De nouvelles mesures de la performance financire et de la performance oprationnelle des rseaux de distribution : le cas des agences bancaires

Aude HUBRECHT-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.hubrecht@u-bourgogne.fr

Herv LELEU CNRS-LEM, Universit Catholique de Lille 41 rue du Port, 59046 Lille cedex, France Tel: 00 33 3 20 13 40 60. E-mail : hleleu@cresge.fr

Auteur de correspondance

De nouvelles mesures de la performance financire et de la performance oprationnelle des rseaux de distribution : le cas 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 than substitute.

Key words: Retail networks, bank, financial performance, operational performance

Lobjectif de ce papier soumis la rubrique Fentre sur est de montrer que lapproche DEA ( Data Envelopment Analysis ) dj connue auprs des chercheurs en marketing2 offre la possibilit de rpondre des problmatiques bien particulires lorsque lon a une bonne connaissance de la programmation mathmatique linaire et une bonne comptence en programmation. Il sagit ici de prsenter des programmes originaux adapts aux questions managriales poses dans ce papier.

1. Introduction

Les mesures de la performance des rseaux de distribution bancaires sont multiples. Leur objectif est destimer la performance des agences dans la ralisation de leur activit commerciale. Traditionnellement, son valuation scinde la performance selon deux dimensions : une dimension oprationnelle et une dimension financire. La premire renvoie des mesures de productivit qui prennent la forme de ratios du type encours de dpt par employ, encours de crdit par employ, primes dassurance dommage par employ, etc. Et la seconde 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 dexploitation4 (not RBE par la suite) qui est divis par leffectif ou par le total encours (qui correspond la somme des encours de dpt et des encours de crdit). Ce dernier ratio ne correspond pas une dfinition financire de la rentabilit qui ncessiterait au dnominateur une mesure

LaVillarmois (1999) pour valuer la performance des agences bancaires ; Vyt (2005) pour valuer la performance des supermarchs ; Chabi et Corre (1999) pour estimer la relation qualit-prix ; et Sinigaglia (1997) pour valuer la performance des tlboutiques belges. 3 Le produit net bancaire (PNB) se calcule comme suit : les marges sur les dpts, les marges sur les crdits, les commissions sur lassurance dommage et les commissions sur lpargne financire. Nous renvoyons Lamarque (2003) pour plus de dtails sur la gestion bancaire. 4 Le RBE correspond au PNB auquel on retire les charges dexploitation (frais de personnel et autres frais dexploitation).

dinvestissement5. De plus, les ratios de productivit partielle noncs ci-dessus ne facilitent pas la prise de dcision du manager car partir de ces multiples ratios, il est dlicat de prendre des dcisions concernant lamlioration de la productivit globale dune agence mais galement de parvenir classer et identifier les meilleures pratiques.

Dans ce papier, notre objectif est de proposer deux nouveaux indicateurs de performance financire et de performance oprationnelle qui visent valuer lactivit des agences bancaires. Suite des entretiens mens auprs dexperts, nous pouvons constater que deux orientations managriales sont co-existent pour piloter lactivit commerciale des agences : (1) en donnant des objectifs en termes de volume ; et (2) en donnant des objectifs de rentabilit. Dans ce papier, nous proposons danalyser ces deux dimensions et dobserver leur relation sous un angle de complmentarit ou de substituabilit. En effet, si ces deux dimensions taient parfaitement substituables, il suffirait, pour effectuer un diagnostic de performance des agences bancaires, de nen exploiter quune seule. Cependant, nos rsultats empiriques montrent que ces deux dimensions sont plutt complmentaires. On peut donc sinterroger sur la pertinence dutiliser des indicateurs de performance qui mlent les deux notions au sein dun mme ratio tel que le PNB par employ. En outre, les deux nouveaux indicateurs de performance des agences bancaires proposs permettent de considrer simultanment les multiples facettes de leur activit commerciale. Dans lapproche financire, notre dmarche na pas pour objet didentifier les agences qui ont le plus fort RBE mais les agences benchmarks qui dominent dautres agences sur lensemble des dimensions qui constituent le RBE (en dautres termes trois types de cots et quatre types de marges6).

