Análise envoltória de dados (DEA): o que é e quando usar

Se você é gestor de um negócio, certamente já precisou comparar diferentes cenários, para entender o que é mais produtivo ou eficiente. A análise envoltória de dados (DEA) é uma metodologia estatística que pode ajudar você com isso. 

Embora seja considerada uma técnica “avançada”, a execução de uma análise DEA é mais fácil do que parece. Neste artigo, além de entender o que é esse tipo de análise de dados, você ainda quando usar e como fazer DEA na sua organização, independentemente da área que você precisa mensurar. 

Então, fique conosco, e boa leitura!

O que é análise envoltória de dados (DEA)?

A análise envoltória de dados – do inglês, Data Envelopment Analysis (DEA) – é uma metodologia de cálculo de eficiência, que pode ser usada para comparar diferentes cenários. A partir de insumos fornecidos e resultados esperados, a metodologia DEA calcula o nível (ou score) de eficiência em porcentagem. 

Ela tem origem na área da Estatística, e embora não seja popular no Brasil, já é usada desde o final da década de 1970 em outros países. Ela pode ser muito útil para empresas, governos e instituições que queiram comparar níveis de eficiência, produtividade ou performance em diferentes cenários. 

Como funciona a DEA?

A DEA é calculada a partir de 2 parâmetros ou conjuntos de variáveis que têm relação entre si. Veja:

• Inputs: equivale aos insumos, recursos ou fatores de produção. 
• Outputs: são as saídas, entregas ou resultados obtidos. 

Os inputs e outputs utilizados na análise por envoltória de dados estão sempre associados a uma Decision Making Unit (DMU). 

O que é uma DMU? A DMU é uma “unidade tomadora de decisão”, como um setor da sua empresa, ou uma filial. Na prática, a definição da DMU serve como um delimitador de cenário, para estabelecer o que efetivamente será analisado. 

Exemplo de uso de DEA em uma empresa

Suponha que você tem uma pequena indústria têxtil e quer comparar o nível de produtividade e eficiência de diferentes costureiras, que trabalham em turnos distintos. 

Nesse DMU específico – a planta da sua fábrica – os inputs poderiam ser::

• Recursos utilizados pelas costureiras para produzir.
• Horas trabalhadas por turno (ex: 8h, 6h, 4h).
• Quantidade de tecido utilizado (em metros).
• Nível de complexidade das peças (baixo, médio, alto), a depender da modelagem delas. 
• Qualidade das máquinas disponíveis (se algumas costureiras têm acesso a equipamentos melhores).

Já os outputs, nesse cenário, indicam o que é produzido. Por exemplo:

• Número de peças costuradas (ex: 50 camisetas, 30 calças).
• Qualidade das peças, que pode ser medida por um índice de aprovação, como % de itens sem defeitos. 

Após realizar a análise envoltória de dados (DEA), nesse exemplo, você conseguiria avaliar quais são suas costureiras mais eficientes, independentemente do turno em que elas trabalham ou do tipo de costura que realizam. 

Também poderia identificar quais delas precisam melhorar, e se há diferenças importantes entre as costureiras no seu quadro de funcionários. 

Quando utilizar o DEA?

Recomenda-se usar Data Envelopment Analysis (DEA) sempre que sua empresa precisar comparar diferentes setores, turnos, ou filiais, a partir de um conjunto de variáveis não homogêneas. 

Você também pode usar DEA quando precisa promover melhorias na sua operação, a partir de duas perspectivas:

• orientação input: quer reduzir os recursos empregados, mantendo o nível de produção (ou de resultado);
• orientação output: quer aumentar a produção a partir de um determinado nível de insumos empregados.

Como usar a análise por envoltória de dados?

Agora que você já sabe o que é análise envoltória de dados e como ela funciona, é hora de se aprofundar na execução desse tipo de técnica estatística.

Veja o passo a passo básico para fazer uma DEA. 

1- Estabeleça quais são suas unidades tomadoras de decisão

Antes de mais nada, é preciso delimitar seus DMUs. Essa definição vai depender do que você deseja analisar. Por exemplo, se você quer comparar o nível de eficiência dos vendedores de diferentes filiais da sua empresa, uma DMU pode ser sua filial A. 

Se você deseja comparar a produtividade de uma esteira de produção em diferentes turnos, cada turno de trabalho pode ser uma DMU. 

A DMU também vai ajudar você a estabelecer outputs e inputs, como veremos no próximo passo. 

2 – Selecione insumos e resultados (ou inputs e outputs) para sua análise

O segundo passo é a definição das variáveis que serão utilizados. Ou seja, dos inputs e outputs. Tenha em mente sempre o seu objetivo – isto é, aquilo que você deseja comparar. 

Lembre-se que os inputs são insumos que determinam sua produção. Enquanto os outputs são os resultados gerados hoje a partir daqueles insumos. 

3 – Execute o cálculo, usando Excel ou softwares específicos

Uma vez que você delimitou suas DMUs, e estebeleceu as variáveis que integraram o cálculo, é hora de executar a comparação. 

Existe uma fórmula estatística para calcular o DEA (Data Envelopment Analysis), mas é possível automatizar parte do cálculo, usando as ferramentas certas. 

Profissionais que já trabalham com DEA costumam usar:

• Planilhas de Microsoft Excel, acoplado ao suplemento Solver (que é um complemento oferecido pela própria Microsoft);
• Softwares de programação e análise, como o Software R, que é gratuito e de código aberto. 

Ajuda para fazer análise de dados na sua empresa

A DEA (Análise por Envoltória Dados) é apenas uma das muitas formas de análise estatística disponíveis no mercado. A depender do que você precisa analisar, ou das decisões que deseja tomar, essa técnica pode ou não ser adequada. 

Mas, então, como saber se a DEA é a melhor opção para sua empresa? 

A EJFGV tem especialistas para ajudar você na área de Data Science. Nossa experiência permite trabalhar com diferentes conjuntos de dados, obtendo os melhores insights, de maneira ágil e confiável. 

Agende um diagnóstico gratuito com um de nossos especialistas, e descubra gaps e oportunidades na área de dados para seu negócio. 

Perguntas frequentes