OS ÍNDICES FINANCEIROS COMO UMA FERRAMENTA DE BENCHMARKING EMPRESARIAL: O CASO DOS PRODUTORES DA CANA-DE-AÇÚCAR DO BRASIL

Transcrição

1 OS ÍNDICES FINANCEIROS COMO UMA FERRAMENTA DE BENCHMARKING EMPRESARIAL: O CASO DOS PRODUTORES DA CANA-DE-AÇÚCAR DO BRASIL PAULO HENRIQUE DE LIMA SIQUEIRA Professor adjunto da FAMINAS FAMINAS - Faculdade de Minas Gerais Rua Dr. Brito, 173, Centro ; Viçosa- MG Telefone: (31) p33108@hotmail.com CPF: HÉBER SOUZA ANDRADE Graduando em Ciências Contábeis Universidade Federal de Viçosa Rua Dr. Brito, 173, Centro ; Viçosa- MG Telefone: (31) hsaufv@bol.com.br CPF: Trabalho baseado em pesquisa de Iniciação Científica Grupo: Administração Rural e Gestão do Agronegócio Apresentação: Poster

2 OS ÍNDICES FINANCEIROS COMO UMA FERRAMENTA DE BENCHMARKING EMPRESARIAL: O RESUMO CASO DOS PRODUTORES DA CANA-DE-AÇÚCAR DO BRASIL A partir da década de 90 a produção de cana-de-açúcar no Brasil vem passando por um processo de desregulamentação, o que vem obrigando os produtores a serem mais competitivos. O benchmarking é uma ferramenta bastante utilizada como um instrumento para se descobrir as melhores práticas existentes, seu funcionamento e como implantá-las dentro do contexto de cada organização. Como as técnicas de benchmarking ainda são subjetivas, torna-se necessário o desenvolvimento de técnicas que possam auxiliar na identificação de benchmarking e formulação de estratégia para melhorar o desempenho. Este artigo pretendeu fazer uma análise de benchmarking dos índices financeiros das produtoras de cana-de-açúcar, utilizando a técnica da análise envoltória de dados como uma possível ferramenta de apoio na identificação de benchmarking e indicação de possibilidades de estratégia financeira a serem adotadas pelos produtores na busca de melhor desempenho. Os resultados encontrados foram satisfatórios, possibilitando identificar o nível de desempenho de cada produtor. Também foram identificados os produtores best pratice que podem servir de benchmarking para os demais, na busca de melhor desempenho. PALAVRAS CHAVES: Benchmarking, análise envoltória de dados, índices financeiros. 1. INTRODUÇÃO A produção da cana-de-açúcar, uma das primeiras atividades de importância econômica no Brasil e a mais antiga desenvolvida no país, é basicamente destinada à indústria do açúcar e do álcool. Dentre os produtos agrícolas destinados à indústria, a cana-de-açúcar destaca-se pela tradição, relevância socioeconômica, função energética e pela distribuição geográfica por todo o país (VIEIRA, 1999). O Brasil é o maior produtor mundial de açúcar de cana, tem os menores custos de produção e apresenta os melhores índices de produtividade entre os principais produtores. O Brasil implantou, em larga escala e com tecnologia genuinamente nacional, o álcool como combustível alternativo. O setor movimenta, anualmente, algo em torno de US$ 13 bilhões, entre faturamentos diretos e indiretos, o que corresponde a 2,5% do PIB brasileiro (SINDAÇÚCAR-MG 1, 2003). Além disso, o país tem mantido a posição de maior exportador mundial de açúcar, bem acima dos outros países principais exportadores, conforme mostra a Tabela 1. Fazendo uma análise da variação percentual entre os anos de 1997 a 2001, observa-se que no Brasil, houve uma evolução de cerca de 69,57% na exportação de açúcar, enquanto na União Européia, segundo maior exportador, uma queda de 14,19% neste mesmo período. Novas técnicas agrícolas superaram pontos críticos para o desenvolvimento dos canaviais no cerrado brasileiro, reduzindo custos, aumentando a produtividade e possibilitando a ocupação de 90 milhões de hectares de cerrado disponíveis, com a ramificação da cultura no noroeste de São Paulo, norte do Paraná, Triângulo Mineiro, sul do Maranhão, oeste da Bahia, Mato Grosso do Sul, Goiás e Tocantins (Carvalho citado por PINAZZA & ALIMANDRO, 2003). TABELA 1: Maiores exportadores mundiais de açúcar em toneladas, de 1997 a Sindicato dos Produtores de Açúcar do Estado de Minas Gerais.