Lutilisation dindicateur de ce type pour valuer la performance financire des agences est issue du fait que le directeur dagence na pas grer de haut du bilan (aucune notion de capitaux propres par exemple). Le bilan dune agence est uniquement compos des encours de crdits lactif et des encours de dpt au passif. 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.
6

Lindicateur de performance financire est appel score dinefficience RBE, il est exprim en kilo et indique laugmentation potentielle du RBE en valeur. De plus, du point de vue de la prise de dcision du manager ce score prsente lintrt dindiquer les dimensions sur lesquelles doivent se focaliser les efforts (identification des cots rduire ou des marges 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. Dans lapproche oprationnelle, lindicateur de performance est un score dinefficience technique qui exprime en pourcentage le potentiel de rduction des ressources et daugmentation des volumes dactivit de chaque agence. Nous dvions ici de lapproche traditionnelle dune mesure de la productivit sous forme de ratios car il nous semble important de dissocier les concepts defficacit et de productivit et dintgrer des effets de taille, denvironnement et de structure dans la construction des indicateurs.

Nous dveloppons ces 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 pour pallier les limites des ratios classiques dvaluation de la performance : la technologie de production est une reprsentation de la relation liant lensemble des ressources employes (inputs) lensemble des activits produites (outputs). Un certain nombre danalyses ont dj choisi lapproche DEA 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
Trois sources de cots ont t retenues dans lanalyse : (1) les cots financiers lis lactivit de dpt ; (2) les frais de personnel ; (3) les autres frais gnraux. Quatre sources de cration de valeur ont t slectionnes : (1) la marge des dpts hors frais financier et avec petit contrat dassurance et commissions sur les services ; (2) la marge des crdits (y compris les commissions) ; (3) les commissions sur lassurance dommage ; (4) les commissions sur lpargne financire.

et Yolalan 1990, Vassiloglou et Giokas 1990, Giokas 1991, Tulkens 1993, Al-Afarajn Alidi et Bu-Bshait 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 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.

Le papier sorganise comme suit. Nous prsentons le cadre mthodologique de lanalyse dans la section suivante puis les donnes dans la troisime section. Les rsultats sont discuts dans la quatrime section avant de conclure notre analyse dans la dernire section.

2. Mesures de la performance : une approche par les frontires defficience

2.1. 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 pratique, 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 quil existe entre le concept traditionnel de productivit et celui defficacit technique. La figure 1 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 factorielle et Y le niveau de production). 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 inefficace car elle peut, dotation factorielle constante, 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 mesure de son inefficacit est donne par une fonction distance qui mesure lcart entre lobservation inefficace 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 efficaces 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 defficacit dans la mesure de la performance oprationnelle. Trois cas de figure dmontrent la distinction entre efficacit technique et productivit : (1) les observations A et D sont toutes deux techniquement efficaces mais A est caractrise par une productivit plus leve ; (2) les observations C et D ont la mme productivit mais D est efficace contrairement C ; (3) lobservation D est moins productive que le point B (la demie-droite OD est en dessous de OB) mais elle est plus efficace. Ce dernier cas permet de justifier le choix de lefficacit plutt que celui de productivit pour mesurer la performance oprationnelle. Bien que lobservation D soit moins productive que le point B, elle peut tre considre comme appartenant aux meilleures pratiques (elle se situe

sur la frontire defficience) alors que le point B est inefficace et peut diminuer ses ressources pour produire la mme quantit doutput. -ICI INSERER LA FIGURE 1 -

Le cadre mthodologique employ dans cette recherche est une approche non paramtrique qui permet destimer linefficience technique 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 lenvironnement7 de proximit et de la taille des agences bancaires dans la modlisation de leur processus de distribution. Nous prsentons dabord le contexte gnral de notre cadre mthodologique que nous adaptons ensuite notre analyse de la performance des agences bancaires.

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
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 leur contrle, mais aussi de linfluence de facteurs non contrlables 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.
7

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 autant avec plus de ressources, mathmatiquement pour tout ( x, y ) T et tout (u, v) R+ + M ,

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 :

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; g x ; g y ) = sup

: ( x gx , y + g y ) T

(3)

o ( g x ; g y ) 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; g x ; g y ) 0 (Cf. Chambers et al. (1996) pour une analyse des

proprits des fonctions distances directionnelles). Le lien entre la fonction-distance directionnelle et lefficacit technique est immdiat puisque la fonction-distance mesure lcart entre une observation et la frontire de production. Elle sinterprte donc directement en terme defficacit technique. Dun point de vue oprationnel, la fonction-distance est calcule laide du programme linaire P1 dfini pour une agence appartenant un environnement Eo et qui prsente un niveau de ressource xo pour produire un niveau dactivit yo.

Max o o k
,z

s.c. :

z
kE o

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

P1

z
kE o

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

z
kE
o

=1

zk 0 k Eo

A partir de ce cadre mthodologique, nous pouvons dfinir les deux mesures de performance oprationnelle et financire.

