Upload
duongtruc
View
232
Download
0
Embed Size (px)
Citation preview
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOO PPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM AADDMMIINNIISSTTRRAAÇÇÃÃOO
Escolha do sistema de Automação da Força de Vendas na Indústria Farmacêutica: Uma análise
comparativa entre os métodos MAUT e ZAPROS-LM
JJUULLIIAANNAA NNOOGGUUEEIIRRAA RROODDRRIIGGUUEESS CCAARRVVAALLHHOO
ORIENTADOR: PROF. DR. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES
Rio de Janeiro, 8 de fevereiro de 2010
ESCOLHA DO SISTEMA DE AUTOMAÇÃO DA FORÇA DE VENDAS: UMA ANÁLISE COMPARATIVA ENTRE OS MÉTODOS MAUT E ZAPROS- LM
JULIANA NOGUEIRA RODRIGUES CARVALHO
Dissertação apresentada ao curso de Mestrado Profissional em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral.
ORIENTADOR: PROF. DR. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES
Rio de Janeiro, 8 de fevereiro de 2010
ESCOLHA DO SISTEMA DE AUTOMAÇÃO DA FORÇA DE VENDAS: UMA ANÁLISE COMPARATIVA ENTRE OS MÉTODOS MAUT E ZAPROS- LM
JULIANA NOGUEIRA RODRIGUES CARVALHO
Dissertação apresentada ao curso de Mestrado Profissional em Administração como requisito parcial para obtenção do Grau de Mestre em Administração. Área de Concentração: Administração Geral
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
Professor Dr. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES Instituição: Ibmec/RJ _____________________________________________________
Professor Dr. CARLOS FRANCISCO SIMÕES GOMES
Instituição: Ibmec/RJ _____________________________________________________
Professor Dr. ANTONIO ROBERTO MURY Instituição: Laboratório Nacional de Computação Cientifica - LNCC
Rio de Janeiro, 8 de fevereiro de 2010
FICHA CATALOGRÁFICA 658.403 C331
Carvalho, Juliana Nogueira Rodrigues. Escolha do sistema de automação da força de vendas na indústria farmacêutica: uma análise comparativa entre os métodos MAUT e ZAPROS-LM / Juliana Nogueira Rodrigues Carvalho - Rio de Janeiro: Faculdades Ibmec, 2009. Dissertação de Mestrado Profissionalizante apresentada ao Programa de Pós-Graduação em Administração das Faculdades Ibmec, como requisito parcial necessário para a obtenção do título de Mestre em Administração. Área de concentração: Administração geral. 1. Processo decisório (tomada de decisão). 2. Método ZAPROS-LM. 3. Indústria farmacêutica.
v
DEDICATÓRIA
Ao meu marido pelo apoio incondicional em todos os momentos da minha vida, permitindo que meus sonhos se realizem.
vi
AGRADECIMENTOS
Agradeço a todos os colegas de trabalho que me apoiaram e me incentivaram na conclusão
desse desafio.
Aos colegas de turma, que foram muitos, todos destinados a concluir o mestrado e que me
confortavam com o sentimento de não estar sozinha.
Sou grata também a todos os professores do curso de mestrado profissional em Administração
do IBMEC que mostraram como a teoria pode ser colocada em prática, com materiais atuais e
oportunos, ampliando as possibilidades na minha vida profissional.
Agradeço a todos os colaboradores do IBMEC, sempre atenciosos e buscando ao máximo
resolver os problemas e passar informações práticas.
E ao meu orientador, Prof. Dr. Luiz Flavio Autran Monteiro Gomes, que mostrou o caminho
mais apropriado para conclusão desta dissertação e que mesmo quando problemas de saúde e
profissionais não me permitiram estar presente, foi solidário e atencioso, deixando claro que
acima de tudo, somos humanos.
vii
RESUMO
Essa dissertação tem como objetivos (i) escolher um sistema de automação da força de vendas
para uma indústria farmacêutica, (ii) comparar dois métodos de apoio a tomada de decisão,
um de análise verbal com ZAPROS-LM e outro de análise quantitativa com MAUT e (iii)
identificar qual mais se adapta aos novos projetos dessa indústria e ao perfil dos decisores.
Através da revisão da literatura foi identificado que os métodos têm muitas semelhanças e
diferenças, podendo ser usados separadamente ou de forma complementar. São destinados a
seleção e ordenação de alternativas, sendo mais apropriados a problemas não estruturados, em
cenários de incerteza e com informações imprecisas e subjetivas. Para facilitar a mudança de
cultura na tomada de decisão desta empresa que hoje é puramente empírica, foram usadas
planilhas eletrônicas que permitem aos decisores entenderem a estrutura lógica e armazenar
um histórico dos critérios que levaram a determinada escolha. Assim, acredita-se que para
solução do problema em questão os dois métodos são apropriados, cabendo aos decisores
demonstrar sua preferência.
Palavras Chave: Automação da Força de Vendas, MAUT e ZAPROS-LM .
viii
ABSTRACT
This work aims at (i) choosing a system of sales force aautomation for a pharmaceutical
company, (ii) comparing two methods to support decision making, one method based on the
verbal analysis via ZAPROS-LM and the other method based on the quantitative analysis via
MAUT and (iii) identifying which method better fits the new projects in this industry and the
profile of the decision-makers. Through a literature review it was identified that the methods
have a lot of similarities as well as differences, and they can be used separately or in a
complementary way. They are intended to select and order alternatives, being more
appropriate for unstructured problems, in scenarios of uncertainty and when dealing with
inaccurate and subjective information. To facilitate the change of the culture of decision-
making in this company which is purely empirical at present, spreadsheets were used to
enable decision-makers to understand the logical structure and to store a record of the criteria
that led to a particular choice. Thus, it is believed that to solve this issue both methods are
appropriate, leaving decision-makers to demonstrate their preference.
Keywords: Sales Force Automation, MAUT and ZAPROS-LM .
ix
LISTA DE FIGURAS
Figura 1- Mercado Farmacêutico Brasil. .................................................................................... 5 Figura 2- Tempo para desenvolver um medicamento ................................................................ 8 Figura 3- Novos medicamentos em desenvolvimento ................................................................ 8 Figura 4- Esquema de distribuição e demanda na indústria farmacêutica ................................. 9 Figura 5- Percepção dos clientes referente às falhas dos vendedores ...................................... 10 Figura 6- Etapas para processo de tomada de decisão .............................................................. 22 Figura 7- Classificações dos AMDs ......................................................................................... 28 Figura 8- Critérios e sub-critérios ............................................................................................. 53 Figura 9- Construção da JOS – 1ª SR ....................................................................................... 57 Figura 10- Construção da JOS – 2ª SR ..................................................................................... 58 Figura 11- Gráfico critérios MAUT – Análise de Sensibilidade .............................................. 65
x
LISTA DE TABELAS
Tabela 1 – Esquema: Gestão de Sistemas Humanos. ................................................................. 1 Tabela 2 – Mercado Farmacêutico Mundial. .............................................................................. 4 Tabela 3 – Principais produtos de pesquisa. ............................................................................... 7 Tabela 4 – Situações de Preferência ......................................................................................... 26 Tabela 5 – Exemplo de critérios da automação da força de vendas ......................................... 39 Tabela 6 – Exemplo de ranking JOS ........................................................................................ 40 Tabela 7 – Exemplo de matriz de critérios ............................................................................... 40 Tabela 8 – Exemplo de organização das alternativas - JOS ..................................................... 41 Tabela 9 – Comparação entre VDA e MAUT .......................................................................... 45 Tabela 10 – Exemplo de uso da técnica Swing Weighting - MAUT ........................................ 54 Tabela 11 – Ranking e Peso dos sub-critérios MAUT ............................................................. 55 Tabela 12 – Ranking e peso dos critérios MAUT .................................................................... 55 Tabela 13 – Descrição dos critérios – ZAPROS-LM ............................................................... 56 Tabela 14 – Ranking JOS ......................................................................................................... 59 Tabela 15 – Avaliação das alternativas MAUT........................................................................ 61 Tabela 16 – Avaliação das alternativas – ZAPROS-LM .......................................................... 62 Tabela 17 – Avaliação dos Resultados – MAUT ..................................................................... 64 Tabela 18 – Ranking das avaliações ZAPROS-LM ................................................................. 65 Tabela 19 – Comparação entre os métodos MAUT e ZAPROS-LM ....................................... 66 Tabela 20 – Comparação entre o referencial teórico e estudo de caso -VDA .......................... 68 Tabela 21 – Comparação entre o referencial teórico e estudo de caso -MAUT ....................... 69
xi
LISTA DE ABREVIATURAS AMD Apoio Multicritério à Decisão
ANVISA Agência Nacional de Vigilância Sanitária
BI Business Intelligence
CAGR Compound Annual Growth Rate
CRESC. Crescimento
ERP Enterprise Resource Planning
GEN Genérico
GPRS General Packet Radio Service
IND EVOL. Índice de Evolução
JOS Joint Ordinal Scale
MAUT Teoria da Utilidade Multiatributo (Multiatributte Utility Theory).
OTC Over the counter
PDA Personal Digital Assistants
RK Ranking
RX Receituário
VDA Verbal Decision Analysis
xii
SUMÁRIO
1 INTRODUÇÃO ..................................................................................................... 1
1.1 CONTEXTUALIZAÇÃO DO PROBLEMA ...................... ...................................................................... 2
1.2 INDÚSTRIA FARMACÊUTICA ............................................................................................................... 4
1.3 AUTOMAÇÃO DA FORÇA DE VENDAS ............................................................................................. 10
2 DEFINIÇÃO DO PROBLEMA ............................. ............................................... 13
2.1 OBJETIVOS PRINCIPAIS ...................................................................................................................... 14
2.2 OBJETIVOS ESPECÍFICOS ................................................................................................................... 16
2.3 JUSTIFICATIVA ...................................................................................................................................... 17
3 REVISÃO DA LITERATURA ............................. ................................................ 19
3.1 O PROCESSO DECISÓRIO .................................................................................................................... 19 3.1.1 MÉTODO MULTICRITÉRIO DE APOIO A DECISÃO ............................................................ 22 3.1.2 MODELO DE PREFERÊNCIA ..................................................................................................... 26 3.1.3 ESCOLA AMERICANA ................................................................................................................. 28 3.1.4 ESCOLA FRANCESA ..................................................................................................................... 30 3.1.5 MÉTODOS HÍBRIDOS ................................................................................................................... 31 3.1.6 OUTROS MÉTODOS QUANTITATIVOS DE APOIO À DECISÃO ....................................... 33
3.2 VDA VERSUS MAUT ............................................................................................................................... 35 3.2.1 VDA ................................................................................................................................................... 36 3.2.2 ZAPROS-LM .................................................................................................................................... 38 3.2.3 MAUT ................................................................................................................................................ 41 3.2.4 COMPARAÇÃO ENTRE MAUT E ZAPROS-LM ...................................................................... 45
3.3 ESCOLHA DO SISTEMA DE AUTOMAÇÃO ...................................................................................... 45 3.3.1 ESCOLHA DO MÉTODO .............................................................................................................. 46
4 METODOLOGIA ....................................... ......................................................... 51
4.1 ENTREVISTA COM DECISOR .............................................................................................................. 52 4.1.1 CONHECENDO MAUT .................................................................................................................. 53 4.1.2 CONHECENDO ZAPROS-LM ...................................................................................................... 55
xiii
4.2 ESCOLHA DAS ALTERNATIVAS - MAUT ......................................................................................... 59
4.3 ESCOLHA DAS ALTERNATIVAS – ZAPROS-LM ............................................................................. 61
4.4 AVALIAÇÃO DOS RESULTADOS ........................................................................................................ 63
4.5 DECISÃO FINAL ...................................................................................................................................... 66
5 CONCLUSÃO ......................................... ........................................................... 70
5.1 UTILIZAÇÃO ZAPROS-LM E MAUT ....................... ........................................................................... 70
5.2 OBJETIVOS ATINGIDOS ....................................................................................................................... 71
5.3 LIMITAÇÕES ........................................................................................................................................... 72
5.4 DIFICULDADES ENCONTRADAS ....................................................................................................... 72
5.5 RECOMENDAÇÕES PARA FUTUROS ESTUDOS ............................................................................ 73
6 REFERÊNCIAS BIBLIOGRÁFICAS ........................ .......................................... 75
7 GLOSSÁRIO ......................................... ............................................................. 80
1
1 INTRODUÇÃO
Humanos não são máquinas designadas a perseguir um propósito singular e um objetivo
único. Pertencem a um complexo mundo de múltiplos critérios que caracterizam sua forma de
fazer escolhas, julgamentos e tomada de decisão. Sempre comparam alternativas, fazem
trocas, ordenam e classificam os objetos de sua experiência de acordo com os múltiplos
critérios de escolha. A interação dos componentes do conhecimento humano, com sistemas de
gerenciamento de informação é o escopo da gestão de sistemas humanos que entre outras
coisas, provê a tomada de decisão (ZELENY, 2005). Esses componentes estão descritos na
tabela abaixo.
HUMANO SISTEMAS GERENCIAMENTO
Conhecimento Informação Ajuste de metas
Inteligência Dados Coordenação
Criatividade Otimização Equipes de trabalho
Inovação Organização Estratégia
Ambiguidade / Incerteza Estrutura Conflito/Troca
Tomada de decisão Comunicação Auto-gerenciamento
Julgamento Reengenharia Técnica
Intuição Alocação de recursos Liderança
Capital humano Tecnologia da informação Motivação
Tabela 1 – Esquema: Gestão de Sistemas Humanos.
Essa interação entre o conhecimento humano através da tomada de decisão e sistemas de
informação através da tecnologia para um gerenciamento mais efetivo dos clientes são os
tópicos desta dissertação que tem como estudo de caso a escolha de um sistema de automação
da força de vendas na indústria farmacêutica.
2
Neste primeiro capítulo será descrito o contexto da questão problema , evidenciando a relação
cliente–força de vendas, o ambiente da indústria farmacêutica e todas suas particularidades.
Na última seção, destaque para a importância da automação da força de vendas, os benefícios
trazidos às empresas e clientes e os sistemas de automação mais usados no segmento
farmacêutico.
1.1 CONTEXTUALIZAÇÃO DO PROBLEMA
Entender bem seus clientes se tornou ponto vital para qualquer empresa que espera ser bem
sucedida em suas operações, mas fazer isso hoje em dia sem ajuda da tecnologia da
informação é uma tarefa bastante árdua. O volume de informações de cada cliente é crescente
e o cruzamento de dados que permitam identificar quais são os perfis e necessidades de cada
um, gera informações valiosas. Em mercados onde os atributos que diferenciam os produtos
são as marcas, o conhecimento amplo da carteira de clientes é fator chave de sucesso.
Apesar do interesse das empresas em conhecer bem seus clientes, muitas não atingem os
objetivos, pois acham que já os conhecem e acabam oferecendo produtos antes de pesquisar o
que eles realmente desejam (ZEITHMAL e BITNER, 2003).
Para captar toda essa gama de informações e conhecer bem seus clientes, as empresas
precisam de tecnologias robustas e de fácil gestão, pois o tempo diante deles, é pequeno. Em
contrapartida, a quantidade e qualidade da informação devem ser satisfatórias para gerar
análises profundas e que permitam cruzamento de informação entre os bancos de dados.
A tecnologia está mudando a forma das empresas operarem seus negócios, afetando
principalmente a criação de novos produtos. Está remodelando e agregando valor as
embalagens, os serviços e a promoção. Se antes a falta de informação era um problema, hoje
3
controlar o fluxo crescente de dados para gerar análises aos executivos é outro (PORTER e
MILLAR , 1985).
Essa quantidade de informação também está presente nos ambientes comerciais. Os
representantes de vendas estão em contato com uma diversidade de dados vindos dos clientes
e das empresas e precisam ter a informação certa na hora da negociação.
Segundo Clark, Rocco e Bush (2007), a equipe de vendas está em uma posição única na
empresa que é a de estar muito próximo dos clientes e assim ter a capacidade de criar e
manter relacionamento de longo prazo com eles. A automação dos sistemas pode contribuir
positivamente ou negativamente nesse relacionamento. Quando executada corretamente, a
automação da força de vendas pode prover muitos benefícios tais como: acesso às
informações do produto e do cliente, informação de mercado, segmentação dos clientes,
oportunidade de uma venda-cruzada, comunicação com os demais integrantes da equipe, com
a empresa e com os clientes. Mas, apesar da importância, muitas empresas têm falhado.
Bilhões de dólares são investidos em aplicações de automação da força de vendas sem
garantia de sucesso, especialmente se esta não adotar a tecnologia. Isso pode ocorrer devido
ao sentimento de perda de poder e autonomia. A informação que antes era restrita ao uso do
profissional de vendas agora pode ser compartilhada por toda a empresa. Além disso, muitos
não querem dispor de tempo para aprender sobre a nova tecnologia ou não querem usar o
tempo com o cliente para coletar informações.
A importância do papel da força de vendas no projeto de automação não é somente uma tarefa
burocrática, mas uma forma de conhecer melhor os clientes para atingir resultados.
4
A motivação da equipe de vendas é um componente chave para o sucesso da automação da
força de vendas (DONALDSON e WRIGHT, 2004).
1.2 INDÚSTRIA FARMACÊUTICA
De acordo com dados secundários da empresa Interfarma, Associação da Indústria
Farmacêutica de Pesquisa, o mercado farmacêutico global fatura hoje 773 bilhões de dólares e
cresce anualmente 4,8%. Estima-se que no mundo existam aproximadamente 10 mil
empresas nesse segmento, sendo os Estados Unidos, o maior fabricante e também
consumidor. A tabela abaixo mostra os 12 principais mercados do segmento farmacêutico no
mundo.
