View
220
Download
0
Category
Preview:
Citation preview
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO
INSTITUTO COPPEAD DE ADMINISTRAÇÃO
MARCELO MAÇOS DE OLIVEIRA GUTTLER
EFICIÊNCIA E EFICÁCIA NA GESTÃO DE CLUBES DE FUTEBO L: APLICAÇÃO DA ANÁLISE ENVOLTÓRIA DE DADOS EM DECISÕE S
ESTRATÉGICAS.
RIO DE JANEIRO
2013
ii
Marcelo Maços de Oliveira Guttler
EFICIÊNCIA E EFICÁCIA NA GESTÃO DE CLUBES DE FUTEBO L: APLICAÇÃO DA ANÁLISE ENVOLTÓRIA DE DADOS EM DECISÕE S
ESTRATÉGICAS.
Universidade Federal do Rio de Janeiro
Instituto COPPEAD de Administração
Mestrado em Administração
Orientador: Prof. Dr. Alexandre Medeiros Rodrigues
Co-orientador: Prof. Dr. Victor Manoel Cunha de Almeida
Rio de Janeiro
2013
iii
EFICIÊNCIA E EFICÁCIA NA GESTÃO DE CLUBES DE FUTEBO L: APLICAÇÃO DA ANÁLISE ENVOLTÓRIA DE DADOS EM DECISÕE S
ESTRATÉGICAS.
Marcelo Maços de Oliveira Guttler
Dissertação submetida ao corpo docente do Instituto de Pós-Graduação e Pesquisa
em Administração – COPPEAD, da Universidade Federal do Rio de Janeiro – UFRJ,
como parte dos requisitos necessários à obtenção do grau de Mestre.
Rio de Janeiro, 09 de Agosto de 2013.
Aprovada por:
___________________________________________________
Prof. Alexandre Medeiros Rodrigues, Ph.D. (COPPEAD/UFRJ) - Orientador
___________________________________________________
Prof. Victor Manoel Cunha de Almeida, D.Sc. (COPPEAD/UFRJ) - Co-orientador
___________________________________________________
Prof. Albino Lopes D'Almeida, Ph.D (UFF)
iv
FICHAMENTO
Guttler, Marcelo Maços de Oliveira. Eficiência e eficácia na gestão de clubes de futebol: aplicação da análise envoltória de dados em decisões estratégicas. / Marcelo Maços de Oliveira Guttler-- 2013. 110 f.:il Dissertação (Mestrado em Administração) - Universidade Federal do Rio de Janeiro, Instituto COPPEAD de Administração, Rio de Janeiro, 2013.
Orientador: Alexandre Medeiros Rodrigues
1. Esporte. 2. DEA. 3. Mensuração de eficiência 4. Administração - Teses. I. Rodrigues, Alexandre Medeiros (Orient.). II. Universidade Federal do Rio de Janeiro. Instituto de COPPEAD de Administração. III. Título.
v
DEDICATÓRIA
Dedico esta dissertação à memória de meus avós Ernestina, Francisco, Lydia e
Ewaldo.
vi
AGRADECIMENTOS
Ao meu orientador, Professor Alexandre, pela amizade e pelo voto de confiança que
recebi, mesmo quando não havia projeto. Sua disponibilidade e paciência foram
fundamentais para a tarefa de elaborar uma dissertação.
Ao meu co-orientador, Professor Victor, que, junto com meu orientador, concebeu
esse projeto. Foram valiosos e imprescindíveis os seus comentários, desde a fase
inicial de slides até as versões finais do texto.
Ao Professor Albino, por aceitar o convite para a banca e por suas importantes
contribuições para o texto final.
Ao Professor Peter Wanke, pelos comentários feitos na pré-defesa.
A todos os professores do COPPEAD, pelas aulas ministradas no mais alto nível do
conhecimento, ampliando em muito a minha visão sobre importantes temas.
A todos os funcionários do COPPEAD, pelo profissionalismo e cordialidade. Em
especial, aos funcionários da Secretaria, com os quais tive contato diário, agradeço
por toda atenção e apoio.
Aos colegas de mestrado, pela amizade e aprendizado que construímos juntos.
Ao programa de bolsas da CAPES, pelo auxílio financeiro.
Ao IMPA, por disponibilizar sua estrutura.
A todos os meus professores de graduação. Foram muitos, e muito importantes.
Finalmente, agradeço imensamente aos meus pais, Beth e Carlos, e a minha tia
Fátima, pelo apoio incondicional e todo o incentivo que recebi, sem os quais nada
disso seria possível.
vii
RESUMO
GUTTLER, Marcelo Maços de Oliveira. Eficiência e eficácia na gestão de clubes
de futebol: aplicação da análise envoltória de dado s em decisões estratégicas.
Rio de Janeiro: UFRJ/COPPEAD, 2013. Dissertação (Mestrado em Administração).
O objetivo deste trabalho foi identificar métricas para a eficiência de clubes de
futebol e investigar como elas estão relacionadas com o desempenho esportivo.
Para isso, foi utilizado o método DEA (data envelopment analysis - análise envoltória
de dados) na medição da eficiência relativa dos clubes, mais especificamente, para
(1) investigar diferentes combinações de fatores de eficiência (2) identificar clubes
localizados na fronteira de eficiência e (3) investigar evidências de vantagens
competitivas dos clubes. Através da abordagem de eficiência financeira de Joo, S.;
Nixon, D.; Stoeberl (2011) e da modelagem DEA em dois estágios (fora-de-campo e
dentro-de-campo) de Kern, A.; Schwarzmann, M.; Wiedenegger, A. (2012) foram
adaptados quatro modelos de DEA. Para a escolha de inputs e outputs foi utilizada
a base de dados financeiros, sociais e esportivos de 25 clubes europeus, no
período de três temporadas recentes. Os resultados sugerem que há associação
entre eficácia (desempenho esportivo) e os percentuais de eficiência
encontrados. Por fim, o efeito moderador da variável receita evidencia um modelo
concentrador, prejudicial ao equilíbrio competitivo.
Palavras-chave: clubes de futebol, DEA, mensuração de eficiência, eficiência
financeira, vantagens competitivas.
viii
ABSTRACT
GUTTLER, Marcelo Maços de Oliveira. Eficiência e eficácia na gestão de clubes
de futebol: aplicação da análise envoltória de dado s para suporte a escolhas
estratégicas. Orientador: Alexandre Medeiros Rodrigues. Rio de Janeiro:
UFRJ/COPPEAD, 2013. Dissertação (Mestrado em Administração).
The objective of this study was to identify metrics for the efficiency of football clubs
and research how they relate to sports performance. DEA method (data envelopment
analysis) was chosen to analyze the relative efficiency of professional football clubs,
more specifically, to (1) investigate efficiency factors important to professional football
clubs, (2) identify clubs located on the efficiency frontier and (3) to investigate
evidence of sustainable competitive advantages. Financial efficiency models were
adapted from Joo, S., Nixon, D.; Stoeberl (2011) and a two-stage DEA approach was
adapted from Kern, A., Schwarzmann, M.; Wiedenegger, A. (2012). The models
were then applied to a multi-dimension database regarding financial, social and
sporting variables from 25 European clubs within three recent seasons. The results
suggest that there is an association between efficacy (sports performance variables)
and the computed efficiency of clubs. The grouping of clubs by revenue added to the
analysis a moderating effect. There is evidence of a revenue concentration model.
Keywords: football clubs, DEA, measurement of efficiency, financial efficiency,
competitive advantage.
ix
Lista de Siglas
BCC – Banker, Charnes e Cooper (retornos variáveis de escala)
CCR – Charnes, Cooper e Rhodes (retornos constantes de escala)
DEA – Data Envelopment Analysis (Análise Envoltória de Dados)
DMU – Decision-Making Unit (Unidade de Tomada de Decisão)
EE – Eficiência de Escala
ET – Eficiência Técnica
SPSS – Statistical Package for the Social Sciences
UEFA – Union of European Football Associations (União das Federações Europeias
de Futebol)
x
Índice de Figuras
Figura 1 - Fronteira de eficiência ................................................................................. 9
Figura 2 - Cadeia de valor do negócio futebol ........................................................... 10
Figura 3 - Adaptação do modelo de Wolfe, Meenaghan et al. (1997) ....................... 12
Figura 4 – Visão sistêmica do processamento de inputs em outputs ........................ 17
Figura 5 - Combinação de dois outputs ..................................................................... 18
Figura 6 - Matriz-estratégia de clubes de futebol ...................................................... 19
Figura 8 – Modelo conceitual proposto ..................................................................... 30
Figura 7 - Árvore de decisão para escolha do modelo DEA ...................................... 38
Figura 9 - Modelo DEA 1A......................................................................................... 55
Figura 10 - Modelo DEA 1C ...................................................................................... 56
Figura 11 – Modelagem DEA em dois estágios ........................................................ 58
Figura 12 - Fronteira de eficiência ............................................................................. 59
xi
Índice de Gráficos
Gráfico 1 - Representação da fronteira eficiente CCR orientada para maximização de output Y ..................................................................................................................... 41
Gráfico 2 - Representação da fronteira eficiente CCR orientada para minimização de input X ....................................................................................................................... 42
Gráfico 3 - Representação da fronteira eficiente BCC .............................................. 44
Gráfico 4 - Representação da fronteira eficiente CCR (CRS) e BCC (VRS) orientada para minimização de input X ..................................................................................... 45
xii
Índice de Quadros
Quadro 1 – Resumo e artigos com aplicações do DEA na gestão financeira ........... 22
Quadro 2 - Bases de dados para o DEA ................................................................... 46
Quadro 3 - Base de dados para medidas de desempenho esportivo (eficácia) ........ 46
Quadro 4 - Categorização de variáveis ..................................................................... 49
Quadro 5 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho .............................................................................................................. 63
Quadro 6 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para dois grupos de receita ................................................................. 65
Quadro 7 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o quartil de menor receita (Q1) .................................................... 66
Quadro 8 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o segundo quartil de menor receita (Q2) ..................................... 66
Quadro 9 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o segundo quartil de maior receita (Q3) ...................................... 67
Quadro 10 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o quartil de maior receita (Q4) ..................................................... 67
Quadro 11 - Rankings DEA Global temporada 2008/2009 ........................................ 70
Quadro 12 - Ranking DEA Global temporada 2009/2010 ......................................... 70
Quadro 13 - Rankings DEA Global temporada 2010/2011 ........................................ 71
xiii
Índice de Tabelas
Tabela 1 - Estatísticas descritivas: valor do time ....................................................... 50
Tabela 2 - Estatísticas descritivas: despesas operacionais ...................................... 51
Tabela 3 – Estatísticas descritivas: receita total ........................................................ 51
Tabela 4 – Estatísticas descritivas: receita jogos ...................................................... 51
Tabela 5 – Estatísticas descritivas: receita transmissão ........................................... 52
Tabela 6 – Estatísticas descritivas: receita comercial ............................................... 52
Tabela 7 – Estatísticas descritivas: média de público na liga .................................... 52
Tabela 8 – Estatísticas descritivas: pontos IFFHS .................................................... 53
Tabela 9 – Estatísticas descritivas para performance esportiva em 2008/2009 ........ 53
Tabela 10 – Estatísticas descritivas para performance esportiva em 2009/2010 ...... 53
Tabela 11 – Estatísticas descritivas para performance esportiva em 2009/2010 ...... 54
Tabela 12 - Estatísticas descritivas: resultados DEA Modelo 1A .............................. 61
Tabela 13 - Estatísticas descritivas: resultados DEA Modelo 1C .............................. 62
Tabela 14 - Estatísticas descritivas: resultados DEA Modelo Global Parte 1 ............ 62
Tabela 15 - Estatísticas descritivas: resultados DEA Modelo Global ........................ 62
xiv
SUMÁRIO
1. INTRODUÇÃO ..................................................................................................... 1
1.1. OBJETIVO DO ESTUDO .................................................................................. 2
1.2. RELEVÂNCIA DO ESTUDO ............................................................................. 2
1.3. ORGANIZAÇÃO DO ESTUDO ......................................................................... 4
2. REVISÃO DE LITERATURA ............................. .................................................. 6
2.1. VISÃO BASEADA EM RECURSOS ................................................................. 6
2.2. O NEGÓCIO FUTEBOL ................................................................................. 11
2.3. MENSURAÇÃO DE DESEMPENHO NO NEGÓCIO FUTEBOL .................... 14
2.4. EFICIÊNCIA E EFICÁCIA ............................................................................... 21
2.5. APLICAÇÕES DO DEA NA GESTÃO FINANCEIRA ..................................... 21
2.6. APLICAÇÕES DO DEA NA GESTÃO ESPORTIVA ....................................... 23
3. METODOLOGIA ....................................... ......................................................... 28
3.1. PERGUNTAS DO ESTUDO ........................................................................... 28
3.2. MODELO CONCEITUAL E HIPÓTESE SUBSTANTIVA ................................ 28
3.3. MÉTODO DEA ............................................................................................... 30
3.3.1. SELEÇÃO DE INPUTS E OUTPUTS ............................................................. 34
3.3.2. MODELOS CLÁSSICOS ................................................................................ 36
3.3.2.1. MODELO CCR ............................................................................................ 38
3.3.2.2. MODELO BCC ............................................................................................ 42
3.4. BASE DE DADOS .......................................................................................... 46
3.5. TRATAMENTO E SELEÇÃO DE VARIÁVEIS ................................................ 48
3.5.1. ESTATÍSTICAS DESCRITIVAS DAS DAS MEDIDAS DESEMPENHO ......... 53
3.6. MODELOS ...................................................................................................... 54
3.7. LIGAÇÃO ENTRE MODELO E BANCO DE DADOS ..................................... 58
4. RESULTADOS OBTIDOS ................................ ................................................. 61
4.1. ESTATÍSTICAS DESCRITIVAS DOS RESULTADOS DE EFICIÊNCIA DEA (%) ............................................................................................................................61
4.2. TESTE H1: CORRELAÇÃO ENTRE RESULTADOS DEA E MEDIDAS DE DESEMPENHO ESPORTIVO ................................................................................... 63
4.3. RANKING DEA ............................................................................................... 69
xv
4.4. BENCHMARKING .......................................................................................... 72
5. CONSIDERAÇÕES FINAIS .............................. ................................................. 73
5.1. CONTRIBUIÇÕES ACADÊMICAS ................................................................. 74
5.2. CONTRIBUIÇÕES PARA POLÍTICAS PÚBLICAS ......................................... 76
5.3. IMPLICAÇÕES GERENCIAIS ........................................................................ 77
5.4. LIMITAÇÕES DO ESTUDO ............................................................................ 78
5.5. PESQUISAS FUTURAS ................................................................................. 79
6. REFERÊNCIAS BIBLIOGRÁFICAS ........................ .......................................... 81
7. ANEXOS ............................................................................................................ 87
7.1. LISTA DE CLUBES ........................................................................................ 87
7.1. DADOS DE INPUTS E OUTPUTS ................................................................. 87
7.2. CORRELAÇÃO PARA VALIDAÇÃO DA COMBINAÇÃO DE VARIÁVEIS DE INPUT E OUTPUT DOS MODELOS DEA................................................................. 91
7.3. DETALHAMENTO DOS ALVOS DE PERFORMANCE ENCONTRADOS PELO DEA ................................................................................................................ 97
7.3.1. REFERÊNCIAS 2008/2009 ............................................................................ 97
7.3.2. REFERÊNCIAS 2010/2011 ............................................................................ 99
7.3.3. ALVOS DE PERFORMANCE 2008/2009 ..................................................... 100
7.3.4. ALVOS DE PERFORMANCE 2009/2010 .................................................... 103
7.3.5. ALVOS DE PERFORMANCE 2010/2011 ..................................................... 106
7.4. RESULTADOS MODELOS DEA 1A E 1C .................................................... 110
1. INTRODUÇÃO
A diferença central entre esportes e negócios é que, para entradas e saídas de negócios, deve-se garantir que a firma será sempre capaz de rivalizar contra os melhores, não importando em qual mercado decidir concorrer. Os segundos colocados na concorrência são forçados a sair, deixando para trás a circunstância de que não há segunda divisão nos negócios. (Wernerfelt, 1995, p. 173)
Nos últimos anos, o futebol tem sido referido cada vez mais como uma indústria em
seu próprio direito. Suas características são próximas, senão iguais, àquelas
encontradas em grandes empresas. Não mais são vistos como centros de lazer, e
sim como um negócio de alta rentabilidade, onde jogos são o produto e o
espectador, uma fonte de receita. Múltiplos interesses estão interligados a essa
indústria: patrocinadores, agentes, jogadores, mídia, entre outros. Surge, assim, a
importância do estudo do negócio do futebol sob o ponto de vista estratégico (Dolles
e Söderman, 2012).
A idéia deste trabalho vem da percepção de que os resultados esportivos do futebol
estão cada vez mais dependentes de ganhos econômicos. Adicionalmente, observa-
se que a maioria dos estudos já publicados na área somente avaliaram clubes em
nível nacional, em ligas onde disputam desde o clube recém egresso da segunda
divisão até os grandes campeões consecutivos. Diversos artigos já foram dedicados
às ligas inglesa, italiana, espanhola, alemã, portuguesa, turca e brasileira (Haas,
Kocher et al., 2004; Barajas, Fernández-Jardón et al., 2005; Asfour, 2008; Barros e
Douvis, 2009; Samagaio, Couto et al., 2009; Barros, Assaf et al., 2010; Göllü, 2012;
Kern, Schwarzmann et al., 2012; Ribeiro e Lima, 2012). Poucos artigos foram
exclusivamente dedicados à dinâmica competitiva do grupo dos grandes, aqueles
que têm as maiores receitas e revezam-se na conquista dos principais troféus
(Pawlowski, Breuer et al., 2010).
Semelhante ao que ocorre no estudo de negócios tradicionais, há dificuldades em
identificar os componentes de curto e longo prazo do sucesso e o melhor uso da
combinação de recursos tangíveis e intangíveis (Barney, 1991). Assim, o modus
operandi de um grande clube de futebol não deverá ser muito diferente de uma
empresa, especialmente quanto à busca por vantagens competitivas. Para a
aquisição e sustentação de vantagens competivas no negócio futebol, tal como em
2
negócios, é mister a medição apurada dos diferentes tipos de performance e a
identificação dos fatores de eficiência e eficácia envolvidos (Wernerfelt, 1984:1995).
No curto prazo, o conceito de performance esportiva torna-se simples, resume-se à
própria vitória. Porém, essa mesma facilidade não é encontrada para identificar e
mensurar a performance no longo prazo (Bar-Eli, Galily et al., 2008). O presente
trabalho apresenta uma metodologia para a mensuração da performance de clubes
profissionais.
1.1. OBJETIVO DO ESTUDO
Este trabalho tem por objetivo identificar métricas para fatores de eficiência e
eficácia para clubes de futebol e investigar como elas são relacionadas ao
desempenho esportivo.
Para o universo dos clubes de maior rentabilidade do futebol, pretende-se a análise
exploratória das possibilidades de aplicação de um método quantitativo oriundo da
pesquisa operacional: a Análise por Envoltória de Dados (DEA). Na qualidade de
estudo exploratório, são investigadas as relações entre eficiência financeira,
eficiência técnica (não-financeira/operacional) e desempenho (eficácia).
1.2. RELEVÂNCIA DO ESTUDO
A União das Federações Européias de Futebol (UEFA), demonstra, atualmente,
grande preocupação com a estabilidade financeira dos clubes. A organização dá
sinais de que é necessário restaurar o equilíbrio competitivo dos clubes e,
precisamente a partir da temporada 2013/2014, entra em vigor o conjunto de normas
denominado Financial Fair Play com novas condições de gestão que devem ser,
obrigatoriamente, seguidas pelos clubes europeus, sob pena de exclusão dos
campeonatos da UEFA. Os maiores objetivos deste normativo são impedir que os
clubes entrem em uma espiral de débito e fomentar a competitividade gerada com
3
recursos próprios. Atualmente há um grande debate sobre até que ponto o Financial
Fair Play afetará o equilíbrio competitivo (Vöpel, 2011).
De acordo com Pawlowski, Breuer et al. (2010), o equilíbrio competitivo das ligas
européias está em declínio.
Há um declínio no equilíbrio competitivo das ligas européias. O papel da Champions League (CL), na forma como distribui os recursos, tem criado um ciclo vicioso onde times bem sucedidos recebem cada vez mais por jogarem na CL permitindo que eles dominem, então, as ligas domésticas, o que por sua vez aumenta suas chances de participarem na CL. (Pawlowski, Breuer et al., 2010)
As diretrizes da UEFA são pró-sanções aos clubes que gastam mais do que
auferem. De modo geral, o endividamento dos clubes é crescente e não há um
entendimento claro sobre o benefício dessa alavancagem para o equilíbrio esportivo.
Alguns clubes parecem não se importar em manter o altíssimo endividamento, talvez
por terem conseguido sustentabilidade no desempenho esportivo e na rolagem de
dívidas com facilidade. Para a maioria dos clubes profissionais, o mesmo não
ocorre. Um título conquistado após altos investimentos em equipe e estrutura não
garante a continuidade do ciclo de vitórias em outras temporadas, quando só restará
o alto endividamento.
Para compreender os diferentes caminhos que levam alguns poucos clubes a terem
vantagem competitiva sustentável, são necessárias métricas que comparem a
evolução dos clubes, em todas as suas dimensões. Parte dos estudos de eficiência
em esporte se concentra na eficiência operacional, aquela que lida com passes,
chutes e gols, carecendo não somente estudos para a eficiência financeira como
também investigações sobre como diferentes tipos de eficiências se entrelaçam.
Para encontrar uma metodologia adequada à medição proposta, o presente estudo
avaliou extensa literatura sobre eficiência financeira e operacional, especialmente
quanto ao uso da Análise Envoltória de Dados. Ao fim, modelos de DEA foram
construidos e testados. Esses modelos são relevantes para que clubes obtenham as
orientações necessárias às suas melhorias de eficiência. Sob um aspecto mais
4
amplo, são relevantes pra que organizações desportivas e reguladores tracem
estratégias objetivando o equilíbrio competitivo do negócio.
Gestores de clubes e organizações esportivas têm dúvidas como: “Posso operar de
forma mais eficiente? Posso obter os mesmos resultados a custos menores? Estou
ficando para trás ou recuperando o atraso em relação aos outros clubes?” Não
somente clubes, como todas as entidades e confederações esportivas envolvidas
com futebol, podem ser beneficiadas pela aferição de eficiência e identificação de
potenciais para melhorias.
1.3. ORGANIZAÇÃO DO ESTUDO
O presente estudo divide-se em cinco capítulos. O primeiro apresenta os objetivos e
a relevância do tema. O segundo fa a revisão de literatura. Ela é íniciada como a
teoria da visão baseada em recursos, seguida da conceituação de eficiência e
eficácia e formas de sua mensuração. A partir dessa base teórica, a revisão de
literatura apresenta o modelo de Análise Envoltória de Dados. A técnica de DEA e
seus dois principais modelos são explicados. Em seguida, demonstrações empíricas
do uso da técnica são apresentadas.
O capítulo três apresenta a metodologia do estudo e como se dá a escolha dos
modelos de DEA. As seções subsequentes apresentam a base de dados utilizada,
detalhando a escolha de variáveis e DMUs (unidades tomadoras de decisão –
decision making units). A última seção do capítulo é utilizada para detalhar o
processo de análise, explicitando os modelos utilizados.
No capítulo quatro são apresentados e discutidos os resultados da aplicação da
técnica DEA. Além de efetuar correlação dos dados DEA com o desempenho
esportivo dos clubes envolvidos para validar o método, são demonstrados os
produtos gerenciais do método.
