A ANÁLISE DE VIABILIDADE ECONÔMICA DE UM PROJETO DE E- COMMERCE DO TIPO CONSUMER-TO- CONSUMER (C2C) COM ÊNFASE NA ANÁLISE DE RISCOS

Transcrição

1 A ANÁLISE DE VIABILIDADE ECONÔMICA DE UM PROJETO DE E- COMMERCE DO TIPO CONSUMER-TO- CONSUMER (C2C) COM ÊNFASE NA ANÁLISE DE RISCOS Rodrigo de Moares Gaudard (UnB) Iana Giesbrecht Castello Branco (UnB) filipe guedes de o almeida (UnB) filipegoa@yahoo.com.br Bruna Goncalves Rodrigues (UnB) brunagrod@hotmail.com Lais Kimie Oshiro Caldeira (UnB) lkocdomileniu@hotmail.com Este artigo se propõe a tecer considerações sobre a análise de viabilidade econômica com ênfase na análise de riscos aplicada a um e-commerce do tipo C2C (Consumer-to-Consumer). Para tal, foi necessário realizar os cálculos dos indicadores de viabilidade Taxa Interna de Retorno (TIR) e do Valor Presente Líquido (VPL) em seis casos distintos - que serão especificados no trabalho - visto sua importância para tomada de decisão de investimento. A partir desses indicadores, utilizou-se a análise de sensibilidade para as variáveis que compõem o cálculo da TIR e do VPL para o projeto do e- commerce, tais como investimento inicial, custos fixos e variáveis e receita, a fim de se analisar os riscos do projeto. Além disso, foram realizadas simulações de Monte Carlo, por meio do software Crystal Ball da Oracle, que permitiram visualizar uma série de informações importantes sobre as variáveis estudadas e seus impactos nos indicadores de viabilidade desse tipo de projeto. Palavras-chaves: e-commerce, comércio eletrônico, analise de riscos, sensibilidade, Monte Carlo, viabilidade econômica, viabilidade, análise financeira, simulação, TIR, VPL

2 1. Introdução O comércio eletrônico, ou e-commerce, é a compra e venda de produtos ou serviços via Internet. Ao final, recebe-se, dentro de um prazo determinado, o produto ou serviço requerido diretamente no endereço especificado pelo comprador. Os comércios eletrônicos podem ser classificados em Business-to-Business (B2B), onde a transação é feita de empresas para empresas, Business-to-Consumer (B2C), onde a transação é de empresa para o consumidor final, e Consumer-to-Consumer (C2C), onde a transação é realizada entre consumidor final e consumidor final. Será apresentada neste artigo uma análise econômica com ênfase na análise de riscos aplicada a um projeto de e-commerce do tipo C2C ou Consumer-to-Consumer. O projeto em questão trata-se da análise de viabilidade econômica de um comércio eletrônico C2C de produtos e serviços universitários. Desde o desenvolvimento da Teoria do Portfólio de Markowitz até os dias de hoje vem-se aumentando o interesse no gerenciamento de riscos e nas pesquisas sobre os tipos de riscos existentes. Pedote (2002) afirma que a interdependência dos mercados financeiros, a crescente sofisticação dos produtos oferecidos pelos bancos, o advento do e-commerce, dentre outros fatores, faz com que o tema não possa ser mais ignorado. É intuitiva a noção de risco associado às perdas ou possibilidades de danos. Entretanto, segundo Bruni (2008), riscos representam as possibilidades de dispersão acerca de um retorno esperado, seja essa dispersão positiva ou negativa. Sendo assim, os riscos, apesar da conotação negativa, nem sempre são dessa natureza. É importante também diferenciar risco de incerteza. De acordo com Marshall (2002), risco se aplica a resultados que, embora não certos, tenham probabilidades que possam ser estimadas pela experiência ou por dados estatísticos. Já a incerteza está presente quando o resultado não pode ser previsto, nem mesmo em um sentido probabilístico. Para se mensurar o risco é utilizada uma medida estatística, o desvio-padrão, esta mede a dispersão dos valores individuais de retornos em torno de uma média. Sendo assim, quanto maior for o desvio-padrão, maior será a dispersão das expectativas e consequentemente maior será o risco do investimento. Representado por σ, o desvio-padrão é definido como a raiz quadrada do somatório dos produtos das probabilidades de ocorrência multiplicada pelos quadrados da diferença entre cada retorno possível e o retorno esperado, ou seja, é a raiz quadrada da variância, como se segue: Onde é o número de eventos ou retornos possíveis; é a probabilidade de ocorrência do retorno, e é o retorno mais provável de um ativo, ou seja, o retorno esperado de um ativo com risco. Segundo Grouhy (2004), os riscos podem ser divididos em quatro grandes grupos: 2