Princip ais Mercados US$ (106) % do total 1. Estados Unidos da América $ 287,5 41,7
2. Japão $ 60,9 8,8
3. França $ 40,9 5,9
4. Alemanha $ 38,4 5,6
5. Itália $ 23,9 3,5
6. UK $ 23,5 3,4
7. Espanha $ 20,3 2,9
8. Canadá $ 18,5 2,7
9. China $ 15,3 2,2
10. Brasil $ 13,6 1,6
11. Coréia do Sul $ 10,3 1,5
12. Turquia $ 10,0 1,5
12 Maiores $ 560,8 81,3
(Fonte: Interfarma)
Tabela 2 – Mercado Farmacêutico Mundial.
No Brasil há aproximadamente 369 empresas, com capital brasileiro e estrangeiro que faturam
13,6 bilhões de dólares por ano. A figura seguinte, ilustra o desenvolvimento do mercado
farmacêutico brasileiro em 13 anos.
5
Fonte:Febrafarma
Figura 1- Mercado Farmacêutico Brasil.
A empresa número 1 no ranking é a EMS Pharma, indústria brasileira que fatura 891 milhões
de dólares, seguida da multinacional de origem francesa Sanofi-Aventis, com faturamento de
851 milhões de dólares no ano.
É um segmento de várias particularidades e desafios constantes, muitas vezes impostos pelo
órgão regulamentador ANVISA (Agência Nacional de Vigilância Sanitária) como:
• Controle de Preço;
• Divulgação dos produtos na mídia;
• Promoção médica limitada a regras de conduta;
• Normas de exposição dos produtos nas farmácias;
• Dificuldade de obtenção de registros de novos medicamentos.
e US$ (106) (sem impostos)
em unidades (10 6) – Período de 1997 a 2009*
6
Além dessas ainda há taxas tributárias elevadas e ausência de políticas industriais para
investimentos neste setor.
O mercado farmacêutico é muito competitivo, marcado por fusões e aquisições onde empresas
gigantes compram outras de grande porte como a última, da empresa francesa Sanofi-Aventis
com a empresa de genéricos Medley. A Sanofi investiu R$ 1 bilhão na compra da Medley,o
que pode levar o grupo francês à liderança no mercado no Brasil, já que, sem a Medley, a
Sanofi ocuparia o terceiro lugar no país (FOLHA DE SÃO PAULO ONLINE, 2009).
Outra avalanche que gera oscilação neste mercado são os genéricos. Com o crescimento de
14,9% em volume se comparado o primeiro semestre de 2009 com 2008, os genéricos vêm
ganhando participação de mercado. Segundo matéria vinculada no site Consulta Remédios,
acessada em setembro de 2009, a previsão do CAGR (taxa de crescimento composta anual)
para 2011 é de 27,5%, principalmente pela quebra de algumas patentes importantes que
protegem produtos como Viagra da empresa Pfizer.
Os medicamentos são classificados em genéricos quando não tem marca, são identificados
pela substância principal e geralmente apresentam menores preços. Há também os produtos
similares quando possuem marca, mas não são os medicamentos pioneiros naquele princípio
ativo. Os medicamentos de referência são os mais copiados e os mais novos, normalmente
protegidos por patentes, pois trazem a descoberta de uma nova droga. A seguir principais
produtos de pesquisa e substâncias de acordo com a Interfarma.
7
Produtos $ (106) % do total
1. Lipitor (atorvastatin) 11,6 2,0
2. Plavix (clopidogrel) 7,9 1,1
3. Nexium (esomeprazole) 7,4 1,1
4. Seretide/Advair (fluticasone/salmeterol)
7,3 1,1
5. Enbrel (etanercept) 5,4 0,8
6. Zyprexa (olanzapine) 5,0 0,7
7. Risperdal (risperidone) 5,0 0,7
8. Seroquel (quetiapine) 4,9 0,7
9. Singulair (montelukast) 4,6 0,7
10. Remicade (infliximab) 4,4 0,6
Total $ 65,5 9,5
(Fonte: Interfarma)
Tabela 3 – Principais produtos de pesquisa.
Dentro desses medicamentos de referência, vem surgindo uma nova classificação que são os
biotecnológicos. Eles se diferenciam por apresentar drogas sofisticadas e com objetivo de
tratar doenças complexas. Os preços desses produtos são mais altos, mas sofrem menos ação
da concorrência devido à patente. O custo da pesquisa é muito elevado e de acordo com a
Interfarma, chega a 897 milhões de dólares por medicamento e sete em cada dez drogas não
cobrem esses custos. A figura 2 mostra o tempo para desenvolvimento de um novo
medicamento em todas as fases até a entrada no mercado.
8
Figura 2- Tempo para desenvolver um medicamento
Dos produtos em desenvolvimento, a maioria é para o tratamento do câncer, seguido de
medicamentos para problemas neurológicos, infecções e problemas cardiovasculares. O
desenvolvimento de novas drogas parte da análise do tamanho de mercado e por isso não há
interesse dos laboratórios na descoberta de drogas para doenças raras. Na figura 3, quantidade
de medicamentos em estudo de viabilidade por patologia.
Figura 3- Novos medicamentos em desenvolvimento
(Fonte: Interfarma)
(Fonte: Interfarma)
9
Os medicamentos também são classificados entre tarjados, que precisam de prescrição médica
e não tarjados, como é o caso de alguns analgésicos e xaropes, que estão disponíveis nas
gôndolas das farmácias (são identificados pela sigla em inglês OTC, over the counter) e não
precisam de prescrição médica.
Esses produtos são comercializados em aproximadamente 58.000 pontos de vendas
espalhados por todo o Brasil e para facilitar o abastecimento, as indústrias farmacêuticas
contam com os distribuidores. Já a demanda desses produtos depende em grande parte do
médico que age como influenciador junto ao paciente que vai comprar o medicamento e
finalmente consumi-lo. Assim, o canal de distribuição depende do abastecimento dos pontos
de vendas pelos distribuidores e pela demanda do paciente, que é influenciado pelo médico.
Por isso, a força de vendas dos laboratórios farmacêuticos normalmente é composta pela
equipe de promoção que leva informação sobre o produto, material técnico à classe médica e
a equipe de vendas que vende para distribuidores, principais redes de farmácias e em alguns
casos, hospitais e clínicas públicas e privadas. Abaixo esquema de distribuição e demanda
neste segmento. Os círculos indicam os influenciadores e mediadores do processo.
Figura 4- Esquema de distribuição e demanda na indústria farmacêutica
10
1.3 AUTOMAÇÃO DA FORÇA DE VENDAS
Segundo Pullig, Maxham e Hair (2002), os sistemas de automação da força de vendas
facilitam o processo de relacionamento com o cliente, como parte da filosofia de marketing.
Esses sistemas permitem que a força de vendas opere de maneira mais eficiente, devido ao
compartilhamento da informação e o aumento da coordenação entre a empresa e as várias
funções na prestação de serviços. Providenciar melhores serviços aos clientes é fundamental
para evitar falhas que possam comprometer todo o processo de vendas e a automação vem
auxiliar com informação. A figura 5 ilustra uma pesquisa realizada com 138 clientes de
diversas empresas norte-americanas, onde foram identificadas as principais reclamações dos
clientes em relação aos vendedores.
Figura 5- Percepção dos clientes referente às falhas dos vendedores
(COTTELER, 2006)
11
Conforme descrito anteriormente, há dificuldades iniciais por parte dos representantes para
entender a ferramenta, saber utilizá-la e compreender que o compartilhamento da informação
é importante não somente para departamentos administrativos como também para o próprio
trabalho no campo. Através de um sistema integrado, se ganha velocidade para agir em áreas
que precisam retomar crescimento em vendas e também ter o máximo de informação
disponível sobre todos os clientes e históricos de visitação e vendas.
Levando o conceito para a Indústria Farmacêutica, Donaldson e Wright (2004), afirmam que
devido a constantes aquisições, fusões e as indústrias farmacêuticas cada vez mais orientadas
a marketing, os sistemas de automação se tornaram grande aliados. O mais comum entre os
laboratórios farmacêuticos brasileiros são os sistemas que utilizam assistentes digitais
pessoais, doravante descritos aqui pela sigla em inglês PDAs, personal digital assistants ou
smartphones, que são celulares multifuncionais para fazer coleta e consulta de informação das
visitas médicas e vendas. Outros dados que enriquecem esses sistemas são as auditorias
especializadas em coletar informações de demanda dos produtos da empresa e dos
concorrentes e informações sobre o perfil prescritivo do médico. O representante de vendas,
como são chamados os promotores ou visitadores médicos na indústria farmacêutica, sabem o
que o médico está prescrevendo, quais farmácias estão demandando mais ou menos unidades
do produto promovido, dos concorrentes e ainda insere no sistema, um descritivo da entrevista
com o médico, gerando um histórico de visitação. Aliado a isso, há informações pessoais do
médico, como o hobby, faculdade cursada, ano de formatura e outras informações para
conhecer seu perfil. De outro lado, os vendedores conseguem ter mesmo número de
informação dos distribuidores e redes de farmácias e inserem pedidos on-line diretamente no
ERP (Enterprise Resource Planning) da empresa que automaticamente transmite a nota fiscal
eletrônica para o cliente. Tudo integrado.
12
Esses dados depois de inseridos no PDA são enviados para os bancos de dados através de
conexão remota via GPRS, da sigla em inglês General Packet Radio Service. O mesmo
acontece com as informações transmitidas do servidor de dados para o PDA ou smartphone.
Atualmente há três principais empresas que fazem projetos de automação da força de vendas
específicas do mercado farmacêutico. São elas:
• TARGET SFA: produto da empresa CEGEDIM que tem aproximadamente 35 anos
no mercado, presente em mais de 80 países, que oferece soluções de automação da
força de vendas, gerenciamento e análise de dados e Business Intelligence – BI;
• SALES FORCE NET: produto da empresa CLOSE-UP que tem mais de 70 anos no
mercado e além de soluções de automação da força de vendas, sistemas de BI,
também capta informações de prescrições médicas. Está presente em 20 países;
• CISFARMA: produto da empresa 7COMm, de origem nacional, que está desde 1986
no mercado de tecnologia e informática, nas áreas de comunicação de dados,
internet, desenvolvimento de sistemas e novas tecnologias, consultoria, suporte
técnico e outsourcing de TI.
Todas essas empresas são muito conceituadas no mercado e grande parte dos laboratórios se
divide entre elas. Mas como tem características próprias e diferenciais específicos, se
adéquam melhor a perfis de determinadas empresas. A falta de recursos é um dos limitadores
do processo de automação da força de vendas, mas algumas características como mobilidade
através dos PDAs são necessárias. É importante fazer um equilíbrio entre os desejos e
preferências dos decisores sobre o que é fundamental para a empresa e o custo do projeto.
13
2 DEFINIÇÃO DO PROBLEMA
Este capítulo está organizado para descrever o problema de escolha de um sistema de
automação da força de vendas do segmento farmacêutico com seus objetivos principais e
secundários, justificativa, relevância prática e teórica.
Recentemente o laboratório, objeto desse estudo de caso que será identificado pelas letras de
FQ adquiriu outra empresa do mesmo segmento, de iniciais HB, formando o grupo FQHB.
Essa é uma prática cada vez mais comum neste segmento, conforme apresentado
anteriormente. Cada uma dessas empresas tem um sistema de automação próprio com
características muito semelhantes. Surgiu a necessidade de ter um sistema único que vai
diminuir custo e formar a identidade da nova empresa para clientes e colaboradores.
O laboratório FQ tem 70 anos de mercado atua em todo o território nacional e conta com uma
força de visitação médica de 324 representantes e 35 gerentes, além de três gerentes
responsáveis pelas vendas aos distribuidores e grandes redes de farmácia. Os principais
produtos dessa empresa são medicamentos éticos, ou seja, que precisam da prescrição médica
para que os pacientes possam comprá-lo. Tem um faturamento bruto na ordem de 300 milhões
de reais e capital brasileiro e argentino. Utiliza atualmente um sistema de visitação com PDAs
e integrados por uma das empresas de automação destacadas anteriormente.
14
O laboratório HB foi fundando em 1985, com 100% do capital nacional e têm como portfólio,
produtos fitoterápicos. Possui uma força de vendas de 80 pessoas e uma força de farmácia de
15 vendedores e promotores. Grande parte de seus produtos têm livre comercialização e não
precisa de prescrição médica. Utiliza um sistema de visitação através da web, onde os
representantes inserem os dados de visita uma vez por semana. Os representantes consultam
dados básicos dos clientes como endereço, telefone em fichas de papel.
Com a aquisição do laboratório HB pelo FQ, forma-se o grupo FQHB que possuem sistemas
diferentes de automação da força de vendas, mas que precisam formar uma identidade de
empresa única diante de seus clientes. Para isso será necessário escolher entre os sistemas
disponíveis no mercado, quais se encaixam com o perfil da nova empresa. Há também a
possibilidade de integrar HB ao sistema de automação usado pela empresa que a adquiriu,
fazendo alguns ajustes para adequação das novas necessidades. Hoje, a satisfação da empresa
FQ com o sistema atual é razoável, mas o custo da mudança em uma época de fusão das
empresas deve ser considerado.
2.1 OBJETIVOS PRINCIPAIS
De acordo com Larichev e Brown (2000), uma boa decisão é resultado de um processo
decisório de qualidade, mas os profissionais das diversas áreas em administração recebem
pouco ou nenhum treinamento sobre tomada de decisão que são normalmente realizadas sob
pressão e baseadas em experiências. Há ainda fatores que limitam a racionalidade no processo
de decisão, como a capacidade cognitiva, motivações pessoais, valores que não coincidem
com os da organização e conhecimento parcial do problema.
Para completar, existem muitos modelos de análises de decisão com diferenças entre si que
podem ser mais adequados ao tipo do problema e ao perfil do tomador de decisão. Há duas
15
abordagens divergentes na sua forma: a análise verbal e quantitativa. A análise verbal retrata a
linguagem natural e não numérica na categorização das alternativas. A análise quantitativa de
decisão, segundo Larichev, Brown e Flanders (1998), essencialmente traduz o julgamento e
conhecimento relevante para avaliar alguma escolha em um modelo quantitativo.
Normalmente é calculado um valor numérico para cada opção e a melhor delas se destaca. O
tomador de decisão deve se sentir confortável em fazer decisões sobre números. Essas
abordagens podem ser complementares ou podem desenhar diferentes aspectos do mesmo
problema.
Entender qual a melhor alternativa entre os sistemas de automação da força de vendas para a
Indústria Farmacêutica e identificar qual o melhor processo de tomada de decisão, através da
análise verbal e/ou quantitativa são as questões levantadas nessa dissertação.
Assim, o objetivo central desse estudo é mostrar que a escolha do sistema de automação da
força de vendas pode ser facilitada pela aplicação dos métodos multicritério de apoio a
decisão e demonstrar através da Análise Verbal de Decisão (VDA) e de um método
multicritério quantitativo como métodos diferentes podem ser aplicados a um mesmo
problema. Entender também, qual é a forma de tomada de decisão preferida pelos decisores,
verbal ou quantitativa, ou os dois métodos de forma complementar.
A pesquisa buscará identificar entre as principais empresas especializadas em sistemas de
automação da força de vendas, a que possui os principais atributos para a construção do
projeto da empresa FQHB do segmento farmacêutico.
16
2.2 OBJETIVOS ESPECÍFICOS
Objetivo é criar uma ferramenta de apoio ao processo de decisão em um programa comum a
todos na empresa, como Excel, com enfoque na análise verbal e quantitativa, que poderá ser
utilizada separadamente, de acordo com o perfil de cada tomador de decisão, de acordo com
os critérios referentes ao problema ou até mesmo em conjunto com o objetivo de
complementação.
Essa ferramenta poderá ser utilizada na escolha de outros projetos, como por exemplo,
escolha de um sistema de BI. No laboratório FQHB já existe um projeto de implantação de
um BI em escopo inicial, onde esse processo de tomada de decisão poderá ser adaptado e
utilizado novamente.
Além de projetos na área de tecnologia, o laboratório FQHB busca aumentar sua grade de
produtos com parceiros nacionais e internacionais, o que pode ajudar também na escolha entre
medicamentos mais promissores para o mercado brasileiro e até mesmo na aquisição de outras
empresas para o grupo.
Dessa forma estabelecendo bem os critérios, essa ferramenta de gestão poderá auxiliar:
• Na tomada de decisão de diversos propósitos, mas dentro de um processo onde o
objetivo é priorizar e selecionar a melhor alternativa;
• No armazenamento de um histórico para entender quais foram os critérios mais
relevantes e determinantes;
• Na construção de uma metodologia para a tomada de decisão;
• No entendimento das formas de tomada de decisão mais usadas pelos decisores,
através do método de análise verbal ou quantitativo, ou os dois métodos de forma
complementar.
17
2.3 JUSTIFICATIVA
Esta dissertação tem como finalidade apresentar uma solução para um problema que o grupo
farmacêutico FQHB tem atualmente que é escolher, entre as alternativas existentes no
mercado, um sistema de automação da força de vendas através de métodos de apoio
multicritério à decisão (AMD).
A relevância desse estudo está na comparação do método da análise verbal, através do modelo
ZAPROS-LM e do método de análise quantitativa da escola americana com a Teoria de
Utilidade Multiatributo (MAUT), em um caso prático de escolha de um sistema de automação
da força de vendas na Indústria Farmacêutica. Está fundamentado no estudo de Larichev e
Brown (2000) para escolha de uma transportadora de óleo e gás que comparou os dois
modelos.
A abordagem quantitativa se diferencia da análise verbal em vários aspectos podendo ser
complementares, como segue:
• VDA
o O objetivo da VDA é levar em consideração o comportamento humano nos
processos decisórios refletidos nas preferências dos decisores;
o É designada a eleger relacionamentos de preferências;
o É mais orientada a tarefas com grande número de alternativas e pequeno
número de critérios;
o Baseado nos mesmos princípios que MAUT, mas utiliza escolhas de
preferências verbais e alternativas de decisão sem recursos numéricos.
