Vous êtes sur la page 1sur 45

Document de travail du LEM 2008-06

LORSQUE MESURER LA PERFORMANCE SENVISAGE 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)

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 : aude.deville@u-bourgogne.fr

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 : h.leleu@ieseg.fr

Auteur de correspondance

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 performance oprationnelle et la performance financire des rseaux dagences bancaires. Nous dveloppons une approche alternative aux mesures classiques de productivit pour prendre en compte des effets de taille, denvironnement et de structure dans la comparaison des agences entre elles. Nous recourons une approche non paramtrique destimation dune frontire de production pour construire les indicateurs dans un cadre homogne. Une application empirique est mene sur un chantillon de 1423 agences bancaires rparties au sein de 15 banques rgionales. Nos rsultats indiquent que la performance oprationnelle nest que faiblement lie la performance financire et que les deux types dindicateurs apparaissent donc davantage complmentaires que substituables pour tablir un diagnostic global 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 financial performance of bank branches networks. We develop an alternative approach to the traditional productivity measures to take into account size, environmental and structural effects in the benchmark process. We use a nonparametric production frontier to estimate the efficiency indices within a unified framework. We apply our analysis to a sample of 1423 bank branches 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 appear to be more complementary rather than substitute. Key words: Retail networks, bank, financial performance, operational performance

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 manageursdcideurs 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

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 effets prix ou valeur).

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
De nombreuses tudes ont t consacres lanalyse de lenvironnement commercial des points de vente, les ouvrages de Ghosh et McLafferty (1987), Jallais et al. (1994), et Dunne et al. (1995) traitent de ce point de faon plus dtaille.
2

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

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 partielle sont 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.

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 bancaire3 (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

Nous renvoyons Lamarque (2003) pour plus de dtails sur la gestion bancaire.

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 lapproche Data 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

10

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

11

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 -

12

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 cidessous les variables utilises et le programme correspondant.

La performance des points de vente dpend la fois de la capacit du manager prendre les bonnes dcisions concernant les facteurs qui se trouvent sous son contrle, mais aussi de linfluence de facteurs incontrlables qui caractrisent les conditions de march (Achabal et al., 1984 ; Kamakura, Lenartowicz, et Ratchford, 1996). Les tudes 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 entre elles, les meilleures pratiques propres chaque environnement commercial sont ainsi identifies.

13

Description

Donnes de lagence Ressources EMP AFG NBC Activits DEP CRE ASS EFI

Donnes du groupe rgional TOTEMP TOTAFG TOTNBC TOTDEP TOTCRE TOTASS TOTEFI

Nombre demploys Autres frais gnraux Nombre de clients Encours de dpt Encours de crdit Primes dassurance dommage Encours dpargne financire Environnement de lagence value Variables formant la combinaison linaire Score dinefficience oprationnelle (SCORE_OPE)

Variables zk

Max o o k
,z

s.c. :

k Env
o

z EMP EMP TOTEMP


k k o o

k Env
o

z k AFGk AFGo o TOTAFG z NBC NBC TOTNBC


k k o o

k Envo

k Envo

z k DEPk DEPo + o TOTDEP z CRE CRE + TOTCRE


k k o o k

k Envo

z
k E
o

ASS k ASS o + oTOTASS


k k o o

k Envo

z EFI EFI + TOTEFI zk = 1


o

k Envo k

z 0 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,

14

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

15

simultanment. Nous prsentons ci-dessous la description des variables utilises et le programme doptimisation correspondant.

