TCC Final - Marcelo Vieira de Figueiredo-orientadora Daisy.pdf
TCC Final - Marcelo Vieira de Figueiredo-orientadora Daisy.pdf
TCC Final - Marcelo Vieira de Figueiredo-orientadora Daisy.pdf
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
UNIVERSIDADE DE SÃO PAULO<br />
ESCOLA DE ENGENHARIA DE SÃO CARLOS<br />
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO<br />
ESTUDO DE DESEMPENHO NO MERCADO DE<br />
FRALDAS DESCARTÁVEIS SEGUNDO ANÁLISE POR<br />
ENVOLTÓRIA DE DADOS<br />
Graduando: <strong>Marcelo</strong> <strong>Vieira</strong> <strong>de</strong> <strong>Figueiredo</strong><br />
Orientador: Prof. Dr. <strong>Daisy</strong> Aparecida do Nascimento Rebelatto<br />
São Carlos, Dezembro <strong>de</strong> 2007<br />
UNIVERSIDADE DE SÃO PAULO
ESCOLA DE ENGENHARIA DE SÃO CARLOS<br />
DEPARTAMENTO DE ENGENHARIA DE PRODUÇÃO<br />
ESTUDO DE DESEMPENHO NO MERCADO DE<br />
FRALDAS DESCARTÁVEIS SEGUNDO ANÁLISE POR<br />
ENVOLTÓRIA DE DADOS<br />
Relatório <strong>de</strong> Trabalho <strong>de</strong> Conclusão <strong>de</strong><br />
Curso apresentado à Escola <strong>de</strong> Engenharia<br />
<strong>de</strong> São Carlos (EESC) da Universida<strong>de</strong> <strong>de</strong><br />
São Paulo (USP), como parte dos<br />
requisitos para a obtenção do Título <strong>de</strong><br />
Graduação em Engenharia <strong>de</strong> Produção<br />
Mecânica<br />
Graduando: <strong>Marcelo</strong> <strong>Vieira</strong> <strong>de</strong> <strong>Figueiredo</strong><br />
Orientador: Prof. Dr. <strong>Daisy</strong> Aparecida do Nascimento Rebelatto<br />
São Carlos, Dezembro <strong>de</strong> 2007
Resumo<br />
O objetivo geral do presente trabalho é realizar um estudo do mercado brasileiro<br />
<strong>de</strong> fraldas <strong>de</strong>scartáveis segundo a ótica das variáveis que impactam o processo <strong>de</strong><br />
vendas das empresas do setor.<br />
São quatro os fundamentos capazes <strong>de</strong> impactar diretamente o processo <strong>de</strong> uma<br />
venda: presença do item no ponto <strong>de</strong> venda, exposição em gôndola, <strong>de</strong>staque do<br />
produto e preço. Cada um <strong>de</strong>les po<strong>de</strong>m ser <strong>de</strong>sdobrados em variáveis e indicadores,<br />
utilizados para medir o quanto as empresas atuantes no setor alocam <strong>de</strong> forma eficiente<br />
seus recursos.<br />
Diversos fatores tornam esse segmento da indústria <strong>de</strong> bens <strong>de</strong> consumo<br />
interessante <strong>de</strong> ser estudado. Em primeiro lugar, trata-se <strong>de</strong> um setor que cresce a taxas<br />
superiores a 10% por ano, <strong>de</strong> acordo com dados <strong>de</strong> 2007 do institudo <strong>de</strong> pesquisas AC<br />
Nielsen. Além disso, juntamente com sabão em pó e carnes, a fralda <strong>de</strong>scartável é<br />
capaz <strong>de</strong> <strong>de</strong>finir em qual estabelecimento o consumidor realizará toda a sua compra.<br />
Por fim, vale mencionar que a <strong>de</strong>manda pelo produto se renova completamente a cada<br />
dois anos, e que, apesar <strong>de</strong> dominada por gran<strong>de</strong>s empresas multinacionais, 30% das<br />
vendas são feitas por empresas locais <strong>de</strong> pequeno e médio porte.<br />
Para alcançar o objetivo proposto, será utilizada a técnica <strong>de</strong> análise por<br />
envoltória <strong>de</strong> dados, que permite a combinação <strong>de</strong> múltiplas entradas e saídas para a<br />
obtenção <strong>de</strong> um índice representativo do <strong>de</strong>sempenho relativo entre as empresas<br />
estudadas.<br />
Palavras chave: Vendas, DEA, Eficiência Relativa, Fralda Descartável,
Lista <strong>de</strong> Figuras<br />
Figura 1 – Sistema <strong>de</strong> Produção 13<br />
Figura 2 – Esquema <strong>de</strong> Compra 20<br />
Figura 3 – Exemplo <strong>de</strong> Exposição em Gôndola 21<br />
Figura 4 – Display e ilha 22<br />
Figura 5 – Demonstrador e precificador 22<br />
Figura 6 – Mo<strong>de</strong>lo I CCR orientado a inputs no Solver 31<br />
Figura 7 – Metas para a empresa 3 segundo o mo<strong>de</strong>lo CCR orientado a inputs 40<br />
Figura 8 – Metas para a empresa 3 segundo mo<strong>de</strong>lo CCR orientado a outputs 41
Lista <strong>de</strong> Quadros<br />
Quadro 1 – Fabricantes selecionados para a pesquisa 10<br />
Quadro 2 – DMUs selecionadas para análise 26<br />
Quadro 3 – Variáveis do Mo<strong>de</strong>lo I 28<br />
Quadro 4 – Análise <strong>de</strong> correlação do mo<strong>de</strong>lo I 29<br />
Quadro 5 – Par Input-Output inicial para o mo<strong>de</strong>lo I 29<br />
Quadro 6 – Resultados do Frontier Analyst – Participação <strong>de</strong> Gôndola 30<br />
Quadro 7 – Resultados Frontier Analyst – Preço por Fralda 30<br />
Quadro 8 – Resultados Frontier Analyst – Giro <strong>de</strong> Inventário 30<br />
Quadro 9 – Escolha da terceira variável – mo<strong>de</strong>lo I 31<br />
Quadro 10 – Resultados das equações do Solver – mo<strong>de</strong>lo I 32<br />
Quadro 11 – Resultados do CCR orientado a inputs no Solver – mo<strong>de</strong>lo I 33<br />
Quadro 12 – Resultados e Metas do mo<strong>de</strong>lo I pelo Frontier Analyst 34<br />
Quadro 13 – Resultados do mo<strong>de</strong>lo I CCR orientado a outputs 34<br />
Quadro 14 – Resultados do mo<strong>de</strong>lo I BCC orientado a inputs 35<br />
Quadro 15 – Resultados do mo<strong>de</strong>lo I BCC orientado a outputs 35<br />
Quadro 16 – Variáveis do mo<strong>de</strong>lo II 36<br />
Quadro 17 – Análise <strong>de</strong> correlação do mo<strong>de</strong>lo II 36<br />
Quadro 18 – Variáveis do mo<strong>de</strong>lo II 37<br />
Quadro 19 – Resultados do mo<strong>de</strong>lo II CCR orientado a inputs 37<br />
Quadro 20 – Resultados do mo<strong>de</strong>lo II CCR orientado a outputs 38<br />
Quadro 21 – Resultados do mo<strong>de</strong>lo II BCC orientado a inputs 38<br />
Quadro 22 – Resultados do mo<strong>de</strong>lo II BCC orientado a outputs 38<br />
Quadro 23 – Quadro resumo dos resultados – mo<strong>de</strong>los I e II 39
Sumário<br />
Resumo 3<br />
Lista <strong>de</strong> Figuras 3<br />
Lista <strong>de</strong> Quadros 5<br />
1. Introdução 7<br />
1.1 O Mercado <strong>de</strong> Fraldas Descartáveis 7<br />
1.2 Formulação do Problema 10<br />
1.3 Objetivos da Pesquisa 10<br />
1.4 Relevância <strong>de</strong> Pesquisa 11<br />
2. Revisão Bibliográfica 13<br />
2.1 Sistemas <strong>de</strong> Produção 13<br />
2.2 Conceitos <strong>de</strong> Eficácia, Produtivida<strong>de</strong> e Eficiência 14<br />
2.3 Métodos Paramétricos e não Paramétricos 15<br />
2.4 A Técnica DEA 15<br />
2.5 Implementação <strong>de</strong> um Problema DEA 16<br />
2.6 Mo<strong>de</strong>los CCR e BCC 16<br />
2.7 Limitações da Técnica DEA 17<br />
3. Metodologia 18<br />
3.1 Caracterização da Pesquisa 18<br />
3.2 Técnica <strong>de</strong> Coleta <strong>de</strong> Dados 18<br />
3.3 O Processo da Venda 19<br />
3.4 Descrição das Variáveis <strong>de</strong> Pesquisa 23<br />
3.5 Etapas do Estudo <strong>de</strong> Caso 25<br />
4. Resultados e Análises 28<br />
4.1 Mo<strong>de</strong>lo I – Análise dos Supermercados 28<br />
4.2 Mo<strong>de</strong>lo II – Análise das Drogarias 35<br />
4.3 Metas para a DMU 3 no mo<strong>de</strong>lo II CCR 40<br />
5. Conclusões e Sugestões para Trabalhos Futuros 42<br />
6. Bibliografia 43
1. Introdução<br />
1.1. O Mercado <strong>de</strong> Fraldas Descartáveis<br />
Frada <strong>de</strong>scartável é um produto que se enquadra no mercado <strong>de</strong> absorventes,<br />
juntamente com itens <strong>de</strong>stinados a higiene feminina e incontinência <strong>de</strong> adultos.<br />
Os principais componentes <strong>de</strong> uma fralda <strong>de</strong>scartável são a celulose (cerca <strong>de</strong><br />
80% do peso da fralda) e o gel absorvente (entre 5 e 10% do peso). A proporção entre<br />
esses dois elementos e outros acessórios (velcros, a<strong>de</strong>sivos, fibras sintéticas) são os<br />
diferenciadores entre as fraldas <strong>de</strong> maior e menor <strong>de</strong>sempenho.<br />
Segundo dados <strong>de</strong> análise setorial do BNDES (2002), nos países <strong>de</strong>senvolvidos,<br />
caracterizados por baixas taxas <strong>de</strong> natalida<strong>de</strong>, o mercado está fadado a um crescimento<br />
anual na or<strong>de</strong>m <strong>de</strong> 2%. Já no Brasil que, <strong>de</strong> acordo com o instituto AC Nielsen, possui<br />
índice <strong>de</strong> penetração (razão entre o número <strong>de</strong> usuários e o número <strong>de</strong> consumidores<br />