18
• MAUT
o Método da escola Americana;
o Baseia-se em uma função que define um valor para cada alternativa;
o Alternativa é descrita por uma lista de atributos;
o As escalas de medidas utilizadas devem fornecer meios para mensurar o
desempenho das alternativas em relação a cada critério de acordo com sua
importância.
Na prática, espera-se definir uma metodologia de mensuração e avaliação sistemática que seja
adequada à realidade dos decisores do laboratório FQHB e que permita ganho de tempo e
maior segurança na tomada de decisões nesse segmento que é muito dinâmico e incerto.
19
3 REVISÃO DA LITERATURA
A revisão da literatura compreenderá tópicos mais relevantes do processo de tomada de
decisão enfatizando principalmente os métodos de VDA através do ZAPROS-LM e
quantitativo com MAUT.
3.1 O PROCESSO DECISÓRIO
A decisão faz parte do cotidiano humano sempre em que houver mais de um caminho para
solucionar determinado problema. Filósofos como Aristóteles e Platão já discutiam a
capacidade humana de decidir. Nas organizações, normalmente é comum basear as tomadas
de decisão na intuição, já que o tempo é um fator cada vez mais escasso (FIGUEIRA,
GRECO e EHRGOTT, 2005).
Segundo Zeleny (1982), a tomada de decisão tem como função, resolver ou dissolver o
“conflito de tradeoffs”, ou seja, taxas de substituição e compensação entre critérios e
alternativas. Está intrinsecamente relacionada com a diversidade de pontos de vistas e que
traduzem uma observação natural. A decisão ocorre mesmo quando o decisor escolhe não
decidir.
20
Segundo Gomes (2007), decisão é o processo que leva direta ou indiretamente a escolha de ao
menos uma dentre diferentes alternativas todas estas candidatas a resolver determinado
problema.
Tomada de decisão, de acordo com Figueira, Greco e Ehrgott (2005), pode ser definida como
atividade das pessoas que através do uso explícito, mas não necessariamente formalizado em
modelos, ajuda a obter respostas a questões colocadas pelos stakeholders em um processo de
tomada de decisão. Os métodos de apoio à decisão contribuem para:
• Analisar o contexto de tomadas de decisão de acordo com o perfil dos atores,
levantando as várias possibilidades de ação e suas consequências;
• Organizar e estruturar como o processo de tomada de decisão se fundamenta para
aumentar a coerência entre os objetivos e a decisão tomada;
• Ajudar os atores a cooperar com proposições chaves para um melhor entendimento
do problema e criar um modelo favorável ao debate;
• Elaborar recomendações usando resultados dos modelos e processos computacionais
para criar um escopo de hipóteses de trabalho;
• Participar na legitimação final da decisão.
Os elementos da decisão são: decisor, objetivo, procedimentos para a tomada de decisão,
situação dos aspectos ambientais e metodologia.
Os participantes no processo de decisão, segundo Gomes, Gomes e Almeida (2009) são:
• Decisor: responsável pela decisão, sendo quem define qual alternativa ou caminho
será adotado. Pode ser um indivíduo, ou um conjunto destes.
21
• Facilitador: indivíduo ou grupo que atua no processo de análise da decisão,
realizando atividades, direta ou indiretamente, de cálculos; elaboração de
estimativas; ordenação de preferências e juízo de valor;
• Analista: especialista que detém conhecimento sobre fundamentos e métodos de
apoio à decisão, responsável por: estruturar e modelar o problema; interagir com os
demais atores; produzir a resolução do problema e recomendar as ações ao decisor.
Uma questão levantada em AMD é com relação a sua objetividade. Algumas vezes devido a
interesses, os tomadores de decisão são mais advogados de suas causas do que pesquisadores
de melhores soluções. Mesmo olhando apenas sob o prisma da objetividade há situações de
limitações, tais como :
• Detectar a fronteira entre o que é viável e incerto na contexto da tomada de decisão;
• Ambiguidades e preferências que são escolhidas como modelo pelo decisor;
• Muitos dados são imprecisos, incertos ou mal definidos. Há um risco real de fazê-los
dizer mais do que realmente significam;
• Em geral é impossível dizer que uma decisão é boa ou ruim baseado somente em um
modelo matemático. Aspectos da cultura, organização, orientação educacional
podem contribuir para a qualidade e sucesso da decisão.
De acordo com Clemen e Reilly (2001), as razões óbvias para o estudo da análise de decisão é
aplicar técnicas para a obtenção das melhores decisões, ou seja, aquelas que geram os
melhores resultados. Para isso, há alguns passos que ajudam a identificar a situação da
decisão de acordo com os objetivos.
22
(GOMES, 2007)
Figura 6- Etapas para processo de tomada de decisão
O ambiente ou o contexto em que os problemas estão envolvidos podem variar entre
condições de certeza, incerteza e risco.
• Decisão sob certeza: decisor conhece os resultados futuros da decisão;
• Decisão sob incerteza: o decisor não consegue prever o cenário futuro e avaliar o
risco da decisão tomada;
• Decisão sob risco: o decisor conhece os cenários que estão por vir e pode avaliar o
risco.
3.1.1 MÉTODO MULTICRITÉRIO DE APOIO A DECISÃO
Segundo Roy (2004), quando um tomador de decisão precisa resolver a questão de um
problema é difícil ter em mente um critério único, de forma clara e que seja aceito por todos
23
os agentes do processo decisório. Normalmente o processo não é racional e cada agente vai
considerar seus próprios objetivos e sistemas de valores. Deve-se levar em consideração
vários pontos de vistas para fazer um levantamento completo de tudo o que envolve o
problema. Cada um desses critérios é usado para avaliar o potencial da ação em escala
quantitativa ou qualitativa. Assim, quando a decisão encontrada está baseada em um conjunto
de critérios é chamada de decisão multicritério e quando se apoia em um único ela é
denominada monocritério. Essa abordagem não considera alguns aspectos da realidade e
negligencia variáveis. Já a abordagem multicritério contribui para:
• Delimitar um amplo espectro de pontos de vistas com a opinião de todos os
envolvidos no processo;
• Construir uma família de critérios que preservam para cada um deles, sem qualquer
conversão fictícia, o significado concreto das avaliações correspondentes;
• Facilitar o debate dos respectivos papéis que cada critério deve ter para ajudar no
processo de apoio a decisão (peso, veto, níveis aspiracionais e de rejeição).
No AMD constantemente se faz referência às palavras alternativa e critério e merece aqui
elucidação. Como alternativa compreende-se os elementos de escolha, opções de decisão. O
conceito de alternativa corresponde ao conjunto de ações potenciais consideradas, ou seja, o
objeto de decisão, em um processo onde podem ser finitas ou infinitas.
Critério é uma ferramenta construída para avaliar e comparar alternativas de acordo com
ponto de vista que deve ser bem definido. Assim ao analisar um critério de uma determinada
alternativa, descrevemos a performance da alternativa A de acordo como o critério C. Os
critérios devem ser inteligíveis a todos, servir de instrumento de comparação entre as
alternativas, satisfazer exigências lógicas de coesão, sem redundância e que abranja todos os
aspectos. Os elementos que pertencem a um determinado critério são chamadas avaliações, ou
24
níveis de uma escala. Cada nível pode ser caracterizado por um número, uma sentença verbal
ou um pictograma. Segundo Cooper e Shindler (2003) há vários tipos de escala de critérios,
como segue:
• Escala verbal: quando nada nos permite afirmar que pares de consecutivos níveis
refletem diferenças de preferências iguais dentro de uma escala. Baseia-se em uma
comparação binária: os elementos podem ser iguais ou diferentes;
• Escala intervalar: atribui números que representam a distância entre as opções de um
critério e/ou preferências de alternativas. Reflete numericamente a graduação que um
objeto está do outro;
• Escala cardinal: permite conhecer a quantidade de posições possíveis de uma escala;
• Escala ordinal: está associada a uma posição em ordem predefinida de importância.
Pode-se definir que um critério é mais importante que o outro e atribuir pesos;
• Escala quociente: tem como exemplo as escalas métricas e usa a razão (divisão) para
fazer o comparativo entre os elementos, como exemplo: um elemento é o dobro do
outro.
A escala escolhida mostrará como o decisor está atribuindo valores às alternativas.
Os problemas estão divididos de acordo com sua estruturação, por isso há problemas
estruturados, semi-estruturados e não estruturados.
• Problemas estruturados: usam processos lógicos e muito bem definidos. Os
problemas são rotineiros e repetitivos e podem ser programados em computadores. A
decisão gera resultados já esperados;
• Problemas semi-estruturados: usam alguns modelos matemáticos nas partes
estruturadas, mas as decisões finais são tomadas sobre critérios subjetivos;
25
• Problemas não-estruturados: são problemas que não existem processos lógicos e bem
definidos para resolução. Não tem caráter quantificável, está sujeito a probabilidades
desconhecidas ou possibilidades subjetivas. Não é possível obter todas as
informações necessárias.
Conforme Gomes, Araya e Carignano (2004) em AMD, a problemática de decisão está
estruturada em:
• Problemática de escolha (Pα): o objetivo é orientar a escolha de uma alternativa
dentro de um conjunto de alternativas possíveis. É a seleção de uma, entre um
pequeno número de alternativas. Deve-se avaliar no contexto da tomada de decisão
aspectos de imprecisão, incerteza e mal entendimento de características ou fatores
como quantidade e qualidade;
• Problemática de classificação (Pβ): o objetivo é classificar um conjunto de
alternativas em subconjuntos. Deve-se entender o contexto e a sequência de eventos
e possível descrição de um cenário futuro;
• Problemática de ordenação (Pγ): o objetivo é a ordenação das alternativas segundo
algum critério, ou seja, estabelecer uma ordem de prioridade para os elementos de
um conjunto de alternativas. Deve-se considerar fatores nebulosos e incompletos;
• Problemática de descrição (P�): o objetivo é identificar alternativas, critérios,
avaliações e fazer um levantamento de informações, sem que haja uma prescrição de
solução.
O objetivo final do AMD é ajudar aos gestores a tomar a melhor decisão. Mas isso depende
em parte do processo em que a decisão é realizada e implementada. Portanto, os métodos
devem ser vistos como chaves capazes de ajudar a abrir portas. Para atingir esse objetivo duas
26
visões são propostas. A primeira é a visão prescritiva do AMD, ou seja, é a visão do mundo
atual que pode ser traduzida em fórmulas matemáticas, racionais e independente dos atores de
decisão (BOUYSSOU , 2002). Os modelos são elaborados e o decisor apenas aceita ou não.
Já a visão construtivista se constrói os modelos junto com os valores e objetivos do decisor e
por isso, permite o envolvimento dos atores desde o início permitindo um aprendizado mútuo
sobre o problema (LARICHEV e OLSON, 2001).
3.1.2 MODELO DE PREFERÊNCIA
O modelo de preferência é utilizado para melhor entender e representar uma situação, na
comparação de dois objetos. Se o objeto A está antes do objeto B, há uma relação de ordem,
ou indução de uma medição associada a uma escala (se A vem antes de B, então é maior,
melhor ou mais rentável). Neste caso há uma relação de preferência, mas há casos em que um
objeto está próximo a outro e pode ser considerado indiferente. O objeto A e B são
praticamente iguais para determinado propósito. Neste caso há uma relação de indiferença.
Dessa forma podem ocorrer quatro situações :
Situação Definição Relação Binária
Indiferença Existem razões claras e positivas que justificam a equivalência entre as duas ações
I : Simétrica
Reflexiva
Preferência estrita Existem razões claras e positivas que justificam uma preferência significativa em favor de uma (bem definida) das duas ações.
P : Assimétrica (irreflexiva)
Preferência fraca Existem razões claras e positivas que não implicam uma preferência estrita em favor de uma (bem definida) das duas situações, mas essas razões são insuficientes para que seja assumida uma preferência estrita em favor da outra, ou a indiferença entre as ações
Q: Assimétrica (irreflexiva)
Incomparabilidade Inexistem razões claras e positivas que justificam uma das três ações precedentes
R: Simétrica (irreflexiva)
Gomes, Gomes e Almeida (2009)
Tabela 4 – Situações de Preferência
27
Incomparabilidade significa que o decisor não teve informações suficientes para definir
valores das alternativas. A incomparabilidade é diferente da preferência fraca, pois o decisor
tem convicção que uma alternativa não é preferível à outra.
Um conceito importante na relação binária é o conceito de transitividade. Assim se aPb (a
preferível a b) e bPc (b preferível a c) então aPc (a é preferível a c).
Um modelo de preferência representa a escolha do decisor e suas preferências. Se a
estruturação do problema não for bem realizada, um método inapropriado pode ser escolhido
e prover uma recomendação de decisão que não poderá ser justificada.
Os métodos podem estar combinados ou não. Como os AMDs são utilizados para ordenar,
classificar, selecionar ou descrever, um método pode ser escolhido para classificar as
alternativas e depois outro para escolher, com tanto que tenham a mesma base axiomática.
Abaixo esquema de alguns métodos e suas classificações quanto à teoria principal.
28
Gomes, Gomes e Almeida (2009)
Figura 7- Classificações dos AMDs
3.1.3 ESCOLA AMERICANA
A teoria da escola americana permite a definição de uma função que busca agregar os valores
de cada alternativa (ai) classificada em cada critério (c). A importância relativa de cada
critério vem do tradeoff, ou seja, o decisor vai comparar um critério ao outro e identificar uma
compensação. Essa abordagem não considera a incomparabilidade. Assim o valor cardinal da
alternativa ai recebe um conjunto de valores (v1i, v2i,..., vni) em cada um dos n critérios. O
critério menos importante receberá um peso menor que os outros. Essa teoria tem como regras
a comparabilidade, transitividade nas relações de preferência e indiferença. Abaixo, principais
métodos:
• MAUT – Teoria de Utilidade Multiatributo é uma extensão da Teoria de Utilidade,
no qual cada alternativa é descrita por uma lista de atributos. O fato de ser também
uma teoria torna MAUT um método de sólida fundamentação, sendo considerado o
AMD menos heurístico. A noção de utilidade foi desenvolvida por Daniel Bernoulli
29
em 1738 como uma unidade de medida de preferência, mas o marco foi a publicação
do trabalho Theory of Games and Economic Behaviour, por John von Neumann e
Oskar Morgenstern, criador da teoria em 1944. Logo depois em 1976, Keeney e
Raiffa , descreveram o conceito de medir a utilidade de cada uma das alternativas
candidatas a resolução de um problema, na presença de múltiplos atributos através de
uma função matemática que se chama função de utilidade (ou de valor) multiatributo,
com diferentes formas matemáticas, mas a aditiva é a mais comum. O cálculo da
função de utilidade aditiva é a soma da pontuação de cada critério, que são
ponderados de acordo com sua importância, formando uma média ponderada, de
acordo com cada um de seus atributos. Dessa forma se atribui uma medida de valor a
cada alternativa, estabelecendo uma ordem de preferências entre as alternativas de
acordo com os juízos de valores dos atores do processo de decisão. Para cada par de
alternativas, uma é estritamente preferível a outra ou são indiferentes. Nesse caso da
função de utilidade aditiva é fundamental que um atributo seja independente ao outro
para que se possa fazer os tradeoffs entre quaisquer critérios. Após os resultados é
necessário fazer uma análise de sensibilidade para certificar que uma pequena
mudança em um peso, por exemplo, possa mudar a ordem de preferência.
• AHP – Analytic Hierarchy Process: foi um dos primeiros AMD quantitativos e
qualitativos, criado por Thomas Saaty. A aplicação ao método começa com
organização de uma hierarquia de objetivos ou de critérios de diferentes pontos de
vista envolvidos na resolução. No nível mais baixo estão as alternativas. Depois
seguem as comparações por pares entre os vários elementos da hierarquia dessas
alternativas, com relação aos objetivos ou critérios situados em nível acima delas até
esses elementos situados no penúltimo nível da hierarquia. A atribuição de pesos aos
critérios no método AHP é baseado na comparação paritária dos critérios
30
considerados e feito por meio das perguntas qual desses critérios é o mais
importante, quanto este critério é mais importante que o outro. O decisor responderá
a essa última pergunta com um número que retrata uma expressão verbal em uma
escala de 1 a 9.
• MACBETH : O método MACBETH (Measuring Attractiveness by a Categorical
Based Evaluation Technique), desenvolvido por Bana e Costa, De Corte e Vansnick,
tem como foco principal a interação entre os agentes e o analista de decisão. Como
as pessoas têm dificuldades de avaliar preferências em escalas numéricas, a escala de
MACBETH é nominal, que durante o processo se transforma em escala numérica.
Permite agregar os diversos critérios de avaliação em um critério único de síntese por
meio da atribuição de pesos aos vários critérios, respeitando as opiniões dos
decisores, ou seja, busca a integração entre os agentes e o analista de decisão. Este
método é particularmente aplicável a problemas de seleção e ordenação. Permite
representar numericamente os julgamentos dos decisores sobre a atratividade global
das ações, unindo a representação numérica da informação, com os critérios, dentro
de um modelo de avaliação global. É uma abordagem interativa que auxilia a
construção de medidas cardinais de julgamentos sobre o grau de atratividade para o
qual os elementos de um grupo de ações potenciais finito possuem em relação aos
critérios.
3.1.4 ESCOLA FRANCESA
Nos métodos da escola francesa, não existem uma função de valor ou utilidade. Não há
transitividade de preferências e/ou indiferenças. A utilização desses métodos não pressupõe
uma definição de preferências por parte do decisor ao iniciar o processo de decisão. Os
métodos são mais flexíveis, pois não fazem uma comparação entre alternativas e não impõem
31
ao analista de decisão uma estruturação hierárquica dos critérios. (GOMES, ARAYA,
CARIGNANO, 2004).
