2.3 Pilotstudien
2.3.3 Analyser
Esta seção apresenta o processo realizado para a elaboração do projeto do modelo DEA. Nesta fase, é fundamental o envolvimento de especialistas no setor, ramo ou atividade em análise, para a avaliação do contexto no qual será utilizada a análise envoltória de dados (FERREIRA; GOMES, 2009). Foram consultados especialistas da empresa no serviço estudado, entre eles, o gerente responsável pela operação do serviço, o coordenador de serviços, um analista de processos, o
coordenador de atendimento, um analista de controladoria e um consultor automotivo sênior. O Quadro 12 apresenta os principais especialistas no processo, bem como sua responsabilidade, tempo de empresa e formação.
Quadro 12: Especialistas no processo
Função Responsabilidade Tempo de empresa Formação
Gerente de
Operações - Apoiar na definição do modelo DEA - Autorizar a coleta de dados 10 anos Administração concluído – Coordenador de
Serviços - Apoiar na definição do modelo DEA - Apoiar na coleta de dados 5 anos Administração concluído – Analista de
Processos - Apoiar na definição do modelo DEA - Realizar a coleta de dados 2 anos
Engenharia de Produção - em andamento
Coordenador de
Atendimento - Apoiar na definição do modelo DEA - Apoiar na coleta de dados 6 anos
Engenharia
Mecânica- em andamento
Analista de
Controladoria - Apoiar na definição do modelo DEA - Realizar a coleta de dados 2 anos Contabilidade concluído - Consultor
automotivo Sr.
- Apoiar na análise dos resultados - Apoiar em dúvidas técnicas
relacionadas com o meio automotivo 5 anos
Engenharia Mecânica Fonte: Elaborado pelo autor.
Os especialistas no processo foram escolhidos pelo conhecimento sobre a operação analisada, tempo de empresa, contato recorrente com os clientes e conhecimento sobre os contratos de prestação de serviços. Além disso, os profissionais possuem cargos multidisciplinares, pois as diferentes posições organizacionais influenciam diretamente os indivíduos na interpretação dos eventos. (O’LEARY-KELLY; VOKURKA, 1998; PIRAN, 2015).
Após a definição da equipe de trabalho, identificou-se com os especialistas no processo, quais serviços integrariam o escopo da pesquisa. A delimitação do escopo de trabalho permite ao pesquisador dar maior foco no desenvolvimento de sua pesquisa. Neste sentido, definiu-se que o escopo da pesquisa contemplará o serviço de gestão da manutenção de frotas. Este serviço foi escolhido pela aderência ao objetivo de pesquisa e relevância para a empresa estudada. Considera-se o serviço aderente à pesquisa, pois apresenta variáveis que podem influenciar na eficiência da operação, por exemplo, as características das frotas locadas e dos contratos de prestação de serviços dos clientes. Ademais, a interação constante dos clientes com os processos pode afetar a produtividade da operação.
Do ponto de vista da empresa, o serviço de gestão da manutenção de frotas possui relevância devido a sua participação de mercado e alto potencial de crescimento. Para ilustrar estes fatores, desenvolveu-se a matriz de crescimento – participação BCG. A matriz BCG foi desenvolvida por Bruce Henderson com o intuito de auxiliar as empresas a posicionar os seus produtos de acordo com a sua participação de mercado e potencial de crescimento. (MINTZBERG; AHLSTRAND; LAMPEL, 2002).
Segundo Mintzberg, Ahlstrand e Lampel (2002), os produtos que possuem alta participação de mercado e crescimento lento são “vacas leiteiras”. No geral, estes produtos produzem altos volumes de caixa, acima do reinvestimento necessário para manter a participação. Os produtos com baixa participação de mercado e baixo crescimento são “cães”. Eles apresentam lucro, mas o lucro precisa ser reinvestido para manter a participação, não sobrando caixa. Produtos com baixa participação de mercado e alto crescimento são “crianças-problema”. Estes produtos requerem investimentos adicionais para a compra da participação no mercado. Os produtos com alta participação de mercado e alto crescimento são considerados “estrelas”. Quase sempre apresentam lucros, mas podem ou não gerar caixa. (MINTZBERG; AHLSTRAND; LAMPEL, 2002). O serviço de gestão de manutenção de frotas pode ser considerado como “estrela”, pois possui elevada participação no segmento que atua e apresenta lucratividade e geração positiva de caixa. A matriz BCG é demonstrada na Quadro 13.
