ANÁLISE DA RELEVÂNCIA DE INDICADORES FINANCEIROS E NÃO FINANCEIROS NA AVAL- IAÇÃO DE DESEMPENHO ORGANIZACIONAL: UM ESTUDO EXPLORATÓRIO NO SETOR BRASILEIRO DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA

ANALYSIS OF RELEVANCE OF FINANCIAL AND NON FINANCIAL RATIOS WHEN EVAL- UATING ORGANIZATIONAL PERFORMANCE: A STUDY IN THE BRAZILIAN ELECTRIC- ITY DISTRIBUTION SECTOR

Aavaliação de desempenho organizacional é fundamental para se compreender se as ações e os resultados da empresa estão em sintonia com a estratégia estabelecida corporativamente (LAVIERI; CUNHA, 2009). Chaves, Alcântara e Assumpção (2008) complementam afirmando que a mensuração do desempenho é importante para verificar se os objetivos estabelecidos pela empresa estão sendo alcançados, ajudando ainda na melhor aplicação dos recursos.

Entretanto, existem muitas medidas para avaliar o desempenho das empresas, assim como diversas definições sobre desempenho organizacional. E sendo este um fenômeno complexo e multifacetado, acaba escapando de uma visão simplista. Diferentes pesquisadores têm focado sua atenção em aspectos distintos e específicos do conceito de desempenho (CARNEIRO et al., 2005).

A grande dificuldade atual é identificar qual a estrutura ideal do Sistema de Medição de Desempenho (SMD). De acordo com Silva, Pamplona e Bornia (2006), um SMD deve incluir medidas internas e externas à organização, financeiras e não financeiras, sem perder o foco estratégico. Entretanto, a questão central é inicialmente definir quais critérios devem ser observados e como eles devem ser combinados para que o resultado da avaliação seja satisfatório. Cabe ressaltar que os diferentes critérios podem ser agrupados em perspectivas de diferentes naturezas (CARNEIRO et al., 2005).

A questão da utilização de mais de uma perspectiva leva as organizações a abandonarem a avaliação de desempenho voltada somente para a área financeira, já que uma análise do desempenho organizacional por meio apenas de indicadores financeiros pode por vezes não refletir o real desempenho da organização (LUITZ e REBELATO, 2003).

De acordo com Miranda et al. (2003), enquanto a literatura tem mostrado que, no passado, as empresas tomavam decisões baseadas apenas em informações financeiras, obtidas da contabilidade das empresas, atualmente, a tomada de decisão envolve um maior número de variáveis, exigindo dos gestores uma grande preocupação com indicadores como: satisfação de clientes, qualidade dos produtos, participação no mercado, retenção de clientes, fidelidade dos clientes, inovação e habilidades estratégicas.

Além disso, por conta das empresas possuírem um compromisso com a sociedade e o meio ambiente, é necessário que exista um relacionamento de respeito na perspectiva social e também o interesse na preservação do meio ambiente, minimizando seus impactos. Assim, a empresa pode continuar a ser vista como um dos pilares fundamentais no desenvolvimento econômico e social (CASTRO, SIQUEIRA e MACEDO, 2010).

Assim sendo, essa pesquisa tem como objetivo analisar a relevância de indicadores financeiros e não financeiros na avaliação de desempenho organizacional de empresas do setor brasileiro de distribuição de energia elétrica.

Para tanto, será conduzido um estudo de caráter exploratório, com uso das técnicas Delphi e Análise Hierárquica (AHP), com o propósito de responder às seguintes questões, que compõem o problema de pesquisa:

• Quais os indicadores financeiros e não financeiros mais importantes na avaliação de desempenho organizacional no setor brasileiro de energia elétrica?

• Dados esses indicadores, qual a relevância (peso) de cada um numa análise multicriterial de desempenho organizacional?