3 Países Brasil União Européia Austrália Tailândia Guatemala FONTE: ISO 2, extraído da UNICA 3. A produção de cana-de-açúcar no Brasil foi durante muitos anos alicerçada por políticas públicas regulatórias. Na década de 1930, a economia brasileira sofreu uma intensa intervenção do Estado, que visava, principalmente, manter o preço do café e estimular a industrialização interna. Na agroindústria canavieira, o processo de intervenção foi institucionalizado de forma gradual e a pedido dos próprios produtores. A intervenção nesse período foi muito mais forte do que a verificada em qualquer período anterior (SHIKIDA, 1992). Em 1933, surgiu o IAA 4, que visava o fomento e o controle da produção de açúcar e do álcool em todo o território nacional (LAGES, 1993). Na segunda metade dos anos 40, destacou-se uma grande expansão do número de usinas, devido, principalmente, ao estabelecimento de um grupo empresarial fabricante de carregadeiras de cana, moendas e caldeiras. A expansão do complexo ganhou impulso na década de 60, quando do programa de erradicação dos cafezais das terras paulistas, construindo-se novas usinas. Contudo, isso apenas veio intensificar uma situação que já se fazia antever desde o final dos anos cinqüenta: excesso de produção de açúcar no mercado interno, amenizado, em parte, pelo crescimento das exportações (BELIK et. al., 1998). Em 1975, com as crises do petróleo na década de 70 e a queda de preço do açúcar, o Governo Federal instituiu o PROÁLCOOL, Programa Nacional do Álcool, que passou por três fases evolutivas: de expansão moderada, entre 1975 e 1979, com a produção alcooleira baseando-se em regiões tradicionais da agroindústria canavieira; de expansão acelerada, entre 1980 e 1985, registrando-se expansão dessa produção em regiões consideradas sem tradição nesse setor e de desaceleração e crise, entre 1986 e 1995, ocorridas devido à queda do preço internacional do petróleo, da crise das contas governamentais e da inflação fortemente ascendente. Estas crises, somadas com a desativação do IAA em 1990, contribuíram para avultar as diferenças de produtividade existentes na agroindústria canavieira. Nessa época, empresas menos preparadas em termos de capacitação tecnológica encerraram suas atividades ou foram incorporadas pelas mais dinâmicas (SHIKIDA & BACHA, 1998). O processo de abertura do setor continuava nos anos seguintes com a liberação gradativa dos preços dos produtos. O primeiro a ser liberado foi o preço do açúcar (1990), seguido pelo do álcool anidro (1997), pela cana (1998) e, depois, pelo álcool hidratado (1999). Conseqüentemente, surgiu um novo processo de delineamento das atividades do setor sucroalcooleiro, sendo que o planejamento e as atividades de produção e comercialização deixaram de ser orientados pelo governo e passaram a fazer parte da administração privada (MARJOTTA-MAISTRO, 2002). Diante destes fatos, observa-se a importância de se desenvolver estudos que possam auxiliar os produtores menos eficientes a se tornarem tão ou mais eficientes quanto aos melhores produtores do setor. O benchmarking pode ser uma ferramenta bastante útil para este fim, pois proporciona às empresas a busca das melhores práticas existentes, seu 2 International Sugar Organization. 3 União da Agroindústria Canavieira de São Paulo. 4 Instituto do Açúcar e do Álcool

