localizaÇÃo de loja de departamentos no rio de...

103
i FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM ADMINISTRAÇÃO E ECONOMIA DISSERTAÇÃO DE MESTRADO PROFISSIONAL EM ADMINISTRAÇÃO LOCALIZAÇÃO DE LOJA DE DEPARTAMENTOS NO RIO DE JANEIRO: UMA ANÁLISE MULTICRITÉRIO CLASSIFICATÓRIA PELO MÉTODO TODIM- FSE RENATO MONTE ARAÚJO ORIENTADOR: PROF. DR. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES Rio de Janeiro, 26 de fevereiro de 2014

Upload: phamnhu

Post on 10-Dec-2018

212 views

Category:

Documents


0 download

TRANSCRIPT

i

FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM

ADMINISTRAÇÃO E ECONOMIA

DISSERTAÇÃO DE MESTRADO PROFISSIONAL EM ADMINISTRAÇÃO

LOCALIZAÇÃO DE LOJA DE DEPARTAMENTOS NO RIO DE JANEIRO:

UMA ANÁLISE MULTICRITÉRIO CLASSIFICATÓRIA PELO MÉTODO TODIM-

FSE

RENATO MONTE ARAÚJO

ORIENTADOR: PROF. DR. LUIZ FLÁVIO AUTRAN MONTEIRO GOMES

Rio de Janeiro, 26 de fevereiro de 2014

ii

LOCALIZAÇÃO DE LOJA DE DEPARTAMENTOS NO RIO DE JANEIRO: UMA

ANÁLISE MULTICRITÉRIO CLASSIFICATÓRIA PELO MÉTODO TODIM-FSE

RENATO MONTE ARAÚJO

Dissertação apresentada ao curso de

Mestrado Profissional em Administração

como requisito parcial para obtenção do

Grau de Mestre em Administração.

Área de Concentração: Gestão das

Organizações

ORIENTADOR: LUIZ FLÁVIO AUTRAN MONTEIRO GOMES

Rio de Janeiro, 26 de fevereiro de 2014

iii

iv

A658

Araújo, Renato Monte.

Localização de loja de departamentos no Rio de Janeiro:

uma análise multicritério classificatória pelo método

TODIM-FSE / Renato Monte Araújo. - Rio de Janeiro: [s.n.],

2014.

103 f. : il.

Dissertação de Mestrado profissional em

Administração do IBMEC.

Orientador (a): Luiz Flávio Autran Monteiro Gomes

1. Apoio Multicritério à Decisão. 2. Classificação

Multicritério. 3. TODIM-FSE. 4. Análise de

Localização. 5. Varejo I. Título CDD 658

v

AGRADECIMENTOS

À minha esposa Silvana, por todo o apoio, incentivo, paciência e compreensão durante a

realização do mestrado, me proporcionando confiança e tranquilidade para a dedicação

necessária neste projeto.

Ao meu orientador, Professor Luiz Flávio Autran Monteiro Gomes, pelo aprendizado

proporcionado, bem como suas valiosas contribuições para a concretização desta dissertação.

Aos meus pais, por terem me proporcionado uma educação e formação acadêmica

compatíveis com os desafios encontrados ao longo da minha trajetória profissional.

Aos membros da banca, Professores Helder Gomes Costa e Maria Augusta Soares Machado,

pelas sugestões dadas para o aprimoramento deste trabalho.

vi

“Mesmo quando tudo parece desabar, cabe a

mim decidir entre rir ou chorar, ir ou ficar, desistir ou

lutar; porque descobri, no caminho incerto da vida, que

o mais importante é o decidir.”

Cora Coralina

vii

RESUMO

Este trabalho tem como objetivo demonstrar a utilização de um método de apoio multicritério

à decisão como ferramenta de apoio para escolha de pontos comerciais disponíveis na cidade

do Rio de Janeiro, localizados em rua, para abertura de lojas de departamentos de uma grande

empresa brasileira no segmento de moda. O método multicritério utilizado é o TODIM-FSE,

ou Tomada de Decisão Interativa Multicritério com Avaliação Sintética Fuzzy, e tem como

objetivo classificar os pontos disponíveis em categorias previamente definidas pelos

tomadores de decisão. Os critérios definidos para a análise de localização dos pontos

disponíveis foram definidos pelos tomadores de decisão. A utilização de critérios

quantitativos e qualitativos que tratam de números nebulosos, considerando aspectos

subjetivos conhecidos pelos tomadores de decisão, e a modelagem do comportamento

humano frente às situações de possíveis ganhos e perdas são os grandes diferenciais do

método utilizado e possibilitam seu uso para problemas de decisão em diversas atividades e

segmentos, assim como no varejo.

Palavras Chave: Apoio Multicritério à Decisão, Classificação Multicritério,TODIM-FSE,

Análise de Localização, Varejo.

viii

ABSTRACT

This paper aims to demonstrate the use of a multicriteria decision method as a support tool for

choose available sites in the city of Rio de Janeiro, located in high street, to open department

stores of a large Brazilian company in the fashion segment. The multicriteria method is

TODIM -FSE, or Interactive Multiple Criteria Decision Making with Fuzzy Synthetic

Evaluation, and aims to classify the sites available in categories previously defined by

decision makers. The criteria for location analysis of available sites were defined by decision

makers. The use of quantitative and qualitative criteria dealing with fuzzy numbers,

considering subjective aspects known by decision makers, and the human behavior modeling

in face of possible gains and losses situations are the major differences of method and enable

its use for decision problems in many activities and segments, as well as retail.

Key Words: Multicriteria Decision Aid, Multicriteria Classification, TODIM-FSE, Location

Analysis, Retail.

ix

LISTA DE FIGURAS

Figura 1 – Taxa de desemprego no Brasil entre 2002 e 2013*.......................................5

Figura 2 – Crescimento do número de shopping centers no Brasil................................6

Figura 3 – Estimativas populacionais para o Brasil........................................................6

Figura 4 – Classificação das instituições varejistas........................................................8

Figura 5 – Os 4 Ps do mix de marketing.......................................................................10

Figura 6 – Problemas discretos.....................................................................................24

Figura 7 – Problemas contínuos....................................................................................24

Figura 8 – Etapas do processo de apoio multicritério à decisão...................................27

Figura 9 – O problema de Classificação comparado ao problema de Clusterização....32

Figura 10 – Esboço do processo geral do método UTADIS.........................................37

Figura 11 – Função de valor típica da Teoria dos Prospectos.......................................39

Figura 12 – Funções de contribuições trapezoidais......................................................42

Figura 13 – Funções de contribuição para os critérios Venda por m2 e Tamanho do

imóvel.................................................................................................................... ........54

Figura 14 – Funções de contribuições para o critério Custo de locação......................54

x

LISTA DE TABELAS

Tabela 1 – Exemplo de tabela de contribuições para um caso hipotético.....................20

Tabela 2 – Tabela de referência para problemas de decisão.........................................25

Tabela 3 – Uma comparação entre os métodos da Escola Francesa e a Teoria da

Utilidade Multiatributo.................................................................................................30

Tabela 4 – Características dos principais métodos do tipo ELECTRE.........................33

Tabela 5 – Tabela de contribuições para o critério i.....................................................42

Tabela 6 – Tabela de contribuições agrupadas dos critérios.........................................43

Tabela 7 – Escala fundamental de Saaty.......................................................................44

Tabela 8 – Definição das características de cada um dos critérios adotados no

estudo............................................................................................................................53

Tabela 9 – Tabela de contribuições para o critério Acessibilidade visual....................55

Tabela 10 – Tabela de contribuições para o critério Concorrência no entorno..........56

Tabela 11 – Matriz de comparações paritárias preenchida com base na escala

fundamental de Saaty....................................................................................................57

Tabela 12 – Matriz de comparações paritárias com inconsistência nula......................57

Tabela 13 – Dados normalizados dos pontos, obtidos junto à empresa, para aplicação

do método TODIM-FSE...............................................................................................58

Tabela 14 – Tabela de contribuições agrupadas dos critérios para o Ponto 1..............59

Tabela 15 – Tabela do vetor de pesos dos critérios......................................................59

Tabela 16 – Taxas de substituição, considerando o critério Venda por m2 como a

referência.......................................................................................................................59

Tabela 17 – Matriz de dominâncias para o Ponto 1......................................................60

Tabela 18 – Classificação para cada um dos pontos, considerando ɵ=1 e ɵ=2,5.........60

Tabela 19 – Tabela de contribuições com os valores atribuídos para a loja benchmark

existente na empresa.....................................................................................................62

Tabela 20 – Classificação final para benchmark, utilizando modelo desenvolvido para

o estudo dos 5 (cinco) pontos em estudo, com ɵ=1 e ɵ=2,5.........................................62

Tabela 21 – Tabela de contribuições com os valores atribuídos para a loja de shopping

center com baixo desempenho......................................................................................63

Tabela 22 – Classificação final para loja com baixo desempenho, utilizando modelo

desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e θ=2,5..........63

xi

Sumário

1 INTRODUÇÃO .......................................................................................... 1

2 REVISÃO BIBLIOGRÁFICA ...................................................................... 3

2.1 O varejo em transformação ..................................................................................................... 3

2.2 Os formatos varejistas e suas classificações............................................................................. 7

2.3 Critérios para escolha de um ponto de loja. ............................................................................ 9

2.4 Lojas em rua versus Lojas em shopping center. .....................................................................13

3 REFERENCIAL TEÓRICO ...................................................................... 18

3.1 Conjuntos nebulosos ...............................................................................................................18

3.2 A tomada de decisão ...............................................................................................................20

3.3 Apoio multicritério à decisão ..................................................................................................22

3.4 Processo de apoio multicritério à decisão ...............................................................................26

3.5 Escolas de Pensamento ...........................................................................................................29

3.6 Apoio multicritério à decisão para problemas de classificação ..............................................30

3.7 Principais métodos multicritério para classificação ordenada ..............................................33 3.7.1 ELECTRE-TRI ....................................................................................................................33 3.7.2 UTADIS ..............................................................................................................................35

4 O MÉTODO TODIM-FSE ........................................................................ 38

4.1 Definição dos analistas de decisão e dos decisores envolvidos no processo (Etapa 1) ............40

4.2 Análise e estruturação do problema de decisão (Etapa 2)......................................................41

4.3 Definição dos critérios fundamentais para o problema em estudo (Etapa 3) ........................41

4.4 Definição das categorias e funções de contribuição (Etapa 4) ................................................41

4.5 Definição da importância relativa entre os critérios escolhidos (Etapa 5) .............................43

4.6 Classificação de cada alternativa nas categorias propostas (Etapa 6) ...................................45

4.7 Análise de Validação (Etapa 7) ...............................................................................................47

5 ESTUDO DE CASO: ESCOLHA DE PONTO DE LOJA DE DEPARTAMENTOS NO CENTRO DO RIO DE JANEIRO ............................. 48

5.1 Definição dos analistas de decisão e dos decisores envolvidos no processo ............................49

5.2 Análise e estruturação do problema de decisão......................................................................49

xii

5.3 Definição dos critérios fundamentais para o problema em estudo ........................................50

5.4 Definição das categorias e funções de contribuição ................................................................53

5.5 Definição da importância relativa entre os critérios escolhidos .............................................56

5.6 Classificação de cada alternativa nas categorias propostas ...................................................58

5.7 Análise de validação ................................................................................................................61

6 RELEVÂNCIA DO ESTUDO.................................................................... 65

7 LIMITAÇÕES DO ESTUDO..................................................................... 66

8 CONCLUSÃO .......................................................................................... 67

9 RECOMENDAÇÕES PARA ESTUDOS FUTUROS ................................ 69

REFERÊNCIAS BIBLIOGRÁFICAS ............................................................... 70

APÊNDICE A – MODELO DO QUESTIONÁRIO DE PESOS......................... 77

APÊNDICE B - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1) ............................................. 78

APÊNDICE C - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5) .......................................... 83

APÊNDICE D – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1) ................................................................... 88

APÊNDICE E – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5) ................................................................ 89

APÊNDICE F – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=1) 90

APÊNDICE G – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=2,5)........................................................................................................................ 91

1

1 INTRODUÇÃO

Em um mundo cada vez mais globalizado, as empresas buscam níveis maiores de

profissionalização e desenvolvimento técnico de suas atividades, visando reduzir ao

máximo o nível de incerteza e o aumento de produtividade e, consequentemente, das

margens de lucro em seus negócios. Friedman (2007) comenta que o “mundo está se

tornando plano”, à medida que os avanços tecnológicos e de comunicações conectam as

pessoas como nunca, criando uma explosão de riqueza em diversos locais do mundo,

como Índia e China, desafiando o resto do mundo a correr para não ficar para trás. E neste

cenário atual, diversas ferramentas de apoio são desenvolvidas para tornar sólidos,

eficientes e eficazes os diversos propósitos do mundo corporativo.

A partir da década de 60, foi iniciado um movimento de pesquisa e

desenvolvimento de tecnologias que apoiassem decisões. E o grande aprimoramento deste

movimento aconteceu com a incorporação aos modelos matemáticos do caráter subjetivo

da tomada de decisão. A subjetividade é atribuída à experiência e conhecimento

adquiridos ao longo do tempo pelos responsáveis pelas tomadas de decisão. Por exemplo,

um profissional que trabalha durante muito tempo decidindo sobre projetos de expansão

para uma empresa adquire um conhecimento que não se consegue modelar tão facilmente.

A tomada de decisão pode ser evidenciada nas mais simples atividades diárias, tais

como o que fazer para se divertir: assistir televisão, ler um livro, jogar no computador etc.

Com isto, uma primeira decisão poderá acarretar outras, como por exemplo: se a decisão é

assistir televisão, que canal assistir. Assim, há um desdobramento das decisões a serem

tomadas.

Por isto, este trabalho tem o propósito de associar uma tomada de decisão

importante no segmento varejista com uma metodologia avançada que apoia este

processo, reduzindo consideravelmente a subjetividade presente no cenário decisório.

Trata-se da avaliação e classificação de pontos comerciais para concretizar ou não a

abertura de lojas de departamentos em uma determinada região da Cidade do Rio de

Janeiro, considerando o conhecimento adquirido ao longo dos anos pelos principais

executivos de uma determinada empresa do segmento varejista no ramo de moda. Este

2

processo envolve características e critérios quantitativos e qualitativos, sendo importante

utilizar a tecnologia dos conjuntos nebulosos (Fuzzy Sets), em conjunto com a ferramenta

de apoio multicritério à decisão denominada TODIM.

