Sie sind auf Seite 1von 22

Eficincia Relativa em agncias bancrias efeitos da presena de outliers em modelos

de eficincia baseados em DEA Anlise Envoltria de Dados


Cssio Jos Motta Moreira, FIPECAFI-USP
Fernando de Rosa, Universidade de Braslia - UnB
Joo Carlos Flix Souza, Universidade de Braslia - UnB
Resumo
O objetivo desse estudo a avaliao dos outliers no resultado da construo de um modelo
de eficincia relativa de agncias bancrias, com a utilizao de anlise envoltria de dados
DEA. Para a realizao do modelo foram selecionadas 65 agncias de um nico banco, com
mesmo perfil de atendimento e de clientes, dentro de uma nica regio, com caractersticas de
mercado bem semelhantes. Foi utilizado o modelo DEA-BCC (VRS Retorno Varivel de
Escala) orientado para output, com dois inputs: nmero de funcionrios e valor de despesas
administrativas, e cinco outputs: montante de aplicao, montante de captao, nmero de
contas bancrias PF e PJ, receitas de servios e receitas de tarifas. Foram encontradas, com a
utilizao desse modelo, 15 agncias eficientes que serviram como referncia para as demais,
e a varivel nmero de contas como o melhor potencial de melhoria para as agncias do
modelo.
Introduo
O mercado bancrio brasileiro composto por 137 bancos mltiplos, 21 bancos
comerciais e 1 caixa econmica, segundo dados obtidos no SISBACEN, posio de outubro
de 2005. Alm dessas, existem tambm outros tipos de instituies destinadas corretagem de
valores, cmbio, arrendamento mercantil e crdito cooperativo que fazem parte do Sistema
Financeiro Nacional. Observa-se uma reduo na quantidade de instituies, se forem
considerados os ltimos 10 anos, principalmente devido a processos de saneamento bancrio e
fuses e aquisies.
Embora a quantidade de bancos tenha sido reduzida, a quantidade de clientes evoluiu
significativamente nos ltimos 10 anos, tendo ocorrido tambm um processo de
reestruturao da rede de dependncias, com a criao de alternativas de atendimento de
menor custo e praticamente a manuteno do quantitativo de agncias tradicionais. Segundo
dados obtidos no site do Banco Central, em Dez/1994 existiam 17.400 agncias, enquanto, em
Out/2006, 17.536 em todo o pas. Por outro lado, a evoluo de pontos de atendimento
eletrnico foi de aproximadamente 80% nos ltimos 5 anos, perfazendo em 2005 um total de
29.930 pontos. Observa-se tambm que os quatro maiores bancos do pas congregam
aproximadamente 63% das agncias bancrias.
Nesse sentido, sabido que o mercado bancrio brasileiro caracteriza-se pela alta
competitividade e uso intensivo de tecnologia. Em um ambiente de taxas de juros mais
estveis, aumentar a base de clientes, fator de sucesso para grandes bancos varejistas,
significa, na maioria das vezes, captura-los da concorrncia.
Nessa disputa acirrada pelos clientes, como tambm na venda de produtos, na
satisfao e fidelizao dos clientes, as agncias continuam a exercer um papel de
fundamental importncia, embora Rosa e Mazzon (2003) destaquem o carter altamente
informacional do setor financeiro onde o uso de canais baseados em recursos de tecnologia
de informao possibilita maior abrangncia da distribuio e reduo do custo de
transaes e de infra-estrutura alocada, fundamental discutir a taxonomia desses canais e
relacion-los com o modelo de eficincia.

As agncias, ao contrrio dos canais eletrnicos de atendimento, apresentam uma


matriz de custos fixos mais elevados, exigindo constante monitoramento de performance.
Passam, ento, a ser um desafio para os gestores, que geralmente se deparam com
questionamentos do tipo como esto indo minhas unidades?, quanto e como elas podem
melhorar?, quais os aspectos, se ajustados, mais gerariam resultados, ou seja, remete-se a
questes sobre como melhorar a eficincia dessas unidades. Com solues para esses
questionamentos torna-se mais fcil criar metas realistas de melhoria e ter ganhos potenciais
de eficincia, contribuindo para o desenvolvimento estratgico da empresa.
De maneira geral a eficincia vista como uma relao entre produto e insumo. Isso
pode se tornar um problema quando o nmero de produtos e/ou insumos aumenta muito,
tornando inadequada essa relao. Um outro problema como colocar numa mesma relao,
variveis com grandezas escalares e caractersticas diferentes, como nmero de funcionrios,
rea das unidades, satisfao dos clientes, venda de produtos, quantidade de transaes e etc.
A busca pelo aumento da eficincia tornou-se um desafio para as instituies
financeiras tanto para a obteno do lucro, como para a sobrevivncia no mercado, e para
conseguir esse aumento torna-se fundamental a construo de um modelo que permita
comparar as agncias relacionando seus insumos e produtos que do sustentao ao negcio.
Dessa maneira os objetivos para a realizao de estudo foram:
Objetivos gerais:
o Avaliar e elaborar modelo de eficincia relativa que permita comparar as
agncias bancrias de uma regio de um determinado banco;
o identificar as unidades mais eficientes;
o identificar unidades outliers que impactam o resultado relativo de
eficincia.
Objetivos especficos
o estabelecer ranking de eficincia entre as agncias;
o identificar pontos de melhoria para as agncias ineficientes dentro da
relao de produtos e insumos;
A justificativa do estudo est na identificao das melhores prticas e,
conseqentemente, na busca da maior rentabilidade dentro de um ambiente competitivo. A
melhoria da eficincia dos pontos de atendimento contribui para uma utilizao otimizada dos
recursos possibilitando maior gerao de lucros. Alm desta, este trabalho apresenta outras
quatro sees. A primeira delas traz uma conceituao terica sobre eficincia e canais de
distribuio de servios financeiros. A seo dois identifica as variveis de input (insumos) e
output (produtos), analisando de uma forma descritiva cada uma delas e estabelecendo suas
correlaes, bem como a opo de escolha do modelo BCC, explicando-se tambm a tcnica
DEA. A seo trs discute os resultados e os impactos dos outputs e demais DMUs outliers.
Finalmente na seo quatro conclui-se sobre os resultados.
Agncias bancrias e eficincia de canais
A estratgia de distribuio de produtos e servios, tambm denominada de estratgia
de canais de marketing, a ao responsvel pela interao da empresa com o cliente. por
intermdio dos canais de marketing que uma organizao leva seus produtos ou servios ao
cliente. Juntamente com os demais mix produto, preo e promoo, a distribuio forma o
composto de marketing (Kotler, 1998).
Mais recentemente, em decorrncia da especializao e da ampliao de tcnicas e
instrumentos de gesto das cadeias de suprimentos, a questo de canais tem sido fortemente
estudada pela rea de logstica, mesmo no ramo de servios, pois h necessidade explcita de
alocao de recursos materiais, humanos e tecnolgicos para a prestao dos servios.

