Eficiência Econômico-Financeira Das Empresas
Pertencentes Ao Agronegócio Brasileiro Utilizando Análise Envoltória De Dados
Resumo: Primordiais para a economia global e a própria sobrevivência da humanidade, as
empresas do setor do agronegócio fornecem os insumos mais básicos para as nossas necessidades, que são os mais diversos alimentos produzidos nas inúmeras fazendas brasileiras. Diante deste contexto, saber a eficiência das melhores empresas deste setor pode encadear benefícios econômicos tanto para os países quanto para as próprias companhias. Esta pesquisa tem por objetivo analisar a eficiência econômica financeira das empresas agropecuárias pertencentes ao agronegócio, listadas no setor de consumo não cíclico da BM&FBovespa, nos anos de 2012 a 2016. Para atingir este objetivo, utilizou-se o método não paramétrico denominado a Análise Envoltória de Dados (DEA) com orientação a inputs. Os resultados demonstram que 10 foi o maior número de indicações de empresas do agronegócio para integrar o ranking benchmark, e que nos anos de 2012 e 2013 nenhuma dessas empresas obteve indicação. Em 2016, último ano analisado, das 47 empresas listadas no setor de consumo, 21 eram pertencentes ao agronegócio e 3 obtiveram 100% de eficiência.
Palavras-chave: Eficiência, Agronegócio, Análise Envoltória de Dados. 1 INTRODUÇÃO
A agricultura brasileira é um amplo e complexo sistema, que não apenas inclui as atividades dentro da propriedade rural. Ela inclui, principalmente, as atividades de distribuição de suprimentos e insumos, de armazenamento, de processamento e distribuição dos produtos agrícolas.
O agronegócio ocupa um lugar de destaque na economia mundial, principalmente nos países subdesenvolvidos ou em desenvolvimento, pois garante o sustento alimentar das pessoas e sua manutenção, além de contribuir para o crescimento da exportação e do país que o executa.
O agronegócio é o maior negócio da economia brasileira e também da economia mundial. O Brasil é o país com maior potencial em todo o mundo para aumentar as exportações de produtos do agronegócio, em especial os ligados aos alimentos (in natura e processados) e energéticos, como o álcool e biodisel.
Com os avanços tecnológicos e socioeconômicos a população passa a consumir cada vez mais produtos industrializados, o que aumenta consequentemente o índice de empresas que realizam investimentos no Agronegócio. Com o objetivo de fornecerem melhores e mais adequadas informações sobre essas empresas, para então proporcionar melhores investimentos de recursos nessa área, surge a seguinte de questão de pesquisa: qual é a eficiência econômico-financeira das empresas pertencentes ao agronegócio, listadas no setor não cíclico da BM&FBovespa, nos anos de 2012 a 2016?
Para responder a essa questão de pesquisa, analisou-se o desempenho econômico-financeiro de uma amostra de 47 empresas utilizando o método não paramétrico da Análise Envoltória de Dados. Este método permite calcular a eficiência entre várias unidades de produção com base nos seus inputs e outputs.
2 FUNDAMENTAÇÃO TEÓRICA 2.1 Setor Agrícola
No Brasil, o termo agronegócio é utilizado para justificar a criação das chamadas cadeias produtivas, com o objetivo de agregar atividades agroquímicas, industriais e comerciais aos cálculos econômicos da agricultura. As características de monopólio da terra e de uma política agrícola voltada preferencialmente para o mercado externo obviamente não são novas.
Desde o período colonial até a atualidade, a política agrícola brasileira prioriza incentivos para a exportação de commodities agrícolas e minerais. O conceito de agronegócio no Brasil está baseado em uma perspectiva que adota a ideia de desenvolvimento como sinônimo de progresso tecnológico, que ocorreria em etapas Tal visão está presente, por exemplo, na definição do que seriam as chamadas cadeias produtivas.
Uma das características desse sistema seria abranger, ao mesmo tempo, a concentração do poder e a descentralização das tarefas produtivas e dos serviços. Essa descentralização é caracterizada através da implantação das chamadas "parcerias produtivas", nas quais os diferentes atores se organizam de forma hierárquica, que se traduzem em relações de dominação/subordinação.