5
No quinto capítulo são apresentadas as conclusões, seguidas de contribuições
acadêmicas implicações gerenciais. Adicionalmente, são abordadas as limitações
do trabalho e recomendações para estudos futuros.
6
2. REVISÃO DE LITERATURA
2.1. VISÃO BASEADA EM RECURSOS
A Visão Baseada em Recursos (RBV) procura identificar e explicar os fatores
internos de uma empresa que oferecem vantagem competitiva em relação a outras
organizações, tornando-a mais preparada para atuar no mercado e de maneira
sustentável (Wernerfelt, 1984; Barney, 1991)
Trata-se de uma teoria madura, com mais de meio século. Foi a partir do trabalho de
Penrose (1959), sobre o estudo do impacto dos recursos internos nas organizações
que desenvolveram-se os conceitos da RBV.
Barney (1991) entende que empresas acumulam recursos, competências
organizacionais e capabilities durante sua existência e evolução, de modo que
investimentos no passado exercem influência significativa sobre as estratégias de
crescimento e estrutura organizacional no futuro.
Para Wernerfelt (1984), a singularidade dos recursos e capacidades é a base para a
estratégia da empresa e sua oportunidade de obter retornos acima da média. O
autor define recursos como inputs ao processo produtivo da firma, tais como
equipamentos importantes, habilidades dos funcionários, finanças e gestores de
talento.
Para Barney (1991), vantagem competitiva sustentável não necessariamente está
ligada à duração de tempo do recurso. Entender a fonte de vantagem competitiva
sustentável se tornou uma das principais áreas de sua pesquisa em gestão
estratégica. Para ele, há quatro indicadores empíricos do potencial da firma em
gerar vantagem competitiva sustentável: valor, raridade, imitabilidade e substituição.
Tais indicadores devem ser aplicados para a análise de cada vantagem da empresa
gerando então inferências de vantagens competitivas sustentáveis. Quando
competências e recursos não mais constituem uma vantagem competitiva, trata-se
de um forte sinal de declínio e significa que esforços e recursos foram alocados sem
a preocupação com a sustentação de uma vantagem competitiva ao longo do tempo.
7
Uma vantagem competitiva momentânea pode ser erroneamente entendida pela
empresa como uma solução definitiva.
Prahalad (1990), igualmente, advoga ser necessário encontrar o diferencial de
competências de uma firma. Para ele, a competitividade advém de competências
centrais continuamente construídas a baixo custo e em velocidade superior à dos
concorrentes.
De forma complementar, Miller (1990) lembra que o gestor deve ter ponderação
antes de se apoiar em suas possíveis vantagens competitivas. Quando firmas têm
gestão superconfiante, pode ocorrer o Paradoxo de Ícaro, ou seja, acabam voando
alto demais, sob vantagens competitivas depois percebidas como insustentáveis ou
equivocadas. A aplicação desse paradoxo ao contexto do futebol pode ser
exemplificada por clubes modestos que, eventualmente, sagram-se campeões. E
deixam seus dirigentes superconfiantes e propensos a maiores despesas
operacionais. Assim, conjugando Miller (1990) e a teoria da RBV (Wernerfelt, 1984;
Barney, 1991), verifica-se que a vantagem competitiva ganhadora do campeonato
pode não ser corretamente identificada ou apenas ser insustentável. Também
significa dizer que, ao se apoiar fortemente em vantagens circunstanciais, o dirigente
pode levar seu clube para a segunda divisão.
Barney (1991) apresenta, ainda, uma percepção diferenciada da firma como
entidade histórica e social. Nessa percepção, vislumbrou a habilidade da empresa
em adquirir e explorar recursos como algo dependente de seu lugar no espaço e no
tempo. Em outras palavras, se a empresa perde a oportunidade histórica, não mais
conseguirá obter tal recurso e vantagem, considerado, então, como imperfeitamente
imitável.
O framework da RBV pode ser utilizado em diversas areas da gestão estratégica
para explicar porque uma firma supera sistematicamente seus concorrentes focando
no modo de utilização de recursos (Wernerfelt, 1984; Barney, 1986; Barney, 1986b).
Da mesma forma, essa firma busca identificar e proteger os recursos específicos
responsáveis pela aquisição e sustentação de vantagens competitivas (Bar-Eli,
Galily et al., 2008).
8
A visão de Barney (1991) sobre vantagem competitiva sustentável, por ser generosa
para com recursos intangíveis, demonstra ser adequada para a pesquisa em gestão
no esporte.
De acordo com Gerrard (2005, p.143), que utiliza a teoria da RBV dentro do contexto
do futebol como um negócio:
“A RBV explica a vantagem competitiva sustentável como consequencia da dotação de recursos únicos e inimitáveis pela organização. Mas a performance organizacional não depende apenas dessa dotação, requer eficiência no modo de uso dos recursos.”
Assim como em uma empresa, um clube pode ser visto como entidade histórica e
social que utiliza suas habilidades em adquirir e explorar recursos (Wernerfelt, 1984;
Barney, 1991). Essas habilidades devem ser vistas como recursos altamente
estimados, mas dependentes de seu lugar no espaço e no tempo (Barney, 1991).
De acordo com (Barney, 1986b; a; Barney, 1991), a vantagem competitiva ocorre
para uma firma quando sua estratégia é criadora de valor e os rivais não a estão
implementando. É associada a performance econômica acima da média. Em
seguida, o conceito de vantagem competitiva sustentável é utilizado desde que,
para essa determinada vantagem competitiva, as tentativas de duplicá-la pelos rivais
cessem. Assim, verifica-se alta complexidade em fazer a conexão entre recurso e
vantagem. Competidores, sejam eles detentores ou não de um estimado recurso,
quando não conseguem perceber a relação de causa e efeito envolvida, ou seja, a
causa de cada recurso em cada vantagem, são deixados para trás e não replicam a
estratégia.
No âmbito da eficiência na gestão esportiva, a teoria da RBV foi explorada por
diversos autores cujos objetos de estudos variam desde a investigação da previsão
do sucesso de patrocínios esportivos (Amis, Pant et al., 1997) até a investigação da
vantagem competitiva sustentável conquistada por clubes de futebol americano tais
como o Pennsylvania State University (Smart e Wolfe, 2000).
No futebol, destaca-se o estudo da eficiência do uso de recursos estratégicos pelos
clubes ingleses (Gerrard, 2005). De acordo com esse autor, controladores de clubes
podem ter em suas estratégias dois tipos de orientação: para maximização do lucro
9
ou para a maximização de seu valor em bolsa. Após o embasamento com a teoria
da RBV, o autor comparou dois indicadores de eficiência simplificados dos clubes
ingleses listados em bolsa de valores com os não-listados:
Eficiência em receitas : receita total sobre média de público.
Eficiência em despesas salariais: salários totais sobre pontos ganhos na
competição.
Com esses indicadores, Gerrard (2005) conclui que a performance financeira é
negativamente relacionada a performance esportiva (trade-off: melhora na liga leva a
redução das margens operacionais) e que a performance financeira é superior em
clubes listados na bolsa. A orientação para o lucro exige menos recursos
operacionais. Por fim, demonstrou, graficamente, sua fronteira de performance,
conforme a figura 1:
Figura 1 - Fronteira de eficiência
Fonte: Gerrard (2005)
10
Ziebs (2004), com ponto de vista diferente, Ziebs (2004) entende que fatores
financeiros (receita, valor do time, salários, venda de atletas) não explicam
totalmente o sucesso de um clube. Outros fatores como prêmio por conquistas,
investimentos em atletas e relação pontos/salário devem ser considerados.
Outra forma de explicar o sucesso no negócio futebol utiliza o conceito de cadeia de
valor. Rosson (2001) aponta um ciclo virtuoso do negócio quando clubes vitoriosos
mantêm consistência nos resultados esportivos, atraindo público e ganhos com
merchandising. Lucros superiores permitem, então, novos investimentos e fecham o
ciclo (Salomon Brothes Inc, 1997 apud Rosson, 2001).
Figura 2 - Cadeia de valor do negócio futebol
Fonte: Salomon Brothes Inc (1997, apud Rosson, 2001)
Para Storm e Nielsen (2012), a competitividade esportiva dos clubes de futebol é
dependente do grau de flexibilidade de suas restrições orçamentárias. Com a
possibilidade de dilatação de gastos, clubes são capazes de sustentar enormes
prejuízos e isso é apontado pelos autores como uma clara vantagem competitiva.
Clubes com alta receita não enfrentariam grandes restrições de crédito e são
aqueles que mais conseguem a continuidade de investimentos.
Investimentos Time
VencedorConsistência
Público
Merchandising
Receitasuperior
Em equipe esportiva
Em estrutrasfísicas
Direto: Ingressos
Indireto: Mídia
Maior capacidadede investir
11
Ainda segundo Storm e Nielsen (2012), muitos clubes europeus fazem apostas, de
forma mais ou menos embasada, com o dinheiro que não têm, a fim de manterem-
se em patamar competitivo. Enquanto isso, os clubes que fazem um esforço para
equilibrar seus livros são punidos por maus resultados em campo.
Por fim, Kapelko (2006) identificou que há um espaço para a pesquisa em conjunto
da eficiência baseada em recursos e da literatura de eficiência, mais
especificamente com a aplicação do DEA. Ambas as correntes de pesquisa podem
beneficiar-se mutuamente: RBV benefia-se de avanços nas formas de medição
encontradas no campo da eficiência enquanto esta encontra na RBV um ponto de
vista teórico de apoio.
2.2. O NEGÓCIO FUTEBOL
O negócio futebol pode ser visto como produto, serviço e entretenimento de
múltiplas ofertas de valor. É possível visualizar ao menos as seguintes ofertas ao
consumidor de futebol: time, competições, jogadores, evento, estrutura física, arena,
merchandising entre outras inúmeras atividades comericiais (Dolles e Söderman,
2012).
De acordo com Wolfe, Meenaghan et al. (1997), em artigo que estudou a dinâmica
entre stakeholders no futebol inglês, há parceria nas relações mantidas entre orgãos
reguladores, mídia, associações responsáveis pelos eventos esportivos e
patrocinadores.
Nessas relações, verifica-se que, aumentando a cobertura da mídia, aumenta-se o
número de patrocinadores e, por conseguinte, de espectadores e participantes. Esse
ciclo é denominado de ciclo do sucesso de Wolfe, Meenaghan et al. (1997).
Figura 3 - Adaptação do modelo de
De acordo com Vöpel (2011
diferente da concorrência no mundo dos n
de soma zero para os clubes
outra. E, no ranking final da temporada
O autor compara as ligas profissionais a
de curto prazo para as equipes concorrentes. Se somente
competidores serão susceptíveis
Na visão de Vöpel (2011
ganho de prestígio e sucesso
mídia colocariam pressão
levar a excessividade nos investimentos e,
alguns clubes não consegu
baixo rendimento alcançado
Liga dos Campeões onde a
participar desse campeonato constitui
Adaptação do modelo de Wolfe, Meenaghan et al.
Vöpel (2011), a competição em ligas profissionais
diferente da concorrência no mundo dos negócios, uma vez que implica em um jogo
clubes. Uma vitória da equipe significa sempre derrota
no ranking final da temporada, haverá apenas um campeão.
O autor compara as ligas profissionais a "corridas de ratos” que in
a as equipes concorrentes. Se somente
susceptíveis a tomar riscos mais elevados.
Vöpel (2011), o objetivo dos clubes de futebol seria
ganho de prestígio e sucesso e não a maximização do lucro. Fãs, patrocinadores e
pressão para o alcance de objetivos de curto prazo.
excessividade nos investimentos e, ao final da temporada, p
clubes não conseguem refinanciar integralmente suas
alcançado. Em contraste, isso dificilmente ocorre para clubes da
onde a receita tem patamar superior e o simples fato de
participar desse campeonato constitui-se como estímulo de geração de receitas.
12
et al. (1997)
ompetição em ligas profissionais de esportes é
, uma vez que implica em um jogo
. Uma vitória da equipe significa sempre derrota para
haverá apenas um campeão.
que induzem incentivos
a as equipes concorrentes. Se somente a vitória conta,
seria, normalmente, o
ãs, patrocinadores e
de curto prazo. Isso pode
final da temporada, pelo menos
suas dívidas devido ao
isso dificilmente ocorre para clubes da
tem patamar superior e o simples fato de
se como estímulo de geração de receitas.
13
Tais clubes podem fazer uso da receita adicional no investimento de novos
jogadores, tornando-se, assim, equipes ainda mais fortes na próxima temporada,
salvo a falta de refinanciamento. Desta forma, uma espiral vitoriosa e concentradora
pode ser desencadeada. No longo prazo, este processo resulta no domínio de
algumas equipes e predetermina os candidatos ao título de campeão.
Para Kuypers (1997), clubes devem desenvolver e manter estratégias tendo em
vista possíveis mudanças no ambiente em vez de manter um estilo de gestão
reativo. Alterações ambientais da década de noventa, como a constituição da
Premier League e a regulação de Bosman, tiveram impacto significativo no mercado
de transferências de jogadores e no equilíbrio competitivo. Dolles e Söderman
(2012) explicam que essa nova regulação é associada a estratégia dos clubes em
desenvolver cada vez mais atletas da casa.
A Lei de Bosman, datada de 1995, implicou na perda de direitos a compensações
sobre jogadores transferidos quando do término de seus contratos, além de remover
restrições em relação ao número de jogadores da União Européia atuantes em
campo. Fora isso, transformou clubes em sociedades, onde investidores
institucionais passam a ter o direito de controle e gestão.
Diante dessas mudanças no negócio do futebol, os clubes tiveram de se movimentar
para garantir competitividade. Sobressaíram-se aqueles que desenvolveram
estratégias tais como recrutar jogadores estrangeiros dentro da União Européia.
A grande mudança no ambiente da atualidade são os controles das finaças dos
clubes. A partir de 2013, entra em vigor o novo controle normativo da UEFA,
intitulado “Financial Fair Play”, por meio do qual passa a exigir maior rigor aos clubes
europeus na administração de seus ativos sob pena de exclusão dos campeonatos
por ela organizados (Ribeiro e Lima, 2012).
Seguindo a conceituação de Barney (1991), recursos de um clube de futebol só
podem ser uma fonte de vantagem competitiva quando eles são valiosos e
reconhecidos pelo consumidor. Para Dolles e Söderman (2012), recursos são
geradores de valor quando permitem que os clubes implementem suas estratégias
14
(atividades de geração de valor) que, por sua vez, melhoram a sua eficiência e
eficácia.
Um clube de futebol só disfrutará de uma vantagem competitiva quando estiver
implementando uma estratégia criadora de valor que seja única, através da
combinação dos recursos do clube (Dolles e Söderman, 2012). A estratégia deve
tornar o clube eficaz no alcance de vitórias e títulos. Para isso, têm vantagens os
clubes com mais recursos financeiros.
Entre 2006 e 2012, seis clubes, Real Madrid, Barcelona, Manchester United, Bayern
de Munique, Arsenal e Chelsea alternaram-se no topo do ranking de maior receita
no futebol. Das 14 posições de finalista da Champions League (temporadas 2005 a
2012), esses mesmos clubes ocuparam 11 delas.
Assim, observa-se que objetivo estratégico dos clubes é, hoje, a classificação para o
campeonato mais importante em termos de receita e visibilidade e tentar conquistá-
lo. Para clubes sul-americanos esse campeonato é a Libertadores da América, para
europeus a Champions League.
Por fim, observa-se que, nos últimos dez anos, apenas 25 diferentes clubes
ocuparam as 20 posições do ranking de receita (Deloitte, 2005-2012). Há evidências
de um modelo concentrador de receita, onde os clubes de maior receita perpetuam-
se no topo da pirâmide, ficando cada vez mais difícil ver outros nomes ingressarem
no ranking.
2.3. MENSURAÇÃO DE DESEMPENHO NO NEGÓCIO
FUTEBOL
De acordo com Zairi (1994), a medição de performance é uma acionador de
melhorias. Ela induz curiosidade, interrogação e o questionamento do modo como
as atividades são feitas.
Boussofiane, Dyson et al. (1991) argumentam que a lucratividade não pode ser
considerada como única medida de performance .
15
“Se o conjunto de unidades organizacionais sendo avaliadas pertence a um setor com fins lucrativos da economia, poder-se-ia argumentar que o desempenho das unidades deverá primeiramente ser avaliado em termos de rentabilidade. No entanto, o principal argumento contra isto é que o alcance de rentabilidade pode ser afetada por fatores ambientais” (Boussofiane, Dyson et al., 1991)
Rottenberg (1956), visto com um paper seminal em sport economics, afirma que,
com base no mercado de jogadores de baseball do meio do século passado, é
possível visualizar organizações esportivas como maximizadores de lucro racionais.
De acordo com Sloane (2006), é característica definidora do papel do Rottenberg
sua crença de que a estrutura economica da ligas esportivas profissionais pode ser
analisada utilizando a mesma estrutura de qualquer outra indústria. Em consonância
com esse autor, Amis, Pant et al. (1997) identificam clubes, incluindo o exemplo dos
clubes da English Premier League, como organizações orientadas para a
maximização do lucro.
Por outro lado, há proprietários de organizações esportivas, especialmente na
Europa, que não transparecem foco no lucro, mas sim na performance do time
(Sloane, 1971) ou, ainda, investem em suas organizações para auferir benefícios
emocionais decorrentes do engajamento, estando, inclusive, preparados para
perdas financeiras (Rottenberg, 2000).
Asfour (2008) argumenta ser necessário a compreensão dos diferentes tipos de
orientação que uma organização esportiva pode ter: lucro e performance. Para isso,
métodos de medição de performance e benchmarking são úteis.
O conceito de benchmarking pode ser sintetizado como a avaliação de desempenho
relativo entre unidades de produção comparáveis. Por comparáveis entende-se
aquelas unidades de produção transformadoras de mesmo tipo de inputs (recursos)
para mesmo tipo de produtos. Fazendo essa comparação, as unidades obtêm
benefícios de aprendizagem, coordenação e motivação (Bogetoft e Otto, 2011).
A facilidade do uso de benchmarkings está ligada à disponibilidade de informação.
Em uma hipótese em que a firma conheça perfeitamente sua função utilidade e
todas as possibilidades de produção e de tecnologia disponível, não haveria
16
dificuldades para a medição de desempenho. Nessas condições, pode-se efetuar
uma avaliação racional comparando os níveis de utilidade atual e o nível máximo de
utilidade possível dadas as condições de tecnologia existentes (Bogetoft e Otto,
2011).
Entretanto, em condições reais, não há informações completas tanto sobre os
objetivos da firma quanto sobre suas reais possibilidades de produção. Nesse
contexto, o benchmarking soluciona a falta de informações e aponta o caminho para
a eficiência relativa (Bogetoft e Otto, 2011).
Os indicadores de performance trazem simplicidade e são bastante úteis ao gestor.
Entretanto, não são soluções, pois presumem o retorno constante de escala ou
envolvem comparações indevidas com firmas diferentes (Bogetoft e Otto, 2011).
De modo geral, firmas utilizam múltiplos inputs para produzir múltiplos outputs. Se
fosse possível a aglutinação multiplos inputs em uma só variável (por exemplo,
custos) e multiplos outputs, também, em uma só variável (receitas por exemplo), um
único indicador simplificaria o problema. Entretanto, na literatura de benchmarking é
reconhecido que múltiplos inputs/outputs interagem e podem ser subtituidos entre si.
A visão sistêmica proposta na figura 4 entende a firma como transformadora de
recursos. Essa transformação, por sua vez, é afetada por variáveis não controláveis,
assim como por habilidade não-observáveis nas organizações. A ídeia agora passa
a ser a medição de inputs, outputs e das variáveis não-controláveis para se ter uma
idéia das características gerenciais não mensuráveis e habilidades e esforços
envolvidos (Bogetoft e Otto, 2011).
Figura 4 – Visão sistêmica do processamento de
Fonte:
Pela perspectiva microeconômica, a performance da firma é refletida na sua
habilidade de escolher os melhores meios (alternativas) para buscar seus objetivos
(preferências) (Bogetoft e Otto, 2011
De acordo com alguns autores, para falarmos de eficácia, bu
objetivo para, assim, podermos f
objetivos. Quando isso não é o caso (não termos a função objetivo) e passamos a
usar um proxy, estamos então falando de eficiência
A figura 5 abaixo apresenta uma visão da teoria microeconômica sobre a eficiência
produtiva com dois outputs
combinação de outputs
tangencia a curva de possibilidades de produção.
Visão sistêmica do processamento de inputs em
Fonte: Bogetoft e Otto (2011)
Pela perspectiva microeconômica, a performance da firma é refletida na sua
habilidade de escolher os melhores meios (alternativas) para buscar seus objetivos
Bogetoft e Otto, 2011).
De acordo com alguns autores, para falarmos de eficácia, buscamos uma função
podermos falar explicitamente sobre a realização desses
objetivos. Quando isso não é o caso (não termos a função objetivo) e passamos a
, estamos então falando de eficiência (Bogetoft e Otto, 2011
abaixo apresenta uma visão da teoria microeconômica sobre a eficiência
outputs. Dada uma curva de possibilidades de produção T, a
outputs do ponto A está longe do ponto ideal, ponto este que
tangencia a curva de possibilidades de produção.
17
em outputs
Pela perspectiva microeconômica, a performance da firma é refletida na sua
habilidade de escolher os melhores meios (alternativas) para buscar seus objetivos
scamos uma função
alar explicitamente sobre a realização desses
objetivos. Quando isso não é o caso (não termos a função objetivo) e passamos a
Bogetoft e Otto, 2011).
abaixo apresenta uma visão da teoria microeconômica sobre a eficiência
. Dada uma curva de possibilidades de produção T, a
deal, ponto este que
18
Figura 5 - Combinação de dois outputs
Fonte: Bogetoft e Otto (2011)
Bogetoft & Otto (2011) definem a eficácia como o ratio performance atual sobre
performance ideal.
Em avaliações reais, entretanto, há dificuldade de aplicar essa teoria
microeconômica, haja vista a falta de informações de possibilidades de produção,
assim como as curvas de utilidade não estarem disponíveis com antecipação. Nessa
situação, o benchmarking é uma forma de aproximar a teoria econômica para a
praticidade racional (Bogetoft e Otto, 2011).
A racionalide por trás do benchmarking aponta, como ponto de partida, a coleta de
dados que descrevam a situação atual. Em seguida, procura-se a aproximação do
que seria o relacionamento ideal entre inputs e outputs a fim de obter uma avaliação
de eficiência através da proporção entre performance atual e performance ideal.
Com isso, o benchmarking tenta superar problemas despontando da eficácia para a
eficiência relativa (Bogetoft e Otto, 2011).
Para Fahy, Hooley et al. (2000), o conceito de performance é multidimensional e,
precisamente por isso, sua medição na gestão estratégica provou ser problemática.
Para Szymanski (1998) e Kuypers e Szymanski (1999, apud Gollu, 2012); (Göllü,
2012), há, geralmente, dois princípios sobre o desempenho no futebol:
19
i) melhor desempenho na liga leva ao aumento das receitas, e
ii) aumento da despesa salarial leva a um melhor desempenho.
Em artigo sobre formas de avaliar o desempenho de clubes de futebol, Kase, Gómez
et al. (2006) desenvolveram análises a partir de seis temporadas do Real Madrid e
Barcelona para explicar que tipo de estratégias foram por eles empregadas.
Através de um painel de acompanhamento, perceberam mudança no
posicionamento dos clubes de acordo com a combinação do desempenho financeiro
e esportivo. Os autores fazem uma analogia desse desempenho, onde títulos são
flores e terra a riqueza.