Na rea de marketing, embora no passado a distribuio tenha sido relegada muitas


vezes como o ltimo dos instrumentos, recentemente tem-se enfatizado a importncia dos
canais, tendo em vista as dificuldades para se sustentar vantagem competitiva, o crescimento
do poder dos varejistas, a necessidade de reduo de custos e os avanos tecnolgicos que
possibilitam a distribuio eletrnica (ROSENBLOOM, 1999).
Mesmo sob esse novo status de importncia, as mudanas nos canais de distribuio
so lentas, uma vez que muitas estruturas existentes apresentam elevada rigidez, decorrente
dos custos fixos j incorridos e da complexidade de relaes.
Os canais de distribuio so igualmente essenciais para empresas manufatureiras ou
de servios, havendo logicamente distines estruturais entre ambos. No entanto, a literatura
trata de forma assimtrica os esforos de distribuio de produtos e de servios, com nfase
para o primeiro (Rosenbloom, 1999; Jap, Manolis e Weitz, 1999; Kotler, 1998; Purohit, 1997;
Anderson, Day e Rangan, 1997; Kotler e Armstrong, 1993). Literatura acadmica especfica
sobre canais de distribuio em servios, mais exgua, como por exemplo os trabalhos de
Morrison e Roberts (1998) e Dant, Lumpkin e Rawwas (1998).
There is now a desire to create value-added customer segments by identifying their specific
needs. The new challenge is to optimize resource allocation, with most of the industry now
allocating 60-80% of its human capital to customers and markets that represent less than 20%
of its customer base. There is a growing need to view performance in a more disaggregated
sense, paying specific attention to different components of the operation. These components
include different classes of products or sales activities, such as mutual funds and mortgages,
and different elements of service. By measuring a branch's performance on each of a set of
such components, particular areas of strength and weakness can be identified and addressed,
where necessary.
Eficincia
Quando se fala em eficincia, a medida usual que se tem da mesma uma relao
entre produto (output) e insumo (input), ou seja: eficincia = produto/insumo.
De acordo com Silva e Azevedo (2004), essa mesma relao pode ser utilizada para o
conceito de produtividade. O que diferencia o conceito de eficincia do de produtividade,
que a eficincia busca expressar uma relao tima entre recursos produzidos/insumos
utilizados.
A eficincia pode ser compreendida como ... a melhor maneira de se efetuar uma
determinada atividade consumindo-se o mnimo necessrio de recursos para obter o
resultado esperado e pode ser expressa pela razo entre o somatrio de outputs produzidos e
o somatrio de inputs consumidos, ponderados e referentes a cada uma das unidades de
anlise (ROSA; MAZZON, 2003).
A eficincia ser aqui considerada como uma medida relativa, com a funo de
comparar unidades homogneas de uma empresa, implicando a existncia de unidades
eficientes em detrimento das demais, que a princpio passam a ser consideradas como
ineficientes (ROSA; MAZZON, 2003). Oral e Yolalan (1990) defendem a idia de que
eficincia relativa restrita ao grupo de unidades que est sendo analisado, ou seja, unidades
eficientes nesse grupo, podem no o ser em um outro grupo de unidades.
So inmeros os exemplos na literatura relativos ao estabelecimento de comparaes
de eficincia entre unidades de uma organizao: agncias bancrias (JABLONSKY et al.,
2004; DRAKE; HOWCROFT, 2002; KAMAKURA et al., 2002; SOTERIOU; ZENIOS,
1999; GOLANY; STORBECK, 1999; ZENIOS et al.,1999); agncias de correios e telgrafos
(BORENSTEIN; BECKER; PRADO, 2004), lojas de redes varejistas (DONTHU; YOO,
1998); secretarias de educao (RUGGIERO; VITALIANO, 1999); escolas pblicas

(MAZZON; ROSA, 2004) e servios de distribuio de gs (HOLLAS; McLEOD;


STANSELL, 2002).
Ou seja, essa eficincia relativa para ser uma medida de comparao justa, deve
contemplar unidades em estudo efetivamente comparveis, tanto em termos de dimenses
como de condies ambientais de funcionamento, tal como, a localizao (SOTERIOU;
ZENIOS, 1999; THANASSOULIS, 1999).
A identificao da eficincia pode se dar de vrias maneiras (SILVA; AZEVEDO,
2004). Quando se pensa nas organizaes, pode ser identificada como eficincia tcnica ou
operacional, na maioria dos casos. Uma outra definio a eficincia econmica, mais
utilizada no ambiente competitivo, buscando a maior rentabilidade possvel. Alm dessas,
existe tambm a eficincia de mercado.
A eficincia tcnica est mais relacionada ao aspecto fsico operacional da produo
(SILVA; AZEVEDO, 2004). Pode ser conceituada como a habilidade de uma unidade gerir
seu processo produtivo minimizando a alocao de insumos fsicos para se obter um
determinado nvel de produo (ATHANASSOPOULOS, 1998), ou ento, obter o mximo
possvel de volumes a partir de um conjunto de insumos (SOTERIOU; ZENIOS, 1999).
A eficincia econmica ou de rentabilidade refere-se minimizao de custos ou
maximizao de lucros (SOTERIOU; ZENIOS, 1999). aquela que se preocupa com o
aspecto monetrio da produo (SILVA; AZEVEDO, 2004).
Finalmente, a eficincia mercadolgica pode ser compreendida como a capacidade de
uma unidade converter trabalho, capital, espao e potencial de mercado em vendas efetivas de
produtos (THANASSOULIS, 1999).
Os modelos de eficincia ora so estruturados em uma nica fase, geralmente com
foco na eficincia operacional (ZENIOS et al., 1999; GOLANY; STORBECK, 1999;
CAMANHO; DYSON, 1999), ora so organizados em fases mltiplas (THANASSOULIS,
1999; ATHANASSOPOULOS, 1998), tratando simultaneamente os diversos tipos de
eficincia como, por exemplo, operacional e mercadolgica (ORAL; YOLALAN, 1990).
Camanho e Dyson (1999) alegam que a eficincia operacional deve ser avaliada junto
rentabilidade, uma vez que as duas variveis se mostram correlacionadas positivamente.
Observa-se que as eficincias no so exclusivas e sim complementares.
Exemplificando para o caso de uma instituio financeira, quanto maior a eficincia de
mercado de uma unidade, melhor ela ser para converter seus recursos e potencial de mercado
em emprstimos, depsitos e outros produtos financeiros. E quanto maior for a eficincia de
produo, menor ser o custo de pessoal que incorre no suporte dos produtos financeiros que
geram lucro.
Alm da tipologia de eficincias geralmente discutida na academia, outro aspecto
emerge como uma preocupao na modelagem de trabalhos baseados em curvas de eficincia,
a existncia de insumos no discricionrios que representam elementos que no esto sob a
ingerncia do gestor da unidade em anlise, mas que impactam o resultado de eficincia.
(GOLANY; STORBECK, 1999).
Mtodo
Para a elaborao desse estudo foi aplicada, como j foi dito, a tcnica de Anlise
Envoltria de Dados DEA. Para aplicao da mesma foi utilizada a ferramenta Frontier
Analyst, desenvolvida para essa finalidade.
Anlise Envoltria de Dados
A anlise envoltria de dados (Data Envelopment Analisys DEA) uma tcnica
capaz de avaliar a eficincia relativa de unidades produtivas de uma empresa, ou mesmo

empresas diferentes, que realizam a mesma atividade, quanto utilizao de seus recursos
(PIMENTA et al.,2003).
Para Rosa e Mazzon (2003), DEA uma tcnica de programao matemtica,
originalmente desenvolvida por Charmes, Cooper e Rhodes (1978) com base no trabalho de
M. J. Farrel, em 1957, a qual apresenta como objetivo principal a comparao de eficincia
relativa entre unidades organizacionais denominadas de DMU Decision Making Units
(CHARNES et al., 1996).
Silva e Azevedo (2004) entendem como uma tcnica no paramtrica que permite
lidar com vrias sadas (outputs) e entradas (inputs), cujo objetivo analisar,
comparativamente, unidades independentes (instituies, organizaes, escolas e outras) no
que se refere ao seu desempenho, ou seja, eficincia de cada unidade.
A tcnica permite analisar a eficincia de unidades produtivas atravs da construo de
uma fronteira de eficincia, de maneira que as empresas que possurem a melhor relao
produto/insumo sero consideradas mais eficientes e estaro situadas sobre essa fronteira,
enquanto que as menos eficientes estaro situadas numa regio inferior fronteira, conhecida
como envelope ou envoltria (PIMENTA et al., 2003).
De acordo com Silva e Azevedo (2004) existem trs hipteses vinculadas com relao
entre insumos e produtos a serem consideradas no uso da anlise envoltria de dados:
Retornos crescentes de escala Acrscimo no consumo de recursos implica um
aumento mais que proporcional na quantidade de produtos obtidos (economias de
escala);
Retornos constantes de escala Acrscimo no consumo de recursos implica aumentos
proporcionais na quantidade de produtos obtidos;