4 funcionamento, e o estudo de como implantá-las dentro do contexto da organização, melhorando seu desempenho. Termo bastante utilizado na agrimensura para definir um ponto de referência para comparações de elevação e direção, o benchmarking é um processo de busca consistente de novas idéias para métodos, práticas e processos e de adoção ou adaptação destas idéias para que a empresa alcance desempenho superior (CAMP, 1998). O benchmarking pode enfocar diferentes funções ou processos. O benchmarking interno é a análise das práticas em diferentes divisões da empresa, eliminando práticas desnecessárias que não adicionam valores e fortalecendo aquelas práticas críticas, fornecendo a estrutura para se comparar as práticas internas existentes com os dados do benchmarking externo. O benchmarking competitivo visa identificar o desempenho dos concorrentes diretos, ajudando a priorizar áreas de melhorias. O benchmarking setorial analisa as tendências do setor que pode ajudar nas linhas de base de desempenho, mas raramente levará a grandes mudanças ou evoluções de desempenho. O benchmarking das empresas líderes examina múltiplos setores, em busca de práticas inovadoras, com perspectivas amplas no desempenho, conforme áreas críticas que indiquem oportunidades de melhorias (LEIBFRIED E NACNAIR 1994). De acordo com TUPY e YAMAGUCHI (2002), dada a relevância da análise de benchmarking, torna-se necessário utilizar meios objetivos de análise que possa subsidiar na tomada de decisão. Este artigo pretendeu fazer uma análise de benchmarking dos índices financeiros dos produtores de cana-de-açúcar do Brasil, utilizando a técnica da análise envoltória de dados como uma possível ferramenta de apoio na identificação de benchmarking e indicação de possibilidades de estratégia financeira a serem adotadas pelos produtores no processo da busca de melhor desempenho. 2. REFERENCIAL TEÓRICO A análise de índices das demonstrações financeiras de uma empresa interessa a acionistas existentes e potenciais, credores e à própria administração da empresa (GITMAN, 1987). Os índices financeiros podem ser analisados de duas maneiras: série temporal, que mede o desempenho da empresa ao longo do tempo; e comparativamente, medindo o desempenho de uma determinada empresa em relação à concorrência. O desempenho da empresa pode ser comparado à principal empresa do setor, possibilitando que ela descubra diferenças operacionais cruciais que, se alteradas, aumentarão sua eficiência. Outro tipo de comparação é feito entre os índices da empresa e os índices médios do setor industrial (GITMAN, 1987). Neste estudo foram utilizados quatro índices financeiros: índice de participação de terceiros, margem líquida, retorno sobre o patrimônio líquido e giro do ativo total. O índice de participação de terceiros determina a porção de ativos totais fornecidos pelos credores da empresa. Quanto maior for este índice, maior o montante de dinheiro de terceiros empregado para gerar lucros, ou seja, maior será a alavancagem financeira (AF). Ele é calculado pela divisão entre o passivo circulante mais o exigível a longo prazo sobre o ativo total: PC + ELP AF = AT A margem líquida (ML) determina a porcentagem de cada valor monetário de venda que restou após a dedução de todas as despesas, inclusive do imposto de renda. O retorno

5 sobre o patrimônio líquido (RPL) mostra o retorno ganho sobre o investimento dos proprietários (tanto acionistas preferenciais quanto comuns). Quanto maior estes dois índices, melhor para empresas, pois todos eles são índices de lucratividade, muito observados pelos credores, acionistas e administradores, e para a empresa continuar existindo, é necessário que ela seja lucrativa. A ML é calculada pela divisão do lucro líquido sobre as vendas e o RPL pela divisão do lucro líquido sobre o patrimônio líquido. ML = LL Vendas RPL = O giro do ativo total (GT) indica a eficiência com que a empresa é capaz de usar seus ativos para gerar vendas e é calculado pela divisão das vendas sobre o ativo total. Quanto maior o giro do ativo total, tanto mais eficientemente seus ativos foram usados. LL PL GT = Vendas AT Considerando-se estes quatro índices, pode-se dizer que a empresa mais eficiente é aquela que utiliza a menor quantidade de capital de terceiros para alcançar maior lucratividade e eficiência. Neste caso, o capital de terceiros representa uma espécie de entrada (input) necessário para se alcançar uma lucratividade e eficiência (output). O índice de utilização de capital de terceiros, que representa a alavancagem financeiras (AF) será o input, enquanto a margem líquida (ML), o retorno sobre o patrimônio líquido (RPL), e o giro do ativo total (GT) serão os outputs. 3. METODOLOGIA Para a concretização desta análise, utilizará a abordagem não-paramétrica de análise envoltória de dados ou Data Envelopment Analysis (DEA) como modelo analítico. A análise envoltória de dados é uma técnica não-paramétrica que se baseia na programação matemática, especificamente na programação linear, para estimar de forma empírica uma função de produção e analisar a eficiência relativa de Unidades de Tomada de Decisão ou Decision Making Units (DMUs 5 ), analisar os retornos à escala dessas DMUs, assim como identificar aquelas que poderão servir de benchmark para as ineficientes, de modo que estes possam melhorar suas performances. Segundo CHARNES et al. (1994), para estimar e analisar a eficiência relativa das DMUs, a DEA utiliza a definição de ótimo de Pareto, segundo o qual nenhum produto pode ter sua produção aumentada sem que sejam aumentados os seus insumos ou diminuída a produção de outro produto, e em um enfoque alternativo, quando nenhum insumo pode ser diminuído sem que se tenha que reduzir a produção de algum produto. A eficiência é analisada entre as unidades, relativamente. O modelo DEA com orientação-produto 6 procura maximizar o aumento proporcional nos níveis de produto, mantendo fixa a quantidade de insumos e, de acordo com Charnes et al. (1994) e Lins e Meza (2000), pode ser representado, algebricamente, por: Max φ,λ,s +,S - φ s.a φyi - Yλ + S + = 0, (1) 5 DMUs (Decision Making Units) é um termo utilizado na técnica DEA para referenciar unidades homogêneas que utilizam insumos semelhantes para produzir produtos semelhantes e têm autonomia para tomar decisões.

