Tr 433 UMA ANÁLISE COMPARATIVA DE DESEMPENHO DE

Sitraer 7 (2008) 445-456 – Tr. 433
UMA ANÁLISE COMPARATIVA DE DESEMPENHO DE EMPRESAS AÉREAS A
NÍVEL MUNDIAL
Elton Fernandes
Heloisa Márcia Pires
Universidade Federal do Rio de Janeiro
Coppe Engenharia de Produção
RESUMO
A competitividade das empresas aéreas é um assunto de grande complexidade, muitos são os fatores que definem
a escolha de viajem de um passageiro ou decisão de envio de uma carga. Alguns desses fatores são definidos
pelos gestores das empresas aéreas e outros não são controláveis pelas empresas, dependem de fatores do
ambiente externo à organização. Este artigo busca contribuir para o aumento do conhecimento da relação
passageiro e carga com a receita e lucro de empresas aéreas, utilizando Análise Envoltória de Dados e inferência
estatística. Trata-se de uma análise multivariável comparativa de uma amostra de empresas de várias localidades
do mundo. Os resultados mostram a posição das empresas em relação à fronteira da eficiência com respeito ao
uso de suas demandas de passageiros e carga para produzir receita e a tendência de relação entre margem
operacional e lucro líquido da amostra. A análise indica que muitas empresas devem buscar a melhoria do seu
desempenho através do aperfeiçoamento de seu portfólio de clientes, buscando uma combinação de passageiros e
cargas que produza maior valor agregado. A busca indiscriminada de clientes pode não levar aos resultados
esperados. Adicionalmente, se observa que existe uma razoável relação entre margem operacional e lucro
líquido, o que fortalece a necessidade de controle dos custos para se obter resultados para os acionistas.
ABSTRACT
The competitiveness of airlines is a subject of great complexity, many are the factors that define passenger
choice of travel or decision of sending a cargo. Some of these factors are defined by airline managers and others
are not controllable by airlines, they depend on external environment factors. This article seeks to contribute for
the knowledge increase about the relation between passenger and cargo with airline revenue and profit, using
Data Envelopment Analysis and statistics inference. So, it is about a multicriteria analysis of a sample of
companies from several parts of the world. The results show the position of companies in relation to the
efficiency frontier with respect to the use of its demands of passengers and cargo to produce revenue and the
trend between operational margin and net profits of the sample. The analysis indicates that many companies
must search for the improvement of its performance through the improvement of its portfolio of customers,
searching a combination of passengers and cargo that produces better aggregate value. The indiscriminate search
for customers will not lead to the waited results. Additionally, if it is observed that there is a reasonable relation
between operational margin and net profits, this fortifies the necessity of the control of the costs to get results for
the shareholders.
1. INTRODUÇÃO
A indústria do transporte aéreo tem sido objeto de crescente desregulamentação ao longo dos
últimos anos em todas as partes do mundo. Embora, a intensidade desta desregulamentação
seja diferenciada entre países e blocos econômicos, existe uma tendência de uniformização da
regulação. Apesar desta tendência, existe uma divisão geopolítica dos mercados, que procura
atender aos interesses da sociedade de cada economia, vide última rodada de Doha da
Organização Mundial do Comércio, onde ficou frustrada a intenção do Brasil de obter
definições sobre redução de subsídios agrícolas europeus e americanos. As empresas obtêm a
licença para atuar fora das fronteiras nacionais por acordos, na sua maior parte, de
reciprocidade entre países e blocos econômicos. A competição não é livre e os mercados são
regulados com maior ou menor intensidade. A busca de eficiência tem sido sinônimo de
sobrevivência para as empresas, uma vez que se observa uma queda das barreiras
protecionistas de empresas nacionais no setor de transporte aéreo. No entanto, diferenças
entre países no que diz respeito a impostos e taxas, a custos de insumos, a leis trabalhistas, as
445
Sitraer 7 (2008) 445-456 – Tr. 433
infra-estruturas aeronáutica e aeroportuária, a economia de escala, a regulação entre outras
tornam a competição complexa e de difícil gerenciamento. Em um cenário instável e propenso
a grandes transformações, as empresas de transporte aéreo buscam a lucratividade e
sobrevivência.
