existent galement notre tude. En premier
lieu nous proposons une approche en stock de la technologie de production des agences
bancaires lorsque nous mesurons leur performance oprationnelle (mesure des variables
dactivit dpt, crdit, assurance dommage et pargne financire en encours). Cette approche
en stock a tendance favoriser les agences bancaires les plus anciennes par rapport aux plus
rcentes. Notre approche en stock devrait tre complte par une approche en flux qui
consisterait valuer les variables dactivit retenues par des mesures de production nouvelle
ralise au cours dune anne. En second lieu, les environnements de proximit mriteraient
dtre redfinis en intgrant des donnes concernant lintensit concurrentielle, ce type
7/28/2019 Performances Des Agences Bancaires
28/45
28
dinformation est trs difficile obtenir pour chaque agence et par consquent elles nont pas
t intgres pour linstant.
Des extensions de lapproche peuvent galement tre envisages. Cette tude prsente des
indicateurs de performance qui permettent dvaluer lactivit commerciale des agences
bancaires sous un angle bidimensionnel (oprationnelle et financire), mais ils pourraient tre
complts comme le conseillent Kaplan et Norton (1999) par dautres indicateurs qui
estimeront notamment la satisfaction de la clientle, la qualit de service, ou encore le degr
de fidlisation. Le calcul de linefficience oprationnelle que nous avons dvelopp sadapte
tout type dindicateur en volume et le calcul de linefficience financire sadapte tout type
dindicateur en valeurs. Nous pouvons aussi envisager dappliquer cette approche dautres
secteurs industriels car la littrature consacre la mthode DEA montre des applications
dans presque tous les secteurs dactivit (Gatoufi et al., 2004).
7/28/2019 Performances Des Agences Bancaires
29/45
29
Rfrences
Achabal D., Heineke J.M., McIntyre S.H., 1984, Issues and Perspectives on Retail
Productivity,Journal of Retailing, vol. 60 (Fall), 107-127.
Al-Faraj T.N., Alidi A.S., Bu-Bshait K.A., 1993, Evaluation of Bank Branches by
Means of Data Envelopment Analysis, International Journal of Operations Management,
vol.13, 45-52.
Athanassopoulos A.D., 1997, Service Quality and Operating Efficiency Synergies
for Management Control in the Provision of Financial Services : Evidence for Greek Bank
Branches,European Journal of Operational Research, vol. 98, 300-313.
Athanassopoulos A.D., 1998, Nonparametric frontier models for assessing the market
and Cost Efficiency of Large Scale Bank Branch Networks, Journal of Money, Credit and
Banking, vol. 30 (2), 172-192.
Chabi S., Corre M.F., 1999, Analyse de l'efficience des produits l'aide des mthodesd'enveloppe (Data Envelopment Analysis) : une application au march des lave-vaisselle,
RAM, 14(1), 41-57.
Dunne P., Lusch R., Gable M., 1995, Retailing, 2nd edition, South-Western College
Publishing.
Gatoufi S., Oral M., Reisman A. (2004) Data envelopment analysis literature: A
bibliography update (19512001), Socio-Economic Planning Sciences, Vol. 38 ( 2-3), 115-
232.
Gervais M., Thenet G., 2004, Comment valuer la productivit dans les activits de
service ?, Comptabilit Contrle, Audit, 10(1), 147-163.
Ghosh A., Craig C.S., 1983, Formulating Retail Location Strategy in a Changing
Environment,Journal of Marketing, vol. 47, 56-68.
7/28/2019 Performances Des Agences Bancaires
30/45
30
Ghosh A., Craig C.S., 1984, A Location Allocation Model for Facility Planning in a
Competitive Environment, Geographical Analysis, vol. 16 (1), 39-51.
Ghosh A., McLafferty S.L., 1987, Location strategies and service firms, Lexington
Books.Giokas D., 1991, Bank Branches Operating Efficiency : a Comparative Application of
Data Envelopment Analysis and the Log-Linear Model, Omega, vol. 19 (6,), 549-557.
Jallais J., Orsoni J., Fady A., 1994,Le marketing dans le commerce de dtail, Vuibert,
Paris.