Para Favero, essa subordinação seria positiva, já que ocorreria em consequência da necessidade de garantir qualidade dos produtos e de massificar a produção, no sentido de “aumentar a capacidade de competição de determinados atores em um mercado cada vez mais exigente e globalizado". De acordo com tal perspectiva, esse tipo de subordinação teria o papel de garantir "regularidade" nos mercados mundiais e, por essa razão, este modelo teria "um disciplinamento rigoroso das relações entre as indústrias e os agricultores" (FAVERO, 1996, p. 281-282).
A substituição de uma base essencialmente orgânica por técnicas dependentes de insumos industriais ocorre no Brasil a partir da transformação dos complexos rurais, voltados para o mercado externo e caracterizados principalmente pelos ciclos da cana e do café, que passaram a ser caracterizados como complexos agroindustriais. Os produtos industriais na agricultura representavam 10% do custo de produção em 1949, passaram a 25% no final da década de 1960 e chegaram a 40% em 1980 (KA GEYAMA et al., 1987, p. 120-128).
Apesar da predominância do modelo agroexportador, até os anos 1970 se percebe que o Estado brasileiro exercia um papel significativo sobre estoques de alimentos, estabelecendo cotas para exportação, além de políticas comerciais de controle de importações agrícolas. Durante aquele período, a política de apoio estatal para a produção de alimentos buscava atender, em certa medida, o mercado interno como forma de subsidiar a reprodução da força de trabalho para a indústria, com o propósito de manter salários em um patamar mais baixo.
O contexto atual de crise econômica e ambiental em âmbito internacional tem gerado novos debates sobre a necessidade de mudanças nos sistemas agrícolas, que incluem o fortalecimento dos mercados locais e da agroecologia. No campo das relações internacionais, este debate traz o desafio de atualização de conceitos como soberania alimentar e vantagens comparativas nos mercados de commodities, além do clássico dilema entre políticas protecionistas e expansão do comércio mundial.
2.2 Análise Envoltória de Dados
Para Cooper, Seiford e Tone (2002) a análise envoltória de dados é utilizada para várias entidades que pretendem analisar seus potenciais nas atividades executadas e desempenhos de suas entradas e saídas.
Almeida, Mariano e Rebelatto (2006) explicam que a análise envoltória de dados estuda as variáveis medindo suas eficiências, até mesmo chegando ao modo benchmarking
(eficiência igual a 100%), nas atividades que se encontram, podendo colocar pesos para mostrar o verdadeiro valor da variável em comparação com as outras.
Joro e Korhonen (2015) explicam que existem dois modelos a serem seguidos quando se utiliza a análise envoltória de dados, o VRS (ou BCC) - Variable Returns to Scale - e CRS (ou CCR) - Constant Returns to Scale. Conforme Joro e Korhonen (2015) no modelo CRS tal quantidade de entrada, possui uma mesma quantidade de saída na sua escala, já que o modelo VRS não assume essa proporção nos seus inputs e outputs.
A análise envoltória de dados se programa, segundo Lins e Meza (2000), em dois passos: o primeiro é a seleção do modelo que será usado, a diminuição dos inputs (insumos), sem a mudança dos produtos, ou a maximização dos outputs (produtos), sem alterar os insumos. O autor leciona que o segundo passo é escolher os rendimentos, constantes (CRS) ou variáveis (VRS).
Há estudos anteriores que provam que o método análise envoltória de dados é usado para medir a eficiência de outros setores e com diferentes modelos.
A pesquisa de Vilela (2007) utilizou a análise envoltória de dados para analisar a eficiência das cooperativas de crédito rural. A amostra do autor foram as cooperativas de crédito rural de São Paulo, fornecido pela COCECRER /SP, com um número analisado de 24 cooperativas, no ano de 2001 e 2002. Os inputs utilizados para o estudo do autor foram: ativo total e despesas administrativas, já os outputs são as operações de créditos.