Desta forma, neste trabalho, busca-se um entendimento básico sobre o segmento

varejista, através de uma revisão bibliográfica, um estudo dos conjuntos nebulosos, da

tomada de decisão, de alguns métodos de apoio multicritério à decisão (como ELECTRE-

TRI e UTADIS) e uma análise sobre o método TODIM-FSE. A seguir, vamos analisar o

caso de uma empresa brasileira do segmento varejista que terá sua identidade mantida em

sigilo, entendendo seu contexto atual e as informações disponíveis para que pontos

comerciais disponíveis em rua sejam avaliados e classificados como viáveis ou não para

que lojas de departamentos sejam instaladas nestes pontos, com base no modelo mental

dos tomadores de decisão, utilizando o método TODIM-FSE.

3

2 REVISÃO BIBLIOGRÁFICA

2.1 O varejo em transformação

Nas últimas décadas, o varejo passou por inúmeras transformações, mas é

essencial o entendimento básico desta atividade. Parente (2000) afirma que “o varejo

consiste em todas as atividades que englobam o processo de venda de serviços e

produtos para atender a uma necessidade pessoal do consumidor final”. Desta forma,

varejista é qualquer instituição cuja atividade principal tem como base o varejo, isto é,

a venda de produtos e serviços para o consumidor final. Em resumo, podemos

considerar o varejo como o principal ponto de contato entre as empresas e seus

clientes finais, ou consumidores.

O varejo é um segmento com significativa sazonalidade, considerando

demanda e giro de estoques. Esta sazonalidade está representada em eventos como Dia

das Mães, Dia dos Namorados, Natal, Páscoa, Carnaval, Copa do Mundo, as estações

do ano (Primavera, Verão, Outono e Inverno), dentre tantos outros. Outro aspecto

relevante para a atividade varejista é a política econômica, que impacta a conjuntura

macroeconômica e, consequentemente, os indicadores de renda e emprego. Desta

forma, o nível de confiança do consumidor pode oscilar consideravelmente, afetando o

desempenho da atividade deste segmento.

Segundo Almeida (1997), após décadas convivendo com níveis de inflação

alarmantes, em que a deterioração do poder de compra da moeda brasileira corroía o

padrão de consumo da população, o Brasil, desde junho de 1994, vive estabilidade

econômica inédita em prazo maior do que um ano. E essa estabilidade permite ao

varejo planejar ações estratégicas em prazos muito mais longos, principalmente

quando estamos falando de estratégia de crescimento e expansão. Além disso, em

locais onde naquela época seria inimaginável aceitar que uma loja ou um centro

comercial pudesse ser implantado, atualmente existem empreendimentos de grande

sucesso, tais como o BarraShopping, no Rio de Janeiro, e o BH Shopping, em Belo

Horizonte. Estes shoppings foram construídos entre o final da década de 70 e o início

dos anos 80, em áreas onde não existiam centros comerciais e o nível habitacional era

4

muito baixo. Naquele momento, o empreendedor da rede Multiplan® percebeu que

aquela região seria próspera para os negócios nas décadas seguintes, o que de fato

ocorreu. Uma análise minuciosa no “P” ponto, considerando os 4 Ps do Marketing

(McCarthy, 1976), que serão apresentados mais adiante nesta dissertação, foi relevante

no sucesso do projeto. Dentre vários fatores, um dos mais relevantes no sucesso de um

empreendimento no varejo é a correta escolha do ponto de vendas ou loja.

O varejo também passa por uma grande transformação devido ao surgimento

de novas tecnologias, principalmente eletrônicas, que fizeram com que o consumidor

tenha acesso muito maior, mais rápido e mais fácil à informação e aos produtos

disponíveis no mercado. Dispositivos como computadores, celulares, tablets e

televisores digitais interativos são os principais canais de acesso às compras feitas pela

web. Os grandes varejistas utilizam sites próprios e redes sociais para divulgarem e

venderem seus produtos. Desta forma, a venda pelo e-commerce cresce

consideravelmente no mundo todo.

No Brasil, o varejo teve crescimento fortemente acelerado nas últimas duas

décadas principalmente devido a:

- O crescimento do nível de concessão de crédito e dos meios de pagamento,

possibilitando inúmeras facilidades para que os clientes possam realizar suas compras

em diversas parcelas e de diversas formas. O acesso aos cartões de crédito e débito por

grande parte da população brasileira demonstra o grande movimento de crescimento

do crédito para os clientes no Brasil.

- A queda do nível de desemprego nos últimos anos fortaleceu o desempenho

do setor varejista, tendo em vista que tornou a economia brasileira mais robusta e mais

atrativa para investimentos em diversos setores, principalmente no industrial e no de

serviços. A seguir, temos um gráfico (Figura 1) com a série histórica da taxa de

desemprego no Brasil, entre os anos de 2002 e 2013.

5

Figura 1: Taxa de desemprego no Brasil entre 2002 e 2013* (até setembro

deste ano).

Fonte: IBGE, 2013.

- A estabilização dos níveis de inflação das últimas duas décadas, aumentando

consideravelmente o nível de confiança do consumidor para adquirir crédito e

fazer compras em todos os segmentos (Moda, Eletrônicos, Construção civil,

Serviços, Turismo etc).

O crescimento exponencial do número de shopping centers presentes no Brasil

e o crescente interesse dos consumidores em entretenimentos oferecidos por estes

centros de compras, como cinemas, teatros e parques, também é outro fator importante

na transformação do varejo no Brasil. Vale destacar que o número de lojas cresceu na

mesma proporção do incremento na quantidade de shopping centers. E para

demonstrar este crescimento, são apresentados dois gráficos a seguir: Um

apresentando o crescimento no número de shopping centers no Brasil de 2001 a 2012

(Figura 2) e o outro demonstrando o crescimento da população brasileira no mesmo

período (Figura 3).

0,00%

2,00%

4,00%

6,00%

8,00%

10,00%

12,00%

14,00%

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013

Taxa de desemprego - IBGE - Séries históricas - 2002 a 2013*

6

Figura 2: Crescimento do número de shopping centers no Brasil.

Fonte: ABRASCE, 2013.

Figura 3: Estimativas populacionais para o Brasil.

Fonte: IBGE, 2014.

Analisando as figuras acima, percebe-se a grande diferença entre o crescimento

do número de shopping centers no Brasil (+55,4% de 2001 a 2012) e o crescimento

estimado pelo IBGE para a população brasileira para o mesmo período (+12,5%). No

entanto, continua sendo muito relevante a presença dos grandes varejistas,

principalmente no formato de lojas de departamentos e mega stores, em pontos de

294 303317 325 335

351363

376392

408430

457

2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

0

50000000

100000000

150000000

200000000

250000000

2001 2002 2003 2004 2005 2006 2008 2009 2011 2012

+12,5%

+55,4%

7

vendas localizados em rua. E isto ocorre não só no Brasil, mas em todo o mundo.

Como exemplo, podem ser citadas empresas como Zara, H&M, GAP, Forever 21,

Lojas Renner, C&A, Riachuelo, Leader Magazine, Marisa, dentre tantas outras. E

estas lojas normalmente estão localizadas nos grandes centros urbanos, principalmente

em regiões onde há grande concentração de escritórios e lojas e circulação intensa de

pessoas.

Tudo isto fez com que o consumidor no Brasil se tornasse cada vez mais

exigente e criterioso no momento de suas escolhas de compras e que o varejo se

tornasse cada vez mais desenvolvido e alinhado com a realidade praticada nos varejos

mais modernos e atualizados do mundo, como Estados Unidos, Europa e Ásia. Desta

forma, o mercado brasileiro se abriu para formatos inovadores de lojas e atividades

varejistas, como as lojas de conveniências, as redes de “fast foods”, os sistemas

“drive-thru”, as entregas em domicílio, lojas com “checkouts” inteligentes, dentre

outros. É muito importante destacar, ainda, a forte relação existente nestes novos

formatos entre as lojas físicas e o e-commerce.

Mesmo com todo o advento tecnológico que proporcionou maior interação dos

consumidores com os varejistas, uma pesquisa realizada em 2012 pela IBM®

em

diversas regiões do mundo apontou que grande parte das transações móveis e de

comércio eletrônico ainda é realizada na loja física, como entregas de mercadorias,

devoluções e outros serviços, e que 83% dos clientes ainda preferem comprar na loja

física (Schaefer, 2012). Por isto, ainda é muito relevante o estudo e o desenvolvimento

do varejo em lojas físicas, seja nos grandes centros de conveniência, como os

shopping centers, seja nas lojas de rua.

2.2 Os formatos varejistas e suas classificações

Segundo Parente (2000), as instituições varejistas podem ser classificadas com

base em diversos critérios, conforme ilustrado na Figura 4.

8

Figura 4: Classificação das instituições varejistas.

Fonte: Parente, 2000.

Os varejistas são classificados pelo tipo de propriedade:

- Independentes: apenas uma loja, com administração familiar, lojas pequenas;

- Redes: operam com mais de uma loja, apresentam padrão operacional,

operam em diversos mercados, grupos de grande porte;

- Franquias: pequenos empresários atuando em parceria com grandes

instituições varejistas, utilizando o know-how do dono da marca;

- Departamentos Alugados: lojas segmentadas em departamentos gerenciados

por outras empresas. Muito adequado quando o nível de especialização do

negócio é muito alto, como o segmento de joias ou flores, por exemplo;

- Sistemas Verticais de Marketing: varejistas, atacadistas e produtores que

trabalham como um sistema integrado, buscando a otimização dos resultados

do canal em operação.

E também são classificados em “instituições com lojas”:

- Alimentícios com lojas: bares, mercearias, padarias, lojas de conveniências,

hipermercados são alguns exemplos;

Classificação de

acordo com a

propriedade

* Independentes

* Redes

* Franquias

* Departamentos

Alugados

* Sistemas Verticais de

Marketing

Instituições

Varejistas

Instituições com

Lojas

* Alimentícias

* Não Alimentícias

* Serviços

Instituições sem

Lojas

* Marketing Direto

* Vendas Diretas

* Máquinas de Venda

* Varejo Virtual

9

- Não alimentícios com lojas: lojas especializadas, lojas de descontos, lojas de

fábrica, minilojas de departamentos (ou magazines) e lojas de departamentos.

- Varejo de serviço: salões de beleza, academias de ginástica, petshops (tosa e

banho de animais) são exemplos de varejo de serviço.

Ou “instituições sem lojas”:

- Marketing direto: o cliente acessa o varejista através de catálogos, malas

diretas, revistas, jornais, rádio, televisão ou computador e efetua seu pedido

através dos correios, telefone ou internet;

- Venda direta: empresas como Avon®

e Natura®

adotam esta prática, onde o

vendedor vai na casa do cliente para vender os produtos da instituição

varejista;

- Máquinas de vendas: equipamentos automatizados de venda de serviços e

produtos, como refrigerantes e café, por exemplo;

- Varejo virtual: comercialização de serviços e produtos através de websites e

home pages de diversas instituições varejistas, como Amazon.com®, Pão de

Açúcar® e Americanas.com

®.

Esta dissertação tratará de uma instituição varejista com lojas, não alimentícia,

caracterizada no modelo de rede de lojas de departamentos de moda.

2.3 Critérios para escolha de um ponto de loja.

Apesar da importância da escolha adequada do ponto de vendas para iniciar o

negócio, a grande maioria das empresas de varejo não trabalha adequadamente no

assunto, considerando aspectos subjetivos e com pouco embasamento científico na

tomada de decisão envolvida neste processo. A pouca disponibilidade de pontos

comerciais disponíveis nas grandes capitais também compromete a escolha adequada

do ponto de vendas, fazendo com que o tomador de decisão seja forçado a abrir uma

loja para se fazer presente em determinado mercado, mesmo numa condição adversa

que possa tornar a rentabilidade do negócio muito aquém do esperado.

10

Ainda assim, a experiência das pessoas envolvidas no processo determina a

melhor escolha. Mas sem uma metodologia adequada, pode haver perda considerável

de tempo e dinheiro, além de não haver uma consistência na escolha para diversas

situações que podem ocorrer. Segundo Salmon (2010), em função da importância e do

impacto na estratégia do negócio devido à escolha da localização do ponto de vendas,

a alta liderança da empresa deve estar plenamente envolvida neste processo, incluindo

o CEO como principal patrocinador na tomada de decisão.

Para elaborar uma estratégia completa de uma loja, é fundamental considerar o

composto de marketing definido por McCarthy (1976), definido como “os 4 Ps do

marketing”, conforme demonstrado na figura 5.

Figura 5: Os 4 Ps do mix de marketing

Fonte: Kotler e Keller, 2006.

Quando está em análise o “P” Praça ou Ponto de Venda, torna-se fundamental

considerar os principais critérios para uma escolha adequada do canal de vendas,

considerando sua localização. Para Waters (2011), alguns fatores precisam ser

levantados para que a escolha seja adequada. Estes fatores são:

Mix de marketing

Mercado-alvo

Produto

Variedade de produtos

Qualidade

Design

Características

Nome da marca

Embalagem

Tamanhos

Serviços

Garantias

Devoluções

Preço Preço da lista

Descontos

Concessões

Prazo de pagamento

Condições de financiamento

Promoção

Promoção de vendas

Propaganda

Força de vendas

Relações públicas

Marketing direto

Praça ou Ponto de venda

Canais

Cobertura

Variedade

Locais

Estoque

Transporte

11

- Tipos de bens: a loja que se pretende abrir irá comercializar bens de

conveniência, especializados ou diversificados?

- Qual a população no entorno do local onde pretende-se abrir a loja e sua

relação com o perfil de cliente desejado para o negócio?

- Quais as condições de acessibilidade, visibilidade e tráfico do local em

estudo?

- Quais as condições da legislação local para possibilitar a operação do

negócio, tais como licenças ou questões para a logística de abastecimento?

- Como funciona a concorrência no local do estudo? Existe similaridade do

negócio que se pretende abrir com a concorrência na localidade?

- Quais os custos de locação para o ponto em estudo? Eles estão alinhados com

as expectativas dos negócios?

- Quais as condições de segurança do local, considerando criminalidade, riscos

de incêndio, condições naturais, iluminação dentre outros?