Kamakura W.A., Lenartowicz T., Ratchford B.T., 1996, Productivity Assessment of
Multiple Retail Outlets,Journal of Retailing, vol. 72 (4), 333-356.
Kaplan R. S, Norton D. P., 1999, Le tableau de bord prospectif, Les Editions
dOrganisation, Paris.
Lamarque E., 2003, Gestion bancaire, Pearson Education.
La Villarmois O., 1999, valuer la performance des rseaux bancaires : la mthode
DEA,Dcision Marketing, 16, 39-51.
Little J.D.C., 1979, Models and managers: the concept of a decision calculus,
Management Science, vol. 16 (5), April, B-466 B-485.
Oral M., Yolalan R., 1990, An empirical study on measuring operating efficiency and
profitability of bank branches, European Journal of Operational Research, vol. 46, 282-
294.
Parkan L., 1987, Measuring the Efficiency of Service Operations: an Application to
Bank Branches,Engineering Costs and Production Economics, vol. 12, 237-242.
Parsons L.J., 1994, Productivity Versus Relative Efficiency in Marketing : Past and
Future? dans Research Traditions in Marketing, Laurent G., Lilien G.L., Pras B., 1994,
Kluwer Academic Publishers, 169-196.
Schaffnit C., Rosen D., Paradi J.C., 1997, Best Practice Analysis Bank Branches : An
Application of Data Envelopment Analysis in a Large Canadian Bank, European Journal of
Operational Research, vol. 98, 269-289.
7/28/2019 Performances Des Agences Bancaires
31/45
31
Sherman H.D., Gold F., 1985, Bank Branch Operating Efficiency, Journal of Banking
and Finance, vol. 9, 297-315.
Sherman H.D., Ladino G., 1995, Managing Bank Productivity Using Data
Envelopment Analysis (DEA),Interfaces, vol. 25 (2), March-April, 60-73.
Simar L., Wilson P. (2000) Statistical Inference in Nonparametric Frontier Models:
The State of the Art,Journal of Productivity Ananlysis, vol. 13 (1), 49-78.
Sinigaglia N., 1997, Measuring retail units efficiency: a technical approach, Thse de
Doctorat, Facults Catholiques de Mons, Belgique.
Soteriou A., Zenios S., 1999, Operations, Quality and Profitability in the Provision of
Banking Services,Management Science, 45 (9), 1221-1238.
Tulkens H., 1993, On FDH efficiency analysis: some methodological issues and
applications to retail banking, courts, and urban transit, Journal of Productivity Analysis,
vol. 4, 183-210.
Vassiloglou M., Giokas D., 1990, A study of the Relative Efficiency of Bank
Branches: an Application of Data Envelopment Analysis, Journal of Operational Research
Society, vol. 41 (7), 591-597.
Vyt D., 2005, Mesure de la performance en grande distribution alimentaire, Dcision
Marketing, 40, octobre-novembre, 51-61.
7/28/2019 Performances Des Agences Bancaires
32/45
32
Annexe 1. Aspects mthodologiques de lapproche DEA
Lactivit des agences bancaires est formalise comme suit : chaque agence utilise un vecteur
de ressources ( ),...,1 2,I
Ix x x x R+= pour produire un vecteur dactivits
( ),...,1 2,M
My y y y R+= . La technologie de production est modlise par un ensemble de
production qui dfinit toutes les combinaisons dactivits ralisables partir dun vecteur de
ressources donn :
T(x,y) = { ( , ) peut produirex y x y } (1)
Traditionnellement, un certain nombre de proprits dsirables est associ cet ensemble
de production qui permet dassurer quelques conditions de rgularit et de lui donner une
structure oprationnelle. Nous considrons ici les proprits suivantes : (i) il nest pas possible
de produire quelque chose partir de rien, mathmatiquement (0 ) 0y T y, = ; (ii) il nest
pas possible de produire une quantit infinie partir dune quantit finie de ressources,
mathmatiquement lensemble { }( ) ( )A x u y T u x= , : est born Ix R+ (iii) si une
certaine quantit de ressources permet datteindre un niveau dactivit donn, alors il est
toujours possible de produire moins avec cette mme quantit de ressources et de produire
autant avec plus de ressources, mathmatiquement pour tout ( )x y T, et tout ( ) I Mu v R ++
, ,
on a : ( ) ( ) ( )x y u v u v T, , ,
et (iv) toute combinaison dactivits observes est faisableen rpartissant les ressources entre ces activits, mathmatiquement T(x,y) est un ensemble
convexe.