Figura 6 - Matriz-estratégia de clubes de futebol
Fonte: Kase et al. (2006)
O Real Madrid, nas temporadas a partir do ano 2000, tinha uma posíção rotulada
como “o jardim de éden”, pois combinava alta receita e ótimos resultados na liga
espanhola e na Champions League. Até a temporada 2002-2003, os madrilhenhos
DesempenhoFinanceiro
+
–
– +DesempenhoEsportivo
“Flores semjardim”
Capital históricoe social
“Solo virgem”
Capital social
“Jardim semflores”
Capital financeiro
“Jardim de Éden”
Capital financeiro, histórico e social
20
ainda obtinham uma taça por ano – 2 ligas e 1 CL. Entre 2003 e 2006, entretanto,
não houve conquista de título importante. Mas o desempenho nos negócios foi
surpreendente, sendo considerado o clube de maior receita em 20061. Isso foi
explicado pela estratégia do Real Madrid em contratar o máximo de estrelas, mesmo
que elas ocupassem o mesma posição tática no gramado. Ou seja, importante para
aquela estratégia foram os ganhos com licenciamento, comercialização e apelo aos
fans. Esse novo posicionamento de negócio e sem títulos foi referido com “jardim
sem flores”. Os autores não condenam esse posicionamento, apenas explicam sua
ênfase em gerar receitas.
O Barcelona, nas temporadas entre 2000 e 2004, não conseguia títulos e mantinha
uma posição nos negócios baseada em capital social – rotulada de “solo virgem” que
significa que pode haver potencial ainda não explorado. Em seguida, devido a uma
estratégia positiva de recrutamento, ao emprego de jogadores novatos em partidas
oficiais e à estabilidade do comando técnico, conseguiu alterar seu posicionamento
em 2006 para uma condição de muitos troféus. A estratégia do Barcelona teve
ênfase maior na performance esportiva.
O efeito da estratégia esportiva, refletida na composição de jogadores, tempo de
jogo equilibrado entre estrelas e não-estrelas e pela estabilidade do comando
técnico, influenciou a performance esportiva de Real Madrid e Barcelona.
Kase, Gómez et al. (2006) concluem de suas análises que o sucesso esportivo, no
curto prazo, não depende do financeiro. Porém, no longo prazo, a saúde financeira
do clube é essencial para a manutenção do sucesso esportivo.
1 Segundo o relatório Deloitte Football Money League 2006
21
2.4. EFICIÊNCIA E EFICÁCIA
De acordo com Mello et. al. (2005), a eficácia está ligada apenas ao que é
produzido, sem levar em conta os recursos usados. Trata-se da capacidade de a
unidade produtiva atingir o resultado que tinha como meta. Essa meta tanto pode ter
sido estabelecida pela própria unidade como externamente.
Para Bogetoft e Otto(2011), um dos maiores obstáculos ao avaliar-se a eficácia
reside na seleção de objetivos e preferências para a aferição de performance. O
conceito de eficiência surge, então, como uma saída para esse dilema, pois apenas
requer a anuênencia de que mais output e menos inputs é a prefência estabelecida.
Assim, facilmente um ranking é estabelecido. Os autores ressaltam, entretanto, que
a eficiência não é uma condição suficiente. Como exemplo, não basta correr rápido;
também é necessário correr na direção correta.
Há duas formas básicas para uma unidade produtiva tornar-se eficiente: reduzindo
os recursos, mantendo constantes os produtos ou fazendo o inverso. Para ambos os
casos, uma das principais formas de mensuração da eficiência é o método da
Análise Envoltória de Dados (DEA). Esse método mostrou-se importante ao permitir
múltiplas variáveis, sem a presença de pesos arbitrários. Com isso, os resultados
obtidos independem de opiniões subjetivas. (Mello et. al.; 2003, 2005)
2.5. APLICAÇÕES DO DEA NA GESTÃO FINANCEIRA
No escopo de finanças, verificou-se heterogeneidade de abordagens entre os
estudos de DEA avaliados. As discrepâncias abrangem aspectos como o número e
as características dos inputs e outputs utilizados, o tamanho e o tipo de amostra, sua
concentração geográfica, e a incorporação ou não de análises temporais.
Os resultados do trabalho de Feroz, Kim et al. (2003) fizeram os autores concluírem
que indicadores financeiros só proporcionam uma avaliação ad hoc e parcial da
performance de empresas.
22
Em artigo que comparou indicadores de eficiência DEA com indicadores financeiros
em empresas têxteis, (Kapelko, 2006) identificou que resultados de eficiência
parecem ser mais relevantes e úteis do que o ROA – return on assets. Indicadores
como retorno sobre ativos não representam a multidimensionalidade de
desempenho das empresas e são afetados por muitas condições aleatórias
(“ruídos”). Embora seja fácil de calcular o ROA, é muito mais difícil interpretá-lo do
que o escore de eficiência. Esse, ainda que de cálculo mais elaborado, proporcionou
resultados mais relevantes (Kapelko, 2006).
Zhu (2000) explora o desempenho financeiro das empresas listadas no ranking
Fortune 500 em múltiplas dimensões. Observou que empresas que constam no topo
do ranking não têm necessariamente uma performance de topo do ranking em
termos de rentabilidade e stock marketability. A maioria das empresas exibiu não
somente ineficiência técnica como também de escala, principalmente para o topo do
ranking.
Joo et al. (2011) entendem que as variáveis de output podem ser selecionadas
dentro das diferentes informações de retorno financeiro e lucratividade de uma
empresa. Em estudo de companhias abertas, identificaram informações financeiras
para a composição de três modelos DEA: ativo total, ativo circulante e despesa.
Todos esses três modelos têm o mesmo output: receitas. Quanto aos inputs
aplicados, eles seguem o nome dado ao modelo: ativos totais, ativos circulantes e
despesas. O DEA foi utilizado nas modalidades de CCR e BCC, com orientação
para a minimização de input, nos três modelos. Como resultados, confirmam que o
framework sugerido é funcional e complementar ao indicador ROA – return on
assets.
Quadro 1 – Resumo e artigos com aplicações do DEA n a gestão financeira
AUTORES ANO INPUTS OUTPUTS Ceretta 1999 PL, Exigível e Salários Valor adicionado
23
Joe Zhu 2000 Funcionários, Ativo e PL Valor econômico agregado, Retorno total ao acionista e Lucro por Ação
Joe Zhu 2000 Receitas e lucros Valor econômico agregado, Retorno total ao acionista e Lucro por Ação
Joe Zhu 2000 Funcionários, Ativo e PL Receitas e Lucros
Feroz et al 2003 Ativos, PL e Custos Receita Total Kapelko 2006 Custo operacional, ativos
fixos e qtd. de funcionários Receita operacional
Joo et al 2011 Diferentes tipos de ativos Diferentes tipos de receita Joo et al 2011 Recebíveis, caixa,
inventário, Diferentes tipos de receita
Joo et al 2011 Depreciação/amortização, COGS, SG&A
Diferentes tipos de receita
Dantas e Boente
2011 Despesas operacionais Receita TV
Dantas e Boente
2011 Despesas operacionais Receita comercial
Dantas e Boente
2011 Despesas operacionais Receita total
Dantas e Boente
2011 Despesas operacionais Valor do time
Fonte: Elaborado pelo autor.
2.6. APLICAÇÕES DO DEA NA GESTÃO ESPORTIVA
A utilização de DEA na literatura de gestão esportiva tem variedade maior que em
outras áreas. A eficiência, aqui, tem abordagens em três configurações: esportiva,
financeira ou financeiro-esportiva. Ainda que a disponibilidade de artigos tratando
apenas de clubes de alta receita seja praticamente inexistente - apenas o artigo de
Dantas e Boente (2012) - o DEA tem sido bastante utilizado como método de
pesquisa para conjuntos de clubes de diferentes ligas esportivas e países.
Um dos autores pioneiros a utilizar essa abordagem não-paramétrica no esporte foi
Fizel e D'itri (1996) que aplicou o DEA na medição da eficiência gerencial de equipes
de basquete universitário americana. Seguindo a configuração esportiva, examinou
que a eficiência dos técnicos de 147 equipes, constatando que os percentuais de
eficiência DEA (output: vitórias, input: talento dos jogadores) foram bastante
24
diferentes dos percentuais de vitórias alcançados, ocorrendo indevidas demissões
de técnicos eficientes.
No âmbito do futebol, todas as grandes ligas européias foram estudadas. Fora elas,
a eficiência do futebol foi analisada ainda na liga brasileira com Barros, Assaf et al.
(2010) e americana com Haas (2003) analisou a eficiência dos clubes da MLS
(Major League Soccer).
Quanto às ligas européias, é possível destacar alguns trabalhos. Haas et al. (2004)
estudou a eficiência dos clubes alemães da Bundesliga. Os resultados desse estudo
apresentaram falta de correlação entre escores de eficiência e a classificação no
campeonato nacional alemão. Clubes pequenos e médios, como o desconhecido
Ulm, superaram clubes conhecidos como o Borussia Dortmund. Os autores
efetuaram a decomposição das fontes de ineficiência em dois tipos permitidos pelo
DEA: ineficiência técnica e de escala para teste da sensibilidade dos resultados em
relação às diferentes combinações de entrada e saída.
Espitia-Escuer e Garcia-Cebrian (2004) mediram a eficiência esportiva na liga
espanhola através da análise estritamente técnica das partidas. Como inputs:
ataques, posse de bolas, chutes a gol e jogadores em campo. Como outputs: pontos
totais no campeonato. Concluem que equipes eficientes nem sempre estão no topo
da tabela.
Szymanski e Kuypers (1999) avaliaram as variações de receitas no futebol inglês
entre 1978 e 1997, concluindo que os times vencedores, no longo prazo, devem
atrair rendimentos mais elevados.
Barajas et al. (2005) analisaram a relação entre o desempenho esportivo e as
receitas dos clubes de futebol, bem como o efeito de desempenho esportivo diante
da crise financeira do futebol espanhol. Através da análise de regressão e do
modelo de correlação entre a posição na liga e receitas por temporada, concluíram
que não há nenhum poder explicativo de performances esportivas sobre os
resultados econômicos dos clubes.
25
Guzman e Morrow (2007) investigaram o peso da eficiência e produtividade dos
clubes de futebol profissional por meio de suas demonstrações financeiras.
Concluíram que as variáveis estudadas podem ser medidas através do DEA.
Barros et al. (2008) apresentaram a hipótese de que a heterogeneidade entre
performances esportivas dos clubes de futebol espanhóis decorre de diferentes
dotações financeiras não observáveis. Agrupando os clubes em segmentos,
investigou a eficiência através de um modelo de função custo, concluindo que existe
uma relação entre a eficiência de custos e o desempenho esportivo dos clubes.
Barros e Garcia-Del-Barrio (2008) analisaram a heterogeneidade das performances
esportivas dos clubes de futebol ingleses estimando uma fronteira estocástica de
custo e dados em painel. Sua conclusão é que há clusters de clubes que requerem
políticas de gestão diferenciadas.
Samagaio et al. (2009) analisaram as influências do desempenho esportivo,
financeiro e a cotação em bolsa dos clubes do futebol inglês através de correlações
estatísticas. Concluiram que há moderada correlação entre ganhos na bolsa de
valores, desempenho financeiro e desempenho esportivo dos clubes de futebol
ingleses.
Em todos esses artigos, foram implementados diferentes métodos e utilizações do
DEA para a medição de eficiência. Não havia sido feito, até então, uma abordagem
que discriminassse a eficiência em dentro e fora de campo. Kern, Schwarzmann et
al. (2012) elaboram um modelo de DEA em dois estágios. Na primeira etapa os
inputs são o saldo de transferências de jogadores e salários e o output o valor de
mercado do clube. Na segunda etapa o input é esse mesmo valor de mercado do
clube e, como outputs, os resultados, receitas totais e público.
Essa abordagem coloca o valor de mercado como um produto intermediário pois
divide a análise da eficiência no futebol em off-field (primeira etapa, fora-de-campo)
e on-field (segunda etapa, dentro-de-campo). Na primeira etapa avalia a eficiência
da gestão financeira e na segunda etapa, partindo da premissa que o valor de
mercado do time representa seu potencial competitivo, avalia a eficiência da equipe
técnica em gerar bons resultados, receitas e público (eficiência dentro-de-campo).
26
Dantas e Boente (2012) é o único artigo que seleciona apenas clubes de alta receita
para análise. Os autores criaram modelos DEA de único input e único output para
medir a eficiência dos clubes de futebol listados do ranking Deloitte referente a
temporada 2008/2009. Concluiram que o desempenho esportivo dentro de campo
gera receitas para o clube, havendo correlação entre eficiência financeira e
esportiva.
Em resumo, os artigos apresentam grande variedade nas escolhas de inputs e
outputs para a determinação da eficiência dos clubes. Os estudos técnicos apontam
configurações de DEA apenas com dados esportivos. A maioria dos estudos mistos
(onde há variáveis financeiras) indica que existe uma associação entre o
desempenho esportivo e financeiro. Não foi identificado artigo que estudasse a
eficiência dentro-e-fora de campo de conjunto de clubes de alta receita europeus.
27
Quadro 2 - Aplicações do DEA na gestão esportiva
TIPO AUTORES ANO INPUTS OUTPUTS
técnica Fizel & D`ltri 1997 talento do jogador, força do oponente
percentual de vitórias
técnica Kuypers 1997 habilidade, qtd. de jogadores performance da liga
técnica Barros & Santos
2003 qtd. e remuneração de treinadores e dirigentes; capital físico
qtd. de participantes, cursos e aprovações
mista Haas 2003 salário técnico, outros salários futebol, tamanho da população local
ranking nacional e internacional, receita total
técnica Espitia & Garcia 2004 jogadores, ataques, minutos de posse de bola, chutes, cabeçadas
pontos ganhos
mista Barros & Leach 2006a jogadores, receita, estrutura do clube, total de passes
público, gols e receita
mista Asfour 2008 salários do futebol, gastos de transferências e empréstimos
receita total, lucro de transferências e pontos na temporada da Liga inglesa.
mista Barros et al 2010 custo operacional (exceto salários), ativo total, folha de pagamento dos jogadores
público, receita total, pontos ganhos no campeonato brasileiro
mista Guzmán & Morrow 2010a salários total do futebol, remuneração de diretores, despesas operacionais.
pontos na liga inglesa, receita total
mista Halkos & Tzeremes
2011 receita total soma ponderada de troféus
mista Ribeiro & Lima 2012 salários totais ranking liga nacional
mista Ribeiro & Lima 2012 grupos de salários ranking liga nacional
mista Dantas & Boente 2012 despesas operacionais
receita de jogos, transmissão, comercial, total e valor do clube (5 DEAs individuais)
Fonte: elaborado pelo autor.
28
3. METODOLOGIA
Este capítulo tem por objetivo descrever a metodologia utilizada no presente
trabalho. Inicialmente, as perguntas de pesquisa são formuladas e é apresenado o
modelo conceitual e hipótese substantiva única. Em seguida, o método DEA é
discutido e são definidas as bases de dados e variáveis. Quatro modelos DEA são
propostos. Por fim, é demonstrada a ligação entre o banco de dados e os modelos.
3.1. PERGUNTAS DO ESTUDO
Duas perguntas de pesquisa foram formuladas:
a) Quais os principais fatores de influência para a eficiência de clubes de futebol
europeus?
b) Quais clubes estão localizados na fronteira de eficiência? Há uma correlação
entre a eficiência desses clubes e seus resultados esportivos?
Adicionalmente, os seguintes objetivos de trabalho também foram estabelecidos:
• Criar métrica e framework que contemple fatores de eficiência financeira e
técnica na gestão esportiva de clubes de futebol;
• Aplicar a métrica e framework em exemplo real;
• Disponibilizar benchmarks a partir da aferição comparativa de performance
entre clubes de futebol;
• Identificar métricas de eficiência de maior correlação com o desempenho
esportivo.
3.2. MODELO CONCEITUAL E HIPÓTESE SUBSTANTIVA
Antes de apresentar o modelo conceitual, cumpre definir a tipologia deste trabalho.
Vergara (2005) aponta dois critérios básicos nas quais uma pesquisa pode ser
29
classificada: quanto aos fins e quanto aos meios. Segundo a autora, quanto aos fins,
uma pesquisa pode ser: exploratória, descritiva, explicativa, metodológica, aplicada
e/ou intervencionista. Quanto aos meios de investigação possíveis, pode ser:
pesquisa de campo, pesquisa de laboratório, documental, bibliográfica,
experimental, ex post facto, participante, pesquisa-ação e/ou estudo de caso.
A presente pesquisa pode ser classificada como exploratória, pois busca inferir
relações de causalidade entre as dimensões de eficiência e eficácia através de um
modelo não-paramétrico ainda não testado. Pode, ainda, ser considerada como
descritiva, uma vez que pretende verificar hipótese de correlações entre dimensões.
Observa-se que o uso de dados secundários, tais como os que serão apresentados
para essa pesquisa, apresentam vantagens e desvantagens. Verificar-se-á um
possível desalinhamento entre os objetivos da pesquisa que coletou os dados e os
objetivos da pesquisa que utilizará esses dados. O uso de proxies pode se tornar
indispensável para administrar essa inadequação. Outro ponto de desvantagem é
fazer o pesquisador confiar na integridade dos dados e de quem os coletou, visto
que dificilmente pode-se avaliar a metodologia de coleta praticada originalmente,
incorrendo o risco, inclusive, de fonte dos dados vista como duvidosa no futuro. Fora
isso existe a possibilidade de que algumas informações desejadas não estejam
disponíveis; o banco de dados pode ser privado e o acesso às suas informações
pode ser restrito e caro.
Entre as vantagens do uso de dados secundários, o custo para a coleta das
informações e dos dados é, geralmente, bastante inferior quando comparado à
utilização de dados primários; o tempo despendido para a coleta e organização do
banco de dados também tende a ser menor.
No que se refere aos meios, este trabalho classifica-se como uma pesquisa
bibliográfica, uma vez que é um estudo desenvolvido com base em material
publicado em livros e periódicos especializados.
Assim, para abordar a questão principal desse estudo e responder as perguntas de
pesquisa, o método DEA foi utilizado. O DEA permitiu a combinação de fatores
sociais, esportivos e financeiros em consonância com Kern et al.,(2012) para a
obtenção de indicadores de eficiência dos clubes.
seguida, correlacionados com me
figura 8.
Fonte: elaborado pelo autor.
Por fim, a seguinte hipótese substativa foi formulada:
H1: Existe relação positiva entre a eficiência e a eficácia dos clube de futebol
de maior receita.
3.3. MÉTODO DEA
A análise envoltória de dados (DEA
por ao introduzir a programação linear não
operacional. A técnica foi apresentada, inicialmente, assumindo retornos constantes
de escala, permitindo derivar
e outputs (Charnes, Cooper
adores de eficiência dos clubes. Esses indicadores
correlacionados com medidas de eficiácia conforme o modelo conceitual
Figura 7 – Modelo conceitual proposto
Fonte: elaborado pelo autor.
Por fim, a seguinte hipótese substativa foi formulada:
H1: Existe relação positiva entre a eficiência e a eficácia dos clube de futebol
MÉTODO DEA
de dados (DEA - Data Envelopment Analysis
ao introduzir a programação linear não-paramétrica à literat
operacional. A técnica foi apresentada, inicialmente, assumindo retornos constantes
de escala, permitindo derivar medidas de eficiência a partir da investigação de
Charnes, Cooper et al., 1978).
30
Esses indicadores foram, em
o modelo conceitual da
H1: Existe relação positiva entre a eficiência e a eficácia dos clube de futebol
Data Envelopment Analysis) foi desenvolvida
paramétrica à literatura de pesquisa
operacional. A técnica foi apresentada, inicialmente, assumindo retornos constantes
a partir da investigação de inputs
31
A origem do método remonta aos estudos da mensuração de eficiência produtiva na
forma colocada por Farrell (1957). Esse autor argumentava a favor de uma medida
de eficiência simples sem atribuição de pesos arbitrários. Partindo da medida de
eficiência técnica em casos de único input/output proposta por Farrell (1957), foi
desenvolvido um modelo que atenda a casos com múltiplos inputs/outputs, com a
construção de um único output virtual e um único input virtual (Charnes, Cooper et
al., 1978).
Essa pesquisa tinha o objetivo de avaliar um programa de acompanhamento de
estudantes carentes de escolas públicas americanas financiado pelo governo dos
Estados Unidos. Foram feitos dois grupos, um de alunos com o acompanhamento
do governo e outro de alunos de escolas não participantes do programa. O
desempenho dos alunos foi medido utilizando outputs tais como auto-estima e inputs
como tempo despendido pela mãe em leituras com o aluno. Tal procedimento para
estimação da eficiência técnica de escolas, com base em múltiplos inputs e outputs,
resultou na formulação do Modelo CCR - abreviatura de Charnes, Cooper e Rhodes,
sobrenomes de seus autores – e em publicação do primeiro artigo sobre a aplicação
do novo método no European Journal of Operations Research. (Charnes, Cooper et
al., 1978).
Assim, com a aplicação do DEA é possível identificar as fontes de ineficiência nas
unidades de um grupo, quantificando e analisando comparativamente os inputs e
outputs. Dessa forma o DEA permite ordenar as unidades, estabelecer
benchmarkings entre elas e auxiliar na formulação de estratégias para a
maximização de eficiências (Ferreira, 2009).
Cada unidade pode ser classificada em eficiente (indicador DEA = 1) e ineficiente
(indicador DEA < 1). A classificação de cada unidade só depende de seu
desempenho em transformar inputs e outputs comparado ao desempenho das
demais unidades. Na prática, trata-se de uma pontuação que premia as melhores
práticas observadas (Ferreira, 2009).
Múltiplos inputs e múltiplos outputs são combinados com pesos diferentes em uma
medida escalar de eficiência operacional para cada DMU (decision-making unit)
envolvida (Zhu, 2009).
32
A medida de eficiência encontrada pela Análise Envoltória de Dados é um indicador
de produtividade relativa combinada de todos os fatores de produção.
Diferentemente de métodos estatísticos tradicionais que utilizam medidas de
tendência central, o DEA é afetado por pontos extremos. Isso significa que se uma
unidade de um grupo for capaz de alcançar um output X, espera-se que as demais
unidades do grupo também sejam capazes disso (Ferreira, 2009; Bogetoft e Otto,
2011).
O DEA é uma técnica não-paramétrica multivariável que permite o monitoramento de
produtividade de unidades de decisão. Fazendo isso, pode oferecer ao gestor dados
quantitativos capazes de direcionar as DMUs para caminhos de melhoria através de
benchmarking. Comparando dados de entrada e saída. São avaliações ex post facto
que permitem a geração de fronteiras de eficiência relativa (Cooper, Seiford et al.,
2007).
Para cada organização, a análise utiliza técnicas de programação linear para
comparar o desempenho atual de determinada observação com a combinação
convexa mais eficiente das outras observações inputs/outputs. O resultado é um
indíce para cada DMU que assume o valor de 1 para as unidades eficiência máxima,
seguido pelas unidades ineficentes.
Graficamente, essas unidades não eficientes, estão posicionadas abaixo da curva,
envolvidas pelo desempenho das unidades eficientes.
A técnica define, portanto, unidades de referências para cada observação, o que
permite calcular os aumentos de outputs ou diminuição de inputs necessários para
que a atuação seja otimizada.