Países de dimensões continentais enfrentam o dilema de abrir a competição de seus mercados
domésticos às empresas internacionais, freqüentemente os tomadores de decisão se vêem
entre o dilema da soberania nacional ou eficiência do mercado. O transporte aéreo, de forma
geral, é responsável por um mercado de alto poder aquisitivo de empresas e pessoas, um
mercado de trabalho de empregos de qualidade, transporta mercadorias de alto valor
agregado, cria visibilidade dos países. American é sinônimo de Estados Unidos, Air France
sinônimo de França, Luthansa sinônimo de Alemanha e assim por diante. O risco de
sobrevivência aumentou de tal forma que não raro se observa guerras de preços e competição
predatória no setor, práticas que atingem a indústria em cheio comprometendo a rentabilidade
do negócio de transporte aéreo.
Estudos mostram que o negócio de transporte aeroviário de passageiros e cargas requer um
imobilizado expressivo na composição do ativo. O capital fixo, para a constituição e
manutenção das operações da empresa é grande. Como opção à imobilização pode-se fazer o
arrendamento mercantil (leasing) das aeronaves. No contrato de leasing operacional a
empresa arcará com o custo do leasing não fazendo imobilização de capital. Desta maneira, as
empresas têm duas alternativas ao acesso às aeronaves que precisam para a manutenção de
seu negócio: a compra ou o leasing operacional do equipamento. Em grande parte devido a
necessidade de imobilizações, as empresas de aviação dão especial atenção aos ganhos
relativos às economias de escala. Quanto maior for a empresa, menores serão seus custos
fixos unitários. O tamanho representa, a princípio, uma variável relevante no negócio.
No Brasil, existe uma tendência forte para abertura do mercado a empresas internacionais. Em
anos recentes, houve um aumento significativo da participação das empresas internacionais no
tráfego aéreo internacional de longo curso. A redução de participação das empresas nacionais
neste segmento do mercado tem levado a uma grande preocupação sobre a capacidade
competitiva destas empresas. Embora este artigo não esteja dirigido para uma avaliação direta
da competitividade das empresas brasileiras, ele oferece uma avaliação da relação de
indicadores econômicos e financeiros das empresas com seus padrões operacionais. Esta
análise é realizada através da Análise Envoltória de Dados que busca identificar as empresas
que apresentam os melhores desempenhos com relação a um conjunto de dados.
2. REVISÃO DA LITERATURA
O uso da Análise Envoltória de Dados para avaliação de desempenho de empresas aéreas é
recente, pode-se dizer que ele teve início nos anos 90 (Chan e Sueyoshi, 1991; Charnes et al.,
1996; Good et al., 1995; Tofallis, 1997). A partir de 2000 alguns trabalhos foram publicados
em periódicos científicos indexados pelo ISI Web of Knowledge (Capobianco e Fernandes,
2004; Chiou e Chen, 2006; Fernandes e Capobianco, 2001; Greer, 2008; Lin, 2008;
Scheraga, 2004; Tsionas, 2003).
446
Sitraer 7 (2008) 445-456 – Tr. 433
Segundo Araujo et al. (2008), a literatura sobre produtividade das empresas das empresas
aéreas começa a ficar mais aparente a partir dos movimentos de desregulamentação da
indústria de transporte aéreo nos Estados Unidos por volta de 1978. Os estudos sobre
produtividade buscam comparar fatores específicos com estrutura de capital, efeitos da
regulação na produtividade, produtividade do trabalho etc.
Em um recente artigo Greer (2008) examina as mudanças em produtividade das maiores
empresas aéreas americanas entre 2000 e 2004, utilizando Análise Envoltória de Dados. Esta
análise encontrou um significativo aumento de eficiência de uso dos insumos para produzir
resultados operacionais. Um ponto importante nesta análise é a identificação de empresas
líderes que se estabelecem como “benchmarking” para as demais. Como estamos observando
uma tendência, que podemos chamar de mundialização da regulação, ou seja, uma
equalização é de se esperar que as empresas passem a considerar “benchmarkings” a nível
mundial, sem levar em consideração as diferenças regionais. Assim, os padrões da empresas
líderes americanas, européias e asiáticas passam a ser a principal referência para as empresas
em todo o planeta.
