performances des agences bancaires

7/28/2019 Performances Des Agences Bancaires

1/45

Document de travail du LEM

2008-06

LORSQUE MESURER LA PERFORMANCESENVISAGE COMME UN OUTIL DAIDE LA

DCISION : LE CAS DE LA PERFORMANCE DES

AGENCES BANCAIRES

Aude Deville*Herv Leleu**

*LEG-FARGO, IAE de Dijon Universit de Bourgogne

**ISEG School of Management, CNRS-LEM (UMR 8179)


2/45

2

Lorsque mesurer la performance senvisage comme un outil daide la dcision :

le cas de la performance des agences bancaires

Aude DEVILLE1

LEG-FARGO, IAE de Dijon Universit de Bourgogne,

Ple dconomie et de Gestion, 2 bd Gabriel, BP 26 611, 21 066 DIJON cedex

Tel : 00.33.3. 80.59.35.05. E-mail : [email protected]

Herv LELEU

CNRS/LEM et ISEG School of Management

Universit Catholique de Lille

3 rue de la Digue, 59000 Lille

Tel: 00 33 3 20 13 40 60. E-mail : [email protected]

1 Auteur de correspondance


3/45

3

Lorsque mesurer la performance senvisage comme un outil daide la dcision :

le cas de la performance des agences bancaires

Rsum

Dans ce papier, nous proposons deux nouveaux indicateurs pour mesurer la performanceoprationnelle et la performance financire des rseaux dagences bancaires. Nousdveloppons une approche alternative aux mesures classiques de productivit pour prendreen compte des effets de taille, denvironnement et de structure dans la comparaison desagences entre elles. Nous recourons une approche non paramtrique destimation dune

frontire de production pour construire les indicateurs dans un cadre homogne. Uneapplication empirique est mene sur un chantillon de 1423 agences bancaires rparties ausein de 15 banques rgionales. Nos rsultats indiquent que la performance oprationnellenest que faiblement lie la performance financire et que les deux types dindicateursapparaissent donc davantage complmentaires que substituables pour tablir un diagnosticglobal de performance.

Mots cls : Rseaux de distribution, banque, performance financire, performance

oprationnelle

Abstract

In this paper, we introduce two new indicators of the operational and the financialperformance of bank branches networks. We develop an alternative approach to thetraditional productivity measures to take into account size, environmental and structuraleffects in the benchmark process. We use a nonparametric production frontier to estimate theefficiency indices within a unified framework. We apply our analysis to a sample of 1423 bankbranches belonging to 15 regional banks. Our results show that the operational and financial

performances are weakly related to each other. Therefore, the two types of indicators appearto be more complementary rather than substitute.

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


4/45

4

1. Introduction

A manager tries to put together the various resources under his control into an activity that

achieves his objectives. A model of his operation can assist him but probably will not unless it

meets certain requirements. A model that is to be used by a manager should be simple, robust,

easy to understand, adaptive, as complete as possible, and easy to communicate with. . . .

Such a model consists of a set of numerical procedure for processing data and judgements to

assist managerial decision making and so will be called a decision calculus. , Little J.D.C

(1979, page B-466).

Dans ce travail, nous proposons de nouvelles mesures de la performance partir dune

approche mthodologique innovante qui obit parfaitement aux prceptes noncs par Little

(1979). Cette approche doit permettre la prise de dcision du manager-dcideur. Mme si sa

mise en place peut sembler laffaire de spcialistes, les rsultats quelle produit sont des

indicateurs de performance comprhensibles, interprtables et robustes. Outre la prsentation

des aspects mthodologiques, nous dveloppons une application au secteur bancaire, un cadre

particulirement intressant du point de vue de la rpartition des centres de dcision. Les

groupes bancaires et, en particulier, la banque de dtail sont des rseaux de distribution

intgrs en aval o les agences bancaires sont des points de vente. Les mesures de

performance sont ncessaires la prise de dcision et constituent un outil de communication

de la stratgie au niveau oprationnel. Ici, elles sont dveloppes pour les manageurs-

dcideurs situs la tte de rseau. Elles ont pour objet (1) dvaluer la performance de

lactivit commerciale des agences bancaires ; (2) de permettre les comparaisons entre

agences (niveau individuel) et entre groupes rgionaux (niveau agrg). Elles doivent

alimenter un outil de benchmarking interne deux niveaux. Du point de vue de la prise de


5/45

5

dcision au sein dun rseau de distribution, l'outil est original et pertinent. En effet, comment

raliser un benchmarking congruent si les indicateurs traditionnellement employs ne

permettent pas une analyse unifie et cohrente diffrents niveaux de prise de dcision ou

sils ne permettent de prendre en compte dans les comparaisons interindividuelles des facteurs

exognes qui peuvent influer sur la performance telles que les caractristiques de la zone

commerciale.

Notre travail dbute par une contribution mthodologique. Nous utilisons de faon originale

lapproche dite Data Envelopment Analysis (note ci-aprs DEA) qui est connue et estime.

Elle a t applique dans de nombreux secteurs dactivit et a t exploite notamment par des

chercheurs en marketing. Nous pouvons citer, en langue franaise, les tudes de La Villarmois

(1999) pour valuer la performance des agences bancaires , celle(s) de Vyt (2005) pour

valuer la performance des supermarchs ,celle(s) de Chabi et Corre (1999) pour estimer la

relation qualit-prix , ou encore celle(s) de Sinigaglia (1997) pour comparer la performance

des tlboutiques belges. Ensuite, notre analyse comporte une contribution empirique. Les

rsultats discuts sont obtenus partir dune base de donnes comprenant 1423 agences

bancaires rparties au sein de quinze banques rgionales qui travaillent sous une mme

enseigne et qui sont chacune affectes dune direction gnrale et dun rseau dagences.

Enfin, nous proposons une contribution managriale en nous attachant deux types de

rsultats qui permettent (1) de discuter les limites des mesures classiques de performance

oprationnelle et financire ; (2) de proposer des mesures de la performance innovantes qui

permettent de pallier ces limites ; (3) danalyser la relation entre la performance

oprationnelle, fonde sur des mesures dactivits et de ressources consommes (des effets

volume) et la performance financire des agences bancaires, fonde sur des critres de

rentabilit financire (des effetsprix ou valeur).


6/45

6

Nous prsentons les mesures habituellement utilises pour valuer la performance

commerciale des agences bancaires dans la section 2. La mthodologie et les dveloppements

ncessaires notre tude sont exposs dans la troisime section. Les donnes et les rsultats

empiriques sont prsents et discuts dans la quatrime section. Nous concluons dans la

cinquime section.

2. valuation traditionnelle de la performance commerciale des agences bancaires

Les rseaux bancaires sont des rseaux de distribution intgrs en aval o la direction assure

le rle de producteur-leader et les agences celui de succursales-distributeurs. Lactivit

commerciale des agences bancaires consiste distribuer des produits bancaires (collecte de

dpts octroi de crdits) issus de lintermdiation bancaire mais aussi des produits non

bancaires dits hors bilan tels que de lassurance-dommage, des produits financiers

(OPCVM ou assurance- vie), ou encore de la vente de services lis la gestion des comptes

(autorisations de dcouvert, petits contrats dassurance, cartes de crdits, banque distance,

tlphonie...). Lactivit commerciale des agences est ddie une clientle rpartie au sein

dune zone commerciale de proximit. Pour assurer son activit commerciale, la direction

gnrale alloue chaque agence des ressources de trois natures : des ressources humaines, des

ressources dexploitation et un capital-client qui constitue le fond de commerce de lagence.