Esta pesquisa pode ser caracterizada, de acordo com Vergara (2009), como sendo descritiva e exploratória, pois objetiva, através da aplicação das técnicas Delphi e da Análise Hierárquica (AHP), analisar a relevância de indicadores financeiros e não financeiros para a avaliação de desempenho no setor de distribuição de energia elétrica no Brasil.

A escolha por um estudo sobre o setor elétrico se justifica por sua relevância econômica e social. Segundo Bhattacharyya (2007), o papel fundamental que o setor de energia elétrica tem na atividade econômica fica por conta da mútua interdependência entre a economia e o setor elétrico. Isso porque o setor de energia utiliza insumos de vários setores produtivos e este setor também constitui insumo para outros diversos tipos de atividades econômicas. Por conta desse papel estratégico do setor, estudos sobre o desempenho de suas empresas se tornam pertinentes.

Além disso, no atual cenário, de regulamentação por parte do Estado e oferta/entrega de energia por parte das empresas, algumas privadas e outras ainda estatais, Blose e Tankersley (2004) comentam que tanto as organizações públicas quanto as privadas estão direcionadas no sentido da racionalização dos custos e da orientação de seus serviços para os clientes, visando à retenção dos mesmos. Algumas empresas estão ainda disponibilizando a chamada energia “ambientalmente” correta, gerada a partir de fontes não poluidoras.

Isso tudo mostra que o setor precisa ser foco permanente de processos de avaliação de desempenho, e que este processo precisa cada vez mais focar as perspectivas financeira, operacional e socioambiental.

O processo de amostragem é não probabilístico, pois parte de um universo naturalmente restrito, já que foram consultados os 20 analistas da área de Risco de Crédito do Banco de Desenvolvimento Econômico e Social - BNDES, que trabalham com o setor elétrico.

Os indicadores a serem analisados foram obtidos com base nos indicadores utilizados na análise do setor elétrico, publicada no Anuário Séries 2010, que é produzido pelo GESEL/ UFRJ. Tem-se, então, uma limitação importante, pois somente os indicadores utilizados por essa publicação foram analisados. Cabe ressaltar, entretanto, que o GESEL/UFRJ é um grupo de estudos do setor elétrico com mais de 10 anos de existência, que publica entre outros documentos o Anuário de Análise Econômica e Financeira das Empresas do Setor de Energia Elétrica - Séries, que em 2010 teve sua 11a edição.

De posse de 38 indicadores divididos em três perspectivas: financeira, operacional e socioambiental, elaborou-se um questionário autopreenchível que tinha como objetivo que o respondente apontasse os indicadores mais relevantes. Os indicadores utilizados estão listados a seguir:

a) Perspectiva financeira (16 indicadores): Rotação do Ativo, Multiplicador de Alavancagem, Endividamento Total, Perfil do Endividamento, Endividamento Oneroso, Cobertura de Juros, Imobilização do Patrimônio Líquido, Imobilização dos Recursos não Correntes, Liquidez Corrente, Liquidez Imediata, Rentabilidade Financeira sobre o Patrimônio Líquido (RFPL), Retorno sobre o Patrimônio Líquido (RSPL), Necessidade de Investimento em Capital de Giro (NIG) sobre Receita Líquida, Necessidade Total de Financiamento Permanente (NTFP) sobre o Ativo, Saldo Disponível (SD) sobre a Receita Líquida e Capital de Giro (Circulante) Líquido sobre o Ativo;

b) Perspectiva Operacional (15 indicadores): Consumo Médio Mensal, Preço Médio (R$/MWh), Cliente por Empregado, Despesa Financeira Unitária (R$/MWh), Perdas de Vendas, Geração Operacional de Caixa (EBIT), Margem Bruta ou Margem Ebit, Razão Operacional, Margem Ebitda, DEC, FEC, Rentabilidade Financeira sobre o Ativo Total (RFAT), Retorno sobre o Ativo (RSA), Rentabilidade Financeira sobre o Ativo Operacional (RFAO) e Taxa de recuperação de Caixa;

c) Perspectiva Socioambiental (7 indicadores): Giro Social Interno (%), Giro Social Externo (%), Rentabilidade Agregada dos Investimentos, Retorno Social sobre a remuneração dos Empregados, Riqueza Gerada por Empregado, Taxa de Comprometimento Ambiental e Criação de Riqueza por unidade de receita.