Vilela (2007) obteve em 2001, apenas seis empresas eficientes (100%). Já em 2002, teve sete empresas alcançando a eficiência em 100%, valendo ressaltar que dessas sete, apenas cinco se repetiram em comparação ao ano de 2001, chegando aos 100%.
Ferreira (2007) buscou investigar o desempenho das Cooperativas de Economia e Crédito Mútuo de Minas Gerais, fundamentando-se no conceito de eficiência. A mensuração da eficiência deu-se por meio da Análise Envoltória de Dados (DEA), a partir de indicadores contábeis e financeiros de 105 cooperativas de crédito que compuseram o escopo da pesquisa, no ano de 2003. Os fatores condicionantes da eficiência foram identificados por meio do modelo Tobit.
Os resultados demonstraram que as cooperativas de crédito estão operando com grande ineficiência técnica. Em termos de escala, embora tenham sido identificadas ineficiências, elas se situaram no geral em patamares sustentáveis, o que equivale a dizer que as cooperativas de crédito estão mais eficientes na definição da escala de operação do que na gestão dos seus recursos produtivos.
Silveira (2011) analisou o desempenho das companhias aéreas brasileiras no que tange à sua gestão operacional. A eficiência das empresas aéreas foi avaliada através da comparação dos resultados obtidos no modelo de Análise Envoltória de Dados clássico com os calculados pelo método da fronteira invertida.
Foram utilizados como inputs a capacidade da frota e o total de gasto com pessoal, e como outputs o número de passageiros, quilômetros utilizados e toneladas de carga.
Os resultados mostram quatro empresas eficientes no ano de 2007, (ABSA Aerolineas Brasileiras, Gol Transportes Aéreos, Mega Transportes Aéreos e TAM Linhas Aéreas). Como não foi possível saber a companhia mais eficiente somente pelo cálculo da eficiência clássica, o método da fronteira invertida foi aplicado, e em seguida calculou-se a eficiência composta.
A única DMU que se manteve eficiente (pela eficiência composta) foi a ABSA -Aerolineas Brasileiras. Destaca-se também o desempenho de duas companhias: Mega e TAF. A Mega, que foram eficientes no modelo DEA clássico e mantiveram-se nas primeiras posições após a aplicação da fronteira invertida.
Ferreira (2013) buscou verificar se existem diferenças entre a eficiência técnica e a produtividade de empresas dos segmentos que tinham Governança Corporativa com a eficiência técnica e a produtividade de empresas de outros segmentos da BM&FBovespa.
Foram analisadas as métricas tradicionais de mensuração do valor, Q de Tobin e Valor da Empresa.
Na primeira parte foi aplicada a técnica não paramétrica DEA, modelo com retornos variáveis de escala (VRS) com orientação a inputs, conjuntamente com o índice de produtividade de Malmquist. Foram determinados os escores de eficiência técnica e o índice de Malmquist e suas decomposições para as empresas que compuseram a amostra da pesquisa.
Os resultados mostraram que não houve diferença estatisticamente significante entre as eficiências médias das empresas dos segmentos de Governança Corporativa quando comparadas às empresas listadas em outros segmentos.
2.3 Indicadores Econômicos
Os indicadores Econômicos Financeiros são elementos que tradicionalmente representam o conceito de análise de balanço. São cálculos matemáticos efetuados a partir do balanço patrimonial e da demonstração de resultados, procurando números que ajudem no processo de clarificação do entendimento da situação da empresa, em seus aspectos patrimoniais, financeiros e de rentabilidade.
O objetivo básico dos indicadores econômicos financeiros é evidenciar a posição atual da empresa, ao mesmo tempo em que tentam inferir o que pode acontecer no futuro com a empresa caso aquela situação detectada pelos indicadores tenham seqüência.
Os indicadores financeiros, para Martins e Costa Neto (1998) mostram o que se deve fazer para alcançar um desempenho que a companhia nunca chegou a ter. Esses indicadores ajudam a ter um melhor controle das atividades das empresas.