No artigo de Burnaz e Topcu (2006), em um levantamento sobre critérios para

escolha de um ponto de vendas na Turquia, foram identificados pelos executivos de

uma empresa da região os seguintes critérios:

- Tamanho da loja;

- Custos de locação;

- Período possível de operação (horas de operação com a loja aberta);

- Condições de visibilidade e acessibilidade do ponto;

- Nível de competição local e concorrência no entorno;

- Proximidade com fontes de recreação e entretenimento;

- Zona de influência e fluxo de pedestres no entorno;

- Condições de estacionamento;

- Acesso via transporte coletivo;

- Facilidade para recrutamento de pessoal.

Pyle (1926) destaca que uma determinada localização de ponto de vendas pode

ser boa para um determinado negócio e ruim para outra e que o tamanho da loja e a

qualidade do serviço prestado por duas empresas diferentes do mesmo segmento no

12

mesmo local podem levar as duas empresas a terem resultados diferentes. Com isto,

Pyle (1926) afirma que a localização não é o único fator determinante para o sucesso

de um negócio. No entanto, este autor reforça a importância da localização adequada

para uma loja e cita os fatores e critérios mais importantes para uma escolha adequada

do ponto:

- A população no entorno e o perfil consumidor que transita ao redor do ponto;

- O fluxo (volume) de pedestres no entorno;

- As facilidades de transporte para acessar o ponto;

- As características da concorrência no entorno;

- Os custos com a locação do imóvel.

Para Pope et al (2012), em um trabalho desenvolvido para modelar uma

decisão multiatributos visando instalar ou não uma loja de departamentos em

determinados shopping centers, os seguintes critérios foram definidos como

fundamentais nesta tomada de decisão:

- Área bruta locável do imóvel;

- Os concorrentes presentes no shopping;

- O modelo de shopping: se é um shopping com lojas de descontos ou um

shopping no formato “fashion mall”;

- Vendas por metro quadrado: existente e divulgada pelo shopping ou projetada

através de comparações com lojas semelhantes da rede;

- O marketing do shopping;

- O cluster de lojas presentes no shopping;

- A característica do proprietário do shopping center: se tem abrangência

nacional ou regionalizada;

- A população no entorno do shopping;

- A proximidade do shopping em que se pretende instalar a loja com outros

shoppings;

- As lojas presentes no entorno do shopping, na área de atuação do

empreendimento;

- O faturamento médio na região onde o shopping atua;

13

- O ganho de market share com a instalação da loja no shopping, considerando

a rede de lojas de departamentos.

É importante destacar que, para todos os estudos verificados para este trabalho,

existe um ponto comum, que é a definição dos critérios utilizados para definir uma

escolha de localização de ponto de loja sendo feita pelos executivos com experiência

no segmento varejista, independente da escolha do local tratar de lojas de rua ou em

shopping centers. Também é possível verificar que existem similaridades nos critérios

definidos em todos os estudos analisados pelo autor desta dissertação.

2.4 Lojas em rua versus Lojas em shopping center.

Segundo Deale (2012), a localização adequada é uma das poucas maneiras

extremamente eficazes para que os varejistas de lojas físicas tenham fôlego para

competir com o rápido crescimento das empresas gigantes do e-commerce. Para

Salmon (2010), a localização é responsável pelos principais drivers do segmento

varejista. Desta forma, este fator pode ser extremamente poderoso, produzindo

grandes benefícios financeiros, proporcionando o crescimento do negócio ou o seu

declínio, mesmo que haja todo um esforço de marketing para reversão de baixa

performance. Sendo assim, a localização do ponto de vendas deve ser considerada

como fator crítico para um negócio do segmento varejista.

Almeida (1997) cita que o varejista, ao escolher uma localização, faz

investimentos fixos relevantes, cuja reversão é difícil e demorada quando comparada a

de outros fatores que compõem o mix mercadológico da empresa. Ou seja: reverter a

escolha inadequada de localização de um ponto de vendas é muito mais complexa,

cara e demandará um tempo muito maior do que modificar a estratégia de produtos ou

de preços executadas pela empresa neste mesmo ponto.

Considerando a estratégia para localização de uma loja, também é relevante

analisar os fatores que proporcionam a diferença de desempenho entre uma loja

localizada em rua e uma localizada em um shopping center. A loja de rua pode definir

um horário de funcionamento diferenciado em relação às lojas de shopping e aos

14

concorrentes, está mais sujeita aos problemas de segurança e aos eventos climáticos

que prejudicam o trânsito de pedestres e pode ter maior dificuldade para proporcionar

conforto aos clientes, principalmente considerando o quesito estacionamento. Além

disso, a loja de rua tem pouca ou nenhuma capacidade de influenciar a localização de

concorrentes no seu entorno (Almeida, 1997).

Para lojas localizadas em shopping centers, apesar das facilidades e benefícios

oferecidas pelo centro de consumo planejado, tais como a climatização, segurança,

facilidade de deslocamento e estacionamento, existem rígidos controles e taxas

definidos pelos controladores do empreendimento, como horários de operação,

incluindo finais de semana, e taxas de contribuição, como fundos de promoções e

taxas de condomínio. Os custos com ocupação de uma loja em shopping center, na

maioria dos casos, é maior do que o de uma loja localizada em rua.

Após algumas reuniões com os executivos da empresa e tomadores de decisão,

foram levantados os pontos positivos e negativos das operações de lojas em shopping

centers e localizadas em rua. É importante destacar que este conhecimento foi

adquirido com a experiência obtida sobre as operações existentes da empresa, ao longo

das últimas três décadas, e que as informações levantadas podem ser ratificadas na

literatura em artigos como de Rosa (2011), Waters (2011), Almeida (1997), Ingles

(2013) e no livro de Ferreira et al (2008).

LOJAS EM SHOPPING - PONTOS POSITIVOS

* SEGURANÇA: Estes centros comerciais oferecem serviços de segurança

para o empreendimento.

* CONDIÇÕES CLIMÁTICAS: A loja localizada em shopping center, em

condições climáticas mais adversas, como dias chuvosos ou muito quentes, pode ser

beneficiada. Isto ocorre porque muitos clientes que poderiam comprar em lojas de rua,

preferem o conforto do shopping center, que permite a circulação dos clientes em

condição totalmente controlada pelo empreendimento, que é climatizado e fechado.

15

* ESTACIONAMENTO: É um dos maiores benefícios que a loja de shopping

center proporciona aos seus clientes, pois facilita o acesso às lojas.

* EVENTOS e PROMOÇÕES: As administradoras dos empreendimentos são

as principais responsáveis pela elaboração e divulgação de eventos comerciais que

representam um importante atrativo aos consumidores, promovendo o incremento do

fluxo no ponto de venda.

* AMBIENTAÇÃO: As decorações valorizam a área onde a loja está

instalada. Normalmente, ficam sobre responsabilidade das administradoras na área

comum de circulação dos clientes.

* HORÁRIO: Os shoppings possibilitam horários estendidos, o que

proporciona um aumento nas possibilidades de faturamento.

LOJAS EM SHOPPING - PONTOS NEGATIVOS

* CUSTO: O lojista deve considerar o volume de vendas necessário para que o

negócio possa sustentar todo o conforto e segurança que o shopping center

proporciona, tendo em vista os altos custos atribuídos à locação do imóvel em que irá

se estabelecer. Ainda é importante destacar que os contratos de locação são de longo

prazo e sua rescisão envolve valores expressivos.

* CONCORRÊNCIA: Nos shopping centers, a concorrência é, normalmente,

maior devido à concentração de lojas no mesmo ambiente.

* MARKETING: As estratégias comerciais ficam restritas às regras da

administradora, que pode, por exemplo, proibir a distribuição de balões aos clientes ou

qualquer divulgação feita fora do ambiente da loja.

LOJAS EM RUA - PONTOS POSITIVOS

* CUSTOS COM LOCAÇÃO: O valor a ser investido no longo prazo pode

apresentar grande diferencial, pois não será necessário pagar algumas taxas

administrativas exigidas pelas administradoras de shopping centers. Para o empresário

16

que está iniciando suas atividades ou que ainda tem pequeno porte, este será um

diferencial de sobrevivência e rentabilidade para seu negócio.

* PROMOÇÃO: Uma loja de rua tem mais liberdade e pode utilizar o espaço

exterior, como as calçadas, para divulgar seus produtos e realizar ações de marketing

mais próximas ao cliente, como a entrega de panfletos e folders na porta da loja ou até

mesmo ações de degustação, dependendo do ramo de atividade. Logicamente, estas

ações devem estar alinhadas com as políticas adotadas pelos órgãos públicos e, em

alguns casos, podem ser necessárias licenças para determinadas atividades no

ambiente fora da loja.

* CONCORRÊNCIA: Pode ser menor em função da localização e da dispersão

das lojas concorrentes em espaços mais amplos dos que apresentados nos shopping

centers.

* COMPRA POR IMPULSO: Em grande parte dos casos, a compra realizada

em lojas de rua não é planejada, diferentemente da compra nos shopping centers.

Muitos clientes passam em frente às lojas de rua sem estarem, inicialmente,

intencionados a comprar algo. A facilidade do momento proporciona experiências de

compras inusitadas.

LOJAS EM RUA - PONTOS NEGATIVOS

* SEGURANÇA: É um dos principais problemas enfrentados pelos lojistas,

que, dependendo da localização, é obrigado a contratar um serviço de segurança

específico para dar maior tranquilidade aos seus clientes e aos seus funcionários.

* CONDIÇÕES CLIMÁTICAS: A loja de rua está suscetível às condições

climáticas de momento. Dias muito quentes ou chuvosos podem tornar o fluxo

insuficiente para a demanda inicialmente prevista, considerando metas e quantidade de

produtos comprados para o atingimento dos resultados.

* ESTACIONAMENTO: Com o aumento exponencial de veículos nos grandes

centros, a falta de estacionamentos próximos à loja pode ser um problema, pois o

17

consumidor pode não conseguir estacionar o seu veículo e, assim, não ter contato com

o empreendimento. Além disso, os estacionamentos nestas regiões estão com valores

muito acima do normal.

* AMBIENTAÇÃO: Assim como os eventos comerciais, os custos com

decoração ficarão por conta do lojista e, da mesma maneira, com a possibilidade de

um impacto menor sobre o consumidor, comparando com o shopping center.

.

18

3 REFERENCIAL TEÓRICO

3.1 Conjuntos nebulosos

Frequentemente, as classes de objetos encontrados no mundo físico real não

têm os critérios de adesão definidos precisamente (Zadeh, 1965). A classe de animais,

por exemplo, claramente inclui cavalos, peixes, gatos e cães como seus membros e, da

mesma forma, exclui pedras, líquidos e plantas do seu grupo. No entanto, objetos

como bactérias, fungos, estrelas-do-mar têm uma condição ambígua, quando se

considera a classe dos animais. E este mesmo tipo de ambiguidade surge quando se

avalia, por exemplo, que uma pessoa é muito maior do que a outra, ou que uma pessoa

é mais nova que outra.

Obviamente, “o grupo de pessoas altas” e o “grupo de pessoas jovens” não

formam grupos ou classes usuais em termos matemáticos. No entanto, não se pode

desconsiderar o fato de que essas "classes" mal definidas desempenham um papel

importante no pensamento humano, principalmente no campo do reconhecimento

padrão, na comunicação de informações e de abstrações (Zadeh, 1965).

Este conhecimento se tornou fundamental para a realização deste trabalho,

tendo em vista a presença de variáveis atreladas à capacidade humana de fazer

considerações a respeito de números e características de determinadas situações que

podem ser interpretadas de maneiras diferentes, dependendo do sentido da análise. Por

exemplo, o tamanho de um imóvel de 1.000 (mil) m2 pode ser pequeno, médio ou

grande. Considerando-se este imóvel para uma residência de uma família composta

por 5 (cinco) pessoas, o tamanho será exagerado. Para uma loja de departamentos,

“pode” ser pequeno. A palavra “pode” ficou entre aspas, pois o tamanho será definido

conforme o interesse das pessoas envolvidas na avaliação da situação.

Desta forma, Zadeh (1965) escreveu um artigo que trata dos números

nebulosos e que define os “Fuzzy Sets” da seguinte forma:

19

“Um conjunto fuzzy é uma classe de objetos com graus contínuos de adesão.

Tal conjunto é caracterizado por uma função de pertinência (característica), que

atribui a cada objeto um grau de adesão que varia entre zero e um. As noções de

inclusão, de união, de intersecção, complemento, relação, convexidade etc são

estendidos a esses conjuntos, e várias propriedades destas noções em contexto de

conjuntos fuzzy são estabelecidas” (Zadeh, 1965).

Também é importante destacar o trabalho desenvolvido por Znotinas e Hipel

(1979), que define que um conjunto de critérios pode ser visto como um conjunto

nebuloso F, onde o tomador de decisão é solicitado a fornecer um valor numérico que

reflete o grau de adesão diretamente, utilizando uma escala qualitativa. Este trabalho

foi muito relevante para o desenvolvimento de métodos multicritérios que trabalham

com números nebulosos, como o TODIM-FSE.

Para simplificar o entendimento deste assunto, o seguinte exemplo hipotético

foi considerado: um grupo de analistas de uma empresa de concessão de crédito para

pessoa física está elaborando o seu modelo de “credit score”, para conceder ou não o

crédito, baseado nas características do indivíduo. Dentre as várias características em

análise, como salário, local de residência e empresa onde trabalha, a idade também

compõe o modelo. No entanto, o entendimento sobre idade é bastante relativo, pois

uma pessoa com 20 anos pode ser jovem para determinada situação e velha para outra.

E isto pode ser considerado para praticamente todas as idades.

Sendo assim, o grupo de analistas poderia elaborar uma tabela para definir os

grupos de idades, conforme o interesse do seu modelo de negócio. Considerando os

modelos matemáticos definidos por Zadeh (1965), foi elaborada a seguinte tabela de

contribuições para o exemplo em questão (tabela 1):

20

Tabela 1: Exemplo de tabela de contribuições para um caso hipotético.

Com base na tabela acima, os analistas decidiram que a faixa de idades entre

35 e 45 anos é excelente para seu modelo de negócios, assim como as faixas entre 16 e

18 anos e acima de 55 anos não são interessantes para a concessão de crédito. É

importante destacar que as faixas intermediárias apresentam contribuições

diferenciadas, agregando parcialmente nas categorias definidas (Ruim, Bom e

Excelente) para o problema em questão. Desta forma, tornou-se viável trabalhar um

critério que apresenta forte subjetividade (a idade) em um modelo matemático

aplicado para tomada de decisão de concessão de crédito de uma empresa. Este

exemplo ilustra a importância dos conjuntos nebulosos para os modelos de tomada de

decisão modernos, como o TODIM incorporado com os números nebulosos,

denominado TODIM-FSE.