Nota-se que essa listagem inclui indicadores financeiros e não financeiros, em suas diversas perspectivas. Para os grupos de indicadores financeiros e operacionais, os respondentes eram solicitados a escolher apenas oito indicadores como relevantes para uma análise de desempenho. Já para a perspectiva socioambiental o limite era de quatro indicadores. Vale ressaltar que para reduzir a limitação do estudo em relação à lista inicial de indicadores, o questionário apresentava uma última pergunta aberta sobre a indicação de outros indicadores não contemplados nas listagens apresentadas. Cabe ainda ressaltar que para evitar divergências de entendimento sobre cada indicador, foi apresentada ao respondente uma definição para o mesmo, bem como sua fórmula de cálculo.

Por fim, em relação ao questionário, destaca-se que antes da aplicação do mesmo aos analistas do BNDES, realizou-se um teste piloto com três professores da área de análise econômico-financeira, com a finalidade de testar a inteligibilidade do instrumento de coleta de dados (principalmente em relação a dúvidas de entendimento, dificuldade de interpretação e inconsistências dos quesitos). As observações feitas pelos respondentes desse teste piloto foram incorporadas ao questionário antes de sua aplicação.

A técnica Delphi foi utilizada para analisar as 15 respostas obtidas desse primeiro questionário. De acordo com Wright e Giovinazzo (2000), o Método Delphi originalmente tem o objetivo de buscar um consenso de opiniões de um grupo de especialistas a respeito de eventos futuros e tendências. A execução da técnica é simples. Numa primeira rodada, os respondentes recebem um questionário para responderem individualmente. Na próxima rodada, as respostas recebem um tratamento estatístico simples e em seguida são devolvidas aos participantes. A cada nova rodada o mesmo questionário é repassado e os participantes devem reavaliar suas respostas face às respostas dos demais respondentes da rodada anterior. O processo é repetido até que a divergência entre as respostas dos especialistas chegue a um nível satisfatório (WRIGHT; GIOVINAZZO, 2000).

Nessa pesquisa, a técnica Delphi foi aplicada em duas rodadas, pois observou-se que não haveria possibilidades de maior congruência entre os respondentes. Isso foi percebido pela baixa oscilação nas frequências dos indicadores: os mais importantes continuaram como mais importantes e os menos importantes continuaram como menos importantes, sem alterações significativas de frequência.

De posse destes indicadores escolhidos pelos respondentes, procedeu-se uma análise de correlação para verificar se existiam indicadores que pudessem representar uma mesma dimensão do desempenho organizacional.

O primeiro passo dessa análise foi verificar se os valores desses indicadores nas empresas do setor brasileiro de distribuição de energia elétrica, que constavam na base do GESEL - Anuário Séries 2010, tinham distribuição normal. Isso se faz necessário para determinar qual medida de correlação pode ser utilizada (paramétrica ou não paramétrica).

Com base nos valores desses indicadores para as 42 empresas listadas no Anuário Séries 2010, aplicou-se o teste de normalidade de Kolmogorov-Smirnov, que compara a distribuição de frequência acumulada de um conjunto de valores da amostra com uma distribuição esperada, ou seja, testa se as variáveis em estudo possuem ou não uma distribuição normal (FÁVERO et al., 2009).

Verificou-se não haver normalidade para a maioria dos índices analisados, pois o p-valor foi inferior ao nível de significância 5%, não sendo aceita, portanto, a H₀ de que a distribuição dos indicadores tende a uma distribuição normal. Sendo assim, o coeficiente de correlação utilizado foi o de Spearman.