Fischmann (1999) cita que nos últimos tempos as empresas usam indicadores financeiros como ferramentas para analisar seu desempenho diante de suas atividades. Marion (2002) complementa que indicadores é o produto da relação de duas grandezas e que esse resultado facilita na tomada de decisão dos analistas.
Schuch (2002) explica que essas ferramentas servem de direção de como está a empresa, direcionando-a e controlando-a de forma a proporcionar estratégicas para um melhor desempenho. Um exemplo seria o feedback para os gerentes, informando-lhes esses indicadores para que seja melhorado o resultado das tomadas de decisões e se essas estão no caminho para uma melhor performance nas suas atividades.
3 METODOLOGIA
O presente trabalho pretende seguir a mesma metodologia utilizada pelos autores Diel et al. (2014). Naquele trabalho os autores utilizaram o método DEA para mensurar o desempenho da amostra selecionada. A amostra utilizada foram todas as empresas constantes na lista do setor de consumo não cíclico da BM&FBovespa, cujas demonstrações financeiras estavam especificadas na base de dados do software Economática.
Foi utilizado o modelo CRS (Constant Return Scale) para relacionar proporcionalmente os indicadores financeiros de entradas e saídas, como inputs foram utilizados os indicadores da margem bruta, margem operacional, margem líquida e giro do ativo. Como outputs foram usados a rentabilidade do ativo e a rentabilidade do patrimônio líquido. O período analisado foi de 2007 a 2011. O presente trabalho pretende atualizar a amostra para os anos de 2012 a 2016. Na Tabela 1 são elencadas as empresas utilizadas para compor a amostra de estudo.
Tabela 1 – Empresas componentes da amostra
Número Empresa Subsetor Segmento
1 Advanced-Dh Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal
2 Agrenco Comércio e Distribuição Alimentos
3 Ambev S/A Bebidas Cervejas e Refrigerantes
4 Avon Products Inc Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal
5 Biosev Alimentos Processados Açucar e Alcool
6 Bombril Produtos de Uso Pessoal e de Limpeza Produtos de Limpeza
7 Brasilagro Agropecuária Agricultura
8 BRF SA Alimentos Processados Carnes e Derivados
9 BR Home Diversos Produtos Diversos
10 B2W Digital Diversos Produtos Diversos
11 Coca Cola Co Bebidas Cervejas e Refrigerantes
12 Colgate Palmolive Co Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal 13 Coty Inc Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal
14 Ctc S.A. Agropecuária Agricultura
15 Dufry AG Diversos Produtos Diversos
16 Excelsior Alimentos Processados Carnes e Derivados
17 Fomento Econ Mex Bebidas Cervejas e Refrigerantes
18 Fornodeminas Alimentos Processados Alimentos Diversos
19 Hershey Co Comércio e Distribuição Alimentos
20 Hypermarcas Diversos Produtos Diversos
21 JBS Alimentos Processados Carnes e Derivados
22 J. Macedo S/A Alimentos Processados Alimentos Diversos
23 Josapar Alimentos Processados Alimentos Diversos
24 Kimberly Clark Corp Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal 25 Kraft Foods Group, Inc Comércio e Distribuição Alimentos
26 Kraft Heinz Co Comércio e Distribuição Alimentos
27 Laep Alimentos Processados Laticínios
28 Lojas Americ Diversos Produtos Diversos
29 M.Diasbranco Alimentos Processados Alimentos Diversos
30 Marfrig Alimentos Processados Carnes e Derivados
31 Minerva Alimentos Processados Carnes e Derivados
32 Minupar Alimentos Processados Carnes e Derivados
33 Mondelez Intl, Inc Comércio e Distribuição Alimentos 34 Natura Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal
35 Oderich Alimentos Processados Alimentos Diversos
36 P.Acucar-Cbd Comércio e Distribuição Alimentos
37 Pepsico Inc Bebidas Cervejas e Refrigerantes
38 Pomifrutas Agropecuária Agricultura
39 Procter & Gamble Co Produtos de Uso Pessoal e de Limpeza Produtos de Uso Pessoal 40 Raizen Energia SA Alimentos Processados Açucar e Alcool
41 Sao Martinho Alimentos Processados Açucar e Alcool
42 Saraiva Livr Diversos Produtos Diversos
43 SLC Agricola Agropecuária Agricultura
44 Target Corp Comércio e Distribuição Alimentos
45 Terra Santa Agropecuária Agricultura
46 Wal Mart Stores Inc Comércio e Distribuição Alimentos
47 Ctc S.A. Agropecuária Agricultura
Fonte: elaboração própria.