Retornos decrescentes de escala Acrscimo no consumo de recursos, acarreta


aumentos menos que proporcionais na gerao dos produtos.
Os modelos oriundos do DEA podem ser orientados minimizao de inputs, ou a
maximizao de outputs, e podem se classificar de acordo com o retorno de escala esperado
(ROSA; MAZZON, 2003).
O modelo DEA-CCR (iniciais dos seus criadores: Charnes, Cooper e Rhodes),
tambm conhecido como CRS, do ingls Constant Returns to Scale, ou retorno constante de
escala, determina, para cada uma das unidades avaliadas a mxima razo entre a soma
ponderada dos outputs e a soma ponderada dos inputs, sendo que os pesos so distribudos
pela otimizao do prprio modelo (CASTRO, 2003). Na prtica significa dizer que o
modelo prope retornos constantes de escala, ou seja, crescimentos nos inputs resultaro num
crescimento proporcional nos outputs, valendo o mesmo para o caso de reduo dos inputs.
Para o modelo DEA-BCC (iniciais dos seus criadores: Banker, Charnes e Cooper),
tambm conhecido por VRS, do ingls Variable Returns to Scale, ou retorno varivel de
escala, leva em considerao que um acrscimo nos inputs, gera um acrscimo no
necessariamente proporcional nos outputs avaliados. De acordo com Castro (2003), esse
modelo o que se apresenta mais prximo das situaes reais do mercado, apesar de ter uma
capacidade discriminatria menor.
Modelos VRS so obtidos com a incluso de uma restrio de convexidade em que os
multiplicadores j somam 1, e gera o clculo da eficincia tcnica pura. Se essa restrio for
relaxada, obtm-se o modelo CRS (THANASSOULIS, 1999; SCHAFFNIT; ROSEN;
PARADI, 1997) e o clculo da eficincia tcnica.
O modelo DEA voltado aos inputs determina a minimizao dos inputs, mantendo-se
constantes os outputs, enquanto que o modelo orientado aos outputs busca a maximizao dos
outputs, mantendo-se constantes os inputs do modelo.
DEA compara inputs e outputs para um conjunto de unidades de uma organizao e
identifica aquelas que apresentam a melhor prtica (best practice) ou referncia (yardstick)

para se definir uma fronteira de eficincia, a partir da qual so comparadas as demais


unidades de forma relativa (ROSA; MAZZON, 2003). A combinao convexa de um
conjunto de DMU reais mais eficientes forma uma DMU eficiente e virtual, que passa a ser a
referncia para as demais comparaes. (KAMAKURA; LENARTOWICZ; RATCHFORD,
1996).
DEA oferece uma nica medida sumarizada de eficincia para cada DMU
(CHARNES et al., 1996; MAHAJAN, 1991), que reflete a sua distncia em relao fronteira
(SCHAFFNIT; ROSEN; PARADI, 1997). Este nmero varia de 0 a 1, quanto maior, mais
eficiente.
Comparado ao mtodo de avaliao de desempenho imediatamente concorrente a
SFASthocastic Frontier Analysis de natureza paramtrica, apresenta vantagens como a
flexibilidade de modelagem e o menor risco de efeitos de multicolinearidade. No entanto,
DEA no permite a separao de erros aleatrios e de mensurao intrnsecos ao modelo em
anlise, nem testes de hipteses, dada a sua natureza no-paramtrica (LEE, 2005).
O modelo de DEA deste estudo orientado a output, com retornos variveis em escala
(VRS), sem variveis no discricionrias usadas como input.
Escolha das Unidades
Na maioria dos trabalhos que utilizam a Anlise Envoltria de Dados, realizada uma
segmentao (clusterizao) prvia, para que se crie uma medida de comparao justa entre as
unidades de grupos menos heterogneos (ROSA; MAZZON, 2003). Foram escolhidas 65
agncias de uma regio de atuao do banco com caractersticas de mercado bem
semelhantes, que possuem clientes atendidos com as mesmas caractersticas, tentando evitar
com isso a incluso de muitas agncias heterogneas dentro do estudo.
Escolha das Variveis
A escolha de variveis que comporo o modelo uma das fases mais importantes do
estudo. Podem ser utilizados testes e tcnicas estatsticas que garantam melhor fidedignidade
no estudo. Neste estudo, porm, a escolha das variveis foi subjetiva. Essa escolha deveu-se
ao fato das agncias j possurem uma cultura de trabalho influenciada pela estratgia da
empresa, e tambm de um modelo vigente de avaliao das mesmas. As variveis que
compem esse modelo so aceitas como mtrica de performance no mercado financeiro e no
estariam comprometendo a construo do modelo, num primeiro momento. Outro aspecto
considerado refere-se pressuposio de que todas as variveis utilizadas como inputs so
objetos de ingerncia dos gestores, ou seja, discricionrias.
Diante disso, as variveis utilizadas para a construo do modelo foram: nmero de
funcionrios, nmero de contas de clientes Pessoa Fsica e Pessoa Jurdica, aplicao
realizada pelo banco, captao realizada pelo banco, despesas administrativas, servios
prestados pelo banco e tarifas recebidas pelos servios prestados.
Para a composio das variveis, foram selecionados resultados dos itens
oramentrios em estudo pelo perodo de um ano (2004). Esses resultados foram agrupados e
somados, de acordo com a varivel a que pertencia, ms a ms, dentro do perodo estudado.
Depois foi realizada a mdia dos 12 meses para cada varivel, chegando a um valor nico
para cada agncia.
Apesar dessa tcnica no precisar que os inputs e outputs sejam transformados em
uma nica unidade de medida (SILVA; AZEVEDO, 2004), os dados foram transformados
para preservar a privacidade dos dados das agncias do banco. Para a transformao dos
dados foi calculada a razo do valor da varivel da agncia pelo maior valor da agncia que
compem a varivel. Com isso, todas as variveis ficaram com valores entre zero e um. O

modelo foi rodado utilizando os dois valores, o absoluto e o transformado, e os resultados


encontrados de eficincia relativa foram exatamente os mesmos.
A Tabela 1 apresenta as estatsticas descritivas das variveis.
TABELA 1 Estatsticas descritivas das variveis
N Minimum Maximum Mean Std. Deviation
Funcionrios
65
,096
1,000 ,35349
,172726
Despesas
65
,106
1,000 ,31196
,167652
Aplicao
65
,024
1,000 ,26258
,206816
Captao
65
,003
1,000 ,12986
,181568
Contas
65
,000
1,000 ,28427
,182729
Servios
65
,001
1,000 ,02567
,123273
Tarifas
65
,047
1,000 ,29353
,179031
Valid N (listwise) 65

Pela tabela pode-se observar que a varivel Funcionrios foi a que apresentou a maior
mdia e Captao, a menor. A maior amplitude ficou com a varivel Contas e a menor com a
varivel Despesas. A maior variabilidade ficou com a varivel Aplicao e a menor com
Servios.
As variveis foram agrupadas da seguinte maneira para a composio do modelo:
Input
o Nmero de Funcionrios
o Despesas Administrativas

Output
o Aplicao
o Captao
o Contas
o Servios
o Tarifas
A Tabela 2 apresenta as correlaes entre as variveis. Nela pode-se observar uma
forte correlao entre as variveis Funcionrios e Despesas, Funcionrios e Contas,
Funcionrios e Tarifas, Despesas e Tarifas, com valores acima de 0,8. Existe uma correlao
moderada entre as variveis Despesas e Contas, Captao e Tarifas e Contas e Tarifas, com
valores entre 0,6 e 0,8. Convm salientar que os outputs que tiveram maior correlao com os
inputs foram Contas e Tarifas, e o output que obteve menor correlao com os inputs foi
Servios.
TABELA 2 Correlaes entre as variveis
Funcionrios Despesas Aplicao Captao Contas Servios Tarifas
Funcionrios
1 ,854(**)
,569(**)
,288(*) ,867(**)
,025 ,832(**)
Despesas
1
,444(**) ,536(**) ,664(**) ,495(**) ,939(**)
Aplicao
1
,012 ,410(**)
-,045 ,400(**)
Captao
1
,103 ,568(**) ,629(**)
Contas
1
-,153 ,673(**)
Servios
1 ,414(**)
Tarifas
1
** Correlation is significant at the 0.01 level (2-tailed)
* Correlation is significant at the 0.05 level (2-tailed)

Escolha do Modelo
Na utilizao da tcnica DEA, assim como as variveis, o modelo implcito, ou a tica
do mesmo deve ser definido a priori. Isso significa determinar o que se pretende com o
modelo: obter a minimizao dos inputs, mantendo-se os mesmos outputs das agncias, ou a
maximizao dos outputs, sem o incremento dos inputs das agncias.