En tant que point de vente, lactivit commerciale des agences bancaires est influence par les

caractristiques de son environnement commercial2 qui renvoie aux caractristiques de la

demande (caractristiques socio-conomiques des clients existants et potentiels) et celles de

loffre (notamment lintensit de la concurrence). Il influe sur le volume des ventes et la

gamme optimale de produits. Ces lments ne sont pas contrlables par les points de vente

car ils ne dcident pas de leur localisation. Cependant cet environnement influence la

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


7/45

7

performance alors quil est souvent nglig dans la procdure dvaluation. Cest une des

principales limites des indicateurs classiques de la performance qui sera discute

ultrieurement (notamment au sein de la section 4).

Dans la pratique, lvaluation de lactivit commerciale des agences bancaires est ralise

partir de nombreux indicateurs classiques de la performance. Lanalyse de la performance

commerciale est le plus souvent ralise selon deux dimensions : une dimension

oprationnelle qui renvoie une valuation de la bonne utilisation des ressources mises

disposition des agences et une dimension financire qui renvoie la capacit produire de la

valeur.

2.1. Mesures classiques de la performance oprationnelle des agences bancaires

Sur la figure 1, nous prsentons les donnes utilises pour valuer la performance

oprationnelle de lactivit commerciale des agences. partir de ces donnes, un grand

nombre de ratios de productivit partielle peut tre calcul, il suffit de combiner chaque

activit et chaque ressource sous la forme dun ratio. Cette dmarche permet davoir

une vue globale de la performance oprationnelle des agences et notre exprience du terrain

montre que les praticiens sont enclins prfrer les ratios par employ. Nous retiendrons

quatre indicateurs de productivit partielle (associs leurs variables) qui se retrouvent

habituellement dans les tableaux de bord des agences : encours de dpt par employ

(PROD_DEP), encours de crdit par employ(PROD_CRED),primes dassurance-dommage

par employ(PROD_ASS), et encours dpargne financire par employ(PROD_EFI).

ICI INSERER LA FIGURE 1


8/45

8

Ces ratios de productivit partielle, calculs partir des informations comptables, prsentent

cependant trois limites majeures du point de vue de la prise de dcision :

Ils sont multiples ce qui ne facilite pas la prise de dcision. En effet, comment

comparer une agence qui prsente une bonne performance sur le ratio encours de

dpt par employ et une moins bonne performance sur le ratio encours dpargne

financire par employ une autre agence qui prsente une performance inverse sur

ces deux ratios ?

Une deuxime limite est plus critique encore car elle peut conduire des erreurs de

diagnostic et donc des dcisions errones. Les indicateurs de productivit partiellesont difficilement interprtables car ils ne procdent pas dun raisonnement toute

chose gale par ailleurs . En effet, la variation dun des indicateurs dans le temps, par

exemple une augmentation de la productivit apparente du travail, ne peut tre

impute sans ambigit aux efforts des employs car il se peut que laugmentation de

lactivit soit lie aux autres ressources que lon ne contrle pas dans la dfinition

dun indicateur de productivit partielle. Ainsi, on pourrait croire que la productivit

du personnel augmente alors quen ralit elle dcrot, si elle est masque par la plus

forte hausse de la productivit des autres ressources mobilises.

Une troisime limite est lie au rle de la taille dans la procdure dvaluation de la

performance. Les ratios de productivit partielle supposent implicitement des

rendements dchelle constants puisquils sont dfinis sous la forme de ratio. En effet

dire quune grande agence avec un encours moyen par employ de (2000/20)=100 est

moins productive quune petite agence qui a pour ratio (250/2)=125, cest dire que

lon peut mettre lchelle toute activit et quon ne prend pas en compte dans le

processus dvaluation la possibilit dconomie ou de ds-conomie dchelle dans la

production.


9/45

9

2.2. Mesures classiques de la performance financire des agences bancaires

Sur la figure 2, nous prsentons les donnes sollicites pour valuer la performance financire

de lactivit commerciale des agences. La performance financire renvoie la notion de

rentabilit mme elle est souvent estime partir du ratio du produit net bancaire 3 (not PNB

par la suite) ou du rsultat brut dexploitation (not RBE par la suite) divis par leffectif ou

par le bilan total (total bilan) (qui correspond la somme des encours de dpt et des encours

de crdit).


Nous montrons les diffrentes tapes de dtermination du PNB et du RBE dune agence

bancaire partir de leur compte de rsultat simplifi. Le tableau 1 indique que le PNB se

calcule en sommant la marge financire et diverses commissions. Le RBE correspond au PNB

auquel on retire les charges dexploitation (frais de personnel et autres frais dexploitation).

ICI INSERER LE TABLEAU 1

Nous retenons deux ratios de performance financire qui sont utiliss comme outils de

pilotage des agences bancaires au sein du groupe qui a mis la base de donnes notre

disposition. Nous dfinissons ainsi le ratio not RATIO_FI1 = RBE / total bilan (la masse

total bilan correspond la somme des encours de dpts et des encours de crdits) ; et le

RATIO_FI2 = RBE / effectif mesur en quivalent temps plein. Le ratio RATIO_FI1 rpond

la question : quel est le rendement dexploitation dun euro dactivit (value par la somme

des encours de lactivit dintermdiation bancaire le total bilan - ). Le ratio RATIO_FI2

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


10/45

10

rpond la question : quel est le rendement dexploitation dun employ estim en quivalent

temps plein ? Ces deux indicateurs sont des indicateurs synthtiques de la performance

financire de lactivit commerciale des agences bancaires mais la porte de leur

interprtation est limite. En effet, sils permettent des pratiques de benchmarking

relativement faciles rendre oprationnelles, ils nindiquent pas comment parvenir

amliorer la performance financire mesure : une bonne/mauvaise performance financire

est-elle due des cots financiers ou des cots dexploitation faibles ou plutt une marge

financire leve ou des commissions dpargne financire importantes ? Ils nindiquent pas

aux agences les moins performantes sur quel(s) poste(s) porte(nt) les efforts raliser.

Lapproche que nous adoptons ci-aprs permet de rpondre en partie aux limites de ces

indicateurs de performance traditionnels.

3. Mesure de la performance par lapprocheData Envelopment Analysis

Nous dveloppons deux nouvelles mesures de la performance dans le cadre de lapproche

Data Envelopment Analysis (DEA). Cette approche respecte les prconisations de Parsons

(1994) qui suggre dvaluer la performance des points de vente partir de leur technologie

de production. Elle reprsente la relation liant lensemble des ressources employes

lensemble des activits produites. Un certain nombre danalyses ont choisi cette approche

pour estimer la performance des agences bancaires parce quelle permet (1) de dterminer les

meilleures pratiques (Sherman et Gold 1985), (2) de calculer des indicateurs synthtiques de

la performance oprationnelle (Parkan 1987, Oral et Yolalan 1990, Vassiloglou et Giokas

1990, Giokas 1991, Tulkens 1993, Al-Afarajn et al. 1993, Sherman et Ladino 1995, La

Villarmois 1999, Gervais et Thenet 2004), (3) de neutraliser les effets de facteurs exognes

tels que lenvironnement (Athanassopoulos 1998) et (4) de mettre en relation la qualit de


11/45

11

service, la profitabilit et la productivit (Athanassopoulos 1997, Soteriou et Zenios 1999, et

Schaffnit et al. 1997). Notre tude, tout en proposant une application innovante de lapproche

DEA aux agences bancaires, sinscrit dans la continuit de cette littrature.