• ELECTRE (Elimination Et Choix Traduisant La Realité) – ELECTRE I foi o
primeiro método, proposto por Roy em 1968, seguido do ELECTRE II, proposto por
Roy e Bertier em 1973. Baseiam-se em princípios em que as alternativas não
necessariamente precisam ser comparáveis e, portanto, dispensam a propriedade de
transitividade na comparação entre elas. A comparabilidade é parcial que define a
relação entre duas alternativas com uma das quatro relações de preferência
(indiferença, preferência forte, preferência fraca e incomparabilidade).
• PROMÉTHÉE (Preference Ranking Organization Method for Enrichment
Evaluations)- Principal criador foi Jean-Pierre Brans. O objetivo é resolver
problemas de ordenação. No método se obtém uma pré-ordem, parcial das
alternativas. Aplica-se para tal uma matriz de decisão com m alternativas e n
critérios. Há pesos relativos para cada critério e há seis tipos diferentes de pseudo-
critérios. A família Prométhée compreende Prométhée I, II e V.
3.1.5 MÉTODOS HÍBRIDOS
• O método Multicritério TODIM (Tomada de Decisão Interativa Multicritério) foi
elaborado por Gomes e Lima em 1992 e tem como natureza a resolução de
problemas do tipo de ordenação, principalmente em decisões de risco e para isso usa
a Teoria dos Prospectos, Kahneman e Tversky de 1979, como base do método. Tem
fundamentação psicológica que considera explicitamente o comportamento de cada
agente de decisão em relação ao risco. Obtém uma pré-ordem completa, em função
da qual será elaborada uma recomendação. Os critérios são quantitativos (ou
32
quantificáveis) e qualitativos e trata a interdependência entre critérios e alternativas
potenciais.
• Os métodos de VDA se dividem em:
o ZAPROS – Seus idealizadores são Larichev, Moshkovich e Olson. Foi
desenvolvido para ordenar alternativas na presença de múltiplos critérios. O
método Zapros-LM é usado em ambientes em que se pode facilmente
compreender a descrição do problema, com base em critérios de decisão
verbais e quando existem muitas alternativas.
o ZAPROS III - Evolução do ZAPROS-LM e tem objetivo de garantir alto nível
de compatibilidade com aplicações reais. Também se destina à obtenção de
uma ordenação parcial de alternativas multiatributo, porém demanda por um
número muito maior de interações com o decisor para comparações entre
critérios e explicitação de preferências.
o STEP-ZAPROS é outra evolução do ZAPROS-LM. Pode demandar, ou não,
um número maior de entrevistas com o decisor do que o método original,
porém dentro de um processo interativo específico em três etapas. Realiza-se
novas entrevistas com o decisor somente quando necessárias, o que provoca
um melhor desempenho do método.
o PACOM - Baseado na comparação par a par das alternativas. As alternativas
são comparadas para encontrar vantagens e desvantagens relativas. Supõe-se
que o decisor possui conhecimento necessário sobre o problema em questão e
as maneiras possíveis de resolvê-los. Os principais objetivos são: Organizar as
ideias do decisor, desenvolver outras formas de solução e auxiliar na seleção da
33
melhor alternativa. Não é recomendado para problemas com muitas
alternativas ou com grande número de critérios.
o ORCLASS – Nesse método há necessidade de criar uma classificação para as
alternativas. É recomendado quando se tem diferentes graus de avaliação para
um problema e há necessidade de organizar as alternativas em categorias.
o SNOD – Scale of Normalized and Ordered Differences, esse método usa
procedimentos simples, baseados em pontos de vistas psicológicos do decisor
na escolha da melhor alternativa. Podem ser usadas estimações quantitivas e
verbais e permite a comparação entre grande número de alternativas com um
mínimo de questões levantadas ao decisor. O método checa a consistência da
informação e mostra quais repostas levaram ao resultado final. Faz a
comparação de todas as alternativas analisando similaridades e diferenças.
3.1.6 OUTROS MÉTODOS QUANTITATIVOS DE APOIO À DECISÃO
Há outros métodos de origem quantitativa e outros que tratam do não determinismo
(imprecisão e ambiguidade) que se unem as acima descritas no apoio à decisão, segundo
Gomes, Gomes e Almeida (2009):
• Métodos de Programação Matemática: São métodos que envolvem o conceito de
otimização, ou seja, há a necessidade de maximizar ou minimizar uma determinada
grandeza. A quantidade que se espera otimizar é chamada de função objetivo. Entre
os métodos que utilizam programação matemática, destaca-se:
o Programação Linear (PL): é aplicada a solução de problemas que tem como
objetivo a otimização do objeto estudado, ou seja, a maximização de
parâmetros (exemplo: vendas, lucros) ou a minimização (exemplo: custo,
34
recursos), respeitando um sistema de igualdades ou desigualdades que são as
restrições do modelo. Essas restrições são limitações dos recursos disponíveis
ou condições que devem ser cumpridas e formam o conjunto das soluções
viáveis. A melhor delas é a solução ótima, ou a alternativa que se considera
mais favorável. Há a PL mono objetivo e a multiobjetivo (PLMO), que
considera vários aspectos de um problema e pondera objetivos conflitantes,
procurando uma solução de compromisso satisfatória, isto é, apresenta um
conjunto de soluções eficientes , pois nenhuma melhoria pode ser alcançada em
um componente da função vetorial sem que haja piora em pelo menos um dos
outros componentes.A PMLO pode ser classificada de acordo com o grau de
interferência do agente de decisão. Assim, se o agente indicar suas preferências
para transformar o problema inicial em um problema monocritério é a opção
normativa. Quando não há agregação de preferência e todas as soluções do
problema são colocadas a disposição do decisor é o método gerador de
soluções eficientes. Se o método evolui para solução preferida a partir de
decisões parciais sobre hipóteses que são mostradas, reduzindo a zona de
pesquisa, minimizando o esforço computacional e do agente de decisão é
chamado de método interativo.
o Simulação: A simulação é usada quando não há disponibilidade de métodos
analíticos para o problema estudado. Pode ser definida como experimentações
numéricas usando modelos lógicos e ou matemáticos que tem o objetivo de
descrever o comportamento de um sistema representado por um modelo e obter
estimações de parâmetros que se deseja analisar.
• PO SOFT: é composta por um conjunto de métodos que tratam a complexidade,
conflitos e incertezas de situações reais e tem como função principal a estruturação
35
dos problemas. Esses problemas são difíceis de serem modelados matematicamente e
precisam de outras ferramentas e metodologias que não as tradicionais da pesquisa
operacional que normalmente adotam a teoria das probabilidades. O método SOFT
usa o conceito de possibilidades, usando eventos ou resultados que os decisores
apontam como relevantes, sem que seja associado um número. Usam técnicas
predominantemente qualitativas, racionais, interpretativas e estruturadas para
explorar, definir e interpretar as várias perspectivas do problema em estudo.
• Método dos conjuntos aproximativos teve início nos anos 80 pelo pesquisador
polonês Zadislaw Pawlak. É uma ferramenta que transforma um conjunto de dados
em conhecimento e trata a granulosidade, tipo de imprecisão em um sistema de
informação. A teoria dos conjuntos aproximativos é caracterizada por um conjunto
de elementos que não pode ser precisamente definido em seus atributos.É a primeira
metodologia não estatística para análise de dados e não necessita de um banco de
dados preliminar.
• Teoria dos conjuntos nebulosos foi introduzida por Lofti Asker Zadeh em 1965, é
uma extensão da lógica booleana para reduzir o conceito de verdade não absoluta e
funciona como ferramenta para tratar imprecisões na linguagem natural. A
matemática nebulosa é uma tentativa de aproximar a precisão da matemática à
imprecisão do mundo real. Está associada à abstração e a generalização e possibilita
a representação de conceitos vagos e imprecisos com a precisão da matemática no
tratamento.
3.2 VDA versus MAUT
De acordo com Larichev, Brown e Flanders (1998), o sucesso da aplicação de um AMD
depende não somente da técnica usada, mas também das habilidades dos praticantes, pois
36
análise de decisão não tem como único objetivo achar a melhor decisão, mas ajudar as
pessoas a entender e resolver os problemas. Nem todas as pessoas se sentem confortáveis para
fazer decisões sobre parâmetros quantitativos. VDA usa uma linguagem natural e com
categorização não numérica. Já a análise quantitativa de decisão, como MAUT, representa a
incerteza e os valores em forma de números e combinados em um modelo quantitativo
derivado da teoria da decisão.
3.2.1 VDA
De acordo com Larichev e Olson (2001), VDA é uma abordagem baseada na psicologia
cognitiva, em matemática aplicada e em informática. Problemas de extração correta das
estimações quantitativas pelos tomadores de decisões podem ser superados usando a
informação preferencial de forma ordinal (Ex: “mais preferível”, “menos preferível” etc). O
tipo de julgamento é conhecido para ser o mais estável e consistente. Modos de obtenção e
uso dos julgamentos ordinais para alternativas de múltiplos critérios são discutidos e
avaliados nos métodos de decisão descritos anteriormente (seção 3.1.5): ZAPROS-LM,
ZAPROS III, STEP-ZAPROS, SNOD, ORCLASS e PACOM.
A medição da performance da estimativa é um processo subjetivo, assim como a construção
da regra. As possibilidades e limitações das informações humanas devem ser consideradas no
sistema. Pessoas cometem erros e por isso procedimentos para detectar falhas e contradições
devem existir. Para isso, alguns passos devem ser tomados:
• Incorporar meios de verificação da consistência da informação do decisor ;
• O método requer que pelo menos dois critérios sejam independentes e que a regra da
transitividade seja respeitada para as preferências;
• Transparência para o decisor;
CACBBA fff ⇒→
37
• Demonstrar ao decisor que os resultados da análise estão conectados a estruturação
do problema e às informações obtidas. O decisor deve perceber que a informação
fornecida por ele conduz ao resultado obtido.
A maioria das pessoas tem limitações em fazer estimativas e comparar objetos com valores
numéricos. As descrições verbais sobre níveis de critérios são mais confiáveis nas avaliações,
assim como tornam as informações mais estáveis. Julgamentos qualitativos são preferíveis na
maioria das operações, entretanto VDA usa julgamentos ordinais como intervalo de dados.
De acordo com Moshkovich, Mechitov e Olson (2005), comparações ordinais são sempre o
primeiro passo na escolha dos processos de preferência em uma análise multicritério. Há
formas de analisar a melhor decisão com base em julgamentos ordinais. Possíveis tipos de
informação de preferência ordinal podem ser agrupados como segue:
• Ordenar níveis separados de cada escala de critério - uma alternativa é mais
preferível a outra se tiver níveis de critérios que não são menos preferíveis em todos
os atributos e é mais preferível em pelo menos um.
• Ordenar os critérios por importância - Primeiro seleciona alternativas com o melhor
nível possível sobre o critério mais importante. Do subconjunto resultante seleciona
as alternativas com o melhor nível possível do próximo critério e assim
sucessivamente.
• Comparação par a par das alternativas - resultado deste procedimento de comparação
de todos os pares de alternativas resulta num ordenamento das alternativas.
• Tradeoffs ordinais: comparação par a par de alternativas hipotéticas diferenciando-as
de somente dois critérios. Pedir ao decisor que considere dois critérios e escolher
qual prefere sacrificar. Depois ordenar os critérios dos melhores para os piores.
Dessa forma o decisor está atribuindo “peso” aos critérios e não necessariamente
38
atribuindo valores quantitativos a eles. Exemplo : O que você prefere; ter o melhor
nível do critério i e o pior nível do critério j ou o melhor nível do critério j e o pior
nível do critério i, mantendo-se todos os outros critérios?
Com a VDA podemos trabalhar com problemas não estruturados onde existe um grande
número de alternativas a partir de características qualitativas a serem avaliadas pelo decisor.
As alternativas são avaliadas contra um conjunto de critérios com formulações verbais ou
graus de qualidade dentro das escalas. Existem vários métodos na VDA, mas o método
ZAPROS-LM é o foco desse estudo.
3.2.2 ZAPROS-LM
ZAPROS é uma abreviação de palavras russas que significam procedimentos fechados
próximo a situações de referência. É o mais utilizado para ordenar alternativas conforme seus
múltiplos critérios. De acordo com Gomes (2007), deve-se escolher esse método em situações
onde se possa compreender a descrição do problema e quando existem muitas alternativas a
considerar. O objetivo do método ZAPROS é elaborar uma regra de decisão subjetiva capaz
de estabelecer pelo menos uma ordem parcial para um conjunto de alternativas. As
alternativas são avaliadas a partir de um conjunto de critérios de formulação verbal de níveis
de qualidade. Esse método é baseado na implementação da escala ordinal verbal e tradeoffs
nas escalas de pares de critérios próximo de duas situações de referências, que determinam o
melhor e o pior cenário possível na avaliação das alternativas. Formulação do problema:
• Há um conjunto de n critérios para avaliação das alternativas;
• X i é um conjunto finito de possíveis valores verbais na escala de critério i=1,...,n,
onde |Xi| =ni
• X=∏ Xi é um conjunto de todos os vetores possíveis no espaço de n critérios n
i=1
39
• A= {a1,...,ai,...,am} ⊆ X é um subconjunto de vetores de X descrevendo as
alternativas reais.
CRITÉRIOS AVALIAÇÕES
EXPRESSÃO NO SEGMENTO
Tem expressão no segmento farmacêutico a1
Iniciante no segmento farmacêutico a2
Sem expressão no segmento farmacêutico a3
CUSTO
Abaixo do orçamento b1
Dentro do orçamento b2
Acima do orçamento b3
USABILIDADE
Fácil de Usar c1
Apresenta alguma complexidade c2
Complexo de usar c3
Tabela 5 – Exemplo de critérios da automação da força de vendas
Depois de estruturado o problema, deve-se ordenar as alternativas de acordo com a
preferência do decisor. Há alguns símbolos de relacionamento entre as alternativas:
• ≽i é uma relação de preferência fraca com relação ao critério i: a,b ∈ A, a ≽i b,
significa que a é pelo menos tão bom quanto b neste critério;
• ≻i é uma relação de preferência estrita do critério i: a,b∈A,a ≻i b, se a ≻i b e não b≻ia
• ~i é a relação de indiferença do critério i: a,b ∈A, a ~i b, se a≻i b e b≻i a
Após a ordenação das alternativas, o próximo passo é construir uma escala ordinal de junção
de todos os critérios, chamada pela sigla JOS - Joint Ordinal Scale. Essa escala é um ranking
completo ordenado de vetores de Y, onde Y é um subconjunto de vetores de X com todos os
melhores valores mais um. O ranking ordenado significa que para cada x,y ⊆ Y x≻y ou y≻ x
ou x~y.
40
Criterios de RNK Exemplos Vetores
mesmos valores JOS Correspondentes
a1,b1,c1 1 a1,b1,c1
a2 2 a2, b1,c1
a3 3 a3, b1,c1
b2,c2 4 a1,b2,c1/a1,b1,c2
b3,c3 5 a1,b3,c1/a1,b1,c3
Tabela 6 – Exemplo de ranking JOS
Para evitar perda de comparação e identificar melhor as inconsistências, se constrói uma
matriz quadrática. O resultado de cada célula é a comparação par a par das alternativas.
CRITÉRIOS AVALIAÇÕES
a2
a3
b2
b3
c2
c3
d2
d3
EXPRESSÃO NO SEGMENTO
Iniciante no segmento farmacêutico a2 b2 a2 a2 a2 d2 a2
Sem expressão no segmento farmacêutico
a3 b2 a3 a3 a3 d2 a3
CUSTO Dentro do orçamento b2 b2 b2 d2 b2
Acima do orçamento b3 c2 b3 d2 b3
USABILIDADE Apresenta alguma complexidade c2 d2 c2
Complexo de usar c3 d2 c3
PERFORMANCE Módulos com desempenho razoável d2
Módulos com desempenho lento d3
Tabela 7 – Exemplo de matriz de critérios
Alternativa a não é menos preferível que a alternativa b, se para cada valor de critério de a,
puder ser encontrado um único valor de critério da alternativa b não mais preferível. Uma
forma mais simples de implementar essa regra é substituindo o valor de critério em cada
alternativa pelo ranking correspondente na JOS e organizar em ordem crescente, assim pode-
se comparar duas alternativas. JOS1(a) ≤ JOS2(a) ≤… ≤ JOSn(a).
41
Critérios de RNK Exemplos Vetores JOS
JOS
mesmos valores JOS Correspondentes ordenado
a1,b1,c1,d1 1 a1,b1,c1, ,d1 1,1,1,1 1,1,1,1
a2 2 a2, b1,c1,d1 2,1,1,1 1,1,1,2
a3 3 a3, b1,c1, ,d1 3,1,1,1 1,1,1,3
b2,c2,d2 4 a1,b2,c1,d1/a1,b1,c2,d1 1,4,1,1 1,1,1,4
b3,c3,d3 5 a1,b3,c1,d1/a1,b1,c3,d1 1,5,1,1 1,1,1,5
Tabela 8 – Exemplo de organização das alternativas - JOS
Alternativa a não é menos preferível que a alternativa b se para cada i=1,…n JOSi(a)≤JOSi(b).
Há casos em que podem ocorrer incomparabilidade entre as alternativas, como no exemplo
citado acima, o vetor a1,b2, c1, d1, e a1, b1 e c2, d1.
Para garantir que as respostas do decisor foram robustas o suficiente para não modificar a
ordem de preferência das alternativas, cada comparação entre as alternativas deve ser
realizada pelo menos duas vezes. Nesse momento também se realiza os ajustes das
inconsistências.
A primeira rodada para construção da JOS deve ser realizada, tomando como referencia a 1ª
situação de referência, ou seja, a melhor hipótese. Já a segunda rodada deve ser realizada
partindo da 2ª situação de referência. Caso haja divergência, a ordenação dos critérios na
escala JOS pode apresentar inconsistência e o impasse deve ser administrado com o decisor.