Como a princpio, no se pretende alterar os inputs do modelo, a tica adotada nesse


estudo foi a de se obter o maior valor possvel de outputs, com a utilizao dos recursos
existentes, orientando, dessa forma, o modelo para a maximizao dos outputs. Assim, de
acordo com Castro (2003), essa tica faz com que a tcnica procure uma agncia fictcia, que
uma combinao linear de outras agncias, que, com nmero de funcionrios e despesas
administrativas iguais ou inferiores da agncia em questo, seja capaz de produzir outputs
no inferiores aos dessa agncia em estudo.
Quanto ao modelo a ser adotado pode-se optar pelo BCC ou o CRS. Nesse estudo
optou-se pelo modelo DEA-BCC, uma vez que esse modelo mais robusto e geral. A escolha
foi feita por acreditar-se que essa seja a soluo mais adequada ao modelo, e por no se
encontrar evidncias no mercado financeiro, de que o retorno de escala constante seja um
fenmeno do mesmo, ou seja, ao se dobrar o nmero de funcionrios de uma agncia, no se
espera duplicar tambm o nmero de contas ou o montante dos valores de aplicao da
mesma, mas sim, um incremento dos outputs dela.
Apresentao e Discusso dos Resultados
O modelo foi gerado para as 65 agncias. O Quadro 1 apresenta os resultados, com os
ndices de eficincia encontrados para as agncias, em ordem decrescente. Convm salientar,
que, de acordo com Castro (2003), o ranking apenas uma indicao aproximada e no
totalmente confivel, uma vez que as eficincias so medidas com pesos diferentes
dependendo dos inputs e outputs de cada agncia. Ainda de acordo com Castro (2003), no
modelo DEA-BCC orientado para a maximizao dos outputs, o ndice de eficincia pode ser
visto como o percentual da agncia em estudo calculado de acordo com os pesos que so mais
favorveis a ela, comparadas com a maior eficincia que alguma das agncias do modelo pode
atingir com os mesmos pesos.
QUADRO 1 Ranking de eficincia do modelo BCC-DEA orientado para o output
Pos. Ag. Efic. Pos. Ag. Efic. Pos. Ag. Efic. Pos. Ag. Efic.
A65 100
A5 83,51 52 A56 71,65
1
18 A38 97,08 35
A41 100
1
19 A48 96,88 36 A44 82,65 53 A22 71,3
A12 100
1
20 A15 96,37 37 A58 82,2
54 A35 71,28
A31 100
A8 70,81
1
21 A51 95,94 38 A60 81,41 55
A27 100
1
22 A46 95,27 39 A32 80,94 56 A55 70,77
A33 100
A4 80,29 57 A43 70,43
1
23 A30 94,26 40
A1
100
1
24 A49 94,07 41 A52 79,97 58 A45 70,38
A9
100
1
25 A25 92,52 42 A59 79,79 59 A26 69,73
A17 100
A7 90,94 43 A28 79,65 60 A63 69,01
1
26
A40 100
1
27 A53 90,61 44 A42 79,46 61 A24 68,27
A19 100
A3 90,02 45 A20 78,27 62 A34 65,1
1
28
A62 100
1
29 A16 87,93 46 A10 78,26 63 A37 64,3
A50 100
1
30 A64 87,55 47 A23 77,51 64 A39 63,17
A18 100
A6 87,52 48 A47 75,27 65 A13 53,36
1
31
A61 100
1
32 A54 86,14 49 A14 74,21
A2 86,12 50 A29 73,45
16 A57 98,87 33
17 A21 97,12 34 A36 84,03 51 A11 72,44

O Grfico 1 apresenta os ndices de eficincia segmentados de acordo com o ranking


encontrado pela ferramenta Frontier Analyst.

Distribution of scores
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0

16
15
13

10

10

1
0

0 to 10

11 to 20

21 to 30

31 to 40

41 to 50

51 to 60

61 to 70

71 to 80

81 to 90

91 to 100

Efficient

GRFICO 1 Resultados dos ndices de eficincia encontrados

Pode-se observar pela figura, que o modelo encontrou 15 agncias eficientes, com
ndice de 100%, que so analisadas ento como referncia para as outras agncias. Observa-se
tambm que quase todas as agncias apresentaram ndice maior do que 60%, com exceo de
uma agncia que apresentou ndice de 53,36%. Verifica-se tambm que 58,4% (38 agncias),
apresentaram ndice de eficincia superior a 81%.
Como pressupe a tcnica, as melhores agncias, ou, as agncias eficientes, servem
como referncia para que as outras agncias melhorem a sua performance em pelo menos um
dos outputs estudados no modelo. O Grfico 2 apresenta a freqncia na qual as agncias
eficientes apareceram como referncias s outras agncias.
Pode-se observar no Grfico 2 que a agncia 62 foi a que mais apareceu como
referncia para as outras agncias, totalizando 43 vezes, podendo ser considerada como o
melhor exemplo de eficincia, seguida pela agncia 33 que apareceu 32 vezes, aparecendo
como o segundo melhor exemplo. Por outro lado, as agncias 9 e 65, apesar de eficientes,
apareceram somente uma vez como referncia e a agncia 31, 2 vezes, sugerindo que, mesmo
eficientes, existem outros padres a serem seguidos para melhoria da performance das outras
agncias, como sugere o Grfico 2.
43

62
33
17
1
27
41
18
12
40
61
19
50
31
9
65

32
28
21
14
11
11
11
9
8
7
6
2
1
1
0

10

15

20

25

30

35

40

45

GRFICO 2 Freqncia das agncias de referncia

Como j foi dito anteriormente, o banco possui um modelo de avaliao de suas


agncias. Esse modelo segmenta as agncias em trs nveis, sendo o nvel 1 o melhor e o 3 o

10

pior. Para uma anlise complementar, compararam-se os resultados do modelo de eficincia


com o modelo do banco. A freqncia da segmentao dos nveis do banco pode ser
observada na Tabela 3.
TABELA 3 Freqncia dos nveis das agncias do modelo em uso
pelo banco
Frequency Percent Valid Percent Cumulative Percent
Valid Nvel 1
17
26,2
26,2
26,2
Nvel 2
15
23,1
23,1
49,2
Nvel 3
33
50,8
50,8
100,0
Total
65
100,0
100,0

Como pode ser visto na Tabela 3, o banco possui a metade das suas agncias que
participam desse estudo no nvel 3, e o restante dividido entre os nveis 1 e 2.
Para que o modelo proposto neste estudo pudesse ser comparado com o modelo
utilizado pelo banco, os resultados de eficincia encontrados foram segmentados em 3 grupos.
O nmero de grupos e o critrio foram subjetivos para que a comparao fosse mais justa. Os
segmentos foram constitudos da seguinte maneira: as agncias eficientes formaram um
grupo; as agncias com ndice de eficincia entre 81 e 100% formaram outro grupo; e
finalmente as agncias com eficincia entre 51 a 80% formaram o grupo restante. A
distribuio das agncias nesses segmentos pode ser observada na Tabela 4.
TABELA 4 Freqncia dos nveis das agncias do modelo em uso pelo
banco
Frequency Percent Valid Percent Cumulative Percent
Valid 100%
15
23,1
23,1
23,1
81 a 100%
23
35,4
35,4
58,5
51 a 80%
27
41,5
41,5
100,0
Total
65
100,0
100,0

Analisando-se a Tabela 4, verifica-se uma concentrao maior das agncias no


segmento com ndice de eficincia entre 51 a 80%, e a menor concentrao, no segmento das
agncias eficientes, mas no muito distantes do segmento das agncias com eficincia mdia
(81 a 100%).
Para comparar os dois resultados, foi realizada uma tabela cruzada entre os dois
modelos, para verificar como ficaria a distribuio das agncias nos mesmos. Os dados
encontrados podem ser verificados na Tabela 5.
TABELA 5 Tabela cruzada entre os nveis do modelo do banco e os grupos do
modelo de eficincia
Grupo de Eficincia
Total
100% 81 a 100% 51 a 80%
Count
Nvel 1
9
6
2
17
2
1
7
7
15
3
5
10
18
33
Total
15
23
27
65
Expected Count
Nvel 1
3,9
6,0
7,1
17,0
2
3,5
5,3
6,2
15,0
3
7,6
11,7
13,7
33,0
Total
15,0
23,0
27,0
65,0
% within Grupo de Eficincia 3 Nvel 1 60,0%
26,1%
7,4% 26,2%
2
6,7%
30,4%
25,9% 23,1%
3 33,3%
43,5%
66,7% 50,8%
Total
100,0%
100,0%
100,0% 100,0%

Analisando os dados da Tabela 5, verificou-se que foram encontradas agncias


eficientes para os trs nveis do modelo do banco, porm convm salientar que para o grupo
das agncias eficientes, existe uma concentrao maior de agncias nvel 1, e uma

