PUBLICO SAO LUIS 0.6710 80 105 0.0154 28 0.6190 84 105 0.0326

CORPORATE S.J.CAMPOS 0.6046 52 89 0.0141 29 0.6018 51 89 0.0256 17

GOVERNO CURITIBA 0.5522 63 115 0.0139 30 0.5477 0 115 0.0196 21

Aquela unidade que apresentar grande quantidade em “N Hits” relativamente ao “Total Hits” e, ao mesmo tempo (como é de se esperar), maiores valores na medida de impacto ou leverage representam um potencial outliers.

Identificam-se, nos resultados da Tabela 3.4, que das 30 agências consideradas na linha de maior Rank do CRS (com 5 outputs), 19 delas correspondem ao conjunto de agências atendidas, segundo a estratégia do Banco, pelo segmento de pessoa jurídica (a característica é que iniciam com o nome Empresarial ou Corporate) ou governo (chamada

também de pública, Setor Público ou Governo). Destaca-se que estes dois segmentos, normalmente, trabalham com pequena quantidade de funcionários altamente especializados no atendimento personalizado dos clientes, administrando e atendendo enormes empréstimos e contas de captação como contas corrente e fundos de investimento. Estranheza poderia ser causada para as agências consideradas de varejo (ou do segmento Pessoa Física) e que trabalham quase que exclusivamente com clientes pessoa física, micro e pequenas empresas e prefeituras de pequenas cidades, e estão entre as de maior impacto. Nesta situação, segundo a Tabela 3.4, temos Vera Cruz (RS), Santa Cruz do Sul (RS), Sinimbu (RS), Venâncio Aires (RS), Vicente Machado – Ponta Grossa (PR), Mares – Salvador (BA), Shopping Litoral Norte – Lauro Freitas (BA), Caapora (PB), Eusébio (CE), Itaim Bibi (SP) e Pontal (SP) que são classificadas no segmento de varejo e, como foi dito acima, atendem, na sua grande maioria, micro, pequenas empresas e clientes pessoa física.

Aquelas que se destacam no modelo de eficiência por trabalharem com grande quantidade de clientes e grandes aplicações proporcionalmente ao seu tamanho foram: Vera Cruz (RS), Santa Cruz do Sul (RS), Sinimbu (RS), Venâncio Aires (RS) e Vicente Machado (PR) porém, em contra partida, utilizaram recursos de input limitados. As cidades do interior do Rio Grande do Sul obedecem esta característica por concentrarem, tradicionalmente, seus negócios com este Banco. A agência de Itaim Bibi (SP) chama atenção pela grande quantidade e volume de operações de captação. As agências Eusébio (CE), Pontal (SP), Sinimbu (RS), Vicente Machado (PR) e Caapora (PB) estão, no modelo CRS, entre as 30 primeiras de maior impacto devido a influência da variável de output que mede o número de contas de clientes de cada unidade. Neste caso, embora com pouca eficiência, algumas agências passam a dominar, na fronteira de produção, um número considerável de outras agências o que as posiciona num elevado Rank pelos valores do leverage. Calculando a matriz de dominância, pelo modelo FDH, tem-se para algumas destas agências (quatro de maior poder dominante) os resultados apresentados na Tabela 3.5 abaixo:

Tabela 3.5 – Dominância por FDH Agências dominantes # de Agências dominadas Vera Cruz (RS) 360 Sinimbu (RS) 206 Pontal (SP) 196 Eusébio (CE) 62

Como exemplo, algumas agências dominadas pela agência Vera Cruz (RS) são: Codó, Crateús, Quixadá (CE), Pedreiras, Bragança (SP), Goiana (GO) e Januária (MG). Estas agências são muito semelhantes à Vera Cruz, exceto por alguma variável de input ou output com valores maiores ou menores respectivamente, o que as faz estarem próximas as suas dominadas num particular limite imaginário da fronteira de produção. Este comportamento é replicado para as demais agências dominantes e suas dominadas, considerando que uma unidade dominante pode perfeitamente assumir, em determinado contexto de relacionamento, simultaneamente e com outra unidade, o papel de dominada.