3.1. Le cadre mthodologique

Lapproche DEA se fonde sur la dfinition dun ensemble de production constitu de toutes

les pratiques observes. Les meilleures pratiques dfinissent la frontire de cet ensemble

appele frontire defficience. Lefficience dune pratique svalue donc par un score, calcul

comme lcart entre la pratique observe et la meilleure pratique situe sur la frontire.

Notons que le concept defficience est ici relatif puisquil se fonde sur les meilleures pratiques

observes et non sur un rfrentiel thorique. En fait, lensemble de production et sa frontire

sont inconnus et sont estims partir des donnes dun chantillon et laide de la

programmation mathmatique.

Notre approche met clairement en lumire la diffrence qui existe entre le concept traditionnel

de productivit et celui defficience technique. La figure 3 illustre cette distinction dans le

cadre dune technologie de production mono-produit/mono-facteur. Toute production

ralisable est caractrise par un couple de coordonnes dans lespace production/ressource

(X reprsente la consommation en ressources inputs - et Y le niveau de production le

volume des ventes encore appel outputs -). Lensemble des observations, comme les points

A, B, C, E ou D, qui maximisent le niveau doutput pour un niveau dinput donn forment

la frontire de production. Une observation qui se situe lintrieur de lensemble de

production est inefficiente car elle peut, ressources consommes constantes, augmenter son

niveau doutput (point C) ou, production inchange, diminuer son utilisation de linput

(point B) ou la fois augmenter son activit tout en diminuant ses ressources (point E). Une


12/45

12

mesure de son inefficience est donne par une fonction distance qui mesure lcart entre

lobservation inefficience et son observation de rfrence qui se situe sur la frontire des

meilleures pratiques. Contrairement aux entits B, C et E, les entits A et D sont efficientes

car elles se situent sur la frontire de production. La productivit de chaque entit est mesure

par la pente des demi-droites OA, OB, OC et OD (rapport output/input).

Notre approche privilgie le concept defficience dans la mesure de la performance

oprationnelle. Trois cas de figure dmontrent clairement la distinction entre efficience

technique et productivit : (1) les observations A et D sont toutes deux techniquement

efficientes mais A est caractrise par une productivit plus leve ; (2) les observations C et

D ont la mme productivit mais D est efficiente et C ne l'est pas ; (3) lobservation D est

moins productive que l'observation B (la demi-droite OD est en dessous de OB) mais elle est

plus efficiente. Ce dernier cas permet de justifier le choix de lefficience plutt que celui de

productivit pour mesurer la performance oprationnelle. Bien que lobservation D soit moins

productive que l'observation B, elle peut tre considre comme appartenant aux meilleures

pratiques (elle se situe sur la frontire defficience) alors que l'observation B est inefficiente et

peut diminuer ses ressources pour produire la mme quantit doutput. Le choix dune mesure

defficience pour valuer la performance oprationnelle plutt que le recours une mesure de

productivit permet de prendre en compte explicitement des effets de taille dans le processus

dvaluation. En effet, la mesure defficience se calcule par rapport une frontire de

production qui peut admettre tout type de rendements dchelle (croissants, constants ou

dcroissants) et une agence, grande ou petite, peut tre efficiente mme si elle nest pas la

plus productive. Notre nouvelle mesure de performance permet donc dintgrer des effets

taille dans lvaluation des agences.

-ICI INSERER LA FIGURE 3-


13/45

13

Le cadre mthodologique employ dans cette recherche est une approche non paramtrique

qui permet destimer linefficience oprationnelle et financire. Nos principales contributions

se situent : (1) dans lvaluation et dans linterprtation de la performance financire des

agences bancaires ; et (2) dans la considration des spcificits de lenvironnement4 de

proximit et de la taille des agences bancaires dans la modlisation de leur processus de

distribution. Une prsentation formalise de lapproche est prsente en annexe 1. Nous

prsentons dans le texte son adaptation notre analyse de la performance des agences

bancaires.

3.2. Mesure de la performance oprationnelle des agences bancaires

Pour mesurer la performance oprationnelle qui cherche valuer si les ressources en volume

sont bien utilises pour maximiser le volume dactivit des agences, nous reprenons les trois

ressources et les quatre activits dcrites dans la figure 1 pour construire la technologie de

production et nous adaptons le programme linaire prsent en annexe. Nous dcrivons ci-

dessous les variables utilises et le programme correspondant.

4 La performance des points de vente dpend la fois de la capacit du manager prendre les bonnes dcisionsconcernant les facteurs qui se trouvent sous son contrle, mais aussi de linfluence de facteurs incontrlables quicaractrisent les conditions de march (Achabal et al., 1984 ; Kamakura, Lenartowicz, et Ratchford, 1996). Lestudes ralises ont notamment montr que la performance des points de vente est influence par les

caractristiques socio-conomiques de la clientle et par le niveau de concurrence (Ghosh et Craig 1983, 1984).Dans cette analyse, seules des agences soumises aux mmes contraintes denvironnement sont compares entreelles, les meilleures pratiques propres chaque environnement commercial sont ainsi identifies.


14/45

14

Description

Nombre demploys

Autres frais gnrauxNombre de clients

Encours de dptEncours de crditPrimes dassurance dommageEncours dpargne financire

Environnement de lagence value

Variables formant la combinaison linaireScore dinefficience oprationnelle (SCORE_OPE)

Donnes delagence

RessourcesEMP

AFGNBC

ActivitsDEPCREASSEFI

Variablesz

k

o

Donnes dugroupe rgional

TOTEMP

TOTAFGTOTNBC

TOTDEPTOTCRETOTASSTOTEFI

,

s.c. :

o k

o

o

o

o

o

o

o

z

k k o o

k Env

k k o o

k Env

k k o o

k Env

k k o o

k Env

k k o o

k Env

k k o o

k E

k k o o

k Env

Max

z EMP EMP TOTEMP

z AFG AFG TOTAFG

z NBC NBC TOTNBC

z DEP DEP TOTDEP

z CRE CRE TOTCRE

z ASS ASS TOTASS

z EFI EFI TOTEFI

+

+

+

+

1

0

o

o

k

k Env

k o

z

z k Env

=

Le programme linaire cherche dterminer sil existe une combinaison linaire dagences

voluant dans le mme environnement que lagence value et qui produise davantage de

chaque activit (DEP, CRE, ASS et EFI) tout en utilisant moins de chaque ressource (EMP,


15/45

15

AFG et NBC). Si une telle solution nest pas trouve, lagence value est dclare efficiente

et son score dinefficience est nul, dans le cas contraire le programme mesure lactivit

supplmentaire que lagence value pourrait faire tout en utilisant moins de ressources, le

tout en terme de pourcentage par rapport au total des activits et des ressources du groupe

rgional. Par exemple, un score dinefficience oprationnelle de 1% signifie que lagence

value en devenant performante pourrait augmenter lactivit du groupe de 1% tout en

diminuant les ressources de 1% galement. Lavantage dune mesure par rapport au groupe

rgional est quil est possible de comparer directement les performances des agences (la

mesure nest pas relative mais absolue) et quil est possible dadditionner les scores

dinefficience pour obtenir linefficience de nimporte quel regroupement dagences (par

groupe denvironnement par exemple ou encore par localisation gographique). Il est donc

possible dagrger volont les mesures de performance pour les tudier diffrents niveaux

danalyse.