A técnica apresenta a eficiência formada por dois componentes: eficiência técnica,
para a habilidade da unidade decisora em obter o output máximo a partir de uma
dada quantidade de recursos, e a eficiência de preço, para a habilidade de otimizar a
proporção de cada recurso utilizado, ou seja, em encontrar a proporção ótima para o
uso de recursos.
33
Unidades de decisão - DMUs (decision-making units) - são responsáveis pela
conversão de inputs em outputs, cuja performance será analisada (Cooper, Seiford
et al., 2007). DMUs podem ser desde indústrias, aeroportos e hospitais até bancos e
clubes de futebol (Cooper, Seiford et al., 2007).
A contribuição do DEA é particularmente importante quando os pares e unidades
dominantes trazem informações valiosas para alvos de melhoria de performance.
Além disso, a decomposição da eficência pode apontar formas mais específicas de
melhoria de eficiência, por exemplo, a mudança de escala das operações, ou do mix
de recursos utilizados se houver ineficiência de escala ou de alocação,
respectivamente (Bogetoft e Otto, 2011).
Entre as principais carcaterísticas do DEA (Cooper et al.,2007; Zhu, 2009; Bogetoft e
Otto, 2011) , destacam-se as seguintes vantagens:
a) Eximir o gestor da atribuição prévia de pesos às variáveis. (ainda que em
modelos avançados do DEA essa possibilidade seja facultada);
b) Disponibilizar a eficiência de cada DMU de forma individualizada;
c) A programação matemática para a alocação de pesos às variáveis é
fundamentada no objetivo de maximizar a eficiência relativa;
d) As diferenças de porte podem ser tratadas com a adoção de modelos que
prevejam retornos variáveis à escala;
e) Fronteira de eficiência pode ser formada por uma ou mais DMUs;
f) DMUs consideradas ineficientes recebem informações individualizadas,
apontando quais os peers a serem atentados como possível meta de
eficiência;
g) A aplicação a diversos períodos permite verificar a evolução da eficiência das
DMUs em análise;
h) Fomenta estudo dos fatores que contribuem para o crescimento ou
decrescimento da eficiência;
i) Gera indicador de eficiência de fácil interpretação. Técnica pode ser aplicada
em diversos campos do conhecimento.
E a seguinte desvantagem:
34
a) Técnica não-paramétrica, ou seja, não permite extrapolações de suas
conclusões por suposições estatísticas.
3.3.1. SELEÇÃO DE INPUTS E OUTPUTS
O cálculo do DEA requer o preenchimento de parâmetros e a definição de variáveis.
Inicialmente, são definidas as variáveis utilizadas para input(s) e output(s).
Definidas as variáveis, as DMUs e seus respectivos valores para cada variável são
coletados e introduzidos em um sistema de equações, onde haverá pesos para
inputs e outputs. Com as variáveis e parâmetros estabelecidos, a metodologia do
DEA prevê, em seguida, a resolucão o sistema de equações, a fim de otimizar a
escolha de pesos, ou seja, que resultem no melhor cálculo de eficiência (Ferreira,
2009).
Observa-se que há diversas possibilidades de extensão dentro do DEA, inclusive
modelos especiais para lidar, simultaneamente, com inputs em excesso e outputs
em falta (Cooper, Seiford et al., 2007). Não serão abordados uma vez que fogem do
escopo do presente trabalho.
A escolha e o número de inputs, outputs e DMUs determinará a qualidade da
discriminação entre unidades eficientes e não eficientes. Há duas considerações
conflitantes no que se refere ao tamanho da base de dados a ser utilizada. Primeira:
incluir o maior número possível de DMUs implica maior probabilidade de incluir
unidades de alta performance definidoras do limite da fronteira de eficiência e de seu
poder discriminatório. Segunda: base de dados muito grande podem ter sua
homogeineidade reduzida e sujeita a impactos exógenos, sem relevância para o
pesquisador ou fora de seu controle, alterando os resultados (Golany and Roll,
1989).
De acordo com (Andersen e Petersen, 1993), a utilização do DEA requer
ponderação para que a quantidade de variáveis de input e output não seja
excessiva. Quando uma quantidade muito grande de observações é utilizada, o
35
resultado, invariavelmente, será a maioria das DMUs sendo avaliadas como
eficientes. Trata-se de uma limitação do uso do DEA que é contida se a soma do
número de inputs e de outputs for relativamente pequena em relação ao número de
observações.
Números negativos ou zerados impedem que os modelos DEA iniciais sejam
aplicados. Isso é definido como requerimento de positividade do DEA - ainda que
tenham sido desenvolvidos outros modelos que relaxem essa condição (Charnes,
1991). Alguns autores entenden que quando se elimina DMUs, torna-se questionável
se a verdadeira fronteira de eficiência está em desenvolvimento ou a remoção de
DMU estaria manipulando os resultados.
Os remédios para essas lacunas são, ainda, limitados. Em todas as situações
apresentadas por pesquisadores de DEA, é ainda bastante subjetiva a abordagem
de preencher os espaços deixados em branco por ausência de dados. Uma
abordagem, sob perspectiva gerencial, é buscar a melhor estimação possível para o
que seria o dado faltante. É apontada apenas como uma forma de concluir a tarefa,
ainda que uma forma bastante subjetiva (Avkiran, 2002).
De acordo com (Cooper, Seiford et al., 2007), se o número de DMUs for menor do
que a soma de inputs e outputs, uma grande porção de DMUs será identificada
como eficiente, de modo que será questionável a discriminação de eficiência entre o
grupo de DMUs (devido a um número inadequado de graus de liberdade). Ainda de
acordo com esses autores, o número ideal de DMUs deve exceder o somatório de
inputs e outputs em múltiplas vezes, sendo considerado como regra geral pelo
menos 3 vezes.
Os modelos DEA clássicos tipicamente resultam em uma combinação de unidades
de referência e o fato de ser um modelo não-paramétrico permite uma base de
DMUs menor. Quanto mais inputs e outputs forem incluídos na análise, maior será a
quantidade de firmas com eficiência igual a um. Somente inputs e outputs relevantes
devem ser incluídos para que o método não perca seu poder discriminatório
(Bogetoft e Otto, 2011).
36
Para Cooper et al.(2007), a seleção de inputs e outputs é crucial para o sucesso da
aplicação do DEA e deve, portanto, ser enxuta e posteriormente alargada conforme
os efeitos observados. Quanto maior o número de inputs e outputs na análise, maior
o número de firmas com eficiência unitária, o que deve ser evitado.
De acordo com (Bogetoft e Otto, 2011), para evitar esse problema, o número de
DMUs também deverá exceder o produto entre o número de inputs e outputs. Ainda
assim, os autores explicam que, em situações reais de uso do DEA em indústrias,
um comitê diretivo examina uma série de unidades pares (peers) para diferentes
DMUs com o objetivo de atestar a relevância delas. A experiência prática indica que,
quando bem escolhidos os inputs e outputs, as unidades pares não serão surpresa.
3.3.2. MODELOS CLÁSSICOS
Há dois modelos clássicos para o cálculo do DEA: CCR (ou CRS – constant return to
scale) e BCC (ou VRS – variable return to scale). No modelo CCR, a DMU eficiente
é aquela que melhor transforma seus inputs em outputs, sem considerar a escala da
operação. No modelo BCC, essa escala de cada DMU é considerada no DEA
(Ferreira, 2009).
O modelo CCR é fruto direto do trabalho original de (Charnes, Cooper et al., 1978)
onde o retorno para propriedades de escala são fixos. O modelo BCC, por outro
lado, requereu extensão do estudo original, tendo sido pela primeira vez publicado
por (Banker, Charnes et al., 1984), motivo do acrograma BCC.
Um gestor pode estar interessado em investigar consequências em termos de
eficiência tendo em vista um redimensionamento na empresa. Uma possibilidade é
quando as entradas e saídas são revistas de forma não proporcional, para cima ou
para baixo. Outra possibilidade é a manutenção das mesmas proporções, o que
corresponde a um retorno constante para variações de escala. Em modelos BCC de
apenas um input e um output é fácil ver que ao percorrer a fronteira começando dos
inputs menores para os maiores, os retornos de escala primeiramente estão
crescentes, depois constantes e finalmente diminuem. No ponto de produção onde a
37
produção média é máxima, o ganho de escala é denominado de most productive
scale size (MPSS) (Bogetoft e Otto, 2011).
De acordo com Mello, Meza et al. (2005), DMUs apresentam-se como eficientes
devido à propriedade do modelo BCC que identifica a DMU que tiver o menor valor
de um determinado input ou o maior valor de um certo output como eficiente. Esta
DMU é chamada de eficiente por default ou eficiente à partida.
Os resultados do modelo CCR informam escores de eficiência técnica e de escala
agregados. O escore BCC refere-se à ineficiência técnica apenas, que pode ser
associada a uma infinidade de razões. A eficiência de escala, entretanto, é, por
definição, atribuída à forma como recursos são utilizados. Ou seja, a decisão de
aumentar ou diminuir as operações de uma empresa ou um clube pode ser avaliada
com base em resultados do modelo DEA. Quando a eficiência técnica é amplamente
apresentada com escores de 100%, sugere-se a melhoria de desempenho pela
eficiência de escala. O redimensionamento, então, pode ser resolvido através de
venda de ativos, no caso de retornos decrescentes de escala, ou crescimento por
aquisições, no caso de retornos crescentes (Mello et al.,2005; Ferreira, 2009).
O modelo BCC deverá ser escolhido em todos os casos de retornos variáveis de
escala; o modelo CCR, em casos onde a função de produção é alinhada a métodos
de pesquisa, como análise de regressão linear ou do tipo Cobb-Douglas. Sempre
deve ser lembrado que métodos baseados em regressão lidam com um único output
e múltiplos inputs, ao passo que os modelos DEA são capazes da multiplicidade nos
dois tipos de variável (Cooper, Seiford et al., 2007).
Após a escolha do modelo, deve ser estabelecida sua orientação que pode ser para
input ou para output. A primeira visa reduzir a quantidade de input no máximo que
seja possível mantendo o mesmo valor do output. A segunda visa maximizar a
quantidade de output mantendo, no máximo, a mesma quantidade de input utilizada
(Cooper, Seiford et al., 2007).
Em síntese, após duas decisões sequenciais, define-se a modelagem DEA dentro
de quatro caminhos conforme exposto na figura 7:
38
Figura 8 - Árvore de decisão para escolha do modelo DEA
DEA
Maximizar
Produtos
Retornos
constantes de
escala
escala
Minimizar
insumos
Maximizar
Produtos
Minimizar
Insumos
CCR - Output
CCR - Input
BCC - Output
BCC - Input
Retornos
variáveis de
escala
Fonte: Adaptado de Zhu et al.(2007)
Esses modelos proporcionam o cálculo de três diferentes indicadores (Mello et al.,
2005):
• Indicador de eficiência do Modelo CCR: indica uma medida de produtividade
global, denominada de indicador de eficiência produtiva;
• Indicador de eficiência do Modelo BCC: corresponde a uma medida de
eficiência técnica e aprimora o modelo CCR, sem substituí-lo;
• Indicador de eficiência de escala, relacionando modelo BCC e CCR.
3.3.2.1. MODELO CCR
O modelo CCR determina uma fronteira de eficiência que pressupõe que
crescimentos proporcionais dos inputs produzirão crescimentos proporcionais dos
39
outputs (CHARNES et al., 1978). Em muitas ocasiões é também chamado de
modelo CRS (constant returns to scale) (Mello et al.,2005; Ferreira, 2009).
O cálculo da eficiência é feito através da divisão entre a soma ponderada dos
outputs e a soma ponderada dos inputs (equação 2.0). A escolha de pesos é feita
para cada variável (cada input e cada output) da forma que lhe for mais favorável,
com a restrição de que o peso é não-negativo e, quando aplicado a uma DMU
qualquer dentro do grupo, não gere uma razão de eficiência superior a 1. O objetivo
é, por fim, determinar os pesos a fim de maximizar a razão entre output virtual e
input virtual. Trata-se, inicialmente, de um problema de programação fracionária que
é transformado para de programação linear. Para isso, altera-se o numerador (DEA
orientado a output) ou o denominador (DEA orientado a input) para a constante 1
(Mello et al.,2005; Ferreira, 2009)..
Assim, o modelo CCR com orientação para output (maximização de outputs) tem a
seguinte formulação (Mello et al.,2005; Ferreira, 2009):
,
,
1
1_
∑
∑
=
== n
iiki
m
rrjr
kDMU
xv
yuEficiência
(2.0)
,1∑
=
=n
iikik xvh
(2.1)
sujeito a
011
≤−∑∑==
n
iiji
m
rrjr xvyu
(2.2)
∑=
=m
rrkr yu
1
1 (2.3)
0, ≥ir vu (2.4)
Onde:
40
hk = indicador de eficiência para a DMU k (após a programação fracionária)
yrj = quantidade de output r produzido por j
xij = quantidade de input i utilizado por j
u = peso do output
v = peso do input
j = DMU
r = 1,...m
i = 1,....n
j = 1,....N
A primeira restrição (2.2) pode ser definida como o resultado da empresa, pois é a
subtração entre o somatório das quantidades produzidas multiplicadas pelos pesos
dos outputs (∑=
m
rrjr yu
1
) e o somatório da multiplicação dos inputs consumidos pelos
pesos (∑=
n
iiji xv
1
). Está limitado a 0. Assim, as empresas eficientes obterão o resultado
0 para a primeira restrição .
Na segunda restrição (2.3), o somatório do produto das quantidades de inputs pelos
pesos específicos para a empresa k (∑=
n
iiki xv
1
) é igual a 1. Portanto, o máximo
resultado possível para hk é 1 e significa que a empresa k é eficiente; resultados
menores que 1 significam ineficiência.
O gráfico 1 representa um exemplo de fronteira eficiente onde apenas a DMU D
(ponto D) é eficiente. As demais DMUs apresentam diferentes níveis de ineficiência
com a orientação de maximização do output. No gráfico 2, a orientação passa a ser
de minimização do input, mantendo a mesma quantidade de output
al.,2005; Ferreira, 2009).
Gráfico 1 - Representação da fronteira eficiente CCR orientada para maximização de
Fonte: Adaptado de Mello et al.(2005)
O Modelo CCR com orientação para
representação do gráfico 2 e segue
,1∑
=
=s
rrkrk yuh
sujeito a
do input, mantendo a mesma quantidade de output
..
Representação da fronteira eficiente CCR orientada para maximização de output Y
Fonte: Adaptado de Mello et al.(2005)
CCR com orientação para inputs (minimização de
representação do gráfico 2 e segue seguinte formulação:
41
do input, mantendo a mesma quantidade de output (Mello et
Representação da fronteira eficiente CCR orientada para maximização de
(minimização de inputs) tem a
011
≤−∑∑==
n
iiji
m
rrjr xvyu
∑=
=n
iiki xv
1
1
0, ≥ir vu
produtosy = ; insumosx =
mr ,...,1= ; ni ,...,1= ; j =
Gráfico 2 - Representação da fronteira eficiente CCR orientada para minimização de
Fonte: Adaptado
3.3.2.2. MODELO BCC
O segundo modelo DEA clássico é chamado de BCC ou VRS e foi publicado por
Banker, Charnes et al.
considera que as DMUs em análise apresentam retornos variáveis de escala. Ao
fazer isso, possibilita que a produtividade máxima varie
produção e, assim, permite comparar DMUs de portes distintos.
insumos; pesosvu =,
N,...,1=
Representação da fronteira eficiente CCR orientada para minimização de
Fonte: Adaptado de Mello et al.(2005)
MODELO BCC
O segundo modelo DEA clássico é chamado de BCC ou VRS e foi publicado por
et al. (1984). Ao contrário do modelo CCR, o modelo BCC
considera que as DMUs em análise apresentam retornos variáveis de escala. Ao
fazer isso, possibilita que a produtividade máxima varie em função da escala de
produção e, assim, permite comparar DMUs de portes distintos.
42
Representação da fronteira eficiente CCR orientada para minimização de input X
O segundo modelo DEA clássico é chamado de BCC ou VRS e foi publicado por
. Ao contrário do modelo CCR, o modelo BCC
considera que as DMUs em análise apresentam retornos variáveis de escala. Ao
em função da escala de
43
De acordo com Da Silva e De Azevedo (2004), a única diferença entre os dois
modelos é a adição da variável v0 no modelo BCC. Essa variável, quando acrescida
ao problema, informa se os retornos de escala são constantes, crescentes ou
decrescentes. Se v0 assumir um valor não-negativo, a produção é caracterizada por
um retorno de escala crescente. Se v0 assumir um valor negativo, a produção é
caracterizada por um retorno de escala decrescente. Se v0 for igual a zero, diz-se
que a produção é caracterizada por um retorno de escala constante.
Para cada clube é feita uma equação que relaciona o valor dos outputs multiplicados
por seus respectivos pesos (u), subtraído da soma do número de inputs multiplicado
por seus respectivos pesos (v). Para tanto, determinam-se, através de programação
linear, os valores de u e v. Outra equação contém o valor a ser maximizado, que é o
produto entre outputs e seu peso ou uma equação de minimização, no caso de
orientação para inputs (minimizar o valor do produto entre inputs e seu peso). Por
fim, há uma equação de restrição para conter a restrição de que a soma dos valores
dos inputs pelos respectivos pesos seja igual a 1 (inputs). A variável uk, relativa à
propriedade de retornos variáveis de escala, deverá ser subtraída da fórmula de hk e
das equações de cada um dos clubes (Mello et al.,2005; Ferreira, 2009).
A formulação matemática do Modelo BCC, orientado para minimizar inputs, é:
Maximizar h0
,01
krk
m
rr uyuh −=∑
=
(3.1)
sujeito a
11
=∑=
n
iiki xv
(3.2)
∑ ∑= =
≤−−m
rk
n
iijirjr uxvyu
1 1
0 (3.3)
0, ≥ir vu (3.4)
produtosy = ; insumosx = ; pesosvu =,
mr ,...,1= ; ni ,...,1= ; Nj ,...,1=
Observa-se que a variável
escala. Essa variável não tem restrição de positividade e pode assumir valores
negativos. O gráfico 3 r
minimização input X ou pela maximização de output Y
2009).
Gráfico
Fonte: Adaptado de Mello et al.(2005)
A formulação matemática
Minimizar h0
,01
kki
n
ii vxvh +=∑
=
sujeito a
11
=∑=
m
rrkr yu
∑∑==
≤−−n
ikjii
m
rjrr vxvyu
11
0
0, ≥ir vu
se que a variável uk é introduzida, representando os retornos
escala. Essa variável não tem restrição de positividade e pode assumir valores
O gráfico 3 representação da fronteira eficiente pelo modelo
minimização input X ou pela maximização de output Y (Mello et al.
Gráfico 3 - Representação da fronteira eficiente BCC
Fonte: Adaptado de Mello et al.(2005)
A formulação matemática do Modelo BCC, orientado para maximização do
0
44
é introduzida, representando os retornos variáveis de
escala. Essa variável não tem restrição de positividade e pode assumir valores
pelo modelo BCC pela
et al.,2005; Ferreira,
Representação da fronteira eficiente BCC
do Modelo BCC, orientado para maximização do output, é:
(3.5)
(3.6)
(3.7)
(3.8)
produtosy = ; insumosx =
mr ,...,1= ; ni ,...,1= ; j 1=
Seguindo a lógica do modelo, o termo escala variáveis, podendo assumir valores negativos ou positivos.
Por fim, o gráfico 4 posiciona, lado a lado, os modelos BCC e CCR, ambos
orientados a inputs. A eficiência da DMU A é dada pela razão entre os segmentos
das retas A’’A’ e A’’A no modelo BCC e A’’A’’’ e A’’A
2009).
Gráfico 4 - Representação da fronteira eficiente CCR (CRS) e BC C (VRS) orient
Fonte: Adaptado de Mello et al.(2005)
insumos; pesosvu =,
N,...,1
Seguindo a lógica do modelo, o termo vk representa a possibilidade de retornos de escala variáveis, podendo assumir valores negativos ou positivos.
Por fim, o gráfico 4 posiciona, lado a lado, os modelos BCC e CCR, ambos
A eficiência da DMU A é dada pela razão entre os segmentos
das retas A’’A’ e A’’A no modelo BCC e A’’A’’’ e A’’A (Mello et al.
Representação da fronteira eficiente CCR (CRS) e BC C (VRS) orientminimização de input X
Fonte: Adaptado de Mello et al.(2005)
45
representa a possibilidade de retornos de escala variáveis, podendo assumir valores negativos ou positivos.
Por fim, o gráfico 4 posiciona, lado a lado, os modelos BCC e CCR, ambos
A eficiência da DMU A é dada pela razão entre os segmentos
et al.,2005; Ferreira,
Representação da fronteira eficiente CCR (CRS) e BC C (VRS) orient ada para
46
3.4. BASE DE DADOS
O modelo em análise utilizará base de dados secundários. Para melhor aferição dos
resultados, a base de dados é apresentada em dois blocos: dados do DEA (dados
utilizados no cálculo de eficiência) e dados de desempenho (para variáveis de
desempenho que representam a eficácia dos clubes).
Optou-se pela utilização de dados secundários provenientes das fontes: Deloitte,
Forbes, Transfermarkt.de e IFFHS. Podem ser apontados como aspectos positivos
desses dados o fato do amplo acesso ao banco de dados dos relatórios anuais, a
confiabilidade das fontes, e a disponibilidade das séries históricas para variáveis da
construção do modelo, tornando-se viável a opção por dados secundários. Os
quadros 2 e 3 relacionam cada variável em uso com suas respectivas fontes.
Quadro 2 - Bases de dados para o DEA
RELATÓRIO VARIÁVEIS COLETADAS SÉRIE HISTÓRICA
Deloitte Football Money League
Receitas totais, Receitas de
jogos, Receitas de transmissão,
Receitas comerciais
2008-2011
Forbes Soccer Valuations Valor do time, Lucro operacional 2008-2011
Transfermarkt.de Público 2008-2011
IFFHS - International Federation of
Football History & Statistics Pontos IFFHS 2008-2011
Quadro 3 - Base de dados para medidas de desempenho esportivo (eficácia)
RELATÓRIO VARIÁVEIS COLETADAS SÉRIE HISTÓRICA
Transfermarkt.de
Partidas Vencidas /Partidas
Disputadas,
Gols Marcados /Gols Sofridos,
Gols marcados,
Saldo de Gols
2008-2011
47
Relatório Deloitte Football Money League
Apresenta, anualmente, o ranking dos 20 clubes de maior receita no futebol. Os
dados são retirados dos relatórios financeiros dos clubes ou obtidos através de
outras fontes diretas dos clubes. É publicado desde 1998 (temporada 1996/1997) e
fornece dados das receitas dos clubes. Valores publicados em euros e libras,
sempre com a taxa de câmbio de 30 de junho do ano fim da temporada.
De acordo com a firma de consultoria, as receitas foram usadas como a forma mais
fácil de comparar o desempenho financeiro dos clubes. Não incluem os valores de
transferências de jogadores e impostos sobre vendas.
Relatório Forbes
Apresenta, anualmente, a lista dos 20 clubes mais ricos do futebol. O valor do time é
baseado em transações passadas e valores de estádios. O relatório informa, ainda,
o valor da dívida do clube (incluindo estádio).
A Forbes é responsável pelo cálculo de todos os valores, exceto os de receita que
são cortesia do relatório Deloitte Football Money League.
A publicação é sempre feita no mês de abril e refere-se à temporada finalizada no
ano anterior. Para o presente trabalho, os dados originais de receitas e lucro
operacional de cada temporada foram convertidos para dólares americanos com a
taxa de câmbio de 30 de junho do ano fim da temporada.