6 - xi + Xλ + S - = 0, - λ 0, - S + 0, - S - 0. em que: - y i é um vetor (m x 1) de quantidades de produto da i-ésima DMU; - x i é um vetor (k x 1) de quantidades de insumo da i-ésima DMU; - Y é uma matriz (n x m) de produtos das n DMUs; - X é uma matriz (n x k) de insumos das n DMUs; - λ é um vetor (n x 1) de pesos; + - S é um vetor de folgas relativo aos produtos; - - S é um vetor de folgas relativos aos insumos e - φ é uma escalar que tem valores iguais ou maiores do que 1. O coeficiente φ indica o escore de eficiência das DMUs, em que um valor igual a um indica eficiência técnica relativa da i-ésima DMU, em relação às demais, e um valor maior do que um evidencia a presença de ineficiência técnica relativa. O (φ -1) indica o aumento proporcional nos produtos que a i-ésima DMU pode alcançar, mantendo constante a quantidade de insumo. O problema apresentado em (1) é resolvido n vezes - uma vez para cada DMU, e, como resultado, apresenta os valores de φ e λ, sendo φ o escore de eficiência da DMU sob análise e λ fornece os peers (as DMUs eficientes que servem de referência ou Benchmarking para a i-ésima DMU ineficiente). Com vistas a incorporar a possibilidade de retornos variáveis à escala, BANKER et al. (1984) propuseram o modelo BCC ( Banker, Charnes e Cooper) da análise envoltória de dados, introduzindo uma restrição de convexidade no modelo CCR ( Charnes, Cooper e Rhodes), apresentado sob a forma de um problema de programação linear (PPL(1)). O modelo BCC, apresentado no PPL (2), é menos restritivo 7 do que o modelo CCR e permite, de acordo com Banker e Thrall (1992), decompor a eficiência técnica em eficiência de escala e pura eficiência técnica (ver equação 3). Para analisar a eficiência de escala, torna-se necessário estimar a eficiência das DMUs, utilizando-se tanto o modelo CCR (1) como o BCC (2). A ineficiência de escala é evidenciada quando existem diferenças no escore desses dois modelos. A figura 1 representa os modelos CCR e BCC para uma fronteira bidimensional. E E E E Nesta figura, a eficiência da DMU E é dada por para o modelo BCC, e por E E E E no modelo CCR, ambos para orientação inputs. 6 Modelo DEA com orientação-produto sob a pressuposição de retornos variáveis à escala. 7 Porque permite menor discriminação das diferenças entre as DMUs.