3.2.3 MAUT
Conforme Dyer (2005), a Teoria de Utilidade Multiatributo - MAUT derivou da teoria de
utilidade e tem em sua abordagem várias alternativas que são descritas por uma lista de
atributos. Dentro de todos os AMDs é o único recebe o nome da teoria e nisso fundamenta seu
método analítico. A noção de utilidade foi descrita por Daniel Bernoulli em 1738, mas o
42
marco da teoria foi a publicação do trabalho por John von Neumann e Oskar Morgenstern, em
1944. Keeney e Raiffa em 1976 introduziram o conceito de medir a utilidade de cada uma
das alternativas selecionadas para a solução do problema com vários atributos, dentro de uma
função matemática.
A solução do problema de decisão não se resume apenas a determinação da função de
utilidade, mas também na maximização do valor esperado da função de utilidade. Tal método
pressupõe que não existe incomparabilidade entre as alternativas e que há transitividade nas
relações de preferência e indiferença. Abaixo, relação de preferências básicas:
• A é preferrível a B – a P b
• B é preferível a A – b P a
• A é indiferente a B - a I b
A transitividade está presente nesse método da seguinte forma:
• Se a alternativa “a” é preferível “b”; e a alternativa “b” é preferível a “c”, então “a” é
preferível a “c” (transitividade da preferência).
• Se a alternativa “a” é indiferente a “b”; e a alternativa “b” é indiferente a “c”,
então“a” é indiferente a “c” (transitividade da indiferença).
O pressuposto básico de MAUT é de que existe uma função de utilidade específica de cada
um dos diferentes atributos das alternativas.
De acordo com Dyer (2005), há duas principais teorias distintas que representam a preferência
dos decisores. Preferência em cenários de certeza absoluta e preferências em cenários de
incerteza, ou riscos.
43
Função de Utilidade: u(x1, x2, ..., xn) = f [u1(x1), u2(x2), ..., un(xn)] u(x) é a função de utilidade referente à todos os critérios da alternativa x.
O modelo de preferência aditiva ordinal concentra a maior parte das aplicações do método.
u(a) = ∑ kj uj (a)
uj (a) representa a função utilidade parcial da alternativa a segundo o j-ésimo atributo; kj (com kj ≥ 0) representa uma constante de escala relativa ao j-ésimo atributo, frequentemente chamada de peso do atributo.
A forma aditiva da função implica que os atributos sejam preferencialmente independentes.
Assim, antes de aplicar a fórmula é necessário testar a independência.
Abaixo alguns itens da independência entre as diferenças:
• A diferença entre as preferências de duas alternativas, nas quais todos os atributos
são iguais, exceto um, a diferença independe dos outros atributos;
• Se os atributos tiverem preferência mutuamente independente também terão
independências mútuas de suas preferências.
Os atributos são estimados em uma escala que varia de 0 para o pior escolha e 100 para o
melhor escolha.
Após os resultados é necessário aplicar uma análise de sensibilidade para verificar se as
conclusões são realmente contundentes ou se há algum ponto sensível o suficiente para mudar
completamente a ordem das alternativas.
n
j≤1
44
Os principais métodos de ponderação são SMART (Simple Muti-Atribute Rating Technique),
usado quando a escolha da alternativa envolve risco, Swing Weighting, Pricing Out e
Tradeoff.
SMART, segundo esse critério a atribuição de peso é feita em duas etapas. Na primeira os
critérios são ordenados de acordo com sua importância e a segunda, decisor avalia a
importância relativa de cada critério. Nessa etapa o critério menos importante recebe 10
pontos e os demais critérios acima de 10.
A técnica Swing Weighting permite a interação com o decisor para atribuição dos pesos de
todos os critérios e subcritérios. O decisor compara os atributos individuais, imaginando
resultados hipotéticos, iniciando com uma alternativa que tem o pior resultado em todos os
atributos e uma que tenha o melhor resultado em apenas um dos atributos (CLEMEN e
REILLY, 2001). As várias alternativas hipotéticas são então classificadas. A pior alternativa
recebe 0 pontos, o melhor alternativa recebe 100 pontos. Daí se pode calcular os pesos,
dividindo os pontos pelo somatório de todos os pontos.
Já Pricing Out é uma técnica que envolve a determinação do
valor de um objetivo em termos de outro. Por exemplo, pode-se dizer que 5 dias é o tempo
mais rápido de entrega e custa R$ 400. A idéia é encontrar o ponto de indiferença, ou seja, a
determinação da taxa marginal de substituição entre os dois atributos. (BICHLER et al, 2001).
Tradeoff Weighting, o decisor é convidado a considerar duas alternativas hipotéticas que se
diferenciam entre si em apenas dois critérios, permanecendo iguais nos demais critérios. O
decisor varia a pontuação das alternativas dentro dos critérios considerados para obter
45
inequações que permitam a posterior definição dos pesos dos critérios. (GOMES, GOMES e
ALMEIDA, 2009).
3.2.4 COMPARAÇÃO ENTRE MAUT E ZAPROS-LM
Os dois métodos se assemelham em vários pontos, mas há vantagens e desvantagens que
devem ser consideradas. Abaixo características da análise verbal e numérica
COMPARAÇÃO VDA MAUT
Medição Linguagem verbal. Mais usada e adequada para definir preferências
Números. Maior precisão e autoridade.
Complexidade Reduzida. Foco nas diferenças essenciais de cada alternativa
As alternativas e critérios recebem um valor, o que pode ser exaustivo
Qualidade dos Resultados
Relação binária entre alternativas. Pode gerar alguma incompatibilidade
Resultados mais ricos e que possibilitam melhor análise
Dificuldades Cognitivas
Compensa as ambiguidades Incertezas calculadas com precisão
Organização Nenhuma experiência. Facilita o trabalho e entendimento.
Requer treinamento. Difícil consenso em torno de temas subjetivos.
Tabela 9 – Comparação entre VDA e MAUT
O objetivo da VDA é levar em consideração o comportamento humano nos processos
decisórios refletidos nas preferências dos decisores;
• VDA é designado a eleger relacionamentos de preferências e é mais orientado a
tarefas com grande número de alternativas e pequenos números de critérios;
• Baseado nos mesmos princípios que MAUT, mas utiliza escolhas de preferências
verbais e alternativas de decisão sem recursos numéricos.
3.3 ESCOLHA DO SISTEMA DE AUTOMAÇÃO
Para entender o processo de escolha do sistema de automação que será implementado no ano
de 2010 na empresa FQHB é necessário entender sua estrutura hierárquica e identificar quais
os atores do processo de decisão.
46
O setor responsável pela atividade de automação da força de vendas é o departamento de
Inteligência de Mercado que além de outras funções, controla o banco de dados de visitação e
cadastro de clientes. Neste setor há três analistas e um coordenador que respondem ao gerente
de marketing. Essa equipe tem formação diversificada incluindo dois administradores, um
estatístico e um analista de sistemas. Os analistas já trabalharam em outras empresas que
usavam outros sistemas de automação presentes na avaliação dessa dissertação. Sendo assim,
os papéis foram traçados conforme segue:
• Decisor: Gerente de Marketing que ajudou na elaboração dos critérios, dos pesos
(MAUT) e na definição do ranking (ZAPROS-LM).
• Facilitador: Coordenador da área de Inteligência de Mercado – autora dessa
dissertação, que auxiliou na aplicação dos métodos e na análise dos resultados.
• Analistas: São os analistas da área de Inteligência de Mercado que como
consumidores das ferramentas e com experiência nos sistemas expostos acima vão
atribuir notas e preferências entre as alternativas.
3.3.1 ESCOLHA DO MÉTODO
A escolha do método começou pelo entendimento da natureza do problema que é encontrar a
melhor alternativa, através de um ranking de opções e compreender que as possibilidades são
subjetivas e que não é possível obter todas as informações necessárias - cenário próprio de
problemas não estruturados. Dessa forma todas as alternativas de métodos de problemas
estruturados e semi-estruturados como programação linear, simulação entre outros próprios
das técnicas da pesquisa operacional foram descartados. Os métodos de classificação também
foram excluídos como ORCLASS e ELECTRE TRI. Mas a natureza qualitativa dos métodos
de análise verbal com sustentação matemática e psicológica e que respeitam as possibilidades
47
e limitações humanas se contrastavam com os métodos de natureza quantitativa que traziam
pontuação e precisão na análise. Por isso os métodos ZAPROS-LM e MAUT foram
escolhidos para entender qual o melhor método para tomada de decisão na empresa FQHB.
Abaixo principais motivos da escolha desses métodos:
• MAUT
o Permite fazer avaliação e tradeoffs dos critérios conflitantes e com isso análises
mais profundas;
o Associa uma pontuação a cada alternativa estabelecendo uma ordem de
preferência;
o Estabelece uma média ponderada das utilidades individuais. Assim fica notório
que determinados critérios são mais importantes que outros;
o As preferências modeladas pela função matemática são completas, pois cada
par de alternativa é estritamente preferível à outra ou são indiferentes e não
permitem incomparabilidade;
o A análise de sensibilidade permite identificar mudanças nas variáveis do
modelo para evitar que mudanças nos pesos alterem a ordem de preferências;
o A ponderação de critérios e pontuação para cada avaliação já são realizadas
hoje na empresa FQHB na avaliação anual do funcionário, fato que contribuiu
positivamente para a escolha do MAUT, através da técnica Swing Weighting;
o Os atores de decisão envolvidos no estudo de caso têm formação na área de
estatística, informática e administração, portanto supõe-se que não terão
dificuldades de compreensão do método.
48
• ZAPROS-LM
o Grande parte das decisões na empresa FQHB é tomada sobre critérios
subjetivos e dentro de um cenário de incertezas, principalmente na área de
marketing. Um exemplo clássico é a escolha de campanhas promocionais para
lançamento de produtos, onde o aspecto lúdico que vai envolver o cliente tem
um apelo muito maior que o custo;
o No exemplo exposto acima já se faz intuitivamente uma ordenação da melhor
campanha para a pior campanha, que também é a proposta para esse estudo de
caso, ordenar a melhor ferramenta de automação da força de vendas para
posterior escolha. Por isso, os métodos PACOM e ORCLASS que são
respectivamente de seleção e classificação foram rejeitados.
o O ZAPROS-III e STEP-ZAPROS não foram escolhidos pois demandam um
número maior de entrevistas com o decisor do que o método original. Como
tempo é um dos recursos escassos em um ambiente competitivo como da
indústria farmacêutica, a escolha do método rápido e adequado ao problema é
fator de maior aceitação entre os decisores;
o O método pode ser utilizado com uma grande quantidade de alternativas e
número razoável de critérios. Sendo assim, pode ser utilizado também em
outros projetos que requerem mais alternativas a serem avaliadas, como por
exemplo, em análise de desempenho dos representantes da força de vendas
para uma promoção. Aspectos comportamentais nem sempre podem ser
mensurados quantitativamente;
o Nem todas as avaliações podem ser quantificáveis, como por exemplo, como
medir a complexidade de uso de um software? Por mais que sejam feitas
49
avaliações sobre o número de acessos, essa informação não é suficiente e
outros dados subjetivos como falta de domínio em informática por parte do
usuário pode ser negligenciado.
Esses dois AMDs já foram objetos de estudo de diversas dissertações com enfoques
diferenciados e em ambientes diversos, sendo que alguns exemplos recentes são abaixo
citados:
• VDA:
o Donô (2009) – aplicou o método ZAPROS-LM no processo de tomada
de decisão na seleção de investimentos sustentáveis para fundos de
pensão brasileiro.
o Magalhães (2008) – aplicou ZAPROS-LM na seleção de projetos de
tecnologia da informação.
o Torres (2007) – aplicou o método ORCLASS no departamento de
Marketing em pequenas empresas.
o Rodrigues (2007) – aplicou ZAPROS-LM na escolha de sistemas de
informações para o varejo.
o Castro (2002) – aplicou ZAPROS-LM na seleção de projetos
comerciais em processos licitatórios.
• MAUT:
o Woitowicz (2009) – aplicou método MAUT na seleção de uma
ferramenta de BI.
o Leal Jr. (2008) – aplicou o método Interval/Smart Weighting para
tratamento de incerteza na escolha de fornecedores.
50
o Pires (2008) – aplicou o método Interval Smart/Swing Weighting para
escolha de localização na internacionalização de centros de
competências.
o Meirelles (2007) – aplicou MAUT como instrumento de gestão do
conhecimento em uma indústria de refino de petróleo.
o Neiva (2006) – aplicou o método Swing Weighting na escolha de
softwares de e-procurement.
51
4 METODOLOGIA
Depois de identificado o problema de pesquisa que é a escolha da ferramenta de automação
mais adequada, de acordo com o contexto do problema e atores de decisão, chegou o
momento da aplicação prática.
Primeiramente foi exposto às pessoas envolvidas o objetivo do estudo e a importância do
mesmo, já que o projeto de escolher uma ferramenta de automação da força de vendas já
havia começado e as empresas que participariam do piloto já escolhidas. Essas empresas serão
nomeadas alternativas A, B e C, já que pelo acordo de confidencialidade não permitem que
seus nomes sejam divulgados.
Após essa primeira etapa e aprovado o processo de decisão por todos os envolvidos, foram
traçados os próximos passos:
• Decisor e facilitador:
o Entrevista com o decisor sobre os critérios e subcritérios que seriam avaliados,
o Definição dos pesos para aplicação MAUT através da técnica Swing
Weighting;
o Adaptação dos critérios e avaliações para o método ZAPROS-LM;
o Construção da matriz de comparação da 1ª Situação de Referência;
52
o Construção da matriz de comparação da 2ª Situação de Referência;
o Avaliação das inconsistências entre as matrizes e transitividade;
o Construção do Ranking JOS.
• Analistas de decisão e facilitador:
o Explicação dos métodos e diferenças entre eles;
o Explicação dos conceitos de cada critério;
o Escolha das alternativas nos dois métodos.
• Todos:
o Análise dos resultados dos métodos;
o Decisão final.
4.1 ENTREVISTA COM DECISOR
De acordo com especificações de Malhotra (2007), foi realizada uma entrevista em
profundidade com o Gerente de Marketing para listar os critérios e subcritérios que seriam
usados nos métodos. Antes de começar a entrevista foi dada uma breve explanação sobre os
AMDs que seriam usados, as diferenças entre eles e o porquê do uso das duas metodologias.
As perguntas eram abertas e depois transcritas. Foram divididas inicialmente em 2 grandes
conjuntos antes da definição dos critérios: o primeiro referente à Força de Vendas e o segundo
à Matriz, que são os departamentos administrativos. Mas os sub-critérios foram tomando
outros caminhos e no final da entrevista, esses dois grupos se desmembraram, formando cinco
grupos de sub-critérios.
53
Figura 8- Critérios e sub-critérios
4.1.1 CONHECENDO MAUT
Após a definição dos critérios e sub-critérios, foi mostrado primeiramente ao decisor o
método MAUT com a técnica de ponderação Swing Weighting. Começamos as perguntas a
partir de uma situação hipotética, com todos os critérios e sub-critérios comparando com a
pior avaliação possível (benchmark). Por exemplo, no critério empresa, definimos como a
pior hipótese, o fornecedor não ter nenhuma expressão no segmento farmacêutico e ainda o
orçamento mais caro de todos. Sobre essa hipótese, foi perguntado ao decisor, se ele
melhorasse algum dos dois critérios, qual seria. A reposta foi expressão no segmento
farmacêutico, pois há muitas particularidades da indústria farmacêutica, que empresas não
especializadas teriam dificuldades no entendimento completo para construção de um sistema
de automação. Desta forma, foi definido o ranking de subcritérios, dentro do critério
CRITÉRIOS
SUB-CRITÉRIOS
54
institucional. O número um foi atribuído a expressão no segmento farmacêutico e o número
dois ao custo.
Posteriormente foi perguntado se o critério expressão no segmento farmacêutico tivesse nota
100, qual seria a nota do critério custo? A resposta foi 80. No final, o peso foi obtido pela
divisão de cada nota pela soma de todas as outras do critério institucional. Abaixo tabelas que
demonstram a atribuição das notas e pesos.
INSTITUCIONAL RNK NOTA PESO
Pior Hipótese 3 0 0,00000
Expressão no segmento farmacêutico 1 100 0,55556
Custo 2 80 0,44444
Tabela 10 – Exemplo de uso da técnica Swing Weighting - MAUT
Esse procedimento foi repetido em todos os sub-critérios e critérios.