Transfermarkt.de
Website alemão, fundado em 2000, mapeia dados e valores de jogadores, clubes,
estádios, juízes e campeonatos e é significativamente utilizado como fonte em
pesquisas acadêmicas na área de esportes. Na base de dados do Proquest, foram
encontradas 18 citações a ele, incluindo (Kern, Schwarzmann et al., 2012) que o
usou como fonte explicando ser um website “amplamente conhecido e aceitado”. De
48
fato, a quantidade de informações estatísticas disponíveis no Transfermarkt não foi
observada em qualquer outro tipo de fonte. No entanto, na presente dissertação,
apenas os dados de público e de rankings esportivos foram obtidos nessa fonte.
IFFHS - International Federation of Football Histor y & Statistics
Organização reconhecida pela Federação Internacional de Futebol (FIFA) e
responsável por administrar e divulgar todos os recordes e estatísticas do futebol. A
instituição foi fundada em março de 1984 e tem sede na Alemanha.
Através de uma metodologia própria, a IFFHS calcula pontuação padronizada de
desempenho esportivo para todos os clubes de futebol registrados na FIFA.
3.5. TRATAMENTO E SELEÇÃO DE VARIÁVEIS
Com o objetivo de familiarização com a base de dados, iniciou-se sua análise a
partir das estatísticas descritivas de cada variável.
Para Wagner e Shimshak (2007), a seleção das variáveis para input e output, que
pode ser feita de diversas maneiras, afeta profundamente os resultados da DEA.
Para Golany e Roll (1989), a seleção de variáveis pode ser recorrida ao julgamento
de especialistas para que esses indiquem as mais importantes para a construção de
um modelo. A seleção também pode ser feita através de análise de regressão, de
forma a verificar quais variáveis são mais altamente correlacionadas, ou seja,
redundantes, podendo ser eliminadas sem que a informação contida nelas
comprometa as análises (Lewin, Morey et al., 1982).
Para o presente estudo, a seleção das variáveis de input e output foi facilitada uma
vez que optou-se pela adaptação do modelo de Joo, Nixon et al. (2011) e do modelo
de dois estágios de Kern et al. (2012). Como visto na revisão de literatura, o primeiro
49
apresenta uma visão de eficiência financeira geral, enquanto o segundo prevê a
eficiência global sob as dimensões financeira, social e esportiva.
Uma vez que as variáveis do modelo são não-paramétricas, ordinais e numéricas, é
factível o uso da correlação de Spearman Rho. Trata-se de uma medida de
ranqueamento que varia de -1 a 1. A correlação de Kendall tau-b também seria
aplicável, porém foi preterida, uma vez que ela é menos disseminada no meio
acadêmico. A de Spearman é também mais recomendada quando a maioria das
linhas de dados são enquadradas em poucas categorias e possuem muitos nexos
(Malhotra e Birks, 2006).
A disponibilidade de dados foi, ainda, um fator considerado. Para a construção dos
modelos de DEA, foram selecionadas as seguintes variáveis de input: valor do time
e despesas operacionais. Para output, as variáveis selecionadas foram: pontos
IFFHS, público médio na liga, receita total, receita de jogos, receita de transmissão,
receita comercial e, novamente, valor do clube (única variável que poderia ser
utilizada como output no primeiro estágio e input no estágio seguinte). O quadro 4
esclarece com mais detalhes as variáveis:
Quadro 4 - Categorização de variáveis
Variável Métrica Input /Output
Valor do time Milhões de Euros Input e Output
Lucro operacional Milhões de Euros Input
Pontos IFFHS Pontos esportivos Output
Público Média de torcedores Output
Receitas totais Milhões de Euros Output
Receita Jogos Milhões de Euros Output
Receita Transmissão Milhões de Euros Output
Receita Comercial Milhões de Euros Output
Foram, inicialmente, selecionados todos os 20 clubes ranqueados pelo relatório
Deloitte Football Money League presentes nas edições de 2008 a 2011, perfazendo
3 temporadas e 60 DMUs. Essa fonte de dados foi o principal balizador para a
definição dos DMUs por ser a mais confiável e por apresentar a maior parte das
variáveis procuradas.
50
Ao limitar as observações apenas entre os clubes mais ricos do futebol, este
trabalho procura reduzir diferenças entre as estruturas dos clubes analisados, já que
todos os clubes são potências em seus países de origem.
Para cada DMU, correspondente a clube-ano, acresceu-se demais variáveis
conforme a disponibilidade das outras fontes de dados. Ou seja, quando Forbes,
IFFHS e Transfermarkt apresentavam informações relativas a um clube-ano
relacionado entre as 60 DMUs do relatório da Deloitte, aquela informação era
acrescentada à base de dados da presente pesquisa.
As fontes de dados nem sempre forneceram informações completas e, nesses
casos, a quantidade de DMUs foi reduzida para determinada temporada.Como
requisito para a utilização de DEA, todas as DMUs devem ser homogêneas. Como
será visto na seção SOFTWARE, os próprios programas de cálculo não aceitam
informações nulas ou inexistentes. Essas potenciais DMUs foram excluídas do
cálculo do DEA por não satisfazerem a condição de input e/ou output. Assim, a
quantidade de clubes que participam de cada modelo DEA depende da temporada.
Para contextualizar o ambiente do negócio futebol, particularmente dos clubes de
maior geração de receita do futebol, as estatísticas descritivas das variáveis do DEA
(inputs e outputs) e de desempenho são apresentadas nas tabelas 1 a 11.
Para essas variáveis, quanto maior o desvio–padrão e a amplitude entre os valores
máximo e mínimo, melhor será a discriminação da variável na DEA (Golany e Roll,
1989).
Outras variáveis têm a função de controle e representam características adicionais
da DMU, sendo consideradas variáveis contextuais: fontes de dados: temporada,
país, lucro operacional, dívida, dívida / valor do clube, receita jogos %, receita TV %,
receita comercial %, ranking de receita.
Tabela 1 - Estatísticas descritivas: valor do time
Valor do clube (€ milhões)
51
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
1306,7 140,9 283,7 450,2 316,3 20 20
1523,6 224,7 405,8 556,6 376,2 20 18
1541,9 195,2 397,0 531,1 380,9 20 20
Fonte: Relatório Forbes Soccer Valuations 2010-2012
Tabela 2 - Estatísticas descritivas: despesas opera cionais
Despesas operacionais (€ milhões)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
308,8 97,6 151,8 175,1 67,0 20 20
360,4 116,7 192,6 200,2 70,4 20 16
384,4 74,8 176,1 189,4 80,4 20 20
Fonte: Relatório Deloitte Money League 2010-2012 e Forbes Soccer Valuations 2010-2012
Tabela 3 – Estatísticas descritivas: receita total
Receita total (€ milhões)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
401,4 101,0 171,6 198,3 91,6 20 20
438,6 109,4 178,9 213,7 99,0 20 20
479,5 114,9 191,7 220,1 107,3 20 20
Fonte: Relatório Deloitte Money League 2010-2012
Tabela 4 – Estatísticas descritivas: receita jogos
Receita jogos (€ milhões)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009 127,5 16,2 33,8 51,3 35,3 20 20
52
2009/2010
2010/2011
131,5 16,4 37,1 53,5 36,6 20 20
124,6 12,3 35,8 51,2 36,5 20 20
Fonte: Relatório Deloitte Money League 2010-2012
Tabela 5 – Estatísticas descritivas: receita transm issão
Receita transmissão (€ milhões)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
160,56 22,77 77,93 82,78 39,24 20 20
175,16 33,63 81,44 92,61 41,44 20 20
184,79 27,05 82,97 91,93 40,84 20 20
Fonte: Relatório Deloitte Money League 2010-2012 Tabela 6 – Estatísticas descritivas: receita comerc ial
Receita comercial (€ milhões)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
159.2 21.2 55.4 64.1 36.8 20 20
171.1 16.4 55.9 67.5 40.2 20 20
179.9 23.3 61.4 76.8 45.6 20 20
Fonte: Relatório Deloitte Money League 2010-2012
Tabela 7 – Estatísticas descritivas: média de públi co na liga
Média de público na liga
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
75304 21228 53522 52802 14996 20 20
77020 23339 44229 50319 15047 20 20
79192 21966 52504 52809 16133 20 20
Fonte: Transfermarkt.de
53
Tabela 8 – Estatísticas descritivas: pontos IFFHS
Pontos IFFHS
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
341 88 197 208 75 20 18
300 102 190 199 64 20 19
367 62 179 194 72 20 19
Fonte: IFFHS.de
3.5.1. ESTATÍSTICAS DESCRITIVAS DAS DAS MEDIDAS
DESEMPENHO
Tabela 9 – Estatísticas descritivas para performanc e esportiva em 2008/2009
Pontos IFFHS 2008/2009
Medida de desempenho
Máximo Mínimo Média
Desvio
Padrão N Total N Válidos
Vencidas/Disputadas
Gols marcados
Saldo de gols
0,7 0,2 0,53 0,14 20 20
105 40 64,75 14,6 20 20
70 -19 25,10 20,50 20 20
Fonte: IFFHS.de
Tabela 10 – Estatísticas descritivas para performan ce esportiva em 2009/2010
Pontos IFFHS 2009/2010
Medida de desempenho
Máximo Mínimo Média
Desvio
Padrão N Total N Válidos
Vencidas/Disputadas
Gols marcados
Saldo de gols
0,8 0,3 0,56 0,13 20 20
103 51 70,25 16,47 20 20
74 -4 31,80 22,16 20 20
54
Fonte: IFFHS.de
Tabela 11 – Estatísticas descritivas para performan ce esportiva em 2009/2010
Pontos IFFHS 2009/2010
Medida de desempenho
Máximo Mínimo Média
Desvio
Padrão N Total N Válidos
Vencidas/Disputadas
Gols marcados
Saldo de gols
0,8 0,3 0,53 0,12 20 20
102 38 65,90 14,82 20 20
74 -6 27,15 21,09 20 20
Fonte: IFFHS.de
3.6. MODELOS
Ao longo da revisão de literatura, foram levantados estudos que tentaram comprovar
a relação entre os diferentes tipos de eficiência e a eficácia de clubes de futebol.
Foram encontrados modelos com as mais variadas configurações de DEA que, na
medida do possível, puderam ser categorizados em eficiência esportiva, eficiência
financeira e eficiência mista. Dada a importância das variáveis financeiras para esse
estudo, foram, ainda, considerados modelos financeiros sem vínculo com qualquer
esporte.
A construção de um modelo único de DEA não foi possível uma vez que desde o
princípio da pesquisa houve a necessidade de avaliar duas diferentes abordagens: a
abordagem estritamente financeira e uma abordagem global que levasse em conta
as performances sociais e esportivas de um clube e não somente os dados de
balanços financeiros. Assim, optou-se pela adaptação dos modelos DEA já
publicados: um modelo financeiro baseado em Joo, Nixon et al. (2011) e um modelo
global, baseado em Kern et al. (2012).
Quatro configurações de DEA são apresentadas a seguir e todas seguem a
metodologia BCC. Nos dois modelos financeiros a orientação escolhida visa
maximizar o output, ao passo que no modelo global foi estabelecida orientação para
55
minimização de input no primeiro estágio e maximização de output no segundo
estágio.
Os modelos propostos são limitados à eficiência técnica BCC, não sendo aplicada à
eficiência de escala. Não foram incluídos modelos CCR pelas seguintes razões:
• É adotada a premissa de que gestores do grupo de clubes de futebol têm
pouco campo de ação para alterações na escala de um clube. Essa escala
deriva da história e do contexto esportivo em que o clube está inserido. Um
estádio dificilmente será vendido a outro competidor, por exemplo, com o
objetivo de ajustar a escala do clube;
• Artigos importantes de Pestana Barros já tentaram utilizar a técnica CCR,
descartando-a logo após alcançar resultados não satisfatório;
• Dentro da amostra de clubes deste trabalho, há relativamente pouca
discrepância de escala entre as unidades em análise, especialmente se
comparado com amostras oriundas de ligas nacionais.
Nas figuras 9 e 10 são apresentados os dois modelos financeiros, 1A e 1C que
diferem apenas quanto ao input utilizado: 1A, valor do clube; 1C, despesas.
Figura 9 - Modelo DEA 1A
Figura 10 - Modelo DEA 1C
Na figura 11 é apresentado o modelo adaptado de Kern
dois estágios, o output do primeiro é utilizado como
Na figura 11 é apresentado o modelo adaptado de Kern et al. (2012). No modelo de
do primeiro é utilizado como input do estágio seguinte. Trata
56
(2012). No modelo de
do estágio seguinte. Trata-
57
se de um modelo duplo, visto que comporta dois modelos DEA, ou seja, duas
configurações autônomas de DEA para cada estágio. A primeira etapa representa a
eficiência do dirigente de futebol em suas atividades extra-campo, ou seja, como
estabelece e direciona seus gastos (input) de modo a refletir em um valor de
mercado superior para o clube. Nessa etapa o objetivo é minimizar as despesas. No
segundo estágio, entra em campo a comissão técnica que, de posse de um ativo de
valor x, é capaz de gerar maximização de receitas (output). Por se tratarem de duas
configurações de DEA autônomas, os dois estágios serão denominados, ao longo
deste trabalho, por modelo global parte 1 e modelo global, respectivamente.
Figura 11 – Modelagem DEA
3.7. LIGAÇÃO ENTRE MODELO E
Feita a apresentação do banco de dados,
demonstrar sua ligação do banco de dados com os modelos propostos. Os
de pesquisa partem da investigação de uma fronteira de eficiência no negócio
futebol (ver figura 12), onde o desempenho dos clubes é relativo e os menos
eficientes podem buscar clubes
melhorias.
DEA em dois estágios
LIGAÇÃO ENTRE MODELO E BANCO DE DADOS
presentação do banco de dados, sua fonte e características, é preciso
ligação do banco de dados com os modelos propostos. Os
partem da investigação de uma fronteira de eficiência no negócio
), onde o desempenho dos clubes é relativo e os menos
eficientes podem buscar clubes-alvos, na fronteira de eficiência, como
58
BANCO DE DADOS
sua fonte e características, é preciso
ligação do banco de dados com os modelos propostos. Os objetivos
partem da investigação de uma fronteira de eficiência no negócio
), onde o desempenho dos clubes é relativo e os menos
alvos, na fronteira de eficiência, como alvos para
Fonte: elaborado pelo autor.
Há um tamanho mínimo da amostra
ser ao menos três vezes maior do que a soma de
et al., 2007). Logo, para o modelo 1A e 1C, a quantidade mínima de DMUs
esperada é 12. Já no modelo global, por dispor de dois estágios, o cômputo é feito
separadamente, uma vez que cada es
Para o primeiro estágio, 6 DMUs; para o segundo, 12 DMUs.
Para a obtenção do cálculo de
necessária para a programação matemática
Para fazer a ligação dos modelos aos bancos de dados
Sistema Integrado de Apoio à Decisão
software gratuito brasileiro
Universidade Federal Fl
brasileiro como em publicações estrangeiras.
Foram feitos testes, utilizando bases de dados iguais, do SIAD v3 e DEA Warwick.
Os resultados encontrados foram iguais.
Figura 12 - Fronteira de eficiência
Fonte: elaborado pelo autor.
tamanho mínimo da amostra exigido por cada modelo. Esse tamanho deve
ao menos três vezes maior do que a soma de inputs e outputs
Logo, para o modelo 1A e 1C, a quantidade mínima de DMUs
esperada é 12. Já no modelo global, por dispor de dois estágios, o cômputo é feito
separadamente, uma vez que cada estágio corresponde a um sub
Para o primeiro estágio, 6 DMUs; para o segundo, 12 DMUs.
cálculo de eficiência pelo DEA, a utilização de um software
programação matemática de dados de inputs e
Para fazer a ligação dos modelos aos bancos de dados, utilizou
Sistema Integrado de Apoio à Decisão – para o cálculo do DEA
brasileiro, originalmente programado por pesquisadores da
Universidade Federal Fluminense, em 2005. É utilizado tanto no meio acadêmico
brasileiro como em publicações estrangeiras.
Foram feitos testes, utilizando bases de dados iguais, do SIAD v3 e DEA Warwick.
Os resultados encontrados foram iguais.
59
exigido por cada modelo. Esse tamanho deve
e outputs (Cooper, Seiford
Logo, para o modelo 1A e 1C, a quantidade mínima de DMUs
esperada é 12. Já no modelo global, por dispor de dois estágios, o cômputo é feito
sub-modelo de DEA.
pelo DEA, a utilização de um software é
e outputs.
tilizou-se o SIAD v3 -
para o cálculo do DEA. Trata-se de um
originalmente programado por pesquisadores da
tanto no meio acadêmico
Foram feitos testes, utilizando bases de dados iguais, do SIAD v3 e DEA Warwick.
60
O software SIAD gera quatro valores de eficiência: Eficiência Padrão (que associa o
percentual de 100% à DMU mais eficiente), Eficiência Invertida (ressalta DMUs
ineficientes que têm percentual de 100%), Eficiência Composta (que é a média entre
a eficiência padrão e a conta de 1 - eficiência invertida) e Eficiência Composta
Normalizada (normalização da eficiência composta). Gera, ainda, os benchmarkings
de cada DMU e os pesos das variáveis de input e output.
61
4. RESULTADOS OBTIDOS
Nas próximas seções, os modelos apresentados têm seus resultados apresentados
e discutidos. Através do software de DEA, foram calculados percentuais de
eficiência para as DMUs (clube-ano) referente três temporadas, entre 2008 e 2011.
Os resultados do DEA foram analisados através de estatísticas descritivas e
correlacionados com as medidas de desempenho esportivo (eficácia). São
apresentados os rankings de eficiência para cada modelo, perimitindo comparações
entre modelos, temporadas e clubes.
4.1. ESTATÍSTICAS DESCRITIVAS DOS RESULTADOS DE
EFICIÊNCIA DEA (%)
As tabelas de estatísticas descritivas permitem familiarização com os dados DEA
encontrados. Elas confirmam a tendência do método DEA em apresentar, de modo
geral, percentuais alto de eficiência. As médias de eficiência encontradas foram
iguais ou maiores que 90% para todos os modelos e temporadas, exceto para o
Modelo Global Parte 1.
Tabela 12 - Estatísticas descritivas: resultados DE A Modelo 1A
Resultados DEA Modelo 1A (%)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
100,00 69,27 100,00 94,23 8,95 20 20
100,00 80,48 100,00 95,33 6,60 20 18
100,00 74,27 100,00 95,11 8,26 20 20
62
Tabela 13 - Estatísticas descritivas: resultados DE A Modelo 1C
Resultados DEA Modelo 1C (%)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
100,00 57,02 97,49 90,32 13,74 20 20
100,00 53,30 100,00 93,43 13,19 20 16
100,00 52,37 98,37 91,30 12,49 20 20
Tabela 14 - Estatísticas descritivas: resultados DE A Modelo Global Parte 1
Resultados DEA Modelo Global Parte 1 (%)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
100,00 43,09 80,01 76,65 17,68 20 18
100,00 45,34 77,07 77,17 17,11 20 16
100,00 34,46 62,68 65,30 17,70 20 20
Tabela 15 - Estatísticas descritivas: resultados DE A Modelo Global
Resultados DEA Modelo Global (%)
Temporada
Máximo Mínimo Mediana Média
Desvio
Padrão N Total
N
Válidos
2008/2009
2009/2010
2010/2011
100,00 74,00 98,51 92,32 9,79 20 18
100,00 66,67 98,73 90,60 12,26 20 18
100,00 63,86 94,69 90,03 11,81 20 19
Ainda que não seja possível inferir estatisticamente as tendências de eficiência,
percebe-se estabilidade dos níveis médios de eficiência apresentados, à exceção do
Modelo Global Parte 1 que aponta decréscimo significativo de eficiência entre a
temporada 2009/2010 e 2010/2011.
Os resultados do Modelo Global Parte 1 indicam menor eficiência em transformar as
despesas operacionais em alto valor de mercado para o clube. Conforme já
63
apresentado, o modelo tem orientação para minimização de inputs. As tabelas
descritivas sugerem que a maior ineficiência estaria no controle de despesas.
4.2. TESTE H1: CORRELAÇÃO ENTRE RESULTADOS DEA E
MEDIDAS DE DESEMPENHO ESPORTIVO
De posse do cálculo de eficiência e das medidas de desempenho dos clubes, foi
feita a correlação entre eficiência e eficácia pelo método de Spearman’s rho,
utilizando o moderador receita, através do software SPSS 17.0.
O quadro 5 apresenta a correlação ainda sem o efeito do moderador receita. O
resultado aponta que os modelos DEA Global e DEA Modelo 1A possuem
correlação com a medida de desempenho esportivo “Vencidas / Disputadas”.
Quadro 5 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho
DEA
GLOBAL
PARTE 1
DEA
GLOBAL
DEA
MODELO 1A
DEA
MODELO 1C
Vencidas/ Disputadas Coeficiente de
Correlação
-,258 ,328* ,301* ,220
Significância ,060 ,014 ,021 ,104
N 54 55 58 56
Gols marcados Coeficiente de
Correlação
-,279* ,220 ,248 ,222
Significância ,041 ,106 ,060 ,100
N 54 55 58 56
Saldo de gols Coeficiente de
Correlação
-,242 ,212 ,206 ,186
Significância ,078 ,120 ,121 ,171
N 54 55 58 56
64
*. Correlação significativa ao nível de 0.05
Ao acrescentar o moderador receita, foram estabelecidos dois grupos de 30 DMUs:
para alta e baixa receita separados pela mediana de cada temporada. Os resultados
do quadro 6 revelam que, para o grupo de alta receita, há correlação entre dois
modelos DEA e três medidas de desempenho. Entretanto, para o grupo de baixa
receita, não há qualquer associação entre os modelos DEA e as medidas de
desempenho.
A correlação encontrada no grupo de alta receita ocorre para o Modelo Global, com
todas as medidas de desempenho esportivo e para o modelo 1A, para as medidas
“Vencidas/Disputadas” e “Gols marcados”. A maior significancia da correlação do
Modelo DEA Global após a entrada do moderador receita sugere, pela primeira vez,
a presença de um modelo concentrador de receita.
Fora isso, não é identificada correlação significativa para o modelo Global Parte 1.
Ressalta-se que a configuração do DEA envolvida neste modelo remonta ao
trabalho de Kern et al (2012) em que foram apontadas as vantagens de um modelo
de dois estágios para o negócio futebol à luz das diferentes eficiências fora-de-
campo e dentro-de-campo. Nesse sentido, a eficiência fora-de-campo (Global Parte
1) não requer a correlação com os resultados esportivos, o que significa dizer que a
responsabilidade em trazer vitórias recai ao segundo estágio do DEA (Modelo DEA
Global).
65
Quadro 6 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para dois grupos de receita
DEA
GLOBAL PARTE 1
DEA GLOBAL
DEA MODELO
1A
DEA MODELO
1C
Alta Receita
Vencidas/ Disputadas
Coeficiente de Correlação
-.350 ,639** ,413* .080
Significância .058 .000 .023 .673 N 30 30 30 30
Gols marcados Coeficiente de Correlação
-.220 ,481** ,367* .329
Significância .242 .007 .046 .076 N 30 30 30 30
Saldo de gols Coeficiente de Correlação
-.218 ,440* .333 .124
Significância .248 .015 .073 .515 N 30 30 30 30
Baixa Receita
Vencidas/ Disputadas
Coeficiente de Correlação
.019 .326 .268 .112
Significância .929 .112 .168 .586 N 24 25 28 26
Gols marcados Coeficiente de Correlação
-.079 .346 .118 -.089
Significância .714 .090 .550 .665 N 24 25 28 26
Saldo de gols Coeficiente de Correlação
-.020 .291 .034 -.120
Significância .924 .158 .865 .559 N 24 25 28 26
*. Correlação significativa ao nível de 0.05 **. Correlação significativa ao nível de 0.01.