3. METODOLOGIA
A análise de desempenho das organizações tem sido uma tônica na rota de globalização do
mundo. Não há como competir neste cenário, com uma redução de barreiras à entrada, sem
uma contínua busca por um desempenho diferenciado, pode-se dizer mesmo exclusivo. A
busca desta performance diferenciada pode ser atingida através de caminhos distintos, no
entanto a relação entre inputs, produtos, receita e lucros continua sempre sendo um indicador
de resultados de grande significado. Os caminhos trilhados por estudiosos são fortemente
influenciados pelo background de cada um, isto significa que economistas, administradores,
engenheiros etc. buscam formulações dirigidas pela visão do mundo através de lentes
específicas, dando uma visão parcial da questão. Um exemplo da visão parcial da questão da
produtividade das organizações é a eterna luta entre o dimensionamento da parcela da
produtividade das organizações atribuídas ao capital e ao trabalho.
Portanto, basicamente, quando uma determinada quantidade de inputs ou produtos produz
maiores quantidades de outputs (receita e lucro), significa que houve um aumento na
produtividade. Se estivermos lidando com uma única variável de output e de input, esse
cálculo é simples, mas usualmente nos defrontamos com diversos tipos de inputs que são
agregados para produzirem alguns outros outputs (Lovell, 1993). Assim, para podemos
calcular a produtividade temos que conhecer e mensurar as diferentes variáveis que compõem
tanto os inputs quanto os outputs. Encontrar esta razão na prática é uma tarefa bastante
complexa já que a proporção de outputs pode mudar através do tempo ou mesmo variar entre
as empresas, dificultando a definição do output total. Isso se deve porque dificilmente uma
indústria produz somente um tipo de output. Às vezes, dependendo do processo produtivo, é
possível variar-se, dentro de certos limites, as quantidades e os tipos dos produtos obtidos (por
exemplo, carga e passageiros na geração de receita). Para se agregar outputs num único valor,
torna-se necessário utilizar alguma ponderação de acordo com a importância relativa de cada
output. No que se refere aos inputs, da mesma forma que os outputs, são de difícil
mensuração adequada, pois diversos inputs como equipamento, energia, matérias primas,
mão-de-obra etc. devem ser agregados para poderem produzir os outputs.
447
Sitraer 7 (2008) 445-456 – Tr. 433
Existem duas maneiras de se mensurar tanto os outputs quanto os inputs: fisicamente i.e. as
quantidades dos diversos tipos de produtos fabricados, o número total de empregados, o
número de passageiros transportados etc. e financeiramente, o que corresponde a receita total
da produção, o valor da mão-de-obra, o desempenho do capital, etc. Examinado o
relacionamento entre os outputs e os inputs, verificamos que aparecem dois tipos básicos de
produtividade: total e parcial. A produtividade total mensura o relacionamento entre todos os
inputs e todos os outputs, e, por conseguinte, refletindo o impacto do conjunto de todos os
insumos para fabricar os produtos.
Com a dificuldade de se calcular índices de produtividade globais, passou-se a desenvolver
medidas de produtividade parciais. Esses índices parciais mensuram a razão de um ou mais
outputs para um ou mais inputs, fornecendo uma indicação parcial ao invés de uma indicação
total. Essas medidas parciais de produtividade têm a grande desvantagem de não fornecerem
um quadro completo da situação, o que sem dúvida alguma é uma limitação. Por exemplo,
uma empresa pode em uma determinada etapa de um processo produtivo utilizar mais
recursos de mão-de-obra do que outra firma que tem essa mesma etapa do processo mais
automatizada. Com o cálculo da produtividade parcial de mão-de-obra, estaremos fazendo
uma análise localizada, esquecendo do conjunto. Ou seja, uma firma é mais produtiva do que
a outra em relação a um insumo, no caso, a energia elétrica. Não se pode esquecer que
estamos nos referindo a apenas uma etapa do processo de produção. Isto não significa,
necessariamente, que uma empresa é mais produtiva do que a outra, pois aspectos relevantes
do processo total podem não terem sido considerados.