7 O modelo BCC, que pressupõe retornos variáveis à escala, pode ser representado pela seguinte notação algébrica: em que: Max φ,λ,s +,S - s.a φ φyi - Yλ + S + = 0, (2) - xi + X λ + S - = 0, N1 λ = 1 - λ 0, + - S 0, - - S 0 - N1 é um vetor (nx1) de números uns. As demais variáveis foram anteriormente descritas. Mesmo que seja evidenciada a existência de ineficiência de escala, ainda não se sabe qual a natureza dessa ineficiência, isto é, se ela se deve a retornos crescentes ou a retornos decrescentes à escala. Para que seja contornada esta situação, torna-se necessário estimar a eficiência das DMUs utilizando-se uma restrição que pressupõe a existência de retornos não crescentes à escala, o que resulta na substituição da restrição N1 λ = 1 pela restrição N1 λ 1, no modelo apresentado no PPL (2). A natureza dos retornos à escala é analisada quando se comparam os resultados dos modelos CCR, BCC e o BCC com retornos não-crescentes. Se o coeficiente de eficiência do modelo CCR for igual ao do modelo BCC, haverá eficiência de escala; caso contrário, analisando-se os coeficientes de eficiência do modelo BCC com retornos não-crescentes e o modelo CCR, se forem iguais, haverá ineficiência de escala, que será devida à presença de retornos crescentes à escala. Caso contrário, isto é, se o coeficiente do modelo BCC com retornos não-crescentes for maior do que o do modelo CCR, a ineficiência será devida à presença de retornos decrescentes à escala. Dessa forma, de acordo com BANKER (1984), é possível determinar a escala ótima de cada unidade de produção. A eficiência técnica é definida por: Eficiên cia técnica = Eficiência de escala x Pura eficiência técnica. (3) Embora o método DEA seja relativamente recente, tem tido um rápido desenvolvimento. Assim atualmente conta com uma ampla base teórica e variedade de aplicações práticas Dados utilizados e procedimentos

8 Para que se utilizasse esse modelo analítico da análise envoltória dos dados, utilizouse somente os dados das empresas que apresentaram índices positivos. Eles são referentes a uma amostra de 8 produtores de cana-de-açúcar, obtidos na publicação do INVESTNEWS, Na estimação dos escores de eficiência foram calculados 8 PPLs apresentado em (1) e em (2), e sob as pressuposições de retornos crescentes à escala. Na resolução dos PPLs foram utilizados os recursos do programa do DEAP. 4. RESULTADOS E DISCUSSÃO Os principais resultados da análise para os produtores de cana-de-açúcar encontramse apresentados na Tabela 2. Como pode-se verificar, existe diferenças na performance das empresas. Considerando a média dos escores, verifica-se que sob pressuposição de retornos variáveis, a média dos escores é de 0,975, enquanto sob retornos constantes a média foi de 0,371. Apenas a Agro Pecuária Nova Louzã S/A e a J O Agropecuária S/A aparecem como eficientes sob pressuposição de retornos constantes. Como os modelos utilizados têm pressuposição de orientação produto, cujos valores de eficiência variam de 1 até mais infinito, optou-se por apresentar os escores na forma inversa (1/φ), isto é, valores iguais a 1 indicam melhor performance e quanto mais próximo de 0 maior o grau de ineficiência, tornando mais fácil visualizar e interpretar os resultados. TABELA 2: Escores de eficiência e retornos à escala dos produtores de cana-de-açúcar Empresa CCR BCC P1 - Agro Pecuária Campo Alto S/A 0,134 0,844 P2 - Agro Pecuária Furlan S/A P3 - Agro Pecuária Nova Louzã S/A P4 - Agropecuária Aquidaban S/A P5 - Cia Agrícola Debelma P6 - Cia Agrícola Pastoril Campanário P7 - Cia Agrícola São Jerônimo P8 - J O Agropecuária S/A 0,198 0,057 0,240 0,116 0,222 0,955 BCC ñ c rescente 0,159 0,198 0,057 0,240 0,122 0,222 Média 0,371 0,975 0,375 Fonte: Dados da pesquisa Retornos à escala Decrescente Decrescente Constante D ecrescente Decrescente Decrescente Crescente Constante Obs: CCR refere-se ao modelo de retornos constantes, apresentado na equação (1); O BCC refere-se ao modelo com pressuposição de retornos variáveis, apresentado na equação (2) e o BCC não crescente refere-se à modificação da equação (2) para incorporar retornos não crescentes. Com vistas em analisar a natureza dos retornos à escala, o modelo de envoltória, apresentado no Problema de Programação Linear (1), foi modificado para possibilitar a identificação da natureza dos retornos à escala das unidades de produção. Especificamente, foi acrescentada no modelo uma restrição de convexidade, conforme modelo BCC, apresentado no Problema de Programação Linear (2). Os modelos de envoltória com