O coeficiente de Spearman, que é uma medida não paramétrica, mede a intensidade da relação entre variáveis no mínimo ordinais. Usa, em vez do valor observado, apenas a ordem das observações, sem fazer nenhuma suposição sobre a distribuição de frequência das variáveis. Deste modo, este coeficiente não é sensível a assimetrias na distribuição, nem à presença de outliers, não exigindo, portanto, que os dados provenham de populações normais (SIEGEL e CASTELLAN Jr., 2006).

Com o resultado do teste de correlação, foi obtida a lista de indicadores para a próxima etapa, que seria a análise do grau de importância (hierarquia) dos índices selecionados. Para essa análise da relevância (peso) de cada indicador na avaliação de desempenho organizacional, utilizou-se a Análise Hierárquica (AHP), que é um método multicritério de apoio à decisão (MCDA).

O Apoio Multicritério à Decisão (AMD) consiste, então, em um conjunto de métodos e técnicas para auxiliar ou apoiar a tomada de decisões, quando da presença de múltiplos critérios (GOMES, GONÇALEZ-ARAYA e CARIGNANO, 2004).

Dentre os métodos de Apoio Multicritério à Decisão (AMD) destaca-se a Análise Hierárquica (AHP - Analytic Hierarchy Process), que, segundo Gomes, Gonçalez-Araya e Carignano (2004), foi um dos primeiros métodos de análise multicritério, e deve ser um dos mais usados no mundo. Este vem sendo desenvolvido ao longo dos anos, podendo-se dizer que hoje ele integra uma família de métodos: Clássico, Multiplicativo, Referenciado e B-G.

A AHP é um dos métodos mais utilizados para tomada de decisões em análises multicriteriais, pois uma das principais vantagens deste método é a facilidade com que ele lida com vários critérios, possuindo a capacidade de analisar um problema considerando múltiplos objetivos. Além disso, por não envolver matemática complicada, a AHP é mais fácil de entender, podendo gerir eficazmente dados qualitativos e quantitativos (KAHRAMAN, CEBECI e ULUKAN, 2003).

De acordo com Anderson, Sweeney e Williams (2005) a AHP, desenvolvida por T. L. Saaty na década de 1970, exige que o decisor faça julgamentos acerca da importância relativa de cada critério e depois especifique a preferência por cada alternativa usando cada critério.

Isso é feito, de acordo com Gomes, Gonçalez-Araya e Carignano (2004), através de comparações, par a par, das alternativas e dos critérios, criando-se várias matrizes de decisão quadradas, onde à cada critério e à cada alternativa associa-se um valor de prioridade sobre as outras em análise, a partir de uma escala fundamental de preferências.

Ainda segundo Anderson, Sweeney e Williams (2005), a base da AHP é, portanto, a análise comparativa par a par, tanto dos critérios, quanto das alternativas, para definir preferências (hierarquizar). Para isso, continuam os autores, é necessário estabelecer, primeiramente, o quão importante cada critério ou cada alternativa é em relação a cada um dos outros. Isso é feito através da construção de uma matriz quadrada de decisão, onde os critérios ou alternativas podem ser comparados aos pares, seguindo a escala de comparação de Saaty. A seguir, no quadro 01, encontra-se a descrição desta escala.

Pode-se perceber, segundo Gomes, Gonçalez-Araya e Carignano (2004) e Anderson, Sweeney e Williams (2005), que a escala define apenas o que é mais importante e quão mais importante. No caso de, por exemplo, um critério i ter importância grande ou essencial em relação a j, será atribuído o valor 5 da escala para a comparação de i em relação a j (linha i e coluna j da matriz de decisão). Já na comparação de j em relação a i (linha j e coluna i da matriz de decisão) será atribuído o inverso deste valor, ou seja, 1/5. Ou seja, para o menos importante, a comparação assume o valor inverso ou recíproco da escala original.