Quadro 13: Matriz BCG
Fonte: Elaborado pelo autor com base em Mintzberg, Ahlstrand, Lampel, (2002).
Alta Baixa Alto Estrela Gestão de Manutenção de Frotas Criança - Problema
Baixo Vaca Leiteira Cão
Participação de Mercado Atual do Negócio
P ot en ci al d e C re sc im en to d o N eg óc io
A gestão da manutenção de frotas é um serviço executado para garantir a disponibilidade da frota locada pelos clientes. Neste sentido, a empresa fornecedora é responsável por prover estabelecimentos comerciais (oficinas, lavagens, auto elétricas, etc) para a frota de veículos. Além disso, a empresa fornecedora tem a responsabilidade de vistoriar e aprovar as manutenções realizadas nos veículos locados pelos clientes, dar suporte à operação do cliente e apresentar indicadores sobre a prestação dos serviços. Maiores informações sobre a empresa e o serviço de gestão da manutenção de frotas serão apresentadas no capítulo 4.
Após definição do serviço, estabeleceu-se, junto aos especialistas no processo, que os contratos de prestação de serviço deveriam compor as unidades de contexto de análise. Realizar a gestão da eficiência da carteira de clientes em uma organização pode ser uma fonte de produtividade e lucratividade, além de contribuir para uma melhor percepção de valor do serviço por parte do cliente. (XUE e HARKER, 2002). A definição das unidades de contexto de análise está de acordo com o objetivo desta pesquisa, pois viabilizará a avaliação de quais são as variáveis que possuem a maior influência sobre a eficiência dos contratos de prestação de serviço.
A partir da definição das unidades de contexto de análise (contratos dos clientes), houve um debate com os especialistas no processo sobre o período a ser considerado no modelo DEA. Neste sentido, o tempo médio de duração do contrato de um cliente foi avaliado. A partir da avaliação, foram identificadas premissas que devem ser consideradas na definição do período de análise, são elas: a) o tempo mínimo do contrato de um cliente é de 12 meses e pode ser renovado automaticamente por mais 12 meses; b) cada cliente possui uma data específica de início de contrato, ou seja, não foi possível estabelecer um padrão no intervalo de tempo total de duração dos contratos; c) o sistema ERP da empresa, responsável pelo armazenamento das informações, foi implementado no final de 2014. Baseado nestas premissas, definiu-se o intervalo de janeiro a dezembro de 2015 como período proposto para a análise. Desta forma, todos os contratos de clientes ativos neste período estão aptos para avaliação.
Após estabelecer o período de análise, foram definidas as DMU´s do modelo. Considerou-se, inicialmente, que cada DMU seria composta pelo contrato de prestação de serviço e mês de análise. Apoiados nesta definição, os especialistas no processo alertaram sobre a existência de contratos específicos para determinados clientes. Os contratos específicos são caracterizados por conter condições comerciais
ou operacionais específicas para o serviço. A comparação de unidades de análise com características diferentes é uma das principais causas de erro na aplicação da análise envoltória de dados. (DYSON et al., 2001). Para solucionar este impasse, foi necessário realizar a avaliação dos contratos com características específicas. Os contratos específicos identificados foram retirados do universo de pesquisa e não foram considerados nas avaliações de eficiência, pois impossibilitariam a execução do DEA.
A partir da exclusão dos contratos específicos, foram selecionados nove contratos que possuem o serviço ativo no período de janeiro a dezembro de 2015. A combinação dos contratos selecionados com o intervalo de tempo da análise resultou em 108 DMU´s. Para auxiliar na rastreabilidade das DMU´s ao longo da execução do modelo, definiu-se uma codificação, conforme demonstra a Figura 15. É possível identificar na Figura 15 que a DMU denominada C1P1 é a combinação do contrato número 1 (C1) com o período de análise 1 (P1) (janeiro de 2015).
Figura 15: Exemplo de codificação das DMU´s
Fonte: Elaborado pelo autor.
Após definir as DMU´s, é necessário estabelecer as variáveis do modelo (inputs e outputs). O processo de definição das variáveis foi iniciado por meio de uma análise da literatura. A consulta na literatura teve como objetivo a identificação de inputs e outputs utilizados atualmente em pesquisas com a análise envoltória de dados em operações de serviços. Para PIRAN (2015), a busca por suporte na literatura para
definição das variáveis do modelo DEA, reforça o rigor da modelagem efetuada na pesquisa. O Quadro 14 apresenta as variáveis identificadas na literatura.