3 - Risco de Mercado: definido como a possibilidade de ocorrência de perdas resultantes da flutuação nos valores de mercado, incluindo os riscos das operações sujeitas à variação cambial, taxa de juros, preços das ações e dos preços de mercadorias (commodities), dentre outros; - Risco Operacional: é aquele relacionado a possíveis perdas como resultado de falhas, inadequações ou deficiências de processos internos, de pessoas e de sistemas; - Risco de Crédito: é associado às perdas quando um dos contratantes não honra com seus compromissos de dívida. Pode ser decorrente de problemas financeiros oriundos de má gestão, dificuldades com planos econômicos, obrigações contratuais que não foram cumpridas pela contraparte, etc; - Risco Legal: está relacionado às possíveis perdas quando um contrato não pode ser legalmente amparado. Pode ser associado à inadequação ou deficiência em contratos firmados pelo conglomerado, bem como às sanções em razão de descumprimento de dispositivos legais e às indenizações por danos a terceiros decorrentes das atividades desenvolvidas pelo conglomerado. Explorados os conceitos e a evolução dos riscos, a análise de sensibilidade oferecerá uma análise destes riscos em projetos de investimentos. Segundo Casarotto (2007), a análise de sensibilidade será responsável pelo estudo que a variação em um parâmetro pode ocasionar nos resultados do projeto. Os procedimentos para tal análise podem ilustrar graficamente ou numericamente as consequências das variações sobre o futuro investimento (UNESCO, 2005). Durante a análise de um projeto de investimento, o processo decisório de onde, como e quando investir se torna crítico. De modo geral, segundo Eschenbach (1999), apud Silva e Belderrain (2004), a análise de sensibilidade procura ajudar a tomar melhores decisões, a escolher quais dados devem ser refinados e a concentrar nos elementos críticos durante a implementação do projeto. Para Bruni (2008), a análise de sensibilidade é uma das formas mais usuais de tratamento da incerteza de um projeto de investimento. Casarotto (2007), ainda complementa afirmando que quando uma pequena variação de um determinado parâmetro altera drasticamente a rentabilidade de um projeto diz-se que este projeto é muito sensível a este parâmetro. Como citado por Unesco (2005), o caráter exato de uma análise de sensibilidade depende do contexto particular e das questões que a concerne. Dando assim a particularidade de cada análise segundo o contexto o qual o projeto de investimento está inserido. A realização desta análise está disponível em vários pacotes de programas, podendo ser linear ou não linear. Unesco (2005) confirma que estes programas identificam mudanças nos valores da função final e em variáveis desconhecidas de tomada de decisão dada uma mudança na entrada dos dados. Faz-se com que a análise mapeie as mudanças no desempenho ótimo do projeto associando às mudanças nos valores dos parâmetros, além disso, o programa também mostra como decisões ótimas podem ser influenciadas com mudanças nas restrições de recursos ou de requisitos alvo. 3

4 A fim de facilitar a visualização da análise de sensibilidade como um processo decisório, esta é mais bem apresentada na figura 01. Nela estão explicitadas as fases chaves da análise de sensibilidade, como foi colocado anteriormente. A primeira delas é a de escolha dos dados que serão refinados na análise, em seguida a de variação dos parâmetros para o projeto em questão as variações acontecem estão medidas em percentual por conseguinte a fase de concentração nos elementos que foram observados como críticos, os quais afetam drasticamente a rentabilidade do projeto, desta forma é possível alcançar melhores decisões. Figura 01: Diagrama da metodologia da Análise de Sensibilidade. A fase de escolha dos dados que serão refinados está diretamente relacionada à qualidade da decisão que será tomada ao final da análise. A figura 02 a seguir, explicita, segundo Lal (1995), apud Unesco (2005), de que forma esta confiabilidade dos dados está relacionada à sensibilidade encontrada através da análise do projeto de investimento. 4