Description
Frais de personnel Autres frais gnraux Frais financiers Marges sur dpt Marges sur crdit Commissions sur dassurance dommage Commissions sur pargne financire Environnement de lagence value Variables formant la combinaison linaire

Donnes de lagence Cots FEMP AFG FFIN


Marges MDEP MCRE CASS CEFI

Variables dcarts
SFEMP SAFG SFFIN SMDEP SMCRE SCASS SCEFI zk

z
k

Max ( SMDEP + SMCRE + SCASS + SCEFI ) ( SFEMP + SFAG + SFFIN) s.c. :

k Env
o

z k FEMPk FEMPo SFEMP z k AFGk AFGo SAFG z k FFIN k FFINo SFFIN z MDEP MDEP + SMDEP
k k o

k Envo

k Envo

k Envo

k Env
o

z k MCRE k MCREo + SMCRE


k k

z CASS
kE o

CASS + SCASS
o

k Envo

z k CEFI k CEFIo + SCEFI z =1


k

k Envo

z k 0 k Env o

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,

16

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

17

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.

18

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 la population tudie par environnement et prcise les caractristiques saillantes de chaque environnement.

ICI INSERER LE TABLEAU 4

Ces experts travaillent au sein des services marketing et dveloppement du rseau des directions gnrales des quinze groupes bancaires participant ltude.

19

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 de dveloppement 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

20

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

21

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 identifies par 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

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 productivit partielle, plus ils sont levs plus lagence est performante.

22

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 benchmark car 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 23

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

24

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.

25

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).

26

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

27

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).

28

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 mthodes d'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), 115232. 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.

29

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, 282294. 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.

30

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.

31

Annexe 1. Aspects mthodologiques de lapproche DEA


Lactivit des agences bancaires est formalise comme suit : chaque agence utilise un vecteur de ressources
I x = ( x1 , x2 , ..., xI ) R+

pour

produire

un

vecteur

dactivits

M y = ( y1, y2 , ..., yM ) 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) = { ( x, y ) x peut produire 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, y ) T y = 0 ; (ii) il nest
pas possible de produire une quantit infinie partir dune quantit finie de ressources,
I mathmatiquement lensemble A( x) = {(u, y ) T : u x} est born x 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
I +M autant avec plus de ressources, mathmatiquement pour tout ( x, y ) T et tout (u, v) R+ ,

on a : ( x, y ) (u, v) (u, v) T et (iv) toute combinaison dactivits observes est faisable en 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 :

32

I M T = ( x, y ) : x R+ , y R+ ,
K k i k

y
k =1

k k m K

z ym , m = 1,..., M , (2)
k k

x z xi , i = 1,..., I , z = 1, z 0, k = 1,..., K k =1 k =1

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 I DT : ( R+ R+ R+ : ) ( R+ ) R+

r DT ( x, y; gi ; g m ) = sup { R+ : ( x gi , y + g m ) T

(3)

( gi ; g m )

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

( x, y ) T

r DT ( x, y; gi ; g m ) 0 (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.

33

Max o o k
,z

s.c. :

kK

xik xio o g i i = 1,L , I PL

kK

z z

k o ym ym + o g m m = 1,L , M

=1

kK

zk 0 k K

34

Tableaux

Tableau 1 : Compte de rsultat simplifi dune agence bancaire

Dsignation EMPLOIS Intrts reus de la clientle Cots de refinancement sur les marchs financiers MARGE SUR LES CREDITS (1) RESSOURCES Placement des dpts sur les marchs financiers Intrts verss la clientle MARGE SUR LES DEPOTS (2) MARGES FINANCIERES (3) COMMISSIONS (4) Commissions lies loctroi de crdit Commissions sur les services* Commissions sur lassurance dommage Commissions sur les OPCVM et les produits dassurance vie PRODUIT NET BANCAIRE (PNB) (5) FRAIS GENERAUX (6) Frais de personnel Autres frais gnraux (frais de structure) RESULTAT BRUT DEXPLOITATION RBE

Charges (C) / Produits (P)


P1 C1 P1-C1 P2 C2 P2-C2 (1) + (2) P4A+P4B+P4C+P4D P4A P4B P4C P4D (3) + (4) C6A+C6B C6A C6B (5) - (6)