11

concentrao menor de agncias nvel 2. Considerando, porm, esses dois nveis juntos
obtm-se dois teros das agncias eficientes. J para as agncias com eficincia entre 81 a
100%, observou-se uma concentrao menor paras agncias de nvel 1 e uma maior para as
agncias nvel 3. Finalmente, para as agncias com eficincia entre 51 a 80%, verificou-se
uma concentrao bem maior para as agncias de nvel 3, e uma concentrao muito pequena
para as agncias de nvel 1.
Observando a distribuio total dos nveis das agncias, verificou-se uma grande
concentrao das agncias de nvel 3. Verificando a distribuio desses nveis dentro de cada
grupo de eficincia, verificou-se que a distribuio total no se repetiu, e tambm que cada
grupo de eficincia apresentou uma distribuio bem distinta da distribuio total. Com isso
pode-se afirmar que existe uma dependncia entre os nveis das agncias e os grupos de
eficincia encontrados no modelo em estudo, ou seja, espera-se que o grupo de unidades
eficientes possua mais agncias do nvel 1, e que o grupo de unidades menos eficientes possua
mais dependncias do nvel 3, o que pode ser considerado como um bom sinal para o modelo
em questo.
Detectada ento a dependncia entre os grupos dos modelos comparados, o prximo
passo foi verificar a comparao das mdias das variveis estudadas pelos grupos dos
modelos. Esses resultados encontram-se na Tabela 6.
TABELA 6 Mdias encontradas para as variveis por grupos dos modelos
Funcionrios Despesas Aplicao Captao Contas Servios
Nvel
1
,49676
,46568
,39883
,29018 ,41580
,07884
2
,41143
,35012
,33682
,11651 ,31906
,01003
3
,25335
,21543
,15864
,05333 ,20071
,00538
Total
,35349
,31196
,26258
,12986 ,28427
,02567
Eficincia 100%
,37681
,37395
,37006
,23450 ,32864
,07798
81 a 100%
,34990
,29618
,22266
,13261 ,30927
,01113
51 a 80%
,34359
,29097
,23687
,06937 ,23833
,00899
Total
,35349
,31196
,26258
,12986 ,28427
,02567

Tarifas
,48196
,31962
,18459
,29353
,37242
,30429
,24053
,29353

Verificando os valores encontrados na Tabela 6, observou-se que as mdias entre os


grupos do modelo de eficincia encontram-se com valores bem mais prximos entre si, do que
as mdias encontradas para os grupos dos nveis, onde fica evidente mdias bem maiores para
as agncias de nvel 1 do que as de nvel 3. bom salientar aqui, que no modelo utilizado
pelo banco, existe um componente de porte, ou seja, tamanho das agncias, e um componente
de produtividade para as mesmas. Talvez, o componente porte tenha alcanado valores
maiores do que os de produtividade, evidenciando assim, a diferena maior entre as mdias
das variveis dos grupos dos modelos. A no existncia dessa diferena entre as mdias para o
modelo de eficincia pode ser explicada pelos pesos utilizados para comparar as agncias,
fazendo com que os outputs encontrados sejam os esperados para os respectivos inputs de
cada agncia. Para verificar se realmente existe diferena entre as variveis dos grupos dos
modelos foi realizada anlise de varincia (ANOVA) para cada um dos modelos.
TABELA 7 Teste de Homogeneidade das varincias dos modelos
Nveis
Eficincia
Levene Statistic df1 df2 Sig.
Levene Statistic df1
Funcionrios
3,532
2 62 ,035
4,723
2
Contas
11,474
2 62 ,000
10,122
2
Aplicao
9,900
2 62 ,000
14,366
2
Captao
21,614
2 62 ,000
18,287
2
Despesas
4,214
2 62 ,019
11,166
2
Servios
6,007
2 62 ,004
6,829
2
Tarifas
5,380
2 62 ,007
14,203
2

df2
62
62
62
62
62
62
62

Sig.
,012
,000
,000
,000
,000
,002
,000

12

Iniciando com o Teste de Levene (indicado para amostras com distribuio diferente
entre as categorias), para verificar a homogeneidade das varincias, foram encontrados
valores significativos para todas as variveis dos dois modelos, para um p < 0,05, como pode
ser observado na Tabela 7. Com isso ser necessria a utilizao de testes mais robustos para
validao da ANOVA.
Foram utilizados ento os testes de Welch e Brown-Forsythe para a verificao da
igualdade entre as mdias para as categorias dos dois modelos. Os resultados podem ser
encontrados na Tabela 8.
Os testes indicam que para o modelo utilizado pelo banco existem diferenas em pelo
menos um dos nveis para todas as variveis com exceo da varivel Servios, que no
apresentou diferenas significativas para um p < 0,05. J para o modelo de eficincia, os
testes evidenciaram que no existem diferenas entre as categorias estudas, com exceo da
varivel Captao, que pode apresentar diferena em pelo menos uma das categorias
estudadas para um p < 0,05, e mesmo assim, somente para o Teste de Brown-Forsythe.
TABELA 8 Testes robustos para igualdade das mdias dos modelos
Nvel
Eficincia
Statistic(a) df1
df2
Sig.
Statistic(a) df1
df2
Funcionrios Welch
17,369
2 28,204 ,000
,107
2 30,879
Brown-Forsythe
16,344
2 33,558 ,000
,145
2 28,973
Contas
Welch
9,108
2 24,795 ,001
2,039
2 30,437
Brown-Forsythe
8,034
2 27,223 ,002
1,151
2 23,725
Aplicao
Welch
10,872
2 22,953 ,000
1,289
2 30,315
Brown-Forsythe
8,604
2 31,216 ,001
2,058
2 21,663
Captao
Welch
9,263
2 22,725 ,001
4,469
2 24,817
Brown-Forsythe
9,431
2 18,994 ,001
2,875
2 17,772
Despesas
Welch
19,645
2 26,477 ,000
,576
2 30,084
Brown-Forsythe
16,525
2 24,945 ,000
,972
2 21,229
Servios
Welch
3,086
2 22,866 ,065
,704
2 26,095
Brown-Forsythe
1,560
2 16,042 ,240
1,062
2 14,107
Tarifas
Welch
23,458
2 27,951 ,000
2,697
2 29,107
Brown-Forsythe
24,154
2 26,465 ,000
2,037
2 21,896
a Asymptotically F distributed.

Sig.
,898
,865
,148
,333
,290
,152
,022
,083
,568
,395
,504
,372
,084
,154

A Tabela 9 contm os resultados para anlise de varincia das variveis dos dois
modelos. Os resultados dos testes evidenciam o que j foi dito no pargrafo anterior. Existe
diferena entre as mdias de pelo menos um dos nveis do modelo adotado pelo banco, com
exceo da varivel Servios, onde no h diferena entre as mdias para um p < 0,05. Para o
modelo de eficincia, no existe diferena entre as mdias para as categorias encontradas,
para um p < 0,05.
TABELA 9 ANOVA para os modelos estudados
Sum of
Squares
Funcionrios

Contas

Aplicao

Captao

Between
Groups
Within Groups
Total
Between
Groups
Within Groups
Total
Between
Groups
Within Groups
Total
Between
Groups
Within Groups

df

Nvel
Mean
Square

,730

,365

1,179
1,909

62
64

,019

,543

,271

1,594
2,137

62
64

,026

,755

,377

1,983
2,737

62
64

,032

,633

,316

1,477

62

,024

Sig.

19,198

,000

10,552

11,801

13,283

,000

,000

,000

Sum of
Squares

df

Eficincia
Mean
Square

,011

,006

1,898
1,909

62
64

,031

,101

,050

2,036
2,137

62
64

,033

,228

,114

2,510
2,737

62
64

,040

,263

,132

1,847

62

,030

Sig.

,181

,835

1,536

,223

2,814

,068

4,419

,016

13

Total
Between
Groups
Within Groups
Total
Between
Groups
Within Groups
Total
Between
Groups
Within Groups
Total

Despesas

Servios

Tarifas

Nvel
Mean
Square

Sum of
Squares
2,110

64

,731

,366

1,068
1,799

62
64

,017

,065

,033

,907
,973

62
64

,015

1,005

,503

1,046
2,051

62
64

,017

df

Sig.

21,222

,000

2,231

29,803

Eficincia
Mean
Square

Sum of
Squares
2,110

64

,075

,038

1,724
1,799

62
64

,028

,053

,027

,919
,973

62
64

,015

,172

,086

1,879
2,051

62
64

,030

,116

,000

df

Sig.