De acordo com Anderson, Sweeney e Williams (2005) e Gomes, Gonçalez-Araya e Carignano (2004), para priorizar cada critério ou cada alternativa dentro de cada critério, a partir da matriz de comparação, é utilizado o método de sintetização das preferências da AHP.

Primeiramente, somam-se os valores de cada coluna da matriz de comparação par a par, depois uma nova matriz é construída dividindo-se cada valor da matriz original pelo somatório de sua coluna, ou seja, efetuando-se o que é denominado a normalização da matriz. Depois, calcula-se a média de cada linha da matriz normalizada. Tem-se, então, a priorização/ hierarquização dos critérios ou das alternativas frente a um determinado critério. Cabe ressaltar que a soma destes índices de priorização dos critérios ou das alternativas dentro de um critério deve ser igual a 1,00 (MACEDO e CORRAR, 2010).

Quadro 1
Escala de Comparações de Saaty

Fonte: Saaty (1991)

De acordo com Anderson, Sweeney e Williams (2005) e Costa (2002), para todas as matrizes de comparação (entre critérios e entre alternativas para cada critério) é necessário testar a consistência da análise e do modelo construído. Segundo Saaty (1991), o teste de consistência tem que ser de tal ordem que se possa testar ao mesmo tempo não só a violação de transitividade (A é preferível a B; B é preferível a C; logo, A tem de ser preferível a C), como também a de proporcionalidade (A é duas vezes preferível a B; B é três vezes preferível a C; logo, A tem de ser seis vezes preferível a C).

De acordo com Lyra (2008), no procedimento inicial da AHP, ocorre um processo de medidas e de julgamentos, concentrando-se nesta etapa a maioria das limitações auferidas ao modelo. Por serem julgamentos subjetivos, a técnica recebe algumas críticas na literatura. Na realidade, o ponto central não está no método, mas na inconsistência das pessoas, inconsistências essas que podem ocorrer por desconhecimento técnico, falta de experiência, envolvimento ou neutralidade no processo de julgamento. É por conta disso que se faz necessário testar as consistências das matrizes de comparação par a par.

Segundo Saaty (1991), para verificar a consistência da análise, são necessárias algumas operações entre matrizes. Primeiramente multiplica-se a matriz de comparação (n x n) pelo vetor de pesos (resultado hierarquizado para os critérios, ou alternativas para cada critério, ou vetor de priorização dos critérios, ou alternativas). A partir daí, há um novo vetor. Divide-se a primeira componente deste vetor pela primeira componente do vetor de pesos, a segunda componente deste vetor pela segunda componente do vetor de pesos e assim por diante, até obter-se um novo vetor. A média dos elementos deste último vetor será o λ_max. Oquociente entre (λ_{max -n}) e (n - 1) é o que Anderson, Sweeney e Williams (2005) denominam de índice de consistência (IC), que de acordo com Saaty (1991) tenderá a zero quanto mais consistente for o resultado.

Para analisar a consistência, de acordo com Gomes, Gonçalez-Araya e Carignano (2004), utiliza-se um indicador denominado razão de consistência (RC), que é obtido pela divisão do IC por um índice aleatório, calculado para matrizes quadradas de ordem n pelo Laboratório Nacional de Oak Ridge, nos EUA, denominado índice randômico (IR). Quando n ≥ 4, o valor aceitável para a razão de consistência é RC ≤ 0,10.

Os valores do IR que serão considerados nesta análise, para matrizes quadradas, de acordo com Saaty (1991) são de: 0,90 para n = 4; 1,12 para n = 5 e 1,24 para n = 6.

Em síntese, segundo Lyra (2008), o processo de utilização da AHP possui basicamente cinco etapas: (1) definir o problema e a estrutura hierárquica; (2) construir matrizes de prioridade; (3) obter as matrizes de prioridades relativas; (4) checar as consistências das matrizes; (5) decidir as prioridades.

