Dissertação de mestrado - Marcelo Guttler - COPPEAD UFRJ · inicial de slides até as versões finais do texto. Ao Professor Albino, por aceitar o convite para a banca e por suas

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


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


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)



Bogetoft e Otto, 2011).

De acordo com alguns autores, para falarmos de eficácia, buscamos uma função

podermos falar explicitamente sobre a realização desses


, 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



scamos uma função

alar explicitamente sobre a realização desses


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.


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


Por fim, a seguinte hipótese substativa foi formulada:


MÉTODO DEA

de dados (DEA - Data Envelopment Analysis

ao introduzir a programação linear não-paramétrica à literat


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


Data Envelopment Analysis) foi desenvolvida

paramétrica à literatura de pesquisa


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


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


MODELO BCC


et al. (1984). Ao contrário do modelo CCR, o modelo BCC


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


. Ao contrário do modelo CCR, o modelo BCC


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


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


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


A formulação matemática do Modelo BCC, orientado para maximização do

0

44

é introduzida, representando os retornos variáveis de


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


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.


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


45

representa a possibilidade de retornos de escala variáveis, podendo assumir valores negativos ou positivos.


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


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


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


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


Tabela 5 – Estatísticas descritivas: receita transm issão

Receita transmissão (€ milhões)

Temporada


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


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


Tabela 7 – Estatísticas descritivas: média de públi co na liga

Média de público na liga

Temporada


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


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




Desvio


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




Desvio


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


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


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


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.


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


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


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


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


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


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


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


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


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


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


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


Coeficiente de

Correlação

-,353 ,859** ,324 .

Significância ,198 ,000 ,238 .

N 15 15 15 15

Gols marcados

Coeficiente de

Correlação

-,523* ,587* ,122 .


N 15 15 15 15

Saldo de gols

Coeficiente de

Correlação

-,353 ,699** ,261 .


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

QUARTIL RECEITA



2009/2010 Schalke 04 88.6 100 1


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

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 Barcelona 42.6 100 4

2010/2011 Manchester City 34.9 100 2


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 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


Receitas (€

milhões)

Média de

Público na

Liga

Pontos

IFFHS

Kendall's

tau_b


Correlação

1,000 ,451** ,344*


N 20 20 19


Liga

Coeficiente de

Correlação

,451** 1,000 ,229


N 20 20 19


Correlação

,344* ,229 1,000


N 19 19 19

93


Receitas (€

milhões)

Média de

Público na

Liga

Pontos

IFFHS

Kendall's

tau_b


Correlação

1,000 ,411* ,551**


N 20 20 19


Liga

Coeficiente de

Correlação

,411* 1,000 ,457**


N 20 20 19


Correlação

,551** ,457** 1,000


N 19 19 19

94

b) Modelos 1A e 1C, correlação entre as variáveis de output:


Jogo (€

milhões)

Comercial (€

milhões)

Transmissão

(€ milhões)

Kendall's

tau_b

Jogo (€ milhões) Coeficiente de

Correlação

1,000 ,413* ,216


N 20 20 20

Comercial (€ milhões) Coeficiente de

Correlação

,413* 1,000 ,396*


N 20 20 20

Transmissão (€

milhões)

Coeficiente de

Correlação

,216 ,396* 1,000


N 20 20 20

95


Jogo (€

milhões)

Comercial (€

milhões)

Transmissão

(€ milhões)

Kendall's

tau_b


Correlação

1,000 ,426** ,289


N 20 20 20


Correlação

,426** 1,000 ,372*


N 20 20 20

Transmissão (€

milhões)

Coeficiente de

Correlação

,289 ,372* 1,000


N 20 20 20


Jogo (€

milhões)

Comercial (€

milhões)

Transmissão

(€ milhões)

Kendall's

tau_b


Correlação

1,000 ,476** ,347*


96

N 20 20 20


Correlação

,476** 1,000 ,265


N 20 20 20

Transmissão (€

milhões)

Coeficiente de

Correlação

,347* ,265 1,000


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)


MAC09 (eficiência:1,000000)


HAM09 (eficiência:1,000000)


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)


ARS09 (eficiência:0,830164)


OLL09 (eficiência:0,880049)


BMU09 (eficiência:0,951514)


BOD09 (eficiência:1,000000)

102


LIV09 (eficiência:0,753501)


RAM09 (eficiência:1,000000)


JUV09 (eficiência:0,762115)


SC409 (eficiência:0,836590)


TOH09 (eficiência:0,740048)


103

ACM09 (eficiência:0,894622)



ATM10 (eficiência:1,000000)








104









STG10 (eficiência:0,852040)



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












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






NAP11 (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)











108



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









109



BOD11 (eficiência:1,000000)








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 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 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

Documents

Dissertação de mestrado - Marcelo Guttler - COPPEAD UFRJ · inicial de slides até as versões finais do texto. Ao Professor Albino, por aceitar o convite para a banca e por suas