3.3. Mesure de la performance financire des agences bancaires

Pour mesurer la performance financire, nous nous intressons directement aux composantes

du rsultat brut dexploitation (RBE) comme indicateurs de ressources et dactivits. Nous

pouvons donc tirer parti du fait que les marges et les cots sont mesurs en valeur. Exprims

dans la mme unit de mesure, ils sont directement comparables et nous pouvons viter le

recours un vecteur directionnel pour mesurer les carts la frontire et sommer directement

les gains possibles et les conomies ralisables en valeur. Lobjectif du modle defficience

RBE est donc de mesurer laccroissement potentiel du RBE de lagence value soit en

augmentant ses marges et commissions, soit en rduisant ses cots en comparaison avec les

autres agences observes. Dans ce modle les cots et les marges/commissions sont optimiss


16/45

16

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

programme doptimisation correspondant.

Description

Frais de personnelAutres frais gnrauxFrais financiers

Marges sur dptMarges sur crditCommissions sur dassurance dommageCommissions sur pargne financire

Environnement de lagence valueVariables formant la combinaison linaire

Donnes delagenceCotsFEMPAFGFFIN

MargesMDEPMCRECASSCEFI

zk

Variablesdcarts

SFEMPSAFGSFFIN

SMDEPSMCRESCASSSCEFI

zk

( )

( )

s.c. :o

o

o

o

o

k k o

k Env

k k o

k Env

k k o

k Env

k k o

k Env

k k o

k Env

k k o

k

Max SMDEP SMCRE SCASS SCEFI

SFEMP SFAG SFFIN

z FEMP FEMP SFEMP

z AFG AFG SAFG

z FFIN FFIN SFFIN

z MDEP MDEP SMDEP

z MCRE MCRE SMCRE

z CASS CASS SCASS

+ + +

+ +

+

+

+

1

0

o

o

o

E

k k o

k Env

k

k Env

k o

z CEFI CEFI SCEFI

z

z k Env

+

=

Le programme linaire cherche dterminer les surplus quune agence peut raliser sur

chaque marge du RBE et les conomies ralisables sur chaque dimension de cot. Pour cela,


17/45

17

lagence value est compare toutes les agences dans le mme environnement quelle ainsi

qu de possibles combinaisons linaires de ces agences qui forment la frontire defficience.

Si une telle solution nest pas trouve, lagence value est compare elle-mme et son

score dinefficience est nul. Dans le cas contraire, la valeur de la fonction-objectif sinterprte

comme le score dinefficience RBE (SCORE_RBE) en donnant le montant total duquel peut

tre augment le RBE et les variables dcarts fournissent le potentiel damlioration sur

chacune des dimensions du RBE. Ces rsultats en valeur pourront tre traduits par la suite en

pourcentage du RBE du groupe rgional pour tre compars la performance oprationnelle

afin dhomogniser les rsultats.

Lintrt de cette approche par rapport une simple comparaison des RBE entre agences est

de comparer lagence value une agence de rfrence qui obtient de meilleurs rsultats sur

chaque dimension du RBE. En dautres termes, il ny a pas de compensations entre les

dimensions du RBE o une marge infrieure sur une dimension serait ventuellement

compense par une autre meilleure sur une autre dimension ou par un cot moindre. Une

agence performante est une agence qui a un cot moindre pour chaque source de cot et une

marge/commission suprieure pour chaque source de cration valeur. Cette exigence permet

de contrler de faon naturelle les effets de taille et de structure dactivits des agences pour

limiter lhtrognit des comparaisons.

Ce modle poursuit un objectif bien connu en contrle de gestion qui est doptimiser

simultanment le couple cot-valeur. Cest en ce sens que nous avons construit une relation

entre les ressources consommes et values par leur cot et la valeur cre value par les

marges et les commissions gnres par lactivit des agences. Du point de vue de la prise de

dcision du manager, cette approche prsente lintrt dindiquer les dimensions sur

lesquelles doivent se focaliser les efforts (identification des cots rduire ou des marges


18/45

18

augmenter). En outre, il sagit dune pratique de benchmarking que lon pourrait qualifier de

slective dans le sens o pour tre considr comme un benchmark une agence bancaire ne

doit tre domine sur aucune des facettes constitutives du RBE.

4. Application empirique

Cette section est consacre lapplication empirique des modles defficience dvelopps

dans le cadre mthodologique de cette recherche. Nous analysons la performance dune

population de 1423 agences bancaires travaillant sous une mme enseigne mais rparties au

sein de quinze groupes bancaires rgionaux. Chaque groupe bancaire rgional constitue un

rseau de distribution intgr en aval indpendant compos dune direction gnrale

autonome et dun ensemble dagences. Aprs la prsentation des donnes, nous comparons

(1) les indicateurs classiques de la performance oprationnelle (PROD_DEP, PROD_CRED,

PROD_ASS, et PROD_EFI) et le score dinefficience technique (SCORE_OPE) ; (2) les

indicateurs classiques de la performance financire des agences nots RATIO_FI1 et

RATIO_FI2 et le score dinefficience RBE not SCORE_RBE. Nous discutons ensuite la

relation entre les indicateurs SCORE_OPE et SCORE_RBE pour tester sils sont davantage

de nature complmentaire ou substituable.

4.1. Prsentation des donnes

La dtermination des scores dinefficience oprationnelle (SCORE_OPE) et dinefficience

financire (SCORE_RBE) ncessite de recueillir lensemble des variables dfinies dans les

figures 1 et 2 pour les 1423 agences values. Dans les tableaux 2 et 3, nous prsentons les

statistiques descriptives des variables slectionnes.


19/45

19

ICI INSERER LES TABLEAUX 2ET 3

En outre, comme le montre les dveloppements mthodologiques exposs en section 3, nous

intgrons dans la procdure dvaluation des indicateurs SCORE_OPE et SCORE_RBE les

caractristiques de lenvironnement commercial de proximit (leffet de taille est neutralis

par lhypothse de rendements dchelle variables dans les modles DEA). Les

caractristiques de lenvironnement de proximit sont recueillies sous la forme dune variable

catgorielle qui correspond une classification fonde sur des opinions dexperts5 et une

analyse de classification hirarchiques ralise en interne par le groupe bancaire. Cette

classification a t tablie grce des informations recueillies llot pour qualifier la zone de

chalandise de chaque agence. La zone de chalandise a t dfinie partir dun logiciel de

gomarketing. Les informations utilises pour raliser la classification sont issues du dernier

recensement INSEE ainsi que des informations fiscales, les variables employes sont

notamment : la part des agriculteurs, la part des cadres, la part des commerants artisans dans

les actifs ; la part des tudiants, des retraits dans la population, le revenu moyen par mnage,

la part des rsidences secondaires, le taux de chmage, lvolution de la population. La

variable catgorielle ainsi dtermine est appele dans notre tude E, elle comprend huit

modalits. Elle se dcline de E1 E8. Huit frontires defficience sont ainsi construites pour

neutraliser les effets de lenvironnement sur lvaluation de la performance des agences. Les

huit environnements sont prsents dans le tableau 4 qui rsume aussi la distribution de lapopulation tudie par environnement et prcise les caractristiques saillantes de chaque

environnement.