potenciais) pouco superior a 70%, o mercado têm crescido a taxas anuais <strong>de</strong> pelo<br />
menos 10%. Dentre os principais motivos apontados para tal evolução estão o aumento<br />
gradual do po<strong>de</strong>r aquisitivo da população e a proliferação <strong>de</strong> pequenas marcas que<br />
entram no mercado com preços até 60% inferiores aos dos principais competidores do<br />
setor, obrigando-os a também reduzirem seus preços ou estabelecerem estratégias <strong>de</strong><br />
lançamento <strong>de</strong> produtos com características básicas para aten<strong>de</strong>r a essas <strong>de</strong>mandas.<br />
Somente nos oito primeiros meses <strong>de</strong> 2007, o preço médio do mercado sofreu redução<br />
<strong>de</strong> 4%, <strong>de</strong> acordo com estudos da Nielsen.<br />
Dados disponibilizados pela Nielsen para este trabalho apontam que, em Agosto<br />
<strong>de</strong> 2006, as quatro principais empresas do setor eram responsáveis por 75,3% do<br />
volume vendido nos supermercados do país. Ainda <strong>de</strong> acordo com o Painel Setorial<br />
7
disponibilizado pelo BNDES, 80% do consumo se concentra nas regiões sul e su<strong>de</strong>ste,<br />
que são também as com maior po<strong>de</strong>r aquisitivo.<br />
O mercado po<strong>de</strong> ser dividido em faixas (ou tiers), <strong>de</strong> acordo com as principais<br />
características <strong>de</strong> <strong>de</strong>sempenho e preço:<br />
SEGMENTO NOTURNO (1%): Os produtos inseridos nessa faixa são<br />
consi<strong>de</strong>rados premium, por suportarem o recebimento <strong>de</strong> fluxos por períodos <strong>de</strong><br />
até 12h sem causar vazamentos ou qualquer tipo <strong>de</strong> incômodo ao bebê;<br />
SEGMENTO DE ALTA PERFORMANCE (15%): Produtos que garantem<br />
absorção por até 8h, além <strong>de</strong> entregarem outros tipos <strong>de</strong> benefício, como ajuste<br />
diferenciado e proteção contra assaduras;<br />
SEGMENTO DE MÉDIA PERFORMANCE (48%): Nesse segmento estão<br />
os produtos que entregam benefícios básicos (não vazam por até 8h), com boa<br />
relação custo/benefício;<br />
SEGMENTO DE BAIXA PERFORMANCE (36%): Essa é a faixa que<br />
apresenta os maiores índices <strong>de</strong> crescimento atualmente. Os produtos aqui<br />
englobados se caracterizam por apresentarem <strong>de</strong>sempenho inferior e baixo<br />
preço.<br />
Dois são os principais movimentos observados pelos competidores no mercado<br />
<strong>de</strong> fraldas <strong>de</strong>scartáveis. Enquanto as empresas menores se constituem como porta <strong>de</strong><br />
entrada para aqueles consumidores que ainda não utilizam o produto, os principais<br />
competidores concentram esforços para fazer com que o consumidor experimente<br />
produtos <strong>de</strong> melhor performance e maior valor agregado na tentativa <strong>de</strong> levar o<br />
mercado como um todo para índices <strong>de</strong> rentabilida<strong>de</strong> superiores.<br />
8
Segundo dados <strong>de</strong> uma das empresas consultadas durante a presente pesquisa, o<br />
mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis se caracteriza por <strong>de</strong>finir o local em que a consumidora<br />
fará toda a sua feira. Estudos da Nielsen apontam que, no caso da compradora ir a um<br />
estabelecimento e não encontrar a fralda que <strong>de</strong>seja, em 40% dos casos a mesma a<br />
procurará em outra loja.<br />
Para o estudo <strong>de</strong> caso apresentado no presente trabalho, foram selecionadas 11<br />
empresas, <strong>de</strong>ntre nacionais e multinacionais, que em conjunto comercializam 17<br />
diferentes marcas. O Quadro 1 apresenta cada fabricante e suas respectivas marcas.<br />
Fabricantes Produtos<br />
Procter & Gamble Pampers<br />
Kimberly-Clark<br />
Turma da Mônica<br />
Huggies<br />
Johnson & Johnson Johnson´s Baby<br />
Baby Looney Tunes<br />
Aloes<br />
Turminha Feliz<br />
Kids Tom and Jerry<br />
Les Enfants<br />
Pom Pom<br />
Pom Pom<br />
Piui Fraldas<br />
Plim Plim<br />
Mabesa<br />
Cremer Disney<br />
Puppet<br />
Ever Green Natural Baby<br />
Aorta Dry Sec<br />
Mili<br />
Fraldas Mili<br />
Baby Scooby-Doo<br />
Quadro 1: Fabricantes selecionados para a pesquisa<br />
O amadurecimento da economia brasileira <strong>de</strong>corrente da manutenção nos<br />
últimos anos <strong>de</strong> diretrizes que, entre vários aspectos, promoveram a estabilização<br />
monetária e o controle da inflação, alavancou o po<strong>de</strong>r <strong>de</strong> compra do consumidor.<br />
Mesmo <strong>de</strong>ntre as classes <strong>de</strong> menor renda observa-se um movimento pela busca<br />
não apenas do menor preço, mas <strong>de</strong> atributos <strong>de</strong> qualida<strong>de</strong> ligados ao bem estar e a<br />
9
satisfação pessoal. No setor <strong>de</strong> bens <strong>de</strong> consumo, as categorias relacionadas a higiene e<br />
beleza encontram expressivo potencial <strong>de</strong> crescimento.<br />
1.2. Formulação do Problema<br />
Em um mercado aquecido e que apresenta margens elevadas, no qual coexistem<br />
empresas dos mais diversos portes, a complexida<strong>de</strong> resultante torna insuficiente a<br />
realização <strong>de</strong> análises baseadas puramente em índices <strong>de</strong> lucrativida<strong>de</strong> ou participação<br />
<strong>de</strong> mercado. Faz-se necessário um estudo que englobe variáveis até então pouco<br />
utilizadas em pesquisas científicas, mas <strong>de</strong> inegável importância para cada uma das<br />
unida<strong>de</strong>s inseridas no setor. Nesse contexto, a abordagem segundo o conceito <strong>de</strong><br />
fundamentos <strong>de</strong> venda se apresenta como a<strong>de</strong>quado para o escopo do estudo que se<br />
<strong>de</strong>seja realizar.<br />
Assim sendo, o problema da pesquisa po<strong>de</strong> ser formulado como segue:<br />
Como as empresas <strong>de</strong> fralda <strong>de</strong>scartável no Brasil estão conduzindo as variáveis dos<br />
fundamentos <strong>de</strong> venda no sentido <strong>de</strong> maximizar seu <strong>de</strong>sempenho ?<br />
1.3. Objetivos da Pesquisa<br />
O presente trabalho se propõe a realizar um recorte no segmento <strong>de</strong> produtos<br />
infantis <strong>de</strong> modo a analisar o mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis, estimado em seis bilhões<br />
<strong>de</strong> unida<strong>de</strong>s (ACNielsen, Fev 2007).<br />
O objetivo geral da pesquisa é i<strong>de</strong>ntificar, segundo o método da análise por<br />
envoltória <strong>de</strong> dados, e sob a ótica das variáveis que impactam o processo <strong>de</strong> vendas,<br />
quais empresas atuantes no mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis po<strong>de</strong>m ser consi<strong>de</strong>radas<br />
eficientes em suas operações.<br />
10
Como objetivos específicos, espera-se: 1) Caracterizar o mercado <strong>de</strong> fraldas<br />
<strong>de</strong>scartáveis brasileiro; 2) Formalizar os conceitos que envolvem o processo <strong>de</strong> vendas<br />
<strong>de</strong> fraldas <strong>de</strong>scartáveis; 3) Revisar os principais conceitos da técnica DEA para análise<br />
<strong>de</strong> <strong>de</strong>sempenho e aplica-la ao mercado em estudo; 4) Manipular o software Frontier<br />
Analyst, largamente citado e empregado pela comunida<strong>de</strong> que estuda DEA, para<br />
processar os mo<strong>de</strong>los e interpretar os resultados obtidos.<br />
1.4. Relevância da Pesquisa<br />
O mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis apresenta uma série <strong>de</strong> características que o<br />
tornam peculiar e interessante <strong>de</strong> ser analisado. Em primeiro lugar, trata-se <strong>de</strong> um<br />
mercado que nos últimos anos cresceu a taxas superiores a 10%, muito acima daquelas<br />
apresentadas pela economia brasileira como um todo. Além disso, o mercado<br />
consumidor <strong>de</strong> fraldas apresenta a característica <strong>de</strong> se renovar completamente a cada<br />
dois anos. Esse aspecto promove impacto direto nas ações relacionadas a comunicação<br />
das marcas junto aos consumidores, que interfere na estratégia <strong>de</strong> investimento dos<br />
concorrentes.<br />
A presença <strong>de</strong> competidores locais atuando conjuntamente com empresas <strong>de</strong><br />
abrangência regional e global confere mais uma característica interessante ao mercado,<br />
que sofre pressões em diversas direções, permitindo a aplicação das técnicas <strong>de</strong><br />
mo<strong>de</strong>lagem segundo diferentes pontos <strong>de</strong> vistas e contextos.<br />
