Concorrência, Benchmarking e Avaliação de Desempenho

melhoria contínua, aquele que fornece aos decisores a informação acerca do desempenho da unidade em análise. No passado, a avaliação era sobretudo endógena, ou seja, realizada pela própria empresa. As novas tendências, entretanto, apontam para a comparação de resultados entre os concorrentes (Deros, 2006). Por benchmarking pode entender-se o processo contínuo e sistemático que permite a comparação das performances das organizações e respectivas funções ou processos, face ao que é considerado "o melhor nível", visando não apenas a equiparação dos níveis de performance, mas também a sua ultrapassagem"16.

De acordo com Deros (2006), o conceito de benchmarking engloba não só a análise interna, como a comparação externa, em que indicadores de performance são estabelecidos e valorizados. Após o seu tratamento fornecem valiosa informação. Esta comparação relativa, cria a necessidade de alterar processos internos sendo que, inclusivamente, alguns gestores adaptam processos dos “concorrentes” aos seus próprios negócios, com objectivo de reduzir os custos dos seus produtos, e por consequência aumentar a sua competitividade nos mercados onde actuam, muitas vezes de acordo com a estratégia co-opetition, já referida e abordada por vários autores, nomeadamente, Rijamampianina e Carmichael (2005); Lechner

DG III – Direcção Geral da Indústria da Comissão Europeia, 1996 (http://www.iapmei.pt/iapmei- bmkartigo-01.php?temaid=2) consultado em 25/08/2013.

et al. (2006), (Zhou e Li, 2009) e Gnyawali e Park (2011). Para além do registo de uma

poupança directa, por via da implementação do benchmarking, existem ainda as melhorias na imagem da empresa cujo valor acrescentado é difícil de quantificar, com baixo nível de erro, sem que isso afecte a imagem de liderança dos produtos nas preferências dos investidores, consumidores, e clientes. Utilizam-se frequentemente, métodos quantitativos na resolução de problemas desta natureza (Zhu, 2003). O método DEA é actualmente utilizado na resolução de problemas de avaliação de desempenho através do benchmarking (Trappey e Chiang, 2008), sendo necessária uma exaustiva e rigorosa recolha de dados. Este método, ou ferramenta proposta por Charnes et al. (1978), foi desenvolvido a partir de uma aplicação da programação linear, que transforma múltiplos inputs e outputs num índice de eficiência relativa global entre as “Decision Making Units”17 (DMU’s) que foram comparadas. Os modelos mais utilizados são: modelo CCR (Charnes et al., 1978)18 que considera retornos de escala constantes e o modelo BCC (Banker et al., 1984)19 _{que considera retornos variáveis de escala,}

isto é, não relacionando directamente o aumento de saídas com o nível de entradas. A aplicação dos modelos DEA pode ser orientada por input ou por output, ou até por ambos.

Sobre o que é o DEA20, Surgo (2004) afirma que é uma técnica de programação linear que identifica as melhores práticas de uma amostra de produtos (ou outra unidade de análise) e mede a eficiência técnica, a produtividade (em certos casos o desempenho) baseada na diferença entre os inputs/outputs (produtos de um projecto ou produtor observado), conforme a tabela 2-3. Mede ainda o nível dos inputs/outputs daquele outro produto ou produtor que apresenta a melhor prática mantendo constante o nível dos produtos (tabela 2- 3).

Tabela 2-3 - Matriz de dados inputs e outputs das respectivas DMUs.

Entrada 1 Entrada n Saída 1 Saída n

DMU 1 DMU n

Para a construção do método, existem disponíveis na internet diversas versões de software (algumas com downloads gratuitos21), concorrentes ou não, e que podem ser adequadas aos diversos tipos de problema em presença.

17_{DMU – As organizações ou unidades de produção ou produtores a serem analisados numa avaliação de}

desempenho, eficiência ou produtividade. Também conhecida por Unidade de Tomada de Decisão (Surgo, 2004).

18 _{Desenvolvido em 1978 por Charnes, Cooper e Rhodes (CCR), permite uma avaliação objectiva da} eficiência global e identifica as fontes e estimativas de montantes das ineficiências identificadas.

19 _{Criado em 1984 por Banker, Chanes e Cooper (BCC), distingue entre ineficiências técnicas e de escala,}

estimando a eficiência técnica pura, a uma dada escala de operações, e identificando se estão presentes ganhos de escala crescentes, decrescentes e constantes, para futura exploração.

20

DEA ou AED que se pode traduzir por “Análise Envoltória de Dados”.

21_{Pode referir-se o Banxia Frontier Analyst (BFA), que resulta numa matriz apresentada na tabela 2-3,} em que o número de linhas tem de ser pelo menos o dobro das colunas (inputs e outputs).