5 Figura 02: Diagrama que mostra a relação entre a sensibilidade do projeto e a incertezas dos dados. (LAL, 1995, apud UNESCO, 2005) Além da Análise de Sensibilidade, existem ainda várias outras formas de analisar um projeto de investimento, serão comentadas ainda a Análise de Cenários e a Simulação de Monte Carlo. A análise de cenários vem para suprir uma situação específica a qual a análise sensibilidade não foi capaz de satisfazer: a correlação entre as variáveis estudadas. Segundo Samanez (2009), nesta análise a variação ocorre de acordo com um conjunto de parâmetros formando os cenários, ao contrário da análise de sensibilidade que analisa uma variável apenas por vez. Para a simulação de Monte Carlo, por sua vez, é necessário que sejam feitos ensaios estatísticos mais elaborados do que a própria análise de sensibilidade ou de cenários. Neste método situações de incertezas serão analisadas, como os projetos de investimento. Samanez (2009) ressalta que esta simulação supre os casos onde não existem expressões, fórmulas analíticas ou equações matemáticas que determinem o fenômeno como um todo. Dois autores explicitam as etapas genéricas necessárias para esta situação, no primeiro a seguir, Samanez (2009) descreve as etapas: - Estabelecer todas as variáveis e equações necessárias para modelar os fluxos de caixa, como: Receita Bruta = Preço x Vendas etc. Essas equações devem refletir as interdependências entre as variáveis. - Especificar as probabilidades de erro de previsão para cada parâmetro, assim como a magnitude de cada erro de previsão. [...] - Fazer combinações aleatórias entre os valores das distribuições de erros de previsão das variáveis; em seguida, calcular os fluxos de caixa resultantes. [...] (SAMANEZ,2009) 5

6 Figura 03: Fluxograma da Metodologia da Simulação de Monte Carlo. (DUARTE 1993) Duarte (1993) ressalta que na simulação de Monte Carlo os cenários que serão estudados e que foram oriundos destas etapas genéricas são aleatórios de acordo com um conjunto paramétrico previamente selecionado os quais representam as variações dos fatores de mercado. Este autor ainda apresenta a tabela 01 a seguir comparando três metodologias diferentes: 6

7 Tabela 01: Metodologias de cálculo do risco. 2. Revisão Bibliográfica O Capital Asset Pricing Model (CAPM) ou Modelo de Precificação de Ativos de Capital foi desenvolvido na década de 60 por Sharpe (1964), Lintner (1965) e Mossin (1966). Este modelo relaciona o retorno obtido entre taxa livre de risco e prêmio de risco. A taxa livre de risco é dada pelo retorno esperado dos ativos sem risco. O prêmio de risco pode ser visto como o retorno adicional exigido pelos investidores para compensar cada unidade de risco adicional por eles assumida. (SAMANEZ, 2009). O CAPM tem por função calcular o custo de capital próprio (ou retorno esperado do ativo) e pode ser encontrado a partir da seguinte equação: Onde Ri representa o custo de capital próprio, Rf é o retorno de ativo sem risco, Rm é a rentabilidade esperada do mercado, e, por fim, o β representa a sensibilidade dos retornos do ativo às variações na rentabilidade da carteira de mercado. Estatisticamente, o beta (β) é igual à covariância entre os retornos do título e os retornos da carteira de mercado. 7

8 β = Porém, o β sofre uma variação no que tange à composição do capital do projeto. Esta composição diz respeito à quantidade de capital de terceiros em relação à quantidade de capital próprio. Dessa forma, faz-se necessário a desalavancagem do valor de β (β0) de acordo com a proporção de capital da organização. A desalavancagem é realizada utilizando a seguinte equação: Calculado o βa, podemos calcular o valor para Ri a partir da fórmula para CAPM dada acima. Segundo Bruni (2008), a fim de calcular o Valor Presente Líquido (VPL) que será usado como indicador de viabilidade, deve-se fazer uma ponderação das diversas fontes de financiamento da empresa, seja ela capital próprio ou de terceiros. Esta ponderação pode ser calculada a partir do custo médio ponderado de capital (CMPC). O valor do CMPC (K) pode ser calculado a partir da fórmula seguinte: Sendo que CP representa o capital próprio, V = CP + D, D é o capital de terceiros, T é a taxa de imposto de renda e Kd é o custo de capital de terceiros, o qual é equivalente ao Kcp, porém para o capital de terceiros e não para o capital próprio. A partir dessa informação, volta-se para o conceito de VPL e sua importância para tomada de decisão de investimento. Esta metodologia leva em consideração o valor temporal do dinheiro. Conforme Ross etal (1995:68) apud Fonseca (2011): O valor presente líquido de um investimento é um critério simples para que se decida se um projeto deve ser executado ou não. O VPL permite dizer quanto dinheiro um investidor precisaria ter hoje para desistir de fazer o projeto. Se o VPL for positivo o investimento vale a pena, pois executá-lo é equivalente a receber um pagamento igual ao VPL. Se for negativo, realizar o investimento hoje é equivalente a pagar algo no presente momento e o investimento deveria ser rejeitado. Para cálculo do VPL, além dos já citados acima, precisa-se calcular o Valor Presente (VP), que indica o valor atual de um fluxo ou de uma série futura de fluxos de caixa. 8