Em seguida, os grupos foram redivididos em quartis de receita (quadros 7 a 10, em
ordem crescente de receita). Os resultados do quadro 10 revelam a associação
ainda mais forte entre os índices de eficiência e medidas de desempenho para os
clubes de alta receita (Q4). Para esses clubes, o Modelo DEA Global se confirmou
como o de maior associação, atingindo correlação ainda mais significativa com todas
as medidas de desempenho.
66
Quadro 7 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o quartil de menor receita (Q1)
DEA
GLOBAL
PARTE 1
DEA
GLOBAL
DEA
MODELO 1A
DEA
MODELO 1C
Vencidas/ Disputadas
Coeficiente de
Correlação
,049 ,074 ,135 ,512
Significância ,893 ,818 ,660 ,107
N 10 12 13 11
Gols marcados
Coeficiente de
Correlação
,088 ,398 -,067 ,459
Significância ,808 ,200 ,827 ,156
N 10 12 13 11
Saldo de gols Coeficiente de
Correlação
,186 ,258 ,078 ,659*
Significância ,607 ,419 ,799 ,027
N 10 12 13 11 *. Correlação significativa ao nível de 0.05 **. Correlação significativa ao nível de 0.01.
Quadro 8 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o segundo quartil de menor receita (Q2)
DEA
GLOBAL
PARTE 1
DEA
GLOBAL
DEA
MODELO 1A
DEA
MODELO 1C
Vencidas/ Disputadas
Coeficiente de
Correlação
,075 ,544 ,288 -,211
Significância ,798 ,055 ,298 ,449
N 14 13 15 15
Gols marcados
Coeficiente de
Correlação
-,165 ,337 ,297 -,419
Significância ,573 ,260 ,283 ,120
N 14 13 15 15
Saldo de gols
Coeficiente de
Correlação
-,110 ,509 ,143 -,570*
Significância ,708 ,076 ,612 ,026
N 14 13 15 15 *. Correlação significativa ao nível de 0.05
67
Quadro 9 - Correlações Spearman's rho entre modelos DEA e medidas de desempenho para o segundo quartil de maior receita (Q3)
DEA
GLOBAL
PARTE 1
DEA
GLOBAL
DEA
MODELO 1A
DEA
MODELO 1C
Vencidas/ Disputadas
Coeficiente de
Correlação
-,540* ,258 ,197 -,591*
Significância ,038 ,353 ,482 ,020
N 15 15 15 15
Gols marcados
Coeficiente de
Correlação
-,271 ,319 ,161 -,282
Significância ,329 ,246 ,567 ,308
N 15 15 15 15
Saldo de gols
Coeficiente de
Correlação
-,433 ,133 ,128 -,482
Significância ,107 ,638 ,649 ,069
N 15 15 15 15 *. Correlação significativa ao nível de 0.05
Quadro 10 - Correlações Spearman's rho entre modelo s DEA e medidas de desempenho para o quartil de maior receita (Q4)
DEA
GLOBAL
PARTE 1
DEA
GLOBAL
DEA
MODELO 1A
DEA
MODELO 1C
Vencidas/ Disputadas
Coeficiente de
Correlação
-,353 ,859** ,324 .
Significância ,198 ,000 ,238 .
N 15 15 15 15
Gols marcados
Coeficiente de
Correlação
-,523* ,587* ,122 .
Significância ,045 ,021 ,665 .
N 15 15 15 15
Saldo de gols
Coeficiente de
Correlação
-,353 ,699** ,261 .
Significância ,196 ,004 ,348 .
N 15 15 15 15
68
*. Correlação significativa ao nível de 0.05 **. Correlação significativa ao nível de 0.01.
Com a redivisão em quartis, o Modelo Global demonstra ser o mais indicado para
comparar clubes de alta receita por sua significativa associação às medidas de
desempenho no quartil de maior receita (Q4). Não foi encontrada, entretanto,
associação semelhante para os demais quartis. Isto ressalta a importância de
segmentar a análise pelo tamanho do clube e que, possivelmente, diferentes
estratégias devem ser alinhadas para cada grupo.
Para os clubes de alta receita, faz sentido o estabelecimento de estratégias onde a
performance social, esportiva e financeira sejam um objetivo conjunto. Considerando
que os seis clubes de maior receita no mundo (Real Madrid, Barcelona, Manchester
United, Bayern de Munique, Arsenal e Chelsea) se mantiveram intactos, sem troca
de posição nos Relatórios Deloitte (2010, 2011, 2012), pode-se associar o modelo
de performance global a vantagens competitivas sustentáveis. A eficiência nas
esferas social, financeira e esportiva desses clubes alimenta e se faz alimentar dos
resultados esportivos atingidos.
Os resultados do Modelo Global Parte 1 estão de acordo com necessidade de um
fator intermediário na função de produção do futebol. Para a criação de clubes de
alto valor e competitividade (output desse modelo), os dirigentes podem ou não ser
eficientes nas despesas operacionais: a correlação desse modelo com medidas de
desempenho não foi conclusiva. Observa-se, entretanto, que, na ocorrência de
correlação (quadros sem moderador, Q3 e Q4), esta sempre foi negativa,
evidenciando um aspecto do poder financeiro no futebol: o dirigente ineficiente utiliza
agressivamente os recursos financeiros que dispõe para a “aquisição”de vitórias.
Esse achado confirma a necessidade de diferentes construtos de eficiência no
negócio futebol. O torcedor de um clube, por exemplo, pode não estar preocupado
com a eficiência fora-de-campo haja vista a ausência de correlação com vitórias. O
acionista do clube, por outro lado, é diretamente afetado pela forma como os gastos
criam valor para o clube. Independente dos interesses envolvidos, o modelo de
eficiência fora-de-campo mostra-se importante por estabelecer a variável
69
intermediária no construto de eficiência global dos clubes. Tivesse o modelo DEA
sobrepassado a variável intermediária (valor do clube), ou seja, utilizado diretamente
os inputs do Modelo DEA Global Parte 1 e os outputs do Modelo DEA Global, os
resultados não permitiriam visualizar as enormes diferenças percentuais
apresentadas pelos dois estágios.
Em relação aos demais modelos, o modelo 1A, ao contrário dos achados anteriores,
não apresentou correlação para qualquer quartil. O modelo 1C apresentou
correlações em todos os quartis (com diferentes variávies de desempenho) à
exceção do Q4 pela razão de que todas as DMUs desse quartil tiveram eficiência de
100%, tornando nulo o cálculo de correlação. Isto posto, os resultados do modelos
DEA financeiros, 1A e 1C, não são conclusivos, ainda que a falta de correlação
tenha sido notada apenas nos quartis. Por fim, após os resultados das correlações,
a hipótese substantiva H1 é apenas parcialmente suportada.
4.3. RANKING DEA
Os rankings de eficiência são apresentados de acordo com o modelo DEA aplicado
e a temporada.
Através dos quadros 11 a 13, referentes ao modelo de dois estágios, DEA Global
Parte 1 e DEA Global, depreende-se que a eficiência fora-de-campo não é condição
necessária para a eficiência dentro-de-campo. Das 53 observações válidas, apenas
7 DMUs tiveram eficiência fora-de-campo superior à dentro-de-campo. E apenas 5
DMUs foram identificadas como eficientes fora-de-campo.
Com esses resultados fica evidenciada a vantagem do método DEA em dois
estágios. Tendo em vista a discrepância de percentuais de eficiência encontrados
entre os dois modelos, o foco de ineficiência dos clubes pode residir na atividade de
gestão pré-operacional, quando os dirigentes fazem despesas de forma exagerada e
sem êxito no aumento eficiente do valor do clube.
70
No estágio de eficiência seguinte, calculado através do modelo DEA Global, 25
DMUs, entre 54 válidas, foram eficientes.
Quadro 11 - Rankings DEA Global temporada 2008/2009
TEMPORADA CLUBE
DEA MODELO GLOBAL PARTE 1
DEA MODELO GLOBAL
QUARTIL RECEITA
2008/2009 Manchester United 100 100 4
2008/2009 Real Madrid 58.3 100 4
2008/2009 Barcelona 54.2 100 4
2008/2009 Internazionale 52.6 100 3
2008/2009 Hamburger SV 86.7 100 2
2008/2009 Olympique de Marseille 81.6 100 2
2008/2009 Werder Bremen 100 100 1
2008/2009 Borussia Dortmund 99.8 100 1
2008/2009 Manchester City 69.2 100 1
2008/2009 Chelsea 43.1 97 3
2008/2009 Bayern Munich 62.5 95.2 4
2008/2009 AC Milan 83 89.5 3
2008/2009 Olympique Lyonnais 75.2 88 2
2008/2009 Schalke 04 82.1 83.7 1
2008/2009 Arsenal 88.7 83 4
2008/2009 Juventus 78.5 76.2 3
2008/2009 Liverpool 66.8 75.4 3
2008/2009 Tottenham Hotspur 97.7 74 2
2008/2009 AS Roma
2
2008/2009 Newcastle United 1
Quadro 12 - Ranking DEA Global temporada 2009/2010
TEMPORADA CLUBE
DEA MODELO GLOBAL PARTE 1
DEA MODELO GLOBAL
QUARTIL RECEITA
2009/2010 Manchester United 100 100 4
2009/2010 Olympique de Marseille 88.9 100 2
2009/2010 Schalke 04 88.6 100 1
2009/2010 Internazionale 67.2 100 3
2009/2010 Real Madrid 60.8 100 4
2009/2010 Manchester City 53.1 100 2
2009/2010 Barcelona 45.3 100 4
2009/2010 Atlético Madrid 100 1
2009/2010 Chelsea 62.1 99 3
2009/2010 Hamburger SV 100 98.5 2
71
2009/2010 Bayern Munich 64.5 96 4
2009/2010 Liverpool 75.1 86.4 3
2009/2010 Stuttgart
85.2 1
2009/2010 Olympique Lyonnais 79.1 79.9 2
2009/2010 Arsenal 89.5 77.8 4
2009/2010 Juventus 87.1 72.1 3
2009/2010 Tottenham Hotspur 98.9 69.4 2
2009/2010 AC Milan 74.6 66.7 3
2009/2010 AS Roma
1
2009/2010 Aston Villa
1
Quadro 13 - Rankings DEA Global temporada 2010/2011
TEMPORADA CLUBE
DEA MODELO GLOBAL PARTE 1
DEA MODELO GLOBAL
QUARTIL RECEITA
2010/2011 Napoli 100 100 1
2010/2011 Schalke 04 76.3 100 3
2010/2011 Borussia Dortmund 73 100 1
2010/2011 Real Madrid 64.2 100 4
2010/2011 Olympique de Marseille 58.1 100 2
2010/2011 Barcelona 42.6 100 4
2010/2011 Manchester City 34.9 100 2
2010/2011 Internazionale 34.5 100 3
2010/2011 Valencia 74.6 99.3 1
2010/2011 Manchester United 100 94.7 4
2010/2011 Hamburger SV 69.3 91.1 1
2010/2011 Bayern Munich 60.7 87.1 4
2010/2011 Chelsea 58.9 85.9 3
2010/2011 Olympique Lyonnais 62.1 84.1 1
2010/2011 Liverpool 60.4 81.6 3
2010/2011 Tottenham Hotspur 71.1 78.7 2
2010/2011 Arsenal 88.5 75.8 4
2010/2011 AC Milan 63.3 68.6 3
2010/2011 Juventus 56.4 63.9 2
2010/2011 AS Roma 57 2
Os rankings dos modelos DEA 1A e 1C estão disponíveis no anexo 7.4. e não
tiveram uso subsequente neste trabalho.
72
Os percentuais de eficiência apresentados até aqui permitiram comparações entre
modelos DEA e temporadas. Na próxima seção, as eficiências obtidas através do
modelo DEA Global são utilizadas para benchmarking, permitindo a comparação
entre clubes.
4.4. BENCHMARKING
Como implicação gerencial, o método DEA aponta um grupo de referência (DMUs
eficientes) para cada DMU ineficiente. O nível de referência com as DMUs eficientes
é valorado individualmente de modo que, para uma DMU ineficiente, são atribuídas
referências de diferentes importâncias. Quanto maior o valor percentual, mais
próxima a DMU eficiente convém como exemplo em termos de inputs e outputs e
reflexo das melhores práticas.
O número de vezes que um clube é citado como benchmark pode ser usado como
indicação de sua importância como exemplo de melhores práticas (Kuypers, 1997).
De acordo com a tabela de referências dos anexos 7.3, o Barcelona foi o clube com
maior número de apontamentos nas temporadas 2010/2011 e 2009/2010. Em
2010/2011, essa posição coube ao Internazionale de Milão.
Nos anexos da seção 7.3, as ineficiências individuais de cada DMU do Modelo
Global são detalhadas, apontando-se o desempenho-alvo a ser alcançado.
Como exemplo prático, o AC Milan, na temporada 2009/2010, mostrou-se ineficiente
com DEA de 66,6%. Os quadros de benchmarking permitem observar que o
Internazionale de Milão e o Bayern de Munique são suas referências (benchmarking)
na proporção de 0,25 e 0,74, respectivamente.
Em seguida, o método DEA proporciona os valores eficientes de cada variável de
input e output envolvida. Seguindo o exemplo do AC Milan dentro do Modelo DEA
Global, trata-se de maximização de suas variáveis de output pontos IFFHS, Receita
Total e Público. Para a DMU atingir a fronteira de eficiência, esses outputs devem
ser majorados em 71%, 50% e 66%, respectivamente.
73
5. CONSIDERAÇÕES FINAIS
Este capítulo engloba as considerações finais a respeito do estudo apresentado e é
organizado em sumário do estudo, contribuições acadêmicas e implicações
gerenciais. Finalmente, são apontadas as limitações do estudo e caminhos para
pesquisas futuras são sugeridos.
Sumário Executivo
Buscou-se identificar, neste trabalho, a métrica mais apropriada para a eficiência no
negócio futebol.
Foram feitas, inicialmente, as seguintes perguntas de pesquisa:
a) Quais os principais fatores de influência para a eficiência de clubes de futebol
europeus?
b) Quais clubes estão localizados na fronteira de eficiência? Há uma correlação
entre a eficiência desses clubes e seus resultados esportivos?
Para responder essas perguntas, métricas foram criadas contemplando diferentes
fatores de eficiência na gestão de clubes de futebol. Elas foram aplicadas em
exemplo real e benchmarks foram disponibilizados para a aferição da eficiência
relativa dos clubes. A partir dos resultados, foram identificadas aquelas de melhor
correlação com desempenho esportivo.
A ferramenta escolhida foi o método DEA. Em um primeiro momento, os dados
foram coletados e tratados. Em seguida, foram escolhidas, dentre as variáveis
disponíveis, quais seriam utilizadas como inputs, outputs e variáveis contextuais.
Quatro modelos de DEA foram construidos, em adaptação aos modelos de eficiência
financeira de Joo et al. (2011) e eficiência global em dois estágios de Kern et al.
(2012).
Tendo o clube-temporada como unidade de análise, foram coletados dados
secundários para 60 observações das temporadas 2008/2009, 2009/2010 e
74
2010/2011 dentre o ranking de clubes da Deloitte. Os dados tiveram processamento
estatístico pelo SPSS 17.0 e análise pela envoltória de dados através do SIAD v3.
Os resultados do DEA foram correlacionados com o desempenho esportivo desses
clubes. A eficiência, em percentuais calculados pelo DEA, foi confrontada com a
eficácia dos clubes de modo a validar os modelos DEA. Os resultados da correlação
validaram o Modelo DEA Global. O modelos DEA Global Parte 1 e os modelos
financeiros (1A e 1C) tiveram correlações parciais.
5.1. CONTRIBUIÇÕES ACADÊMICAS
De acordo com o Modelo DEA Global Parte 1, a transformação de despesas
operacionais em valor para o clube (eficiência fora-de-campo) é demonstrada como
largamente ineficiente. A maioria desses clubes, entretanto, foi eficiente na eficiência
dentro-de-campo. Esses resultados estão alinhados com Kern et al. (2012) que
também identificaram, para a Premier League, média de eficiência do primeiro
estágio inferior ao segundo, ainda que não de forma tão ineficiente.
As correlações do Modelo DEA Global Parte 1 foram estatisticamente significativas
para três grupos: sem o moderador receita e nos quartis Q3 e Q4. Nas três ocasiões
elas foram negativas e podem ser associadas ao apontamento de Gerrard (2005) de
que performance financeira é negativamente relacionada a performance esportiva.
Por outro lado, os modelos financeiros 1A e 1C apresentaram somente correlações
positivas. Esse contraditório é explicado pela escolha das variáveis do DEA que, no
Modelo Global Parte 1, dizem respeito apenas à eficiência no estágio pré-
operacional. Diferentemente, os modelos 1A e 1C avaliaram, cada um, a eficiência
total do clube. Somente a formulação do DEA em dois estágios permitiu identificar
focos de ineficiência dentro e fora de campo, confirmando a superioridade da
proposta de Kern et al. (2012) frente a de Joo et al. (2011) para o presente estudo.
No segundo estágio, o Modelo DEA Global permite observar que a eficácia
(variáveis de desempenho esportivo) dos clubes de maior receita (mediana ou
quartis superiores) está associada à eficiência financeira, esportiva e social. Esse
75
achado está alinhado com a cadeia de valor do futebol (Salomon Brothes Inc, 1997
apud Rosson, 2001) onde clubes vitoriosos mantêm consistência nos resultados
esportivos, atraindo público e ganhos com merchandising. Também alinha-se a
Gerrard (2005) e Szymanski e Kuypers (1999) quanto a associação positiva entre
vitórias e maior receita.
Em concordância com Bar-Eli, Galily et al. (2008), verifica-se que os clubes do topo
da pirâmide de receita souberam colher benefícios das circunstâncias históricas nas
dimensões social, esportiva e financeira, dando continuidade ao sucesso de
temporadas anteriores. Entre os clubes que se revezam na conquista dos troféus
mais importantes, estão presentes a alta capacidade financeira (ainda que
ineficiente do ponto de vista das despesas) e a alta eficiência operacional.
O agrupamento dos clubes pela receita acrescentou à análise o efeito moderador.
As correlações com as medidas de desempenho tornaram-se cada vez mais
significantes conforme o estreitamento do grupo de receita mais alto. Constatou-se,
assim, evidências de um modelo concentrador de receita no negócio futebol. Tal
constatação encontra suporte no trabalho de Pawlowski, Breuer et al. (2010) sobre o
declínio do equilíbrio competitivo das ligas européias; e de Storm e Nielsen (2012),
que qualificaram a capacidade de alguns clubes de sustentar prejuízos como clara
vantagem competitiva.
Da revisão de literatura, apenas dois artigos estão desalinhados com os achados
dessa pesquisa: Barajas et al. (2005) concluiram que não há poder explicativo das
performances esportivas sobre os resultados econômicos de clubes; e Barros et al.
(2008) identificaram a existência da relação entre a eficiência de custos e o
desempenho esportivo dos clubes. Ambos os estudos são relativos à liga espanhola,
possível motivo da divergência.
Em respostas às perguntas de pesquisa, verifica-se que:
a) O principal fator de influência para a eficiência de clubes de futebol europeus é a
capacidade de combinar performance social, esportiva e financeira. Verificou-se que
a eficiência combinada nessas três performances tem a maior associação com a
eficácia do clube do que a eficiência estritamente financeira. A influência desses
76
fatores varia conforme o patamar de receita dos clubes avaliados, sendo mais forte
para os de maior receita;
b) Os rankings DEA apresentados apontaram os clubes que estão na fronteira de
eficiência (quadros 11 a 13). Os resultados do DEA em dois estágios foram positivos
para esse estudo em contraste com os resultados dos outros modelos. O primeiro
estágio (eficiência fora-de-campo) apresentou correlações parciais negativas,
enquanto o segundo estágio (eficiência dentro-de-campo) apresentou a correlação
crescente com a receita. Isso demonstra que a avaliação das estratégias dos clubes
deve considerar o patamar de receita em que estão inseridos.
Diante da resposta acima, verifica-se que H1 é parcialmente suportada,
notadamente para o modelo DEA de eficiência dentro-de-campo.
Em referência a sustentabilidade da estratégica do clubes, constata-se, que Real
Madrid, Barcelona e Internazionale, mantiveram-se, sistematicamente, na fronteira
de eficiência do Modelo DEA Global. O Manchester United alcançou a máxima
eficiência (fora e dentro-de-campo), mantendo-se na fronteira para os dois estágios
globais.
Por fim, a originalidade dos componentes do DEA (combinação única de inputs,
outputs e DMUs) e do confrontamento da eficiência DEA com medidas de
desempenho (eficácia) constituem outra contribuição desse trabalho. Tal
singularidade não foi encontrada na revisão de literatura, tanto em estudos de
gestão esportiva quanto de gestão financeira. A opção por analisar bases de dados
relativamente recentes torna as conclusões atuais.
5.2. CONTRIBUIÇÕES PARA POLÍTICAS PÚBLICAS
Para o formulador de políticas para o esporte são importantes os resultados
alcançados através do uso do moderador receita. Eles evidenciam a existência de
um modelo concentrador de receita que restringe a entrada de novos clubes
profissionais e põe em risco o equilíbrio dos campeonatos. Os resultados, portanto,
77
suportam a entrada de novas regulamentações financeiras no setor, tais como a
UEFA Financial Fair Play.
O método DEA, por si só, também constitui uma contribuição. Neste trabalho foi
demonstrada, com sucesso, sua aplicação no esporte de modo que os gestores
públicos são incentivados a replicar o método para diferentes grupos de clubes.
5.3. IMPLICAÇÕES GERENCIAIS
Um dos maiores desafios dos clubes de futebol é a determinação e o monitoramento
da eficiência relativa, haja vista a contribuição estratégica decorrente. Os dados dos
concorrentes são, na maioria das vezes, sigilosos e indisponíveis. Logo, a
sofisticação dos métodos de mensuração, a partir de dados secundários e do uso do
DEA, pode ser vista como oportunidade a ser explorada por executivos.
De acordo com o presente estudo, o clube que melhor transformou seu valor e seus
recursos em resultados sociais, esportivos e financeiros foi, também, eficaz. E, por
ser eficaz, conseguiu repetir a eficiência ao longo de três temporadas – como é o
caso dos clubes Barcelona, Real Madrid e Manchester United.
Para clubes que ambicionam a permanência no topo dos rankings, a eficiência não
poderá ser reduzida à ótica financeira. Uma visão mais abrangente, de três figuras -
receitas, resultados esportivos e público - deve ser considerada. A “simbiose”
dessas figuras é, em última análise, a grande vantagem competitiva sustentável dos
clubes que se revezam na conquista de títulos.
No que se refere aos resultados de benchmark do DEA, são importantes
direcionadores para a estratégia dos clubes. Estratégia é uma política global, na qual
são fixadas metas e uma linha geral de ação. A identificação dos pares na eficiência
de fronteira é uma ferramenta para a melhor fixação de metas, pois subsidiam a
decisão de quais input(s) e output(s) são merecedores de ações gerenciais.
