A análise de sensibilidade avalia as variações na variável dependente, neste caso o VP0, devido a mudanças nos valores das variáveis independentes,
por exemplo, número de clientes, investimentos, etc. As variáveis independentes podem assumir um conjunto de valores mínimos e máximos, definidos pelo especialista responsável por aquela variável específica, sendo possível, assim, calcular o impacto isolado de cada variável sobre o VP0, permitindo a análise do
resultado final.
A análise de sensibilidade indica qual ou quais variáveis são mais importantes ou relevantes para o projeto, permitindo o estabelecimento dos KPIs necessários à boa condução e controle do projeto. Ao se estabelecerem as principais variáveis do projeto, estas serão utilizadas para a análise de seu risco,
por meio da simulação de Monte Carlo, pois representam as principais fontes de incerteza reconhecidas pela operadora.
5.4.4.1.1 Diagrama de tornado
A análise foi feita por meio do diagrama de tornado, que demonstra a sensibilidade do VP0 em relação a variações isoladas das variáveis
independentes, sendo utilizada uma variação para cima e para baixo de igual valor. O diagrama consiste em um eixo horizontal que representa a variação do VP0 em função das alterações nas variáveis independentes, e o eixo vertical que
representa o VP0 obtido no cenário básico, que foi de R$ 367,0 milhões. A
extensão da barra de cada variável, que é o intervalo entre os dois valores simulados, indica qual variável possui maior influência sobre o VP0, e, dessa
forma, pode-se ordenar do maior valor para o menor, criando-se o diagrama de tornado.
5.4.4.1.2 Variáveis independentes
A gama de variáveis ou premissas utilizadas pela operadora não foi muito extensa, permitindo utilizar a maior parte para a análise de sensibilidade. As variáveis selecionadas, em um total de oito, foram:
a) ARPU;
b) Número de clientes;
c) Custo de manutenção por cliente;
d) Número de clientes por posição de atendimento no call center; e) Subsídio por cliente;
f) Comissões;
g) Provisão para devedores duvidosos (PDD); h) Investimento por cliente.
A variação utilizada para cada uma das variáveis selecionadas foi de 10% para baixo e 10% para cima. Como exemplo e partindo-se do cenário básico, o ARPU foi reduzido em 10%, com as outras variáveis mantidas constantes, e, assim, foi recalculado o VP0, sendo este resultado arquivado. Este mesmo
procedimento foi feito para as outras variáveis e, posteriormente, o mesmo foi repetido, mas com uma variação de mais 10%. Esse modelo de análise não leva em consideração as correlações entre as variáveis nem permite dimensionar o risco do projeto por completo, mas serve como base para tal.
5.4.4.1.3 Análise dos resultados
Os resultados obtidos estão representados no Gráfico 11 – Análise de sensibilidade do VP0.
Gráfico 11 – Análise de sensibilidade do VP0
Fonte: Autor.
A parte azul da barra indica o que aconteceria com o VP0 se houvesse uma
redução de 10% na variável. Por exemplo, se o subsídio por cliente for 10% a menos do que o estipulado no cenário básico, o VP0 seria aumentado em R$ 27
milhões. A parte laranja da barra indica o contrário: o que aconteceria com o VP0,
se houvesse um aumento de 10% na variável.
Conforme demonstrado no diagrama de tornado, as quatro variáveis com impacto mais relevante sobre o resultado do projeto foram:
a) ARPU: de forma muito destacada, mudanças nos preços previamente estimados afetariam drasticamente o resultado do projeto, sendo que 10% a menos no preço representaria um valor presente líquido negativo.
b) Número de clientes: o grau do impacto, se ocorrerem variações nesta variável, também é relevante, mas menor que variações nos preços. A explicação para tal fato é que uma parcela relevante dos investimentos,
R$ 219 R$ 284 R$ 403 R$ 401 R$ 394 R$ 352 R$ 377 R$ 372 R$ 515 R$ 450 R$ 331 R$ 333 R$ 340 R$ 379 R$ 357 R$ 362 ARPU Número de clientes Custo de manutenção por cliente Investimento por cliente Subsídio por cliente Clientes por posição de atendimento Comissões PDD
VPo
(R$ milhões)-10% +10%
bem como dos custos e despesas operacionais, são variáveis em relação ao número de clientes, minimizando o seu impacto no valor do projeto.
c) Custo de manutenção: apesar de ter um impacto relevante no valor do projeto, mesmo diante de um aumento de 10%, este não seria suficiente para que o retorno se tornasse negativo.
d) Investimento por cliente: apesar de ter um impacto relevante no valor do projeto, mesmo diante de um aumento de 10%, este também não seria suficiente para que o retorno se tornasse negativo, pois é um gasto variável em relação ao número de clientes.
Este conjunto de variáveis, que deveria merecer uma especial atenção por parte da operadora para controle do progresso do projeto, também foi o utilizado para a análise de risco do mesmo.
Apesar de ter sua utilidade, os resultados apresentados pela análise de sensibilidade apresentam o inconveniente de sempre possuir alguma ambiguidade (BREALEY; MYERS, 2003). Por exemplo: o que significa uma variação otimista e pessimista? Essa variação pode ter significados diferentes para os departamentos de marketing e de produção. Outro problema apontado pelos autores é que as variáveis são provavelmente inter-relacionadas, não sendo razoável serem avaliadas de forma isolada. Esse problema pode ser contornado, ao se construírem cenários em que são consideradas as relações entre as variáveis e também as combinações entre os seus possíveis valores, por meio do emprego da simulação de Monte Carlo, e, desta forma, avaliar o risco do projeto.