* Moyens de paiement et petits contrats dassurance, gestion des comptes distance

35

Tableau 2 : Statistiques descriptives sur les variables slectionnes pour le calcul du score dinefficience oprationnelle - SCORE_OPE

Encours de dpt en k Encours de crdit en k Primes dassurance dommage en k Encours dpargne financire en k Nombre demploys en quivalent temps plein Cots des autres ressources dexploitation en k Nombre de clients

Moyenne cart-type Minimum Maximum 53 050 35 942 4 839 279 083 50 935 36 147 5 287 310 050 931 683 82 5 638 32 749 26 575 606 224 983 12 6 2 47 787 470 125 3 894 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 Marge sur les dpts en k Marge sur les crdits en k Commissions sur assurance dommage en k Commissions sur pargne financire en k Cots financiers en k Cots des ressources humaines en k Cots des autres ressources dexploitation en k

Moyenne cart-type Minimum Maximum


2 237 758 90 192 1 186 684 787 1 454 478 67 163 850 379 470 257 -357 7 6 81 64 125 11 773 4 479 513 1 741 6 310 3 170 3 894

36

Tableau 4 : Distribution des huit environnements


Type denvironnement ENV1 ENV2 ENV3 ENV4 ENV5 ENV6 ENV7 ENV8 Nombre dagences 181 198 57 296 107 222 278 84 Caractristiques Zone rurale avec un taux lev dactifs employs dans lagriculture et de retraits Zone rurale avec un taux levs demploys, dactifs employs dans lagriculture et de retraits Zone rsidentielle avec un taux lev de commerces, de retraits et de rsidences secondaires Zone priphrique avec un taux lev de propritaire, et une forte croissance de population Zone urbaine avec un fort taux dtudiants et de croissance dmographique Zone urbaine caractrise par du chmage et des revenus faibles Zone urbaine caractrise par du chmage et des revenus levs Zone urbaine avec un taux lev de cadres et des revenus levs

37

Tableau 5 : Rsultats individuels des agences - indicateur SCORE_OPE et ratios de productivit partielle Agence A1 A2 A3
SCORE_ OPE PROD_ DEP PROD_ CRED PROD_ ASS PROD_ EFI TOTAL BILAN CLAS_ TAILLE

0,00% 0,00% 0,37%

1 684 4 475 3 681

3 193 3 286 3 296

29 48 102

859 2 583 2 340

25 670 302 102 196 137

1 4 4

38

Tableau 6 : valuation de la performance oprationnelle - Rsultats globaux pour chaque groupe rgional

SCORE_OPE somme

SCORE_OPE moyen 0,45% 0,36% 0,32% 0,04% 0,13% 0,13% 0,18% 0,10% 0,06% 0,20% 0,10% 0,13% 0,01% 0,19% 0,33%

PROD_DEP PROD_CRE PROD_ASS moyen D moyen moyen 4 345 4 582 3 221 5 056 3 787 4 783 4 468 4 029 4 057 4 906 4 429 5 383 5 253 3 971 4 862 3 959 3 921 3 207 4 448 3 063 4 617 3 399 3 000 5 620 3 539 3 661 5 174 4 721 3 683 2 816 67 112 35 51 84 53 94 61 85 62 60 64 123 85 34

PROD_EFI moyen 2 169 2 094 2 388 4 798 1 111 2 334 2 498 2 386 1 515 2 181 1 734 2 721 2 620 1 609 2 633

GR1 GR2 GR3 GR4 GR5 GR6 GR7 GR8 GR9 GR10 GR11 GR12 GR13 GR14 GR15

17% 10% 19% 9% 6% 7% 11% 16% 5% 10% 8% 7% 5% 10% 12%

39

Tableau 7 : Analyse des corrlations des indicateurs SCORE_OPE et des ratios de productivit partielle Coefficients de corrlation de Pearson, N = 1423 Prob > |r| under H0: Rho=0 PROD_DEP SCORE_OPE PROD_DEP PROD_CRED PROD_ASS -0.23 1 PROD_CRED -0.26 0.38 1 PROD_ASS -0.27 0.31 0.28 1 PROD_EFI -0.24 0.58 0.24 -0.07