Além do estudo mercadológico, a pesquisa se constituirá em um caso prático <strong>de</strong><br />
aplicação do método <strong>de</strong> análise por envoltória <strong>de</strong> dados, que po<strong>de</strong>rá ser utilizado<br />
posteriormente como referência para estudos e projetos futuros nos âmbitos acadêmico<br />
e profissional.<br />
11
Por fim, o presente trabalho se justifica pela possibilida<strong>de</strong> <strong>de</strong> concretização do<br />
aprendizado em Engenharia <strong>de</strong> Produção adquirido pelo formando ao longo dos anos <strong>de</strong><br />
convívio e interação com o ambiente acadêmico.<br />
12
2. Revisão Bibliográfica<br />
A revisão bibliográfica está focada na apresentação dos principais conceitos<br />
relacionados a ferramenta DEA, que será aplicada no estudo do mercado <strong>de</strong> fraldas<br />
<strong>de</strong>scartáveis.<br />
2.1. Sistemas <strong>de</strong> Produção<br />
Moreira 1991 apud Athay<strong>de</strong> 2003 conceitua sistema <strong>de</strong> produção como<br />
qualquer agente capaz <strong>de</strong> transformar insumos em produtos. A Figura 1 ilustra a<br />
<strong>de</strong>finição.<br />
Figura 1: Sistema <strong>de</strong> produção (fonte: Athay<strong>de</strong> 2003)<br />
Kassai (2002) afirma que a análise das curvas <strong>de</strong> produção é fundamental para a<br />
análise <strong>de</strong> eficiência.<br />
Segundo Charnes et al. 1981, apud Almeida et al. para a Engenharia <strong>de</strong><br />
Produção, qualquer sistema só po<strong>de</strong> ser avaliado a partir do momento em que são<br />
<strong>de</strong>terminadas as principais entradas e saídas que o <strong>de</strong>finem.<br />
13
2.2. Conceitos <strong>de</strong> Eficácia, Produtivida<strong>de</strong> e Eficiência<br />
Mello et al. (2005) conceituam eficácia como a capacida<strong>de</strong> <strong>de</strong> se atingir o<br />
objetivo proposto, <strong>de</strong>sconsi<strong>de</strong>rando possíveis comparações com outras ativida<strong>de</strong>s que<br />
levam ao mesmo fim ou a otimização <strong>de</strong> recursos para, por exemplo, maximizar os<br />
resultados ou minimizar o consumo <strong>de</strong> entradas.<br />
Os mesmos autores caracterizam produtivida<strong>de</strong> como resultado da razão entre o<br />
que foi produzido e os insumos necessários para tal. Esse conceito já permite a<br />
comparação entre ativida<strong>de</strong>s, uma vez que será mais produtiva a ativida<strong>de</strong> que<br />
combinar melhor a utilização <strong>de</strong> seus recursos para a obtenção <strong>de</strong> produtos. Curiel<br />
(2005 apud Almeida 2007) menciona que há um aumento <strong>de</strong> produtivida<strong>de</strong> quando, a<br />
partir <strong>de</strong> certo montante <strong>de</strong> insumos, é possível obter maior quantida<strong>de</strong> <strong>de</strong> produtos.<br />
Mello et al. (2005) afirmam que uma maior ou menor produtivida<strong>de</strong> estão relacionadas<br />
a <strong>de</strong>cisões tomadas pelas unida<strong>de</strong>s em estudo, o que permite nomeá-las como Unida<strong>de</strong>s<br />
Tomadoras <strong>de</strong> Decisão (ou Decision Making Units- DMUs).<br />
Mariano et al. 2006 conceitua eficiência como o quociente entre um<br />
<strong>de</strong>terminado indicador e o seu valor máximo. Mello et al. (2005), <strong>de</strong>fine-se eficiência<br />
como a comparação entre o que foi efetivamente produzido em relação ao que po<strong>de</strong>ria<br />
ter sido realizado, dado uma <strong>de</strong>terminada quantida<strong>de</strong> <strong>de</strong> recursos.<br />
Para Farrell 1957 apud Almeida 2007, uma unida<strong>de</strong> é consi<strong>de</strong>rada eficiente se<br />
atingir os níveis máximos possíveis <strong>de</strong> saídas a partir das entradas disponíveis. Além<br />
disso, essas unida<strong>de</strong>s eficientes po<strong>de</strong>m servir como parâmetro para as <strong>de</strong>mais<br />
eficientes, em um processo <strong>de</strong> aprendizado contínuo <strong>de</strong>finido por Lindau et al. (2001)<br />
como benchmarking.<br />
14
2.3. Métodos Paramétricos e não Paramétricos<br />
Avelar (2004) distingue métodos paramétricos e não paramétricos da seguinte<br />
maneira: o primeiro se baseia em uma relação funcional pré-<strong>de</strong>finida entre recursos e<br />
insumos, obtendo uma função <strong>de</strong> média para representar a quantida<strong>de</strong> que po<strong>de</strong>ria ser<br />
produzida.<br />
Já os métodos não paramétricos dispensam qualquer suposição funcional<br />
preliminar, chegando a conclusões a respeito da máxima eficiência a partir da<br />
observação daquelas DMUs mais produtivas (MELLO et al., 2005).<br />
2.4. A Técnica DEA<br />
A técnica DEA, <strong>de</strong>senvolvida por Charnes, Cooper e Rho<strong>de</strong>s em 1978, tem por<br />
objetivo ser uma alternativa ao processo <strong>de</strong> análise <strong>de</strong> <strong>de</strong>sempenho <strong>de</strong> DMUs quando<br />
essas estão sujeitas a múltiplos insumos e produtos (ou entradas e saídas) (VILELLA,<br />
2004).<br />
Trata-se <strong>de</strong> uma ferramenta não paramétrica <strong>de</strong> pesquisa operacional baseada<br />
em programação linear que utiliza o conceito da Eficiência <strong>de</strong> Pareto-Koopmans,<br />
segundo a qual uma organização é eficiente se, e somente se, não for possível elevar a<br />
magnitu<strong>de</strong> <strong>de</strong> nenhum insumo ou produto sem que haja uma redução em outro insumo<br />
ou produto (COOPER et al., 2000).<br />
Segundo Casa Nova (2002), a técnica se resume a obtenção <strong>de</strong> uma curva <strong>de</strong><br />
eficiência resultante da melhor relação possível entre entradas e saídas. A partir <strong>de</strong>sse<br />
conjunto convexo, é possível classificar cada DMU em estudo como eficiente ou<br />
ineficiente.<br />
Charnes et al. (1996) aponta ainda algumas características adicionais da<br />
ferramenta: (a) produz um único valor para cada DMU, que permite a comparação <strong>de</strong><br />
15
<strong>de</strong>sempenho entre unida<strong>de</strong>s; (b) calcula o nível <strong>de</strong> ineficiência das unida<strong>de</strong>s<br />
ineficientes, permitindo a observação <strong>de</strong> áreas <strong>de</strong> oportunida<strong>de</strong> específicas.<br />
2.5. Implementação <strong>de</strong> um problema DEA<br />
Angulo Meza (1998) <strong>de</strong>fine três etapas para a resolução <strong>de</strong> um problema<br />
utilizando a técnica <strong>de</strong> análise por envoltória <strong>de</strong> dados. São elas:<br />
1. Definição e seleção <strong>de</strong> DMUs: A unida<strong>de</strong>s em estudo <strong>de</strong>vem estar inseridas<br />
em um mesmo ambiente, operando com os mesmos objetivos e utilizando os<br />
mesmos tipos <strong>de</strong> insumos e produtos, com variação apenas na intensida<strong>de</strong><br />
<strong>de</strong>stes, uma vez que as DMUs <strong>de</strong>vem possuir autonomia na tomada <strong>de</strong><br />
<strong>de</strong>cisões.<br />
2. Seleção das variáveis: Gonzalez Araya et al. (2002) sugerem que o número<br />
<strong>de</strong> variáveis <strong>de</strong>ve ser entre quatro e cinco vezes maior que o número <strong>de</strong><br />
DMUs estudadas, enquanto Cooper et al. (2000) afirmam que o número <strong>de</strong><br />
unida<strong>de</strong>s tomadoras <strong>de</strong> <strong>de</strong>cisão <strong>de</strong>ve ser, pelo menos, três vezes maior que a<br />
quantida<strong>de</strong> <strong>de</strong> entradas e saídas utilizadas.<br />
3. Escolha e aplicação do mo<strong>de</strong>lo: Dentre os diversos mo<strong>de</strong>los DEA existentes,<br />
os mais conhecidos são o CCR e o BCC, que serão brevemente apresentados<br />
a seguir. Além <strong>de</strong>sses, outros mo<strong>de</strong>los que merecem ser citados são o<br />
aditivo e os multiplicativos variante e invariante.<br />
2.6. Mo<strong>de</strong>los CCR e BCC<br />
O mo<strong>de</strong>lo CCR, baseado nos estudos <strong>de</strong> eficiência e produtivida<strong>de</strong> <strong>de</strong> Farrel em<br />
1957 e Knight em 1933, foi <strong>de</strong>senvolvido por Charnes et al. (1978) e trabalha com<br />
16
etornos constantes <strong>de</strong> escala, ou seja, qualquer variação que ocorra nas entradas <strong>de</strong><br />
uma DMU provocarão variação proporcional em suas saídas (Mello et al., 2005). Por<br />
esse motivo, o mo<strong>de</strong>lo também é conhecido por CRS (Constant Returns to Scale).<br />
O mo<strong>de</strong>lo BCC, também <strong>de</strong>nominado VRS (Variable Returns to Scale), por sua<br />