2.2. Les mesures de la performance oprationnelle et financire

10

Nous dfinissons simplement la performance oprationnelle comme la fonction-distance directionnelle en choisissant comme direction le total des activits et des ressources dun groupe bancaire rgional. La mesure defficacit calcule pour chaque agence sinterprte donc comme un pourcentage du total du groupe rgional : cest la contribution de lagence value au pourcentage daccroissement dactivit possible au niveau du groupe rgional tout en rduisant les ressources du mme pourcentage. Comme toutes les agences ont la mme base de rfrence pour valuer leur inefficacit, les rsultats sont directement comparables dune agence lautre et sommables pour obtenir linefficacit dun groupe dagences ou du groupe rgional dans sa totalit.

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. Exprimes 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 simultanment. Le programme doptimisation correspondant est :

11

sm , si , z

Maxk o o s.c. :

s +s
o m m i k

o i

z
kE o

x = xio sio i = 1,L , I

k i

z
kE
o

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

z
kE
o

=1

P2

zk 0 k Eo
o sm 0 m = 1,L , M

sio 0 i = 1,L , I

Lintrt de cette approche par rapport une simple comparaison des RBE entre agences est de comparer lagence value une autre qui obtient de meilleurs rsultats sur chaque dimension du RBE. En dautres termes, une agence plus 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 en grande partie les effets taille et les effets de structure dactivits des agences pour limiter lhtrognit des comparaisons.

3. La collecte des donnes

Le modle defficience dvelopp dans la section prcdente est appliqu une 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.

Les donnes utilises sont celles de lanne comptable 2005. Dans le tableau 1 nous prsentons les statistiques descriptives sur les variables slectionnes. Pour chaque agence

12

nous tenons compte des contraintes denvironnement. La construction de ces environnements se fonde sur des opinions dexperts8 qui ont une connaissance approfondie de la population tudie. Elles se rpartissent ainsi entre huit environnements distincts nots de E1 E89. 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 1. Le tableau 1 rsume la distribution de la population tudie par environnement (1423 agences) et prcise les caractristiques de chaque environnement. -ICI INSERER LE TABLEAU 1 -

Lapplication empirique des modles defficience et le calcul des scores dinefficience ncessitent des donnes concernant le plan de production de chaque agence value, en dautres termes des informations sur les ressources employes et les services produits par les agences. Nous prsentons brivement les variables dinputs et doutputs. La figure 2 reprend lensemble des variables slectionnes ncessaires au calcul du score dinefficience RBE et la figure 3 lensemble des variables slectionnes ncessaires au calcul du score dinefficience oprationnelle 10. -ICI INSERER LES FIGURES 2 ET 3-

Les tableaux 2 et 3 prsentent les statistiques descriptives des variables slectionnes respectivement pour le calcul du score dinefficience RBE et du score dinefficience
Ces experts travaillent au sein des services marketing et dveloppement du rseau des directions gnrales des quinze groupes bancaires participant ltude. 9 Le nombre dagences par environnement est trs variable (de 296 57 observations). La mthode DEA est sensible au nombre dobservations puisquelle perd une partie de son pouvoir discriminant lorsque lchantillon est de petite taille. Ainsi, les agences des environnements E1 et E3 peuvent tre values plus svrement que les agences de lenvironnement E2 qui bnficient dune probabilit plus forte dtre sur la frontire defficience. Toutefois, on note que lorsque ces agences sont values par rapport aux autres dans un modle defficience qui ne neutralise pas les effets de lenvironnement, un grand nombre dentre elles ressortent efficientes. 10 La variable cots des autres ressources dexploitation est slectionne dans les deux modlisations ; la raison en est quil nexiste pas dautre proxy pour estimer le facteur capital dune agence bancaire (le nombre m2 tant jug inexploitable et le nombre dordinateurs correspondant au nombre demploys).
8

13

 oprationnelle . Lanalyse de ces statistiques descriptives rvle avant la grande amplitude de taille des agences tudies, cest pourquoi il est ncessaire de proposer des procdures dvaluation de la performance qui permettent de neutraliser leffet de la taille en plus des effets de lenvironnement. Il sagit de comparer le plus quitablement possible les agences entre elles. -ICI INSERER LES TABLEAU 2 ET 3 -