40

Tableau 8 : Rsultats individuels des agences - score dinefficience RBE - SCORE_RBE


Marge Marge totale des Com. sur totale l'ass. Agence SCORE_RBE dpts hors des frais dommage crdits financiers

Com. sur Autres Cots Frais de l'pargne frais financiers personnel financire gnraux

A1 A2 A3

556 0 217

0 0 98

157 0 100

58 0 4

30 0 2

9 0 0

0 0 10

302 0 3

41

Tableau 9 : valuation de la performance financire - Rsultats globaux pour chaque groupe rgional
Marge Marge totale des Com. sur Com. sur totale dpts l'ass. l'pargne des dommage financire hors frais crdits financiers

Cots financiers

Frais de personnel

Autres frais gnraux

SCORE_RBE

GR1 GR2 GR3 GR4 GR5 GR6 GR7 GR8 GR9 GR10 GR11 GR12 GR13 GR14 GR15
Total

5% 6% 4% 5% 2% 1% 8% 7% 3% 8% 4% 4% 2% 6% 1% 4%

28% 32% 19% 16% 33% 6% 43% 58% 9% 40% 50% 32% 21% 24% 36% 30%

41% 1% 24% 11% 18% 6% 10% 60% 10% 39% 29% 13% 5% 11% 89% 15%

56% 56% 0% 1% 34% 1% 30% 5% 13% 89% 33% 5% 26% 11% 72% 15%

3% 0% 0% 0% 6% 0% 2% 1% 3% 10% 4% 2% 1% 3% 3% 2%

0% 1% 6% 2% 0% 1% 3% 3% 2% 1% 1% 5% 4% 5% 0% 3%

25% 15% 2% 5% 2% 2% 8% 3% 2% 6% 4% 2% 2% 1% 9% 6%

170% 111% 53% 59% 79% 13% 147% 129% 27% 141% 108% 68% 42% 55% 101% 77%

42

Tableau 10 : Analyse des corrlations des indicateurs SCORE_RBE, RATIO_FI1, et RATIO_FI2

Coefficients de corrlation de Pearson, N = 1423 Prob > |r| under H0: Rho=0 RATIO_FI1 SCORE_RBE RATIO_FI1
-0.45 1

RATIO_FI2
-0.44 0.88

43

Figures

Figure 1. Estimation par une approche oprationnelle de lactivit commerciale des agences

Ressources Ressources humaines mesures par le nombre demploys Ressources dexploitation mesures par les autres frais gnraux Capital client mesur par le nombre 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 dassurance dommage Activit dpargne financire value par lencours dpargne financire

Figure 2. Estimation par une approche financire de lactivit commerciale des agences

Sources de cots Ressources humaines mesures par les frais de personnel Ressources dexploitation mesures par les autres frais gnraux Capital client mesur par les frais financiers

Sources de cration de valeur Activit de dpts value par la marge totale des dpts hors frais financiers (a) Activit de crdits value par la marge totale des crdits Activit dassurance dommage value par les commissions Activit dpargne financire value par les commissions

(a) La marge sur les dpts est nette du financement sur les marchs financiers et nette des frais financiers (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.

44

Figure 3. Distinction entre les concepts de productivit et defficience


Y C E A E C D

Figure 4. Relation Inefficience productive et Inefficience RBE


25%

Inefficience oprationnelle

20% GR3 GR1 GR8 15% GR15 GR14 10% GR4 GR6 GR12 5% GR9 GR11 GR5 GR10 GR7 GR2

Inefficience RBE

GR13
2

0% 0% 20% 40% 60% 80% 100% 120% 140% 160% 180%

45

Vous aimerez peut-être aussi