Os Índices Financeiros como uma Ferramenta de Benchmarking Empresarial: uma aplicação da Análise Envoltória de Dados (DEA)

Os Índices Financeiros como uma Ferramenta de Benchmarking Empresarial: uma aplicação da Análise Envoltória de Dados (DEA) RESUMO Autoria: Héber Souza Andrade, Suely de Fátima Ramos Silveira, Bruno Tavares O benchmarking vem sendo uma ferramenta bastante utilizada para detectar modelos de melhores práticas empresariais e como assimilá-las. No presente artigo, pretendeu-se calcular e analisar índices financeiros do setor de autopeças, analisar a eficiência técnica, retornos à escala, bem como identificar as empresas benchmark do setor. Para a concretização desta análise, utilizar-se-á a abordagem não-paramétrica de análise envoltória de dados ou Data Envelopment Analysis (DEA) como modelo analítico. Foram utilizadas as informações relativas aos ativos, passivos, vendas e lucros de 10 fabricantes do subsetor de peças e acessórios automotivos e 10 produtoras do subsetor de carrocerias, para o ano de 2003, levantando-se a variável input alavancagem financeira e quatro variáveis outputs, margem líquida (ML), retorno sobre o ativo total (ROA), retorno sobre o patrimônio líquido (ROE) e giro do ativo total (GAT). Os resultados mostram que existem diferenças nas performances das empresas. A maioria delas não está alocando seus recursos de forma ótima e encontram-se no estágio de retornos decrescentes à escala, podendo adequar seu tamanho (Ativo e Patrimônio) aos resultados obtidos para atingirem a fronteira de eficiência, onde se encontram as empresas benchmark. 1. INTRODUÇÃO A indústria de autopeças no Brasil é conseqüência da instalação de grandes montadoras de automóveis de nível mundial no país, a partir da década de 50, estimulada pela política de industrialização por substituição de importações, especialmente no Governo Juscelino Kubtscheck (OLIVEIRA, 1998). Após sua instalação, as indústrias de autopeças apresentaram uma evolução significativa, tanto em termos de empregos gerados quanto em volume e valor da produção, tendo-se vivenciado o chamado Milagre Econômico Brasileiro. No entanto, a economia brasileira, assim como as demais economias mundiais, enfrentou grave crise provocada pelo primeiro e pelo segundo choque do petróleo (1973 e 1979). Nas décadas seguintes, o Brasil passaria por sérios problemas econômicos. A elevação das taxas de juros internacionais provocou a crise da dívida externa, com graves conseqüências para todos os setores da economia brasileira. A aceleração inflacionária, a partir do final da década de 70 e em toda a década de 80, também impactou negativamente a economia do país. O efeito negativo dessas crises ampliava-se no caso das empresas que apresentavam menor capacidade tecnológica e maior dificuldade na procura de novos mercados para os seus produtos, principalmente no mercado externo (OLIVEIRA, 1998). Devido a essas constantes transformações nas economias mundial e nacional, nas últimas décadas as empresas têm sido forçadas a se tornarem mais competitivas, através da adoção das melhores práticas empresariais e produtivas. Com isso, é cada vez mais estratégico que as empresas estejam monitorando o comportamento das suas concorrentes, verificando em quais aspectos aquelas vêm sendo mais eficientes. Assim, podem buscar alternativas para se tornarem tão ou mais competitivas do que suas concorrentes. O benchmarking vem sendo

um instrumento bastante utilizado para detectar as melhores práticas existentes, seu funcionamento e como implantá-las dentro do contexto de cada organização. 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). Benchmarking é a arte de descobrir como e por que algumas empresas podem desempenhar muito mais tarefas do que outras. O propósito de uma empresa fazer benchmarking é imitar ou melhorar os melhores desempenhos de outras empresas. Hoje, muitas empresas usam benchmarking. Algumas o empregam apenas para medir seus desempenhos em relação às melhores empresas de seus setores industriais. Outras preferem empregá-lo para se avaliarem em relação às melhores empresas mundiais. Nesse sentido, o benchmaking vai além da análise competitiva padrão. Na definição de David T. Kearns, CEO