INSTITUCIONAL RNK NOTA PESO
Pior Hipótese 3 0 0,00000
Expressão no segmento farmacêutico 1 100 0,55556
Custo 2 80 0,44444
FORÇA DE VENDAS RNK NOTA PESO
Pior Hipótese 5 0 0,00000
Usabilidade 1 100 0,31250
Performance 2 90 0,28125
Conectividade 3 70 0,21875
Suporte (Help Desk) 4 60 0,18750
MATRIZ RNK NOTA PESO
Pior Hipótese 4 0 0,00000
Controle das tabelas mestres 1 100 0,41667
Relatórios dinâmicos com acesso a todos os dados
2 80 0,33333
Tempo de customizações de novos módulos
3 60 0,25000
MÓDULOS RNK NOTA PESO
Pior Hipótese 13 0 0,00000
Auditoria de Receituário 1 100 0,13699
Auditoria de DDD 3 80 0,10959
Auditoria de Demanda – PDV 9 40 0,05479
Consultas a estatísticas de visitação 6 70 0,09589
Histórico de Visitação 2 90 0,12329
Relatório de Despesas 7 50 0,06849
Farmacovigilância 12 20 0,02740
55
Trabalho médico-científico 4 80 0,10959
Controle de entrega de amostras e MP 8 50 0,06849
Gestão do painel médico (médicos potenciais)
10 40 0,05479
Pesquisa de Campo 11 30 0,04110
Pedidos 5 80 0,10959
INTEGRAÇÃO AO BANCO DE DADOS RNK NOTA PESO
Pior Hipótese 3 0 0,00000
Integração dos Pedidos ao ERP 1 100 0,58824
Integração da Base de dados com o BI 2 70 0,41176
Tabela 11 – Ranking e Peso dos sub-critérios MAUT
CRITÉRIOS RNK NOTA PESO
Pior Hipótese 6 0
INSTITUCIONAL 1 90 0,23684
FORÇA DE VENDAS 2 90 0,23684
MATRIZ 4 70 0,18421
MÓDULOS 3 90 0,23684
INTEGRAÇÃO AO BANCO DE DADOS 5 40 0,10526
Tabela 12 – Ranking e peso dos critérios MAUT
De acordo com a visão do decisor o método foi relativamente simples de ser entendido e a
construção dos critérios, sub-critérios e pesos de cada um deles fácil de ser aplicado. Sugeriu
que fosse colocado uma descrição ao lado de cada um dos sub-critérios para facilitar os
analistas no entendimento durante a atribuição da nota às alternativas.
4.1.2 CONHECENDO ZAPROS-LM
Para que os parâmetros fossem semelhantes, após conclusão da definição de critérios e pesos
de MAUT, foi aplicado o método ZAPROS-LM. Primeiramente os critérios de MAUT foram
adaptados para ZAPROS-LM. Nessa etapa, cada sub-critério se transformou em um critério e
houve a necessidade de criar avaliações qualitativas de cada critério, procurando seguir três
prováveis situações: boa, razoável e ruim. Ao se deparar com o critério módulo, havia na
56
aplicação de MAUT, 12 sub-critérios que iriam se transformar em ZAPROS-LM em 12
critérios com três avaliações cada. Neste caso, esse critério módulo, se transformou em um
único critério em ZAPROS-LM. O critério custo se dividiu em três avaliações, considerando o
orçamento da empresa.
CRITÉRIOS AVALIAÇÕES
EXPRESSÃO NO SEGMENTO
Tem expressão no segmento farmacêutico a1
Iniciante no segmento farmacêutico a2
Sem expressão no segmento farmacêutico a3
CUSTO
Abaixo do orçamento previsto b1
Dentro do orçamento previsto b2
Acima do orçamento previsto b3
USABILIDADE
Fácil de Usar c1
Apresenta alguma complexidade c2
Complexo de usar c3
PERFORMANCE
Desempenha com velocidade os módulos d1
Módulos com desempenho razoável d2
Módulos com desempenho lento d3
CONECTIVIDADE
Tempo de conexão bom, dentro do esperado e1
Tempo de conexão dentro do esperado e2
Demora na conexão e3
HELP DESK
Atendimento do Help Desk rápido e sempre resolve os problemas f1
Atendimento do Help Desk rápido e nem sempre resolve os problemas f2
Atendimento demorado e resolve os problemas algumas vezes f3
CONTROLE DAS TABELAS MESTRES
Administrador do sistema tem controle total das tabelas mestres g1
Administrador do sistema tem controle parcial das tabelas mestres g2
Administrador sem controle das tabelas mestres g3
RELATÓRIOS
Usuários tem acesso a relatórios dinâmicos para montagem de visões customizadas
h1
Usuário tem acesso a relatórios com filtros h2
Usuários tem acesso a relatórios pré-formatados h3
TEMPO DE ELABORAÇÃO DE MÓDULOS
Menor que 3 meses em média i1
3 meses em media i2
Maior que 3 meses em média i3
MÓDULOS
Possui todos os módulos que a empresa precisa j1
Possui os módulos mais importantes que a empresa precisa j2
Possui apenas alguns módulos que a empresa precisa j3
INTEGRAÇÃO DO BD
Pode integrar o banco de dados aos sistemas gerenciais da empresa k1
Integra o banco de dados aos sistemas gerenciais se fizer customizações k2
Não integra o banco de dados aos sistemas gerenciais da empresa k3
Tabela 13 – Descrição dos critérios – ZAPROS-LM
57
Após a conclusão dos critérios foi montada a matriz de comparação entre os critérios – JOS1,
de acordo com a 1ª Situação de Referência, que agrupa as melhores avaliações de uma
alternativa hipotética. Foram suprimidas as referências das melhores avaliações possíveis,
pois recebem a mesma ordenação dentro do critério definido pelo decisor.
Figura 9- Construção da JOS – 1ª SR
Depois que todas as comparações foram realizadas, foi verificado se havia alguma violação de
transitividade. Os recursos do Excel de formatação condicional foram usados para evitar que
o decisor ou o facilitador respondesse, por engano, avaliações diferentes das comparadas.
58
Após essa etapa foi construída a 2ª matriz de comparação, sendo que dessa vez comparando
com a pior situação real. Neste momento também a formatação condicional do Excel ajudou a
destacar quais as avaliações estavam sendo marcadas diferentemente da 1ª matriz de
comparação. Assim todas as alternativas diferentes se destacavam em amarelo.
Figura 10- Construção da JOS – 2ª SR
Da mesma forma que a 1ª matriz, foram resolvidos os problemas de transitividade e avaliadas
quais as alternativas realmente permaneceriam. Após conclusão da matriz final de
comparação entre os critérios, foi formado o ranking JOS:
59
RNK JOS
Avaliações
1 a1 b1 c1 d1 e1 f1 g1 h1 j1 k1
2 d2
3 e2
4 j2
5 b2
6 f2
7 g2
8 i2
9 a2 h2
10 c2 k2
11 f3 h3 j3
12 a3
13 i3
14 b3 k3
15 g3
16 e3
17 c3 d3
Tabela 14 – Ranking JOS
Esse método foi considerado pelo decisor mais complexo, mais lento e mais trabalhoso. O
momento crítico foi avaliar as 220 comparações par a par, por duas vezes, que gerou confusão
e desânimo. Por isso, o decisor preferiu a construção do método MAUT que ZAPROS-LM na
atribuição dos pesos e preferências.
4.2 ESCOLHA DAS ALTERNATIVAS - MAUT
Da mesma forma como foi realizado com o decisor, foi transmitido aos três analistas de
decisão os conceitos dos dois métodos e suas diferenças. Foram apresentadas as alternativas e
como todos já haviam trabalhado com pelo menos uma das empresas em estudo, cada um
ficou com a que mais conhecia.
Conforme solicitado pelo decisor foi colocada uma breve descrição de cada um dos critérios
para facilitar a atribuição das notas para as alternativas e explicado que os pesos foram
60
previamente definidos e estes não seriam modificados. O papel deles era colocar uma nota
variando de zero para a pior a 1 para a melhor em cada uma das alternativas, de acordo com
suas experiências.
CONSTRUÇÃO MAUT - ETAPA 3 - AVALIAÇÃO DAS ALTERNATIVAS
DEFINIÇÃO DOS SUB-CRITÉRIOS PESO NOTA
A B C
INSTITUCIONAL 0,2368
Expressão no segmento farmacêutico
REFERÊNCIAS DE EMPRESAS QUE JÁ USAM O SISTEMA
0,5556 0,7 0,4 0,8
Custo DENTRO DO ORÇAMENTO 0,4444 0,5 0,7 0,5
FORÇA DE VENDAS 0,2368
Usabilidade COMO OS REPS VEEM ESSA FERRAMENTA
0,3125 0,7 0,8 0,5
Performance COMO O PROGRAMA SE DESEMPENHA NOS PDAS
0,2813 0,7 0,8 0,5
Conectividade TEMPO DE CONEXÃO 0,2188 0,7 0,7 0,5
Suporte (Help Desk) TEMPO NA FILA, RETORNO DE CHAMADAS, SOLUÇÃO DOS PROBLEMAS
0,1875 0,7 0,85 0,4
MATRIZ 0,1842
Controle das tabelas mestres AUTONOMIA DO USUÁRIO EM ALTERAR, INSERIR E EXCLUIR ITENS DE TABELAS
0,4167 0,7 0,9 0,5
Relatórios dinâmicos com acesso a todos os dados
MONTAGEM DE RELATÓRIOS CUSTOMIZADOS COM FILTROS OU CUBOS
0,3333 0,6 0 0,5
Tempo de customizações de novos módulos
TEMPO DE IMPLEMENTAÇÃO DOS MÓDULOS
0,2500 0,7 0,8 0,3
MÓDULOS 0,2368
Auditoria de Receituário VISUALIZAÇÃO DO PERFIL PRESCRITIVO MÉDICO ATRAVÉS DO PAINEL , COM FILTROS
0,1370 0,8 0,7 0,6
Auditoria de DDD VISUALIZAÇÃO DA DEMANDA PRÓPRIA E DOS CONCORRENTES POR MERCADO, POR BRICK
0,1096 0,8 0,7 0,4
Auditoria de Demanda – PDV VISUALIZAÇÃO DA DEMANDA POR PDV 0,0548 0,8 0,7 0,4
Consultas a estatísticas de visitação
VISUALIZAÇÃO DO TOTAL DE VISITAS REALIZADAS E QUE FALTAM REALIZAR
0,0959 0,9 0,75 0,4
Histórico de Visitação VISUALIZAÇÃO DA FREQUENCIA E SEQUENCIA DAS VISITAS COM COMENTÁRIOS
0,1233 0,7 0,85 0,5
61
Relatório de Despesas LANÇAMENTO DE DESPESAS MENSAIS E KM
0,0685 0,8 0 0,5
Farmacovigilância REPORTE DE EVENTOS E EFEITOS ADVERSOS PELOS MÉDICOS
0,0274 0,8 0 0,3
Trabalho médico-científico SOLICITAÇÃO DE ESTUDOS CIENTÍFICOS DE ACORDO COM SOLICITAÇÃO DO MÉDICO
0,1096 0,8 0 0,3
Controle de entrega de amostras e MP
INSERÇÃO DO NÚMERO DE AMOSTRAS E MATERIAL PROMOCIONAL PARA CADA MÉDICO
0,0685 0,6 0,9 0,5
Gestão do painel médico (médicos potenciais)
IDENTIFICAÇÃO DOS POTENCIAIS CLIENTES (MÉDICOS E FARMÁCIAS) EM FÁCIL VISUALIZAÇÃO
0,0548 0,8 0,85 0,5
Pesquisa de Campo QUESTIONÁRIOS DESTINADOS AOS MÉDICOS E FARMÁCIAS SOBRE UM TEMA ESPECÍFICO
0,0411 0,8 0,8 0,6
Pedidos INSERÇÃO DE PEDIDO DE VENDAS 0,1096 0,8 0,7 0,7
INTEGRAÇÃO AO BANCO DE
DADOS 0,1053
Integração dos Pedidos ao ERP INTERLIGAR OS PEDIDOS AO SOFTWARE DA MATRIZ (ERP)
0,5882 0,75 0,7 0,4
Integração da Base de dados com o BI
DISPONIBILIZAÇÃO DA BASE DE DADOS NO FORMATO PARA SISTEMA DE BIs
0,4118 0,75 0,85 0,4
Tabela 15 – Avaliação das alternativas MAUT
4.3 ESCOLHA DAS ALTERNATIVAS – ZAPROS-LM
Depois passamos para o método ZAPROS-LM. Neste, o papel deles era marcar com o X a
melhor avaliação que descrevia a alternativa, sem alterar o Ranking JOS.
IDENTIFICAÇÃO DAS ALTERNATIVAS : ZAPROS-LM
CRITÉRIOS AVALIAÇÕES RNK JOS
A B C
EXPRESSÃO NO SEGMENTO
Tem expressão no segmento farmacêutico a1 1 X X
Iniciante no segmento farmacêutico a2 9 X
Sem expressão no segmento farmacêutico a3 12
CUSTO
Abaixo do orçamento b1 1
Dentro do orçamento b2 5 X X
Acima do orçamento b3 14 X
USABILIDADE
Fácil de Usar c1 1 X
Apresenta alguma complexidade c2 10 X X
Complexo de usar c3 17
PERFORMANCE Desempenha com velocidade os módulos d1 1
62
Módulos com desempenho razoável d2 2 X X X
Módulos com desempenho lento d3 17
CONECTIVIDADE
Tempo de conexão bom, dentro do esperado e1 1
Tempo de conexão dentro do esperado e2 3 X X X
Demora na conexão e3 16
HELP DESK
Atendimento do Help Desk rápido e sempre resolve os problemas
f1 1
Atendimento do Help Desk rápido e nem sempre resolve os problemas
f2 6
X X
Atendimento demorado e resolve os problemas algumas vezes
f3 11
X
CONTROLE DAS TABELAS MESTRES
Administrador do sistema tem controle total das tabelas mestres
g1 1
X
Administrador do sistema tem controle parcial das tabelas mestres
g2 7
X
Administrador sem controle das tabelas mestres
g3 15 X
RELATÓRIOS
Usuários tem acesso a relatórios dinâmicos para montagem de visões customizadas
h1 1
Usuário tem acesso a relatórios com filtros h2 9 X
Usuários tem acesso a relatórios pré-formatados
h3 11 X X
TEMPO DE ELABORAÇÃO DE
MÓDULOS
Menor que 3 meses em média i1 1 X X
3 meses em media i2 8
Maior que 3 meses em média i3 13 X
MÓDULOS
Possui todos os módulos que a empresa precisa
j1 1 X
Possui os módulos mais importantes que a empresa precisa
j2 4
X X
Possui apenas alguns módulos que a empresa precisa
j3 11
INTEGRAÇÃO DO BD
Pode integrar o banco de dados aos sistemas gerenciais da empresa
k1 1
Integra o banco de dados aos sistemas gerenciais se fizer customizações
k2 10
X X X
Não integra o banco de dados aos sistemas gerenciais da empresa
k3 14
Tabela 16 – Avaliação das alternativas – ZAPROS-LM
De acordo com a observação de dois analistas, o método ZAPROS-LM é mais fácil e rápido
de definir as alternativas. Como há apenas três parâmetros qualitativos fica mais simples
63
encaixar a alternativa. No caso MAUT, ao atribuir uma nota, não há uma referência e há
critérios que são muito subjetivos e quantificá-los se torna difícil. Também foi colocado que é
mais cansativo na escolha das alternativas. Já outro analista afirma que parece ser mais fiel à
realidade, pois em ZAPROS-LM, as avaliações já vêm pré-determinadas e no método
quantitativo, consegue ter um ajuste mais fino.
4.4 AVALIAÇÃO DOS RESULTADOS
Após finalizada a escolha das alternativas com os dois métodos, chegou o momento de
analisar os resultados. Com MAUT, após a ponderação das notas, obtivemos o seguinte
resultado:
CONSTRUÇÃO MAUT - ETAPA 3 - AVALIAÇÃO DAS ALTERNATIVAS
PESO NOTA NOTA PONDERADA
A B C A B C
TOTAL 69,8% 64,2% 51,2%
INSTITUCIONAL 0,2368 0,14474 0,12632 0,15789
Expressão no segmento farmacêutico
0,5556 0,7 0,4 0,8 0,38889 0,22222 0,44444
Custo 0,4444 0,5 0,7 0,5 0,22222 0,31111 0,22222
SUBTOTAL 0,61111 0,53333 0,66667
FORÇA DE VENDAS 0,2368 0,16579 0,18651 0,11398
Usabilidade 0,3125 0,7 0,8 0,5 0,21875 0,25000 0,15625
Performance 0,2813 0,7 0,8 0,5 0,19688 0,22500 0,14063
Conectividade 0,2188 0,7 0,7 0,5 0,15313 0,15313 0,10938
Suporte (Help Desk) 0,1875 0,7 0,85 0,4 0,13125 0,15938 0,07500
SUBTOTAL 0,70000 0,78750 0,48125
MATRIZ 0,1842 0,12281 0,10592 0,08289
Controle das tabelas mestres
0,4167 0,7 0,9 0,5 0,29167 0,37500 0,20833
Relatórios dinâmicos com acesso a todos os dados
0,3333 0,6 0 0,5 0,20000 - 0,16667
64
Tempo de customizações de novos módulos
0,2500 0,7 0,8 0,3 0,17500 0,20000 0,07500
SUBTOTAL 0,66667 0,57500 0,45000
MÓDULOS 0,2368 0,18558 0,14340 0,11518
Auditoria de Receituário 0,1370 0,8 0,7 0,6 0,10959 0,09589 0,08219
Auditoria de DDD 0,1096 0,8 0,7 0,4 0,08767 0,07671 0,04384
Auditoria de Demanda – PDV
0,0548 0,8 0,7 0,4 0,04384 0,03836 0,02192
Consultas a estatísticas de visitação
0,0959 0,9 0,75 0,4 0,08630 0,07192 0,03836
Histórico de Visitação 0,1233 0,7 0,85 0,5 0,08630 0,10479 0,06164
Relatório de Despesas 0,0685 0,8 0 0,5 0,05479 - 0,03425
Farmacovigilância 0,0274 0,8 0 0,3 0,02192 - 0,00822
Trabalho médico-científico 0,1096 0,8 0 0,3 0,08767 - 0,03288
Controle de entrega de amostras e MP
0,0685 0,6 0,9 0,5 0,04110 0,06164 0,03425
Gestão do painel médico (médicos potenciais)
0,0548 0,8 0,85 0,5 0,04384 0,04658 0,02740
Pesquisa de Campo 0,0411 0,8 0,8 0,6 0,03288 0,03288 0,02466
Pedidos 0,1096 0,8 0,7 0,7 0,08767 0,07671 0,07671
SUBTOTAL 0,78356 0,60548 0,48630
INTEGRAÇÃO AO BANCO
DE DADOS 0,1053 0,07895 0,08019 0,04211
Integração dos Pedidos ao ERP
0,5882 0,75 0,7 0,4 0,44118 0,41176 0,23529
Integração da Base de dados com o BI
0,4118 0,75 0,85 0,4 0,30882 0,35000 0,16471
SUBTOTAL 0,75000 0,76176 0,40000
Tabela 17 – Avaliação dos Resultados – MAUT
A empresa A fica com uma nota muito próxima a nota da empresa B e se destaca em
praticamente todos os critérios. Foram realizadas ainda análises de sensibilidade para checar
65
se a mudança dos pesos dos critérios influenciaria no resultado final. Assim mudamos o peso
do critério Força de Vendas, no qual a empresa B obteve nota superior ao da A mais ainda
assim, o resultado final não se alterou. Já a empresa C fica aquém em quase todos os critérios,
menos no institucional, devido ao sub-critério expressão no segmento farmacêutico. Essa
empresa é muito conhecida, pois fornece pesquisa mensal do perfil prescritivo médico,
adquirido por diversos laboratórios.