Trata-se, portanto, de um excelente método para efectuar benchmarking empresarial (Diasb

et al., 2012), em qualquer situação, e também no DNP. Na verdade, independentemente da

utilização de programas cujos softwares são consagrados, cada investigador pode desenvolver matematicamente, com base na teoria, uma aplicação DEA exclusiva face à importância e rigor que cada problema específico possa exigir. Com o auxílio de programação matemática não paramétrica, o DEA permite gerar uma envoltória do conjunto dos planos de produção observados, em que, todos os que lhe pertencem e que correspondem à respectiva fronteira são eficientes, e os seus níveis de produção são optimizados (benchmarks). 22

Como se referiu, a aplicação dos modelos DEA pode ser orientada por inputs ou por outputs, ou por ambos. A orientação por input, minimiza as entradas o necessário para que se obtenha um nível de saídas desejado. Já a orientação por output visa maximizar as saídas para um nível de entradas fixo. A orientação para ambos busca a máxima eficiência, minimizando as entradas e maximizando as saídas. O modelo, do ponto de vista da matemática, permite a introdução de pesos relativos (trade-offs) entre as características que correspondem aos

inputs e outputs, tendo para isso de se recorrer a métodos mais ou menos objectivos, ou

então, proceder conforme o que foi tratado aquando das especificações do produto. A ausência de valores únicos, para os pesos das DMUs de eficiência 1, tem consequências de natureza diferente. Do ponto de vista teórico, impede o cálculo das chamadas derivadas direccionais em toda as fronteiras, ou seja a visualização dos cenários interessantes de antecipar e, do ponto de vista prático, essa ausência constitui um obstáculo à utilização do DEA como ferramenta auxiliar em problemas multicritério (Diasb et al., 2012).

Em certas situações, num problema multicritério, é desejável atribuir os pesos aos critérios sem julgamentos de valor por parte do decisor, e.g. quando vários decisores não chegam a acordo. O modelo DEA seria uma excelente solução, para o caso referente às especificações do produto, não fosse o facto de não ser possível conhecer ou atribuir pesos às DMUs. Nestas condições, torna-se evidente que, se o número de DMUs de eficiência 1 for pequeno em relação ao total da quantidade total de DMUs, será possível ignorar os pesos atribuídos às de eficiência máxima, trabalhando-se apenas com os pesos atribuídos às restantes DMUs (Mello

et al., 2004).

O método DEA apresenta alguns inconvenientes, como evidenciam Doyle e Green (1994). De modo a ultrapassá-los, Sharma e Yu (2008) propõe que se utilize um método de mineração de dados, apresentado por Kohonen (1982) conhecido como “Kohonen’s Self-Organizing Map” (KSOM). Esta nova abordagem agrupa unidades (DMU) com valores de entrada similares e a aplicação do método DEA é feita aos DMUs do mesmo agrupamento, de modo que os resultados se possam comparar como mostra a ilustração 2-10.

Ilustração 2-10 - Estratificação por níveis após aplicação do KSOM.

Fonte: Adaptação de Sharma e Yu (2008)

Veja-se uma hipótese de utilização forte, no caso da especificação dos produtos: poder-se-ia tomar como exemplo um conjunto de unidades de análise, que seriam produtos próprios ou da concorrência. Ou seja: produto N1; produto N2; produto N3; produto Nn. Inputs tais como:

facilidade de produção; durabilidade; preço de venda; entre outros. E outputs tais como: facturação total; facturação nas exportações; entre outros. O método permite a utilização de pesos para cada input e output. Técnicas tradicionais como: o brainstorming ou o painel de especialistas ou Painel Delphi, poderão constituir-se como respostas adequadas para este aperfeiçoamento realista da avaliação de desempenho das DMUs, com a utilização do DEA. No que concerne aos resultados após a primeira avaliação de eficiência pelo método DEA, e antes de se aplicar o algoritmo de KSOM, pode verificar-se que 4 DMUs na ilustração 2-10, apresentam índice 1 (100%), por outras palavras, são eficientes. Os restantes são ineficientes, e devem ser agrupados e avaliados, a fim de se poderem extrair mais conclusões. Muitas vezes, a melhor maneira de proceder a esta seriação, corresponde à apresentação dos resultados da análise orientada para a saída, com retorno variável, sob a forma de gráfico. Ou seja: mostram-se e.g. as DMUs, neste exemplo - produtos, em ordenadas e no eixo das abcissas os valores de 0 a 1, obtendo-se assim uma estratificação de cada uma deles, de acordo com um valor decrescente do seu desempenho.

Em consequência, o conjunto original de dados é segmentado em l níveis de eficiência relativa, de acordo com a forma referida por Sharma e Yu (2008). Acerca do tratamento matemático e descrição em pormenor do método sugere.se o trabalho de Filho e Milioni (2004). Resta referir que, o método KSOM (Kohonen, 1982) é aplicado ao conjunto original de dados, e que irá enformar os atrás referidos clusters23_{, baseado nas características dos dados}

introduzidos como inputs. A análise recursiva das DMUs baseou-se nos seus próprios resultados. A análise das características dos clusters baseou-se nas características dos inputs similares. Aquando da aplicação específica ao DNP, o método DEA, tem uma grande utilidade na análise de trade-offs, entre alguns dos seus domínios, nomeadamente no que concerne à avaliação dos diversos riscos envolvidos (Chiang e Che, 2010). Também se constatou que, as

Conceito atribuído a Porter (1990; p.594) e enquadrado no âmbito das empresas e da indústria. No caso vertente, trata-se de concentrações de produtos de uma mesma coluna de avaliação de eficiência e desempenho, numa estratégia de benchmarking.

Inputs O ut p ut s Nível 1 Nível 2 Nível 3 Nível 4 Nx Ny Nz Nn Nz1 Nz2 Nz3

necessidades de benchmarking encontram no método DEA uma ferramenta muito útil (Trappey e Chiang, 2008).