vez reconhece retornos variáveis <strong>de</strong> escala. Matematicamente uma pequena alteração é<br />
introduzida ao mo<strong>de</strong>lo CCR, que recebe uma variável adicional responsável por<br />
conferir, graficamente, a substituição do axioma da proporcionalida<strong>de</strong> por uma<br />
fronteira convexa. O mo<strong>de</strong>lo BCC foi <strong>de</strong>senvolvido por Banker et al. em 1984.<br />
Os diferentes mo<strong>de</strong>los utilizados para implementar a ferramenta DEA po<strong>de</strong>m<br />
sem orientados para os insumos (entradas) ou produtos (saídas). No primeiro caso, isso<br />
significa reduzir as entradas <strong>de</strong> forma que a combinação ótima mantenha o mesmo<br />
nível <strong>de</strong> saídas. No segundo caso, o patamar <strong>de</strong> insumos é mantido constante <strong>de</strong> modo a<br />
se obter um nível superior <strong>de</strong> produtos.<br />
2.7. Limitações da Técnica DEA<br />
Dyson et al. (2001) apresentam as seguintes limitações para a ferramenta: (a) o<br />
aumento no número <strong>de</strong> variáveis ten<strong>de</strong> a fazer com que mais DMUs possam atingir a<br />
fronteira <strong>de</strong> eficiência; (b) pelo fato <strong>de</strong> se tratar <strong>de</strong> uma técnica não paramétrica, existe<br />
uma restrição quanto a formulação <strong>de</strong> hipóteses estatísticas; (c) a ferramenta converge<br />
muito lentamente para a eficiência absoluta, uma vez que não se baseia no ótimo<br />
teórico, mas sim na observação dos dados fornecidos e posterior <strong>de</strong>finição da eficiência<br />
relativa entre esses dados.<br />
17
3. Metodologia<br />
3.1. Caracterização da Pesquisa<br />
Do ponto <strong>de</strong> vista <strong>de</strong> objetivos, será utilizado o mo<strong>de</strong>lo <strong>de</strong> pesquisa<br />
bibliográfico-exploratória. Severino (2002) <strong>de</strong>fine pesquisa bibliográfica como o<br />
levantamento <strong>de</strong> informações <strong>de</strong> estudos passados, por meio <strong>de</strong> livros e artigos<br />
científicos. O mesmo autor discorre acerca <strong>de</strong> pesquisas exploratórias <strong>de</strong>finindo-a como<br />
flexível do ponto <strong>de</strong> vista do planejamento, uma vez que é utilizada sobretudo nos<br />
casos em que o tema foi pouco explorado até então. A finalida<strong>de</strong> da pesquisa<br />
exploratória é dar uma visão geral sobre o assunto, esclarecendo e modificando<br />
conceitos e idéias.<br />
3.2. Técnica <strong>de</strong> Coleta <strong>de</strong> Dados<br />
A coleta <strong>de</strong> dados será feita <strong>de</strong> duas formas distintas:<br />
1) Por meio <strong>de</strong> materiais <strong>de</strong> domínio público – artigos, teses, matérias, livros,<br />
estudos <strong>de</strong> caso, entre outros meios <strong>de</strong> informação disponíveis física ou<br />
eletronicamente.<br />
2) A partir <strong>de</strong> dados disponibilizados por empresas do mercado <strong>de</strong> fraldas<br />
<strong>de</strong>scartáveis e do instituto <strong>de</strong> pesquisas <strong>de</strong> mercado AC Nielsen.<br />
Após a contextualização sobre o mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis e a revisão<br />
bibliográfica a respeito do método <strong>de</strong> Análise Envoltória <strong>de</strong> Dados (DEA), o presente<br />
capítulo <strong>de</strong>screve os principais conceitos englobados no processo <strong>de</strong> vendas, as<br />
variáveis <strong>de</strong> pesquisa adotadas e a seqüência <strong>de</strong> passos envolvidos na aplicação prática<br />
dos conceitos até aqui apresentados.<br />
18
3.3. O Processo da Venda<br />
Resultados <strong>de</strong> pesquisas realizadas em pontos <strong>de</strong> venda e disponibilizados pela<br />
agência AC Nielsen revelam dois dados importantes para a pesquisa:<br />
1) entre 65 e 75% dos consumidores <strong>de</strong>ci<strong>de</strong>m o que vão comprar quando já<br />
estão na loja e;<br />
2) o tempo médio <strong>de</strong> compra é <strong>de</strong> 29 minutos.<br />
De acordo com a Figura 2, o processo <strong>de</strong> <strong>de</strong>cisão <strong>de</strong> uma compra se constitui<br />
em um ciclo contínuo dividido em três etapas fundamentais: uma <strong>de</strong>las se dá <strong>de</strong>ntro da<br />
loja, em que o consumidor efetua as compras planejadas e aquelas por impulso. Ao<br />
chegar em casa, utiliza o que foi adquirido e, a partir <strong>de</strong> experiências anteriores e/ou do<br />
senso crítico, sente-se ou não satisfeito com o produto. Se satisfeito, é provável que na<br />
próxima compra o produto seja novamente escolhido e que o consumidor adote a<br />
postura <strong>de</strong> <strong>de</strong>fen<strong>de</strong>r o item para o seu ciclo <strong>de</strong> relacionamentos, influenciando outras<br />
pessoas a <strong>de</strong>cidirem pela compra do produto, o que fecha o ciclo.<br />
19
Figura 2: Esquema <strong>de</strong> compra<br />
Existem quatro fundamentos que impactam diretamente no ciclo <strong>de</strong> <strong>de</strong>cisão <strong>de</strong><br />
compra apresentado acima. São eles: presença do item na loja, correta exposição na<br />
gôndola, ativida<strong>de</strong>s <strong>de</strong> <strong>de</strong>staque e preço.<br />
Para um produto ter a chance <strong>de</strong> ser escolhido frente a todos os itens existentes<br />
em um supermercado padrão é obrigatório que ele esteja presente na loja. Os <strong>de</strong>mais<br />
fundamentos partem da presença em loja, pois não faz sentido falar em exposição,<br />
<strong>de</strong>staque ou preço <strong>de</strong> um item que não está a disposição do consumidor.<br />
O segundo fundamento é o <strong>de</strong> exposição na gôndola. Em qualquer ponto <strong>de</strong><br />
venda, os espaços e posições preferenciais na gôndola são extremamente disputados<br />
pelos concorrentes <strong>de</strong> cada segmento. A Figura 3 ilustra um exemplo <strong>de</strong> exposição <strong>de</strong><br />
fraldas <strong>de</strong>scartáveis.<br />
20
Figura 3: Exemplo <strong>de</strong> exposição em gôndola<br />
Segundo dados da ABIHPEC (Associação Brasileira da Indústria <strong>de</strong> Higiene,<br />
Perfumaria e Cosméticos) coletados em março <strong>de</strong> 2007, existem atualmente mais <strong>de</strong><br />
300 diferentes marcas <strong>de</strong> fraldas <strong>de</strong>scartáveis, sendo que a Nielsen monitora cerca <strong>de</strong><br />
3760 versões e tamanhos distintos. Consi<strong>de</strong>rando que, em média, um pacote <strong>de</strong> fraldas<br />
tenha trinta centímetros <strong>de</strong> frente, e que as lojas disponibilizem aproximadamente<br />
quinze metros <strong>de</strong> gôndola para a categoria, distribuidos em cinco prateleiras <strong>de</strong> três<br />
metros cada, é possível colocar em exposição aproximadamente cinqüenta pacotes do<br />
produto, ou 1% do total <strong>de</strong> itens monitorados<br />
Além do gran<strong>de</strong> número <strong>de</strong> versões existentes, por se tratar <strong>de</strong> um produto<br />
volumoso, maximizar o aproveitamento do espaço entre as marcas representa um<br />
gran<strong>de</strong> <strong>de</strong>safio, tanto para os pontos <strong>de</strong> venda quanto para os fabricantes.<br />
O terceiro fundamento é o <strong>de</strong> dar <strong>de</strong>staque ao produto. Em um ponto <strong>de</strong> venda,<br />
é possível atingir sucesso nesse fundamento <strong>de</strong> diversas formas. As Figuras 4 e 5<br />
mostram algumas das mais comumente implementadas.<br />
21
Figura 4: Display (esq.) e Ilha (dir.)<br />
Figura 5: Demonstrador (esq.) e precificadores (dir.)<br />
Uma loja a<strong>de</strong>quadamente ambientada atinge diretamente os consumidores que<br />
<strong>de</strong>ci<strong>de</strong>m suas compras <strong>de</strong>ntro do ponto <strong>de</strong> venda. De acordo com dados da Nielsen,<br />
64% dos consumidores que visitam as gran<strong>de</strong>s re<strong>de</strong>s <strong>de</strong> supermercados lêem os<br />
panfletos <strong>de</strong> ofertas e 91% <strong>de</strong>ssas pessoas acabam por adquirir, mesmo que<br />
ocasionalmente, algum produto exposto no folheto.<br />
22
O último dos fundamentos do processo <strong>de</strong> venda é o preço. Não adianta o<br />
produto estar presente na loja, com a exposição correta e em <strong>de</strong>staque, se o preço<br />
estiver fora da realida<strong>de</strong> do mercado. O preço mais a<strong>de</strong>quado nem sempre é o mais<br />