Figura 11- Gráfico critérios MAUT – Análise de Sensibilidade
Com o método ZAPROS-LM, o resultado final foi exatamente o mesmo e apresentou a
mesma pequena diferença, sendo a empresa A a 1ª empresa do ranking e a empresa B a 2ª.
RNK DAS ALTERNATIVAS
Alternativas
Reais Valor original das avaliações
Vetor de Avaliação - JOS (X1).....JOS (Xn)
Vetor de Avaliação Reordenado
Somatório Rnk Final
A a1/b2/c2/d2/e2/f2/g2/h2/i1/j1/k2 1/2/2/2/2/2/2/2/1/1/2 1/1/1/2/2/2/2/2/2/2/2 19 1
B a2/b2/c1/d2/e2/f2/g1/h3/i1/j2/k2 2/2/1/2/2/2/1/3/1/2/2 1/1/1/2/2/2/2/2/2/2/3 20 2
C a1/b3/c2/d2/e2/f3/g3/h3/i3/j2/k2 1/3/2/2/2/3/3/3/3/2/2 1/2/2/2/2/2/3/3/3/3/3 26 3
Tabela 18 – Ranking das avaliações ZAPROS-LM
66
4.5 DECISÃO FINAL
De acordo com o resultado das análises, a decisão estava praticamente tomada com relação ao
sistema de automação da força de vendas. A empresa A vai permanecer como a fornecedora
desse serviço, mas com a aquisição do laboratório farmacêutico HB vai precisar fazer
algumas customizações para incorporar a demanda da nova empresa pertencente ao grupo.
Além disso, através do método MAUT fica evidente quais os critérios A precisa melhorar
para entregar um serviço de qualidade aos clientes. Essas informações serão transmitidas à
empresa e haverá um acompanhamento anual de análise do sistema de automação. Com
relação ao método que poderá ser empregado em outros projetos da empresa há algumas
divergências conforme apontado no quadro abaixo pela visão dos analistas e decisor.
COMPARAÇÃO ZAPROS-LM MAUT
Medição
Não há precisão quanto à forma de medir os critérios, já que as avaliações já são pré-definidas, sem possibilidades de ajustes.
Em processos de decisão muitos critérios são subjetivos, sendo difícil atribuir uma nota.
Complexidade Elaboração do JOS é exaustivo ao decisor, mas a seleção das alternativas é bem simples.
A ponderação através do Swing Weighting é simples, mas atribuir uma nota a critérios subjetivos não.
Qualidade dos Resultados
Resultado fica um pouco sugestionado e preso às avaliações pré-definidas que não podem ser ajustadas.
Quando se atribui uma nota parece que o resultado fica mais próximo da realidade
Dificuldades Cognitivas
Dificuldade de entendimento na construção da matriz JOS
Dificuldades em atribuir nota a critérios subjetivos. Sem parâmetro de comparação.
Organização Etapas do processo bem definidas. Etapas do processo bem definidas.
Tabela 19 – Comparação entre os métodos MAUT e ZAPROS-LM
Como os métodos se equiparam nas facilidades e dificuldades não há eleição de um método
oficial para a empresa. Foi definido que o método empregado vai depender exclusivamente do
tipo de critérios envolvidos. Se a tomada de decisão tiver um número maior de critérios
67
subjetivos, então o método empregado será ZAPROS-LM. Se os critérios forem mais
quantitativos, será empregado MAUT.
Devido à natureza de outros projetos que estão por vir, o método ZAPROS-LM será mais
utilizado. Como MAUT foi considerado um método mais rápido, sempre que houver pouco
tempo para se chegar a uma solução, será utilizado. Mas, quando a decisão a ser tomada
envolver um grau de incerteza grande, os dois métodos serão empregados para garantir a
melhor decisão.
O que ficou claro para todos os envolvidos nesse processo é que os AMDs são de
fundamental importância para se registrar o histórico que levou àquela determinada decisão e
ajudar no processo de melhoria até mesmo da solução escolhida.
Ao comparar os resultados encontrados neste estudo com o quadro de Larichev e Moshkovich
(1997) com relação à VDA, há alguns pontos de concordâncias e discordâncias.
• Medição : de acordo com os atores envolvidos no estudo de caso, a linguagem
verbal realmente é muito adequada para definir preferências, mas poucas
avaliações, exemplo: bom, razoável, ruim, não medem com exatidão a
preferência do analista que pode querer posicionar o critério como péssimo ou
excelente. Definir muitas avaliações torna o processo demorado e exaustivo;
• Complexidade: o método é simples, embora a construção da JOS é muito
trabalhosa e gera algumas vezes confusão e toma um tempo grande do decisor;
• Qualidade dos resultados : Não há como fazer ajustes nas avaliações, conforme
descrito acima e a comparação entre os critérios pode ser incompatível;
68
• Dificuldades cognitivas e organização: É fácil de entender, mas gera confusão
na construção da JOS. As fases do processo de decisão são bem definidas e
facilitam o entendimento.
VDA REFERENCIAL TEÓRICO ESTUDO DE CASO
Medição Linguagem verbal. Mais usada e adequada para definir preferências
Não há precisão quanto à forma de medir os critérios, já que as avaliações já são pré-definidas, sem possibilidades de ajustes.
Complexidade Reduzida. Foco nas diferenças essenciais de cada alternativa
Elaboração do JOS é exaustivo ao decisor, mas a seleção das alternativas é bem simples.
Qualidade dos Resultados
Relação binária entre alternativas. Pode gerar alguma incompatibilidade
Resultado fica um pouco sugestionado e preso às avaliações pré-definidas que não podem ser ajustadas.
Dificuldades Cognitivas
Compensa as ambiguidades Dificuldade de entendimento na construção da matriz JOS.
Organização Nenhuma experiência. Facilita o trabalho e entendimento.
Etapas do processo bem definidas.
Tabela 20 – Comparação entre o referencial teórico e estudo de caso -VDA
Fazendo a mesma comparação com o quadro de Larichev e Moshkovich (1997) desta vez em
relação à MAUT, foi observado :
• Medição : Os números conferem uma maior precisão, pois são atribuídas notas
que podem ser ajustadas em décimos, mas alguns momentos quando os
critérios são muito subjetivos é complicado atribuir-lhes um número;
• Complexidade: Não houve problemas quanto à complexidade e o método foi
entendido e aplicado sem muitas dúvidas. Surgiram mais questionamentos
referentes à descrição de cada critério e a atribuição da melhor nota aos
critérios subjetivos;
• Qualidade dos resultados : Os resultados ficam mais próximos à realidade.
Ajuste fino;
69
• Dificuldades cognitivas e organização: O único problema apresentado foi
como descrito acima, atribuir nota a critérios subjetivos, mas todas as etapas e
o processo de decisão transcorreram sem dúvidas.
MAUT REFERENCIAL TEÓRICO ESTUDO DE CASO
Medição Números. Maior precisão e autoridade.
Em processos de decisão muitos critérios são subjetivos, sendo difícil atribuir uma nota.
Complexidade As alternativas e critérios recebem um valor, o que pode ser exaustivo.
A ponderação através do Swing Weighting é simples, mas atribuir uma nota a critérios subjetivos não.
Qualidade dos Resultados
Resultados mais ricos e que possibilitam melhor análise.
Quando se atribui uma nota parece que o resultado fica mais próximo da realidade
Dificuldades Cognitivas Incertezas calculadas com precisão Dificuldades em atribuir nota a critérios subjetivos. Sem parâmetro de comparação.
Organização Requer treinamento. Difícil consenso em torno de temas subjetivos.
Etapas do processo bem definidas.
Tabela 21 – Comparação entre o referencial teórico e estudo de caso -MAUT
A principal diferença apresentada por Larichev e Moshkovich (1997) entre VDA e MAUT é
que VDA consegue descrever melhor preferências a critérios subjetivos, pois utiliza a
linguagem natural do decisor. Já MAUT confere mais precisão e certeza na análise. Embora,
em alguns itens destacados nas tabelas apresentem inconformidades, o estudo de caso sugere
as mesmas diferenças na comparação entre os dois métodos.
70
5 CONCLUSÃO
Com a comparação dos dois métodos ZAPROS-LM e MAUT estima-se elaborar uma
metodologia do processo de decisão e evitar que decisões sejam tomadas de forma puramente
empírica. Muitos projetos são escolhidos e realizados, alguns bem sucedidos e outros não,
sem ter um racional claro dos motivos que o levaram a esse resultado. O projeto de automação
da força de vendas dentro desse laboratório farmacêutico já viveu uma fase semelhante
quando foi implementado pela primeira vez em 2003. Não se sabe exatamente o que levou a
escolha da empresa A, nessa época. Talvez um único critério possa ter sido fundamental na
época e vários outros negligenciados e melhorados no decorrer do tempo. Hoje podemos dizer
quais são os reais motivos para a escolha desse sistema e se futuramente for necessário
escolher outro, haverá um histórico para consulta que poderá ser revisto e desenvolvido.
5.1 UTILIZAÇÃO ZAPROS-LM E MAUT
Todos os envolvidos no processo de decisão não mostraram dificuldades no entendimento e
utilização dos métodos. MAUT foi observado como prático, rápido e preciso. ZAPROS-LM
mais orientado a critérios subjetivos. Ambos os métodos tem sua aplicabilidade, dependendo
do problema estudado, mas não há dúvidas de que são fundamentais para tomada de decisão.
Grande parte da facilidade encontrada pode ser atribuída à utilização do Excel, ferramenta
71
muito usada e que deixa evidente as fórmulas usadas na construção do método. Sempre que
apareciam dúvidas, a leitura da estrutura lógica ajudava nos esclarecimentos. A criação de um
sistema específico, neste primeiro momento, demandaria mais tempo para o treinamento dos
envolvidos o que poderia ser um entrave para a aceitação da mudança de cultura na tomada de
decisão. Hoje como já entendem o funcionamento dos métodos, sugeriram a construção de um
sistema que possa ajudar principalmente nos itens mais trabalhosos como a construção da
JOS, tratamento da transitividade e atribuição de pesos.
5.2 OBJETIVOS ATINGIDOS
No início dessa dissertação foram apontados os objetivos gerais pretendidos com o estudo de
caso da implantação de um sistema de automação da força de vendas na indústria
farmacêutica, que são: (i) escolher a melhor alternativa baseada nos AMDs para um problema
real da empresa FQHB; (ii) comparar os métodos MAUT e ZAPROS-LM de acordo com as
características do problema e perfil do decisor e (iii) implementar um processo de tomada de
decisão para utilização em vários projetos.
O primeiro e principal objetivo foi alcançado pois os dois métodos apontaram a mesma
alternativa . O que complementou essa escolha foi a identificação dos itens que poderiam ser
desenvolvidos para aumentar sua média global. A partir disso, surgiu a idéia de fazer uma
pesquisa semelhante anualmente para gerar uma avaliação do crescimento de performance e
manter um serviço de qualidade.
O segundo e o terceiro objetivo são complementares. Como MAUT foi considerado um
método mais rápido em sua construção, será utilizado sempre que o recurso tempo for
escasso. ZAPROS-LM será utilizado quando a quantidade de critérios for pequena e o número
de critérios subjetivos for alto. Mas como a utilização dos dois métodos respaldou a decisão
final na escolha do sistema de automação da força de vendas, quando projetos semelhantes
72
envolverem investimentos elevados e forem de grande importância para a empresa, os dois
métodos serão usados. Nesse estudo, a formação dos atores de decisão não foi determinante
para a preferência de um dos métodos, já que os analistas que tem formação em estatística e
tecnologia da informação preferiram o método ZAPROS-LM, devido a melhor adaptação aos
critérios subjetivos e o analista que tem formação em administração e o decisor que tem
formação em marketing preferiram MAUT pela sua precisão e rapidez. Todos entenderam
que o melhor método está diretamente ligado a estruturação do problema e ao cenário que o
envolve.
5.3 LIMITAÇÕES
Nem tudo se conseguirá fazer da mesma forma. Até repetir a mesma pesquisa requer algumas
mudanças, pois neste trabalho foi levado em consideração analistas da empresa FQHB que já
usaram outras ferramentas, mas que atualmente trabalham com a empresa A, o que pode
tornar tendenciosa a escolha. Outra limitação que pode ser apontada é a estruturação dos
critérios, que em determinados momentos causou certas confusões nas comparações. O
número de critérios poderia ter sido menor e neste caso haveria a opção de usar o método
PACOM.
5.4 DIFICULDADES ENCONTRADAS
A primeira dificuldade foi mostrar os benefícios que a mudança de cultura na tomada de
decisão traria ao departamento. Muitas vezes é difícil convencer pessoas no ambiente
profissional que tem diversas formações e até mesmos preconceitos, que práticas
desenvolvidas no meio acadêmico podem ser vantajosas para o meio profissional. A primeira
reação é que não vai dar certo, ou isso só funciona na teoria. Dessa forma, o primeiro contato
das teorias de decisão na empresa FQHB foi como qualquer outro trabalho acadêmico: ajudar
uma colega de trabalho a concluir sua pós-graduação.
73
Mas contrariando os pensamentos de que teoria e prática não combinam, como estávamos no
meio de um projeto importante que foi a automação da força de vendas e tomar uma decisão
era iminente, as teorias de decisão depois de conhecidas vieram dar respaldo e segurança à
escolha realizada. Foi um trabalho de convencimento que unido a necessidade do momento,
teve impacto positivo.
Logo após, o outro obstáculo era demonstrar que MAUT e ZAPROS-LM não eram difíceis de
aplicar.
Embora os atores de decisão conhecessem bem as necessidades e objetivos do sistema de
automação, a definição dos critérios foi uma dificuldade inicial, pois muitos levantados não
eram relevantes para a tomada de decisão ou eram dependentes de outros critérios.
No final do trabalho, grande parte do grupo envolvido reconheceu o valor das ferramentas
aplicadas e pretendiam estendê-las a outros projetos.
5.5 RECOMENDAÇÕES PARA FUTUROS ESTUDOS
Para o futuro, na empresa FQHB, fica a promessa de repetir e melhorar a pesquisa que foi
realizada nessa dissertação em outros projetos. Muitos já foram listados, como escolher um
projeto de BI, selecionar a melhor agência de marketing para uma campanha promocional,
escolher quais produtos serão mais promissores para um lançamento, ordenar representantes
com melhores performances para promoções, entre outros.
Uma próxima pesquisa de avaliação desse estudo poderia ser realizada com analistas de outras
empresas que trabalham com os fornecedores de sistemas de automação, para se fazer uma
comparação mais justa, além de considerar um número maior de pessoas. Com mais pessoas
envolvidas, pode-se avaliar o perfil das mesmas nas escolhas entre os métodos e identificar o
quanto a formação profissional impacta em suas decisões. Outra sugestão é solicitar que os
próprios fornecedores se auto-avaliem e com isso, identificar seus pontos fracos e fortes e os
da concorrência.
74
O desenvolvimento de sistemas de tomadas de decisão pode facilitar na estruturação dos
métodos, ajudar os decisores a tomarem decisões em menos tempo e com isso criar a cultura
de usar os métodos. Fica simples armazenar os motivos que levaram à decisão final e ainda
traçar análises dos motivos mais considerados nos projetos da empresa.
Métodos de ordenação, classificação, seleção ou descrição, podem ser escolhidos dependendo
do contexto em que o futuro reserva e do perfil dos decisores. Caso o número de critérios seja
menor , pode-se usar o PACOM, como método de seleção, ou combinar dois métodos como
ORCLASS, de classificação para posterior seleção ou priorização. Combinar também outros
AMDs como TODIM, quando a decisão envolver riscos, AHP, quando a quantidade de
alternativas for pequena, houver necessidade de estruturar o problema de forma hierárquica e
os critérios forem simultaneamente qualitativos e quantitativos, Macbeth, se uma escala
nominal for mais apropriada, entre outros. O fundamental é adaptar o método ao perfil do
decisor e à natureza do problema.
75
6 REFERÊNCIAS BIBLIOGRÁFICAS
BICHLER, M.; LEE, J.; KIM, C.H.; LEE, H. S..Design and implementation of an intelligent decision analysis system for e-sourcing. 2001. Disponível em: <http://www.research.ibm.com/iac/papers/ABSoluteAI.pdf>. Data de acesso: 29 de agosto de 2009.
BOUYSSOU D..Aiding Decisions with Multiple Criteria . Boston: Kluwer Academic, 2002. 558p. CASTRO, L.F.S..Seleção de Projetos Comerciais em Processos Licitatórios Utilizando Análise Verbal de Decisões – Método ZAPROS LM. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2002.
CLARK, P.; ROCCO, R. A.; BUSH, A. J.. Sales Force Automation Systems and Sales Force Productivity: Critical Issues and Research Agenda. Journal of Relationship Marketing, 2007. v.6. n.2.
CLEMEN, R. T.; REILLY, T..Making Hard Decisions with Decision Tools. 2ª ed. Pacific Grove: Duxbury, Thomson Learning, 2001.
