Μια από τις διαδεδομένες μεθόδους αξιολόγησης της αποδοτικότητας είναι η Περιβάλλουσα Ανάλυση Δεδομένων (Data Envelopment Analysis) η οποία εφαρμόζεται ευρύτατα στον τομέα λιανικών πωλήσεων. Στην παρούσα μεταπτυχιακή εργασία (Thesis) εφαρμόζεται το μοντέλο μεταβλητών αποδόσεων (VRC) με προσανατολισμό στις εκροές της ΠΑΔ για την αξιολόγηση 20 καταστημάτων σούπερ μάρκετ του ομίλου Κάντζας στις Σέρρες. Χρησιμοποιήθηκαν 5 μεταβλητές για την αξιολόγηση, συγκεκριμένα οι εισερχόμενοι πόροι (εισροές) είναι το κόστος μισθοδοσίας, το λειτουργικό κόστος, η χωρητικότητα των καταστημάτων εκφρασμένη σε τετραγωνικά μέτρα και τα ακατάλληλα προϊόντα. Η εκροή είναι το ύψος των πωλήσεων σε ευρώ. Τα κριτήρια που χρησιμοποιήθηκαν για την αξιολόγηση προήρθαν από βιβλιογραφική έρευνα στον τομέα των καταστημάτων λιανικής πώλησης, αλλά και από τις εσωτερικές ανάγκες του ομίλου Κάντζας για τη χρήση 2013 καθώς κατά τη συλλογή των δεδομένων ήταν το τελευταίο διαθέσιμο ολόκληρο οικονομικό έτος. Το αποτέλεσμα δείχνει 11 μονάδες αποδοτικές και 9 μη αποδοτικές. Πέρα από την κατάταξη και την αξιολόγηση των καταστημάτων γίνεται εκτενής αναφορά στους τομείς που πρέπει να βελτιωθούν οι μη αποδοτικές μονάδες ώστε να βελτιωθεί η γενικότερη αποδοτικότητα και κερδοφορία του ομίλου.
One of the most popular efficiency assessment methods is Data Envelopment Analysis, which is widely applied in the retail sector. This Thesis is using a DEA Variables Returns to Scales model (VRC), output oriented, to measure the efficiency of 20 super market units in Serres Greece, which belong to the “Kantzas” group. The evaluation model includes five variables, specifically the incoming resources (inputs) are: salary cost, operating cost, the capacity of the stores in square meters, and the spoiled products. The only output is sales volumes in Euros. The criteria used for this evaluation were derived from literature research in the field of retail, but also from the internal needs of Kantzas group for the year 2013, as this year’s data was the most recent annual available during the time of data collection. Results are showing 11 units efficient and 9 non efficient. Furthermore the classification and evaluation, there is an extensive analysis of the sectors that the non efficient units need to improve, so the whole Kantzas group gets even more efficient and profitable.