A ferramenta denominada Análise Envoltória de Dados (Data Envelopment Analysis - DEA)
é um método de programação linear não paramétrico destinado a mensurar a performance de
uma firma, organização, programa, i.e., o que for produzido pelas decision-making units
(DMU). Em nosso estudo as DMUs são as empresas aéreas. Esse procedimento é uma técnica
matemática baseada em programação linear a qual não necessita que a forma funcional
relacionando os inputs aos outputs seja especificada. O DEA otimiza cada observação com o
intuito de se construir a Fronteira de Eficiência. Esta consiste em uma curva discreta formada
unicamente por DMUs eficientes. Evidentemente, deve-se ter em mente que se estamos nos
referindo a eficiência relativa, já que estamos lidando com amostras. A partir da determinação
da fronteira passe a se ter o benchmarking de eficiência da amostra.
Charnes et al. (1994) colocam que o DEA envolve um princípio alternativo para se extrair
informação sobre um conjunto de observações. Em contraste com as abordagens
paramétricas, cujo objetivo é otimizar um plano de regressão através da análise dos dados, o
DEA otimiza sobre cada observação, com o objetivo de calcular uma fronteira determinada
pelas DMUs Pareto-eficientes. É importante notar que na abordagem DEA pode se encontrar
DMUs em áreas Pareto-não-eficientes, o que requer cuidado na interpretação dos resultados
(Fernandes et al. 2008).
Charnes et al. (1994) apresentam as diversas formulações desenvolvidas para a abordagem do
DEA. Na pesquisa desenvolvida para este estudo a questão principal diz respeito a
minimização de input e maximização de output que as organizações podem realizar. Desta
forma, foram utilizadas as orientações input e output num modelo de rendimento variável de
escala (VRS), uma vez que o artigo se refere a organizações de tamanhos diversos. No caso
que estamos analisando, verifica-se a convexidade da fronteira de eficiência. As DMUs sobre
448
Sitraer 7 (2008) 445-456 – Tr. 433
a fronteira de eficiência com escala inferior ao encontro da reta de retornos constantes de
escala com esta fronteira apresentam retornos crescentes de escala, aquelas superiores
apresentam retornos decrescentes de escala (Banker et al. 1984). Os modelos BCC-I e BCC-O
propostos são detalhados em Cooper et al. (2007). Estes modelos são conhecidos como BCC
(variáveis de escala), sendo esta sigla uma homenagem a seus formuladores Banker et al.
(1984).
4. ESTUDO DE CASO
Para análise de um estudo de caso se selecionou 44 empresas, envolvendo Europa, América do Norte e
América do Sul. Os dados básicos encontram-se no Anexo 1. As empresas foram selecionadas da base
de dados ATW (2007b) e IATA (2007) entre aquelas que possuiam os dados definidos para a análise
DEA, inputs e outputs:
PAX – passageiros quilômetros transportados em milhares (Input);
FRT – toneladas quilômetros de carga transportadas em milhares (Input);
CDO – Custo operacional em US $ milhões (2006) (Input);
RL – Receita líquida em US $ milhões (2006) (Output);
LL – Lucro líquido em US $ milhões (2006) (Output).
Os modelos de DEA e nomenclatura utilizada para as DMUs é a seguinte:
BCC-I – Resultado do modelo DEA de retorno variável de escala orientado para input (insumo) Cooper et al. (2007) ;
BCC-O – Resultado do modelo DEA de retorno variável de escala orientado para output (resultado) Cooper et al. (2007);
EMP – Sigla da empresa aérea em IATA (2007) (Quadro 1).
As características de cada empresa podem ser encontradas em ATW (2007a). Como passageiros e
carga fazem parte das variáveis do estudo, nenhuma empresa somente cargueira foi selecionada.
Partiu-se dos dados operacionais da IATA (2007) para o ano de 2006 e dos dados financeiros da ATW
(2007) para 2006. O primeiro passo foi verificar a existência de dados coincidentes. O segundo passo
foi eliminar outlyers, ou empresas com dados incoerentes. Neste sentido, se obteve as empresas da
amostra. Um perfil da amostra de empresas do presente estudo é mostrado nas Figuras 1 a 3.