A partir des proprits (i) (iv) et dun ensemble de K agences bancaires observes, nous
pouvons donner une dfinition oprationnelle lensemble de production :
7/28/2019 Performances Des Agences Bancaires
33/45
33
1
1 1
( ) 1
1 1, 0 1
KI M k k
m m
k
K Kk k k k
i i
k k
T x y x R y R y z y m M
x z x i I z z k K
+ +
=
= =
= , : , , , = , ..., ,
, = , ..., , = , = , ...,
(2)
Dans notre application, nous estimons une technologie qui sera spcifique chaque type
denvironnements dans lesquels voluent les agences bancaires. Nous dfinirons ainsi 8
technologies diffrentes et nous ne comparerons entre elles que des agences voluant dans le
mme environnement.
Pour mesurer lcart entre une observation et la frontire de lensemble de production, nous
recourons la dfinition dune fonction-distance directionnelle.
( ) ( )M I M IT
D R R R R R+ + + + +
: :
( ){ }( , ; ; ) sup : ,T i m i mD x y g g R x g y g T
+
= + r
(3)
o ( );i mg g est un vecteur indiquant la direction dans laquelle est projete une
observation vers la frontire de lensemble de production. La fonction-distance directionnelle
est une reprsentation parfaitement quivalente de la technologie, en particulier
( ) ( ), ; ; 0T i mx y T D x y g g, r
(Cf. Chambers et al. (1996) pour une analyse des
proprits des fonctions distances directionnelles). Le lien entre la fonction-distance
directionnelle et lefficiente technique est immdiat puisque la fonction-distance mesure
lcart entre une observation et la frontire de production. Elle sinterprte donc directement
en terme defficience technique.
Dun point de vue oprationnel, la fonction-distance est calcule laide du programme
linaire PL dfini pour une agence qui prsente un niveau de ressource xo pour produire un
niveau dactivit yo.
7/28/2019 Performances Des Agences Bancaires
34/45
34
,
s.c. : 1, ,
1, ,
1
0
o k
o
z
k k o o
i i i
k K
k k o o
m m m
k K
k
k K
k
Max
z x x g i I
z y y g m M
z
z k K
=
+ =
=
L
L PL
7/28/2019 Performances Des Agences Bancaires
35/45
35
Tableaux
Tableau 1 : Compte de rsultat simplifi dune agence bancaire
Dsignation Charges (C) /Produits (P)
EMPLOISIntrts reus de la clientleCots de refinancement sur les marchs financiers
P1C1
MARGE SUR LES CREDITS (1) P1-C1RESSOURCES
Placement des dpts sur les marchs financiersIntrts verss la clientle P2C2MARGE SUR LES DEPOTS (2) P2-C2MARGES FINANCIERES (3) (1) + (2)COMMISSIONS (4)Commissions lies loctroi de crditCommissions sur les services*Commissions sur lassurance dommageCommissions sur les OPCVM et les produits dassurance vie
P4A+P4B+P4C+P4DP4AP4BP4CP4D
PRODUIT NET BANCAIRE (PNB) (5) (3) + (4)FRAIS GENERAUX (6)
Frais de personnelAutres frais gnraux (frais de structure)
C6A+C6B
C6AC6BRESULTAT BRUT DEXPLOITATION RBE (5) - (6)
* Moyens de paiement et petits contrats dassurance, gestion des comptes distance
7/28/2019 Performances Des Agences Bancaires
36/45
36
Tableau 2 : Statistiques descriptives sur les variables slectionnes pour le calcul du score
dinefficience oprationnelle - SCORE_OPE
Moyenne cart-type Minimum Maximum
Encours de dpt en k 53 050 35 942 4 839 279 083Encours de crdit en k 50 935 36 147 5 287 310 050
Primes dassurance dommage en k 931 683 82 5 638Encours dpargne financire en k 32 749 26 575 606 224 983
