Beruflich Dokumente
Kultur Dokumente
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;
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.
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
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
10
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
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
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
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.
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
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
15
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
16
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
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
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
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
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
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
22