baixo, mas aquele que o consumidor encarar como justo em relação aos itens dos<br />
concorrentes e aos benefícios que promete entregar.<br />
3.4. Descrição das Variáveis <strong>de</strong> Pesquisa<br />
O presente trabalho busca analisar o mercado <strong>de</strong> fraldas segundo a perspectiva<br />
<strong>de</strong> indicadores <strong>de</strong> tra<strong>de</strong> marketing. Para tal, foram utilizados dados provenientes do<br />
institudo <strong>de</strong> pesquisas ACNielsen, especializado em coletar e interpretar indicadores<br />
dos mais diversos segmentos do varejo, fornecendo-os em forma <strong>de</strong> produtos e<br />
ferramentas às empresas.<br />
O processo <strong>de</strong> coleta <strong>de</strong> dados se dá periodicamente por meio <strong>de</strong> auditores, que<br />
visitam mensalmente um universo <strong>de</strong> mais <strong>de</strong> 800 mil lojas nos estados do Nor<strong>de</strong>ste,<br />
Su<strong>de</strong>ste, Sul e Centro Oeste e monitoram tanto os inventários quanto a situação dos<br />
produtos no ponto <strong>de</strong> venda em si.<br />
Para o presente estudo, foram obtidas informações <strong>de</strong> mercado junto a uma das<br />
empresas atuantes, sob a condição <strong>de</strong> os resultados <strong>de</strong> nenhuma das DMUs analisadas<br />
fossem i<strong>de</strong>ntificados. As variáveis em estudo são explicadas a seguir:<br />
DISTRIBUIÇÃO NUMÉRICA: indica o porcentual <strong>de</strong> lojas do universo que<br />
negociaram a marca durante o período em questão. Estudos da Nielsen<br />
monstram que, quando um <strong>de</strong>terminado item não se encontra presente na loja<br />
que a consumidora visita, em 38% dos casos ela <strong>de</strong>cidirá por adquirir um<br />
produto da concorrência;<br />
23
PARTICIPAÇÃO DE GÔNDOLA: indica o porcentual da gôndola do<br />
segmento em estudo que cada fabricante ocupa;<br />
PREÇO MÉDIO POR FRALDA: é uma média, por fabricante, da razão entre<br />
o preço regular <strong>de</strong> venda do pacote <strong>de</strong> cada produto pelo número <strong>de</strong> fraldas que<br />
o constitui;<br />
DISTRIBUIÇÃO PONDERADA DE PONTOS EXTRAS: como já explicado<br />
anteriormente, ponto extra é qualquer espaço do ponto <strong>de</strong> venda, além da<br />
gôndola natural da categoria, que contenha o produto em comercialização. Os<br />
tipos mais comuns <strong>de</strong> ponto extra são as ilhas, pontas <strong>de</strong> gôndola e os displays.<br />
O índice em questão indica a porcentagem <strong>de</strong> lojas que apresentam pontos<br />
extras do fabricante, pon<strong>de</strong>rada pela importância <strong>de</strong> cada loja analisada, sendo o<br />
faturamento da loja utilizado como fator <strong>de</strong> pon<strong>de</strong>ração nesse caso;<br />
DEMANDA MENSAL (em 1000 SUs): a unida<strong>de</strong> utilizada nos dados <strong>de</strong><br />
<strong>de</strong>manda (SU) é uma sigla que significa Stat Unit. Trata-se <strong>de</strong> uma medida<br />
estatística que representa o consumo anual <strong>de</strong> uma família americana <strong>de</strong> quatro<br />
pessoas. A utilização <strong>de</strong>ssa unida<strong>de</strong> permite que bens <strong>de</strong> consumo <strong>de</strong> naturezas<br />
diferentes, como por exemplo shampoos, sabão em pó e fraldas <strong>de</strong>scartáveis,<br />
possam ser comparados e analisados em conjunto no que se refere a níveis <strong>de</strong><br />
produção e vendas.<br />
PARTICIPAÇÃO EM VOLUME: trata-se da relação entre o volume (número<br />
<strong>de</strong> fraldas) vendido por cada fabricante pelas vendas totais do segmento no<br />
período em questão;<br />
VENDAS EM 1000 UNIDADES: total vendidos, em unida<strong>de</strong>s <strong>de</strong> fralda, no<br />
período em análise, por fabricante;<br />
24
seguir:<br />
Quadro 2:<br />
GIRO DE INVENTÁRIO (DIAS): o índice é obtido a partir da relação entre a<br />
quantida<strong>de</strong> <strong>de</strong> estoque existente no momento da auditoria e as vendas do<br />
produto no período <strong>de</strong> análise, multiplicado pelo período entre duas leituras.<br />
As variáveis acima serão divididas em inputs e outputs, conforme apresentado a<br />
INPUTS: Distribuição Numérica, Participação <strong>de</strong> Gôndola, Preço por Fralda,<br />
Distribuição Pon<strong>de</strong>rada <strong>de</strong> Pontos-Extras;<br />
OUTPUTS: Demanda Mensal, Participação em Volume, Vendas, Giro <strong>de</strong><br />
Inventário.<br />
3.5. Etapas do Estudo <strong>de</strong> Caso<br />
A aplicação do método DEA envolverá as seguintes etapas:<br />
1) Definição das DMUs que serão analisadas;<br />
2) Seleção <strong>de</strong> variáveis que farão parte do mo<strong>de</strong>lo, a partir <strong>de</strong> um conjunto <strong>de</strong><br />
dados previamente levantados;<br />
3) Construção <strong>de</strong> um ou mais mo<strong>de</strong>los;<br />
4) Processamento;<br />
5) Análise dos resultados;<br />
6) Conclusões críticas<br />
Para o presente estudo, onze DMUs foram consi<strong>de</strong>radas, como apresentado no<br />
25
COMPETIDORES<br />
ALOES<br />
AORTA<br />
EVER GREEN<br />
FABRICANTES LOCAIS<br />
JOHNSON & JOHNSON<br />
KIMBERLY-CLARK<br />
MABESA<br />
MARCAS PRÓPRIAS<br />
MILI<br />
POM POM<br />
PROCTER & GAMBLE<br />
Quadro 2: DMUs selecionadas para análise<br />
A escolha das DMUs se <strong>de</strong>u pela disponibilida<strong>de</strong> <strong>de</strong> dados para as variáveis <strong>de</strong><br />
loja, que alimentarão os mo<strong>de</strong>los DEA. A “Fabricantes Locais” representa um agregado<br />
<strong>de</strong> pequenas empresas com características similares e que, na data <strong>de</strong> obtenção dos<br />
dados, eram responsáveis por 3,4% do total <strong>de</strong> fraldas <strong>de</strong>scartáveis vendidas no país. Já<br />
a DMU “Marcas Próprias” representa as marcas comercializadas pelas re<strong>de</strong>s <strong>de</strong><br />
supermercado e farmácias, uma prática cada vez mais comum no segmento <strong>de</strong> fraldas<br />
<strong>de</strong>scartáveis e em diversas outras categorias <strong>de</strong> bens <strong>de</strong> consumo. Essa última DMU<br />
correspondia a 2,2% das vendas <strong>de</strong> fraldas na data da pesquisa.<br />
Os dados foram capturados pela Nielsen nos meses <strong>de</strong> Julho e Agosto <strong>de</strong> 2006,<br />
que nessa data monitorava 875.753 lojas em todo o país. Dois recortes <strong>de</strong>sse universo<br />
se fizeram necessários por questões <strong>de</strong> disponibilida<strong>de</strong> <strong>de</strong> informações. Assim, do<br />
universo <strong>de</strong> lojas monitoradas, que engloba bares, pequenos varejos (entre nenhum e 5<br />
caixas registradoras), farmácias e supermercados (acima <strong>de</strong> 5 caixas registradoras), o<br />
presente trabalho foi baseado nos dois últimos canais mencionados. A base <strong>de</strong><br />
farmácias totaliza 70.936 estabelecimentos (8,1% do universo total), enquanto a base<br />
<strong>de</strong> supermercados computa 69.184 pontos <strong>de</strong> venda (7,9%).<br />
No total serão construidos dois mo<strong>de</strong>los para análise:<br />
1) Eficiência no canal <strong>de</strong> supermercados;<br />
26
2) Eficiência nas drogarias;<br />
Para cada um dos mo<strong>de</strong>los será feita uma análise <strong>de</strong> correlação entre as<br />
variáveis e posterior aplicação do método multicritério <strong>de</strong> seleção <strong>de</strong> variáveis,<br />
respeitando sempre a regra <strong>de</strong> Cooper et al. (2000).<br />
Os mo<strong>de</strong>los serão implementados utilizando o software Frontier Analyst 4,<br />
largamente empregado em aplicações DEA encontradas na literatura por apresentar<br />
diversas ferramentas que auxiliam as análises dos resultados. Por conta da facilida<strong>de</strong> <strong>de</strong><br />
processamento e do reduzido número <strong>de</strong> DMUs e variáveis envolvidas no estudo, cada<br />
mo<strong>de</strong>lo será rodado nos métodos CRS e BCC, orientados para inputs e outputs. Dessa<br />
forma será possível perceber ineficiências <strong>de</strong> escala nas DMUs em análise, conforme<br />
apresentado na revisão bibliográfica.<br />
Além disso, com o intuito <strong>de</strong> testar uma alternativa ao Frontier e permitir maior<br />
familiarização com as equações que envolvem a análise por envoltória <strong>de</strong> dados, um<br />
dos mo<strong>de</strong>los será processado no Solver, ferramenta existente no Microsoft Excel.<br />
Ambos os resultados serão apresentados e discutidos nos capítulos subsequentes.<br />
27
DMUs<br />
4. Resultados Obtidos<br />