da Xerox Corporation, benchmarking é o processo continuo de medição dos produtos, dos serviços, e das práticas em relação aos melhores competidores ou aquelas empresas reconhecidas como líderes mundiais (CAMP,1998). A mensuração contínua torna o benchmarking um processo interativo, sem um final definido. Com as empresas competidoras constantemente melhorando os padrões, os níveis de desempenho aceitos ontem não serão mais tolerados pelo cliente no futuro próximo. Apenas através do constante monitoramento de nosso desempenho e de nossos competidores, estaremos aptos, a saber, onde nos localizamos a qualquer momento no tempo. Segundo BOXWEELL (1996), existem quatro tipos comuns de benchmarking: o competitivo, que visa medir as funções, processos, atividades, produtos ou serviços dos concorrentes, melhorando-os de forma a serem implementados na melhor maneira possível dentro da empresa; o cooperativo, onde as informações são compartilhadas com as de outras empresas de outros ramos; o colaborativo, com um grupo de empresas que compartilha conhecimentos sobre uma atividade em particular; e o interno, onde através de um levantamento dentro da própria empresa busca-se as informações do que deve ser estudado para se estabelecer um benchmarking futuro externo com outras empresas. Segundo LEIBFRIED E NACNAIR (1994), o benchmarking pode enfocar diferentes funções ou processos internos, concorrentes, o desempenho do setor ou de empresas líderes. 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, constituindo o primeiro passo do exercício de benchmarking por fornecer a estrutura para se compararem 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. De acordo com TUPY e YAMAGUCHI (2002), dada a relevância da análise de benchmarking, torna-se necessário utilizar meios objetivos de análise que possam subsidiar na tomada de decisão. O objetivo desta pesquisa foi o de calcular e analisar índices financeiros do setor de autopeças, analisar a eficiência técnica, retornos à escala, bem como identificar as empresas bencmark do setor. Além desta breve introdução, este artigo apresenta, na segunda seção, o referencial teórico, seguido pela metodologia da análise envoltória de dados na terceira seção, além dos 2

procedimentos utilizados para consecução da pesquisa. Em seguida, na quarta seção, são apresentados e discutidos resultados e, na quinta e última seção, são apresentadas as conclusões da pesquisa. 2. REFERENCIAL TEÓRICO A análise de índice das demonstrações financeiras de uma empresa interessa aos acionistas existentes e potenciais, aos credores e à própria administração da empresa. O acionista existente (e potencial) está interessado basicamente no nível presente e futuro do risco (liquidez, atividade e endividamento) e dos retornos (lucratividade). Os credores da empresa estão basicamente interessados em sua liquidez a curto prazo e na sua capacidade de cumprir seus compromissos a longo prazo. Os credores existentes querem certificar-se de que a empresa é líquida e poderá fazer os pagamentos de juros e principal na data de vencimento. Os credores potenciais estão preocupados em determinar se a empresa pode arcar com os empréstimos adicionais que seriam feitos se eles lhe concedessem crédito. O administrador, como os acionistas, deve-se preocupar com todos os aspectos da situação financeira da empresa, assim estando ciente dos aspectos que são avaliados pelos proprietários e credores, tenta operar de forma a apresentar índices que sejam considerados favoráveis por ambos. Se a empresa tiver sucesso, o preço de suas ações deve manter-se num nível aceitável, e sua posição creditícia, inabalada. Em outras palavras, a capacidade de a empresa obter dinheiro, seja através do lançamento de novas ações, seja por meio da obtenção de recursos (empréstimos, emissão de debêntures,etc.), deve ser mantida num nível razoavelmente elevado. O uso de índices financeiros é atrativo, pois dá uma medida relativa do desempenho de uma empresa. Outras técnicas, tais como Demonstração das Origens e Aplicações, podem ser usadas para medir certos aspectos do desempenho, mas os índices financeiro são mais conhecidos. As fontes básicas de informações para a análise financeira são a