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


20/45

20

4.2. valuation de la performance oprationnelle : comparaison des ratios de productivit

partielle et de SCORE_OPE

La performance oprationnelle est value partir dun score dinefficience (SCORE_OPE)

et de quatre indicateurs de productivit partielle (PRO_DEP, PROD_CRED, PROD_ASS,

PROD_EFI) qui permet dvaluer la productivit des agences sur les quatre types de produits

proposs la clientle alors que le score dinefficience technique est un indicateur synthtique

qui permet lui aussi dvaluer la performance oprationnelle des agences sur ces mmes types

de produits. Pour illustrer lintrt de nos rsultats, le tableau 5 prsente des rsultats

individuels de trois agences choisie parmi les 1423 values. La variable introduite pour

valuer la taille des agences est note CLAS_TAILLE. Elle est construite partir du total

bilan des agences (somme des encours de dpt et somme des encours de crdit des agences

en k). C'est une variable catgorielle quatre modalits qui correspondent chacune un

quartile, qui est aussi indique sur le tableau 5.


Si un manageur occupant une fonction de directeur de rseau ou de directeur dedveloppement avait pour mission de procder du benchmarking et donc de classer les

agences A1, A2 et A3 sur le critre de performance oprationnelle avec seulement sa

disposition les quatre ratios classiques de productivit partielle, il serait confront des

difficults voire des cueils. En effet, lagence A1 serait compare deux autres agences de

taille trs diffrente et ses rsultats, relativement plus faibles sur les indicateurs de

productivit partielle que les deux autres, pourraient ntre lis qu un effets taille sans


21/45

21

quelle nutilise pour autant moins bien les ressources mises sa disposition pour produire

son activit. Leffet taille masque ici la bonne performance oprationnelle de lagence A1

puisque notre approche montre quelle est effectivement efficace lorsque la taille et

lenvironnement sont pris en compte dans son valuation. Par ailleurs, comment classer les

agences A2 et A3 qui appartiennent la mme catgorie de taille mais dont les ratios

avantagent une fois A2, une autre fois A3. Soulignons galement que les ratios de

productivit partielle ne prennent en compte quune dimension, ici les ressources humaines

alloues aux agences. Le score dinefficience SCORE_OPE a t construit de manire

pallier ces limites, et en tant quindicateur synthtique de la performance oprationnelle il

autorise un classement facile des agences. Si une agence obtient un score SCORE_OPE de

0% cela signifie quelle utilise au mieux les ressources mises sa disposition et donc quelle

est performante oprationnellement. Si une agence obtient un score de 0,37% comme lagence

A3 cela signifie qutant donn ses ressources et son environnement, elle peut augmenter de

0,37% lactivit commerciale du groupe.

De manire synthtique, le tableau 6 prsente les rsultats par groupes rgionaux. Sont

indiqus leffort oprationnel par groupe, leffort oprationnel moyen par agence, ainsi que

les ratios de productivit partielle moyens. On peut classer les groupes rgionaux partir de

leffort oprationnel raliser indiqu par la somme des inefficiences des agences pour

chaque groupe ou partir de leffort moyen raliser par agence. Le classement des groupes

rgionaux est plus dlicat voire impossible partir des indicateurs de productivit partielle, en

effet certains groupes prsentent de bons rsultats pour certains ratios et non pour dautres et

inversement pour dautres groupes.



22/45

22

Le tableau 7 indique les coefficients de corrlation entre les diffrentes mesures de

performance oprationnelle, le score dinefficience SCORE_OPE6 est corrl environ 0,25

avec lensemble des ratios de productivit partielle, alors que les ratios de productivit

partielle sont lis entre eux avec de forts contrastes. Par exemple, PROD_DEP est corrl

0,58 PROD_EFI et 0,31 avec PROD_ASS alors que PROD_EFI est inversement (trs

faiblement corrl 0,07) corrl PROD_ASS. Ceci indique bien que lanalyse des ratios de

productivit partielle est dlicate car elle peut conduire des rsultats contraires.


4.3. valuation de la performance financire : comparaison des ratios classiques et de

SCORE_RBE

Nous prsentons ici les rsultats obtenus au niveau individuel (agence) (tableau 8) et au

niveau agrg (groupe rgional) (tableau 9). Bien que les rsultats individuels soient

disponibles pour les 1423 agences, le tableau 8 nen montre quune partie pour illustrer la

nature des rsultats et les indicateurs qui pourraient tre intgrs dans un diagnostic de

performance ou un tableau de bord. Nous montrons les rsultats pour trois agences identifiespar A1, A2, et A3. La colonne SCORE_RBE indique que lagence ici note A1 peut

augmenter son RBE dun montant de 556 k, cet effort raliser est dtermin en

comparaison avec une autre agence du mme environnement qui est plus efficiente sur

lensemble des dimensions. Les colonnes suivantes indiquent comment raliser cette

6 Cest un score dinefficience, un signe (-) indique donc bien une relation positive avec les autres indicateurs.Moins le score dinefficience est lev plus lagence est performante, linverse pour les ratios de productivitpartielle, plus ils sont levs plus lagence est performante.


23/45

23

augmentation potentielle : au sein de sa zone commerciale, elle peut potentiellement

augmenter sa marge sur les crdits de 157 k, ses commissions sur lassurance dommage de

58 k, et celles sur lpargne financire de 39 k. Dans le mme temps, elle devrait pouvoir

diminuer ses frais gnraux de 302 k. Une interprtation analogue des rsultats peut tre

ralise pour lagence A3. On remarque que lagence A1 doit, pour devenir performante,

faire un effort tout aussi important pour augmenter ses marges que pour diminuer ses cots

alors que lagence A3 a essentiellement un effort faire sur le poste des marges sur produits.

Elle na que trs peu defforts faire du cot des cots. Lagence A2 est une agence

efficiente (elle na aucun effort potentiel raliser) : elle est un benchmarkcar il ny a aucune

agence qui la surpasse sur lensemble des marges et des cots gnrs par son activit

commerciale. Ces rsultats montrent la possibilit de faire un diagnostic individuel pour

chaque agence et didentifier les gains de rentabilit sur chaque dimension de lactivit

bancaire.


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


24/45

24

important doit principalement sorienter vers laugmentation de la marge sur les crdits, des

commissions dassurance dommage et des commissions dpargne financire. Un diagnostic

personnalis peut ainsi tre ralis pour chacun des groupes rgionaux.


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


25/45

25

des agences : (1) en donnant des objectifs en termes de volume ; et (2) en donnant des

objectifs de rentabilit. Nos rsultats empiriques montrent que ces deux dimensions sont

plutt complmentaires avec une corrlation de lordre 0,37.

La figure 4 positionne les 15 groupes rgionaux dans lespace de ces deux indicateurs.


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.