3.2 A tomada de decisão

Decisões são tomadas a todo o momento, nas mais diversas situações. A roupa

a ser escolhida para ir ao trabalho é um exemplo típico de uma decisão simples do

nosso cotidiano. Uma decisão pode ser bem mais complexa, como a compra de um

imóvel ou uma escolha na carreira profissional. O fato é que todo ser humano está

rodeado de tomadas de decisões a serem realizadas a todo o instante.

Por isto, a tomada de decisão foi a razão de reflexão de alguns filósofos, como

Aristóteles e Platão, que estudaram a capacidade do homem de decidir e a citaram

como sendo uma das características que diferenciam os seres humanos dos outros

animais (Figueira et al., 2005a).

Faixas de idades Ruim Bom Excelente

16 a 18 anos 1 0 0

de 18 a 25 anos 0,5 0,5 0

de 25 a 35 anos 0 1 0

de 35 a 45 anos 0 0 1

de 45 a 55 anos 0,4 0,6 0

Acima de 55 anos 1 0 0

21

Para Gomes (2007), a tomada de decisão refere-se ao processo que conduz à

escolha de, ao menos, uma alternativa entre várias possíveis para solucionar um

determinado problema. Para Keeney (1993), o processo decisório deve ser focado nos

valores a serem alcançados e as alternativas possíveis neste processo são relevantes

apenas por serem os meios para que o objetivo final seja atingido.

Keeney (2004) cita que definir qual decisão a ser tomada, formar uma relação

de objetivos baseada nos valores do indivíduo e um conjunto de alternativas são

processos de natureza subjetiva. Ou seja: não é possível analisar uma decisão sem que

se recorra a estes aspectos subjetivos. Julgamentos subjetivos são necessários para

definir incertezas, analisar a probabilidade de ocorrência destas incertezas, elaborar

uma árvore de decisão, analisar compensações entre valores e avaliar o nível de

aversão ao risco. Se não existissem fatores de caráter subjetivo, não existiria o controle

sobre a decisão a ser tomada.

Clemen e Reily (2001) entendem que decisões são difíceis por suas incertezas

inerentes, complexidades naturais, objetivos conflitantes e resultados que dependem

de diferentes perspectivas. Para Buchanan e O´Connel (2006), o estudo de tomada de

decisão compreende várias camadas de disciplinas intelectuais, a citar: psicologia,

matemática, economia, ciências políticas, sociologia e outras.

Por muito tempo, os problemas de tomada de decisão eram analisados com

base em um único critério, simplificando a complexidade do ambiente de tomada de

decisão. Para Figueira et al. (2005a), os livros de pesquisa operacional sugerem o

seguinte passo a passo para a resolução da tomada de decisão: Primeiro, definir uma

função objetivo, como, por exemplo, uma função de ganho representando a

preferência do tomador de decisão, e depois, identificar ações para minimizar ou

maximizar esta função objetivo.

Ainda conforme Figueira et al. (2005a), esta visão é muito reducionista e de

certa forma também não parece ser natural e simples para o problema de tomada de

decisão. Ou seja, a realidade é complexa e a tomada de decisão depende de vários

22

fatores, que, em muitas situações, são antagônicos, como por exemplo, a escolha de

um modelo de televisão para a compra: o decisor pode querer comprar um aparelho

simples, pequeno e barato. Mas sabe que quanto maior o aparelho, mais caro será seu

valor de compra. A tomada de decisão, neste exemplo citado, deve relevar todos estes

fatores para permitir uma escolha que atenda e agrade o decisor.

Para Doumpos e Zopounidis (2002), a consideração de muitos fatores na

tomada de decisão é o escopo do apoio multicritério à decisão ou MCDA (Multiple

Criteria Decision Aid ou Multi-criteria Decision Analysis), uma das áreas de estudo da

pesquisa operacional que tem sido desenvolvida rapidamente nas últimas décadas,

tanto no meio teórico como prático.

Para Clemen e Reily (2001), o processo de análise de decisão funciona como

um instrumento para apoiar o agente da decisão. Keeney (2004) também afirma que a

análise de decisão tem um forte apelo prescritivo, tornando-se referência para o

comportamento dos tomadores de decisão. Esta análise é baseada na compreensão

comum para a maioria das pessoas, tem uma sustentação formal de axiomas lógicos,

inclui métodos e procedimentos que tornam a implementação de conceitos fácil e é

aplicável a todas as decisões, simplificando-as objetiva e adequadamente.

3.3 Apoio multicritério à decisão

Para Roy (2005), o apoio à decisão tem foco no estabelecimento de

formulações de proposições (que podem ser respostas a determinadas questões,

possíveis conciliações ou soluções satisfatórias) que são submetidas ao julgamento de

um tomador de decisão e/ou de vários atores envolvidos no processo de tomada de

decisão, adotando bases científicas devidamente reconhecidas e com referência a

hipóteses plausíveis. Mediante o caso, o apoio à decisão pode colaborar para:

- analisar o contexto da tomada de decisão, através da identificação de atores,

possibilidades de ação, suas devidas consequências e interesses envolvidos;

23

- estruturar o desenvolvimento do processo de tomada de decisão para

aumentar a correlação entre os valores que servem como base para os objetivos e a

decisão final a ser obtida;

- criar e buscar a cooperação dos atores envolvidos para um melhor

entendimento conjunto e uma estrutura favorável para a discussão;

- gerar recomendações, utilizando os resultados obtidos a partir de modelos

previamente concebidos;

- participar da consolidação e legitimização da decisão final.

Vincke (1992) também afirma que o Apoio Multicritério à Decisão permite

suportar ou apoiar, através de diversos métodos, os agentes de decisão na avaliação e

seleção de alternativas possíveis, onde diversos critérios de âmbito distinto e, por

vezes contraditórios, têm que ser relevados.

Doumpos e Zopounidis (2002) citam que a categorização dos problemas de

tomada de decisão pode ser realizada em dois grupos:

Problemas discretos (figura 6) – onde é avaliado um número finito de

alternativas, que são descritas por um número também finito de atributos.

Tais atributos são a base para analisar as alternativas, dentro do cenário da

tomada de decisão.

Problemas contínuos (figura 7) – onde o número de alternativas possíveis a

serem avaliadas é infinito. Nestes casos, faz-se necessário trabalhar com

uma região de alternativas viáveis, onde cada ponto dessa região

corresponde a uma alternativa específica.

24

Figura 6: Problemas discretos.

Fonte: Doumpos e Zopounidis, 2002.

Figura 7: Problemas contínuos.

Fonte: Doumpos e Zopounidis, 2002.

Roy (2005) cita que os problemas discretos podem atender a quatro tipos de

necessidade do tomador de decisão, conforme a tabela 2:

g1 g2 ... gn

x1 g11 g12 ... g1n

x2 g21 g22 ... g2n

x3 g31 g32 ... g3n

- - - ... -

- - - ... -

- - - ... -

xm gm1 gm2 ... gmn

Alt

ern

ati

vas

Critérios

Problemas discretos

m alternativas

n critérios

g1

g2

Problemas contínuos

Conjunto de soluções

possíveis

25

Tabela 2: Tabela de referência para problemas de decisão.

Fonte: Adaptado de Gomes et al (2004).

Roy (2005) também considera que os quatro tipos de problemáticas citados

anteriormente não são os únicos possíveis e que o resultado a que se chega, tratando

um conjunto de dados através de um único procedimento, não é o bastante para

fundamentar uma recomendação.

Segundo Doumpos e Zopounidis (2002), os três primeiros tipos de problema

geram um resultado a partir da avaliação das alternativas, mas há uma diferença entre

o segundo tipo (classificação) e o primeiro (seleção) e terceiro (ordenação) juntos: nos

problemas de seleção e ordenação, as alternativas são basicamente avaliadas a partir

de comparações entre elas. Por exemplo, “considerando o critério Preço, o produto X

é pior que o produto Y”. Já os problemas de classificação têm como base julgamentos

independentes da existência de outras alternativas parecidas.

Ainda segundo Doumpos e Zopounidis (2002), tais julgamentos nem sempre

são absolutos, pois são sempre definidos com um contexto geral que define e

caracteriza o ambiente de decisão. Como exemplo, será utilizada a classificação de

uma empresa, considerando determinados requisitos para receber um financiamento.

As regras para obter o financiamento podem ser mais rígidas ou mais flexíveis,

dependendo do contexto de momento do mercado. Esta é uma das grandes diferenças

entre os problemas de classificação e os problemas de seleção e ordenação.

Tipos de Problemática Objetivo

Problemática de Seleção (Pα) Selecionar a(s) melhor(es)

alternativa(s).

Problemática de Classificação (Pβ)

Classificar cada alternativa em uma

categoria mais apropriada de um

conjunto previamente definido.

Problemática de Ordenação (Pγ)Gerar uma ordenação das

alternativas disponíveis.

Problemática de Descrição (Pδ)

Descrever as alternativas,

determinando suas performances em

critérios selecionados sem gerar

recomendações.

26

3.4 Processo de apoio multicritério à decisão

O processo de apoio multicritério à decisão, descrito por Roy (2005), é

composto por quatro etapas, conforme a figura 8 (oito). A primeira consiste na

compreensão do problema, sua complexidade, o objetivo a ser atingido e a

identificação das alternativas possíveis para a resolução do problema. Após esta etapa,

são definidos os critérios de avaliação das alternativas, que compõem o conjunto de

todos os fatores inerentes à decisão.

Na terceira etapa, escolhe-se um método adequado às características levantadas

do problema nas etapas anteriores, que será utilizado, desta forma, para que os

decisores realizem as devidas avaliações das alternativas através dos critérios

estabelecidos, resultando em um modelo que represente a preferência dos decisores.

Na última etapa do processo, os resultados são avaliados e as recomendações

para os decisores são geradas. É importante destacar que o processo prevê o retorno às

fases anteriores sempre que necessário, considerando os resultados que são obtidos ao

longo da análise.

27

Figura 8: Etapas do processo de apoio multicritério à decisão (Doumpos e

Zopounidis, 2002).

Gomes (2007) define as quatro principais categorias de preferências,

considerando a comparação entre critérios:

* preferência forte ou estrita (quando é justificada a preferência significativa de

uma alternativa sobre a outra);

* preferência fraca (quando as justificativas não são suficientes para uma

preferência forte, mas também não é possível considerar equivalência entre as

alternativas);

* indiferença (quando é justificada a equivalência entre duas alternativas);

* incomparabilidade (quando não há justificativas para as situações

precedentes).

1ª Etapa Definição do problema e das alternativas válidas.

2ª EtapaIdentificação dos critérios que serão utilizados para

analisar as alternativas.

3ª EtapaConstrução do modelo de preferências a partir das

alternativas e critérios.

4ª EtapaAnálise dos resultados do modelo e recomendações

para a tomada de decisão.

28

Os critérios definidos podem ser organizados hierarquicamente, sendo que a

mais frequente tem a forma de uma árvore e é linear. Segundo Keeney e Raiffa (1976),

5 (cinco) fatores podem ser utilizados para analisar se esta representação é útil para o

analista do processo:

Operacionalidade: Os critérios presentes nos níveis mais baixos da árvore de

critérios devem ser inteligíveis e específicos o suficiente para serem quantificados;

Decomponibilidade: A avaliação de uma alternativa em relação a um critério

não pode ser influenciada pela avaliação desta mesma alternativa por outro critério;

Tamanho mínimo: A árvore de critérios deve ser a menor e mais simples

possível. Quanto maior o número de critérios, mais complexo se torna a análise e a

resolução matemática do modelo;

Completude: Por outro lado, o conjunto de critérios deve ser suficientemente

completo, possibilitando que todos os aspectos relevantes para a tomada de decisão

sejam abordados;

Ausência de redundância: É fundamental reduzir ao máximo ou eliminar as

redundâncias na árvore de critérios. Desta forma, são evitadas distorções nos

resultados obtidos, em função de forte correlação entre os critérios.

Conforme Roy (2005), os métodos multicritérios de agregação fornecem vários

parâmetros, como pesos, constantes de escalonamento, níveis de rejeição, entre outros,

que possibilitam a definição do papel específico de cada critério em relação aos

demais. Além disso, também é disponibilizada a lógica de agregação, que leva em

consideração os possíveis tipos de dependência que se deseja relevar com relação aos

critérios e as condições sob as quais se aceitam ou se rejeitam as compensações entre

maus e bons desempenhos das alternativas. Para se atribuir valores aos parâmetros

citados, é necessário ter como referência a lógica de agregação do método em questão.

Caso contrário, tais parâmetros não possuem significado.

29

3.5 Escolas de Pensamento

Clímaco e Craveirinha (2005) citam que os métodos relacionados às decisões

multicritérios podem ser divididos em duas escolas de pensamento:

Escola francesa, que se apóia na introdução de ordens parciais ou relações

de superação;

Escola norte-americana, onde uma função de utilidade multiatributo (linear

ou não) é construída para apoiar a avaliação de um conjunto discreto de

alternativas.

Para Gomes (2007), o método da Teoria da Utilidade Multiatributo e o método

da análise hierárquica são os mais representativos da escola norte-americana, seguindo

os enfoques descritivo e prescritivo. Os métodos Electre e Prométhée, que pertencem à

escola francesa, agregam, a partir do conceito de relação de superação, todas as

informações oriundas dos diferentes agentes de decisão sem efetuar qualquer operação

de síntese. Os métodos da escola norte-americana operam com a idéia de agregar todas

as informações por meio de uma grande síntese.

A tabela a seguir compara as principais características dos métodos da Escola

francesa com a Teoria da Utilidade Multiatributo, advinda da Escola norte-americana:

30

Tabela 3: Uma comparação entre os métodos da Escola Francesa e a Teoria da

Utilidade Multiatributo.

Fonte: GOMES e GOMES, 2012.

3.6 Apoio multicritério à decisão para problemas de

classificação

Os métodos MCDA foram desenvolvidos, originalmente, para as

problemáticas de Seleção e Ordenação (que têm por base a medição do grau de

Métodos da Escola Francesa ou

Escola EuropéiaTeoria da Utilidade Multiatributo

Permitem ordenar (pelo menos

parcialmente) as alternativas em

termos relativos, mesmo quando a

informação de que dispõe sobre as

preferências critério a critério é

pobre; no entanto, não é possível a

indicação do mérito global de cada

alternativa.