Considerando os inputs e os outputs, é avaliada a eficiência das chamadas Decision Making Units (DMU), que são as unidades produtivas analisadas, comparando-as todas entre si para chegar ao resultado do desempenho de cada uma delas.
Os indicadores utilizados como inputs e outputs encontram-se relacionados na Tabela 2 e foram retirados do software Economática.
Tabela 2 – Variáveis utilizadas no modelo
Input/Output Indicador Financeiro
Input1 Margem Bruta
Input2 Margem Operacional
Input3 Margem Líquida
Input4 Giro do Ativo
Output1 Rentabilidade do Ativo
Output2 Rentabilidade do Patrimônio Líquido Fonte: elaboração própria.
4 ANÁLISE DOS RESULTADOS
A fim de verificar a eficiência econômico-financeira das empresas agropecuárias pertencentes ao agronegócio listadas na BM&FBovespa, foi realizada a análise dos indicadores por meio do método DEA.
Na Tabela 3, apresentam-se os dados de eficiência dos indicadores de atividade e lucratividade anual, que resultam em indicadores de rentabilidade das empresas analisadas, no período entre 2012 e 2016.
Tabela 3 – Resultado da eficiência das empresas por Análise Envoltória de Dados
Número 2012 2013 2014 2015 2016 DMU_1 59% 57% 100% 100% 100% DMU_2 100% 100% 100% 100% 100% DMU_3 100% 25% 100% 100% 100% DMU_4 59% 57% 100% 100% 100% DMU_5 100% 0% 40% 49% 52% DMU_6 9% 0% 40% 55% 100% DMU_7 20% 0% 100% 100% 100% DMU_8 24% 18% 69% 100% 52% DMU_9 59% 100% 40% 49% 100% DMU_10 56% 0% 40% 49% 52% DMU_11 59% 57% 100% 100% 100% DMU_12 59% 57% 100% 100% 100% DMU_13 59% 57% 100% 100% 100%
DMU_14 59% 57% 100% 100% 70% DMU_15 36% 12% 29% 49% 41% DMU_16 100% 100% 100% 100% 100% DMU_17 59% 57% 100% 100% 100% DMU_18 59% 57% 86% 100% 100% DMU_19 59% 57% 100% 100% 100% DMU_20 18% 4% 50% 65% 100% DMU_21 31% 23% 81% 100% 100% DMU_22 41% 24% 66% 92% 76% DMU_23 28% 11% 35% 47% 48% DMU_24 59% 57% 100% 100% 100% DMU_25 59% 57% 100% 100% 100% DMU_26 59% 57% 100% 100% 100% DMU_27 17% 57% 100% 100% 100% DMU_28 100% 55% 84% 78% 35% DMU_29 47% 31% 100% 100% 100% DMU_30 13% 0% 40% 49% 52% DMU_31 15% 0% 40% 49% 100% DMU_32 17% 0% 40% 49% 52% DMU_33 59% 57% 100% 100% 100% DMU_34 100% 66% 100% 100% 100% DMU_35 31% 33% 53% 49% 100% DMU_36 39% 26% 80% 49% 52% DMU_37 59% 57% 100% 100% 100% DMU_38 59% 87% 40% 100% 100% DMU_39 59% 57% 100% 100% 100% DMU_40 12% 3% 40% 87% 100% DMU_41 26% 14% 84% 45% 52% DMU_42 43% 4% 67% 100% 56% DMU_43 12% 13% 38% 49% 17% DMU_44 59% 57% 100% 100% 100% DMU_45 11% 57% 59% 55% 56% DMU_46 59% 57% 100% 100% 100% DMU_47 59% 57% 100% 100% 70%
Fonte: elaboração própria.