A seguir são apresentados os resultados da aplicação <strong>de</strong> DEA no estudo do<br />
mercado <strong>de</strong> fraldas <strong>de</strong>scartáveis. Cada um dos dois mo<strong>de</strong>los foi processado tanto em<br />
CCR quanto em BCC, e o mo<strong>de</strong>lo I sofreu implementação adicional na ferramenta<br />
Solver.<br />
4.1. Mo<strong>de</strong>lo I – Análise dos supermercados<br />
O Quadro 3 apresenta os dados utilizados no mo<strong>de</strong>lo I, capturados entre os<br />
meses <strong>de</strong> Julho e Agosto <strong>de</strong> 2006:<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
% GÔNDOLA<br />
PREÇO POR<br />
FRALDA (R$)<br />
DISTRIBUIÇÃO<br />
PONDERADA DE<br />
PONTOS-EXTRAS<br />
DEMANDA<br />
MENSAL<br />
(1000 SU)<br />
PARTICIPAÇÃO<br />
EM VOLUME<br />
VENDAS<br />
(1000<br />
UNIDADES)<br />
28<br />
GIRO DE<br />
INVENTÁRIO<br />
(DIAS)<br />
1 97 29.2 0.58 10 290 28.5 62633 24<br />
2 95 25.6 0.51 11 303 29.8 60705 22<br />
3 82 9.2 0.55 8 75 7.3 18910 25<br />
4 72 11.9 0.41 6 99 9.7 14874 23<br />
5 32 4.7 0.51 2 40 4 7318 31<br />
6 46 3.7 0.41 2 45 4.4 14412 17<br />
7 23 1.3 0.39 2 24 2.4 4982 17<br />
8 30 2.2 0.38 1 21 2.1 3533 23<br />
9 19 0.5 0.44 0 8 0.8 1137 16<br />
10 86 9.4 0.36 8 85 8.3 16046 29<br />
11 35 1.9 0.38 1 23 2.3 4439 16<br />
Quadro 3: Variáveis do Mo<strong>de</strong>lo I<br />
A análise <strong>de</strong> correlação permitiu eliminar do processo <strong>de</strong> seleção algumas<br />
<strong>de</strong>ssas variáveis apresentadas:
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
% GÔNDOLA<br />
PREÇO POR<br />
FRALDA (R$)<br />
DISTRIBUIÇÃO<br />
PONDERADA<br />
DE PONTOS-<br />
EXTRAS<br />
DEMANDA<br />
MENSAL<br />
(1000 SU)<br />
PARTICIPAÇÃO<br />
EM VOLUME<br />
29<br />
VENDAS<br />
(1000<br />
UNIDADES)<br />
GIRO DE<br />
INVENTÁRIO<br />
(DIAS)<br />
DISTRIBUIÇÃO NUMÉRICA 1<br />
% GÔNDOLA 0.864338035 1<br />
PREÇO POR FRALDA (R$) 0.493500272 0.658442293 1<br />
DISTRIBUIÇÃO PONDERADA<br />
DE PONTOS-EXTRAS<br />
0.974652547 0.896753345 0.555975471 1<br />
DEMANDA MENSAL (MSU) 0.817056067 0.986670018 0.626790239 0.866489986 1<br />
PARTICIPAÇÃO EM VOLUME 0.814897915 0.98630207 0.626797727 0.864809143 0.9999912 1<br />
VENDAS ('000 UNIDADES) 0.811872145 0.977025519 0.667072907 0.855830914 0.9911855 0.991058816 1<br />
GIRO DE INVENTÁRIO (DIAS) 0.449048299 0.314445533 0.338883426 0.45303898 0.23143416 0.230844726 0.202595977 1<br />
Quadro 4: Análise <strong>de</strong> correlação do mo<strong>de</strong>lo I<br />
A variável Distribuição Pon<strong>de</strong>rada <strong>de</strong> Pontos-Extras foi excluída por<br />
apresentar alta correlação com Distribuição Numérica, e por ser consi<strong>de</strong>rada menos<br />
importante, <strong>de</strong> acordo com os conceitos <strong>de</strong> fundamentos <strong>de</strong> venda apresentados no<br />
capítulo <strong>de</strong> metodologia. As variáveis Demanda Mensal e Vendas também foram<br />
excluídas, por apresentarem alta correlação com Participação em Volume.<br />
Para iniciar o método multicritério, foram selecionadas Distribuição Numérica<br />
(input) e Participação em Volume (output). Pelo fato <strong>de</strong> existirem apenas onze DMUs<br />
em estudo, o mo<strong>de</strong>lo final será composto por três variáveis, o que torna <strong>de</strong>snecessário<br />
testar as possibilida<strong>de</strong>s <strong>de</strong> inserção <strong>de</strong> uma quarta variável ao multicritério. Os dados <strong>de</strong><br />
eficiência foram obtidos a partir da aplicação do CCR orientado a outputs. A seguir são<br />
apresentados cada um dos passos do método:<br />
1) Par Input-Output inicial:<br />
DMUs<br />
DISTRIBUIÇÃO SHARE<br />
NUMÉRICA VOLUME<br />
1 97 28.5<br />
2 95 29.8<br />
3 82 7.3<br />
4 72 9.7<br />
5 32 4<br />
6 46 4.4<br />
7 23 2.4<br />
8 30 2.1<br />
9 19 0.8<br />
10 86 8.3<br />
11 35 2.3<br />
Quadro 5: Par Input-Output inicial para o mo<strong>de</strong>lo I
2) Adição da variável Participação <strong>de</strong> Gôndola ao par inicial:<br />
Unit name Score Efficient Condition<br />
1 93.70% FALSE Amber<br />
2 100.00% TRUE Green<br />
3 56.00% FALSE Red<br />
4 63.80% FALSE Red<br />
5 64.70% FALSE Red<br />
6 74.80% FALSE Red<br />
7 100.00% TRUE Green<br />
8 57.90% FALSE Red<br />
9 86.70% FALSE Red<br />
10 61.80% FALSE Red<br />
11 65.60% FALSE Red<br />
Quadro 6: Resultados do Frontier Analyst – Participação <strong>de</strong> Gôndola<br />
3) Adição da variável Preço por Fralda ao par inicial:<br />
Unit name Score Efficient Condition<br />
1 93.70% FALSE Amber<br />
2 100.00% TRUE Green<br />
3 28.40% FALSE Red<br />
4 42.90% FALSE Red<br />
5 39.80% FALSE Red<br />
6 30.50% FALSE Red<br />
7 33.30% FALSE Red<br />
8 22.30% FALSE Red<br />
9 13.40% FALSE Red<br />
10 39.50% FALSE Red<br />
11 20.90% FALSE Red<br />
Quadro 7: Resultados Frontier Analyst – Preço por Fralda<br />
4) Adição da variável Giro <strong>de</strong> Inventário ao par inicial:<br />
Unit name Score Efficient Condition<br />
1 95.80% FALSE Amber<br />
2 100.00% TRUE Green<br />
3 44.80% FALSE Red<br />
4 58.00% FALSE Red<br />
5 100.00% TRUE Green<br />
6 51.00% FALSE Red<br />
7 78.70% FALSE Red<br />
8 79.10% FALSE Red<br />
9 86.90% FALSE Red<br />
10 49.00% FALSE Red<br />
11 49.00% FALSE Red<br />
Quadro 8: Resultados Frontier Analyst – Giro <strong>de</strong> Inventário<br />
30
Com os dados acima é possível concluir sobre a melhor variável para completar<br />
o par inicial, como mostrado a seguir:<br />
INPUT<br />
OUTPUT<br />
do mo<strong>de</strong>lo I.<br />
DISTRIBUIÇÃO NUMÉRICA<br />
PARTICIPAÇÃO EM VOLUME<br />
VARIÁVEL I/O EF MEDIA DMUS EF SEF SDIS S<br />
GÔNDOLA I 75.00 2 10 9 9.5<br />
PREÇO I 42.25 1 5.63 10 7.82<br />
GIRO O 72.03 2 9.60 9 9.30<br />
Quadro 9: Escolha da terceira variável – mo<strong>de</strong>lo I<br />
De acordo com o método, a variável Participação em Gôndola <strong>de</strong>ve fazer parte<br />
Uma vez <strong>de</strong>finidas as variáveis, as equações <strong>de</strong> DEA são aplicadas para<br />
obtenção dos índices <strong>de</strong> eficiência relativa.<br />
A Figura 6 mostra a tela do Solver com as respectivas equações, e nos Quadros<br />
10 e 11 estão os resultados da aplicação das equação do mo<strong>de</strong>lo CCR orientado a<br />
inputs para cada DMU em análise, utilizando a ferramenta acima.<br />
Figura 6: Mo<strong>de</strong>lo I CCR orientado a inputs no Solver<br />
31
DMUs DISTRIBUIÇÃO<br />
NUMÉRICA<br />
% GÔNDOLA<br />
SHARE<br />
VOLUME<br />
EQUAÇÕES<br />
1 97 29.2 28.5 -7.243421<br />
2 95 25.6 29.8 -4.978070<br />
3 82 9.2 7.3 -2.760965<br />
4 72 11.9 9.7 -3.497807<br />
5 32 4.7 4 -1.333333<br />
6 46 3.7 4.4 -0.692982<br />
7 23 1.3 2.4 0.000000<br />
8 30 2.2 2.1 -0.559211<br />
9 19 0.5 0.8 -0.035088<br />
10 86 9.4 8.3 -2.581140<br />
11 35 1.9 2.3 -0.344298<br />
INSUMOS 1.000000<br />
h v1 v2 u1<br />
0.655702 0 0.526315789 0.285087719<br />
Quadro 10: Resultados das equações do Solver – mo<strong>de</strong>lo I<br />
Nas Quadros, v1 e v2 representam os pesos das variáveis <strong>de</strong> entrada, u1 é o peso<br />
da variável <strong>de</strong> saída e h recebe o valor que será maximizado ou minimizado,<br />
<strong>de</strong>pen<strong>de</strong>ndo da orientação do mo<strong>de</strong>lo aplicado.<br />
32
DMU 1 2 3 4 5 6 7 8 9 10 11<br />
1 -0.063343 -0.165653 -0.378439 -0.324542 -0.798604 -0.839343 -2.056854 -1.361321 -27.525000 -0.367405 -7.243421<br />
2 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -18.916667 0.000000 -4.978070<br />
3 -0.605445 -0.192759 -0.440366 -0.377648 -0.929285 -0.976690 -2.393429 -1.584082 -10.491667 -0.427526 -2.760965<br />
4 -0.423476 -0.184917 -0.422450 -0.362284 -0.891478 -0.936954 -2.296055 -1.519635 -13.291667 -0.410133 -3.497807<br />
5 -0.198436 -0.073200 -0.167227 -0.143410 -0.352892 -0.370894 -0.908894 -0.601548 -5.066667 -0.162351 -1.333333<br />
6 -0.329620 -0.049709 -0.113562 -0.097388 -0.239644 -0.251869 -0.617218 -0.408504 -2.633333 -0.110251 -0.692982<br />
7 -0.158237 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000<br />
8 -0.240262 -0.051215 -0.117003 -0.100340 -0.246907 -0.259503 -0.635925 -0.420885 -2.125000 -0.113592 -0.559211<br />
9 -0.169584 -0.020753 -0.047411 -0.040659 -0.100049 -0.105153 -0.257683 -0.170547 -0.133333 -0.046029 -0.035088<br />
10 -0.613817 -0.172348 -0.393736 -0.337659 -0.830883 -0.873269 -2.139990 -1.416345 -9.808333 -0.382256 -2.581140<br />
11 -0.285235 -0.042793 -0.097763 -0.083839 -0.206305 -0.216829 -0.531351 -0.351673 -1.308333 -0.094912 -0.344298<br />
h 0.936657 1.000000 0.559634 0.637716 0.647108 0.748131 1.000000 0.579115 0.866667 0.617744 0.655702<br />