449
Sitraer 7 (2008) 445-456 – Tr. 433
Figura 2 - Curva de Lorentz para passageiros,
2006
100%
100%
90%
90%
80%
80%
70%
70%
60%
60%
PAX
RL
Figura 1 - Curva de Lorentz para receita
líquida, 2006
50%
50%
40%
40%
30%
30%
20%
20%
10%
10%
0%
0%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
0%
10%
20%
30%
40%
Empresas
50%
60%
70%
80%
90%
Empresas
Figura 3 - Curva de Lorentz para carga, 2006
100%
90%
80%
70%
FRT
60%
50%
40%
30%
20%
10%
0%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Empresas
A Curva de Lorentz para a amostra de empresas de aviação mostra que aproximadamente 60% do total
da receita líquida de 2006 foram de 20% das empresas selecionadas. Comportamento semelhante pode
ser verificado no caso de passageiros. Por outro lado, 65% da carga esteve concentrada em 20% das
empresas. No caso da carga, pode-se considerar que a concentração é ainda maior, pois não foram
incluídas empresas cargueiras na amostra. O comportamento da concentração de passageiros é
semelhante à receita.
A figura 4 mostra que existe uma relação razoável entre a margem operacional (RL/CDO) e a relação
lucro líquido e custo operacional (LL/CDO). Uma empresa que se destaca é a Singapore Airlines
(SQ). Pode-se observar nesta figura que a única empresa brasileira do estudo TAM (JJ) está
exatamente na reta de tendência. O Quadro 1 mostra as relações LL/CDO e RL/CDO para todas as
empresas do estudo.
450
100%
Sitraer 7 (2008) 445-456 – Tr. 433
Figura 4 – Relação margem operacional e lucro líquido das empresas aéreas da amostra, 2006
Empresas Aéreas - Relação Lucro e Receita por Custo
20%
CM
(LL/CDO) = 3,2843(RL/CDO)3 - 10,196(RL/CDO)2 + 11,193(RL/CDO) - 4,2739
R² = 0,7216
18%
SQ
16%
14%
JJ
LL/CDO
12%
Linha de tendência
ZL
10%
8%
SK
6%
FI
AFKL
4%
LH/HM
US/FJ
2%
AA
0%
100%
WF
105%
110%
115%
120%
125%
RL/CDO
5. RESULTADOS
O posicionamento em relação à fronteira da eficiência nos modelos DEA orientados para input e
output, considerando 3 inputs e 2 outputs (BCC-I e BCC-O) estão mostrados no Quadro 1. Doze
empresas apareceram na fronteira da eficiência em ambas as abordagens e com apenas com uma
exceção (Mahan Air), o posicionamento com relação à orientação input é próximo ao posicionamento
com relação à output. Este é um primeiro indicador de consistência da análise de eficiência. No
entanto, Cooper et al. (2007) recomenda que se busque olhar a questão da eficiência sobre vários
ângulos, de maneira a que a análise não fique tendenciosa por uma característica peculiar de uma
DMU. Por exemplo, a empresa Regional Express possui uma relação PAX/RL bastante elevada
comparada com as demais. De outra forma, ela tem uma relação de FRT/RL bastante baixa. Assim,
trata-se de uma empresa focada em passageiros. Quando se analisa o número de vezes que esta
empresa aparece como referência para aquelas fora da fronteira, se observa que foi uma vez no modelo
BCC-I e nenhuma no modelo BCC-O. Isto indica um posicionamento isolado dos padrões das demais
empresas. As empresas que aparecem como referência com mais freqüência no modelo BCC-I são: US
Airways (6), Air Seychelles (6), Singapore Airlines (8), Air Pacific (11), Icelandair (12), Scandinavian
Airlines (14), Copa (22) e Lufthansa (28). As Empresas que aparecem com referência com mais
freqüência no modelo BCC-O são: Air Seychelles (5), US Airways (8), Singapore Airlines (9), Air
Pacific (9), Icelandair (11), Scandinavian Airlines (13), Copa (21) e Lufthansa (30). Estas empresas
aparecem como as referências em transformar seus produtos em receita e lucratividade.