9 Onde K é o custo médio ponderado de capital, como visto acima, i corresponde ao período do fluxo de caixa e Ci ao fluxo de caixa futuro na data i. Segundo Fonseca (2011), então, o VPL consiste no valor presente dos fluxos de caixa futuros reduzido do valor presente do custo do investimento e pode por fim ser calculado como: VPL = - (Valor do Investimento Inicial) + Valor Presente do Investimento O Investimento então vale a pena quando o VPL é positivo, e deverá ser rejeitado se este for negativo. 3. Cálculo das Análises Para o início dos cálculos relacionados com o projeto de comércio eletrônico em questão, observou-se que o β sofre uma variação no que tange à composição do capital do projeto. Esta composição diz respeito à quantidade de capital de terceiros em relação à quantidade de capital próprio. O valor para β que acrescenta a este trabalho é apresentado na tabela 02 a seguir, retirada de uma pesquisa aplicada a 5928 empresas norte-americanas em Janeiro de Tabela 02: Valor de Beta para o mercado de e-commerce. Modificado de: Dessa forma, faz-se necessário a desalavancagem do valor de β (β0) da composição dada na tabela de 4,58%. Para em seguida, alavancar o β (βa) para a proporção de 50% de capital próprio e 50% de capital de terceiros, proporção esta definida inicialmente pelo gestor do projeto de comércio eletrônico analisado. Fica-se então com a seguinte equação: 9

10 Calculado o βa, podemos calcular o valor para Kcp dado que este será utilizado para o cálculo de K, o qual compõe a fórmula do VPL. Temos, portanto: Onde Rf é o retorno do ativo sem risco, considera-se neste caso a taxa SELIC (12% a.a.) e Rm é o retorno do mercado brasileiro. Este foi encontrado usando dados da IBOVESPA, onde se calcula a taxa de retorno das ações em todo 1º de novembro dos anos de 2001 até 2011, feito isso, calcula-se a média destas taxas. Obteve-se o valor de 23,52% a.a. para Rm. Portanto o valor encontrado para Kcp foi: Por fim, calcula-se o valor de K, que nada mais é do que a ponderação, segundo a composição do capital do projeto, de forma a ajustar o Kcp encontrado. Sendo que CP é o que se chamou de capital próprio, V = CP + D, D é o capital de terceiros, T é a taxa de imposto de renda e Kd é o custo de capital de terceiros utilizou-se o valor da taxa de juros para obtenção de empréstimo do tipo FCO (8% a.a.) - o qual é equivalente ao Kcp, porém para o capital de terceiros e não para o capital próprio. Dessa forma, temos o valor de K que poderemos utilizar para o cálculo do VPL durante a análise de viabilidade financeira do projeto. A tabela 3 a seguir sintetiza os cálculos apresentados acima com os valores percentuais ao ano de cada variável: Tabela03: Variáveis e resultados obtidos. A seguir, temos as estimativas para os quatro primeiros anos do e-commerce C2C estudado no projeto, em termos de receita, investimento inicial, custo fixo (cf), custo variável (cv) e consequentemente o fluxo de caixa referente a cada ano: 10