1,354

,266

1,802

,174

2,835

,066

Realizados os testes ento, ficou comprovado que, mesmo existindo dependncia entre
os dois modelos, o modelo de eficincia apresentou grupos com mdias das variveis mais
homogneas entre as suas categorias, do que o modelo de utilizado pelo banco.
Terminada ento a comparao entre os dois modelos, dar-se- a continuao da
apresentao e anlise dos resultados do modelo de eficincia estudado neste artigo. A seguir
sero mostrados resumidamente os potenciais de melhoria para cada um dos outputs, que
seriam necessrios para que cada agncia se tornasse eficiente.
Output Aplicao
Os valores encontrados para o output Aplicao encontram-se no Grfico 3.
Distribution of input/output potential improvements
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0

18

5
3

3
1

0 to 10

31 to 40

61 to 70

4
2

91 to 100

1
1 1
1
0 0 0
0 0
0 0 0
0 0 0
121 to 130 151 to 160 181 to 190 211 to 220 241 to 250 271 to 280
1

GRFICO 3 Potencial de melhoria (%) para o output Aplicao

Como pode ser observado no Grfico 3, existem 18 agncias com potencial de


melhoria entre 0 e 10%. Considerando que as 15 agncias que foram consideradas como
eficientes encontram-se nesse grupo, existem ento 3 agncias que se tornariam eficientes
melhorando em at 10% sua performance na varivel aplicao, desde que mantidas todas as
outras condies encontradas no modelo.
Verificou-se tambm, que existem 38 agncias na faixa de potencial de melhoria entre
11 e 100%, e 9 na faixa acima de 100%. Essas 9 agncias seriam as que necessitariam de
maior cuidado para essa varivel, mas bom lembrar, que devido s estratgias de atuao do
banco, algumas agncias possuem um perfil mais de captao do que outras, e talvez estas 9
agncias sejam as que possuem um maior perfil de captao, ou seja seriam agncias com
pouca possibilidade de incremento na varivel aplicao. A outra hiptese a de que o
desempenho da agncia realmente esteja ruim e precisa melhorar.

14

Output Captao
Os valores para o output Captao encontram-se no Grfico 4.
Os valores contidos no Grfico 4 indicam a existncia de 20 agncias na faixa de 0 a
10% de potencial de melhoria, 30 agncias na faixa de 10 a 100% e 15 agncias na faixa
acima dos valores de 100%. Excluindo-se as 15 agncias eficientes da faixa de 0 a 100% tmse 5 agncias que poderiam se tornar eficientes com um pouco de melhoria nessa varivel,
mantendo-se constantes as outras condies do modelo.
A situao mais preocupante a de 3 agncias que necessitam de melhoria acima de
300% nessa varivel, que talvez devessem ser avaliadas separadamente. Convm lembrar
aqui, que com essa varivel ocorre o mesmo fenmeno descrito para a varivel Aplicao, ou
seja, ser mais difcil para algumas agncias melhorarem o seu desempenho devido ao seu
perfil ser mais de aplicao do que de captao.

Distribution of input/output potential improvements


20
20
18
16
14
12
10
8
5

6
3

4 3

2
0

3
2

1 1
1
0 0
0 0 0 1
0 0 0 0 0 1
0
91 to 100 121 to 130 151 to 160 181 to 190 211 to 220 241 to 250 271 to 280
0

0 to 10

31 to 40

61 to 70

GRFICO 4 Potencial de melhoria (%) para o output Captao

Output Contas
O Grfico 5 apresenta os valores encontrados para o potencial de melhoria do output
Contas.
Distribution of input/output potential improvements
28
26
24
22
20
18
16
14
12
10
8
6
4
2
0

27

11
9
7
6
3
0 0
0 to 10

31 to 40

61 to 70

1 0
0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0
91 to 100 121 to 130 151 to 160 181 to 190 211 to 220 241 to 250 271 to 280

GRFICO 5 Potencial de melhoria (%) para o output Contas

15

Observa-se no Grfico 5 o maior nmero de agncias encontradas na faixa de 0 a 10%


de potencial de incremento. Alm disso, observa-se somente 2 agncias com potencial de
incremento acima de 60%. Tirando-se as 15 agncias eficientes da melhor faixa, verifica-se
que 12 agncias se tornariam eficientes com uma melhora pequena nessa varivel, mantidas
constantes todas as outras condies do modelo.
O menor potencial de incremento apresentado por essa varivel j era esperado, uma
vez que a varivel Contas obteve correlaes mais altas com os inputs Funcionrios e
Despesas. necessrio evidenciar, porm, a situao da agncia que apresenta potencial de
incremento maior do que 300%. Verificando-se os dados, observou-se que essa agncia
possui pouqussimas contas cadastradas, o que fez com que o seu potencial de crescimento se
tornasse incrivelmente alto (522.723%), em relao s demais variveis, como ser discutido
mais adiante.

Output Servios
Os valores encontrados para o potencial de melhoria para o output Servios
encontram-se no Grfico 6.
Distribution of input/output potential improvements
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0

18
16

5
3

0 to 10

1
31 to 40

3
1
61 to 70

91 to 100

1 0

1 1

1 1
0
0
0
0
121 to 130 151 to 160 181 to 190 211 to 220 241 to 250 271 to 280
0

GRFICO 6 Potencial de melhoria (%) para o output Servios

Visualmente j se pode concluir que essa varivel apresenta um comportamento bem


diferente das demais variveis. Se por um lado, 18 agncias encontram-se na faixa de
potencial de melhoria de 0a 100%, por outro lado, 16 agncias encontram-se na faixa acima
de 300%, caracterizando a situao mais alarmante para a melhoria de desempenho das
agncias.
A baixssima correlao entre esse output com o input Funcionrios e a baixa
correlao com Despesas pode contribuir para o comportamento dessa varivel. Mas mesmo
assim, seria interessante um estudo mais aprofundado do comportamento dela, para se
verificar se esse comportamento realmente esperado, devido aos perfis de clientes das
agncias, ou se as agncias realmente precisam melhorar seu desempenho em Servios.
Output Tarifas
O Grfico 7 apresenta os resultados para o output Tarifas.

16

Distribution of input/output potential improvements


28
26
24
22
20
18
16
14
12
10
8
6
4
2
0

26

12
9

8
6
3
0 0

0 to 10

31 to 40

61 to 70

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
91 to 100 121 to 130 151 to 160 181 to 190 211 to 220 241 to 250 271 to 280

GRFICO 7 Potencial de melhoria (%) para o output Tarifas

Pode-se verificar pelos valores encontrados no Grfico 7 que ele apresenta um


comportamento bem parecido com o output Contas, mas como ele no apresenta valores
discrepantes, com a quase totalidade das agncias com potencial de melhoria at 50%,
acabou-se tornando o output com melhor desempenho para as agncias, com o menor
potencial de melhoria.
Esse comportamento pode ser explicado pelas correlaes desse output com os dois
inputs do modelo, que foram as mais altas.
Apresentadas ento o potencial de melhoria para os outputs separadamente, a Tabela
10 apresenta o potencial de melhoria dos outputs no modelo, conjuntamente.
TABELA 10 Potencial de melhoria para os
outputs
Outputs Potencial de Crescimento (%)
Aplicao
1,36
Captao
1,88
Contas
90,55
Servios
5,54
Tarifas
0,56

Observa-se na Tabela 10, que a varivel Contas apresenta quase que a totalidade do
potencial de melhoria para o modelo, seguida da varivel Servios com 5,54%. Convm
lembrar que a varivel Servios apresentou um comportamento atpico com grande
concentrao de suas agncias nos extremos das faixas do potencial de crescimento. Para
verificar o comportamento dessas variveis no modelo, sero apresentados a seguir resultados
excluindo-se uma dessas variveis de cada vez.
Retirada do output Servios
Com a retirada da varivel Servios foram encontrados os resultados constantes no
Quadro 2.
QUADRO 2 Ranking de eficincia com a retirada do output Servios
Pos Ag
Efic Pos Ag
Efic Pos Ag
Efic Pos Ag
A65 100
A5 83,28 52 A56
1
18 A21 97,15 35
A41 100
1
19 A38 96,98 36 A44 82,64 53 A35
A12 100
1
20 A48 96,86 37 A58 82,41 54 A55
A31 100
1
21 A51 96,05 38 A60 81,4
55 A22
A33 100
A8
1
22 A46 95,02 39 A32 80,99 56
A1
100
1
23 A30 94,13 40 A52 80,1
57 A45