Nesse estudo, utiliza-se a AHP para hierarquizar os indicadores dentro de cada perspectiva. Para tanto, os mesmos analistas do BNDES foram convidados a responder a um segundo questionário, onde fariam comparações de cada indicador (par a par) com todos os outros indicadores da mesma perspectiva. Assim, obtém-se para cada respondente em cada perspectiva uma matriz de comparação dos indicadores, de onde se observa o peso/importância de cada indicador dentro de cada perspectiva. Para consolidar uma única importância/peso para cada indicador procedeu-se a média das importâncias de cada respondente.

Para essa etapa obteve-se 12 questionários respondidos, sendo que apenas seis respostas para cada perspectiva foram consideradas válidas, dentro do limite de consistência estabelecido (RC ≤ 0,10).

Cabe ressaltar que antes de ser aplicado aos analistas do BNDES, esse segundo questionário também passou por um pré-teste frente a alunos integrantes do curso de mestrado em Ciências Contábeis de uma instituição de ensino no Rio de Janeiro, também com o objetivo de testar a inteligibilidade do instrumento de coleta. Com base nos resultados, alguns ajustes foram realizados antes da aplicação do questionário aos respondentes.

Conforme mencionadona metodologia, a primeira fase dessa pesquisa foi a aplicação do questionário para verificar quais seriam os indicadores financeiros e não financeiros relevantes na avaliação de desempenho organizacional no setor de distribuição de energia elétrica no Brasil. Vale ressaltar que não foram indicados novos indicadores além dos 38 iniciais.

Pela aplicação da técnica Delphi, obteve-se a seguinte lista de indicadores mais importante em cada perspectiva (Tabela 1). Tem-se, então, listados pelos respondentes, sete indicadores financeiros (dos 16 iniciais), oito indicadores operacionais (dos 15 iniciais) e cinco indicadores socioambientais (dos sete iniciais). Num primeiro momento, com base na listagem inicial, pode- se concluir que esses são os indicadores financeiros e não financeiros mais importantes numa análise de desempenho organizacional no setor brasileiro de distribuição de energia elétrica.

Em cada perspectiva, o ponto de corte se deu próximo a 50% de frequência relativa para cada indicador. No caso da perspectiva financeira, o primeiro indicador fora da lista foi Multiplicador de Alavancagem com 33% de frequência. Já para as perspectivas operacional e socioambiental, os primeiros indicadores fora da lista foram Margem Bruta/EBIT (20%) e Riqueza Gerada por Empregado (27%), respectivamente. Percebe-se, assim, que o ponto de corte denota uma mudança relativamente significativa na importância dos indicadores, pois os primeiros fora da lista estão a mais de 15% de diferença na frequência relativa.

Com base nesta listagem, procedeu-se uma análise de correlação entre os valores desses indicadores para as empresas distribuidoras de energia elétrica, que constavam no Anuário Séries 2010 do GESEL/UFRJ. Os resultados apontaram, primeiramente pelo teste de normalidade de Kolmogorov-Smirnov (Tabela 2), que a maioria das variáveis não apresentava tendência à distribuição normal (p-valor < 0,05). Logo, decidiu-se pela aplicação da correlação de Sperman, conforme já relatado na metodologia.

Tabela 1
Indicadores Obtidos pela Técnica Delphi

Tabela 2
Resultado do Teste de Normalidade (Kolmogorov-Smirnov)

O teste de correlação (Spearman) aplicado aos indicadores teve como objetivo verificar se existiam indicadores correlacionados que poderiam estar sinalizando uma mesma dimensão da análise de desempenho multicriterial. Os resultados revelaram que, na dimensão financeira, o indicador que mede o Endividamento Total estava altamente correlacionado com o Endividamento Oneroso (0,590 e p-valor = 0,000) e a Necessidade de Investimento em Capital de Giro em relação à Receita Líquida (-0,469 e p-valor = 0,002), sendo descartado da lista de índices financeiros.