11 Tabela 04: Estimativas para os quatro primeiros anos de Fluxo de caixa. Para tais valores, foram obtidos os indicadores de viabilidade da TIR e do VPL em seis casos distintos, três casos do VLP sem considerar o custo de capital e os três restantes considerando o custo de capital em situações onde o capital próprio varia 10%. Dessa forma, as situações analisadas foram: - VPL sem considerar o custo de capital pela taxa SELIC previsão 2011 de 12% a.a. - VPL sem considerar o custo de capital pela taxa do CDB do Banco do Brasil de 15% a.a. - VPL sem considerar o custo de capital pela taxa do Ibovespa de 20% a.a. - VPL com o custo de capital de 20,8% a.a., taxa de capital de terceiros pelo FCO de 8% a.a., taxa de valor do ativo de risco pelo Ibovespa, taxa do valor do ativo sem risco pela SELIC e 40% do capital sendo próprio. - VPL com o custo de capital de 20,8% a.a., taxa de capital de terceiros pelo FCO de 8% a.a., taxa de valor do ativo de risco pelo Ibovespa, taxa do valor do ativo sem risco pela SELIC e 50% do capital sendo próprio. - VPL com o custo de capital de 20,8% a.a., taxa de capital de terceiros pelo FCO de 8% a.a., taxa de valor do ativo de risco pelo Ibovespa, taxa do valor do ativo sem risco pela SELIC e 60% do capital sendo próprio. A partir desses indicadores, foi necessário realizar a análise de sensibilidade para as variáveis que compõem o cálculo do VLP e da TIR, que são as variáveis do projeto do e-commerce de receita, investimento inicial, custos fixos e custos variáveis. A partir da sensibilidade das variáveis é possível também definir o risco de desse tipo de negócio em relação às variáveis, ou seja, identificar quais são os maiores riscos de um projeto de e-commerce C2C em relação à receita, investimento inicial, custos fixos, custos variáveis. Para analisar o risco do projeto, foi utilizado um software que possibilitava a simulação de Monte Carlo por uma distribuição uniforme das variáveis com 10% de variação, isso significa que pela de variação de 10% das estimativas de receita, investimento inicial e custos do projeto, podemos identificar quais impactam mais nos resultados de viabilidade do negócio (VLP e TIR), bem como onde estão os seus maiores riscos. O software utilizado para a simulação de Monte Carlo foi o Criystal Ball da Oracle, e como já exposto à simulação foi feita seguindo uma variação de 10% da estimativa por uma distribuição uniforme dos valores. A simulação e análise permitiu visualizar uma série de informações importantes sobre as variáveis estudadas e seus impactos na TIR e VLP do projeto, tais como a média, mediana, desvio padrão, variância, coeficiente de variação (desvio padrão dividido pela média), valores mínimos e percentuais cumulativos dos valores. A seguir nas tabelas 5, 6, 7, 8, 9, 10 e 11 temos os valores referentes aos diferentes tipos de VLP e à 11

12 TIR do projeto para respectivas variações de 10% nas variáveis de receita, investimento inicial, custo fixo e custo variável: Tabela 05: Valor do VPL para taxa SELIC previsão 2011: 12% a.a. Tabela 06: Valor do VPL para CDB do Banco do Brasil: 15%a.a. 12

13 Tabela 07: Valor do VPL para IBOVESPA: 20%a.a. Tabela 08: Valor do VPL para 40% de capital próprio. 13

14 Tabela 09: Valor do VPL para 50% de capital próprio. Tabela 10: Valor do VPL para 60% de capital próprio. 14

15 Tabela 11: Valores para TIR do projeto. O resultado dessa simulação permitiu identificar as variáveis de maior risco no projeto, mensurados pelo desvio padrão, coeficiente de variação, valor mínimo, e probabilidade do VLP ser positivo ou a TIR maior que 12% a.a. (taxa SELIC como referência). Para que as tabelas de 05 a 11 fossem montadas foram considerados gráficos gerados pelo software mencionado. Como para cada tabela existe um gráfico, não será possível nesse artigo a apresentação de todos, segue, portanto, apenas um deles como exemplificação dos demais: 15