Efic
71,71
71,45
71,07
70,99
70,5
70,42

17

Pos
1
1
1
1
1
1
1
1
1
16
17

Ag
A27
A9
A62
A18
A40
A19
A17
A61
A50
A57
A15

Efic
100
100
100
100
100
100
100
100
100
98,72
97,3

Pos
24
25
26
27
28
29
30
31
32
33
34

Ag
A49
A25
A53
A7
A3
A16
A6
A64
A2
A54
A36

Efic
93,92
92,71
90,35
89,56
89,18
87,85
87,45
87,36
86,18
86,05
84,16

Pos
41
42
43
44
45
46
47
48
49
50
51

Ag
A59
A28
A42
A4
A10
A23
A47
A14
A29
A20
A11

Efic
79,84
79,58
79,51
79,49
78,05
77,47
74,94
74,16
74,01
72,8
72,37

Pos
58
59
60
61
62
63
64
65

Ag
A43
A26
A63
A24
A34
A37
A39
A13

Efic
70,41
70,19
68,93
66,94
65,03
64,49
63,21
53,26

Comparando-se o ranking do Quadro 2 com o ranking do modelo completo


apresentado no Quadro 1, observou-se que quase no houve alteraes de posies entre as
agncias e mesmo os valores encontrados foram praticamente os mesmos.
Pode-se complementar tambm que as faixas de eficincia das agncias foram
exatamente as mesmas apresentadas no Grfico 1, para o modelo completo. J era de se
esperar que houvesse pouca mudana com a retirada dessa varivel do modelo, devido sua
baixa contribuio do potencial de melhoria para o modelo e tambm devido ao
comportamento apresentado pela varivel. Segue-se ento a retirada da varivel Contas do
modelo com a permanncia de todas as outras variveis.
Retirada do output Contas
O Quadro 3 apresenta os resultados do modelo com a retirada da varivel Contas.
QUADRO 3 Ranking de eficincia com a retirada do output Contas
Pos Ag Efic Pos Ag Efic Pos Ag Efic Pos Ag Efic
1 A65 100 18 A53 89,8 35 A8 70,81 52 A58 61,97
1 A41 100 19 A31 89,03 36 A42 70,74 53 A55 61,52
1 A12 100 20 A51 88,03 37 A32 69,62 54 A45 60,57
1 A27 100 21 A49 86,73 38 A23 69,27 55 A3 60,49
1 A1 100 22 A16 84,99 39 A26 69,17 56 A36 58,83
1 A40 100 23 A25 84,54 40 A56 68,76 57 A24 57,81
1 A9 100 24 A7 82,52 41 A14 68,49 58 A38 57,54
1 A19 100 25 A44 81,01 42 A59 68,46 59 A2 56,69
1 A62 100 26 A17 80,52 43 A10 66,99 60 A34 55,5
1 A50 100 27 A28 79,46 44 A22 66,5 61 A39 55,09
1 A18 100 28 A64 79,17 45 A47 66,29 62 A37 54,04
12 A21 96,28 29 A60 79,03 46 A63 65,58 63 A13 53,36
13 A48 94,49 30 A54 78,1 47 A30 65,38 64 A35 49,9
14 A15 93,25 31 A33 77,79 48 A20 64,01 65 A11 49,7
15 A57 92,63 32 A4 73,8 49 A5 63,74
16 A61 92,12 33 A6 72,29 50 A29 62,55
17 A46 91,63 34 A52 71,66 51 A43 62,19

Diferentemente da varivel Servios, quando retirada a varivel Contas, observa-se


uma maior movimentao entre as posies das agncias, bem como entre os seus valores.
Esse movimento deve ocorrer devido a alta contribuio da varivel para o potencial de
melhoria da mesma para o modelo, praticamente quase a totalidade. Com isso, foram
alteradas tambm as faixas de eficincia das agncias como pode ser visto no Grfico 8.

18

Distribution of scores
20
19
18
17
16
15
14
13
12
11
10
9
8
7
6
5
4
3
2
1
0

19

11
10
9
8
6

2
0

0 to 10

11 to 20

21 to 30

31 to 40

41 to 50

51 to 60

61 to 70

71 to 80

81 to 90

91 to 100

Efficient

GRFICO 8 Resultados dos ndices de eficincia sem o output Contas

Observou-se no Grfico 8 que o nmero de agncias diminui de 15 para 11 e houve


alteraes em todas as outras faixas de eficincia.
Verificou-se ento a influncia da varivel Contas no modelo, como era de se esperar.
O Grfico 9 demonstra o movimento das agncias considerando a retirada dos dois outputs
Servios e Contas. Observa-se no grfico que a linha mantm-se praticamente a mesma
quando da retirada Servios, mas quando retirada a varivel Contas, o comportamento da
linha de eficincia bem modificado.
Uma vez verificada a influncia da varivel Contas, convm lembrar a existncia de
uma agncia que apresentou um potencial de melhoria nesse output absurdamente alto.
Pensou-se ento em retirar essa agncia do modelo e verificar o comportamento do mesmo,
mantendo os inputs e outputs propostos inicialmente.
110
100
90
80

Eficincia

70
60
50
40
30
20
10

A8
A4
5
A2
4
A3
9

A4
A2
8
A1
0
A1
4
A5
6

A6
A3
6
A5
8

A3

A1
A1
7
A2
7
A4
0
A6
1
A5
7
A4
8
A4
6
A2
5

Agncias
Completo

Sem Servios

Sem Contas

GRFICO 9 Comparao dos resultados de eficincia com a


retirada de Servios e Contas

Retirada da agncia 13 do modelo


Com a retirada da agncia 13, os valores encontrados para o modelo foram
praticamente os mesmos, tanto para as posies do ranking de eficincia, bem como para os
valores encontrados de eficincia para as agncias, excluindo-se claro, a agncia retirada. O
Grfico 10 apresenta o comportamento da linha de eficincia, comparando o modelo completo
e com a retirada da agncia 13.

19

110
100
90
80

Eficincia

70
60
50
40
30
20
10

13

24

43

22

14

20

52

58

16

25

51

21

61

33

18

Agncias
Completo

Sem Ag 13

GRFICO 10 Comparao dos resultados de eficincia com a


retirada da agncia 13

Diante do comportamento da linha de eficincia com a retirada da agncia 13,


observou-se que a mesma estava influenciando muito mais o modelo do que a varivel
Contas. Diante disso foi feita uma comparao do potencial de melhoria do modelo,
comparando os valores da retirada do output Servios e da retirada agncia 13. Os dados
encontram-se na Tabela 11.
Pde-se observar na Tabela 11, que com a retirada da varivel Servios, houve uma
concentrao ainda maior do potencial de melhoria na varivel Contas, passando de 90 para
98%, praticamente a totalidade do modelo, ou seja, praticamente a varivel Contas seria a
nica que poderia ser melhorada pelas agncias.
Analisando os mesmos dados com a retirada da agncia 13, que estava influenciando
fortemente a varivel Contas, observou-se que o potencial de melhoria muda completamente
de comportamento. A varivel Contas passa a ser a penltima varivel com o melhor
potencial de crescimento, seguido da varivel Tarifas, que so as duas variveis que se
correlacionam mais fortemente com os inputs Funcionrios e Despesas.
TABELA 11 Potencial de melhoria para os
outputs comparando-se os modelos
Potencial de Crescimento (%)
Outputs
Completo Sem Servios Sem Ag. 13
Aplicao
1,36
0,62
11,82
Captao
1,88
0,86
16,95
Contas
90,55
98,22
5,13
Servios
5,54
60,18
Tarifas
0,56
0,26
4,92

A varivel Servios, que apresentou baixa correlao com os inputs, passou a ser o
output com maior potencial de melhoria (60%), seguida de Captao e Aplicao, com
valores bem mais significativos dos que foram apresentados no modelo inicial para o
potencial de crescimento.
A retirada da agncia 13 demonstrou que ela no estava influenciando somente a
varivel Contas, mas sim todo o modelo, mudando bastante o comportamento do mesmo.
Apesar dessa otimizao encontrada, convm salientar que a retirada da agncia talvez no