CONSULTA REMÉDIOS. Mercado de genéricos no Brasil deve crescer 27,5% ao ano até 2011. Disponível em: <http://www.consultaremedios.com.br/noticia.php?id=1154> Data de acesso: 20 de setembro de 2009.
COSTA, C. A. B.; LOURENÇO, J. C.; CHAGAS, M.P.; COSTA, J.C.B.. Development of Reusable Bid Evaluation Models for the Portuguese Electric Transmission Company. Decision Analysis. mar, 2008, v. 5, n. 1, p.22-42.
COOPER, D.R.; SCHINDLER, P. S. Métodos de Pesquisa em Administração. 7ª ed. Porto Alegre: Bookman, 2003, 640 p.
COTTELEER, M.; INDERRIEDEN,E.; LEE,F.; ATKINSON,T.; RON, K.. Selling the Sales Force on Automation. Harvard Business Review, jul/ago 2006, v.84, n.7/8, p18-22.
DONALDSON, B.; WRIGHT,G.. Salesforce Automation in the UK pharmaceutical industry: Why is the strategic potencial of these systems not being realised in practice? International Journal of Medical Marketing : jul 2004, v.4, n.3, p.251-263.
76
DONÔ, M. A.. Processo de Tomada de Decisão na Seleção de Investimentos Sustentáveis para os Fundos de Pensão Brasileiros: Aplicação do Método ZAPROS-LM. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2009.
DYER, J.. MAUT- Multiatribute Utility Theory . In: FIGUEIRA,J. et al. Multiple Criteria Decision Analysis: State of the Art Surveys. New York: Springer Science, 2005.
ERFFMEYER, R. C.; JOHNSON, D. A.. An Exploratory Study of Sales Force Automation Practices: Expectations and Realities; Journal of Personal Selling and Sales Management, 2001. v.21, n. 2, p.167-175.
FIGUEIRA, J.; GRECO, S.; EHRGOTT, M. D.. Multiple Criteria Decision Analysis: State of the Art Surveys. New York: Springer Science, 2004, 1.045p.
FOLHA DE SÃO PAULO ONLINE .Cade aprova medida que paralisa união Sanofi-Medley. Disponível em: < http://www1.folha.uol.com.br/folha/dinheiro/ult91u585854.shtml>. Data de acesso: 07 de dezembro de 2009. GOMES, L. F. A. M.. Teoria da Decisão. São Paulo: Thomson Learning, 2007, 116 p.
GOMES, L. F. A. M.; ARAYA, M. C. G.; CARIGNANO, C.. Tomada de Decisões em Cenários Complexos. Rio de Janeiro: Pioneira Thomson Learning, 2004, 168 p. GOMES, L. F. A. M.; GOMES, C. F. S.; ALMEIDA, A. T. de.. Tomada de Decisão Gerencial: Enfoque Multicritério . 3ed. São Paulo: Atlas,2009, 324 p.
HAIR Jr, J. F.; ANDERSON, R. E.; TAHAN, R. L., BLACK, W. C.. Análise Multivariada de Dados. 5ª. Edição. Porto Alegre: Bookman, 2005, 593 p.
INTERFARMA. Dados de Mercado Farmacêutico Mundial. Disponível em: <http://www.interfarma.org.br> . Data de acesso: 29 de agosto de 2009. KEENEY, R. L.; RAIFFA, H.. Decisions with multiple objectives: preferences and value tradeoffs. Nova York: Wiley, 1976. LARICHEV,O.. Multicriteria decision making : Advances in MCDM models, algorithms, theory and applications. Boston: Kluwer Academic Publishers, 1999, p 5-24. LARICHEV, O. ;BROWN, R.. Numerical and Verbal Decision Analysis: Comparison on Practical Cases. Journal of Multi-criteria Decision Analysis, 2000, p.264-274. LARICHEV, O.; BROWN, R.; FLANDERS, N.. Numerical and Verbal Decision Analysis Compared in Practice. Part I e II . The Institute of Artic Studies Dartmounth Colleges, 1998. LARICHEV, O.; KOCHIN,D.;USTINOVICIUS,L.. Multicriteria Method for choosing the best alternative for investments. International Journal of Strategic Property Management. 2003, p.33-43.
LARICHEV, O.; OLSON, L.. Multiple Criteria Analysis in Strategic Siting Problems. Boston: Kluwer Academic Publishers, 2001, 217 p.
77
LARICHEV, O.; MOSHKOVICH, H.. Verbal Decison Analysis for Unstructured Problems. Boston: Kluwer Academic Publishers, 1997.
LEAL Jr., M.R.. Análise Multiatributo com Tratamento da Incerteza : Aplicação do Método Interval/Smart Weighting à Escolha de Fornecedores. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2008. Disponível em: <http://www.ibmecrj.br/sub/RJ/files/ADM_adrianotorres_jul.pdf>. Acesso em: 05/2009. MAGALHÃES, J. C. R.. Seleção e Priorização de Projetos de Tecnologia da Informação: Uma Aplicação da Análise Verbal de Decisões Através do Método ZAPROS-LM. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2008. MALHOTRA, N. K.. Pesquisa de Marketing: Uma orientação aplicada. 4ª Ed. Porto Alegre: Bookman, 2006, p.185-188. MEIRELLES, C. L. de A.. Métodos Multicritério de Apoio a Decisão como Instrumento de Gestão do Conhecimento: Uma Aplicação a Indústria de Refino de Petróleo. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2007. Disponível em: <http://www.ibmecrj.br/sub/RJ/files/ADM_adrianotorres_jul.pdf>. Acesso em: 09/2009. MONTIBELLER,G.; BELTON, V.; ACKERMANN, F.;ENSSLIN, L.. Reasoning maps for decision aid: an integrated approach for problem-structuring and multi-criteria evaluation. Journal of the Operational Research Society, maio, 2008, v.59, n. 5, p.575-589. MOSHKOVICH, H; MECHITOV, A.; OLSON, D.. Verbal Decision Analysis. In: FIGUEIRA, J. et al. Multiple Criteria Decision Analysis: State of the Art Surveys. New York: Springer Science, 2005. NEIVA, S. B.. A escolha de Softwares de E-Procurement: Uma análise multicritério. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2006. OZERNOY, V. M.. Choosing the Best Multiple Criteria Decision-Making Method. INFORJournal: Information System & Operational Research, v. 30, n. 2, maio, 1997. PINHO, S. F. C.. Uma Metodologia de Apoio à Decisão para Priorização de Projetos de Tecnologia da Informação. Rio de Janeiro: UFRJ, 2006. Disponível em: < http://wwwp.coc.ufrj.br/teses/doutorado/inter/2006/Teses/PINHO_SFC_06_t_D_int.pdf>. Data de acesso: 29 de agosto de 2009. PIRES, C. A.. Internacionalização e Centros de Competências: Aplicação do Método Interval Smart / Swing Weighting a uma escolha de localização. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2008. Disponível em: < http://www.ibmecrj.br/sub/RJ/files/dissert_mestrado/ ADM_camilapires_ jun.pdf>. Data de acesso: 29 de agosto de 2009. PORTER, M. E.; MILLAR, V. E.. How Information Gives you Competitive Advantage. Harvard Business Review, ago 1985. v. 63, n. 4, p.149-160.
78
PULLIG, C.; MAXHAM, J .G.; HAIR JR, J.; JOSEPH, F.. Salesforce automation systems: An exploratory examination of organizational factors associated with effective implementation and salesforce productivity. Journal of Business Research, maio, 2002, v.55 n.5, p.401-415.
RIVERS, L. M.; DART,J.. The Acquisition and Use of Sales Force Automation by Mid-Sized Manufacturers. Journal of Personal Selling and Sales Management. 1999, v.19, n.2, p.59-73.
RODRIGUES, G. L. V.. Como Escolher Sistemas de Informação para o Varejo: Uma Aplicação da Análise Verbal de Decisões. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2007. Disponível em: <http://www.ibmecrj.br/sub/RJ/files/ADM_GERALDORODRIGUES_mai.pdf>. Acesso em: 06/2008.
ROY, B.. Paradigms and Challenges. In: FIGUEIRA, J.; GRECO, S.; EHRGOTT, M. Multiple Criteria Decision Analysis: State of the Art Surveys. New York: Springer Science, 2004. STEWART, T. J.. Simplified Approaches for Multicriteria Decision Making under Uncertainty. Journal of Multi-Criteria Decision Analysis . Dezembro,1995, v.4, n. 4, p 246-258. TORRES, A.. Marketing em Pequenas Empresas: Aplicação da Análise Verbal de Decisões Através do Método ORCLASS. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2007. Disponível em: <http://www.ibmecrj.br/sub/RJ/files/ADM_adrianotorres_jul.pdf>. Acesso em: 06/2008. WALLENIUS, J.; DYER,J. S. ; FISHBURN,P. C. ; STEUER, R. E. ;ZIONTS, S. ; DEB,K.. Multiple Criteria Decision Making, Multiatribute Utility Theory: Recent Accomplishments and What Lies Ahead. Management Science. jul, 2008, v.54, n.7, p.1336-1339. WIKIPÉDIA. BUSINESS INTELLIGENCE . WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/ERP>. Acesso em: 21 dez. 2009. WIKIPÉDIA. ERP. WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/ERP>. Acesso em: 21 dez. 2009. WIKIPÉDIA. GPRS. WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/GPRS>. Acesso em: 21 dez. 2009. WIKIPÉDIA. PDAS. WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/PDAS>. Acesso em: 21 dez. 2009. WIKIPÉDIA. PROJETO. WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/Projeto>. Acesso em: 21 dez. 2009. WIKIPÉDIA. SMARTPHONE . WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/Smartphone>. Acesso em: 21 dez. 2009.
79
WIKIPÉDIA. STAKEHOLDERS . WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/Stakeholders>. Acesso em: 21 dez. 2009. WIKIPÉDIA. TRADEOFF . WIKIPÉDIA – The Free Encyclopedia, 2009. Disponível em: < http://pt.wikipedia.org/wiki/Tradeoff>. Acesso em: 21 dez. 2009.
WOITOWICZ, B. B.C.. Uma Abordagem Multicritério para Seleção de Ferramenta de Business Intelligence. Dissertação de Mestrado em Administração de Empresas. Rio de Janeiro: Faculdades Ibmec, 2009.
ZEITHAML, V. ;BITNER, M. J.; HAAG, M.A.; SOARES NETTO, C.A.S.. Marketing de Serviços: A empresa com foco no cliente. 2ed., Porto Alegre: Bookman, 2003, p.115.
ZELENY, M.. Multiobjective Optimization, Systems Design and De Novo Programming. Nova York, 1982.
ZELENY, M.. Human systems management: integrating knowledge, management and systems. Hackensack: World Scientific Pub, 2005, 475p.
ZELENY, M.. Multiple Critéria Decision Making . 1 ed. São Paulo, McGraw-Hill,1982.
80
7 GLOSSÁRIO
AUDITORIAS: São empresas especializadas em fornecer dados de demanda e prescrição de
produtos próprios e concorrentes de todos os laboratórios que são associados.
BUSINESS INTELLIGENCE (BI ): refere-se ao processo de coleta, organização, análise,
compartilhamento e monitoramento de informações que oferecem suporte a gestão de
negócios, geralmente através de um sistema integrado. (WIKIPÉDIA, 2009).
CLASSES FARMACÊUTICAS: É uma classificação geral dos medicamentos. Assim temos
as classes dos expectorantes, antibióticos entre outras. Essas classes também apresentam
subdivisões como expectorantes éticos na forma farmacêutica – xaropes. As classes
terapêuticas ajudam os laboratórios a segmentar os concorrentes.
CRESCIMENTO: Evolução de vendas ou demanda de um período em comparação ao outro.
81
DEMANDA – São as unidades e valores que as farmácias compram dos distribuidores. Assim
os laboratórios farmacêuticos vendem para os distribuidores e a demanda é tudo que sai dos
distribuidores para outros PDVs.
ENTERPRISE RESOURCE PLANNING (ERP): são sistemas de informação que integram
todos os dados e processos de uma organização em um único sistema. A integração pode ser
vista sob a perspectiva funcional, sistemas de: finanças, contabilidade, recursos humanos,
fabricação, marketing, vendas, compras, etc e sob a perspectiva sistêmica - sistema de
processamento de transações, sistemas de informações gerenciais, sistemas de apoio a
decisão, etc (WIKIPÉDIA, 2009).
ÍNDICE DE EVOLUÇÃO- (IND. EVOL): Índice muito utilizado na indústria farrmacêutica
que tem como objetivo verificar o quanto cada empresa está evoluindo acima ou abaixo do
mercado farmacêuttico total (MFT). Como exemplo, podemos citar um índice de 108. Isso
quer dizer que a empresa está evoluindo acima do mercado. Se o índice fosse 92, a empresa
não estaría acompanhando o crescimento do mercado. É obtido pela divisão do Market Share
de dois períodos. Exemplo: MS atual – 10%, MS anterior – 9%, IND. EVOL de 111.
MARKET SHARE (MS) – Representa o quanto a empresa está “tomado” das fatias de
mercado. É a participação de mercado da empresa. Se obtém o MS pelo cálculo da demanda
da empresa ou produto, dividido pela demanda total do mercado.
MEDICAMENTOS ÉTICOS: Medicamentos que precisam de prescrição médica para serem
comercializados.
82
OVER THE COUNTER - OTC: São medicamentos livres de prescrição médica e que podem
ser comprados pelo consumidor final livremente nas farmácias.
PERFIL PRESCRITIVO: É o conjunto de medicamentos prescritos por determinado médico,
que lhe confere determinada característica. A indústria farmacêutica tem esses dados através
da auditoria de mercado onde aparecem todas os medicamentos prescritos pelos médicos
auditados e seu potencial.
PERSONAL DIGITAL ASSISTANTS (PDAS OU HANDHELDS), OU ASSISTENTE
PESSOAL DIGITAL: é um computador de dimensões reduzidas (cerca de A6), dotado de
grande capacidade computacional, cumprindo as funções de agenda e outras sistemas, com
possibilidade de interconexão com um computador pessoal e uma rede sem fios - wi-fi - para
acesso a correio eletrônico e internet.Os PDAs de hoje possuem grande quantidade de
memória e diversos softwares para várias áreas de interesse. Os modelos mais sofisticados
possuem modem (para acesso à internet), câmera digital acoplada (para fotos e filmagens),
tela colorida, rede sem fio embutida. (WIKIPÉDIA, 2009).
PRINCÍPIO ATIVO: é o componente principal de um medicamento, ou seja, o ingrediente
que terá ação terapêutica. Os genéricos são chamados pelo princípio ativo. Ex.: Aciclovir
(princípio ativo para medicamentos destinados a herpes).
PROJETO - é um esforço temporário empreendido para criar um produto, serviço ou
resultado exclusivo. Os projetos e as operações diferem, principalmente, no fato de que os
projetos são temporários e exclusivos, enquanto as operações são contínuas e repetitivas. Os
projetos são normalmente autorizados como resultado de uma ou mais considerações
estratégicas. Estas podem ser uma demanda de mercado, necessidade organizacional,
83
solicitação de um cliente, avanço tecnológico ou requisito legal. As principais características
dos projetos são que eles são (1) temporários, possuem um início e um fim definidos, (2)
planejados, executado e controlado, (3) entregam produtos, serviços ou resultados exclusivos,
(4) desenvolvidos em etapas e continuam por incremento com uma elaboração progressiva,
(5) realizados por pessoas e (6) com recursos limitados (WIKIPÉDIA, 2009).
RANKING – do termo em inglês que significa posicionamento, ordem em que aparecem em
uma lista.
SERVIÇO DE RÁDIO DE PACOTE GERAL (GPRS) : é uma tecnologia que aumenta as
taxas de transferência de dados nas redes GSM existentes. Esta permite o transporte de dados
por pacotes (Comutação por pacotes). Sendo assim, o GPRS oferece uma taxa de
transferência de dados muito mais elevada que as taxas de transferência das tecnologias
anteriores, que usavam comutação por circuito, que eram em torno de 12kbps. Já o GPRS, em
situações ideais, pode ultrapassar a marca dos 170kbps. No entanto na prática, essa taxa está
em torno dos 40 kbps. Esta técnica permite que vários usuários compartilhem os mesmos
recursos, aumentando assim a capacidade da rede e permitindo uma gerência razoavelmente
eficiente dos recursos. Isto permite às operadoras GPRS disponibilizar acesso à Internet
móvel em alta velocidade e a um custo razoável, pois a cobrança é feita pela quantidade de
pacotes de dados transmitidos e não pelo tempo de conexão à rede. etc (WIKIPÉDIA, 2009).
SMARTPHONE - é um telefone celular com funcionalidades avançadas que podem ser
estendidas por meio de programas executados no seu Sistema Operacional. Os Sistemas
Operacionais de alguns dos Smartphones são "abertos" (não confundir com código-fonte
aberto), o que significa que é possível que qualquer pessoa desenvolva programas que podem
funcionar nesses telefones. Usualmente um smartphone possui características mínimas de
hardware e software, sendo as principais: capacidade de conexão com redes de dados para
84
acesso à internet, capacidade de sincronização dos dados do organizador com um computador
pessoal e agenda de contatos que utiliza toda a memória disponível no celular (WIKIPÉDIA,
2009).
STAKEHOLDER - é um termo usado em administração que refere-se a qualquer pessoa ou
entidade que afeta ou é afetada pelas atividades de uma empresa (WIKIPÉDIA, 2009).
TRADEOFF- é uma expressão que define uma situação em que há conflito de escolha. Ele
se caracteriza em uma ação econômica que visa à resolução de problema mas acarreta outro,
obrigando uma escolha. Ocorre quando se abre mão de algum bem ou serviço distinto para se
obter outro bem ou serviço distinto (WIKIPÉDIA, 2009).