Quadro 1 – Variáveis e resultados dos modelos DEA das empresas aéreas, 2006
Sigla
Empresa
AFKL Air France-KLM
LH
Lufthansa
PAX/RL FRT/RL RL/CDO LL/CDO BCC-I BCC-O
2333
46
106%
4% 100%
100%
2013
47
107%
4% 100%
100%
451
Sitraer 7 (2008) 445-456 – Tr. 433
AA
US
SQ
SK
CM
FI
WF
FJ
ZL
HM
BA
JP
EK
QF
CX
JK
CO
CS
SU
SA
TP
KE
CI
W5
LX
ET
IB
LA
RJ
NH
TG
NZ
TK
MI
JJ
UL
PR
AV
CA
IC
9W
CZ
American Airlines
US Airways
Singapore Airlines
Scandinavian Airlines
Copa
Icelandair
Wideroe
Air Pacific
Regional Express
Air Seychelles
British Airways
Adria Airways
Emirates
Qantas
Cathay Pacific
Spanair
Continental Airlines
Continental Micronesia
Aeroflot
South African Airways
TAP - Air Portugal
Korean Air
China Airlines
Mahan Air
SWISS
Ethiopian Airlines
Iberia
Lan Airlines
Royal Jordanian
All Nippon Airways
Thai Airways
Air New Zealand
Turkish Airlines
Silkair
TAM Linhas Aéreas
Srilankan Airlines
Philippine Airlines
Avianca
Air China Limited
Indian Airlines
Jet Airways
China Southern Airlines
4425
3157
1887
2830
2554
1935
4439
2552
10013
5078
2166
4256
1976
2390
2139
5650
3566
3048
2615
2527
3326
2555
2629
8907
3125
3293
3910
2918
3140
3896
3754
5238
5804
7352
6651
5252
5539
6402
5448
7029
7785
7980
23
6
135
12
21
74
1
65
7
43
42
21
134
43
154
6
17
42
51
63
29
186
359
46
57
82
31
147
102
52
116
52
45
80
32
165
110
60
143
75
91
129
452
105%
105%
110%
102%
124%
106%
101%
105%
113%
107%
113%
101%
112%
106%
109%
102%
104%
113%
119%
102%
102%
107%
102%
108%
106%
105%
102%
111%
103%
106%
110%
103%
102%
104%
117%
101%
102%
108%
106%
101%
113%
101%
1%
3%
16%
8%
20%
5%
1%
3%
10%
4%
6%
0%
12%
4%
8%
1%
3%
8%
13%
3%
0%
5%
1%
4%
7%
3%
1%
9%
2%
2%
5%
3%
5%
6%
13%
1%
2%
1%
8%
1%
8%
0%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
99%
97%
96%
92%
88%
85%
84%
84%
82%
80%
77%
74%
72%
70%
69%
67%
67%
66%
66%
61%
53%
48%
45%
45%
42%
40%
40%
39%
37%
35%
31%
28%
100%
100%
100%
100%
100%
100%
100%
100%
100%
100%
99%
95%
96%
92%
88%
88%
92%
82%
81%
80%
78%
75%
72%
44%
70%
65%
67%
66%
64%
65%
53%
48%
45%
35%
42%
38%
38%
40%
37%
35%
31%
29%
Sitraer 7 (2008) 445-456 – Tr. 433
6. DISCUSSÃO
A análise DEA pode ser visualizada quando consideramos dois inputs e um output (FRT/RL e
PAX/RL) (Cooper et al., 2007). Esta visualização ajuda a dar consistência à análise. Grandes empresas
como British Airways e Air France-KLM não se mostraram como referência, mas na análise da Figura
5 pode-se observar que estas empresas estão próximas à fronteira de eficiência e podem ser
consideradas. Um caso especial é da American Airlines que na análise dos modelos BCC-I e O
apareceu na fronteira, mas não foi referência para outras empresas. Isto se confirma na análise da
figura 5. A American Airlines fica longe da fronteira e próxima a uma área Pareto-não-eficiente
(Fernandes et al., 2007). A empresa brasileira TAM apresentou em 2006 uma excelente lucratividade,
no entanto, seria difícil dizer que ela possui parâmetros sólidos para manter esta lucratividade.
A proximidade das empresas asiáticas e do oriente médio da fronteira de eficiência (vide Quadro 1),
mostra que está havendo um catch-up das empresas de transporte aéreo em relação à operação de
empresas pioneiras americanas e européias. A empresa brasileira que faz parte do estudo não apresenta
um posicionamento favorável. A análise aqui desenvolvida não contempla todas as empresas
importantes em operação, sendo assim, esta é uma limitação do estudo. No entanto, ela tem uma
amostra significativa das empresas de transporte de passageiros a nível mundial.