Na Tabela 4 foram colocados os respectivos benchmarks por ano.
Fonte:
Elaboração própria.
Com base nos dados da Tabela 3, no ano de 2012, 21 das 47 empresas analisadas caracterizam-se como pertencentes ao setor de consumo. Com base nos dados de indicadores de atividade e lucratividade como inputs e os indicadores de rentabilidade como outputs, 6 dessas 47 empresas tiveram eficiência de 100% em suas atividades. Nenhuma das 6 empresas em 2012, atuavam no agronegócio.
Pesquisando as empresas apontadas como eficientes pelo DEA no ano de 2012, a fim de verificar quais delas possuem mais indicações a benchmark (ou seja, as quais empresas eficientes as demais empresas se comparam), nenhuma delas era do setor do agronegócio.
No ano de 2013, 3 das 47 organizações tiveram eficiência de 100% em suas atividades. Entre essas 3 organizações nenhuma fazia parte do setor do agronegócio.
Analisando as empresas do ano de 2013 que se caracterizaram como benchmark entre as eficientes, observam-se apenas a DMU_2, DMU_9 e DMU_16 como sendo referência.
No ano de 2014, 23 das 47 organizações tiveram eficiência de 100% em suas atividades, sendo 3 delas empresas do agronegócio.
Investigando as empresas do ano de 2014 que se caracterizaram como benchmark entre as eficientes, encontra-se a empresa DMU_7, seguida pela DMU_14 e a DMU_47 pertencentes ao agronegócio. Entre as demais empresas citadas no ranking benchmark no ano de 2014, nenhuma das indicações foi para o setor de agronegócio.
2012 2013 2014 2015 2016
DMU_2 DMU_2 DMU_1 DMU_1 DMU_1
DMU_3 DMU_9 DMU_2 DMU_2 DMU_2
DMU_5 DMU_16 DMU_3 DMU_3 DMU_3
DMU_16 DMU_4 DMU_4 DMU_4
DMU_28 DMU_7 DMU_7 DMU_6
DMU_34 DMU_11 DMU_8 DMU_7
DMU_12 DMU_11 DMU_9
DMU_13 DMU_12 DMU_11
DMU_14 DMU_13 DMU_12
DMU_16 DMU_14 DMU_13
DMU_17 DMU_16 DMU_16
DMU_19 DMU_17 DMU_17
DMU_24 DMU_18 DMU_18
DMU_25 DMU_19 DMU_19
DMU_26 DMU_21 DMU_20
DMU_27 DMU_24 DMU_24
DMU_29 DMU_25 DMU_25
DMU_33 DMU_26 DMU_26
DMU_34 DMU_27 DMU_27
DMU_37 DMU_29 DMU_29
DMU_39 DMU_33 DMU_31
DMU_44 DMU_34 DMU_30
DMU_46 DMU_37 DMU_33
DMU_47 DMU_38 DMU_35
DMU_39 DMU_37 DMU_42 DMU_38 DMU_44 DMU_39 DMU_46 DMU_40 DMU_47 DMU_44 DMU_46
Entre essas 23 empresas 100% eficientes, apenas 3 são empresas atuantes no agronegócio, o que representa 13% das eficientes, valor pequeno se comparado à porcentagem do grupo total de empresas do agronegócio de 2014, que atingiu 45%.
No ano de 2015, com base nos dados dos indicadores, 29 das 47 empresas tiveram eficiência de 100% em suas atividades. Entre essas 29 empresas 100% eficientes, apenas 4 eram empresas atuantes no agronegócio, o que representa 14% das eficientes , valor pequeno se comparado à porcentagem do grupo total de empresas de 2015, que atingiu 53%.
Ao averiguar as empresas do ano de 2015 apresentadas no ranking benchmark entre as eficientes, aparecem as DMU’S 7, 14, 38 e 47. Sendo este o ano com o maior número de indicações de empresas do agronegócio.