9 orientação-produto, retornos variáveis e retornos não-crescentes visaram identificar a natureza dos retornos à escala, cujos resultados estão apresentados na Tabela 2. Como se pode verificar a maioria dos produtores não estava operando em escala ótima 8, apresentando, predominantemente, retornos decrescentes à escala, o que é um indicativo de que diminuindo o tamanho dessas empresas, ou seja, o nível do empréstimo adquirido no mercado, pode-se notar uma melhora na performance das mesmas. As empresas que são ineficientes podem melhorar suas performances, adequando o seu tamanho e copiar a estratégia da empresa benchmarking. Na Tabela 3 encontram-se listados os produtores cana-de-açúcar que servem de benchmarking para os demais. Nota-se que os produtores Agro Pecuário Furlan S/A e Agropecuária Aquidaban são os que mais servem de benchmarking para as demais. Estes resultados indicam que estas empresas apresentam bom desempenho e cuja estratégia e estrutura deveriam ser copiadas pelas empresas ineficientes, no sentido destas melhorarem suas performances financeiras. TABELA 3: Empresas que servem de benchmarking para os produtores de cana-de-açúcar Empresa Benchmarking Nº de vezes P1 - Agro Pecuária Campo Alto S/A P2 (0,948); P4 (0,052) 0 P2 - Agro Pecuária Furlan S/A P3 - Agro Pecuária Nova Louzã S/A P4 - Agropecuária Aquidaban S/A P5 - Cia Agrícola Debelma P6 - Cia Agrícola Pastoril Campanário P7 - Cia Agrícola São Jerônimo P8 - J O Agropecuária S/A Fonte: Dados da pesquisa P3 (0,015); P2 (0,852); P4 (0,132) Caso operem de forma eficiente, as empresas deveriam apresentar índices de lucratividade e eficiência elevados. Na Tabela 4 tem-se um resumo dos valores observados e das metas do giro do ativo total (GT), da margem líquida (ML) e do retorno sobre o patrimônio líquido (RPL), desses produtores. Verifica-se que os produtores ineficientes, destacadas em negrito, poderiam aumentar seu giro do ativo total, sua margem líquida e seu retorno sobre o patrimônio líquido caso operassem de forma eficiente como os produtores benchmarking. TABELA 4: Valores observados e metas dos índices de lucratividade e eficiência 8 O conceito de escala ótima refere-se à definição de BANKER (1984) Most productive scale size. É um conceito estritamente quantitativo e está relacionado com a presença de retornos constantes à escala.

10 VALORES OBSERVADOS METAS DOS ÍNDICES Empresa ML RPL GT ML RPL GT P1 - Agro Pecuária Campo Alto S/A ,69 9,23 49,78 P2 - Agro Pecuária Furlan S/A P3 - Agro Pecuária Nova Louzã S/A P4 - Agropecuária Aquidaban S/A P5 - Cia Agrícola Debelma P6 - Cia Agrícola Pastoril Campanário ,842 12,703 50,246 P7 - Cia Agrícola São Jerônimo P8 - J O Agropecuária S/A Fonte: Dados da pesquisa 5. CONSIDERAÇÕES FINAIS O processo de globalização intensificou a necessidade de informações precisas e em tempo hábil pelas empresas para a tomada de decisão e formulação de estratégias. As constantes transformações econômicas dos últimos anos vêm estimulando as empresas a adotarem as melhores práticas gerenciais e produtivas existentes visando se tornarem mais competitivas. O benchmarking vem sendo bastante utilizado como um instrumento para se descobrir as melhores práticas existentes, seu funcionamento e como implantá-las dentro do contexto de cada organização. Embora seja reconhecida a importância de análise de benchmarking, as técnicas então utilizadas são subjetivas e limitadas. Neste contexto torna-se necessário a utilização de técnicas que possam auxiliar na identificação de benchmarking e formulação de estratégia para melhorar o desempenho e permanecer competindo no ambiente global. Este artigo pretendeu fazer uma análise de benchmarking dos índices financeiros dos produtores de cana-de-açúcar, utilizando a técnica da análise envoltória de dados como uma possível ferramenta de apoio na identificação de benchmarking e indicação de possibilidades de estratégia financeira a serem adotadas pelos produtores no processo da busca de melhor desempenho. Utilizou-se dados coletados no Investnews, referentes a uma amostra de 8 empresas produtoras de cana-de-açúcar ano de Os resultados encontrados foram satisfatórios, possibilitando identificar o nível de desempenho de cada produtor e a natureza dos retornos à escala. Também foram identificados os produtores best pratice que podem servir de benchmarking para as demais, na busca de melhor desempenho. Com as análises verificou-se que existe uma diferença de performance entre os produtores. A maioria deles está trabalhando com retornos decrescente à escala, podendo diminuir seu tamanho para atingirem escala ótima. Alguns produtores ineficientes poderiam aumentar seu giro do ativo total, sua margem líquida e seu retorno sobre o patrimônio líquido caso operassem de forma eficiente como os produtores benchmarking. 6. REFERÊNCIAS BIBLIOGRÁFICAS