v1 0.010309 0.001637 0.003740 0.003207 0.007892 0.008295 0.020327 0.013454 0.000000 0.003631 0.000000<br />
v2 0.000000 0.032987 0.075361 0.064628 0.159030 0.167143 0.409592 0.271087 2.000000 0.073163 0.526316<br />
u 0.032865 0.033557 0.076662 0.065744 0.161777 0.170030 0.416667 0.275769 1.083333 0.074427 0.285088<br />
Quadro 11: Resultados do CCR orientado a inputs no Solver – mo<strong>de</strong>lo I<br />
33
Após aplicação no Solver, o mesmo mo<strong>de</strong>lo foi processado no Frontier<br />
Analyst, e os resultados obtidos encontram-se no Quadro 12:<br />
Unit<br />
name<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
1 93.67 -6.3 -16.2 0<br />
2 100 0 0 0<br />
3 55.96 -44 -44 0<br />
4 63.77 -36.2 -36.2 0<br />
5 64.71 -35.3 -35.3 0<br />
6 74.81 -25.2 -25.2 0<br />
7 100 0 0 0<br />
8 57.91 -42.1 -42.1 0<br />
9 86.67 -59.6 -13.3 0<br />
10 61.77 -38.2 -38.2 0<br />
11 65.57 -37 -34.4 0<br />
Quadro 12: Resultados e Metas do mo<strong>de</strong>lo I pelo Frontier Analyst<br />
É importante notar que os resultados obtidos tanto no Solver quanto no Frontier<br />
Analyst são rigorosamente iguais, o que valida as equações e etapas seguidas acima. O<br />
mesmo aconteceu quando da aplicação do CCR orientado a outputs e BCC<br />
inputs/outputs. Por esse motivo, as Quadros <strong>de</strong> resultado do Solver serão omitidas do<br />
relatório a partir <strong>de</strong> agora.<br />
O processamento do CCR orientado a outputs forneceu os seguintes resultados:<br />
Unit<br />
name<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
1 93.67 0 -10.5 6.8<br />
2 100 0 0 0<br />
3 55.96 0 0 78.7<br />
4 63.77 0 0 56.8<br />
5 64.71 0 0 54.5<br />
6 74.81 0 0 33.7<br />
7 100 0 0 0<br />
8 57.91 0 0 72.7<br />
9 86.67 -53.4 0 15.4<br />
10 61.77 0 0 61.9<br />
11 65.57 -4 0 52.5<br />
Quadro 13: Resultados do mo<strong>de</strong>lo I CCR orientado a outputs<br />
34
Em seguida, o mo<strong>de</strong>lo I foi implementado segundo BCC, para inputs<br />
(Quadro 14) e outputs (Quadro 15). Seguem os resultados observados:<br />
Unit<br />
name<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
RETORNOS<br />
DE ESCALA<br />
1 94.42 -5.6 -16.3 0 2<br />
2 100 0 0 0 0<br />
3 61.37 -56.2 -38.6 0 1<br />
4 65.33 -41.4 -34.7 0 1<br />
5 85.01 -15 -42.1 0 2<br />
6 83.07 -38.6 -16.9 0 1<br />
7 100 0 0 0 0<br />
8 74.17 -25.8 -47.7 0 2<br />
9 100 0 0 0 0<br />
10 69.49 -55.2 -30.5 0 1<br />
11 65.79 -35 -34.2 0 2<br />
Unit<br />
name<br />
Quadro 14: Resultados do mo<strong>de</strong>lo I BCC orientado a inputs<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
RETORNOS<br />
DE ESCALA<br />
1 95.64 -2.1 -12.3 4.6 2<br />
2 100 0 0 0 0<br />
3 64.56 -43.4 0 54.9 2<br />
4 67.59 -24.4 0 48 2<br />
5 68.67 0 -7.7 45.6 1<br />
6 86.17 -34.5 0 16 2<br />
7 100 0 0 0 0<br />
8 61.5 -14.4 0 62.6 2<br />
9 100 0 0 0 0<br />
10 71.97 -45.3 0 39 2<br />
11 74.76 -29.2 0 33.8 2<br />
Quadro 15: Resultados do mo<strong>de</strong>lo I BCC orientado a outputs<br />
4.2. Mo<strong>de</strong>lo II – Análise das Drogarias<br />
Assim como para o mo<strong>de</strong>lo I, os dados para o segundo mo<strong>de</strong>lo da pesquisa<br />
também foram capturados entre os meses <strong>de</strong> Julho e Agosto <strong>de</strong> 2006. Foram realizados<br />
os mesmos passos do mo<strong>de</strong>lo anterior, iniciando o processo com a análise <strong>de</strong><br />
correlação, apresentada na Quadro 16 a seguir:<br />
35
DMUs DISTRIBUIÇÃO<br />
NUMÉRICA<br />
% GÔNDOLA<br />
PREÇO POR<br />
FRALDA (R$)<br />
DISTRIBUIÇÃO<br />
PONDERADA DE<br />
PONTOS-EXTRAS<br />
DEMANDA<br />
MENSAL<br />
(1000 SU)<br />
SHARE<br />
VOLUME<br />
VENDAS<br />
(1000<br />
UNIDADES)<br />
36<br />
GIRO DE<br />
INVENTÁRIO<br />
(DIAS)<br />
1 95 28.2 0.58 13 326 25.4 74011 37<br />
2 96 19.2 0.54 10 263 20.4 59589 31<br />
3 75 7.2 0.58 5 74 5.7 16689 41<br />
4 52 9.2 0.42 7 136 10.6 30947 30<br />
5 55 3.6 0.62 1 32 2.5 7317 47<br />
6 32 5 0.42 2 47 3.7 10740 47<br />
7 8 0.9 0.37 0 8 0.6 1866 44<br />
8 21 1.9 0.35 0 71 5.5 16111 11<br />
9 12 1.8 0.41 1 30 2.4 6880 32<br />
10 64 19.9 0.35 11 245 19.1 55659 40<br />
11 8 1 0.35 2 28 2.2 6399 16<br />
Quadro 16: Variáveis do mo<strong>de</strong>lo II<br />
DISTRIBUIÇÃO<br />
PREÇO POR<br />
% GÔNDOLA<br />
NUMÉRICA FRALDA (R$)<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
1<br />
% GÔNDOLA 0.850799246 1<br />
PREÇO POR FRALDA (R$) 0.72371332 0.380747035 1<br />
DISTRIBUIÇÃO<br />
PONDERADA DE<br />
PONTOS-EXTRAS<br />
DEMANDA<br />
MENSAL (1000<br />
SU)<br />
SHARE<br />
VOLUME<br />
VENDAS (1000<br />
UNIDADES)<br />
GIRO DE<br />
INVENTÁRIO<br />
(DIAS)<br />
DISTRIBUIÇÃO<br />
PONDERADA DE PONTOS-<br />
EXTRAS<br />
0.84211268 0.969766221 0.320877095 1<br />
DEMANDA MENSAL (1000<br />
SU)<br />
0.823153367 0.982621958 0.295986811 0.962019709 1<br />
SHARE VOLUME 0.821761641 0.982859026 0.294596982 0.962163002 0.999988304 1<br />
VENDAS (1000<br />
UNIDADES)<br />
0.822319041 0.982686165 0.294987357 0.962037866 0.999996868 0.99999574 1<br />
GIRO DE INVENTÁRIO<br />
(DIAS)<br />
0.294667273 0.178098095 0.459576212 0.129493051 0.023601665 0.02412779 0.023912675 1<br />
Quadro 17: Análise <strong>de</strong> correlação do mo<strong>de</strong>lo II<br />
Da análise <strong>de</strong> correlação foi possível eliminar algumas variáveis antes <strong>de</strong> <strong>de</strong>finir<br />
o mo<strong>de</strong>lo: a variável Distribuição Pon<strong>de</strong>rada <strong>de</strong> Pontos Extras foi eliminada da<br />
análise por apresentar alta correlação com Participação <strong>de</strong> Gôndola, sendo que a<br />
segunda foi mantida por constituir uma chance <strong>de</strong> o método multicritério aplicado a<br />
esse mo<strong>de</strong>lo resultar nas mesmas variáveis <strong>de</strong> input e output do mo<strong>de</strong>lo I, o que seria<br />
interessante para as discussões finais dos resultados. Além disso, <strong>de</strong>ntre os outputs,<br />
apenas Participação em Volume foi mantida, pelo mesmo motivo apresentado logo<br />
acima.<br />
Apenas duas variáveis restaram para entrar no mo<strong>de</strong>lo: Participação em<br />
Gôndola e Preço por Fralda. Como a escolha da primeira variável resultaria na
<strong>de</strong>finição <strong>de</strong> um mo<strong>de</strong>lo idêntico ao anteriormente utilizado para estudo da eficiência<br />
nos supermercados, Preço por Fralda foi <strong>de</strong>scartada.<br />
O mo<strong>de</strong>lo II foi processado com Distribuição Numérica e Participação em<br />
Gôndola como inputs e Participação em Volume como output.<br />
COMPETIDOR DISTRIBUIÇÃO<br />
NUMÉRICA<br />
% GÔNDOLA<br />
SHARE<br />
VOLUME<br />
1 95 28.2 25.4<br />
2 96 19.2 20.4<br />
3 75 7.2 5.7<br />
4 52 9.2 10.6<br />
5 55 3.6 2.5<br />
6 32 5 3.7<br />
7 8 0.9 0.6<br />
8 21 1.9 5.5<br />
9 12 1.8 2.4<br />
10 64 19.9 19.1<br />
11 8 1 2.2<br />
Unit<br />
name<br />
Score<br />
Quadro 18: Variáveis do mo<strong>de</strong>lo II<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
1 90.13 -9.9 -9.9 0<br />
2 74.7 -25.3 -25.3 0<br />
3 28.79 -71.2 -71.2 0<br />
4 72.4 -27.6 -27.6 0<br />
5 23.99 -82.6 -76 0<br />
6 41.45 -58.5 -58.5 0<br />
7 27.75 -72.2 -72.2 0<br />
8 100 0 0 0<br />
9 71.9 -28.1 -28.1 0<br />
10 100 0 0 0<br />
11 100 0 0 0<br />
Quadro 19: Resultados do mo<strong>de</strong>lo II CCR orientado a inputs<br />
37
Unit<br />
name<br />
Unit<br />
name<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
1 90.13 0 0 11<br />
2 74.7 0 0 33.9<br />
3 28.79 0 0 247.4<br />
4 72.4 0 0 38.1<br />
5 23.99 -27.7 0 316.8<br />
6 41.45 0 0 141.2<br />
7 27.75 0 0 260.3<br />
8 100 0 0 0<br />
9 71.9 0 0 39.1<br />
10 100 0 0 0<br />
11 100 0 0 0<br />
Quadro 20: Resultados do mo<strong>de</strong>lo II CCR orientado a outputs<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
1 100 0 0 0 0<br />
2 100 0 0 0 0<br />
3 29.61 -70.7 -70.4 0 1<br />
4 86.57 -13.4 -13.4 0 1<br />
5 30.05 -83.3 -69.9 0 2<br />
6 41.88 -58.1 -58.1 0 1<br />
7 100 0 0 0 0<br />
8 100 0 0 0 0<br />
9 72.19 -27.8 -32 0 2<br />
10 100 0 0 0 0<br />
11 100 0 0 0 0<br />
Unit<br />
name<br />
Quadro 21: Resultados do mo<strong>de</strong>lo II BCC orientado a inputs<br />
Score<br />
META<br />
DISTRIBUIÇÃO<br />
NUMÉRICA<br />
META %<br />
GÔNDOLA<br />
META<br />
SHARE<br />
VOLUME<br />
RTS<br />
RTS<br />
1 100 0 0 0 0<br />
2 100 0 0 0 0<br />
3 56.63 -41.4 0 76.6 2<br />
4 90.2 0 0 10.9 2<br />
5 35.9 -48.4 0 178.6 2<br />
6 46.03 0 0 117.2 2<br />
7 100 0 0 0 0<br />
8 100 0 0 0 0<br />
9 72.53 0 0 37.9 2<br />
10 100 0 0 0 0<br />
11 100 0 0 0 0<br />
Quadro 22: Resultados do mo<strong>de</strong>lo II BCC orientado a outputs<br />
38
Após a implementação dos mo<strong>de</strong>los I e II, é possível resumir em um quadro os<br />