Nombre demploys en quivalent temps plein 12 6 2 47Cots des autres ressources dexploitation en k 787 470 125 3 894
Nombre de clients 6 577 3 672 976 23 767
Tableau 3 : Statistiques descriptives sur les variables slectionnes pour le calcul du score
dinefficience RBE - SCORE_RBE
Variable Moyenne cart-type Minimum Maximum
Marge sur les dpts en k 2 237 1 454 257 11 773
Marge sur les crdits en k 758 478 -357 4 479
Commissions sur assurance dommage en k 90 67 7 513
Commissions sur pargne financire en k 192 163 6 1 741
Cots financiers en k 1 186 850 81 6 310
Cots des ressources humaines en k 684 379 64 3 170
Cots des autres ressources dexploitation en k 787 470 125 3 894
7/28/2019 Performances Des Agences Bancaires
37/45
37
Tableau 4 : Distribution des huit environnements
Typedenvironnement Nombredagences Caractristiques
ENV1 181 Zone rurale avec un taux lev dactifs employs danslagriculture et de retraits
ENV2 198 Zone rurale avec un taux levs demploys, dactifs employsdans lagriculture et de retraits
ENV3 57 Zone rsidentielle avec un taux lev de commerces, de retraits etde rsidences secondaires
ENV4 296 Zone priphrique avec un taux lev de propritaire, et une fortecroissance de population
ENV5 107 Zone urbaine avec un fort taux dtudiants et de croissancedmographique
ENV6 222 Zone urbaine caractrise par du chmage et des revenus faibles
ENV7 278 Zone urbaine caractrise par du chmage et des revenus levs
ENV8 84 Zone urbaine avec un taux lev de cadres et des revenus levs
7/28/2019 Performances Des Agences Bancaires
38/45
38
Tableau 5 : Rsultats individuels des agences - indicateur SCORE_OPE et ratios de
productivit partielle
Agence SCORE_
OPE
PROD_
DEP
PROD_
CRED
PROD_
ASS
PROD_
EFI
TOTAL
BILAN
CLAS_
TAILLEA1 0,00% 1 684 3 193 29 859 25 670 1A2 0,00% 4 475 3 286 48 2 583 302 102 4A3 0,37% 3 681 3 296 102 2 340 196 137 4
7/28/2019 Performances Des Agences Bancaires
39/45
39
Tableau 6 : valuation de la performance oprationnelle - Rsultats globaux pour chaque
groupe rgional
SCORE_OPEsomme
SCORE_OPEmoyen
PROD_DEPmoyen
PROD_CRED moyen
PROD_ASSmoyen
PROD_EFImoyen
GR1 17% 0,45% 4 345 3 959 67 2 169
GR2 10% 0,36% 4 582 3 921 112 2 094
GR3 19% 0,32% 3 221 3 207 35 2 388
GR4 9% 0,04% 5 056 4 448 51 4 798
GR5 6% 0,13% 3 787 3 063 84 1 111
GR6 7% 0,13% 4 783 4 617 53 2 334GR7 11% 0,18% 4 468 3 399 94 2 498
GR8 16% 0,10% 4 029 3 000 61 2 386
GR9 5% 0,06% 4 057 5 620 85 1 515
GR10 10% 0,20% 4 906 3 539 62 2 181
GR11 8% 0,10% 4 429 3 661 60 1 734
GR12 7% 0,13% 5 383 5 174 64 2 721
GR13 5% 0,01% 5 253 4 721 123 2 620
GR14 10% 0,19% 3 971 3 683 85 1 609
GR15 12% 0,33% 4 862 2 816 34 2 633
7/28/2019 Performances Des Agences Bancaires
40/45
40
Tableau 7 : Analyse des corrlations des indicateurs SCORE_OPE et des ratios de
productivit partielle
Coefficients de corrlation de Pearson, N = 1423Prob > |r| under H0: Rho=0
PROD_DEP PROD_CRED PROD_ASS PROD_EFI
SCORE_OPE -0.23 -0.26 -0.27 -0.24
PROD_DEP 1 0.38 0.31 0.58
PROD_CRED 1 0.28 0.24
PROD_ASS 1 -0.07
7/28/2019 Performances Des Agences Bancaires
41/45
41
Tableau 8 : Rsultats individuels des agences - score dinefficience RBE - SCORE_RBE
Agence SCORE_RBEMargetotale des
dpts horsfrais
financiers
Margetotaledes
crdits
Com. surl'ass.