Quadro 14: Lista de variáveis utilizadas como referência
Autores/Variáveis empregados Número de Horas de trabalho Capacidade Operacionais Custos Transações Volume de vendas Receita do serviço Qualidade
AKHTAR, 2010 x x x COOK; ZHU, 2004 x x DONTHU; YOO, 1998 x KANTOR E MAITAL, 1999 x KHAIRA, 2008 x x LIN; HUANG, 2007 x LORENZO; SÁNCHEZ, 2007 x x x LIU; LI, 2014 x x O´NEILL; DEXTER, 2004 x RESENDE; TUPPER, 2009 x x
SHANG; HUNG; WANG, 2008 x x x
SHERMAN; ZHU, 2006 x x SHIMSHAK; LENARD, 2007. x SOTERIOU; ZENIOS, 1999 x STAAT, 2006 x YUNSHI; CHICH-JEN, 2011 x x ZERVOPOULOS; PALASKAS, 2011 x x x
Comparadas com as empresas de manufatura, as empresas do setor de serviços necessitam de maior intensidade de mão de obra para desenvolver suas atividades. (CASTELLS, 1999). Neste sentido, o número de empregados é uma variável utilizada por diferentes autores na aplicação da análise envoltória de dados em operações de serviços. Shang, Hung e Wang (2008), utilizam a variável número de empregados como um input para avaliar a eficiência por meio da análise envoltória de dados em processos de terceirização de serviços em hotéis. Lorenzo e Sánchez (2010) definem o número de empregados como uma variável para análise da eficiência de um serviço de iluminação pública na Espanha. Liu e Li (2014) apresentam a avaliação da eficiência em uma empresa provedora de internet na China e empregam o número de empregados como um input no modelo DEA.
A variável horas de trabalho é relevante na avaliação de eficiência a partir do dimensionamento do tempo de trabalho em empresas de serviços. (ZERVOPOULOS; PALASKAS, 2011). A capacidade apresentada no Quadro 14 representa um conjunto de variáveis associadas com a capacidade que as empresas possuem para realizar a prestação do serviço. Yunshi e Chich-Jen (2011) utilizam a variável quantidade de quartos disponíveis como um input para avaliar capacidade em um serviço de hotelaria. Resende e Tupper (2009) avaliam a capacidade por meio da variável percentual de cobertura de sinal na análise de eficiência em um serviço de telecomunicações.
O custo operacional é uma variável utilizada como um input por Sherman e Zhu (2006) na avaliação de eficiência em um banco norte americano. No trabalho de Sherman e Zhu (2006), o custo operacional é composto pelo somatório dos custos de pessoas, telefonia, fornecedores, viagens e infraestrutura. Khaira (2008) emprega o custo operacional como uma variável para avaliar a eficiência de um serviço financeiro na Austrália.
A transação apresentada no Quadro 14 representa um conjunto de variáveis relacionadas com a utilização do serviço. Staat (2006), O´Neil e Dexter (2004) utilizam a variável número de cirurgias realizadas como um input na análise de eficiência em serviços hospitalares. Cook e Zhu (2004) definem as variáveis, volume de vendas, transferências eletrônicas, transações de cartão de crédito e empréstimos para representar as transações de serviços na análise de eficiência em um banco. Para Maital (1999), as transações de serviços são representadas pelas variáveis, número de depósitos em conta e quantidade de serviços prestados em um serviço financeiro.
O volume de vendas e a receita são variáveis relevantes nas análises de eficiência de operações de serviços e, normalmente, são definidas como outputs no modelo DEA. Donthu e Yoo (1998) definem volume de vendas como um output do modelo DEA na análise de eficiência de uma rede varejista. Liu e Li (2014) e Lin e Huang (2007) utilizam a variável receita como output para avaliação da eficiência em seus trabalhos.
A variável qualidade é representada de diferentes formas na literatura. Resende e Tupper (2009) mensuram qualidade por meio das variáveis: clientes atendidos em até dez minutos, percentual de ligações completadas e percentual de chamadas estabelecidas em um serviço de telecomunicações. Sherman e Zhu (2006) avaliam a eficiência em um banco, utilizando os resultados de pesquisas com clientes como variável de qualidade. Shimshak e Lenard (2007) consideram qualidade em um serviço hospitalar por meio das variáveis número de pacientes operados sem complicações e número de pacientes sem feridas e úlceras.