resultados obtidos:<br />
Mo<strong>de</strong>lo I Mo<strong>de</strong>lo II<br />
DMUs CCR inputs CCR outputs BCC inputs BCC outputs CCR inputs CCR outputs BCC inputs BCC outputs<br />
1 93.67 93.67 94.42 95.64 90.13 90.13 100 100<br />
2 100 100 100 100 74.7 74.7 100 100<br />
3 55.96 55.96 61.37 64.56 28.79 28.79 29.61 56.63<br />
4 63.77 63.77 65.33 67.59 72.4 72.4 86.57 90.2<br />
5 64.71 64.71 85.01 68.67 23.99 23.99 30.05 35.9<br />
6 74.81 74.81 83.07 86.17 41.45 41.45 41.88 46.03<br />
7 100 100 100 100 27.75 27.75 100 100<br />
8 57.91 57.91 74.17 61.5 100 100 100 100<br />
9 86.67 86.67 100 100 71.9 71.9 72.19 72.53<br />
10 61.77 61.77 69.49 71.97 100 100 100 100<br />
11 65.57 65.57 65.79 74.76 100 100 100 100<br />
Quadro 23: Quadro resumo dos resultados – mo<strong>de</strong>los I e II<br />
É interessante notar que o mo<strong>de</strong>lo I se comportou <strong>de</strong> maneira mais seletiva que<br />
o mo<strong>de</strong>lo II (menor quantida<strong>de</strong> <strong>de</strong> DMUs na fronteira <strong>de</strong> eficiência), o que po<strong>de</strong> ser<br />
explicado pelo fato <strong>de</strong> que no primeiro cenário a análise das variáveis se <strong>de</strong>u segundo o<br />
método multicritério, o que melhorou a qualida<strong>de</strong> final do mo<strong>de</strong>lo, enquando que na<br />
segunda situação estudada a análise <strong>de</strong> correlação restringiu as possibilida<strong>de</strong>s <strong>de</strong><br />
seleção <strong>de</strong> variáveis.<br />
Tanto no mo<strong>de</strong>lo I quanto no II observou-se semelhança nos resultados quando<br />
da variação da orientação <strong>de</strong> inputs para outputs. Isso permite às empresas analisadas<br />
escolher dois caminhos para atingirem a eficiência: maximizando as variáveis <strong>de</strong> saída<br />
ou minimizando as entradas.<br />
A DMU 2 po<strong>de</strong> ser consi<strong>de</strong>radas a mais eficiente na junção entre os<br />
supermercados e as drogarias. A empresa 7 também obteve um resultado geral<br />
expressivo, mas no mo<strong>de</strong>lo II CCR apresentou o segundo pior índice <strong>de</strong> eficiência<br />
relativa <strong>de</strong>ntre todas as empresas analisadas.<br />
As empresas 3 e 5 tiveram os piores <strong>de</strong>sempenhos globais. Para efeito <strong>de</strong><br />
ilustração das possibilida<strong>de</strong>s <strong>de</strong> ferramentas <strong>de</strong> análise fornecidas pelo Frontier<br />
39
Analyst, uma <strong>de</strong>las será utilizada como exemplo para receber metas <strong>de</strong> benchmarking<br />
na situação em que apresentar os níveis <strong>de</strong> eficiência mais baixos.<br />
4.3. Metas para a DMU 3 no mo<strong>de</strong>lo II CCR<br />
As DMUs <strong>de</strong> referência para a empresa 3, apontadas pelo software, são a 8 e a<br />
11. No mo<strong>de</strong>lo orientado para minimização <strong>de</strong> inputs a meta é reduzir em 70% a<br />
Distribuição Numérica e a Participação em Gôndola (Figura 7).<br />
Figura 7: Metas para a empresa 3 segundo o mo<strong>de</strong>lo CCR orientado a inputs<br />
Já para o caso da orientação a maximização <strong>de</strong> outputs, a meta passa a ser<br />
elevar a Participação em Volume em 247% (Figura 8).<br />
40
Figura 8: Metas para a empresa 3 segundo mo<strong>de</strong>lo CCR orientado a outputs<br />
41
5. Conclusões e Sugestões para Trabalhos Futuros<br />
A análise <strong>de</strong> eficiência relativa por meio da técnica DEA se apresenta como<br />
alternativa robusta para a elaboração <strong>de</strong> diagnósticos e tomada <strong>de</strong> <strong>de</strong>cisão. São muitas<br />
as aplicações encontradas na literatura, em diferentes áreas que vão <strong>de</strong> modalida<strong>de</strong>s<br />
esportivas ao mercado financeiro, passando por setores públicos e privados.<br />
Espera-se que com a abordagem apresentada nesse trabalho outras pesquisas<br />
sejam feitas abordando a análise <strong>de</strong> empresas sob a ótica <strong>de</strong> vendas ou tra<strong>de</strong>marketing.<br />
A própria indústria <strong>de</strong> bens <strong>de</strong> consumo se constitui em uma oportunida<strong>de</strong> a ser melhor<br />
explorada por pesquisadores e estudantes, uma vez que são poucas as pesquisas que a<br />
analisam.<br />
42
6. Bibliografia<br />
ALMEIDA, M.R. (2007). Infra-estrutura produtiva: uma sistematização dos<br />
métodos, técnicas e mo<strong>de</strong>los para analisar eficiência. Dissertação <strong>de</strong> Mestrado pela<br />
EESC, São Carlos.<br />
ALMEIDA, M.R.; MARIANO, E.B.; REBELATTO, D.A.N. (2006). Ferramenta para<br />
Calcular a Eficiência: Um procedimento para Engenheiros <strong>de</strong> Produção. . In:<br />
XXXIV CONGRESSO BRASILEIRO DE ENSINO EM ENGENHARIA<br />
(COBENGE’2006), Passo Fundo.<br />
ASSOCIAÇÃO BRASILEIRA DA INDÚSTRIA DE HIGIENE, PERFUMARIA E<br />
COSMÉTICOS (ABIHPEC). Setor <strong>de</strong> higiene infantil cresce 14% ao ano. 14 <strong>de</strong><br />
março <strong>de</strong> 2007. São Paulo. Disponível em:<br />
http://www.abint.org.br/notícias.php?nid=1177.<br />
ANGULO MEZA, L. (1998). Data envelopment analysis na <strong>de</strong>terminação da<br />
eficiência dos programas <strong>de</strong> pós-graduação da COPPE/UFRJ. Tese (Mestrado em<br />
Engenharia <strong>de</strong> Produção) – COPPE, Universida<strong>de</strong> Fe<strong>de</strong>ral do Rio <strong>de</strong> Janeiro, Rio <strong>de</strong><br />
Janeiro.<br />
AVELAR, J.V.G. (2004). Mo<strong>de</strong>los DEA com soma constante. Tese <strong>de</strong> Mestrado do<br />
Instituto Tecnológico <strong>de</strong> Aeronáutica (ITA), São José dos Campos.<br />
BANKER, R.D.; CHARNES, A.; COOPER, W.W. (1984). Some mo<strong>de</strong>ls for<br />
estimating technical scale inefficiencies in data envelopment analysis. Management<br />
Science, v.30, n.9, p. 1078-1092.<br />
CASA NOVA, S.P.C. (2002). Utilização <strong>de</strong> análise por envoltória <strong>de</strong> dados (DEA)<br />
na análise <strong>de</strong> <strong>de</strong>monstrações contábeis. Tese <strong>de</strong> doutorado da Universida<strong>de</strong> <strong>de</strong> São<br />
Paulo, São Paulo.<br />
CHARNES, A.; COOPER, W.; RHODES, E. (1978). Measuring efficiency of <strong>de</strong>cision<br />
making units. European Journal of Operational Research, v.1, p.429-444.<br />
COOPER, W.; SIEFORD, L.; TONE, K. (2000). Date Envelopment Analysis. A<br />
Comprehensive Text with Mo<strong>de</strong>ls, Applications, Reference and DEA-Solver<br />
software. Kluwer Aca<strong>de</strong>mic Publishers, Norwell.<br />
43
DYSON, R.G.; ALLEN, R.; CAMANHO, A.S.; PODINOVSKI, V.V. (2001). Pitfalls<br />
and protocols in DEA, European Journal of Operational Research, vol. 132, p.245-<br />
259.<br />
FARREL, M.J. (1957). The measurement os productive efficiency. Journal of the<br />
Royal Statistical Society, v.120, series A, p.253-290.<br />
GAZETA MERCANTIL. Consumo <strong>de</strong> fralda <strong>de</strong>scartável sobe 10%. 5 <strong>de</strong> Janeiro <strong>de</strong><br />
2007. São Paulo. Disponível em: http://www.abint.org.br/noticias.php?nid=883.<br />
MELLO, J.C.C.B.S.; MEZA, L.A.; GOMES, E.G.; BIONDINI NETO, L. (2005).<br />
Curso <strong>de</strong> análise <strong>de</strong> envoltória <strong>de</strong> dados. In: XXXVII Simpósio Brasileiro <strong>de</strong><br />
Pesquisa Operacional, Gramado.<br />
KASSAI, S (2002). Utilização da Análise por Envoltória <strong>de</strong> Dados (DEA) na<br />
Análise <strong>de</strong> Demonstrações Contábeis. Tese <strong>de</strong> Doutorado pela FEA-USP, São Paulo.<br />
LINDAU, L.A.; COSTA, M.B.B.; SOUZA, F.B.B. (2001): Em busca do benchmark<br />
da produtivida<strong>de</strong> <strong>de</strong> operadores urbanos <strong>de</strong> ônibus. In: Transportes: experiências<br />
em re<strong>de</strong>. p. 199-221.<br />
MARIANO, E.B.; ALMEIDA, M.A.; REBELATTO, D.A.N. (2006). Princípios<br />
Básicos para uma Proposta <strong>de</strong> Ensino Sobre Análise Por Envoltória <strong>de</strong> Dados. In:<br />
XXXIV CONGRESSO BRASILEIRO DE ENSINO EM ENGENHARIA<br />
(COBENGE’2006), Passo Fundo.<br />
SEVERINO, A.J. (2002). Metodologia do Trabalho Cientifico. São Paulo: Cortez.<br />
TENDÊNCIAS – Janeiro/Agosto 2007. Retail In<strong>de</strong>x Nielsen. Período consi<strong>de</strong>rado:<br />
Dezembro/Janeiro <strong>de</strong> 2007 a Julho/Agosto <strong>de</strong> 2007 Versus Dezembro/Janeiro <strong>de</strong> 2006 a<br />
Julho/Agosto <strong>de</strong> 2006.<br />
VALENÇA, A.C.V. (2002). Fraldas Descartáveis – Painel Setorial. BNDES, Área <strong>de</strong><br />
Operações Industriais.<br />
44