26/45

26

Cette analyse constitue donc un outil de diagnostic intressant qui permet dappeler des tudes

complmentaires pour certains groupes rgionaux qui peuvent apparatre relativement

atypiques comme GR3 ou trs peu performants comme GR1. Dautres axes danalyses

peuvent galement tre dvelopps. Par exemple GR14 et GR10 prsentent quasiment la

mme inefficience oprationnelle mais diffrent fortement sur linefficience RBE. Une

comparaison des mthodes de management ou des politiques commerciales entre les agences

de ces groupes pourrait peut-tre clairer ce diagnostic diffrenci.

5. Conclusion

Dans cet article, deux nouvelles mesures de la performance ont t introduites et compares

avec des mesures plus classiques comme les ratios de productivit partielle et les ratios

financiers. Nous distinguons une mesure de la performance oprationnelle fonde sur la

bonne utilisation des ressources mobilises dans la production dactivits et une mesure de

performance financire attache aux marges et aux cots des activits. Nous analysons

galement la relation entre ces deux dimensions. En montrant une certaine complmentarit

entre tous ces indicateurs, nous compltons les travaux de LaVillarmois (1999) qui a discut

la relation positive entre un score dinefficience oprationnelle et des indicateurs

classiques de productivit. Nous soulignons galement lintrt managrial de ces nouvelles

mesures de la performance, en particulier lorsquelles sont appliques aux rseaux de

distribution. Cet intrt rside dans la pratique de benchmarking interne. Les mesures

dinefficience sont avant tout des rvlateurs des meilleures pratiques - les meilleures

pratiques au niveau individuel (les agences bancaires) et les meilleures pratiques un niveau

agrg (les groupes rgionaux).


27/45

27

Les limites de notre approche sont de deux ordres. Dun point de vue mthodologique,

lapproche utilise (par enveloppement des donnes, DEA) repose sur des estimateurs non

paramtriques des scores defficience. Bien quils aient de bonnes proprits thoriques, ils

requirent de nombreuses donnes pour que leur prcision soit correcte. Ce type dapproche

est donc rserv des chantillons de grande taille et serait plus dlicate mettre en uvre sur

des effectifs plus faibles (par exemple moins de 30 observations). Cela limite donc

lapplicabilit de lapproche. Un argument de complexit de mise en uvre est galement

souvent voqu par rapport lapplication de ce type dapproche. Si un cot dinvestissement

existe dans la comprhension de la mthode, son applicabilit est en revanche relativement

facile puisquun simple logiciel de feuilles de calcul disposant dun solveur est ncessaire sa

mise en place. Une autre limite peut tenir galement la prsence de donnes aberrantes

puisque les estimateurs prsents ici ne sont pas assortis dintervalles de confiance. Cette

lacune peut tre comble au prix dun temps de calcul beaucoup plus important (cf. Simar et

Wilson (2000)).

Dun point de vue empirique, plusieurs limites existent galement notre tude. En premier

lieu nous proposons une approche en stock de la technologie de production des agences

bancaires lorsque nous mesurons leur performance oprationnelle (mesure des variables

dactivit dpt, crdit, assurance dommage et pargne financire en encours). Cette approche

en stock a tendance favoriser les agences bancaires les plus anciennes par rapport aux plus

rcentes. Notre approche en stock devrait tre complte par une approche en flux qui

consisterait valuer les variables dactivit retenues par des mesures de production nouvelle

ralise au cours dune anne. En second lieu, les environnements de proximit mriteraient

dtre redfinis en intgrant des donnes concernant lintensit concurrentielle, ce type


28/45

28

dinformation est trs difficile obtenir pour chaque agence et par consquent elles nont pas

t intgres pour linstant.

Des extensions de lapproche peuvent galement tre envisages. Cette tude prsente des

indicateurs de performance qui permettent dvaluer lactivit commerciale des agences

bancaires sous un angle bidimensionnel (oprationnelle et financire), mais ils pourraient tre

complts comme le conseillent Kaplan et Norton (1999) par dautres indicateurs qui

estimeront notamment la satisfaction de la clientle, la qualit de service, ou encore le degr

de fidlisation. Le calcul de linefficience oprationnelle que nous avons dvelopp sadapte

tout type dindicateur en volume et le calcul de linefficience financire sadapte tout type

dindicateur en valeurs. Nous pouvons aussi envisager dappliquer cette approche dautres

secteurs industriels car la littrature consacre la mthode DEA montre des applications

dans presque tous les secteurs dactivit (Gatoufi et al., 2004).


29/45

29

Rfrences

Achabal D., Heineke J.M., McIntyre S.H., 1984, Issues and Perspectives on Retail

Productivity,Journal of Retailing, vol. 60 (Fall), 107-127.

Al-Faraj T.N., Alidi A.S., Bu-Bshait K.A., 1993, Evaluation of Bank Branches by

Means of Data Envelopment Analysis, International Journal of Operations Management,

vol.13, 45-52.

Athanassopoulos A.D., 1997, Service Quality and Operating Efficiency Synergies

for Management Control in the Provision of Financial Services : Evidence for Greek Bank

Branches,European Journal of Operational Research, vol. 98, 300-313.

Athanassopoulos A.D., 1998, Nonparametric frontier models for assessing the market

and Cost Efficiency of Large Scale Bank Branch Networks, Journal of Money, Credit and

Banking, vol. 30 (2), 172-192.

Chabi S., Corre M.F., 1999, Analyse de l'efficience des produits l'aide des mthodesd'enveloppe (Data Envelopment Analysis) : une application au march des lave-vaisselle,

RAM, 14(1), 41-57.

Dunne P., Lusch R., Gable M., 1995, Retailing, 2nd edition, South-Western College

Publishing.

Gatoufi S., Oral M., Reisman A. (2004) Data envelopment analysis literature: A

bibliography update (19512001), Socio-Economic Planning Sciences, Vol. 38 ( 2-3), 115-

232.

Gervais M., Thenet G., 2004, Comment valuer la productivit dans les activits de

service ?, Comptabilit Contrle, Audit, 10(1), 147-163.

Ghosh A., Craig C.S., 1983, Formulating Retail Location Strategy in a Changing

Environment,Journal of Marketing, vol. 47, 56-68.


30/45

30

Ghosh A., Craig C.S., 1984, A Location Allocation Model for Facility Planning in a

Competitive Environment, Geographical Analysis, vol. 16 (1), 39-51.

Ghosh A., McLafferty S.L., 1987, Location strategies and service firms, Lexington

Books.Giokas D., 1991, Bank Branches Operating Efficiency : a Comparative Application of

Data Envelopment Analysis and the Log-Linear Model, Omega, vol. 19 (6,), 549-557.

Jallais J., Orsoni J., Fady A., 1994,Le marketing dans le commerce de dtail, Vuibert,

Paris.

Kamakura W.A., Lenartowicz T., Ratchford B.T., 1996, Productivity Assessment of

Multiple Retail Outlets,Journal of Retailing, vol. 72 (4), 333-356.

Kaplan R. S, Norton D. P., 1999, Le tableau de bord prospectif, Les Editions

dOrganisation, Paris.

Lamarque E., 2003, Gestion bancaire, Pearson Education.

La Villarmois O., 1999, valuer la performance des rseaux bancaires : la mthode

DEA,Dcision Marketing, 16, 39-51.

Little J.D.C., 1979, Models and managers: the concept of a decision calculus,

Management Science, vol. 16 (5), April, B-466 B-485.