20

seja interessante para o banco, da ter-se-ia que encontrar novas solues, como a retirada da
varivel Contas ou a incluso de outras variveis no modelo.
Concluso
A aplicao da tcnica DEA possibilitou a construo de um modelo de eficincia
relativa entre as agncias bancrias estudadas, atingindo nossos objetivos.
Foram encontradas 15 agncias eficientes para o modelo proposto, e essas agncias
serviram como referncia de melhoria para as demais agncias a partir do momento que
interferem positivamente na utilizao dos inputs e outputs.
Ao comparar os resultados do modelo estudado com o utilizado pelo banco, embora o
modelo utilizado pelo banco no esta baseado somente em eficincia relativa, verificou-se
dependncia entre a segmentao sugerida pelo modelo estudado e a segmentao utilizada
pelo banco, apontando que os resultados apurados pelo modelo de eficincia relativa so
condizentes com a prtica de mercado.
Concluiu-se tambm que, mesmo havendo dependncia com o modelo do banco, o
modelo estudado gerou segmentos de agncias com resultados mais homogneos entre os
grupos, onde se verificou diferena nas mdias dos segmentos estudados somente para o
output Captao.
A homogeneidade resultante da Anlise de Varincia dos outputs atesta que a tcnica
realmente avalia os outputs em consonncia com os inputs fornecidos, visto que as diferenas
no impacto dessas variveis de output no so significativas na ordem de eficincia,
independentemente de suas dimenses.
Verificou-se, tambm, que a varivel Contas foi o output com maior potencial de
melhoria. No entanto, analisando a retirada de algumas variveis e agncias, concluiu-se que
apenas uma agncia contribuiu, significativamente, para alterao do modelo, fazendo com
que, com essa mudana, a varivel de maior impacto para melhoria passasse a ser a varivel
Servios.
Como sugesto, seria interessante a incluso de outras variveis no modelo, podendo
testar at mesmo variveis no financeiras, como satisfao do cliente, ou clima de trabalho
nas agncias, a fim de estudar melhor o comportamento da distribuio de eficincia.
Uma outra sugesto poderia ser a de aplicar o modelo de eficincia relativa dentro de
cada segmento j trabalhado pelo banco, proporcionando a possibilidade de uma viso
melhorada da eficincia das agncias, contribuindo para as aes estratgicas do banco na
melhoria e otimizao dos seus pontos de venda.
Finalmente, fica como recomendao estender a utilizao do modelo para um nmero
maior de agncias, talvez at a totalidade das agncias.
Referncias
ATHANASSOPOULOS, Antreas D. Nonparametric Frontier Models for assessing the market
and cost efficiency of large-scale Bank branches networks. Journal of Money, Credit and
Banking. v.30, n.2, p.172-192, May. 1998.
BORENSTEIN, Denis; BECKER, Joo L.; PRADO, Vaner J. Measuring the efficiency of the
Brazilian post office stores using data envelopment analysis. International Journal of
Operations and Production Management. v.24, n.9-10, p.1055-1078, 2004.
CAMANHO, A. S.; DYSON, R. G. Efficiency, size, benchmarks and targets for bank
branches: an application of data envelopment analysis. Journal of the Operational Research
Society. v.50, n.9, p.903-915, Sept. 1999.
CASTRO, Carlos E. T. Avaliao da eficincia gerencial de empresas de gua e esgotos
brasileiras por meio da envoltria de dados (DEA). PUC: Rio de Janeiro. Dissertao de
mestrado, Rio de Janeiro, 2003.

21

CHARNES, Abraham; COOPER, William W.; RHODES, E. Measuring the efficiency of


decision making units. European Journal of Operational Research. v.2, n.6, p.429-444,
1978.
CHARNES, Abraham; COOPER, William W.; LEWIN, Arie Y.; SEIFORD, Lawrence M.
Data Envelopment Analysis: theory, methodology and application. 2a.ed. Norwell: Kluwer,
1996. 509p.
DONTHU, Naveen; YOO, Boonghee. Retail productivity assessment using data envelopment
analysis. Journal of Retailing. v.74, n.1, p.89-106, Spring 1998.
DRAKE, Leigh; HOWCROFT, Barry. An insight into the size efficiency of a UK Bank
branch network. Managerial Finance, v.28, n.9, p.24-36, 2002.
GOLANY, Boaz; STORBECK, J. E. A Data Envelopment Analysis of the operational
efficiency of bank branches. Interfaces. v.29, n.3, p.14-26, May./Jun. 1999.
HOLLAS, Daniel R.; McLEOD, Kenneth R.; STANSELL, Stanley R. A data envelopment
analysis of gas utilities efficiency. Journal of Economics and Finance. v.26, n.2, p.123-137,
Summer 2002.
JABLONSKY, J.; FIALA, P.; SMIRLIS, Y.; DESPOTIS, D.K. DEA with interval data: an
illustration using the evaluation of branches of a Czech Bank. Central European Journal of
Operations Research. v.12, n.4, p.323-337, Dec.2004.
KAMAKURA, Wagner A.; LENARTOWICZ, Thomasz; RATCHFORD, Brian T.
Productivity assessment of multiple retail outlets. Journal of Retailing. v.72, n.4, p.333-356,
Fall 1996.
KAMAKURA, Wagner A.; MITTAL, Vikas; ROSA, Fernando de; MAZZON, Jos A.
Assessing the service-profit chain. Marketing Science. v. 21, n.3, p.294-317, Summer 2002.
KASSAI, Silvia. Utilizao da anlise envoltria de dados (DEA) na anlise de
Demonstraes Contbeis. USP: So Paulo. Tese de doutorado, So Paulo, 2002.
LEE, Jun-Yen. Comparing SFA and DEA methods on measuring production efficiency for
forest and paper companies. Forest Products Journal. v.55, n.7-8, p.51-56, Jul-Aug. 2005.
MAHAJAN, Jayashree. A data envelopment analytic model for assessing the relative
efficiency of the selling function. European Journal of Operational Research. v.53, n.2,
p.189-205, Jul. 25 1991.
MAZZON, Jos A.; ROSA, Fernando de. Modelo de avaliao de eficincia de organizaes
pblicas aplicao a escolas pblicas do Estado de So Paulo. In: CLAD, 9, 2004. Madri.
Anais Venezuela: CLAD, Nov. 2004. WEB.
ORAL, Muhittin; YOLALAN, Reha. An empirical study on measuring operating efficiency
and profitability of bank branches. European Journal of Operational Research. v.46, n.3,
p.282-294, Jun. 15 1990.
PIMENTA, Hugo L. N.; MACEDO, Marco A.; Mello, Joo C. B. S. Deciso da realizao de
investimentos em tecnologia da informao com anlise envoltria de dados. Revista
Produo. v.4, n.2, mai. 2003.
ROSA, Fernando de; MAZZON, Jos A. Anlise de eficincia operacional, mercadolgica e
de resultados baseada no conceito de cadeia de servios-lucro. In: ENANPAD, 27, 2003.
Atibaia. Anais Rio de Janeiro:ANPAD, Set. 2003. CD-ROM.
ROSENBLOOM, Bert. Marketing channels: a management view. 6th. ed. Fort Worth:
Dryden Press, 1999. 688p.
RUGGIERO, John; VITALIANO, Donald F. Assessing the efficiency of public schools
using data envelopment analysis and frontier regression. Contemporary Economic Policy.
v.17, n.3, p.321-331, Jul. 1999.
SCHAFFNIT, Claire; ROSEN, Dan; PARADI, Joseph C. Best practice analysis of bank
branches: an application of DEA in a large Canadian bank. European Journal of Operational
Research. v.98, n.2, p.269-289, Apr. 16 1997.

22

SILVA, Antnio C. M., AZEVEDO, Gustavo H. W. Eficincia e sobrevivncia: binmio


fundamental para a previdncia privada aberta. Revista Brasileira de Risco e Seguro. v.1, n.0,
Dez. 2004.
SOTERIOU, Andreas C.; STAVRINIDES, Yiannos. An internal customer service quality
data envelopment analysis model for bank branches. International Journal of Operations &
Production Management. v.17, n.8, p.780-789, 1997.
SOTERIOU, Andras; ZENIOS, Stavros A. Operations, quality, and profitability in the
prosivion of banking services. Management Science. v.45, n.9, p.1221-1238, Sep. 1999.
THANASSOULIS, Emmanuel. Data Envelopment Analysis and its use in banking.
Interfaces. v.29, n.3, p.1-13, May./Jun. 1999.
ZENIOS, Christiana V.; ZENIOS, Stavros A.; AGATHOCLEOUS, Kostas; SOTERIOU,
Andreas C. Benchmarks of the efficiency of bank branches. Interfaces. v.29, n.3, p.37-51,
May./Jun. 1999.

Das könnte Ihnen auch gefallen