As variáveis contidas no Quadro 14 foram apresentadas aos especialistas no processo para identificar a viabilidade da sua utilização neste trabalho. Os especialistas no processo sugeriram as seguintes variáveis para o modelo DEA: a) capacidade; b) transações; c) volume de vendas; d) receita, e; e) qualidade do serviço. Como mencionado anteriormente, a capacidade apresentada no Quadro 14, representa um conjunto de variáveis associadas com a capacidade das empresas em prestar serviços. Para este trabalho, a capacidade foi considerada como a quantidade de veículos, por contrato, que a empresa estudada possui condições de locar aos clientes.
A variável transações foi segmentada em quatro variáveis, a saber: a) quantidade de ordens de serviço geradas por cliente; b) quantidade de atendimentos telefônicos; c) quantidade de atendimentos por e-mail; d) quantidade de direcionamentos para oficinas, e; e) quantidade de vistorias realizadas em veículos. A variável volume de vendas foi definida como o valor total gasto com manutenção pelos veículos locados em oficinas. Esta variável é relevante para o estudo, pois a empresa fornecedora recebe das oficinas um percentual de retorno financeiro sobre o total de gastos com manutenções. A receita, por sua vez, foi definida como o valor financeiro que a empresa estudada recebe dos seus clientes para prestar o serviço de gestão da manutenção de frotas aos veículos locados. Este valor é determinado durante o processo de fechamento de contrato.
A definição da qualidade está relacionada com a percepção do cliente, que pode ser variável de acordo com suas experiências, expectativas e necessidades. (SHERMAN e ZHU, 2006). Desta forma, os nove clientes foram contatados, para mapear a percepção de qualidade no serviço de gestão de manutenção de frotas. Identificou-se que a qualidade das manutenções nos veículos deveria ser considerada como a qualidade do serviço. Os clientes informaram que quanto melhor for a qualidade do serviço de manutenção, menor será o índice de quebra dos veículos e, consequentemente, maior a disponibilidade da frota. Contudo, medir cada manutenção realizada pelos veículos dos clientes em diferentes oficinas exigiria um esforço que inviabilizaria esta pesquisa.
Pretendendo solucionar este conflito, consultou-se a área técnica da operação responsável pela vistoria de frotas. A área de vistoria informou que a razão entre os gastos com manutenção e a quilometragem da frota poderia ser o indicador de qualidade. Por meio da análise deste indicador, é possível avaliar a qualidade do serviço dos estabelecimentos (oficinas, auto elétricas, etc) e a qualidade da vistoria realizada nos veículos. Neste sentido, quanto melhor for a vistoria e o serviço nas oficinas, menos quebras irão ocorrer nos veículos. Como consequência, os clientes podem reduzir custos e aumentar a disponibilidade da sua frota. Ademais, considerou- se o tempo de contrato com os clientes como um indicativo de qualidade no serviço prestado.
As variáveis, número de empregados, custos operacionais e horas trabalhadas, não foram consideradas no modelo, pois como o objetivo é avaliar a eficiência de cada contrato de cliente, não foi possível fazer o rateio da quantidade de funcionários, custos operacionais e horas de trabalho entre os contratos dos clientes. O rateio foi inviável, pois um único funcionário pode atender a mais de um contrato de cliente e, o número de horas destinadas para o atendimento de cada cliente, não é registrado pela empresa estudada em seu ERP.
A classificação das variáveis entre inputs e outputs foi baseada na avaliação dos especialistas no processo e na definição de Cook, Tone e Zhu (2014). Cook, Tone e Zhu (2014) abordam que os recursos aplicados no processo em avaliação devem ser utilizados como inputs e os resultados da transformação destes recursos devem ser considerados outputs. Contudo, a forma como os clientes tendem a avaliar a produtividade de um serviço prestado diverge da maneira como as empresas prestadoras de serviços avaliam a produtividade (GRÖNROOS; OJASALO, 2004).
Neste sentido, os inputs e outputs podem ser diferentes de acordo com a perspectiva em que a eficiência está sendo avaliada (cliente, prestador de serviços e integrada). O Quadro 15 apresenta as variáveis selecionadas para o modelo DEA do presente trabalho, com a classificação de inputs e outputs de acordo com a perspectiva em que a eficiência está sendo avaliada.