Oral M., Yolalan R., 1990, An empirical study on measuring operating efficiency and

profitability of bank branches, European Journal of Operational Research, vol. 46, 282-

294.

Parkan L., 1987, Measuring the Efficiency of Service Operations: an Application to

Bank Branches,Engineering Costs and Production Economics, vol. 12, 237-242.

Parsons L.J., 1994, Productivity Versus Relative Efficiency in Marketing : Past and

Future? dans Research Traditions in Marketing, Laurent G., Lilien G.L., Pras B., 1994,

Kluwer Academic Publishers, 169-196.

Schaffnit C., Rosen D., Paradi J.C., 1997, Best Practice Analysis Bank Branches : An

Application of Data Envelopment Analysis in a Large Canadian Bank, European Journal of

Operational Research, vol. 98, 269-289.


31/45

31

Sherman H.D., Gold F., 1985, Bank Branch Operating Efficiency, Journal of Banking

and Finance, vol. 9, 297-315.

Sherman H.D., Ladino G., 1995, Managing Bank Productivity Using Data

Envelopment Analysis (DEA),Interfaces, vol. 25 (2), March-April, 60-73.

Simar L., Wilson P. (2000) Statistical Inference in Nonparametric Frontier Models:

The State of the Art,Journal of Productivity Ananlysis, vol. 13 (1), 49-78.

Sinigaglia N., 1997, Measuring retail units efficiency: a technical approach, Thse de

Doctorat, Facults Catholiques de Mons, Belgique.

Soteriou A., Zenios S., 1999, Operations, Quality and Profitability in the Provision of

Banking Services,Management Science, 45 (9), 1221-1238.

Tulkens H., 1993, On FDH efficiency analysis: some methodological issues and

applications to retail banking, courts, and urban transit, Journal of Productivity Analysis,

vol. 4, 183-210.

Vassiloglou M., Giokas D., 1990, A study of the Relative Efficiency of Bank

Branches: an Application of Data Envelopment Analysis, Journal of Operational Research

Society, vol. 41 (7), 591-597.

Vyt D., 2005, Mesure de la performance en grande distribution alimentaire, Dcision

Marketing, 40, octobre-novembre, 51-61.


32/45

32

Annexe 1. Aspects mthodologiques de lapproche DEA

Lactivit des agences bancaires est formalise comme suit : chaque agence utilise un vecteur

de ressources ( ),...,1 2,I

Ix x x x R+= pour produire un vecteur dactivits

( ),...,1 2,M

My y y y R+= . La technologie de production est modlise par un ensemble de

production qui dfinit toutes les combinaisons dactivits ralisables partir dun vecteur de

ressources donn :

T(x,y) = { ( , ) peut produirex y x y } (1)

Traditionnellement, un certain nombre de proprits dsirables est associ cet ensemble

de production qui permet dassurer quelques conditions de rgularit et de lui donner une

structure oprationnelle. Nous considrons ici les proprits suivantes : (i) il nest pas possible

de produire quelque chose partir de rien, mathmatiquement (0 ) 0y T y, = ; (ii) il nest

pas possible de produire une quantit infinie partir dune quantit finie de ressources,

mathmatiquement lensemble { }( ) ( )A x u y T u x= , : est born Ix R+ (iii) si une

certaine quantit de ressources permet datteindre un niveau dactivit donn, alors il est

toujours possible de produire moins avec cette mme quantit de ressources et de produire

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

, ,

on a : ( ) ( ) ( )x y u v u v T, , ,

et (iv) toute combinaison dactivits observes est faisableen rpartissant les ressources entre ces activits, mathmatiquement T(x,y) est un ensemble

convexe.

A partir des proprits (i) (iv) et dun ensemble de K agences bancaires observes, nous

pouvons donner une dfinition oprationnelle lensemble de production :


33/45

33

1

1 1

( ) 1

1 1, 0 1

KI M k k

m m

k

K Kk k k k

i i

k k

T x y x R y R y z y m M

x z x i I z z k K

+ +

=

= =

= , : , , , = , ..., ,

, = , ..., , = , = , ...,

(2)

Dans notre application, nous estimons une technologie qui sera spcifique chaque type

denvironnements dans lesquels voluent les agences bancaires. Nous dfinirons ainsi 8

technologies diffrentes et nous ne comparerons entre elles que des agences voluant dans le

mme environnement.

Pour mesurer lcart entre une observation et la frontire de lensemble de production, nous

recourons la dfinition dune fonction-distance directionnelle.

( ) ( )M I M IT

D R R R R R+ + + + +

: :

( ){ }( , ; ; ) sup : ,T i m i mD x y g g R x g y g T

+

= + r

(3)

o ( );i mg g est un vecteur indiquant la direction dans laquelle est projete une

observation vers la frontire de lensemble de production. La fonction-distance directionnelle

est une reprsentation parfaitement quivalente de la technologie, en particulier

( ) ( ), ; ; 0T i mx y T D x y g g, r

(Cf. Chambers et al. (1996) pour une analyse des

proprits des fonctions distances directionnelles). Le lien entre la fonction-distance

directionnelle et lefficiente technique est immdiat puisque la fonction-distance mesure

lcart entre une observation et la frontire de production. Elle sinterprte donc directement

en terme defficience technique.

Dun point de vue oprationnel, la fonction-distance est calcule laide du programme

linaire PL dfini pour une agence qui prsente un niveau de ressource xo pour produire un

niveau dactivit yo.


34/45

34

,

s.c. : 1, ,

1, ,

1

0

o k

o

z

k k o o

i i i

k K

k k o o

m m m

k K

k

k K

k

Max

z x x g i I

z y y g m M

z

z k K

=

+ =

=

L

L PL


35/45

35

Tableaux

Tableau 1 : Compte de rsultat simplifi dune agence bancaire

Dsignation Charges (C) /Produits (P)

EMPLOISIntrts reus de la clientleCots de refinancement sur les marchs financiers

P1C1

MARGE SUR LES CREDITS (1) P1-C1RESSOURCES

Placement des dpts sur les marchs financiersIntrts verss la clientle P2C2MARGE SUR LES DEPOTS (2) P2-C2MARGES FINANCIERES (3) (1) + (2)COMMISSIONS (4)Commissions lies loctroi de crditCommissions sur les services*Commissions sur lassurance dommageCommissions sur les OPCVM et les produits dassurance vie

P4A+P4B+P4C+P4DP4AP4BP4CP4D

PRODUIT NET BANCAIRE (PNB) (5) (3) + (4)FRAIS GENERAUX (6)

Frais de personnelAutres frais gnraux (frais de structure)

C6A+C6B

C6AC6BRESULTAT BRUT DEXPLOITATION RBE (5) - (6)

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


36/45

36

Tableau 2 : Statistiques descriptives sur les variables slectionnes pour le calcul du score

dinefficience oprationnelle - SCORE_OPE

Moyenne cart-type Minimum Maximum

Encours de dpt en k 53 050 35 942 4 839 279 083Encours de crdit en k 50 935 36 147 5 287 310 050

Primes dassurance dommage en k 931 683 82 5 638Encours dpargne financire en k 32 749 26 575 606 224 983

Nombre demploys en quivalent temps plein 12 6 2 47Cots des autres ressources dexploitation en k 787 470 125 3 894