Para o ano de 2016, 31 das 47 empresas tiveram eficiência de 100% em suas atividades. Dessas 31 empresas 100% eficientes, 3 são do setor do agronegócio, o que representa 9,7% do total das eficientes. Percentual bem baixo se comparado aos 66% de empresas não pertencentes ao agronegócio. Para compor o ranking benchmark do agronegócio apenas as DMU’S 7, 14 e 38 foram indicadas.
5 CONSIDERAÇÕES FINAIS
O presente estudo teve como objetivo analisar a eficiência econômica financeira das empresas agropecuárias pertencentes ao agronegócio, listadas no setor de consumo não cíclico da BM&FBovespa. Para tanto, executou-se o estudo dos dados por meio da análise multivariada de dados – DEA –, momento em que foram coletados indicadores econômicos financeiros dos anos de 2012 a 2016.
A análise foi feita com as variáveis inputs (margem bruta, margem líquida, margem operacional e giro do ativo) e outputs (rentabilidade do ativo e rentabilidade do patrimônio líquido) pelo software SIAD, o qual proporcionou conclusões a respeito das empresas que foram eficientes e ineficientes diante de seus inputs e outputs.
Diante dos resultados obtidos, é notável que foram diferentes dos resultados da pesquisa de Diel et al. (2014), na qual concluíram que tiveram mais empresas eficientes nos anos de 2010 e 2011, sendo 16 o número total de eficiências alcançadas pertencentes ao agronegócio e uma média de 3,2 empresas eficientes nesse setor.
A presente pesquisa averiguou que em 2012 e 2013 praticamente todas as empresas não conseguiram atingir a marca de eficiência. Isso começou a mudar em 2014 onde 49% das empresas foram eficientes, sendo 3 do agronegócio. Em 2015, 62% das empresas foram eficientes sendo 4 do agronegócio, e em 2016, 66% das empresas conseguiram 100% de eficiência, sendo 3 no agronegócio. Foi possível analisar uma queda de eficiência de empresas do setor do agronegócio nos últimos anos, sendo que apenas 10 foi o número de vezes que as empresas foram eficientes no período analisado, com uma média de 2,0 empresas eficientes.
A importância para analisar esses indicadores econômico-financeiros é a empresa seguir com um adequado planejamento estratégico. Lacombe e Heilborn (2015) afirmam que as informações são instrumentos significativos para o correto encaminhamento da empresa. Ainda segundo o autor, se todas as companhias seguissem suas informações, estariam dando um passo fundamental para o sucesso da empresa. Diante disso, a análise econômico-financeira das empresas desse setor traz conseqüências positivas para a geração econômica e de valor.
Ficou claro, com esta pesquisa, que maior parte das empresas do agronegócio não possuem um desempenho satisfatório, caracterizando-se como ineficientes, e precisam adequar suas gestões. Para futuras pesquisas, sugere-se a inclusão de outras variáveis de inputs e outputs. No sentido de que se utilizem outras variáveis relacionadas ao desempenho.
Porém é importante considerar as características do método DEA. A inclusão ou exclusão de qualquer empresa na amostra altera os resultados dos escores de eficiência. Assim, a generalização dos resultados para outros grupos de empresas ou setores de empresas tem que ser realizada com comedimento.
6 REFERÊNCIAS
ALMEIDA, Mariana R.; MARIANO, Enzo Bernardes; REBELATTO, Daisy Aparecida Nogueira. Ferramenta para calcular a eficiência: um procedimento para engenheiros de
produção. Anais... Trabalho apresentado durante o XXXIV CONGRESSO BRASILEIRO
DE ENSINO DE ENGENHARIA. Passo Fundo. 2006.
ANGULO MEZA, L.; BIONDI NETO, L.; SOARES DE MELLO, J.C.C.B.; GOMES, E.G. ISYDS - Integrated System for Decision Support (SIAD - Sistema Integrado de Apoio à Decisão): a software package for data envelopment analysis model. Pesquisa Operacional, v. 25, (3), p. 493-503, 2005.
ANGULO MEZA, L.; BIONDI NETO, L.; SOARES DE MELLO, J.C.C.B.; GOMES, E.G.; COELHO, P.H.G. Free software for decision analysis: a software package for data envelopment models. Proceedings... 7th International Conference on Enterprise Information Systems - ICEIS 2005, v. 2, p. 207-212.