Possibilita definir uma medida de

mérito (valor) global para cada

alternativa, indicadora da sua posição

relativa numa ordenação final; no

entanto, é necessário dispor de

informação completa (cardinal) sobre

as preferências intracritérios dos

decisores, o que, em alguns casos

práticos, pode ser difícil.

Permitem quatro diferentes formas de

comparação entre alternativas:

preferência sem hesitação, preferência

com hesitação, indiferença e

incomparabilidade.

Permite duas formas de comparação:

preferência e indiferença; não

pressupõe a existência de hesitação.

A hesitação é uma área fértil para

aplicação de teorias que trabalham

com não determinismo: Teoria dos

conjuntos nebulosos e Teoria dos

conjuntos aproximativos (TCA).

Existem trabalhos que aplicam a

Teoria dos conjuntos nebulosos e

TCA para verificar a sensibilidade

dos resultados.

Não necessitam de uma função de

utilidade, utilizando-se de

comparações paritárias e gráficos de

Kernel para representar a dominância

das alternativas.

Pressupõe a criação de uma função

de utilidade.

Não pressupõem transitividade. Pressupõe transitividade.

Pressupõem superação e análise

paritária.

Facilita o estabelecimento de

hierarquias.

31

preferências entre alternativas de um dado conjunto) e, posteriormente, para

problemas de Classificação. Segundo Doumpos e Zopounidis (2002), no contexto do

MCDA, Classificação pressupõe a atribuição de um conjunto finito de ações,

atribuídas a um conjunto de critérios. Existem problemas de Classificação feitos de

forma ordinal e outros de forma nominal, sendo duas as principais diferenças entre

estes dois tipos de problemas:

- Em problemas de classificação ordinal, os critérios de avaliação oferecem

não apenas a descrição das ações, mas, também, a informação preferencial para

contribuir com a identificação das ações, da melhor à pior;

- As classes são definidas de foma ordinal, e não de forma nominal.

Os métodos de Classificação em MCDA consideram avaliar cada alternativa

em termos absolutos, correlacionando cada alternativa com uma classe pré-definida.

Na prática, este tipo de Classificação é aplicado de várias formas, reconhecidamente

no campo da medicina, gestão de recursos humanos, marketing e outras mais

(Zopounidis e Doumpos, 2002).

Para Doumpos e Zopounidis (2002), tal como a Classificação em MCDA, o

Agrupamento de Dados (ou Clustering) tem como objetivo agrupar um conjunto de

objetos (por exemplo, pessoas, produtos ou outras entidades), avaliados segundo um

conjunto de atributos, em grupos. A principal maneira de distinguir estas duas técnicas

está na definição dos gupos, conforme a seguir:

- Na Classificação, os grupos (usualmente denominados categorias ou classes)

são definidos anteriormente, respondendo, em certos casos, à clarificação de decisões

ou à elaboração de prescrições ou recomendações;

- No Agrupamento de Dados, os grupos (usualmente denominados clusters)

são definidos posteriormente, pois surgem de uma forma de aprendizagem por

observação e geralmente são relacionados com preocupações descritivas.

32

Ainda segundo Doumpos e Zopounidis (2002), em outras palavras, a

Classificação é considerada aprendizagem supervisionada, enquanto que o

Agrupamento de Dados é um exemplo de aprendizagem não supervisionada. A figura

9 (nove) apresenta estas diferenças ilustradas em diagrama esquemático.

Figura 9: O problema de Classificação comparado ao problema de

Clusterização.

Fonte: Doumpos e Zopounidis (2002).

São inúmeros os trabalhos de Classificação e Clustering multicritério que

foram desenvolvidos nos últimos anos pela comunidade científica, e embora estas

duas formas de resolução de problemas sejam muito diferentes à primeira vista, elas

podem se complementar.

Neste trabalho, será utilizado o método TODIM-FSE como ferramenta de

apoio multicritério à decisão, considerando a problemática Pβ (Classificação). No

Os grupos estão

especificados?

SIM

ÃO

NÃO

O

Grupos

Ordinais

Grupos

Nominais

Classificação Clusterização

Alternativas

X1, X2, X3, …

Exploração dos conhecimentos

existentes para desenvolvimento

do modelo

Formação de gupos compostos

por alternativas com

características similares

33

entanto, também serão estudados, na seção a seguir, outros dois métodos para

classificação, que são o ELECTRE-TRI e o UTADIS.

3.7 Principais métodos multicritério para classificação

ordenada

3.7.1 ELECTRE-TRI

Segundo Zopounidis e Doumpos (2002), no contexto do MCDA, os métodos

usualmente utilizados para problemas do tipo β (Pβ) são das famílias ORT

(Outranking Relation Theory) e MAUT.

Figueira et al..(2005b) citam que, entre os métodos ELECTRE, um dos mais

recentes desenvolvidos para Classificação é o ELECTRE TRI.

Abaixo, temos uma tabela com as principais características dos métodos da

família ELECTRE e do PROMÉTHÉE.

Tabela 4: Características dos principais métodos do tipo ELECTRE.

Fonte: Adaptado de Gomes, 2012.

O ELECTRE TRI considera a problemática β (Pβ) e representa um dos

métodos da família ELECTRE (ELimination Et Choix Traduisant la REalité), que é

composta por ELECTRE I, II, III, IV, IS e TRI. Os métodos ORT, também

denominados métodos de relação de superação (outranking), são fundamentados em

uma relação de superação que adota as preferências estabelecidas pelo decisor diante

dos problemas e das alternativas disponíveis. Conforme Roy (2005), a relação de

MÉTODOTIPO DE

PROBLEMA

TIPO DE

CRITÉRIOPESOS

Electre I Seleção Verdadeiro Sim

Electre IS Seleção Pseudo Sim

Electre TRI Classificação Pseudo Sim

Electre II Ordenação Verdadeiro Sim

Prométhée Ordenação Pseudo Sim

Electre III Ordenação Pseudo Sim

Electre IV Ordenação Pseudo Não

34

superação S é uma relação binária definida em A, tal que aSb, se a é, pelo menos, tão

boa quanto b. Essa relação não exige a transitividade.

Segundo Gomes et al. (2004), o método ELECTRE TRI classifica as diversas

alternativas para a solução de um problema por meio da comparação de cada

alternativa potencial com uma referência estável (sendo esta padrão e/ou alternativa de

referência).

Sendo conhecidas as alternativas de referência (ou perfis) b1, b2, ..., bp e os

critérios j1, j2, ..., jn , definem-se as categorias C1, C2, ..., Cn. Para um dado critério j, a

alternativa a será localizada em uma determinada categoria, em função de sua

avaliação gj(a) (Gomes et al, 2004).

O método ELECTRE TRI trata de problemas que são modelados por uma

família de pseudo-critérios, em que os limiares de preferência e indiferença pj(bh) e

qj(bh) constituem as informações intracritérios. Desta forma, qj(bh) especifica a maior

diferença gj(a)-gj(bh), que mantém a indiferença entre a e bh no critério gj e pj(bh)

representa a menor diferença gj(a)-gj(bh), compatível com uma preferência de a no

critério gj.

O método calcula um índice de credibilidade σ(bh,a), o qual permite avaliar

como a alternativa bh supera a alternativa a. σ(a,bh)[0,1]. A afirmação aSbh só é

considerada válida se σ(a,bh)>λ , onde λ é o nível de corte situado no intervalo entre

0,5 e 1. Este índice é definido em função da concordância e da discordância entre os

pares de alternativas, sendo calculado como (Equação 1):

A classificação das alternativas é feita com base em um procedimento

pessimista ou otimista. Um maior detalhamento do método ELECTRE TRI pode ser

encontrado em Belton e Stewart (2002) e Vincke (1992). Também são encontradas, na

literatura, diversas aplicações do ELECTRE TRI, como controle de estoques, do artigo

de Szajubok et al. (2006), análise de crédito, na dissertação de mestrado de Acolet

(2008), e planejamento salarial, na dissertação de mestrado de Santos (2003).

35

3.7.2 UTADIS

O método de Utilidade Aditiva Discriminante (UTilitiés Additives

DIScriminates – UTADIS) é uma variante do método UTA (UTilitiés Additives) e foi

apresentado originalmente por Devaud et al. (1980). Doumpos e Zopounidis (2002)

citam que o método passou a ser de interesse dos pesquisadores do MCDA a partir da

década de 90, tendo sido utilizado em 1995 por Jacquet-Lagrèze para a avaliação de

projetos de P&D. A partir de 1997, também foi utilizado para Classificação em

modelos de tomada de decisão para a área financeira em diversos trabalhos, tais como

Zopounidis e Doumpos (1997, 1998).

Segundo Doumpos e Zopounidis (2002), o objetivo do método é realizar a

classificação das alternativas em q grupos pré-ordenados C1, C2,...Cq através de uma

função de utilidade aditiva. A partir do resultado da função para cada alternativa, os

grupos são compostos com as alternativas, de maneira que as com maior resultado

fiquem no grupo C1 e as com os menores resultados obtidos fiquem no Cq. A função

de utilidade aditiva é expressa da seguinte forma (Equação 2):

U(g) = ∑ piui (gi) (2)

Onde:

g = (g1, g2, ..., gn) é o vetor de avaliações para cada critério.

Pi é o peso de cada critério, onde 0 < pi < 1 e

(p1 + p2 + ... + pn = 1).

ui(gi) é a função de utilidade marginal para os critério gi.

As funções de utilidade marginal são funções monótonas crescentes que

variam de gi* a gi*, onde gi* representa o menor valor de avaliação das alternativas no

critério gi e gi* representa o maior valor de avaliação das alternativas no mesmo

critério (Doumpos e Zopounidis, 2002).

36

As funções de utilidade marginal podem ser lineares ou não lineares e

fornecem um mecanismo para converter a escala dos critérios em uma nova escala,

visando representar a função de utilidade do decisor em cada critério. Essa conversão

da escala possui duas grandes vantagens, segundo Doumpos e Zopounidis (2002):

- Possibilita a modelagem do comportamento não linear do decisor ao avaliar

as alternativas;

- Através de um modelo de regressão, proporciona uma forma metodológica

para transformar uma escala qualitativa (como curto, médio e longo) em uma escala

quantitativa, ao invés de uma atribuição arbitrária, como, por exemplo 1 para curto, 2

para médio e 3 para longo.

Segundo Doumpos e Zopounidis (2002), o processo de modelagem do

problema de apoio multicritério à decisão no método UTADIS se baseia na definição

dos pesos dos critérios (pi), na formação das funções de utilidade marginal (ui(gi)) e na

definição dos valores limite entre os grupos (ui) a partir da avaliação e classificação de

um subconjunto de alternativas (chamado de conjunto de referência). A figura 10 (dez)

representa o processo geral do método UTADIS.

37

Figura 10: Esboço do processo geral do método UTADIS.

Fonte: Adaptado de Doumpos e Zopounidis, 2002.

Duas variáveis de erro são utilizadas para identificar a diferença entre o

modelo e a classificação do conjunto de referência, e então, através de programação

linear, busca-se a minimização do erro entre o modelo e o conjunto de referência. Uma

vez que a classificação do conjunto de referência e a classificação através do modelo

são compatíveis, o restante das alternativas é classificado através do modelo

(Doumpos e Zopounidis, 2002).

Maiores informações sobre o método UTADIS podem ser obtidas em

Doumpos e Zopounidis (2002) e no trabalho de dissertação de mestrado apresentado

por Gonçalves (2011), que trata de comprometimento organizacional.

Outro método de Classificação é o TODIM-FSE, que será descrito na próxima

seção e será adotado neste trabalho.

Classificação

correta?

Definição de pi, ui(gi) e (ui)

utilizando programação linear.

Nova

verificação

do conjunto

de referência

Fim

Avaliação e classificação do

conjunto de referência pelo

tomador de decisão.

Não

Sim

38

4 O MÉTODO TODIM-FSE

O método TODIM-FSE se caracteriza pela união de dois métodos

multicritério. Publicado originalmente em artigo de Gomes e Lima (1991), TODIM

(Tomada de Decisão Interativa Multicritério) é um método de análise decisória

multicritério que disponibiliza, como resultado, as alternativas ordenadas em

preferência, baseado no modelo mental dos tomadores de decisão. Sua formulação tem

como base a Teoria dos Prospectos, de Kahneman e Tversky (1979), onde se descreve

o comportamento humano em função do risco atribuído a uma determinada tomada de

decisão. O método TODIM também se baseia em um conceito semelhante ao do fluxo

líquido, assim como no método multicritério PROMÉTHÉE, de Brans e Vincke

(1985).

A Teoria dos Prospectos descobriu padrões de comportamento humano que

ainda não eram reconhecidos pelos cientistas da tomada racional de decisões.

Kahneman e Tversky identificaram que, nas situações em que ganhos são envolvidos,

o ser humano tende a ser mais conservador em relação ao risco. Ou seja: as pessoas

optam por ganhos menores, porém mais seguros, entre correr riscos para obter um

ganho maior. Ao contrário, em casos onde se envolvem perdas, as pessoas se arriscam

mais. Isto é: elas preferem correr o risco de perderem mais do que aceitar perdas

menores, porém seguras, sempre que as perdas estejam ligadas a alguma possibilidade

de que essas mesmas pessoas não perderão coisa alguma.

Gomes e Lima (1991) publicaram uma forma de ligar o contexto utilizado para

o desenvolvimento da Teoria dos Prospectos ao cenário que caracteriza o Apoio

Multicritério à Decisão. A partir desta ligação, foram introduzidas novas funções de

valor que procuram reproduzir o comportamento das pessoas identificado nas

pesquisas de Kahneman e Tversky, nas medidas de dominância de uma alternativa

sobre a outra. A figura 11 (onze) demonstra os comportamentos humanos

identificados pelos autores da Teoria dos Prospectos em relação às possibilidades de

perdas e ganhos.

39

Valor

Perdas Ganhos

Fig. 11: Função de valor típica da Teoria dos Prospectos.

No método TODIM, é possível englobar tanto critérios qualitativos

(quantificáveis apenas por meio de julgamentos de valores lidos em uma escala) como

quantitativos (normalmente quantificáveis).