As outras agências destacam-se com impacto ou leverage nas demais DMU’s pelo fato de utilizarem poucos recursos (inputs) transformando-os em valores de output (principalmente nas aplicações, empréstimos e ganhos com tarifas) acima da média, mas não apresentaram características de dominância na fronteira de produção.

Outra análise pode ser feita considerando apenas quatro variáveis de output (representadas nas últimas cinco colunas da Tabela 3.4), isto é, retirando a variável “média da quantidade de contas de clientes” (CRS com 4 outputs). Esta tentativa se justifica pela hipótese, defendida por alguns especialistas, de que o número de contas não necessariamente provoca ou contribui com o conceito de eficiência, uma vez que a quantidade normalmente provoca pouca qualidade na seleção do cliente. Se considerarmos as agências do segmento de varejo, onde a base de seus clientes é de micro e pequenas empresas, bem como clientes pessoa física, esta hipótese torna-se discutível. De qualquer forma, este novo resultado para as 30 agências de maior impacto na eficiência, inclui apenas a agência de Itaim Bibi (SP) na categoria de agência de varejo. O resultado não é surpresa, visto que ela está localizada em local privilegiado na cidade de São Paulo e atende

clientes especiais que elevam o índice de captação21. As demais são agências do segmento governo e pessoa jurídica. Comparando as duas colunas de Rank (CRS – 5 outputs e CRS – 4 outputs) observa-se que nenhuma agência do segmento pessoa física, exceto Itaim Bibi – SP, está posicionada entre as 30 primeiras. Estes resultados atestam a importância da variável “média da quantidade de contas de clientes” para definir a estratégia das agências do segmento de varejo e que trata basicamente de clientes pessoa física.

Destaque pode se dar à mudança de Rank na Tabela 3.4. Confirma-se o fato de que existem alterações significativas de posicionamento da importância para medida de impacto quando da redução de um output. Alguns exemplos podem ser notados: 1) a agência do segmento Governo Setor Público de Brasília, 1ª. no ranking de eficiência com θ = 1 e l = 0,1666 (leverage), muda seu posicionamento para 35ª. com θ = 0,2862 e l = 0,0125; 2) outro caso interessante trata-se da agência do segmento Pessoa Física Vicente Machado (PR) na 13ª. posição com θ = 0,6110 e l = 0,0275, quando retirado o output modifica-se a posição para 1392ª. com θ =0,0827 e l = 0. Portanto, existe uma mudança visualmente significativa no posicionamento após a retirada de um output. Mudanças semelhantes ocorrem, principalmente, com agências do segmento Pessoa Física o que reforça o fato de que a variável retirada (média da quantidade de contas de clientes) tem impacto com contribuição positiva para agências de menor expressão e de pouco investimento em insumos.

As hipóteses de impacto na eficiência pela variável “média da quantidade de contas de clientes” foram analisadas, com maior profundidade, em comparações dos segmentos do Banco, bem como quando da utilização da Regressão Quantílica para explicar as medidas de eficiência.

Sob as mesmas condições foram observados os resultados da aplicação do modelo DEA- BCC ( ou VRS – Retorno Variável de Escala). Eles estão representados na Tabela 3.6 e, posteriormente, serão consolidados e comparados com o modelo CCR (Retorno Constante de Escala).

21 _{A agência é responsável por depósitos judiciais, ou seja, alvarás judiciais não executados e que,}

Tabela 3.6

Eficiência e Leverage para 30 agências selecionadas : VRS - 5 outputs e VRS - 4 outputs

VRS – 5 outputs VRS - 4 outputs

Agência

Eficiência N Hits

Total

Hits Lev Rank Eficiência N Hits

Total

Hits Lev Rank