Quadro 15: Lista de variáveis selecionadas para o modelo DEA
Referência na
literatura Nome da variável Unidade Descrição da variável
Perspectiva
Cliente Prestador de serviços Integrada
Capacidade Quantidade veículos de Quantidade Quantidade de veículos previstos para atendimento no contrato de prestação de
serviço do cliente INPUT INPUT INPUT
Transações Ordens serviço de Quantidade Quantidade de ordens de serviço geradas a partir de manutenções realizadas pelos
veículos locados dos clientes INPUT INPUT INPUT
Transações Atendimento telefônico Quantidade Quantidade de atendimentos telefônicos realizados para tirar dúvidas ou solucionar
ocorrências reportadas pelos clientes INPUT INPUT INPUT Transações Atendimento E-
mail Quantidade
Quantidade de atendimentos por e-mail realizados para tirar dúvidas ou solucionar
ocorrências reportadas pelos clientes INPUT INPUT INPUT Transações Direcionamentos Quantidade Quantidade de direcionamento de veículos a oficinas para realização de manutenção INPUT INPUT INPUT Transações Vistorias Quantidade Quantidade de vistorias executadas nas manutenções realizadas nos veículos INPUT INPUT INPUT Volume de vendas Volume manutenções de R$ Valor monetário desembolsado pelo cliente para pagamento das manutenções
realizadas nos seus veículos INPUT OUTPUT OUTPUT
Receita Receita serviço do R$ Valor monetário pago pelos clientes para possuírem o serviço de manutenção de
frotas. INPUT OUTPUT OUTPUT
Qualidade do
serviço R$ por Km R$
Razão entre o valor gasto com manutenções de todos os veículos sobre a
quilometragem total da frota OUTPUT Não aplicável OUTPUT Qualidade do
serviço Tempo contrato de Dias Diferença da data atual e data de assinatura de contrato INPUT OUTPUT OUTPUT Fonte: Elaborado pelo autor.
A Figura 16 demonstra a relação entre as variáveis selecionadas para esta pesquisa e o modelo sugerido por Grönroos e Ojasalo (2004) para medir produtividade em serviços.
Figura 16: Modelo de Grönroos e Ojasalo (2004) com as variáveis selecionadas
Fonte: Elaborado pelo autor com base em Grönroos e Ojasalo (2004).
Por meio da análise da Figura 16, é possível perceber que as variáveis selecionadas para esta pesquisa atendem aos requisitos exigidos por Grönroos e Ojasalo (2004). Os inputs da prestação de serviços estão relacionados com os insumos necessários para prestar o serviço, a saber: quantidade de veículos, ordens de serviço, atendimento telefônico, atendimento por e-mail, direcionamentos e vistorias.
Os inputs do cliente estão associados com a participação do cliente no processo de serviços. Desta forma, as variáveis, valor gasto com manutenções, valor pago pelo serviço e tempo de contrato, foram consideradas como entradas do cliente. O output quantidade (prestador) representa os produtos gerados (saídas) a partir da prestação de serviços. As saídas do processo a partir da perspectiva do prestador de serviços são: volume de manutenções realizadas pelos clientes, receita obtida pelo serviço e tempo de contrato dos clientes. O output qualidade representa a qualidade
percebida pelo cliente em relação ao serviço prestado. Como variável de qualidade, considerou-se o custo por quilometro rodado (R$/ Km) do cliente.
Após a seleção das variáveis, é necessário definir o modelo que deve ser utilizado. Existem dois modelos que podem ser empregados na análise envoltória de dados, o CRS (Constant Returns to Scale) e o VRS (Variable Returns to Scale). O CRS é recomendado quando as variações nas entradas (inputs) estão associadas a uma variação proporcional na saída dos produtos (outputs). O VRS é indicado quando não há proporcionalidade entre as variáveis das DMU´s. Diante do exposto, definiu- se como modelo para este trabalho o VRS, pois a amplitude e escala das variáveis selecionadas são diferentes entre as DMU´s.
Os modelos de análise envoltória de dados podem ser orientados a insumos (inputs) ou a produtos (outputs). Nos modelos orientados a inputs, admite-se que as produções permaneçam constantes e que os insumos variam para atingir a fronteira de produção eficiente. Nos modelos orientados a outputs, admite-se que os insumos não variam, ou seja, permanecem constantes, enquanto as produções variam para