78
5.4. LIMITAÇÕES DO ESTUDO
O presente estudo apresenta limitações de tamanho da amostra e método de
pesquisa:
a) Tamanho da amostra
O banco de dados utilizado nesse trabalho conta com dados referentes a 25
diferentes clubes entre os anos de 2008 e 2011. Dado que, anualmente, o ranking
Deloitte sofre alterações, não há dados sequenciais integrais para todos os 25
clubes. Embora contenha os maiores e mais importantes clubes de futebol, um
número maior de clubes traria contribuições positivas, uma vez que os resultados
poderiam ser mais significativos e robustos. Observa-se que os dados são coletados
anualmente e a continuidade deste trabalho através de novas inclusões no banco de
dados seria uma medida que consubstanciaria o banco de dados ao longo dos anos.
b) Método de pesquisa
O método de pesquisa apresenta limitações pela sua própria natureza e, ainda, pela
forma como foi utilizado.
Dentre estas limitações, as principais são relacionadas ao conjunto de inputs e
outputs escolhido. Essa seleção, mesmo seguindo os critérios metodológicos
sugeridos pela literatura específica do DEA, pode não estar cobrindo todos os
aspectos que seriam relevantes na estimação de uma fronteira eficiente.
Outro ponto a ser ressaltado são as limitações decorrentes do tratamento inicial de
dados. O cálculo do DEA desconsiderou DMUs que não tivessem dados completos
para todos os inputs e outputs selecionados. Por um lado, isso colabora para tornar
a informação suficientemente homogênea e, por outro, reduz, ainda mais, a
quantidade de DMUs em análise.
Por fim, como mencionado na seção Base de Dados, há limitações intrínsecas ao
uso de dados secundários já discorridas naquela seção. Mesmo assim, vale lembrar
que, no que se refere à escolha dos clubes (DMUs), este estudo seguiu a lista
proposta pelo Relatório Deloitte entre 2010 e 2012 – temporadas entre 2008 e 2011.
79
Apesar de isso homogeneizar as fontes e variáveis de informação, limitou a
amplitude e significância dos resultados.
5.5. PESQUISAS FUTURAS
A partir das análises conduzidas nessa dissertação, dos seus resultados e das suas
limitações, é possível destacar algumas sugestões e direcionamentos para estudos
futuros.
Sugere-se, como sugestão de pesquisa futura, a seguinte pergunta: é possível um
time manter-se sistematicamente na fronteira de eficiência, ou seja, demonstrando
ter vantagem competitiva sustentável? A resposta a essa pergunta exige uma
extensa análise longitudinal e um tipo de demonstração que não foi feita no presente
estudo. Representa, porém, um caminho de análise que pode ser iniciado através
das bases do presente trabalho.
Para os dirigentes e executivos, algumas perguntas permanecem em aberto e
podem ser objeto de estudos futuros:
• Qual a fonte de receita de maior peso para a eficiência dos clubes, jogos,
transmissão ou comercial?
• Considerando a evolução da eficiência dos clubes, quais deles tiveram
estratégias reativas ou proativas?
• Clubes rivais locais (por país) possuem eficiência similar? “Benchmark
Leader vs. Follower”
Adicionalmente, a ampliação do estudo da eficiência dos clubes proporciona, ainda,
campo de pesquisa para melhorias na formulação de políticas públicas para o
esporte e seus impactos na sociedade. Como exemplo: o estudo das consequencias
do modelo concentrador de receita aqui identificado.
Na busca de respostas, sugere-se o uso de: bases de dados maiores, análises
intertemporais com o Índice de Malmquist e diferentes moderadores.
80
81
6. REFERÊNCIAS BIBLIOGRÁFICAS
AMIS, J.; PANT, N.; SLACK, T. Achieving a sustainable competitive advantage: a resource-based view of sport sponsorship. Journal of Sport Management, v. 11, n. 1, p. 80-96, 1997. ISSN 0888-4773.
ANDERSEN, P.; PETERSEN, N. C. A procedure for ranking efficient units in data envelopment analysis. Management science, v. 39, n. 10, p. 1261-1264, 1993. ISSN 0025-1909.
ANGULO-MEZA, L. Data Envelopment Analysis na determinação da eficiê ncia dos Programas de Pós-Graduação da COPPE/UFRJ . 1998. Tese de Mestrado, COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro
ASFOUR, A. Measuring Efficiency of English Premier League Foot ball Teams with a Data Envelopment Analysis Approach . 2008. University of Nottingham
AVKIRAN, N. K. Productivity analysis in the service sector with da ta envelopment analysis . NK Avkiran, 2002. ISBN 0958055009.
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. ISSN 0025-1909.
BAR-ELI, M.; GALILY, Y.; ISRAELI, A. Gaining and sustaining competitive advantage: On the strategic similarities between Maccabi Tel Aviv BC and FC Bayern München. European Journal for Sport and Society, v. 5, n. 1, p. 73-94, 2008.
BARAJAS, A.; FERNÁNDEZ-JARDÓN, C.; CROLLEY, L. Does sports performance influence revenues and economic results in Spanish football? , 2005.
BARNEY, J. Firm resources and sustained competitive advantage. Journal of management, v. 17, n. 1, p. 99-120, 1991. ISSN 0149-2063.
BARNEY, J. B. Organizational culture: can it be a source of sustained competitive advantage? Academy of management review , p. 656-665, 1986a. ISSN 0363-7425.
______. Strategic factor markets: expectations, luck, and business strategy. Management science, v. 32, n. 10, p. 1231-1241, 1986b. ISSN 0025-1909.
82
BARROS, C. P.; ASSAF, A.; SÁ-EARP, F. Brazilian football league technical efficiency: a Simar and Wilson approach. Journal of Sports Economics, v. 11, n. 6, p. 641-651, 2010. ISSN 1527-0025.
BARROS, C. P.; DOUVIS, J. Comparative analysis of football efficiency among two small European countries: Portugal and Greece. International Journal of Sport Management and Marketing, v. 6, n. 2, p. 183-199, 2009. ISSN 1475-8962.
BARROS, C. P.; GARCIA-DEL-BARRIO, P. Efficiency measurement of the English football Premier League with a random frontier model. Economic Modelling, v. 25, n. 5, p. 994-1002, 2008. ISSN 0264-9993.
BARROS, C. P.; LEACH, S. Performance evaluation of the English Premier Football League with data envelopment analysis. Applied Economics, v. 38, n. 12, p. 1449-1458, 2006. ISSN 0003-6846.
BOGETOFT, P.; OTTO, L. Benchmarking with DEA, SFA, and R . Springer Science+ Business Media, 2011. ISBN 1441979611.
BOUSSOFIANE, A.; DYSON, R. G.; THANASSOULIS, E. Applied data envelopment analysis. European Journal of Operational Research, v. 52, n. 1, p. 1-15, 1991. ISSN 0377-2217.
CHARNES, A.; COOPER, W. W.; RHODES, E. Measuring the efficiency of decision making units. European journal of operational research, v. 2, n. 6, p. 429-444, 1978. ISSN 0377-2217.
COOPER, W. W.; SEIFORD, L. M.; TONE, K. Data envelopment analysis: a comprehensive text with models, applications, refer ences and DEA-solver software . Springer Science+ Business Media, 2007. ISBN 0387452834.
DA SILVA, A. C. M.; DE AZEVEDO, G. H. W. Eficiência e sobrevivência: binômio fundamental para a previdência privada aberta. Revista Brasileira de Risco e Seguro, v. 1, p. 68-89, 2004.
DANTAS, M. G. D. S.; BOENTE, D. R. A EFICIÊNCIA FINANCEIRA E ESPORTIVA DOS MAIORES CLUBES DE FUTEBOL EUROPEUS UTILIZANDO A ANÁLISE ENVOLTÓRIA DE DADOS. Revista de Contabilidade e Organizações, v. 5, n. 13, p. 75-90, 2012. ISSN 1982-6486.
DELOITTE. Football Money League. Manchester: Deloitte Sports Business Group , 2005-2012.
83
DOLLES, H.; SÖDERMAN, S. The network of value captures in football club management: a framework to develop and analyze competitive advantage in professional team sport. Handbook of Research on Sport and Business , p. 1-42, 2012.
FAHY, J. et al. The development and impact of marketing capabilities in Central Europe. Journal of International Business Studies , p. 63-81, 2000. ISSN 0047-2506.
FARRELL, M. J. The measurement of productive efficiency. Journal of the Royal Statistical Society. Series A (General), v. 120, n. 3, p. 253-290, 1957. ISSN 0035-9238.
FEROZ, E.; KIM, S.; RAAB, R. Financial statement analysis: A data envelopment analysis approach. Journal of the Operational Research Society, v. 54, n. 1, p. 48-58, 2003. ISSN 0160-5682.
FERREIRA, C. M. D. C. F. Introdução à análise envoltória de dados: Teoria, modelos e aplicações . UFV, 2009.
FIZEL, J. L.; D'ITRI, M. Estimating managerial efficiency: the case of college basketball coaches. Journal of Sport Management, v. 10, n. 4, p. 435-445, 1996. ISSN 0888-4773.
GERRARD, B. A resource-utilization model of organizational efficiency in professional sports teams. Journal of Sport Management, v. 19, n. 2, p. 143-169, 2005. ISSN 0888-4773.
GOLANY, B.; ROLL, Y. An application procedure for DEA. Omega, v. 17, n. 3, p. 237-250, 1989. ISSN 0305-0483.
GÖLLÜ, E. Impact of the Financial Performances of Incorporations of Football Clubs in the Domestic League on their Sportive Performances: A Study Covering Four Major Football Clubs in Turkey. Pamukkale Journal of Sport Sciences, v. 3, n. 1, p. 20-29, 2012. ISSN 1309-0356.
HAAS, D.; KOCHER, M. G.; SUTTER, M. Measuring efficiency of German football teams by data envelopment analysis. Central European Journal of Operation Research, v. 12, p. 251-268, 2004.
84
JOO, S.; NIXON, D.; STOEBERL, P. Benchmarking with data envelopment analysis: a return on asset perspective. Benchmarking: An International Journal, v. 18, n. 4, p. 529-542, 2011. ISSN 1463-5771.
KAPELKO, M. Evaluating efficiency in the framework of resource-based view of the firm: evidence from Polish and Spanish textile and clothing industry. Bellaterra , p. 1-56, 2006.
KASE, K. et al. Real Madrid–Barcelona: Business Strategy V Sports S trategy: 2000–2006: IESE Business School Occasional Paper Series 2006.
KERN, A.; SCHWARZMANN, M.; WIEDENEGGER, A. Measuring the efficiency of English Premier League football: A two-stage data envelopment analysis approach. Sport, Business and Management: An International Jo urnal, v. 2, n. 3, p. 177-195, 2012. ISSN 2042-678X.
KUYPERS, T. The beautiful game? an econometric study of audienc es, gambling and efficiency in English football . 1997. University of London
KUYPERS, T.; SZYMANSKI, S. Winners and Losers, the Business Strategy of Football. London: Viking , 1999.
LEWIN, A. Y.; MOREY, R. C.; COOK, T. J. Evaluating the administrative efficiency of courts. Omega, v. 10, n. 4, p. 401-411, 1982. ISSN 0305-0483.
MALHOTRA, N.; BIRKS, D. Marketing Research: an applied approach: 2nd European Edition . Pearson Education, 2006. ISBN 0273695304.
MELLO, J. D. et al. Curso de Análise envoltória de dados. XXXVII Simpósio brasileiro de pesquisa operacional , 2005.
MEZA, L. A. et al. SIAD–Sistema Integrado de Apoio à Decisão: uma implementação computacional de modelos de análise de envoltória de dados. Simpósio de Pesquisa Operacional da Marinha, v. 6, p. 2003, 2003.
PAWLOWSKI, T.; BREUER, C.; HOVEMANN, A. Top Clubs' Performance and the Competitive Situation in European Domestic Football Competitions. Journal of Sports Economics, v. 11, n. 2, p. 186-202, 2010. ISSN 1527-0025
1552-7794.
85
RIBEIRO, A. S.; LIMA, F. Portuguese football league efficiency and players' wages. Applied Economics Letters, v. 19, n. 6, p. 599-602, 2012. ISSN 1350-4851.
ROSSON, P. Football shirt sponsorships: SEGA Europe and Arsenal FC. International Journal of Sports Marketing and Spons orship, v. 3, p. 157-184, 2001.
ROTTENBERG, S. The baseball players' labor market. The Journal of Political Economy, v. 64, n. 3, p. 242-258, 1956. ISSN 0022-3808.
______. Resource allocation and income distribution in professional team sports. Journal of Sports Economics, v. 1, n. 1, p. 11-20, 2000.
SAMAGAIO, A.; COUTO, E.; CAIADO, J. Sporting, financial and stock market performance in English football: An empirical analysis of structural relationships. Centre for Applied Mathematics and Economics (CEMAP RE) Working Papers , 2009.
SLOANE, P. Rottenberg and the economics of sport after 50 years: an evaluation. 2006.
SLOANE, P. J. SCOTTISH JOURNAL OF POLITICAL ECONOMY: THE ECONOMICS OF PROFESSIONAL FOOTBALL: THE FOOTBALL CLUB AS A UTILITY MAXIMISER*. Scottish Journal of Political Economy, v. 18, n. 2, p. 121-146, 1971. ISSN 1467-9485.
SMART, D. L.; WOLFE, R. A. Examining sustainable competitive advantage in intercollegiate athletics: A resource-based view. Journal of Sport Management, v. 14, n. 2, p. 133-153, 2000. ISSN 0888-4773.
STORM, R. K.; NIELSEN, K. Soft budget constraints in professional football. European Sport Management Quarterly, v. 12, n. 2, p. 183-201, 2012. ISSN 1618-4742
1746-031X.
SZYMANSKI, S. Why is Manchester United so successful? Business Strategy Review, v. 9, n. 4, p. 47-54, 1998. ISSN 1467-8616.
VERGARA, S. C. Projetos e Relatórios de Pesquisa em Administração . 6ª Edição. São Paulo: Editora Atlas, 2005. 96 ISBN 85-224-4030-1.
86
VÖPEL, H. Do we really need financial fair play in European club football? an economic analysis. CESifo DICE Report, v. 9, n. 3, p. 54-60, 2011.
WAGNER, J. M.; SHIMSHAK, D. G. Stepwise selection of variables in data envelopment analysis: Procedures and managerial perspectives. European Journal of Operational Research, v. 180, n. 1, p. 57-67, 2007. ISSN 0377-2217.
WERNERFELT, B. The resource‐based view of the firm: Ten years after. Strategic management journal, v. 16, n. 3, p. 171-174, 1995. ISSN 1097-0266.
WOLFE, R.; MEENAGHAN, T.; O'SULLIVAN, P. Sport, Media and Sponsor: the Shifting Balance of Power in the Sports Network. 1997.
ZAIRI, M. Measuring performance for business results . Chapman & Hall, 1994. ISBN 0412574004.
ZHU, J. Multi-factor performance measure model with an application to Fortune 500 companies. European journal of operational research, v. 123, n. 1, p. 105-124, 2000. ISSN 0377-2217.
______. Quantitative Models for Performance Evaluation and Benchmarking: Data Envelopment Analysis with Spreadsheets . Springer Science+ Business Media, 2009. ISBN 0387859829.
ZIEBS, A. Ist sportlicher Erfolg käuflich? Eine diskriminanzanalytische Untersuchung der zentralen Erfolgsfaktoren in der Fußball-Bundesliga. Sport und Gesellschaft , n. 1, 2004. ISSN 1610-3181.
87
7. ANEXOS
7.1. LISTA DE CLUBES
Nome do Clube Acrônimo AC Milan ACM
Arsenal ARS
AS Roma ASR
Aston Villa ASV
Atlético Madrid ATM
Barcelona BCN
Bayern Munich BMU
Borussia Dortmund BOD
Chelsea CHE
Hamburger SV HAM
Internazionale INT
Juventus JUV
Lazio LAZ
Liverpool LIV
Manchester City MAC
Manchester United MAU
Napoli NAP
Newcastle United NCU
Olympique de Marseille OLM
Olympique Lyonnais OLL
Real Madrid RAM
Schalke 04 SC4
Tottenham Hotspur TOH
Valencia VAL
Werder Bremen WEB
7.1. DADOS DE INPUTS E OUTPUTS
88
Variável de
InputInput/O
utput
Clube
Despesas
Operacionais
Valor do
clubeR
eceita Jogos
Receita
Transm
issãoR
eceita C
omercial
Receita
Total
Público
médio
Pontos
IFF
HS
Ve
ncid
as /
Disp
uta
da
s
Go
ls
ma
rcad
os
Sa
ldo
de
go
ls
Real M
adrid308.8
942.1100.4
160.6140.5
401.470816
1830
.71
05
70
Barcelona
285.4712.1
95.1157.3
113.4365.9
70926341
0.7
83
31
United
220.21306.7
127.5117.7
81.8327
75304291
0.7
68
44
Bayern M
unich246.1
70560.8
69.5159.2
289.569000
2040
.67
12
9
Arsenal
190.4841
118.489.4
55.2263
60040260
0.5
68
31
Chelsea
294.3460
87.292.1
63242.3
41588292
0.7
68
44
Liverpool210.7
585.354.5
94.887.7
23743611
1740
.77
75
0
Juventus162.6
467.116.3
132.154.9
203.221228
1650
.66
93
2
Internazionale206.5
294.127.5
115.953.1
196.555520
2360
.77
03
8
AC
Milan
167.3569.7
33.498.3
64.8196.5
59757280
0.6
70
35
Ham
burger SV
117.5234.3
55.735.2
55.7146.7
54881264
0.6
49
2
AS
Rom
a128.6
219.319
86.441
146.439492
0.5
64
3
Olym
pique Lyonnais
136237.1
22.368.4
48.9139.6
37397190
0.5
52
23
Olym
pique de M
arseille119.7
186.625.3
65.342.6
133.252162
1580
.66
73
2
Hotspur
107.8264.9
46.453.1
33.2132.7
35929102
0.4
45
0
Schalke 04
129.5273.4
28.634.9
61124.5
61453104
0.4
47
12
Werder B
remen
97.6195.1
27.561.9
25.2114.7
40375272
0.4
64
14
Borussia
Dortm
und97.8
185.921.7
22.859
103.574900
880
.46
02
3
Manchester C
ity141.1
183.724.3
55.721.3
101.242903
1320
.45
88
New
castle United
135.9141
34.344.4
22.2101
487500
.24
0-1
9
Variáveis de O
utputV
ariá
ve
is de
de
sem
pe
nh
o
(eficá
cia)
*Tem
porada 2008/2009
*
89
Variável de
InputInput/O
utput
Clube
Despesas
Operacionais
Valor do
clubeR
eceita Jogos
Receita
Transm
issãoR
eceita C
omercial
Receita
Total
Público
médio
Pontos
IFF
HS
Ve
ncid
as /
Disp
uta
da
s
Go
ls
ma
rcad
os
Sa
ldo
de
go
ls
Real M
adrid326.6
1186131.6
157.9149.1
438.674316
2180
.81
02
67
Barcelona
360.5797
99.5175.2
123.4398.1
77020266
0.8
98
74
United
228.81523.6
122.4129.4
97.9349.8
74864291
0.7
86
58
Bayern M
unich261.7
856.667.8
84171.2
32369000
2680
.67
24
1
Arsenal
200.5974.3
115.1104.2
54.8274.1
59927175
0.6
83
42
Chelsea
225.7537.8
81.9104.9
69.1255.9
41423292
0.7
10
37
1
AC
Milan
205.6685
30.7141.5
63.7235.8
42988160
0.5
60
21
Liverpool176.3
451.251.8
96.976.6
225.342864
1740
.56
12
6
Internazionale184.7
360.538.2
139.447.2
224.856368
3000
.67
54
1
Juventus158.4
513.316.4
133.355.4
20523339
2080
.45
5-1
Manchester C
ity219.8
237.930.6
65.756.5
152.845470
1320
.57
32
8
Hotspur
123.4336.8
45.462.9
38146.3
35794102
0.6
67
26
Ham
burger SV
116.8277.9
49.733.6
62.9146.2
55240120
0.4
56
15
Olym
pique Lyonnais
149.4292.6
24.878.9
42.4146.1
35515190
0.5
64
26
Olym
pique de M
arseille131.3
226.425.4
70.645.2
141.150097
1900
.66
93
3
Schalke 04
134.9308.2
25.235
79.7139.8
61439163
0.6
53
22
Atlético M
adrid224.8
36.162.3
26.1124.5
40324244
0.3
57
-4
AS
Rom
a19.6
6538
122.740909
0.6
68
27
Stuttgart
229.729.8
48.236.7
114.840918
1750
.45
11
0
Aston V
illa29.5
63.516.4
109.438573
1040
.45
21
3
Variáveis de O
utputV
ariá
ve
is de
de
sem
pe
nh
o
(eficá
cia)
*Tem
porada 2009/2010
*
90
Variável de
InputInput/O
utput
Clube
Despesas
Operacionais
Valor do
clubeR
eceita Jogos
Receita
Transm
issãoR
eceita C
omercial
Receita
Total
Público
médio
Pontos
IFF
HS
Ve
ncid
as /
Disp
uta
da
s
Go
ls
ma
rcad
os
Sa
ldo
de
go
ls
Real M
adrid331.9
1294.9124.7
182.2172.6
479.569737
3120
.81
02
69
Barcelona
384.5901.7
112.7184.8
153.2450.7
79192367
0.8
95
74
United
244.21541.9
121.1132.1
113.8367
74989270
0.6
78
41
Bayern M
unich259.3
85270.7
70.7180
321.469000
2290
.68
14
1
Arsenal
183.5891.4
10397.9
50.2251.1
60023208
0.5
72
29
Chelsea
197.4525
74.9112.4
62.5249.8
41435177
0.6
69
36
AC
Milan
215.1682.3
35.3108.1
91.7235.1
53922194
0.6
65
41
Internazionale269.4
338.133.8
122.655
211.458764
2090
.66
92
7
Liverpool172.3
42744.7
73.285.4
203.342824
1240
.45
91
5
Schalke 04
132.7405
36.474.9
91.1202.4
61401229
0.3
38
-6
Hotspur
139.6389.1
47.192.3
41.6181
35722179
0.4
55
9
Manchester C
ity254.5
305.628.8
76.364.4
169.645905
2390
.66
02
7
Juventus180.1
407.712.3
87.753.9
153.921966
1120
.45
71
0
Olym
pique de M
arseille138.7
240.825.6
78.246.6
150.451086
1580
.56
22
3
AS
Rom
a142.1
244.217.2
91.834.4
143.534649
0.5
59
7
Borussia
Dortm
und115.7
271.827.7
31.978.9
138.579141
1210
.76
74
5
Olym
pique Lyonnais
134.9265.6
19.969.1
43.8132.8
35266166
0.4
61
21
Ham
burger SV
117.1244.9
41.227
60.5128.8
5444762
0.4
46
-6
Valencia
100.9198.7
26.966.6
23.4116.8
41095155
0.6
64
20
Napoli
74.9195.2
21.858.6
34.5114.9
45608168
0.6
59
20
Variáveis de O
utputV
ariá
ve
is de
de
sem
pe
nh
o
(eficá
cia)
*Tem
porada 2010/2011
*
91
7.2. CORRELAÇÃO PARA VALIDAÇÃO DA COMBINAÇÃO DE
VARIÁVEIS DE INPUT E OUTPUT DOS MODELOS DEA
a) Modelo global - correlação entre as variáveis de output.
Temporada = 2008/2009
Receitas (€
milhões)
Média de
Público na
Liga
Pontos
IFFHS
Kendall's
tau_b
Receitas (€ milhões) Coeficiente de
Correlação
1,000 ,302 ,446**
Significância . ,064 ,010
N 20 20 18
Média de Público na
Liga
Coeficiente de
Correlação
,302 1,000 ,137
Significância ,064 . ,426
N 20 20 18
Pontos IFFHS Coeficiente de
Correlação
,446** ,137 1,000
Significância ,010 ,426 .