Demonstração do Resultado e o Balanço Patrimonial da empresa, do período a ser examinado. Usando os dados fornecidos por estas demonstrações, vários índices podem ser calculados, permitindo avaliar o desempenho da empresa. Os índices são rotineiramente usados pelos acionistas atuais e potenciais para medir risco e retorno; por isso, a informação que eles contêm pode afetar significativamente o preço das ações da empresa (GITMAN, 1987). Alguns trabalhos compararam demonstrativos financeiros das empresas fazendo uma análise benchmarking. Lins & Meza (2000) compararam as empresas aéreas através de regras de correlação e álgebra linear, procurando saber quais dessas empresas apresentavam a melhor composição na sua estrutura de capital tendo como base os índices financeiros. KASSAI (2002), fazendo um estudo baseado no setor elétrico brasileiro, comparou os resultados das demonstrações contábeis, utilizando a análise envoltória de dados ou Data Envelopment Analysis (DEA), com os indicadores de excelência empresarial da Revista Melhores e Maiores da Exame e ao retorno sobre o patrimônio líquido, indicador contábil tradicional. Os índices 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. 3

Os índices financeiros podem ser subdivididos em quatro grupos básicos: índice de liquidez, atividade, endividamento e lucratividade. Os elementos importantes a curto prazo são liquidez, atividade e lucratividade, pois fornecem as informações críticas à operação da empresa a curto prazo. E se a empresa não puder sobreviver a curto prazo, não é preciso preocupar-se com as suas perspectivas a longo prazo. Os índices de endividamento só são úteis se o analista estiver certo de que a empresa resistirá com sucesso a curto prazo. Neste estudo serão considerados cinco índices financeiros: índice de participação de terceiros, margem líquida, retorno sobre o ativo total, 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 (PC) mais o exigível a longo prazo (ELP) sobre o ativo total (AT). AF PC + ELP = (1) 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. A ML é calculada pela divisão do lucro líquido (LL) sobre as vendas líquidas (VL). LL ML = (2) VL O retorno sobre o ativo total (ROA) mede a eficiência da administração na geração de lucros com seus ativos totais, também chamado de retorno sobre o investimento (ROI). É calculado dividindo-se o lucro líquido depois do imposto de renda pelo ativo total. LL ROA = (3) AT O retorno sobre o patrimônio líquido (ROE) mostra o retorno ganho sobre o investimento dos proprietários (tanto acionistas preferenciais quanto comuns). O ROE é calculado pela divisão do lucro líquido sobre o patrimônio líquido (PL). LL ROE = (4) PL Quanto maiores os três índices anteriores, melhor para empresas, pois todos eles são indicadores de lucratividade, muito observados pelos credores, acionistas e administradores, e para a empresa continuar existindo, é necessário que ela seja lucrativa. O giro do ativo total (GAT) 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. VENDAS GAT = (5) AT Considerando-se estes cinco 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, ou seja, aquela empresa que se aproximar ou atingir a estrutura ótima de capital 4

estará maximizando a riqueza de seus acionistas. Neste caso, o capital de terceiros representa uma espécie de entrada (input) necessária para se alcançar uma lucratividade e eficiência (output). O índice de utilização de capital de terceiros, que representa a alavancagem financeira (AF) será o input, enquanto a margem líquida, o retorno sobre o ativo total, o retorno sobre o patrimônio líquido, e o giro do ativo total serão o output. 3. METODOLOGIA Para a concretização desta análise, utilizar-se-á 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 1 ), analisar os retornos à escala dessas DMUs, assim como identificar aquelas que poderão servir de benchmark para as ineficientes, de modo que estas 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 2 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) - 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 um 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 5