O processo de agregação FSE, Fuzzy Synthetic Evaluation, (Lu et al, 1999;

Chang et al, 2001; Onkal-Engin e Demir, 2004; Sadiq et al, 2004; Kuo e Chen, 2006)

tem como propósito obter uma soma ponderada dos pesos para cada categoria definida

no modelo decisório. Estes pesos estão relacionados com a importância relativa

atribuída a cada critério, em relação aos demais. Com isto, um vetor final de pesos é

obtido, representando o impacto de cada critério no modelo. Importante destacar que a

soma dos valores deste vetor de pesos sempre deve ser igual a 1 (um). A utilização da

ferramenta FSE serve para incorporar ao método TODIM a possibilidade de se

trabalhar com números nebulosos, normalmente correlacionados com critérios

qualitativos.

O método TODIM já foi utilizado como apoio para decisão em diversas áreas,

como petrolífera, ambiental, saúde, entre outros, em trabalhos como Gomes e Lima

(1991), Nobre et al. (1999), Costa et al. (2002), Gomes e Rangel (2009), Gomes et al.

(2009a), (2009b), (2010), (2013a), (2013b), Chen et al. (2010), Rangel et al. (2011),

Moshkovich et al. (2011), Gomes e González (2012), Kazancoglu e Burmaoglu (2013)

e Fan et al. (2013).

40

Trabalhos do método TODIM com incorporação dos conjuntos nebulosos

podem ser estudados em: Krohling e Souza (2012), Tseng et al. (2012), Krohling e

Pacheco (2013), Krohling et al. (2013), Passos et al. (2013), Lourenzutti e Krohling

(2013), Xu et al. (2013).

Visando facilitar a utilização e compreensão do método, este será descrito em

etapas, seguindo o exemplo de Goodwin e Wright (2000), baseado no método

SMART, de Edwards (1977). A ordem das etapas não precisa ser seguida na ordem

descrita, porém esta ordem facilita o estudo em questão.

Etapa 1: Definição dos analistas de decisão e dos decisores envolvidos no processo;

Etapa 2: Análise e estruturação do problema de decisão;

Etapa 3: Definição dos critérios fundamentais para o problema em estudo;

Etapa 4: Definição das categorias e funções de contribuição;

Etapa 5: Definição da importância relativa entre os critérios escolhidos;

Etapa 6: Classificação de cada alternativa nas categorias propostas;

Etapa 7: Análise de validação.

4.1 Definição dos analistas de decisão e dos decisores

envolvidos no processo (Etapa 1)

Nesta etapa, serão definidas, com clareza, as pessoas envolvidas no processo

decisório. Ou seja: os decisores, que são os indivíduos que de fato decidirão sobre o

problema em análise e que escolherão os critérios que serão utilizados, bem como a

relevância de cada um deles para o processo (pesos dos critérios, avaliação das

alternativas à luz dos critérios etc). Os analistas de decisão são as pessoas que tem

domínio do método de apoio à decisão e que darão suporte ao desenvolvimento do

processo decisório.

41

4.2 Análise e estruturação do problema de decisão (Etapa 2)

Este momento é crítico para todo o processo decisório. Deve-se analisar o

problema criteriosamente para que se tenha certeza de que o problema certo está sendo

trabalhado. É muito comum que problemas mal estruturados levem a boas decisões

para o problema errado. Uma grande quantidade de referências sobre o assunto pode

ser encontrada em Belton e Stewart (2010).

4.3 Definição dos critérios fundamentais para o problema

em estudo (Etapa 3)

Nesta etapa, inicia-se a construção do modelo decisório. Através de

brainstormings, os critérios que serão utilizados para classificar as alternativas em

estudo serão levantados pelos tomadores de decisão. Posteriormente, seguindo as

recomendações de Keeney e Raiffa (1976), esses critérios serão filtrados, fundidos ou

eliminados, visando aprimorar e simplicar a análise, evitando, principalmente,

redundâncias. Segundo eles, o conjunto de critérios deve ser caracterizado pela

operacionalidade, decomponibilidade, tamanho mínimo, completude e ausência de

redundância.

4.4 Definição das categorias e funções de contribuição

(Etapa 4)

Com os critérios definidos, o próximo passo consiste em definir quantas

categorias serão utilizadas no modelo escolhido. A literatura sobre o assunto sugere

que não sejam utilizadas mais de cinco categorias, visando simplificar o modelo e

torná-lo mais fácil de utilizar. Após definir a quantidade k de categorias, serão

definidas as contribuições (µ) que cada critério contribui para que uma determinada

alternativa se classifique dentro da categoria.

Os valores de contribuição variam entre 0 (zero) e 1 (um) continuamente, onde

o valor 0 (zero) indica que o critério nada contribui para que uma alternativa se

classifique dentro de uma determinada categoria. O valor 1 (um) indica que a

42

contribuição do critério é máxima para uma determinada alternativa. É importante

destacar que também são aceitos valores intermediários de contribuição.

Para cada tipo de critério, quantitativo ou qualitativo, os valores de

contribuição serão definidos de maneira diferente. Se o critério j for quantitativo, ele

poderá assumir valores contínuos. Neste caso, as contribuições serão baseadas nas

funções de contribuições, similar aos conjuntos fuzzy. A figura 12 (doze) demonstra

um exemplo de funções de contribuições definidas com funções trapezoidais, para três

categorias.

Fig. 12: Funções de contribuições trapezoidais.

Se o critério i for qualitativo, espera-se que a sua avaliação (y) ocorra baseada

em uma escala com valores discretos. Para cada valor verbal da escala, serão definidos

valores de contribuições para cada uma das categorias, em forma de tabela de

contribuições, como demonstrado na tabela 5 (cinco).

Categorias

Avaliação Cat1 Cat2 ... Catk-1 Catk

ƴ1 µ11 µ12 ... µ1k-1 µ1k

ƴ2 µ21 µ22 ... µ2k-1 µ2k

ƴ3 µ31 µ32 ... µ3k-1 µ3k

... ... ... ... ... ...

ƴm µm1 µm2 ... µmk-1 µmk

Tabela 5: Tabela de contribuições para o critério i.

0

0,2

0,4

0,6

0,8

1

0 1 2 3 4 5 6 7

Cat 1 Cat 2 Cat 3

43

Com as tabelas de contribuições ou funções de contribuições devidamente

definidas, torna-se possível formar o primeiro conjunto importante de dados para o

modelo, denominado de tabela de contribuições agrupadas dos critérios. Cada linha

desta tabela é definida a partir da avaliação realizada para a alternativa em função de

cada critério. A tabela 6 (seis) ilustra um exemplo.

Categorias

Critérios Cat1 Cat2 ... Catk-1 Catk

crit1 µ11 µ12 ... µ1k-1 µ1k

crit2 µ21 µ22 ... µ2k-1 µ2k

crit3 µ31 µ32 ... µ3k-1 µ3k

... ... ... ... ... ...

critn µn1 µn2 ... µnk-1 µnk

Tabela 6: Tabela de contribuições agrupadas dos critérios.

4.5 Definição da importância relativa entre os critérios

escolhidos (Etapa 5)

Segundo Gomes e Gomes (2012), nos problemas multicritério é muito comum

que, para o agente de decisão, alguns critérios sejam considerados mais relevantes que

outros. As medidas que expressam a importância relativa entre os critérios são

definidas como pesos dos critérios. Desta forma, outro conjunto de dados importante

para o modelo refere-se aos pesos dos critérios.

Gomes e Gomes (2012) citam os seis principais métodos para atribuição de

pesos aos critérios, assim denominados:

1) SMART (Simple Multi Attribute Rating Technique);

2) Ordinal (Ranking Methods);

3) AHP (Analytic Hierarhy Process, criado por Thomas L. Saaty, 1991);

4) Atribuição Direta de Peso ou Pontuação Direta (Direct Rating);

5) Swing Weighting;

6) Trade-off Weighting.

44

Nesta etapa, para formar este conjunto, pode-se adotar o seguinte

procedimento, utilizando o método AHP:

a. Deve ser preenchida uma matriz de comparações paritárias, semelhante a

utilizada no AHP (Saaty, 2006). Nela são inseridos julgamentos retirados

da escala fundamental de Saaty, como demonstrado na tabela 7 (sete). A

partir dessa matriz, é obtido o vetor de pesos para n critérios [a1, a2, a3 ...

an-1, an].

Tabela 7: Escala fundamental de Saaty.

b. Remove-se qualquer possível inconsistência presente nestes julgamentos

paritários, utilizando o mesmo procedimento proposto no método TODIM.

Desta forma, é construída uma nova matriz utilizando o vetor de pesos

obtido da matriz anterior.

c. Um novo vetor de pesos é obtido a partir desta matriz, cujas componentes

são calculadas através da média aritmética das linhas da matriz acima. Os

Escala numérica Escala verbal

1 Igual importância

3 Importância moderada

5 Importância forte

7

Importância muito

forte

9 Importância extrema

2,4,6,8

Valores

intermediários.

a1/a1 a1/a2 ... a1/an

a2/a1 a2/a2 ... a2/an

... ... ... ...

an/a1 an/a2 ... an/an

45

novos valores do vetor de pesos são normalizados, dividindo-os pela soma

dessas médias. Com este procedimento, evitam-se os problemas com o

cálculo do autovetor da matriz, citados por Bana e Costa e Vansnick

(2001). Desta forma, obtém-se o vetor de pesos W, cujo somatório das

componentes é igual a 1 (um).

W = [w1 w2 w3 ... wn-1 wn] e ∑

4.6 Classificação de cada alternativa nas categorias

propostas (Etapa 6)

Nesta etapa, são utilizadas as equações do método TODIM, com base nos dois

conjuntos de dados formados para a Classificação: a tabela de contribuições agrupadas

dos critérios (tabela 6) e os pesos dos critérios. Serão construídas n matrizes de

dominâncias parciais (ɸc (cati , catj)), uma para cada critério c. Os elementos de cada

uma destas matrizes serão fornecidos pelo seguinte conjunto de equações (3):

√( ( ))

,

ɸc (cati , catj) = 0 , (3)

√(

∑ ( )

),

Onde:

ɸc (cati , catj) é a medida de dominância da categoria i sobre a categoria j,

considerando o critério c;

46

wrc é a taxa de substituição do peso do critério c pelo peso do critério r, sendo

este último o peso do critério de referência;

∑ é o somatório das taxas de substituição para todos os critérios;

é a diferença entre os pesos das alternativas i e j em relação ao

critério c;

ɵ é o fator de atenuação de perdas, quando ;

=> medida de ganho, se o valor é positivo;

=> não há ganho ou perda no referido ponto;

=> medida de perda, se o valor é negativo.

Como exemplo, a matriz ɸc1 pode ser citada, sendo composta utilizando-se

somente os valores de contribuição associados ao critério 1. Neste caso, somente a

primeira linha da tabela de contribuições agrupadas dos critérios será analisada. Neste

método, as diferenças são vistas como ganhos ou perdas associados à função

de valor da Teoria dos Prospectos, conforme representado na figura 11 (onze). Se a

diferença for positiva (indicando um ganho de dominância da categoria i em relação à

categoria j, no critério 1, por exemplo), o valor do elemento genérico aij da matriz ɸc1

será dado pela primeira função da equação (1). Se a diferença for negativa (indicando

uma perda de dominância da contribuição da categoria i em relação à categoria j), o

valor deste mesmo elemento aij será fornecido pela segunda função da equação (1) e

será nulo caso a diferença seja igual à zero. Os valores wrc representam as taxas de

substituição do peso do critério c dividido pelo peso do critério de referência r (Ou

seja: wrc = wc / wr). Neste caso, wr pode ser o critério de maior peso. O valor Ɵ é o

fator de atenuação de perdas. Diferentes escolhas deste valor levam a diferentes

formas da função de valor da Teoria dos Prospectos, no quadrante negativo (figura

11). Sendo assim, cada matriz ɸc (cati , catj) estará armazenando um conjunto de

valores de dominância das categorias com relação a cada critério.

Depois de calculadas as matrizes de dominâncias parciais para cada critério, é

calculada a matriz de dominâncias δ(cati,catj), equacionada como (4):

δ(cati,catj) = ∑ , Ɐ(i,j) (4)

47

Cada elemento dessa matriz representa a soma de todas as dominâncias obtidas

anteriormente para cada critério. O resultado final será obtido com o cálculo do vetor

X (pronunciado como Xi), que terá como cada um de seus elementos, o seguinte valor

(5):

∑ ( ) ∑ ( )

∑ ( ) ∑ ( )

(5)

Desta maneira, o vetor X, ao ser calculado, sempre apresentará uma

componente com valor 1 (um), representando a categoria mais adequada para a

Classificação, e outra com valor 0 (zero), representando a categoria menos adequada.

Nas demais categorias, serão apresentados outros valores intermediários.

4.7 Análise de Validação (Etapa 7)

Nesta última etapa, a análise de validação ganha importância para dar

qualidade e robustez ao modelo de apoio à decisão. Nela, serão comparados os

resultados obtidos com benchmarkings conhecidos, visando ajustar o modelo para a

realidade esperada pelos tomadores de decisão. Estes ajustes poderão ser realizados,

caso necessário, nos pesos dos critérios, bem como nas tabelas ou funções de

contribuições.

48

5 ESTUDO DE CASO: ESCOLHA DE PONTO DE LOJA DE DEPARTAMENTOS NO CENTRO DO RIO DE JANEIRO

Uma rede de lojas de departamentos brasileira está buscando pontos

comerciais para iniciar uma operação no Centro da cidade do Rio de Janeiro, local

onde ainda não há lojas desta rede instaladas. Ela já atua em diversos pontos

espalhados por todo o Brasil, com mais de 90% de suas lojas instaladas em shopping

centers. No entanto, suas lojas de rua apresentam excelentes resultados e são muito

bem aceitas pelos consumidores e acionistas.

O processo de busca de pontos disponíveis no mercado é feito pela equipe de

expansão da empresa, em contato com diversos empreendedores, através de pesquisas

em campo e com apoio de empresas especializadas em levantamento de dados

estatísticos para escolha de pontos comerciais. Obviamente, em função da

representatividade da empresa no cenário nacional, muitos proprietários entram,

espontaneamente, em contato com a empresa para oferecer pontos após o

encerramento de uma operação que ocupava o local anteriormente. Em função da

pouca disponibilidade de pontos de rua no Centro da Cidade do Rio de Janeiro, todos

são avaliados. E estas avaliações são fundamentadas em alguns critérios definidos

historicamente pelos tomadores de decisão, como veremos adiante. Com base nas

informações para cada um destes critérios, referente aos pontos comerciais de rua

disponíveis, será alimentado o modelo decisório criado, visando classificar os pontos

em análise dentro de quatro categorias possíveis, baseado no modelo mental dos

tomadores de decisão: Ruim, Bom, Muito bom e Excelente. Para os executivos da

empresa responsáveis pela tomada de decisão, os pontos classificados nas categorias

“Ruim” e “Bom” serão descartados do processo.