11 BANKER, R.D. Estimating most productive scale size using DEA. European Journal of Operational Research, v. 17, p , BANKER, R.D., THRALL, R.M.. Estimation of returns to scale using DEA. European Journal of Operational Research, v. 62, n. 1, p , BANKER, R.D., CHARNES, A., COOPER, W.W. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, v. 30, n. 9, p , BELIK, W, RAMOS, P. VIAN, C.E.F. Mudanças Institucionais e seus Impactos nas Estratégias dos Capitais do Complexo Agroindutrial Canavieiro no Centro-Sul do Brasil. Congresso Brasileiro de Economia e Sociologia Rural, 36, Poços de Caldas. Anais. Brasília: SOBER, 1998, p CAMP, R.C. Benchmarking: O caminho da qualidade total. 3ª ed. São Paulo: Pioneira, 250 p, CHARNES, A., COOPER, W.W., RHODES, E. Measuring the efficiency of decision making units. European Journal of Operational Research, v. 2, p , CHARNES, A., COOPER, W.W., LEWIN, A.Y., SEIFORD, L.M. Data envelopment analysis: theory, methodology, and application. Dordrecht: Kluwer Academic, COELLI, T.J., RAO, P., BATTESE, G.E. An introduction to efficiency and productivity analysis. Dordrecht: Kluwer Academic, ESTELLITA LINS, M.P., MEZA, L.A. Análise envoltória de dados e perspectivas de integração no ambiente de apoio à tomada de decisão. Rio de Janeiro: COPPE/UFRJ, GITMAN, Lawrence J. Princípios de Administração Financeira Essencial Porto Alegre: Bookman, LAGES, André Maia Gomes. A Diferenciação Tecnológica na Indústria Sucro-Alcooleira do Brasil Dissertação (Mestrado pela CME/PIMES/UFPE) - Universidade Federal de Pernambuco. Pernambuco: UFPE, p. LEIBFRIED, K.H. McNAIR, C. J. Benchmarking: Uma Ferramenta para a Melhoria Contínua. Rio de Janeiro: Campus, 312 p, MARJOTTA-MAISTRO, Marta Cristina. Ajustes nos Mercados de Álcool e Gasolina no Processo de Desregulamentação Tese (Mestrado - ESALQ/USP) Escola Superior de Agricultura Luiz de Queiroz / Universidade de São Paulo. Piracicaba: ESALQ/USP, 2002, 180p. PINAZZA, Luiz Antônio. ALIMANDRO, Regis. Iniciativa Arrojada. Revista Agroanalysis. Instituto Brasileiro de Economia. Vol. 23, nº 2, Abril de 2003, p.3-6.

12 SHIKIDA, Pery Francisco. A Evolução da Agroindústria Canavieira em Minas Gerais de 1705 a Tese (Mestrado - ESALQ/USP) Escola Superior de Agricultura Luiz de Queiroz / Universidade de São Paulo. Piracicaba: ESALQ/USP, 1992, 154p. SHIKIDA, Pery Francisco. Modernização da Agroindústria Canavieira no Brasil e as Estratégias Tecnológicas das Firmas. Revista Brasileira de Economia. v. 53, n. 1, Jan./Mar. 1998, p SINDAÇÚCAR-MG. Realidade e Perspectivas do Setor Sucroalcooleiro de Minas Com Foco no Desenvolvimento Social e Econômico. [S.I.: s.n.,] 200_. 20p. TUPY, O. YAMAGUCHI, L. C.T. Identificando Benchmarkings na Produção de Leite. Revista de Economia e Sociologia Rural. Vol. 40, nº 1, Jan. / Mar p , VIEIRA, Rita Joana. Restruturação do PROÁLCOOL e Continuidade da Produção de Álcool Combustível no Brasil. Tese (Mestrado em Economia Rural) - Universidade Federal de Viçosa. Viçosa: UFV, 1999, 134p.