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 3 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 no E E E E modelo CCR, ambos para orientação inputs. Output CCR B C BCC E E E E A D Input Fig.1. Representação das fronteiras BCC e CCR O modelo BCC, que pressupõe retornos variáveis à escala, pode ser representado pela seguinte notação algébrica: Max φ,λ,s +,S - φ s.a φyi - Yλ + S + = 0, (2) - xi + Xλ + S - = 0, N1 λ = 1 - λ 0, - S + 0, - S - 0. em que: - 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 6

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: Eficiência 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. 3.1. Dados e procedimentos Foram selecionadas vinte empresas da indústria de autopeças (10 produtoras do subsetor de peças e acessórios e 10 fabricantes do subsetor de carroçarias). A seleção foi feita a partir de restrições da metodologia a ser utilizada - a análise envoltória de dados - que se limita a analisar um número de empresas pelo menos duas vezes maior do que o número de variáveis (soma de insumos e produtos), bem como pelo fato de o modelo se propor a analisar variáveis positivas. Através de resumos dos balanços patrimoniais (BP) e demonstrações de resultado do exercício (DRE), publicados pelo Investnews 4 para o ano de 2003, foram utilizadas as informações referentes aos ativos, passivos, vendas e lucros das empresas. Quanto às variáveis, utilizou-se um input, alavancagem financeira e quatro outputs, margem líquida (ML), retorno sobre o ativo total (ROA), retorno sobre o patrimônio líquido (ROE) e giro do ativo total (GAT), calculados a partir dos BPs e das DREs das empresas. Para desenvolvimento da pesquisa utilizando o modelo DEA, foram usados somente os dados das empresas que apresentaram índices financeiros positivos. Na resolução dos problemas de programação linear (PPLs), foram utilizados os recursos do programa DEAP (Data Envelopment Analysis Program). 4. RESULTADOS 4.1. Índices financeiros das indústrias do setor de autopeças Foram analisadas vinte empresas do setor de autopeças. A Tabela 1 mostra os índices financeiros, obtidos do BP e DRE do ano de 2003. Observa-se que a posição do endividamento das empresas fabricantes de carroçarias é maior que as produtoras de peças e acessórios. Isso quer dizer que as primeiras utilizam mais recursos de terceiros com o intuito de gerar lucros. Assim, quanto maior a dívida de uma empresa, maior o risco e consequentemente maior o retorno. Das empresas do subsetor Peças e Acessórios, a Empresa 6 apresentou o maior índice de endividamento, 84,4%, seguida pelas Empresas 3, com 81%, pela Empresa 1, com 64,8% e pela Empresa 7, com 60,4%. Todas essas empresas financiaram mais da metade de seus ativos com dívidas. As demais empresas desse subsetor apresentaram índices de endividamento menores que 50,0%. A Empresa 8 foi a 7

que menos utilizou recursos de terceiros para financiar seus ativos, com um índice de endividamento de 12,8%. Das empresas do subsetor Carroçarias, a Empresa 14 financiou a quase totalidade de seus ativos por meio de dívida, com um índice de 95%, seguindo-se as Empresas 13 com 89,9%, a 18 com 84%, 11 com 80%. Verifica-se que apenas uma empresa do subsetor Carroçarias financiou menos de 50,0% dos seus ativos com recursos de terceiros a Empresa 15, que apresentou um índice de endividamento de 37,0%. As medidas de lucratividade como um todo, avaliam o lucro da empresa com relação a um dado nível de vendas, um certo nível de ativos, ou o investimento dos proprietários. Quanto maiores esses índices, mais a empresa estará gerando lucros e, assim, estará maximizando a riqueza dos acionistas. As empresas do subsetor Peças e Acessórios apresentam Margem Líquida (ML) maiores que as do subsetor Carroçarias, o que indica que as primeiras têm tido melhor rentabilidade através de suas vendas do que as últimas. No subsetor Carroçarias, as ML são bem menores, podendo ser resultado da maior competitividade entre elas. A Empresa 13 possui a maior ML do subsetor, com 6,4%, seguido pela Empresa 19, com 5,3%, pela Empresa 11, com 3,2% e pela Empresa 20, com 1,3%. As demais possuem uma ML abaixo de 1,0%. Com relação ao Retorno sobre o Ativo (ROA), as fabricantes de Peças e Acessórios superam consideravelmente as produtoras de Carroçarias. As Empresas 