Utilizando os tópicos da seção anterior, será demonstrada a aplicação do

modelo decisório.

49

5.1 Definição dos analistas de decisão e dos decisores

envolvidos no processo

Os tomadores de decisão são 3 (três) executivos da área de expansão em

conjunto com 2 (dois) executivos da área de lojas da empresa, além do diretor de

operações. É importante destacar que dos 3 (três) executivos da área de expansão, o

mais experiente possui mais de 25 anos de empresa e participou ativamente na

expansão da empresa pelo Brasil, atuando como gerente de loja, gerente regional e

agora como gerente sênior de expansão. Os demais executivos de expansão têm entre

5 e 7 anos de empresa e iniciaram suas trajetórias na empresa como trainees. Os

executivos da área de lojas iniciaram suas carreiras como trainees de gerência de loja,

se tornaram gerentes de loja, gerentes regionais e atualmente ocupam cargos de

gerentes gerais de lojas, se reportando ao diretor de operações. O analista de decisão é

o autor deste artigo.

5.2 Análise e estruturação do problema de decisão

Os executivos receberam informações sobre o processo decisório proposto e

qual o tipo de resultado seria fornecido, com base nas informações coletadas sobre os

pontos. Esta etapa deve ser muito bem trabalhada junto aos tomadores de decisão,

visando tornar o processo o mais claro possível. Esta responsabilidade é do analista de

decisão, que irá trabalhar com o modelo matemático que será aplicado (TODIM-FSE).

Os executivos também foram ouvidos quanto às suas pretensões com o trabalho e os

tipos de pontos que estavam buscando. A ideia principal de todos é que fosse

desenvolvido um modelo decisório que apoiasse na decisão do grupo, utilizando o

conhecimento de todos.

Desta forma, foi definido pelos tomadores de decisão e pelo analista de decisão

que o trabalho em questão tem como objetivo responder à seguinte questão:

Com base em critérios e categorias previamente estabelecidos, qual a

classificação de um ponto comercial de rua disponível para locação?

50

5.3 Definição dos critérios fundamentais para o problema

em estudo

Para definição dos critérios relevantes para o estudo em questão, os tomadores

de decisão foram ouvidos e sugeriram, em uma primeira etapa, os seguintes fatores:

- A venda por m2;

- O tamanho do imóvel;

- A quantidade de andares do imóvel;

- O custo de locação;

- O fluxo de pedestres;

- A população residente no entorno;

- A facilidade de acesso;

- As condições de estacionamento;

- A concorrência no entorno;

- A segurança local;

- A acessibilidade visual;

- A logística de abastecimento;

- A legislação local.

Todos estes fatores são muito importantes para uma escolha adequada de

localização de um ponto de vendas. Na revisão bibliográfica deste trabalho, é possível

verificar a presença de todos os fatores citados pelos tomadores de decisão da empresa

deste estudo nos trabalhos desenvolvidos por outros autores. Para este estudo, os

tomadores de decisão escolheram, em uma segunda etapa, os fatores mais relevantes,

visando simplificar o modelo de decisão que será utilizado. A escolha foi feita da

seguinte forma: cada um dos tomadores de decisão atribuiu uma nota, de 1 (um) a 13

(treze), para os cada um dos critérios sugeridos originalmente, onde 1 (um) era nota

para máxima importância e 13 (treze) para mínima importância. As notas de todos os

tomadores de decisão foram somadas e ponderadas e os 5 (cinco) principais critérios

foram definidos.

51

A seguir, serão apresentados os 5 (cinco) principais critérios definidos pelos

tomadores de decisão para classificar um ponto comercial dentre as categorias que

serão definidas na próxima seção:

- Venda por m2 (R$ / m

2): Este indicador é um dos mais importantes no

varejo moderno. Com ele, é possível avaliar a produtividade de uma loja em

relação a um benchmarking, tanto dentro da empresa quanto no segmento de

atuação. Ele trata da relação entre a venda da loja e sua área total e, neste estudo de

caso, será considerado a partir do segundo ano de operação da loja para descontar

os efeitos de inauguração que distorcem consideravelmente a curva de vendas.

Para o trabalho em questão, este indicador será fornecido por uma empresa

parceira, que fez um levantamento estatístico deste indicador, com base na

população residente próximo ao ponto, no fluxo estimado de pessoas em frente aos

pontos definidos e no histórico conhecido pela empresa parceira para outros pontos

da mesma região;

- Tamanho do imóvel (em m2): O tamanho do imóvel é importante neste

processo, pois será definidor da quantidade de departamentos que poderão ser

alocados na loja, em função do espaço disponível;

- Custo de locação (em R$): O valor devido aos custos com a ocupação do

espaço impacta diretamente no ROI (Return on Investment) e, por isso, é muito

importante na avaliação de um ponto comercial em estudo. No custo de locação,

estão inseridos valores referentes ao aluguel, condomínio, iptu e luvas (valor

atribuído a uma antecipação de parte do aluguel devido a um determinado período

previamente determinado pelo locador);

- Acessibilidade visual: As oportunidades para divulgação da loja, através de

portas e vitrines disponíveis ao público, são consideradas importantes pelos

executivos da empresa, pois possibilitam trabalhar o fluxo no entorno da loja,

criando atratividades promocionais, como campanhas de entradas de coleções e

liquidações, o que impulsiona o faturamento. Neste critério, portanto, serão

consideradas as quantidades de portas e vitrines disponíveis em cada um dos

52

pontos, apresentando as alternativas possíveis em uma tabela de contribuição na

próxima seção deste artigo;

- Concorrência no entorno: Apesar de parecer contraditório, é relevante se

localizar próximo à concorrência, quando está sendo analisado o segmento de lojas

de departamentos de moda localizados em rua. A concorrência torna o fluxo de

pedestre propício para a oferta dos produtos da empresa e cria uma orientação

natural para os clientes naquele local. No caso em estudo, será considerada a

quantidade de concorrentes diretos (lojas de departamentos) localizados no mesmo

quarteirão do ponto em estudo. As alternativas para este critério serão

especificadas na próxima seção, na devida tabela de contribuições.

Os executivos também citaram como critério relevante a legislação local para a

abertura de uma loja nos pontos de rua em estudo. Determinados pontos podem

apresentar entraves maiores que outros para que a operação seja iniciada, em função

de problemas judiciais ou tombamentos públicos. No entanto, este critério será

considerado como fator de corte para a escolha. Ou seja: a legislação já foi analisada

anteriormente para que os pontos em estudo neste trabalho pudessem ser considerados.

A equipe responsável pelo levantamento realizou esta tarefa e já desconsiderou

aqueles que pudessem apresentar dificuldades acima do normal para que uma loja

fosse instalada em determinado local.

Finalizando esta seção, pode-se verificar que estes 5 (cinco) critérios atendem

às características que Keeney e Raiffa (1976) sugerem para o conjunto de critérios.

Tamanho do imóvel e Custo de locação poderiam, naturalmente, ter correlação. No

entanto, em função da localização do ponto, da quantidade de andares e de outras

características não citadas neste artigo, a correlação entre os dois critérios não

apresenta função linear, pelos menos considerando a análise deste estudo de caso. Por

isso, os dois critérios foram mantidos.

53

5.4 Definição das categorias e funções de contribuição

Inicialmente, deve ser definido o tratamento de cada um dos critérios em

análise neste trabalho. Ou seja: o critério é quantitativo ou qualitativo? A resposta é

dada na tabela a seguir:

Tabela 8: Definição das características de cada um dos critérios adotados

no estudo.

Para este estudo de caso, foram definidas 4 (quatro) categorias de avaliação:

Excelente, Muito bom, Bom e Ruim. A partir destas categorias, foram determinadas as

contribuições que serão dadas a cada um dos critérios, considerando suas respectivas

funções ou tabelas de contribuições, como será demonstrado mais a frente.

É importante destacar que, visando manter a confidencialidade da empresa em

estudo, bem como dos dados numéricos coletados nos critérios quantitativos, os

valores foram normalizados da seguinte forma: os dados obtidos para cada um dos

pontos nos respectivos critérios foram divididos pelos maiores valores obtidos em

cada critério e multiplicados por 10 (dez). Desta forma, teremos os valores “10 (dez)”

como os máximos valores obtidos nos respectivos critérios.

Desta forma, são apresentadas as funções de contribuições para os critérios

Venda por m2 e Tamanho do imóvel definidas no gráfico a seguir, com funções

trapezoidais para cada uma das categorias de avaliação.

CritérioQuantitativo ou

Qualitativo?

Venda por m2 Quantitativo

Tamanho do imóvel Quantitativo

Custo de locação Quantitativo

Acessibilidade visual Qualitativo

Concorrência no entorno Qualitativo

54

Figura 13: Funções de contribuições para os critérios Venda por m2 e

Tamanho do imóvel.

Com os valores normalizados obtidos para cada um dos pontos, são obtidas as

contribuições de cada critério para que o ponto se classifique em determinada

categoria.

Abaixo, são apresentadas as funções de contribuições para o critério Custo de

locação.

Figura 14: Funções de contribuições para o critério Custo de Locação.

0

0,2

0,4

0,6

0,8

1

0 2 4 6 8 10

Ruim Bom Muito bom Excelente

0

0,2

0,4

0,6

0,8

1

0 2 4 6 8 10

Excelente Muito bom Bom Ruim

55

Importante destacar que estas funções de contribuições apresentam

características opostas às funções de contribuições dos critérios Venda por m2 e

Tamanho do imóvel. Nestes dois critérios, a contribuição é positiva para a alternativa

quando os valores atribuídos na ordenada x aumentam. No critério Custo de locação,

acontece o oposto: quanto maior o valor atribuído na ordenada x, pior é a contribuição

neste critério para a alternativa. Isto significa que quanto maior o custo de locação de

um imóvel, pior será seu desempenho na análise comparativa com outros imóveis com

um custo menor.

Para os critérios Acessibilidade visual e Concorrência no entorno, serão

utilizadas as seguintes tabelas de contribuições:

Acessibilidade

visual RUIM BOM

MUITO

BOM EXCELENTE

Ponto com

duas entradas

e duas

vitrines

0 0 0,8 1

Ponto com

duas entradas

e uma vitrine

0 0,3 1 0,2

Ponto com

uma entrada

e uma vitrine

0,3 1 0,6 0

Ponto com

uma entrada

e sem vitrine

1 0 0 0

Tabela 9: Tabela de contribuições para o critério Acessibilidade visual.

As possibilidades definidas para o critério Acessibilidade visual foram

estabelecidas com base nas lojas existentes da rede, presentes em rua, e nas

características físicas dos pontos em estudo.

56

Concorrência no entorno

RUIM BOM MUITO BOM EXCELENTE

Todos os concorrentes

0 0 0,6 1

75% dos concorrentes

0 0,4 1 0,3

50% dos concorrentes

0,2 1 0,3 0

25% dos concorrentes

1 0,1 0 0

Tabela 10: Tabela de contribuições para o critério Concorrência no

entorno.

As possibilidades definidas para o critério Concorrência no entorno foram

baseadas nos levantamentos feitos para cada um dos pontos comerciais de rua

presentes neste estudo de caso, conforme a tabela 10 (dez).

5.5 Definição da importância relativa entre os critérios

escolhidos

Para definir a importância relativa entre os critérios, será adotada a mesma

metodologia utilizada no método TODIM. Foi montada uma matriz de comparações

paritárias com cada um dos critérios previamente definidos: Venda por m2 (VM),

Tamanho do imóvel (TI), Custo de locação (CL), Acessibilidade visual (AV) e

Concorrência no entorno (CE). A escala fundamental de Saaty, descrita na tabela 7

(sete), foi utilizada. A tabela 11 (onze) apresenta a matriz de comparações paritárias

preenchida com os valores definidos pelos executivos da empresa para este estudo de

caso. Os valores presentes na tabela refletem uma média simples e aproximada dos

valores atribuídos por cada um dos tomadores de decisão.

57

Tabela 11: Matriz de comparações paritárias preenchida com base na escala

fundamental de Saaty.

Utilizando os cálculos propostos na seção 4.5, item c, é obtido o seguinte vetor

de pesos:

[0,467 (VM) 0,196 (TI) 0,201 (CL) 0,107 (AV) 0,029 (CE)]

A seguir, devem ser retiradas as possíveis inconsistências da matriz

apresentada na tabela 11 (onze), utilizando os procedimentos sugeridos na seção 4.5,

item b. A tabela 12 (doze) apresenta a matriz modificada, com inconsistência nula.

Tabela 12: Matriz de comparações paritárias com incosistência nula.

Refazendo os cálculos para esta nova matriz, como proposto na seção 4.5, item

c, obtém-se o mesmo vetor de pesos anterior, que será utilizado para a classificação.

COMPARAÇÕES PARITÁRIAS

DOS CRITÉRIOS

Venda por

m2

Tamanho do

imóvel

Custo de

locação

Acessibilidade

visual

Concorrência no

entorno

Venda por m2 1 7 6 7 8

Tamanho do imóvel 0,14 1 3 3 5

Custo de locação 0,17 0,33 1 7 4

Acessibilidade visual 0,14 0,33 0,14 1 5

Concorrência no entorno 0,13 0,20 0,25 0,20 1

COMPARAÇÕES PARITÁRIAS

DOS CRITÉRIOS, COM

INCONSISTÊNCIA NULA

Venda por

m2

Tamanho do

imóvel

Custo de

locação

Acessibilidade

visual

Concorrência no

entorno

Venda por m2 1 2,39 2,32 4,38 16,34

Tamanho do imóvel 0,42 1 0,97 1,83 6,84

Custo de locação 0,43 1,03 1 1,89 7,04

Acessibilidade visual 0,23 0,55 0,53 1 3,73

Concorrência no entorno 0,06 0,15 0,14 0,27 1

58

5.6 Classificação de cada alternativa nas categorias

propostas

Nesta etapa, serão trabalhados os dados dos 5 (cinco) pontos comerciais de rua.