16 Figura 04: Resultado da tabela 05 do VPL para taxa SELIC de 12%. Desse modo, pelos resultados apresentados temos que a variável receita é a de maior risco dentre as estimativas de um projeto de e-commerce C2C, na medida em que uma variação de 10% da estimativa gera as maiores variações no resultado final de viabilidade do projeto (VPL e TIR). Podemos observar também que a segunda variável de maior risco é o custo variável, e por fim que a variável investimento inicial do projeto possui o menor risco. 4. Conclusão Neste trabalho, foi apresentada a análise de viabilidade econômica com ênfase na análise de riscos de um projeto de implantação de um e-commerce C2C. Foram feitas diversas variações nos fluxos de caixa de modo a analisar possíveis cenários negativos. Para essa análise, foi utilizado o software Crystal Ball da Oracle, o qual realizou simulações de Monte Carlo para diversas situações. De posse do relatório gerado, foi realizada a análise de sensibilidade entre as variáveis. É possível perceber que a utilização da simulação de Monte Carlo auxilia a análise de projetos no que diz respeito à minimização de incertezas, priorizando esforços em determinados parâmetros para a implementação da empresa. A conclusão final desse estudo é a de que em projetos de e-commerce do tipo C2C, dentre os parâmetros analisados, os que possuem maior variação devem ser tratados com maior atenção, pois neles estão presentes as maiores probabilidades de risco do projeto. Sendo assim, os maiores riscos para esse modelo de negócio estão relacionados às estimativas de receita e dos custos variáveis, devendo assim se dar maior atenção a essas variáveis no que diz respeito às estimativas realizadas. Caso a probabilidade do valor presente líquido ser negativo fosse muito alta, dever-se-ia refazer os cálculos para essas estimativas buscando uma maior precisão e assim minimizando as probabilidades de insucesso do projeto. Por outro lado, o investimento inicial desse tipo de negócio (e-commerce C2C) se mostrou a variável de menor risco, o que dá maior flexibilidade ao investidor para variações nesse valor. 5. Referências Bibliográficas BRUNI, A.L., Avaliação de investimentos, ISBN , São Paulo, Editora Atlas, CARDOSO, D.; AMARAL, H. F., Correlacionando O Beta Do Modelo Capm Capital AssetPricingModel Com As Variáveis Do Modelo Fleuriet: Uma Análise Da Siderúrgica Belgo Mineira., ABEPRO, Disponível em < Acesso em: 08 dez CARVALHO, D.; STEFANI, R. J., O Modelo CAPM e o Modelo de Elton e Gruber para a composição da carteira de investimento., UPIS, Disponível em < Acesso em: 08 dez

17 CASAROTTO, N. F. e KOPITTKE, B. H., Análise de Investimento: matemática financeira, engenharia econômica, tomada de decisão, estratégia empresarial, 10. ed, São Paulo, Editora Atlas, GROUHY, Michel. MARK, Robert. GALAI, Dan. Gerenciamento de Risco Abordagem Conceitual e Prática. São Paulo: QualityMark, 2004, 664 p. DUARTE, A. M. J., Risco: Definições, tipos, medição e recomendações para seu gerenciamento, Unibanco S.A., Diretor, Gerenciamento de Riscos Corporativos, ESCHENBACH, T. G., Spiderplots versus Tornado diagrams for Sensitivity Analysis, Interfaces, FONSECA, Y. D. e BRUNI, A. L., Técnicas de avaliação de investimentos: uma breve revisão da literatura. Disponível em < >. Acessoem 09 dez LAL, W., Sensitivity and uncertainty analysis of a regional model for the natural system of South Florida, Draft report, West Palm Beach, Flórida, MARSHAL, C., Medindo e Gerenciando Riscos Operacionais em Instituições Financeiras, São Paulo, Editora Qualitymark, NASCIMENTO, S.V. do, Engenharia Econômica: Técnica de avaliação e seleção de projetos de investimento, Rio de Janeiro, Editora Ciência Moderna, PEDOTE, C.S.F., Análise e Gerenciamento de Risco: Gestão de Risco Operacional em Instituições Financeiras, Dissertação de Mestrado apresentada ao Curso de Pós-Graduação da EAESP/FGV, Área de concentração: Finanças, São Paulo, SAMANEZ, C.P., Engenharia Econômica, São Paulo, Editora Pearson Prentice Hall, SILVA, R. M., BELDERRAIN, M. C. N., Considerações sobre análise de sensibilidade em análise de decisão, Instituto Tecnológico de Aeronáutica, Divisão de Engenharia Mecânica- Aeronáutica, UNESCO, Water resources systems planning and management, ISBN , Disponívelem: < >, Acessoem: 08 dez. 2011,