2, 7 e 3, com índices iguais a 28,4%, 26,5% e 21,2%, respectivamente, são as mais eficientes na geração de lucros através de seus ativos. As empresas fabricantes de Carroçarias possuem retornos sobre os ativos menores que 10%, sendo que a Empresa 13 tem o maior índice, com 9,5%, e a Empresa 16 tem o menor índice, com 0,2%. É no Retorno sobre o Patrimônio (ROE) que as empresas mais se destacam. No subsetor Peças e Acessórios a Empresa 3 atinge um valor acima de 100% de ROE, em 2º lugar a Empresa 7 possui um índice de 66,9%, seguido da Empresa 2, com 35,8% de ROE. Para as produtoras de Carroçarias, as Empresas 11 e 19 são as que têm os maiores ROE, com 40,6% e 39,4%, respectivamente, as demais têm índices menores que 10%, sendo que a Empresa 16 tem menos índice do subsetor, 0,5%. Em relação à atividade da empresa, os índices mensuram a rapidez com que várias contas são convertidas em vendas ou caixa. A maioria das autopeças possuem um giro do ativo total acima da unidade, entre essas, algumas que giram um montante igual ao total de seus ativos 2 vezes ao ano. Geralmente, quanto maior for o giro do ativo total, mais eficiente será o uso dos ativos para gerar vendas para a empresa. Essa medida é provavelmente de maior interesse para a alta administração, pois ela indica se as operações da empresa foram financeiramente eficientes. No subsetor Peças e Acessórios, a Empresa 6 é a que mais gira seu ativo total, 3,3 vezes por ano, o que indica que é a empresa que utiliza mais eficientemente seus ativos para gerar vendas. No subsetor Carroçarias, a Empresa 11, com um giro de 2,5 vezes, é a 1ª colocada entre as demais. A Empresa 16 com um GAT igual a 0,6 e a Empresa 4, com GAT igual a 0,7, são as empresas que administram com menos eficiência seus ativos nos seus respectivos subsetores. É interessante ressaltar que esse índice não deve ser usado para comparações, pois é baseado nos custos históricos do total de ativos. Tendo em vista que algumas empresas têm ativos mais novos ou velhos do que outras, comparar o GAT dessas empresas pode levar a conclusões enganosas. 8

Tabela 1 Índices financeiros das empresas em (%) e rankings Empresa AF Ranking ML Ranking ROA Ranking ROE Ranking GAT(X) Ranking Empresa 1 64,8 3º 6,7 5º 6,6 8º 18,8 7º 1,0 7º Subsetor Carroçarias Peças e Acessórios Empresa 2 20,7 8º 28,1 1º 28,4 1º 35,8 3º 1,0 7º Empresa 3 81,0 2º 20,2 2º 21,2 3º 111,5 1º 1,1 6º Empresa 4 19,1 9º 19,0 3º 12,5 5º 15,4 8º 0,7 8º Empresa 5 44,8 6º 6,6 6º 15,2 4º 27,6 4º 2,3 4º Empresa 6 84,4 1º 0,9 10º 3,1 9º 19,6 6º 3,3 1º Empresa 7 60,4 4º 9,8 4º 26,5 2º 66,9 2º 2,7 2º Empresa 8 12,8 10º 6,4 7º 11,8 6º 13,5 9º 1,8 5º Empresa 9 35,4 7º 1,5 9º 1,6 10º 2,4 10º 1,1 6º Empresa 10 46,8 5º 4,3 8º 10,5 7º 19,7 5º 2,4 3º Empresa 11 80,0 4º 3,2 3º 8,0 3º 40,6 1º 2,5 1º Empresa 12 68,6 8º 0,9 5º 0,8 7º 2,5 8º 0,9 7º Empresa 13 89,9 2º 6,4 1º 9,5 1º 9,4 4º 1,5 6º Empresa 14 95,0 1º 0,1 10º 0,3 9º 7,2 5º 2,4 2º Empresa 15 37,0 10º 0,7 7º 1,1 6º 1,7 9º 1,7 4º Empresa 16 52,0 9º 0,4 9º 0,2 10º 0,5 10º 0,6 9º Empresa 17 73,0 7º 0,5 8º 1,3 5º 4,8 6º 2,4 2º Empresa 18 84,0 3º 0,8 6º 0,6 8º 3,6 7º 0,7 8º Empresa 19 76,0 6º 5,3 2º 9,3 2º 39,4 2º 1,8 3º Empresa 20 78,0 5º 1,3 4º 2,1 4º 9,9 3º 1,6 5º Fonte: Dados da Pesquisa 4.2. Comparação dos índices e identificação das empresas benchmark Pela utilização do software DEAP, aplicando a metodologia DEA, foram obtidos os escores de eficiência de 20 empresas do setor de autopeças. Embora os modelos utilizados tenham pressuposição de orientação produto, cujos valores de eficiência variam de 1,0 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 próximos de 0, maior o grau de ineficiência, tornando mas fácil visualizar e interpretar os resultados. Os modelos de envoltória com orientação-produto, retornos variáveis e retornos não-crescentes visaram identificar a natureza dos retornos à escala, cujos resultados estão apresentados nas Tabelas 2 e 3. As diferenças no desempenho das empresas produtoras de peças e acessórios podem ser observadas pelos escores apresentados na Tabela 2. Verifica-se que, sob pressuposição de retornos variáveis, a média dos escores é de 0,86, enquanto, sob retornos constantes, a média foi de 0,57. As empresas 2, 3, 6, 7 e 8 aparecem como eficientes sob pressuposição de retornos variáveis. Das demais, somente a empresa 1 e a empresa 9 se distanciam muito da fronteira de eficiência por apresentarem escores abaixo de 0,50. Observa-se, também, que apenas as empresas 2 e 8 se mostram como eficientes tecnicamente por apresentarem escore igual a 1,0, tanto para retornos constantes como retornos variáveis. Verifica-se que a maioria das empresas não estava operando em escala ótima, apresentando predominantemente, retornos decrescentes à escala, o que é um indicativo de 9