dommage
Com. surl'pargnefinancire
Cotsfinanciers
Frais depersonnel
Autresfrais
gnraux
A1 556 0 157 58 30 9 0 302A2 0 0 0 0 0 0 0 0A3 217 98 100 4 2 0 10 3
7/28/2019 Performances Des Agences Bancaires
42/45
42
Tableau 9 : valuation de la performance financire - Rsultats globaux pour chaque groupe
rgional
Margetotale des
dptshors fraisfinanciers
Margetotaledes
crdits
Com. surl'ass.
dommage
Com. surl'pargnefinancire
Cotsfinanciers
Frais depersonnel
Autresfrais
gnrauxSCORE_RBE
GR1 5% 28% 41% 56% 3% 0% 25% 170%GR2 6% 32% 1% 56% 0% 1% 15% 111%GR3 4% 19% 24% 0% 0% 6% 2% 53%GR4 5% 16% 11% 1% 0% 2% 5% 59%
GR5 2% 33% 18% 34% 6% 0% 2% 79%GR6 1% 6% 6% 1% 0% 1% 2% 13%GR7 8% 43% 10% 30% 2% 3% 8% 147%GR8 7% 58% 60% 5% 1% 3% 3% 129%GR9 3% 9% 10% 13% 3% 2% 2% 27%GR10 8% 40% 39% 89% 10% 1% 6% 141%GR11 4% 50% 29% 33% 4% 1% 4% 108%GR12 4% 32% 13% 5% 2% 5% 2% 68%GR13 2% 21% 5% 26% 1% 4% 2% 42%GR14 6% 24% 11% 11% 3% 5% 1% 55%
GR15 1% 36% 89% 72% 3% 0% 9% 101%Total 4% 30% 15% 15% 2% 3% 6% 77%
7/28/2019 Performances Des Agences Bancaires
43/45
43
Tableau 10 : Analyse des corrlations des indicateurs SCORE_RBE, RATIO_FI1, etRATIO_FI2
Coefficients de corrlation de Pearson, N = 1423
Prob > |r| under H0: Rho=0
RATIO_FI1 RATIO_FI2
SCORE_RBE -0.45 -0.44
RATIO_FI1 1 0.88
7/28/2019 Performances Des Agences Bancaires
44/45
44
Figures
Figure 1. Estimation par une approche oprationnelle de lactivit commerciale des agences
Ressources Ressources humaines
mesures par le nombredemploys
Ressources dexploitationmesures par les autres fraisgnraux
Capital client mesur par lenombre de clients
Activits Activit de dpts value par
lencours de dpt Activit de crdits value par
lencours de crdit Activit dassurance dommage
value par les primes dassurancedommage
Activit dpargne financire valuepar lencours dpargne financire
Figure 2. Estimation par une approche financire de lactivit commerciale des agences
Sources de cots Ressources humaines
mesures par les frais depersonnel
Ressources dexploitationmesures par les autres fraisgnraux
Capital client mesur par lesfrais financiers
Sources de cration de valeur Activit de dpts value par la
marge totale des dpts hors fraisfinanciers (a)
Activit de crdits value par lamarge totale des crdits
Activit dassurance dommagevalue par les commissions
Activit dpargne financire valuepar les commissions
(a) La marge sur les dpts est nette du financement sur les marchs financiers et nette des fraisfinanciers (comme ils ont placs du ct de cots dans notre modlisation), elle se calcule comme suit :taux moyen de trsorerie x le montant des dpts + les commissions sur moyens de paiements.
7/28/2019 Performances Des Agences Bancaires
45/45
Figure 3. Distinction entre les concepts de productivit et defficience
0 X
Y
B
A
D
C
B
C
E
E
Figure 4. Relation Inefficience productive et Inefficience RBE
2
0%
5%
10%
15%
20%
25%
0% 20% 40% 60% 80% 100% 120% 140% 160% 180%
GR6
GR9GR13
GR3
GR14
GR4
GR12GR5
GR15
GR2
GR11GR10
GR7
GR8GR1
Inefficience RBE
Inefficience oprationnelle