4) Les rsultats

Nous prsentons un chantillon des rsultats individuels relatifs score dinefficience RBE au sein du tableau 4. La colonne score indique que lagence ici note A1 peut augmenter son RBE dun montant de 556 k. Les colonnes suivantes indiquent comment raliser cette augmentation potentielle (le montant 556 k a t dtermin par comparaison avec une autre agence du mme environnement qui arrive faire mieux sur lensemble des dimensions). De plus, lagence A1 peut 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 les frais gnraux de 302 k. Une analyse analogue peut tre ralise pour lensemble des agences. Lagence A2 est une agence RBE efficiente, elle est un benchmark car il ny a aucune agence qui la domine sur lensemble des marges et des cots gnr par son activit commerciale. -ICI INSERER LE TABLEAU 4 -

Le tableau 5 prsente les rsultats globaux pour chaque groupe bancaire rgional. Les efforts sont exprims en % en divisant la somme des efforts raliser par les agences dun groupe

14

rgional et le montant initial observ. Ce tableau indique les efforts agrgs raliser au sein de chaque groupe bancaire rgional, ainsi quun montant global deffort indiqu par la colonne rsultat total . 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 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 TABLEAU5 -

Le score dinefficience oprationnelle est exprim dans notre analyse sous la forme dun pourcentage global. Ainsi une agence aura un score par exemple de 0,18% ce qui indique quelle peut potentiellement pour atteindre lefficience oprationnelle augmenter de 0,18% lensemble du volume dactivit de son groupe rgional et simultanment conomiser 0,18% des ressources de ce dernier.

4.1. Discussion du lien entre linefficience RBE et linefficience oprationnelle

Dans la pratique, partir du compte de rsultat et du bilan, il est ais dobtenir des indicateurs de rentabilit. Ces indicateurs de performance financire sont souvent plus faciles obtenir que des indicateurs de productivit ou de performance oprationnelle. Si nous montrons que les indicateurs de performance oprationnelle et de performance financire sont parfaitement

15

substituables, il serait judicieux de nvaluer lactivit commerciale des agences bancaires uniquement sur lune de ces deux dimensions. La figure 4 prsente une classification des groupes rgionaux partir dun graphique deux dimensions. En abscisse est indiqu le score agrg dinefficience RBE et en ordonne le score agrg dinefficience

oprationnelle . -ICI INSERER LA FIGURE 4 -

Nous avons trac la droite de rgression qui lie ces deux variables. La droite de rgression indique une relation positive entre ces deux types defficience, ce qui est plutt rassurant. Toutefois, le coefficient R2 est faible. Ce qui signifie que linefficience oprationnelle et linefficience RBE apporte chacune de linformation, qui est diffrente. Lune ne peut se substituer lautre. Cet lment est intressant pour le pilotage des agences. En effet, le diagnostic de performance ne peut comporter uniquement des indicateurs de performance oprationnelle qui renvoie la notion defficacit ou de performance financire qui renvoie la notion de rentabilit. De la mme manire on peut sinterroger sur le risque derreur de diagnostic lorsque lon utilise des indicateurs tel que le PNB/employ qui mlent ces deux notions et comparent des effets volume des effets prix.

La figure 4 indique une plus grande variance de la performance financire (inefficience RBE ) que de la performance oprationnelle (inefficience oprationnelle ). Nous pouvons distinguer quatre groupes : (1) GR6, GR9, et GR13 qui sont le trio de tte (qui prsente les inefficiences les plus faibles)

16

(2) GR14, GR4, GR12 et GR5 (qui peuvent rejoindre le trio de tte soit en diminuant leur inefficience RBE comme GR4 et GR14 ou en diminuant leur inefficience oprationnelle comme GR12 et GR5) (3) GR15, GR2, GR11 (les agences du groupe GR15 ont intrt amliorer leur performance oprationnelle (elles obtiennent de bons rsultats sur la dimension financire, alors que pour les agences des groupes GR2 et GR11 il sagit plutt damliore leur performance financire et de maintenir leur performance oprationnelle). (4) GR8, GR7, GR10 (les agences de ces trois groupes rgionaux prsentent des faiblesses sur la dimension financire qui se couplent avec des difficults oprationnelles plus spcifiquement pour le groupe GR8).

Les groupes rgionaux GR3 et GR1 prsentent des profils plus particuliers et demandent un diagnostic individuel. Des comparaisons deux deux sont galement possibles. Par exemple GR14 et GR10 prsentent quasiment la mme inefficience oprationnelle mais elles nont pas la mme inefficience RBE .