N 18 18 18
92
Temporada = 2009/2010
Receitas (€
milhões)
Média de
Público na
Liga
Pontos
IFFHS
Kendall's
tau_b
Receitas (€ milhões) Coeficiente de
Correlação
1,000 ,451** ,344*
Significância . ,006 ,042
N 20 20 19
Média de Público na
Liga
Coeficiente de
Correlação
,451** 1,000 ,229
Significância ,006 . ,172
N 20 20 19
Pontos IFFHS Coeficiente de
Correlação
,344* ,229 1,000
Significância ,042 ,172 .
N 19 19 19
93
Temporada = 2010/2011
Receitas (€
milhões)
Média de
Público na
Liga
Pontos
IFFHS
Kendall's
tau_b
Receitas (€ milhões) Coeficiente de
Correlação
1,000 ,411* ,551**
Significância . ,011 ,001
N 20 20 19
Média de Público na
Liga
Coeficiente de
Correlação
,411* 1,000 ,457**
Significância ,011 . ,006
N 20 20 19
Pontos IFFHS Coeficiente de
Correlação
,551** ,457** 1,000
Significância ,001 ,006 .
N 19 19 19
94
b) Modelos 1A e 1C, correlação entre as variáveis de output:
Temporada = 2008/2009
Jogo (€
milhões)
Comercial (€
milhões)
Transmissão
(€ milhões)
Kendall's
tau_b
Jogo (€ milhões) Coeficiente de
Correlação
1,000 ,413* ,216
Significância . ,011 ,183
N 20 20 20
Comercial (€ milhões) Coeficiente de
Correlação
,413* 1,000 ,396*
Significância ,011 . ,015
N 20 20 20
Transmissão (€
milhões)
Coeficiente de
Correlação
,216 ,396* 1,000
Significância ,183 ,015 .
N 20 20 20
95
Temporada = 2009/2010
Jogo (€
milhões)
Comercial (€
milhões)
Transmissão
(€ milhões)
Kendall's
tau_b
Jogo (€ milhões) Coeficiente de
Correlação
1,000 ,426** ,289
Significância . ,009 ,079
N 20 20 20
Comercial (€ milhões) Coeficiente de
Correlação
,426** 1,000 ,372*
Significância ,009 . ,023
N 20 20 20
Transmissão (€
milhões)
Coeficiente de
Correlação
,289 ,372* 1,000
Significância ,079 ,023 .
N 20 20 20
Temporada = 2010/2011
Jogo (€
milhões)
Comercial (€
milhões)
Transmissão
(€ milhões)
Kendall's
tau_b
Jogo (€ milhões) Coeficiente de
Correlação
1,000 ,476** ,347*
Significância . ,003 ,032
96
N 20 20 20
Comercial (€ milhões) Coeficiente de
Correlação
,476** 1,000 ,265
Significância ,003 . ,104
N 20 20 20
Transmissão (€
milhões)
Coeficiente de
Correlação
,347* ,265 1,000
Significância ,032 ,104 .
N 20 20 20
97
7.3. DETALHAMENTO DOS ALVOS DE PERFORMANCE
ENCONTRADOS PELO DEA
7.3.1. REFERÊNCIAS 2008/2009
DMU BCN09 WEB09 MAC09 HAM09 OLM09 MAU09 INT09 BOD09 RAM09
BCN09 1,00
WEB09 1,00
MAC09 1,00
HAM09 1,00
CHE09 0,47 0,03 0,48
OLM09 1,00
MAU09 1,00
INT09 1,00
ARS09 0,67 0,26 0,05
OLL09 0,29 0,36 0,33
BMU09 0,61 0,17 0,20
BOD09 1,00
LIV09 0,69 0,30
RAM09 1,00
JUV09 0,41 0,58
SC409 0,15 0,04 0,80
TOH09 0,27 0,72
ACM09 0,70 0,26 0,03
CONTAGEM 7 1 3 2 2 5 4
98
REFERÊNCIAS 2009/2010
DMU ATM10 INT10 MAU10 BCN10 OLM10 RAM10 SC410 MAC10
ATM10 1,00
INT10 1,00
CHE10 0,77 0,10 0,11
MAU10 1,00
BMU10 0,22 0,21 0,55
BCN10 1,00
OLM10 1,00
RAM10 1,00
STG10 0,22 0,02 0,74
OLL10 0,48 0,41 0,09
JUV10 0,65 0,34
SC410 1,00
ARS10 1,00
LIV10 0,79 0,20
ACM10 0,25 0,74
MAC10 1,00
HAM10 0,09 0,43 0,47
TOH10 0,80 0,19
HAM11 0,13 0,52 0,33
CONTAGEM 2 9 2 6 3 2 3
99
7.3.2. REFERÊNCIAS 2010/2011
DMU NAP11 BCN11 MAC11 SC411 RAM11 INT11 OLM11 BOD11
NAP11 1,00
BCN11 1,00
MAC11 1,00
VAL11 0,92 0,07
SC411 1,00
RAM11 1,00
INT11 1,00
OLM11 1,00
OLL11 0,45 0,23 0,31
MAU11 1,00
TOH11 0,09 0,10 0,79
BMU11 0,92 0,07
CHE11 0,33 0,66
ACM11 0,64 0,02 0,32
ARS11 0,98 0,01
BOD11 1,00
LIV11 0,15 0,84
JUV11 0,12 0,87
HAM11 0,13 0,52 0,33
CONTAGEM 3 8 2 6 2 4
100
7.3.3. ALVOS DE PERFORMANCE 2008/2009
BCN09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 712,100000 712,100000 0,000000 712,100000 IFFHS 341,000000 341,000000 0,000000 341,000000 Receita 365,900000 365,900000 0,000000 365,900000 Público 70.926,000000 70.926,000000 0,000000 70.926,000000
WEB09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 195,115400 195,115400 0,000000 195,115400 IFFHS 272,000000 272,000000 0,000000 272,000000 Receita 114,700000 114,700000 0,000000 114,700000 Público 40.375,000000 40.375,000000 0,000000 40.375,000000
MAC09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 183,721800 183,721800 0,000000 183,721800 IFFHS 132,000000 132,000000 0,000000 132,000000 Receita 101,200000 101,200000 0,000000 101,200000 Público 42.903,000000 42.903,000000 0,000000 42.903,000000
HAM09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 234,280900 234,280900 0,000000 234,280900 IFFHS 264,000000 264,000000 0,000000 264,000000 Receita 146,700000 146,700000 0,000000 146,700000 Público 54.881,000000 54.881,000000 0,000000 54.881,000000
CHE09 (eficiência:0,970318)
Variável Atual Radial Folga Alvo Valor do time 460,016600 460,016600 0,000000 460,016600 IFFHS 292,000000 300,932339 0,000000 300,932339 Receita 242,300000 249,712006 0,000000 249,712006 Público 41.588,000000 42.860,185346 19.089,132529 61.949,317875
OLM09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo
101
Valor do time 186,570200 186,570200 0,000000 186,570200 IFFHS 158,000000 158,000000 0,000000 158,000000 Receita 133,200000 133,200000 0,000000 133,200000 Público 52.162,000000 52.162,000000 0,000000 52.162,000000
MAU09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 1.306,703500 1.306,703500 0,000000 1.306,703500 IFFHS 291,000000 291,000000 0,000000 291,000000 Receita 327,000000 327,000000 0,000000 327,000000 Público 75.304,000000 75.304,000000 0,000000 75.304,000000
INT09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 294,097300 294,097300 0,000000 294,097300 IFFHS 236,000000 236,000000 0,000000 236,000000 Receita 196,500000 196,500000 0,000000 196,500000 Público 55.520,000000 55.520,000000 0,000000 55.520,000000
ARS09 (eficiência:0,830164)
Variável Atual Radial Folga Alvo Valor do time 840,990100 840,990100 0,000000 840,990100 IFFHS 260,000000 313,191271 0,000000 313,191271 Receita 263,000000 316,805017 23,716559 340,521576 Público 60.040,000000 72.323,092034 0,000000 72.323,092034
OLL09 (eficiência:0,880049)
Variável Atual Radial Folga Alvo Valor do time 237,129300 237,129300 0,000000 237,129300 IFFHS 190,000000 215,897063 0,000000 215,897063 Receita 139,600000 158,627526 0,000000 158,627526 Público 37.397,000000 42.494,223415 11.612,043427 54.106,266843
BMU09 (eficiência:0,951514)
Variável Atual Radial Folga Alvo Valor do time 704,979000 704,979000 0,000000 704,979000 IFFHS 204,000000 214,395062 65,000997 279,396059 Receita 289,500000 304,251816 0,000000 304,251816 Público 69.000,000000 72.515,976903 0,000000 72.515,976903
BOD09 (eficiência:1,000000)
102
Variável Atual Radial Folga Alvo Valor do time 185,858100 185,858100 0,000000 185,858100 IFFHS 88,000000 88,000000 0,000000 88,000000 Receita 103,500000 103,500000 0,000000 103,500000 Público 74.900,000000 74.900,000000 0,000000 74.900,000000
LIV09 (eficiência:0,753501)
Variável Atual Radial Folga Alvo Valor do time 585,346200 585,346200 0,000000 585,346200 IFFHS 174,000000 230,921998 78,238139 309,160136 Receita 237,000000 314,531687 0,000000 314,531687 Público 43.611,000000 57.877,811737 8.376,522164 66.254,333901
RAM09 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 942,108300 942,108300 0,000000 942,108300 IFFHS 183,000000 183,000000 0,000000 183,000000 Receita 401,400000 401,400000 0,000000 401,400000 Público 70.816,000000 70.816,000000 0,000000 70.816,000000
JUV09 (eficiência:0,762115)
Variável Atual Radial Folga Alvo Valor do time 467,137600 467,137600 0,000000 467,137600 IFFHS 165,000000 216,502741 62,964040 279,466780 Receita 203,200000 266,626405 0,000000 266,626405 Público 21.228,000000 27.854,061688 34.043,549897 61.897,611584
SC409 (eficiência:0,836590)
Variável Atual Radial Folga Alvo Valor do time 273,446400 273,446400 0,000000 273,446400 IFFHS 104,000000 124,314176 9,838266 134,152442 Receita 124,500000 148,818413 0,000000 148,818413 Público 61.453,000000 73.456,529508 0,000000 73.456,529508
TOH09 (eficiência:0,740048)
Variável Atual Radial Folga Alvo Valor do time 264,901200 264,901200 0,000000 264,901200 IFFHS 102,000000 137,828813 76,992379 214,821192 Receita 132,700000 179,312583 0,000000 179,312583 Público 35.929,000000 48.549,523638 6.058,701528 54.608,225166
103
ACM09 (eficiência:0,894622)
Variável Atual Radial Folga Alvo Valor do time 569,680000 569,680000 0,000000 569,680000 IFFHS 280,000000 312,981202 0,000000 312,981202 Receita 196,500000 219,645736 80,286609 299,932345 Público 59.757,000000 66.795,777384 0,000000 66.795,777384
7.3.4. ALVOS DE PERFORMANCE 2009/2010
ATM10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 224,785000 224,785000 0,000000 224,785000 IFFHS 244,000000 244,000000 0,000000 244,000000 Receita 124,500000 124,500000 0,000000 124,500000 Público 40.324,000000 40.324,000000 0,000000 40.324,000000
INT10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 360,473400 360,473400 0,000000 360,473400 IFFHS 300,000000 300,000000 0,000000 300,000000 Receita 224,800000 224,800000 0,000000 224,800000 Público 56.368,000000 56.368,000000 0,000000 56.368,000000
CHE10 (eficiência:0,989626)
Variável Atual Radial Folga Alvo Valor do time 537,849200 537,849200 0,000000 537,849200 IFFHS 292,000000 295,060973 0,000000 295,060973 Receita 255,900000 258,582545 0,000000 258,582545 Público 41.423,000000 41.857,228429 18.928,229440 60.785,457869
MAU10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 1.523,633600 1.523,633600 0,000000 1.523,633600 IFFHS 291,000000 291,000000 0,000000 291,000000 Receita 349,800000 349,800000 0,000000 349,800000 Público 74.864,000000 74.864,000000 0,000000 74.864,000000
104
BMU10 (eficiência:0,960040)
Variável Atual Radial Folga Alvo Valor do time 856,635200 856,635200 0,000000 856,635200 IFFHS 268,000000 279,155059 0,000000 279,155059 Receita 323,000000 336,444343 11,866253 348,310596 Público 69.000,000000 71.872,011418 0,000000 71.872,011418
BCN10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 796,965000 796,965000 0,000000 796,965000 IFFHS 266,000000 266,000000 0,000000 266,000000 Receita 398,100000 398,100000 0,000000 398,100000 Público 77.020,000000 77.020,000000 0,000000 77.020,000000
OLM10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 226,419800 226,419800 0,000000 226,419800 IFFHS 190,000000 190,000000 0,000000 190,000000 Receita 141,100000 141,100000 0,000000 141,100000 Público 50.097,000000 50.097,000000 0,000000 50.097,000000
RAM10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 1.186,047400 1.186,047400 0,000000 1.186,047400 IFFHS 218,000000 218,000000 0,000000 218,000000 Receita 438,600000 438,600000 0,000000 438,600000 Público 74.316,000000 74.316,000000 0,000000 74.316,000000
STG10 (eficiência:0,852040)
Variável Atual Radial Folga Alvo Valor do time 229,689400 229,689400 0,000000 229,689400 IFFHS 175,000000 205,389531 0,000000 205,389531 Receita 114,800000 134,735533 4,828873 139,564406 Público 40.918,000000 48.023,593388 0,000000 48.023,593388
OLL10 (eficiência:0,798889)
Variável Atual Radial Folga Alvo Valor do time 292,629200 292,629200 0,000000 292,629200 IFFHS 190,000000 237,830196 0,000000 237,830196 Receita 146,100000 182,878904 0,000000 182,878904
105
Público 35.515,000000 44.455,470661 8.240,939812 52.696,410473
JUV10 (eficiência:0,721229)
Variável Atual Radial Folga Alvo Valor do time 513,327200 513,327200 0,000000 513,327200 IFFHS 208,000000 288,396590 0,000000 288,396590 Receita 205,000000 284,237024 0,000000 284,237024 Público 23.339,000000 32.360,038579 31.104,381165 63.464,419744
SC410 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 308,159800 308,159800 0,000000 308,159800 IFFHS 163,000000 163,000000 0,000000 163,000000 Receita 139,800000 139,800000 0,000000 139,800000 Público 61.439,000000 61.439,000000 0,000000 61.439,000000
ARS10 (eficiência:0,778071)
Variável Atual Radial Folga Alvo Valor do time 974,340800 974,340800 177,375800 796,965000 IFFHS 175,000000 224,915314 41,084686 266,000000 Receita 274,100000 352,281643 45,818357 398,100000 Público 59.927,000000 77.020,000000 0,000000 77.020,000000
LIV10 (eficiência:0,863804)
Variável Atual Radial Folga Alvo Valor do time 451,204800 451,204800 0,000000 451,204800 IFFHS 174,000000 201,434567 91,498018 292,932584 Receita 225,300000 260,823034 0,000000 260,823034 Público 42.864,000000 49.622,363590 11.038,467871 60.660,831461
ACM10 (eficiência:0,666781)
Variável Atual Radial Folga Alvo Valor do time 684,981200 684,981200 0,000000 684,981200 IFFHS 160,000000 239,958703 34,764143 274,722846 Receita 235,800000 353,639139 0,000000 353,639139 Público 42.988,000000 64.470,904534 7.250,735915 71.721,640449
MAC10 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 237,863400 237,863400 0,000000 237,863400
106
IFFHS 132,000000 132,000000 0,000000 132,000000 Receita 152,800000 152,800000 0,000000 152,800000 Público 45.470,000000 45.470,000000 0,000000 45.470,000000
HAM10 (eficiência:0,985113)
Variável Atual Radial Folga Alvo Valor do time 277,916000 277,916000 0,000000 277,916000 IFFHS 120,000000 121,813474 65,787067 187,600541 Receita 146,200000 148,409415 0,000000 148,409415 Público 55.240,000000 56.074,802398 0,000000 56.074,802398
TOH10 (eficiência:0,693759)
Variável Atual Radial Folga Alvo Valor do time 336,768800 336,768800 0,000000 336,768800 IFFHS 102,000000 147,025017 120,494983 267,520000 Receita 146,300000 210,880000 0,000000 210,880000 Público 35.794,000000 51.594,249624 2.666,803709 54.261,053333
7.3.5. ALVOS DE PERFORMANCE 2010/2011
NAP11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 195,241700 195,241700 0,000000 195,241700 IFFHS 168,000000 168,000000 0,000000 168,000000 Receita 114,900000 114,900000 0,000000 114,900000 Público 45.608,000000 45.608,000000 0,000000 45.608,000000
BCN11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 901,699300 901,699300 0,000000 901,699300 IFFHS 367,000000 367,000000 0,000000 367,000000 Receita 450,700000 450,700000 0,000000 450,700000 Público 79.192,000000 79.192,000000 0,000000 79.192,000000
MAC11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 305,625700 305,625700 0,000000 305,625700
107
IFFHS 239,000000 239,000000 0,000000 239,000000 Receita 169,600000 169,600000 0,000000 169,600000 Público 45.905,000000 45.905,000000 0,000000 45.905,000000
VAL11 (eficiência:0,993287)
Variável Atual Radial Folga Alvo Valor do time 198,691200 198,691200 0,000000 198,691200 IFFHS 155,000000 156,047569 11,194855 167,242424 Receita 116,800000 117,589394 0,000000 117,589394 Público 41.095,000000 41.372,740958 4.650,259042 46.023,000000
SC411 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 404,971300 404,971300 0,000000 404,971300 IFFHS 229,000000 229,000000 0,000000 229,000000 Receita 202,400000 202,400000 0,000000 202,400000 Público 61.401,000000 61.401,000000 0,000000 61.401,000000
RAM11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 1.294,942300 1.294,942300 0,000000 1.294,942300 IFFHS 312,000000 312,000000 0,000000 312,000000 Receita 479,500000 479,500000 0,000000 479,500000 Público 69.737,000000 69.737,000000 0,000000 69.737,000000
INT11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 338,051000 338,051000 0,000000 338,051000 IFFHS 209,000000 209,000000 0,000000 209,000000 Receita 211,400000 211,400000 0,000000 211,400000 Público 58.764,000000 58.764,000000 0,000000 58.764,000000
OLM11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 240,775100 240,775100 0,000000 240,775100 IFFHS 158,000000 158,000000 0,000000 158,000000 Receita 150,400000 150,400000 0,000000 150,400000 Público 51.086,000000 51.086,000000 0,000000 51.086,000000
OLL11 (eficiência:0,841333)
108
Variável Atual Radial Folga Alvo Valor do time 265,611500 265,611500 0,000000 265,611500 IFFHS 166,000000 197,306003 0,000000 197,306003 Receita 132,800000 157,844802 0,000000 157,844802 Público 35.266,000000 41.916,828282 7.887,735326 49.804,563609
MAU11 (eficiência:0,946926)
Variável Atual Radial Folga Alvo Valor do time 1.541,926500 1.541,926500 640,227200 901,699300 IFFHS 270,000000 285,133020 81,866980 367,000000 Receita 367,000000 387,569697 63,130303 450,700000 Público 74.989,000000 79.192,000000 0,000000 79.192,000000
TOH11 (eficiência:0,786756)
Variável Atual Radial Folga Alvo Valor do time 389,103600 389,103600 0,000000 389,103600 IFFHS 179,000000 227,516471 0,000000 227,516471 Receita 181,000000 230,058555 0,000000 230,058555 Público 35.722,000000 45.404,152983 13.953,069387 59.357,222371
BMU11 (eficiência:0,871344)
Variável Atual Radial Folga Alvo Valor do time 852,026500 852,026500 0,000000 852,026500 IFFHS 229,000000 262,812275 84,787944 347,600219 Receita 321,400000 368,855307 57,224321 426,079628 Público 69.000,000000 79.187,978094 0,000000 79.187,978094
CHE11 (eficiência:0,859080)
Variável Atual Radial Folga Alvo Valor do time 525,013900 525,013900 0,000000 525,013900 IFFHS 177,000000 206,034329 55,374484 261,408813 Receita 249,800000 290,776132 0,000000 290,776132 Público 41.435,000000 48.231,821607 17.308,173497 65.539,995104
ACM11 (eficiência:0,685650)
Variável Atual Radial Folga Alvo Valor do time 682,311100 682,311100 0,000000 682,311100 IFFHS 194,000000 282,943155 0,000000 282,943155 Receita 235,100000 342,886266 0,000000 342,886266 Público 53.922,000000 78.643,612312 0,000000 78.643,612312
109
ARS11 (eficiência:0,757951)
Variável Atual Radial Folga Alvo Valor do time 891,350800 891,350800 0,000000 891,350800 IFFHS 208,000000 274,424166 88,534213 362,958379 Receita 251,100000 331,288020 114,282736 445,570756 Público 60.023,000000 79.191,162103 0,000000 79.191,162103
BOD11 (eficiência:1,000000)
Variável Atual Radial Folga Alvo Valor do time 271,820600 271,820600 0,000000 271,820600 IFFHS 121,000000 121,000000 0,000000 121,000000 Receita 138,500000 138,500000 0,000000 138,500000 Público 79.141,000000 79.141,000000 0,000000 79.141,000000
LIV11 (eficiência:0,815862)
Variável Atual Radial Folga Alvo Valor do time 427,048100 427,048100 0,000000 427,048100 IFFHS 124,000000 151,986434 81,960934 233,947368 Receita 203,300000 249,184211 0,000000 249,184211 Público 42.824,000000 52.489,250524 9.500,223160 61.989,473684
JUV11 (eficiência:0,638634)
Variável Atual Radial Folga Alvo Valor do time 407,730900 407,730900 0,000000 407,730900 IFFHS 112,000000 175,374233 53,158203 228,532436 Receita 153,900000 240,982987 0,000000 240,982987 Público 21.966,000000 34.395,271490 26.894,099379 61.289,370869
HAM11 (eficiência:0,910615)
Variável Atual Radial Folga Alvo Valor do time 244,914500 244,914500 0,000000 244,914500 IFFHS 62,000000 68,085830 78,819412 146,905242 Receita 128,800000 141,442822 0,000000 141,442822 Público 54.447,000000 59.791,438798 0,000000 59.791,438798
110
7.4. RESULTADOS MODELOS DEA 1A E 1C
Temporada Clube MODELO 1A MODELO 1C Quartil de Receita
2008/2009 Real Madrid 100 100 4
2008/2009 Barcelona 100 100 4
2008/2009 Manchester United 100 100 4
2008/2009 Bayern Munich 100 100 4
2008/2009 Arsenal 100 100 4
2008/2009 Hamburger SV 100 100 2
2008/2009 Borussia Dortmund 100 100 1
2008/2009 AS Roma 100 95 2
2008/2009 Olympique de Marseille 100 93.1 2
2008/2009 Internazionale 100 82.2 3
2008/2009 Chelsea 100 72 3
2008/2009 Newcastle United 100 57 1
2008/2009 Juventus 99.3 100 3
2008/2009 Olympique Lyonnais 91.8 84.6 2
2008/2009 Werder Bremen 88.4 100 1
2008/2009 Schalke 04 85.9 83.3 1
2008/2009 Tottenham Hotspur 84.9 100 2
2008/2009 Manchester City 84.3 58.4 1
2008/2009 Liverpool 80.8 87.6 3
2008/2009 AC Milan 69.3 93.3 3
Recommended