Figura 5 – Fronteira da eficiência da relação passageiros e carga com a receita líquida das empresas
aéreas da amostra, 2006
400
CI
350
300
Fronteira da eficiência
FRT/RL
250
200
KE
CX
150
SQ
100
FJ
LH
BA
0
0
TG
AFKL
FI
50
LA
EK
2000
SU
QF
CM
SK
RJ
ET
LX
NH
TP
IB
AA
CO
US
HM
JJ
JK
ZL
WF
4000
6000
8000
10000
12000
PAX/RL
7. CONCLUSÕES
A análise DEA identificou várias grandes empresas mundiais fora da fronteira da eficiência como
Continental Airlines, All Nippon Airways, Korean Air, Iberia entre outras. A American Airlines, um
caso especial, que nas análises dos modelos BCC-I e BCC-O se encontra na fronteira, mas através de
453
Sitraer 7 (2008) 445-456 – Tr. 433
uma observação de outros elementos se encontra fora da fronteira. A análise aqui apresentada não foi
exaustiva, incluindo todas as empresas ou considerando todos os elementos definidores de uma
operação de transporte aéreo eficiente e sustentável, no entanto, indica que a busca de operações com
valor agregado para passageiros e carga é um importante fator na composição de receitas das
empresas. Pode-se observar que os resultados deste estudo são preliminares e que são necessárias
outras análises para se testar com mais segurança os parâmetros que levam as empresas para a
fronteira da eficiência ou a estarem fora dela. O estudo está limitado ao ano de 2006, assim, uma série
histórica com vários anos daria mais consistência aos resultados. Uma hipótese interessante para
futuros estudos é se a economia de escala é um fator fundamental para a sustentabilidade das empresas
de transporte aéreo.
REFERÊNCIAS BIBLIOGRÁFICAS
Adler N, Golany B. 2001. Evaluation of deregulated airline networks using data envelopment analysis combined
with principal component analysis with an application to Western Europe. European Journal of
Operational Research 132(2): 260-273
Araujo Jr. AH, Santos IC, Rocha A. 2008. Relative efficiency and productivity of international airlines. 12th
ATRS Word Conference, 6-10 July, Digital Annals, Athens
ATW. 2007a. World airline report. Paris
ATW. 2007b. World airline financial and traffic results. Paris
Banker RD, Charnes A, Cooper WW. 1994. Some models for estimating technical and scale inefficiencies in
data envelopment analysis. Management Science 30 (9): 1078-1092.
Capobianco HMP, Fernandes E. 2004. Capital structure in the world airline industry. Transportation Research
Part A-Policy and Practice 38 (6): 421-434
Chan PS, Sueyoshi T. 1991. Environmental-Change, Competition, Strategy, Structure and Firm Performance an Application of Data Envelopment Analysis in the Airline Industry. International Journal of Systems
Science 22 (9): 1625-1636
Charnes A, Cooper WW, Lewin AY, Seiford LM. 1994. Data Envelopment Analysis: Theory, Methodology and
Applications. Kluwer Academic Publishers. Boston
Charnes A, Gallegos A, Li H. 1996. Robustly efficient parametric frontiers via Multiplicative DEA for domestic
and international operations of the Latin American airline industry. European Journal of Operational
Research 88 (3): 525-536
Chiou Y-C, Chen Y-H. 2006. Route-based performance evaluation of Taiwanese domestic airlines using data
envelopment analysis. Transportation Research Part E: Logistics and Transportation Review 42 (2): 116127
Cooper WW, Seiford LM, Tone K. 2007. Data envelopment analysis: a comprehensive text with model,
applications, references and DEA-Solver software, second edition, Springer, New York
Fernandes E, Capobianco HMP. 2001. Airline capital structure and returns. Journal of Air Transport
Management 7 (3): 137-142
Fernandes E, Pires HM, Lins MPE, Silva ACM. 2008. Financial performance of air transport companies: an
analysis of the non-Pareto-efficient space in data envelopment analysis. In: Data Mining IX: Data
Mining, Protection, Detection and other Security Technologies, 2008, Cádiz. WIT Press. 40: 185-194.