que essas firmas não estão alcançando bons níveis de lucratividade e eficiência, tendo em vista a magnitude dos seus Ativos e Patrimônios Líquidos. Tabela 2 Escores de eficiência e retornos à escala dos produtores de peças e acessórios Empresa CCR BCC BCC não Retorno à escala Empresa 1 0,192 0,446 0,446 Decrescente Empresa 2 1,0 1,0 1,0 Constante Empresa 3 0,796 1,0 1,0 Decrescente Empresa 4 0,733 0,802 0,733 Crescente Empresa 5 0,474 0,948 0,948 Decrescente Empresa 6 0,271 1,0 1,0 Decrescente Empresa 7 0,687 1,0 1,0 Decrescente Empresa 8 1,0 1,0 1,0 Constante Empresa 9 0,214 0,474 0,474 Decrescente Empresa 10 0,381 0,969 0,969 Decrescente Média 0,57 0,86 0,86 Fonte: Dados da Pesquisa 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. Para os produtores de carroçarias, conforme apresentado na Tabela 3, a média dos escores para retornos constantes foi de 0,677 e para retornos variáveis a média foi de 0,757. As empresas 11, 13, 15 e 19 apresentam eficiência técnica, com escores iguais a 1,0. Como mais ineficientes sob pressuposição de retornos variáveis foram identificadas as empresas 12, com escore igual a 0,401, a empresa 16, com 0,311, e a empresa 18, com escore igual a 0,271. As empresas que são ineficientes podem melhorar suas performances, adequando o seu tamanho (Ativo e Patrimônio) e observar as estratégias financeiras da benchmark. Um aspecto importante é o fato de algumas empresas apresentarem retornos decrescentes à escala e excesso de inputs, como exemplo, tem-se as empresas 14 e 18, que além de serem ineficientes, apresentam retornos decrescentes à escala e utilizam endividamento em excesso, segundo os dados apresentados nas demonstrações contábeis do ano 2003, utilizados nesta pesquisa. Nesta situação, essas empresas devem atentar para as informações contidas nos seus demonstrativos, analisando-as e, além disso, concentrarem-se na análise da empresa benchmark, verificando o comportamento da mesma para, assim, melhorar seu desempenho. Tabela 3-Escores de eficiência e retornos à escala dos produtores de carroçarias Empresa CCR BCC BCC não Retorno à escala Empresa 11 1,000 1,000 1,000 Constante Empresa 12 0,361 0,401 0,401 Decrescente Empresa 13 1,000 1,000 1,000 Constante Empresa 14 0,596 0,951 0,951 Decrescente Empresa 15 1,000 1,000 1,000 Constante Empresa 16 0,285 0,311 0,311 Decrescente Empresa 17 0,761 1,000 1,000 Decrescente Empresa 18 0,231 0,271 0,271 Decrescente Empresa 19 1,000 1,000 1,000 Constante Empresa 20 0,537 0,640 0,640 Decrescente Média 0,677 0,757 0,757 Fonte: Dados da Pesquisa 10

Considerando a folga do nível de endividamento apresentado pelos produtores de peças e acessórios automotivos, somente a empresa 1 apresentou excesso de endividamento. De acordo com os resultados gerados pelo modelo de envoltória de dados, a alavancagem financeira dessa empresa deveria ser reduzida em 15,755 %, para que a sua estrutura fosse parecida com as das suas benchmark. Após uma reestruturação operacional, é necessário que a empresa analise a estratégia da empresa benchmark para que seja incorporada (adotada) e, dessa forma, possa obter um melhor desempenho. Com relação às fabricantes de carroçarias, as empresas 14 e 18 apresentam folgas no seu nível de endividamento nos valores 15% e 4%, respectivamente. Essas empresas deveriam diminuir sua alavancagem financeira nos valores indicados para se aproximarem da fronteira de eficiência, onde se situam as empresas benchmark. As empresas produtoras de peças automotivas que são as benchmark para as demais, com seus respectivos pesos, são apresentadas na Tabela 4. Nota-se que algumas empresas tiveram 3(três) e outras 2(duas) opções de benchmark