VZA çoklu girdi ve çıktı değişkeni ile performans ya da etkinlik ölçümü yapan çok az sayıdaki yöntemden biridir. Geliştirildiği ilk yıllardan günümüze kadar geçen sürede önemini fazlasıyla ortaya koymuş ve buna bağlı olarak da kullanım alanları uluslararası ölçekte yaygınlaşmıştır. Böylesine genel kabul görmüş olmasına rağmen VZA, her şekilde faydalı sonuçlar sağlayabilen kusursuz bir yöntem değildir. Diğer birçok istatistiksel uygulamalarda olduğu gibi VZA’nın bir takım avantajları ve dezavantajları bulunmaktadır.
2.5.1. Veri Zarflama Analizinin Güçlü Yönleri
VZA, oran analizi ve regresyon analizi gibi parametrik yöntemlerin kısıtlarını içermeyen alternatif bir yöntem olarak ortaya çıkmıştır. Bu anlamda doğru bir şekilde kullanıldığında oldukça güçlü bir yönetim aracı haline gelebilmektedir. VZA'yı güçlü kılan belli başlı özellikler şunlardır (Charles ve Kumar, 2012, s.2; Haksever ve Render, 2013, s.314-315); VZA çoklu girdi ve çıktı ile ölçüm yapabilen daha kapsamlı bir tekniktir.
VZA girdi ve çıktıların nasıl olması gerektiğine dair ön koşul gerektirmez. Kullanılan girdi ve çıktı setleri farklı sayılarda ve özellikte olabilir. Her girdi ve çıktı için farklı birimler kullanılabilir.
VZA çoklu girdi ve çıktıları kullanarak sadece bir tane kapsamlı ve sağlam performans ölçümü sağlamaktadır. Bu şekilde farklı sayıdaki değişkenler ortak bir boyutta toplanmakta ve kıyaslanabilmektedir.
VZA, etkin olmayan KB’lerin nasıl etkin olabileceğine dair önemli bilgiler vermektedir. Bu kapsamda etkin olmayan KB’lerin etkin olabilmesini sağlayacak girdi ve çıktı değişiminin nasıl ve ne kadar olması gerektiğini ortaya koymaktadır.
VZA’da etkinlik tarafsız ve adil bir şekilde belirlenir. Her bir KB için olası en iyi etkinlik ölçüt alınmaktadır. Çünkü etkin KB değerlendirilerek ağırlıklı etkinlik oranı belirlenmektedir. KB etkinlik ölçümleri aynı zamanda kıyaslanabilmektedir. Böylece etkin KB dikkate alınarak, etkin birimlerin karakteristik özellikleri belirlenebilmektedir. Bu şekilde etkin olmayan birimlerde girdi ve çıktı verileri dışında değerlendirmeler de yapılabilir.
VZA, üretim ilişkileri yani girdi ve çıktılar arasında belirli bir fonksiyonel şekil olması gibi ön koşul gerektirmez.
VZA, bütün girdi ve çıktıların aşağı yukarı değerlere sahip olduğunu varsayar. Dolayısıyla önceki ağırlıklı değerlerine, çıktı ya da girdi değerlerine ihtiyaç duyulmamaktadır.
VZA, sadece işletme içi unsurları değil, hava durumu ve demografik unsurlar gibi işletme dışı faktörleri de içerebilmektedir.
VZA, ihtiyaç duyulduğunda yargısal ve uzman görüşü de içerebilmektedir.
Regresyon analizinden farklı olarak VZA, üretim etkinliği için birden fazla yol olduğunu varsayarak, bireysel KB üzerinde odaklanmaktadır. Yani farklı girdi ve çıktı bileşenleri ile olası etkinlik sağlanabilmektedir. Bunun sonucu olarak etkin olmayan karar biriminin etkinliğini referans grubundaki göreli olarak etkin olan karar birimlerinin seviyesine çıkarmak için tek bir yol değil, pek çok alternatif yol üretmektedir.
Tipik istatistiksel yöntemler merkezi eğilim yaklaşımları özelliğindedir ve bu yaklaşımlarda ortalama değerlere göre göreceli etkinlik değerlendirilmektedir. VZA ise uç noktalı bir yöntemdir ve her karar birimi sadece en iyi birim ya da birimlerle karşılaştırılır. VZA, parametrik yaklaşımların tersine küçük örneklem düzeylerinde dahi iyi şekilde uygulanabilmektedir. Örneklem yani KB sayısı temel olarak girdi ve çıktı değişken sayısı ile ilişkilendirilmektedir. Yani girdi ve çıktı değişken sayısının toplamı ne kadar az olursa, KB sayısı da o kadar az olabilmektedir.
VZA kullanımı her sektör için aynı şekilde uygulanabilir bir yöntemdir. Eğitim, sağlık, kamu, ulaşım, turizm gibi alanlarda kıyaslama, pazarlama, operasyonlar, insan kaynakları, imalat, dağıtım ve işletme içi faaliyet alanlarında da kullanılabilir.