5) Conclusion

Dans ce papier en proposant deux nouvelles mesures de la performance financire et de la performance oprationnelle des agences bancaires, nous analysons la relation entre ces deux dimensions. Nous montrons que ces deux dimensions sont complmentaires et sont donc toutes deux ncessaires pour valuer de faon aussi complte que possible lactivit commerciale des agences bancaires. De ce point de vue nous compltons la recherche de

17

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 de meilleures pratiques - de meilleures pratiques au niveau individuel (dans notre tude, au niveau des agences bancaires) et de meilleures pratiques un niveau agrg (dans notre tude, au niveau des groupes rgionaux).

Cette tude prsente des indicateurs de performance qui permettent dvaluer lactivit commerciale des agences bancaires sous langle de deux dimensions (oprationnelle et financire), mais ils pourront tre complts comme le conseille 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.

18

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. Chambers, R., Y. Chung, R. Fre (1996) Benefit and Distance Functions, Journal of Economic Theory, 70, 407-419. 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. Ghosh A., Craig C.S., 1984, A Location Allocation Model for Facility Planning in a Competitive Environment, Geographical Analysis, vol. 16 (1), 39-51. 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.

19

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. Kaplan R. S, Norton D. P, 2001;The strategy-focused organization : how balanced scorecard companies thrive in the new business environment, Harvard Business School Press. 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. 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. Shephard R.W., 1970, Theory of cost and production functions, Princeton : Princeton University Press. 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. Sinigaglia N., 1997, Measuring retail units efficiency : a technical approach, Thse de Doctorat, Facults Catholiques de Mons, Belgique.

20

Soteriou A., Zenios S., 1999, Operations, Quality and Profitability in the Provision of Banking Services, Management Science, 45 (9), 1221-1238. 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.

21

Tableaux

Tableau 1 : Les huit environnements

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

22

Tableau 2 : Statistiques descriptives sur les variables slectionnes pour le calcul du score dinefficience 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
2 237 758 90 192 1 186 684 787

cart-type
1 454 478 67 163 850 379 470

Minimum
257 -357 7 6 81 64 125

Maximum
11 773 4 479 513 1 741 6 310 3 170 3 894

23

Tableau 3 : Statistiques descriptives sur les variables slectionnes pour le calcul du score dinefficience oprationnelle

Variable Encours de dpt en k Encours de crdit en k Primes dassurance dommage en k Encours dpargne financire en k Nombre demploys en quivalent

Moyenne
53 050 50 935 931 32 749

cart-type
35 942 36 147 683 26 575

Minimum
4 839 5 287 82 606

Maximum
279 083 310 050 5 638 224 983

12

47

temps plein Cots des autres ressources

787 470 125 3 894

dexploitation en k Nombre de clients

6 577 3 672 976 23 767

24

Tableau 4 : Rsultats individuels des agences - score dinefficience RBE Marge totale des Agence Score dpts hors frais financiers 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 Marge totale des crdits Com. sur l'ass. dommage Com. sur Cots l'pargne financiers financire personnel gnraux Frais de frais Autres

25

Tableau 5 : Rsultats globaux pour chaque groupe rgional

Marge Marge totale des totale dpts des hors frais crdits financiers dommage financire l'ass. l'pargne financiers personnel gnraux Com. sur Com. sur Cots Frais de frais total Autres Rsultat

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%

26

Figures

Figure 1. Distinction entre les concepts de productivit et defficacit

Y C E A E C D

27

Figure 2. Variables slectionnes et proxy retenues pour le modle efficience RBE

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 financiers11 Activit de crdits value par la marge totale des crdits12 Activit dassurance dommage value par les commissions Activit dpargne financire value par les commissions

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. 12 La marge sur les crdits est nette du refinancement sur les marchs financiers, elle se calcule comme suit : ((taux dintrt des crdits taux moyen de trsorerie) x le montant des crdits) + les commissions sur crdits les dotations pour clients douteux. Sil y a une part importante de crance douteuse, il nest pas impossible de trouver une marge sur les crdits ngative (comme le montre le tableau 2).

11

28

Figure 3. Variables slectionnes et proxy retenues pour le modle efficience oprationnelle

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

29

Figure 4. Relation Inefficience productive et Inefficience RBE 13

Inefficience RBE
25%

20% GR3 GR1 GR8 15% GR15 GR14 10% GR4 GR6 GR12 5% GR9 GR5 y = 0,0452x + 0,0634 2 R = 0,2514 GR11 GR10 GR7 GR2

GR13

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

Inefficience oprationnelle

13

Attention il sagit bien dinefficience, plus elle est faible plus le diagnostic est favorable.

30