e, além disso, algumas delas foram indicadas como padrão mais de uma vez. Esse é o caso da empresa 8 que, em algumas situações, foi sugerida como a referência a ser analisada para garantir a eficiência das empresas ineficientes quatro vezes. Estes resultados indicam que estas empresas apresentam bom desempenho e que suas estratégias e estruturas deveriam ser adotadas pelas empresas ineficientes, visando melhorar suas performances. Por exemplo, para a empresa 5, são referências as empresas 6, 7 e 8. A essas, o modelo DEAP atribui pesos de 0 a 1, ou seja, de 0 a 100%, que significam a proporção ideal em que a empresa ineficiente deve se basear na benchmark. No caso da empresa 5, ela tem como maior referência a empresa 7 (0,428), em seguida a empresa 8 (0,410) e a empresa 6 (0,163). Assim, a empresa 5 deve observar as estratégias financeiras das três empresas citadas (em nível de importância) de acordo com os percentuais devidos. Tabela 4 Empresas benchmarking para os produtores de peças e acessórios Empresa Benchmark Nº de vezes E1- Empresa 1 E7(0.714); E2(0.286) 0 E2- Empresa 2 2 E3- Empresa 3 0 E4- Empresa 4 E2(0.797); E8(0.203) 0 E5- Empresa 5 E7(0.428); E6(0.163); E8(0.410) 0 E6- Empresa 6 3 E7- Empresa 7 3 E8- Empresa 8 4 E9- Empresa 9 E6(0.316); E8(0.684) 0 E10- Empresa 10 E6(0,372);E7(0.155); E8(0.473) 0 Fonte: Dados da Pesquisa Conforme a Tabela 5, as empresas que mais se destacam são a 11, 17 e 15, sendo referência para 5, 3 e 2 empresas, respectivamente. A empresa 12 e a empresa 16 são as empresas com maiores problemas, tendo sido indicadas 3 (três) empresas benchmark para cada uma delas, a empresa 11, 17 e a 15. Nota-se que a empresa 14 tem como referência somente a empresa 11, na proporção de 1, ou 100%. 11

Tabela 5 - Empresas benchmarking para os produtores de carroçarias Empresa Benchmark Nº de vezes E 11-Empresa 11 5 E 12-Empresa 12 E11(0,677); E17(0,069); E15(0,254) 0 E 13-Empresa 13 0 E 14-Empresa 14 E11(1,000) 0 E 15-Empresa 15 2 E 16-Empresa 16 E11(0,263); E17(0,102); E15(0,635) 0 E 17-Empresa 17 3 E 18-Empresa 18 E11(1,000) 0 E 19-Empresa 19 0 E 20-Empresa 20 E11(0,714); E17(0,286) 0 Fonte: Dados da Pesquisa Nas Tabelas 6 e 7, tem-se um resumo dos valores observados e das metas dos outputs Margem Líquida (ML), Retorno sobre o Ativo Total (ROA), Retorno sobre o Patrimônio Líquido (ROE) e o Giro do Ativo Total (GAT), dessas empresas caso fossem eficientes. Verifica-se que as empresas eficientes são aquelas que apresentam valores iguais entre o observado e a sua meta. Da mesma forma, as empresas ineficientes são aquelas que apresentam valores discrepantes entre o observado e a sua meta, neste caso deveriam aumentar seus índices - ML, ROA, ROE e GAT - para operar de forma eficiente como as empresas benchmark. Por exemplo, no caso da Empresa 1, a meta para ML é de 15%, demonstrando que na situação atual, a empresa necessita melhorar seu desempenho, pois sua ML é de apenas 6,7%. Para a Empresa 4, a meta para o ROA é de 25%, o que indica que a empresa deve aumentar duas vezes o valor atingido, 12,5%, conforme (Tabela 6), para ser igual a sua benchmark. A Empresa 12 obteve um ROE de 2,5%, valor bem abaixo da sua meta, 28,2%, para tanto a empresa deve observar atentamente as estratégias financeiras das suas benchmarks. Com relação ao GAT, a Empresa 18 girou seus ativos 0,7 vezes, porém tinha como meta um GAT de 2,5 vezes, indicando que a empresa deve criar estratégias para alavancar suas vendas, bem como se utilizar da ferramenta benchmarking para melhorar sua performance(tabela 7). Nas Tabelas 6 e 7, estão destacadas em negrito as empresas ineficientes, as quais devem aumentar os seus outputs até atingirem sua meta para operarem eficientemente. Tabela 6 - Valores observados e metas dos índices de lucratividade e eficiência Peças e acessórios Empresa Valores observados ML ROA ROE GAT Meta dos índices ML ROA ROE GAT Empresa 1 6,7 6,6 18,8 1,0 15,0 27,0 58,0 2,2 Empresa 2 28,1 28,4 35,8 1,0 28,1 28,4 35,8 1,0 Empresa 3 20,2 21,2 111 1,1 20,2 21,2 111 1,1 Empresa 4 19,0 12,5 15,4 0,7 23,7 25,0 31,0 1,2 Empresa 5 6,6 15,2 27,6 2,3 6,9 16,6 37,0 2,4 Empresa 6 0,9 3,1 19,6 3,3 0,9 3,1 19,6 3,3 Empresa 7 9,8 26,5 66,9 2,7 9,8 26,5 66,9 2,7 Empresa 8 6,4 11,8 13,5 1,8 6,4 11,8 13,5 1,8 Empresa 9 1,5 1,6 2,4 1,1 4,6 9,0 15,0 2,3 Empresa 10 4,3 10,5 19,7 2,4 4,8 11,0 24,0 2,5 Fonte: Dados da Pesquisa 12