BRESSAN, Valéria Gama Fully et al. Análise dos determinantes do endividamento das empresas de capital aberto do agronegócio brasileiro. Revista de Economia e Sociologia
Rural, v. 47, n. 1, p.89-122, mar. 2009.
COOPER, William W.; SEIFORD, Lawrence M.; TONE, Kaoru. Data Envelopment
Analysis: A Comprehensive Text with Models, Applications, References and DEA Solver
Software. New York, Boston, Dordrecht, London, Moscow: Kluwer Academic Publishers, 2002. 347 p.
DIEL, Fábio José et al. ANÁLISE DA EFICIÊNCIA ECONÔMICO-FINANCEIRA DAS EMPRESAS PERTENCENTES AO AGRONEGÓCIO BRASILEIRO. Contextus: Revista
Contemporânea de Economia e Gestão, Fortaleza, v. 12, n. 2, p.116-133, maio/ago. 2014.
FAVERO, Celso Antonio. O Mercosul e a reestruturação da agricultura: as "filières" de
cereais e a exclusão social. Cadernos de Ciência & Tecnologia, Brasília, v. 13, n. 3, p.
279-302, 1996.
FERREIRA, Marco Aurélio Marques; GONÇALVES, Rosiane Maria Lima; BRAGA, Marcelo José. Investigação do desempenho das cooperativas de crédito de Minas Gerais por meio da Análise Envoltória de Dados (DEA). Economia Aplicada, v. 11, n. 3, p.425-445, set. 2007.
FERREIRA, Roberto do Nascimento et al. Governança corporativa, eficiência, produtividade e desempenho. Ram. Revista de Administração Mackenzie, v. 14, n. 4, p.134-164, ago. 2013.
FISCHMANN, Adalberto A.; ZILBER, Moisés A. Utilização de indicadores de
desempenho como instrumento de suporte à gestão estratégica. Anais… Encontro da
ANPAD, XXIII, Anais, 1999.
JORO, Tarja; KORHONEN, Pekka J. Extension of Data Envelopment Analysis with
Preference Information: Value Efficiency. Nova York: Springer Science, 2015. 189 p.
KAGEYAMA, Angela et al. O novo padrão agrícola brasileiro: do complexo rural aos
complexos agroindustriais. In: DELGADO, G. Agricultura e políticas públicas. Campinas:
Unicamp, 1987. p. 113-223.
LACOMBE, Francisco; HEILBORN, Gilberto. Administração: Princípios e tendências. 3. ed. São Paulo: Saraiva, 2015.
LINS, Marcos Pereira Estellita; MEZA, Lídia Angulo. Análise Envoltória de Dados e
perspectivas de integração no ambiente de Apoio à Decisão. Rio de Janeiro: Coppe/UFRJ,
2000.
MARION, José Carlos. Contabilidade Empresarial. 13. ed. São Paulo: Atlas S.A., 2007. 502 p.
MARTINS, Roberto Antonio; COSTA NETO, Pedro Luiz de Oliveira. Indicadores de
desempenho para a gestão pela qualidade total: uma proposta de sistematização. Gestão
& Produção, v. 5, n. 3, p. 298-311, 1998.
SILVEIRA, Juliana Quintanilha da; MEZA, Lidia Angulo; MELLO, João Carlos Correia Baptista Soares de. Identificação de benchmarks e anti-benchmarks para companhias aéreas usando modelos DEA e fronteira invertida. Production, v. 22, n. 4, p.788-795, dez. 2012. SCHUCH, Cristiano. Análise de indicadores voltados à tomada de decisão gerencial: um comparativo entre a teoria e a prática. 2001. Dissertação (Mestrado em Engenharia de Produção) – Escola de Engenharia, Universidade Federal do Rio Grande do Sul, Porto Alegre. 110 p.
VILELA, Dirley Lemos; NAGANO, Marcelo Seido; MERLO, Edgard Monforte. Aplicação
da análise envoltória de dados em cooperativas de crédito rural. Revista de