Já na perspectiva operacional, foram retirados da listagem de indicadores os índices de Perdas de Vendas e o EBIT. O primeiro, por estar altamente correlacionado com outros quatro indicadores: DEC (0,672 e p-valor = 0,000), FEC (0,581 e p-valor = 0,000), Preço Médio (0,690 e p-valor = 0,000) e Consumo Mensal (-0,491 e p-valor = 0,002); e o segundo, por estar correlacionado com outros três indicadores: FEC (-0,418 e p-valor = 0,006), Margem Ebitda (0,540 e p-valor = 0,000) e Retorno sobre o Ativo (0,559 e p-valor = 0,000). Uma observação importante é o fato do DEC e do FEC estarem altamente correlacionados (0,791 e p-valor = 0,000), entretanto, os dois indicam medidas totalmente diferentes, justificando a sua continuação na análise.

Ainda na dimensão operacional, decidiu-se pela consolidação de dois indicadores: Preço Médio e Consumo Mensal. Dessa forma, tem-se um indicador único que mede o Custo Médio por Cliente. Essa consolidação foi realizada com base em algumas observações feitas pelos respondentes na etapa Delphi, que identificaram que estes indicadores se complementam e que a análise em separado não faria sentido.

Já na perspectiva socioambiental, o indicador desconsiderado foi o Retorno Social sobre a Remuneração dos Empregados, que estava correlacionado com o Giro Social Interno (0,702 e p-valor = 0,000) e o Giro Social Externo (-0,312 e p-valor = 0,047). Os demais indicadores não demonstraram nenhuma correlação significativa entre eles.

Assim sendo, restaram 15 indicadores dos 20 selecionados pela técnica Delphi: seis indicadores financeiros, cinco indicadores operacionais e quatro indicadores socioambientais, que se encontram listados na Tabela 3 (e descritos com detalhes no anexo), para a análise da relevância pela aplicação da AHP.

Conforme mencionado anteriormente na metodologia, o segundo questionário contou com 12 respondentes. De cada um dos respondentes foram obtidas três matrizes de comparação dos indicadores par a par, sendo uma para cada perspectiva. Assim sendo, procedeu-se a 36 testes de consistência, um para cada matriz de comparação. Esses testes mostraram que 18 matrizes de comparação não poderiam ser consideradas, pois violavam a consistência mínima exigida (RC ≤ 0,10). Isso mostra que vários analistas não são capazes de fazer comparações consistentes entre os indicadores, no que diz respeito a sua importância.

Para análise com uso da AHP, sobraram então 18 matrizes de comparação dos indicadores, sendo seis para cada perspectiva. Na Tabela 3 são mostrados os pesos atribuídos por cada respondente válido (com RC dentro do limite) a cada indicador, bem como a importância média.

Em relação à perspectiva financeira, pode-se perceber que o indicador mais importante é a Cobertura de Juros, seguida pelo Retorno sobre o PL e pelo Perfil de Endividamento. Esses três indicadores de maior importância respondem por cerca de 60% da importância total da perspectiva financeira. Isso pode estar sendo influenciado pelo perfil dos respondentes, que são analistas de um banco de investimento, que têm como objetivo fazer financiamentos de longo prazo. Logo, a questão do endividamento e do retorno são os itens mais relevantes. Além disso, percebe-se que os indicadores relacionados ao endividamento correspondem a mais de 50%, deixando para a rentabilidade e a questão do capital de giro e investimentos fixos os outros 50%.

Já na perspectiva operacional, observa-se certo equilíbrio entre os indicadores, como uma leve vantagem para os indicadores de Margem Ebitda, FEC e DEC, que são os três primeiros, respectivamente. É interessante ver como a questão da qualidade dos serviços, mensurada pelo FEC e DEC são relevantes, visto que as duas juntas somam quase 45% da importância da perspectiva.