Na Tabela 7, a metade das empresas produtoras de carroçarias se apresenta como eficientes. As empresas 11, 13, 15, 17 e 19 - as demais- devem seguir suas benchmark. Tabela 7- Valores observados e metas dos índices de lucratividade e eficiência - Carroçarias Empresa Valores observados Meta dos índices ML ROA ROE GAT ML ROA ROE GAT Empresa 11 3,0 8,0 40,6 2,5 3,0 8,0 40,6 2,5 Empresa 12 0,9 0,8 2,5 0,9 2,2 5,7 28,2 2,3 Empresa 13 6,4 9,5 9,4 1,5 6,4 9,5 9,4 1,5 Empresa 14 0,1 0,3 7,2 2,4 3,0 8,0 40,6 2,5 Empresa 15 0,7 1,1 1,7 1,7 0,7 1,1 1,7 1,7 Empresa 16 0,4 0,2 0,5 0,6 1,3 2,9 12,2 1,9 Empresa 17 0,5 1,3 4,8 2,4 0,5 1,3 4,8 2,4 Empresa 18 0,8 0,6 3,6 0,7 3,0 8,0 40,6 2,5 Empresa 19 5,3 9,3 39,4 1,8 5,3 9,3 39,4 1,8 Empresa 20 1,3 2,1 9,9 1,6 2,2 6,1 30,3 2,5 Fonte: Dados da Pesquisa 5. CONCLUSÃO As empresas têm buscado cada vez mais, formas de se tornarem tanto ou mais competitivas que suas concorrentes. O benchmarking proporciona a busca das melhores práticas existentes, formas de adotá-las ou adaptá-las no contexto de cada organização. Esta pesquisa teve por objetivo calcular e analisar índices financeiros do setor de autopeças, analisar a eficiência técnica, retornos à escala, bem como identificar as empresas benchmark do setor. Pela utilização da metodologia DEA, foram obtidos os escores de eficiência de 20 empresas do setor de autopeças. Verificou-se que a maioria das empresas não estava operando em escala ótima, apresentando retornos decrescentes à escala, o que é um indicativo de que essas firmas não estão alcançando bons níveis de lucratividade e eficiência, tendo em vista a magnitude dos seus Ativos e Patrimônios Líquidos, podendo adequar seu tamanho (Ativo e Patrimônio) para atingirem a fronteira de eficiência. Algumas empresas apresentaram excesso de inputs, indicando que o endividamento dessas poderia ser reduzido para que as suas estruturas fossem parecidas com as da sua benchmark. Nota-se que algumas empresas tiveram três e outras duas opções de benchmark e, além disso, algumas delas foram indicadas como padrão mais de uma vez. Estes resultados mostram que estas empresas (as benchmark) apresentam bom desempenho e cuja estratégia e estrutura deveriam ser adotadas pelas empresas ineficientes, no sentido de melhorar suas performances. NOTAS 1- 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. 2- Modelo DEA com orientação-produto sob a pressuposição de retornos variáveis à escala. 3- Porque permite menor discriminação das diferenças entre as DMUs. 4- www.investnews.com.br 13

6. REFERÊNCIAS BIBLIOGRÁFICAS BANKER, R.D. Estimating most productive scale size using DEA. European Journal of Operational Research, v. 17, p. 35-44, 1984. BANKER, R.D., THRALL, R.M.. Estimation of returns to scale using DEA. European Journal of Operational Research, v. 62, n. 1, p. 74-84, 1992. 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. 1078-1092, 1984. BOXWELL, R. J. Vantagem competitiva através do benchmarking. São Paulo: Makron Books, 255 p, 1996. CAMP, R.C. Benchmarking: O caminho da qualidade total. 3ª ed. São Paulo: Pioneira, 250 p, 1998. CHARNES, A. COOPER, W.W, LEWIN, A.Y., SEIFORD Data Envelopment Analysis: Theory Methodogy and Application, 2ª ed., Boston, Kluwer Academic Publishers, 1994. ESTELLITA LINS, M.P, MEZA, L. A. Análise envoltória de dados e perspectivas de integração no ambiente do apoio à decisão Rio de Janeiro: COPPE/ UFRJ, 2000. GITMAN, Lawrence J. Princípios de Administração Financeira, Ed. Harbra, 3ª edição, 1987. INVESTNEWS - www.investnews.com.br/balanco2004/default.asp KASSAI, Silvia. Utilização da Análise por Envoltória de Dados (DEA) na Análise de Demonstrações Contábeis. Dissertação de Doutorado, 350 pgs. São Paulo: USP, 2002. LEIBFRIED, K.H. McNAIR, C. J. Benchmarking: Uma Ferramenta para a Melhoria Contínua. Rio de Janeiro: Campus, 312 p, 1994. OLIVEIRA, André Mourthé de. A Reestruturação da Indústria de Autopeças. In: Revista de Economia da U.N.A, volume 1, nº 6, pgs. 4-21, março de 1998 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. 81 96, 2002. 14