Parametrik yöntemlerin aksine girdi ve çıktı arasında fonksiyonel bir bağıntıya ihtiyaç duymayan VZA, üretim fonksiyonunun analitik yapısı hakkında herhangi bir ön varsayım gerektirmez, dolayısıyla parametrik yöntemlere göre daha esnektir.
VZA ile sadece işletme etkinliği değil, aynı zamanda etkililik de ölçülebilmektedir (Hsieh vd., 2010, s.2183).
2.5.2. Veri Zarflama Analizinin Zayıf Yönleri
Diğer nicel yöntemler gibi VZA’da bazı sınırlılıklar içermektedir. Bu sınırlılıklar daha çok yöntemin güçlü olarak nitelendirilen yönlerinden kaynaklanmaktadır. Yani VZA tekniğini güçlü ve önemli yapan özelliklerin büyük bir kısmı, aynı zamanda aşağıdaki gibi bir takım kısıtları da beraberinde getirmektedir (Köksal, 2001, s.92; Haksever ve Render, 2013, s.315); VZA karşılaştırmalı bir analiz olduğundan öncelikle doğru KB seçilmelidir. Yanlış KB’lerin analize dâhil edilmesi, hatalı sonuçların elde edilmesine neden olabilmektedir. Girdi ve çıktı değişkenleri arasında regresyon analizinde olduğu gibi suni ilişkiler elde edilmektedir. Çünkü yeni bir girdi ve/veya çıktı ölçüsü eklendiğinde etkinlik oranları düşmemekte, ya aynı kalmakta ya da artmaktadır.
VZA ile elde edilen sonuçlar, analizde kullanılan girdi ve çıktı değişkenlerine dayanmaktadır. Eksik ya da yanlış girdi ve çıktı seçilmesi, büyük oranda yanıltıcı analiz sonuçlarının elde edilmesine neden olabilmektedir.
VZA’da önemsiz girdi ve çıktı unsurunun analize dâhil edilmesi sorun yaratmaktadır. Çünkü başarılı analiz sonuçları elde edilebilmesi için girdi ve çıktı sayısının olabildiğince az olması ve KB’lerin üretim/faaliyet sürecini en doğru şekilde yansıtması gerekir. Çok fazla sayıda girdi ve çıktı değişkeni kullanılması, etkin ve etkin olmayan KB’lerin ayrıştırılmasını güçleştirmektedir.
VZA’nın parametrik olmaması, belirli bir forma sahip parametrelere bağlı fonksiyonel bir varsayım taşımaması anlamına gelmektedir. Bununla birlikte, ilgili yöntemin istatistiksel olmadığı anlamı da taşımaktadır. Bu durumda hata terimleri ile ilgili bir olasılık dağılımının yapılması ve uygulama sonuçlarının istatistiksel olarak test edilmesi mümkün olmamaktadır (Dinçer, 2008, s.828). Yani VZA uygulamalarında verilerin doğruluğu istatistiksel olarak kesin bir şekilde ortaya koyulamamaktadır.
Deterministtik bir yöntem olması nedeniyle rastlantısal hataya yer verilmediğinden, verilerden kaynaklanan hatalar (ölçmeden ve veri toplamadan) ayıklanamazsa ve analizde
olması gereken değişkenler analiz dışı bırakılırsa, KB’lerin göreceli etkinlikleri yanlış hesaplanabilmektedir (Özden, 2008, s.169).
VZA' da KB etkinlikleri; en iyi uç değerlere (en iyi değere) sahip KB’ ye göre hesaplanmaktadır. Dolayısıyla KB etkinlikleri uç değerlerden etkilenmektedir. Bu nedenle VZA ile hesaplanan etkinlik sonuçlarına temkinli yaklaşmak gerekir (Özden, 2008, s.169). VZA analizi statik bir analizdir. Zaman boyutunu dikkate almamaktadır. Bu nedenle zaman içinde etkinliğin nasıl geliştiğini incelemek için, zaman boyutunu da içeren Malmquist toplam faktör verimliliği indeksi gibi başka teknikler de kullanılmalıdır (Dinçer, 2008, s.835). VZA’nın önerdiği zarflama (çevreleme) şekli bazı durumlarda yetersiz kalmaktadır. Özellikle doğal zarflamanın mümkün olmadığı durumlarda kuramsal karar birimi yeterince belirgin değildir (Köksal, 2001, s.92).
Her KB için ayrı bir doğrusal programlama modelinin çözümü gerektiğinden, büyük boyutlu problemlerin VZA ile çözümü, hesaplama açısından zaman alıcı olabilmektedir. VZA programları verilerdeki hatalara karşı karar alıcıları uyarmamaktadır. Dolayısıyla sonuçların etkin olarak yorumlanması için girdi ve çıktı değişkenlerinin doğru seçilmesi ve doğru VZA modelinin kullanılması gerekir.