Por fim, a análise da perspectiva socioambiental mostra que a Taxa de Comprometimento Ambiental e a Rentabilidade Agregada dos Investimentos são, respectivamente, os dois indicadores mais relevantes, respondendo juntos por quase 62% de toda a importância da perspectiva socioambiental. É interessante notar que esses indicadores provêm de relatórios diferentes. O primeiro é proveniente de algum Relatório Social, enquanto o segundo da Demonstração do Valor Adicionado (DVA), que passou a ser obrigatória apenas a partir do exercício de 2008. Cabe salientar que no caso da questão ambiental, o setor elétrico segue o Modelo IBASE, por imposição da ANEEL (agência reguladora do setor elétrico).

Tabela 3
Importância (peso) de cada Indicador em cada Perspectiva

Essa pesquisa teve como objetivo analisar a relevância de indicadores financeiros e não financeiros na avaliação de desempenho organizacional no setor brasileiro de distribuição de energia elétrica.

Para alcançar esse objetivo, foram utilizados dois questionários aplicados aos analistas da área de Risco de Crédito do Banco de Desenvolvimento Econômico e Social - BNDES, que trabalham com o setor elétrico.

Para a análise, foram utilizadas as técnicas Delphi e AHP. A Delphi utilizada no primeiro questionário teve como foco a convergência das opiniões dos analistas com relação aos indicadores relevantes. De posse da lista dos indicadores relevantes, aplicou-se o segundo questionário, com o objetivo de hierarquizá-los. Para isso, utilizou-se a AHP que forneceu os pesos/importância de cada indicador.

Os resultados mostraram que em relação à perspectiva financeira, pode-se perceber que o indicador mais importante é a Cobertura de Juros, seguida pelo Retorno sobre o PL e pelo Perfil de Endividamento. Esses três indicadores de maior importância respondem por aproximadamente 62% da importância total da perspectiva financeira.

Já na perspectiva operacional, observa-se certo equilíbrio entre os indicadores, como uma leve vantagem para os indicadores de Margem Ebitda, FEC e DEC, que são os três mais importantes. Por fim, a análise da perspectiva socioambiental mostra que a Taxa de Comprometimento Ambiental e a Rentabilidade Agregada dos Investimentos são, respectivamente, os dois indicadores mais relevantes, respondendo juntos por quase 62% de toda importância da perspectiva socioambiental.

Percebe-se que, apesar da grande importância atribuída a itens como DEC, FEC e Comprometimento Ambiental, os indicadores calculados a partir de informações advindas das demonstrações financeiras ainda apresentam grande importância para a mensuração do desempenho organizacional, quando observado pela ótica de analistas de um banco de desenvolvimento. Isso pode ser constatado pela grande importância de medidas como Margem Ebitda na perspectiva operacional e Rentabilidade Agregada dos Investimentos, provenientes da DRE e da DVA/BP, respectivamente.

Isso pode estar refletindo uma característica do setor, a de se estruturar como uma espécie de monopólio natural, pois, apesar da concorrência no mercado de empresas (Fusões e Aquisições) não se pode vislumbrar neste setor uma competitividade ao nível da prestação de serviço, visto que não há, de maneira geral, possibilidade de escolha de distribuidor de energia por parte dos consumidores. Assim, o foco no desempenho financeiro é reforçado, em detrimento de uma visão mais multicriterial para a performance organizacional.

Para futuros trabalhos, propõe-se a utilização dos indicadores aqui selecionados, bem como de seus pesos, numa avaliação de desempenho no setor de distribuição de energia elétrica no Brasil. E, além disso, como esse é um tema muito relevante para estudos de desempenho organizacional, a aplicação da metodologia proposta nesse estudo para verificar a relevância de indicadores financeiros e não financeiros em outros setores econômicos.