Nombre de clients 6 577 3 672 976 23 767

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

dinefficience RBE - SCORE_RBE

Variable Moyenne cart-type Minimum Maximum

Marge sur les dpts en k 2 237 1 454 257 11 773

Marge sur les crdits en k 758 478 -357 4 479

Commissions sur assurance dommage en k 90 67 7 513

Commissions sur pargne financire en k 192 163 6 1 741

Cots financiers en k 1 186 850 81 6 310

Cots des ressources humaines en k 684 379 64 3 170

Cots des autres ressources dexploitation en k 787 470 125 3 894


37/45

37

Tableau 4 : Distribution des huit environnements

Typedenvironnement Nombredagences Caractristiques

ENV1 181 Zone rurale avec un taux lev dactifs employs danslagriculture et de retraits

ENV2 198 Zone rurale avec un taux levs demploys, dactifs employsdans lagriculture et de retraits

ENV3 57 Zone rsidentielle avec un taux lev de commerces, de retraits etde rsidences secondaires

ENV4 296 Zone priphrique avec un taux lev de propritaire, et une fortecroissance de population

ENV5 107 Zone urbaine avec un fort taux dtudiants et de croissancedmographique

ENV6 222 Zone urbaine caractrise par du chmage et des revenus faibles

ENV7 278 Zone urbaine caractrise par du chmage et des revenus levs

ENV8 84 Zone urbaine avec un taux lev de cadres et des revenus levs


38/45

38

Tableau 5 : Rsultats individuels des agences - indicateur SCORE_OPE et ratios de

productivit partielle

Agence SCORE_

OPE

PROD_

DEP

PROD_

CRED

PROD_

ASS

PROD_

EFI

TOTAL

BILAN

CLAS_

TAILLEA1 0,00% 1 684 3 193 29 859 25 670 1A2 0,00% 4 475 3 286 48 2 583 302 102 4A3 0,37% 3 681 3 296 102 2 340 196 137 4


39/45

39

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

groupe rgional

SCORE_OPEsomme

SCORE_OPEmoyen

PROD_DEPmoyen

PROD_CRED moyen

PROD_ASSmoyen

PROD_EFImoyen

GR1 17% 0,45% 4 345 3 959 67 2 169

GR2 10% 0,36% 4 582 3 921 112 2 094

GR3 19% 0,32% 3 221 3 207 35 2 388

GR4 9% 0,04% 5 056 4 448 51 4 798

GR5 6% 0,13% 3 787 3 063 84 1 111

GR6 7% 0,13% 4 783 4 617 53 2 334GR7 11% 0,18% 4 468 3 399 94 2 498

GR8 16% 0,10% 4 029 3 000 61 2 386

GR9 5% 0,06% 4 057 5 620 85 1 515

GR10 10% 0,20% 4 906 3 539 62 2 181

GR11 8% 0,10% 4 429 3 661 60 1 734

GR12 7% 0,13% 5 383 5 174 64 2 721

GR13 5% 0,01% 5 253 4 721 123 2 620

GR14 10% 0,19% 3 971 3 683 85 1 609

GR15 12% 0,33% 4 862 2 816 34 2 633


40/45

40

Tableau 7 : Analyse des corrlations des indicateurs SCORE_OPE et des ratios de

productivit partielle

Coefficients de corrlation de Pearson, N = 1423Prob > |r| under H0: Rho=0

PROD_DEP PROD_CRED PROD_ASS PROD_EFI

SCORE_OPE -0.23 -0.26 -0.27 -0.24

PROD_DEP 1 0.38 0.31 0.58

PROD_CRED 1 0.28 0.24

PROD_ASS 1 -0.07


41/45

41

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

Agence SCORE_RBEMargetotale des

dpts horsfrais

financiers

Margetotaledes

crdits

Com. surl'ass.

dommage

Com. surl'pargnefinancire

Cotsfinanciers

Frais depersonnel

Autresfrais

gnraux

A1 556 0 157 58 30 9 0 302A2 0 0 0 0 0 0 0 0A3 217 98 100 4 2 0 10 3


42/45

42

Tableau 9 : valuation de la performance financire - Rsultats globaux pour chaque groupe

rgional

Margetotale des

dptshors fraisfinanciers

Margetotaledes

crdits

Com. surl'ass.

dommage

Com. surl'pargnefinancire

Cotsfinanciers

Frais depersonnel

Autresfrais

gnrauxSCORE_RBE

GR1 5% 28% 41% 56% 3% 0% 25% 170%GR2 6% 32% 1% 56% 0% 1% 15% 111%GR3 4% 19% 24% 0% 0% 6% 2% 53%GR4 5% 16% 11% 1% 0% 2% 5% 59%

GR5 2% 33% 18% 34% 6% 0% 2% 79%GR6 1% 6% 6% 1% 0% 1% 2% 13%GR7 8% 43% 10% 30% 2% 3% 8% 147%GR8 7% 58% 60% 5% 1% 3% 3% 129%GR9 3% 9% 10% 13% 3% 2% 2% 27%GR10 8% 40% 39% 89% 10% 1% 6% 141%GR11 4% 50% 29% 33% 4% 1% 4% 108%GR12 4% 32% 13% 5% 2% 5% 2% 68%GR13 2% 21% 5% 26% 1% 4% 2% 42%GR14 6% 24% 11% 11% 3% 5% 1% 55%

GR15 1% 36% 89% 72% 3% 0% 9% 101%Total 4% 30% 15% 15% 2% 3% 6% 77%


43/45

43

Tableau 10 : Analyse des corrlations des indicateurs SCORE_RBE, RATIO_FI1, etRATIO_FI2

Coefficients de corrlation de Pearson, N = 1423

Prob > |r| under H0: Rho=0

RATIO_FI1 RATIO_FI2

SCORE_RBE -0.45 -0.44

RATIO_FI1 1 0.88


44/45

44

Figures

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

Ressources Ressources humaines

mesures par le nombredemploys

Ressources dexploitationmesures par les autres fraisgnraux

Capital client mesur par lenombre de clients

Activits Activit de dpts value par

lencours de dpt Activit de crdits value par

lencours de crdit Activit dassurance dommage

value par les primes dassurancedommage

Activit dpargne financire valuepar lencours dpargne financire

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

Sources de cots Ressources humaines

mesures par les frais depersonnel

Ressources dexploitationmesures par les autres fraisgnraux

Capital client mesur par lesfrais financiers

Sources de cration de valeur Activit de dpts value par la

marge totale des dpts hors fraisfinanciers (a)

Activit de crdits value par lamarge totale des crdits

Activit dassurance dommagevalue par les commissions

Activit dpargne financire valuepar les commissions

(a) La marge sur les dpts est nette du financement sur les marchs financiers et nette des fraisfinanciers (comme ils ont placs du ct de cots dans notre modlisation), elle se calcule comme suit :taux moyen de trsorerie x le montant des dpts + les commissions sur moyens de paiements.


45/45

Figure 3. Distinction entre les concepts de productivit et defficience

0 X

Y

B

A

D

C

B

C

E

E

Figure 4. Relation Inefficience productive et Inefficience RBE

2

0%

5%

10%

15%

20%

25%

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

GR6

GR9GR13

GR3

GR14

GR4

GR12GR5

GR15

GR2

GR11GR10

GR7

GR8GR1

Inefficience RBE

Inefficience oprationnelle

performances des agences bancaires

Documents