این مقاله مدلی تلفیقی از تحلیل پوششی داده ها(DEA) و تحلیل مولفه های اصلی (PCA) در جهت کاهش ابعادی مجموعه داده ها ارائه می دهد. روش تحلیل پوششی داده ها به عنوان ابزاری موثر برای ارزیابی و الگوبرداری بکار گرفته شده است. در این روش برای افزایش قدرت تمایز بین واحدهای کارا و ناکارا بایستی تعداد واحدهای مورد ارزیابی متناسب با تعداد متغیرهای ورودی و خروجی باشد. برای رفع این ضعف ابتدا به جای متغیرهای اصلی از نسبت تک خروجی به تک ورودی استفاده شده است و با استفاده از روش تحلیل مولفه های اصلی کاهش بعد انجام می شود. مولفه های اصلی انتخاب شده به عنوان ورودی های مدل تحلیل پوششی داده ها استفاده و تحلیل می شوند. تفاوت اصلی روش ارائه شده در مقاله بکارگیری برخی نقاط قوت مدل های ارائه شده این حوزه در قالب یک روش و چندهدفه ساختن مدل DEA جهت تسهیل در محاسبات است. این روش برای رتبه بندی عملکرد شعبه های یکی از بانکهای ایران استفاده شده است.