تحلیل پوششی داده ها یکی از روش های پرکاربرد در اندازه گیری کارایی واحدهای تصمیم گیرنده می باشد. در مواردی که مجموعه داده بزرگ بوده و تعداد ورودی ها و خروجی ها قابل توجه باشد، به لحاظ منابعی همچون زمان و حافظه اشغالی، dea با مشکل مواجه خواهد شد. دراین پایان نامه باتوجه به اهمیت بالای سنجش کارایی، روش تحلیل پوششی داده ها به عنوان بهترین نماینده روش های ناپارامتری مورد بررسی دقیق تر قرار گرفته شده و به جهت بهبود آن به ویژه هنگامی که تعداد واحد های تحت بررسی زیاد می باشند، از شبکه عصبی کمک گرفته شده است. در این مطالعه 100 بانک برتر خاورمیانه مورد بررسی قرار گرفته و نتایج نشان می دهد که قدرت پیشگویی شبکه عصبی کاملاً مشابه روش های سنتی می باشد. همچنین با توجه به انعطاف پذیری بالای شبکه عصبی این مطالعه نشان می دهد که این روش دارای پتانسیل بالایی در اندازه گیری کارایی نسبی می باشد.