Southampton
Good D, Nadiri I, Roeller L-H, Sickles, RC. 1995. Airline efficiency differences between Europe and the US:
implications for the pace of EC integration and domestic regulation. European Journal of Operational
Research 80, 508-518
454
Sitraer 7 (2008) 445-456 – Tr. 433
Greer MR. 2008. Nothing focuses the mind on productivity quite like the fear of liquidation: Changes in airline
productivity in the United States, 2000-2004. Transportation Research Part A-Policy and Practice 42 (2):
414-426
IATA. 2007. WATS 10 year traffic results 1997-2006. São Paulo
Lin ETJ. 2008. Route-based performance evaluation of Taiwanese domestic airlines using data envelopment
analysis: A comment. Transportation Research Part E-Logistics and Transportation Review 44 (5): 894899
Lovell CAK. 1993. Production frontiers and productive efficiency. In: Fried HO, Lovell CAK, Schimidt SS.
(Eds.) The Measurement of Productive Efficiency. Oxford University Press. New York
Scheraga CA. 2004. Operational efficiency versus financial mobility in the global airline industry: a data
envelopment and Tobit analysis. Transportation Research Part A: Policy and Practice 38 (5): 383-404
Sengupta JK. 1999. A dynamic efficiency model using data envelopment analysis. International Journal of
Production Economics 62 (3): 209-218
Tofallis C. 1997. Input efficiency profiling: An application to airlines. Computers & Operations Research 24
(3): 253-258
Tsionas EG. 2003. Combining DEA and stochastic frontier models: An empirical Bayes approach. European
Journal of Operational Research 147 (3): 499-510
455
Sitraer 7 (2008) 445-456 – Tr. 433
ANEXO 1 – Dados das empresas aéreas, 2006
Empresa
Air France-KLM
Lufthansa
American Airlines
US Airways
Singapore Airlines
Scandinavian Airlines
Copa
Icelandair
Wideroe
Air Pacific
Regional Express
Air Seychelles
British Airways
Adria Airways
Emirates
Qantas
Cathay Pacific
Spanair
Continental Airlines
Continental Micronesia
Aeroflot
South African Airways
TAP - Air Portugal
Korean Air
China Airlines
Mahan Air
Swiss
Ethiopian Airlines
Iberia
Lan Airlines
Royal Jordanian
All Nippon Airways
Thai Airways
Air New Zealand
Turkish Airlines
Silkair
TAM Linhas Aéreas
Srilankan Airlines
Philippine Airlines
Avianca
Air China Limited
Indian Airlines
Jet Airways
China Southern Airlines
PAX
71.777.638
51.212.907
99.834.761
36.483.394
18.022.009
25.098.816
2.173.830
1.536.213
1.906.054
630.734
1.273.697
438.835
36.086.877
850.002
16.747.667
23.805.278
16.667.005
9.082.431
46.818.302
1.476.993
7.232.727
7.715.488
7.080.970
21.967.135
9.837.589
873.758
10.637.588
1.953.882
27.571.131
8.854.379
1.965.537
49.226.247
18.204.379
12.063.629
16.437.100
1.564.545
22.778.912
3.121.565
6.867.766
7.417.138
31.314.550
9.083.722
10.705.839
48.511.929
456
FRT
1.404.790
1.201.374
519.995
73.408
1.292.768
106.715
18.081
58.641
461
15.996
911
3.740
694.428
4.181
1.136.132
423.687
1.198.678
9.586
217.530
20.351
141.387
191.172
60.970
1.600.511
1.343.793
4.542
195.105
48.706
221.757
445.075
63.703
658.711
561.728
118.839
127.720
16.919
109.161
98.070
136.840
69.420
822.094
97.154
124.783
786.538
CDO
29.108
23.782
21.503
10.999
8.685
8.703
684
747
424
236
113
81
14.756
199
7.562
9.431
7.124
1.577
12.660
427
2.322
3.002
2.090
8.069
3.655
91
3.215
567
6.893
2.731
608
11.872
4.396
2.242
2.770
205
2.915
587
1.220
1.068
5.424
1.275
1.213
6.039
RL
30.765
25.447
22.563
11.557
9.549
8.868
851
794
429
247
127
86
16.663
200
8.475
9.961
7.793
1.608
13.128
485
2.766
3.053
2.129
8.598
3.742
98
3.404
593
7.051
3.034
626
12.635
4.849
2.303
2.832
213
3.425
594
1.240
1.159
5.748
1.292
1.375
6.079
LL
1.092
1.030
231
304
1.404
692
134
37
3
8
12
3
859
0
942
350
548
14
343
36
309
83
9
367
23
4
216
15
74
241
10
274
239
58
132
13
378
8
29
13
423
11
101
26