Estes dados foram disponibilizados pela empresa, obtidos através de pesquisas em

campo, com os proprietários dos pontos e com a empresa de consultoria envolvida no

levantamento de dados estatísticos. É importante lembrar que os valores dos critérios

quantitativos foram normalizados e multiplicados por 10 (dez), visando manter a

confidencialidade dos dados. A localização dos pontos também foi omitida pela

mesma razão. Desta forma, cada um dos pontos será denominado como Ponto 1,

Ponto 2, Ponto 3, Ponto 4 e Ponto 5. Os dados são apresentados na tabela 13 (treze), a

seguir:

Tabela 13: Dados normalizados dos pontos, obtidos junto à empresa, para

aplicação do método TODIM-FSE.

Com estes dados, formam-se as tabelas de contribuições agrupadas dos

critérios para cada um dos pontos em avaliação. Para isto, se deve recorrer às tabelas

de contribuições anteriormente apresentadas, para os critérios qualitativos

Acessibilidade visual e Concorrência no entorno, e às funções de contribuições

definidas para os critérios quantitativos Venda por m2, Tamanho do imóvel e Custo

de locação. A seguir, é apresentada a tabela de contribuições agrupadas dos critérios

para o Ponto 1, como exemplo.

Dados dos pontos normalizados

Venda por

m2

Tamanho do

Imóvel

Custo de

Locação

Acessibilidade

visual

Concorrência no

entorno

Ponto 1

8,01 6,00 4,62

Ponto com duas

entradas e uma

vitrine

50% dos

concorrentes

Ponto 29,70 2,40 2,77

Ponto com uma

entrada e sem vitrine

25% dos

concorrentes

Ponto 3

10,00 5,60 10,00

Ponto com duas

entradas e duas

vitrines

Todos os

concorrentes

Ponto 4

4,98 10,00 6,77

Ponto com duas

entradas e uma

vitrine

75% dos

concorrentes

Ponto 5

7,45 7,00 6,15Ponto com uma

entrada e uma vitrine

50% dos

concorrentes

59

Tabela 14: Tabela de contribuições agrupadas dos critérios para o Ponto1.

O vetor de pesos definido para o caso em estudo é apresentado na tabela

abaixo:

Tabela 15: Tabela do vetor de pesos dos critérios.

Considerando o critério “Venda por m2” como o citério de referência wr, tendo

em vista que é o critério de maio peso, são obtidas as seguintes taxas de substituição

para aplicar nas equações da seção 4.6:

Tabela 16: Taxas de substituição, considerando o critério Venda por m2 como

a referência.

Ponto 1 RUIM BOM MUITO BOM EXCELENTE

Venda por m2 0,00 0,00 0,70 0,10

Tamanho do imóvel 0,00 1,00 0,00 0,00

Custo de locação 0,00 1,00 0,00 0,00

Acessibilidade visual 0,00 0,30 1,00 0,20

Concorrência no entorno 0,20 1,00 0,30 0,00

0,467 Venda por m2

0,196 Tamanho do imóvel

0,201 Custo de locação

0,107 Acessibilidade visual

0,029 Concorrência no entorno

Peso dos Critérios

1,00 Venda por m2

0,42 Tamanho do imóvel

0,43 Custo de locação

0,23 Acessibilidade visual

0,06 Concorrência no entorno

Taxas de Substituição

60

Aplicando as equações do método TODIM, demonstradas na seção 4.6, são

obtidas as matrizes de dominâncias para cada um dos pontos. Abaixo, é apresentada a

matriz de dominância para o Ponto 1, utilizando Ɵ=1 , como exemplo.

Tabela 17: Matriz de dominâncias para o Ponto 1.

Em seguida, são obtidas as classificações de cada um dos pontos, considerando

as categorias propostas para o estudo de caso (Ruim, Bom, Muito bom e Excelente).

Utilizando-se os valores de Ɵ=1 e Ɵ=2,5 para demonstrar a robustez do

modelo, os valores obtidos para a classificação estão apresentados na tabela 18

(dezoito):

Tabela 18: Classificação para cada um dos pontos, considerando Ɵ=1 e

Ɵ=2,5.

Ponto 1 Ruim Bom Muito bom Excelente

Ruim 0 -11,453 -6,155 -1,756

Bom 1,222 0,000 -2,752 0,701

Muito bom 0,952 -8,589 0,000 0,914

Excelente -2,282 -11,152 -7,109 0

Ruim 0,06 Ruim 0,02

Bom 1,00 Bom 1,00

Muito bom 0,70 Muito bom 0,71

Excelente 0,00 Excelente 0,00

Ruim 1,00 Ruim 1,00

Bom 0,00 Bom 0,00

Muito bom 0,19 Muito bom 0,24

Excelente 0,29 Excelente 0,44

Ruim 0,00 Ruim 0,00

Bom 0,00 Bom 0,00

Muito bom 0,48 Muito bom 0,38

Excelente 1,00 Excelente 1,00

Ruim 0,00 Ruim 0,00

Bom 0,73 Bom 0,83

Muito bom 1,00 Muito bom 1,00

Excelente 0,52 Excelente 0,54

Ruim 0,45 Ruim 0,44

Bom 1,00 Bom 1,00

Muito bom 0,80 Muito bom 0,92

Excelente 0,00 Excelente 0,00

Ponto 5

Ɵ=1

Classificação Final

Ponto 1

Ponto 2

Ponto 3

Ponto 4

Ponto 5

Classificação Final

Ɵ=2,5

Ponto 1

Ponto 2

Ponto 3

Ponto 4

61

Analisando, desta forma, os resultados obtidos na aplicação do método

TODIM-FSE, os pontos 3 (três) e 4 (quatro) foram considerados viáveis, tendo em

vista que estão classificados, respectivamente, como “Excelente” e “Muito bom”, o

que atende às especificações definidas pelos tomadores de decisão deste trabalho.

5.7 Análise de validação

Nesta etapa, foram utilizados benchmarks conhecidos e existentes dentro da

empresa, visando ajustar as funções de contribuições para cada um dos critérios.

Assim, ao avaliar os pontos em estudo, é obtida uma comparação com a expectativa

dos tomadores de decisão, tendo a referência de lojas que apresentam resultados muito

bons dentro do negócio.

Para isto, será analisada uma loja de rua já existente e com histórico de

resultados superior a 1 (um) ano para fazer esta avaliação. Esta loja apresenta

resultados que superaram as expectativas dos tomadores de decisão logo na sua

inauguração e está evoluindo consistentemente. Vale destacar que foram utilizados

valores para o 2º ano de existência desta loja “benchmark”, visando ter período de

comparação similar aos propostos para os pontos comerciais de rua em estudo. Ou

seja: os dados fornecidos para a análise dos 5 (cinco) pontos em análise são para o 2º

ano de existência destas lojas, caso fossem concebidas.

Desta forma, foi obtida a seguinte tabela de contribuições para o ponto

existente, considerado como benchmark:

62

Tabela 19: Tabela de contribuições com os valores atribuídos para a loja

benchmark existente na empresa.

Utilizando a modelagem adotada na seção anterior para avaliar os 5 (cinco)

pontos de rua em estudo, a loja benchmark foi classificada da seguinte forma:

Tabela 20: Classificação final para benchmark, utilizando modelo

desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e θ=2,5.

Também foi analisada uma loja existente da rede, presente em shopping center

e que apresenta baixo desempenho. Os dados utilizados foram obtidos no

levantamento feito para o estudo do ponto disponível no shopping center,

considerando os mesmos requisitos para o trabalho realizado com os pontos de rua em

estudo desta dissertação. A seguir, é apresentada a tabela de contribuições com os

valores atribuídos para a loja de shopping center com baixo desempenho:

Benchmark Ruim Bom Muito bom Excelente

Venda por m2 0,00 0,00 0,00 1,00

Tamanho do imóvel 0,00 1,00 0,00 0,00

Custo de locação 1,00 0,00 0,00 0,00

Acessibilidade visual 0 0,3 1 0,2

Concorrência no entorno 0 0 0,6 1

Ruim 0,00

Bom 0,29

Muito bom 0,78

Excelente 1,00

Benchmark

Classificação Final

θ = 1

Ruim 0,00

Bom 0,28

Muito bom 0,66

Excelente 1,00

Benchmark

Classificação Final

θ = 2,5

63

Tabela 21: Tabela de contribuições com os valores atribuídos para a loja de

shopping center com baixo desempenho.

Aplicando o modelo desenvolvido neste trabalho e baseado no TODIM-FSE, a

loja de shopping center com baixo desempenho foi classificada da seguinte forma:

Tabela 22: Classificação final para loja com baixo desempenho, utilizando

modelo desenvolvido para o estudo dos 5 (cinco) pontos em estudo, com θ=1 e

θ=2,5.

Com esta análise, foi demonstrado que, caso o modelo tivesse sido utilizado

para classificar o ponto com base nos critérios estabelecidos pelos tomadores de

decisão, esta loja não teria sido concebida, pois foi classificada como Ruim pelo

método TODIM-FSE.

Desta forma, o modelo classificou adequadamente as lojas existentes,

considerando as ponderações dos tomadores de decisão, bem como o modelo

desenvolvido pelo analista, baseado no método TODIM-FSE. Não houve necessidade

de calibragem do modelo, considerando os 5 (cinco) critérios definidos originalmente.

Caso o critério Concorrência no entorno fosse excluído da análise, seria necessário

Loja com baixo desempenho Ruim Bom Muito bom Excelente

Venda por m2 0,00 1,00 0,00 0,00

Tamanho do imóvel 1,00 0,00 0,00 0,00

Custo de locação 0,00 1,00 0,00 0,00

Acessibilidade visual 1,00 0,00 0,00 0,00

Concorrência no entorno 1,00 0,10 0,00 0,00

Ruim 1,00 Ruim 1,00

Bom 0,59 Bom 0,73

Muito bom 0,00 Muito bom 0,00

Excelente 0,00 Excelente 0,00

Loja com Baixo desempenho

Classificação Final

Loja com Baixo desempenho

Classificação Final

θ = 1 θ = 2,5

64

fazer um novo levantamento das comparações paritárias dos critérios junto aos

tomadores de decisão, bem como uma nova avaliação do peso de cada um dos

critérios.

65

6 RELEVÂNCIA DO ESTUDO

Este estudo será útil para acionistas e gestores de empresas de varejo que busquem

maior assertividade nas suas tomadas de decisões, visando expandir seus negócios,

considerando a escolha adequada de novos pontos de vendas em estudo para abertura

de novas lojas. É uma breve apresentação aos métodos de apoio multicritério à tomada

de decisão, aproximando os interessados a uma tecnologia muito importante e valiosa,

em mundo cada vez mais voltado para a busca de resultados e com maior necessidade

de acerto nas decisões tomadas.

Acadêmicos que busquem conhecimento sobre métodos para tomada de decisão

também encontrarão grande utilidade no exemplo ilustrado neste estudo, tendo em

vista sua aplicabilidade e natureza prática para realização.

Também vale destacar que este estudo é relevante por sua contribuição teórica à

literatura brasileira e internacional sobre o tema, já que ainda há muitas oportunidades

para introduzir o assunto junto ao público de maneira geral.

66

7 LIMITAÇÕES DO ESTUDO

Os fatores relacionados a seguir representaram pontos considerados como

limitações para o estudo em questão:

- Os números informados pela empresa são projeções obtidas com base em

perfis de lojas com características semelhantes e em levantamentos de dados feitos por

parceiros. Desta forma, os números são aproximados e podem apresentar desvios em

relação ao comportamento que a loja pode apresentar quando for efetivamente

concebida;

- O assunto “Critérios para localização de loja” ainda não possui literatura

consolidada no Brasil e, mesmo no exterior, ainda é tratado com muita subjetividade,

considerando o perfil e o conhecimento dos tomadores de decisão em várias empresas

varejistas mundiais. Este conhecimento ainda está muito restrito às empresas

especializadas em geomarketing, sendo de difícil acesso para quem não está

diretamente envolvido com o segmento varejista;

- O critério Concorrência no entorno foi definido para ser trabalhado com

presença de concorrentes em todos os cenários deste estudo. No entanto, se houver um

ponto comercial onde não haja concorrentes no entorno, a tabela de contribuições

definida não pode ser utilizada. Desta forma, seria necessário redefinir as funções de

contribuições para este critério, visando desenvolver um modelo de apoio à decisão

mais abrangente. Vale destacar que os critérios e suas características de contribuições

foram sugeridos pelos tomadores de decisão, com apoio do autor deste trabalho;

- Em função da necessidade de se manter a confidencialidade dos dados e

números da empresa do estudo de caso, algumas informações que poderiam enriquecer

ainda mais o trabalho foram omitidas. Mas os dados para a aplicação do método

TODIM-FSE foram utilizados adequadamente.

67

8 CONCLUSÃO

O método TODIM-FSE apresentou eficiência (trabalho com produtividade,

fazendo mais com o mínimo de recursos disponíveis) e eficácia (efetivamente resolver

a questão) para que o problema considerado neste estudo de caso fosse adequadamente

resolvido: a classificação de pontos comerciais em rua para abertura de lojas de

departamentos de moda, considerando o modelo mental dos tomadores de decisão, que

são os executivos da empresa, utilizando categorias de fácil compreensão e muito

objetivas. Desta forma, o modelo pode ser utilizado várias vezes, sem a necessidade de

aplicação de matemática complexa ou pré-requisitos, como os utilizados em outros

métodos de classificação, como o UTADIS, de Zopounidis e Doumpos, que utiliza

programação linear em sua formulação.

Também é importante destacar que a análise de validação não é obrigatória no

método TODIM-FSE. Ela é válida para calibrar o modelo, adequando-o ao máximo à

realidade do negócio, utilizando benchmarks para testar ou parametrizar os pesos e as

tabelas e funções de contribuições. Neste estudo de caso, o benchmark e a loja com

baixo desempenho foram utilizados apenas para testar o modelo. Não houve

necessidade de calibragem.

Os resultados do trabalho foram apresentados aos tomadores de decisão e

houve alinhamento com as expectativas iniciais. Os pontos comerciais de rua

considerados como viáveis (que no trabalho foram classificados como “Excelente” e

“Muito bom”) e que foram incorporados ao projeto de expansão da empresa terão lojas

inauguradas em 2014 no Rio de Janeiro exatamente com as características

apresentadas no trabalho. Desta forma, o estudo realizado com o método TODIM-FSE

ratificou a decisão dos executivos envolvidos no trabalho. O autor deste trabalho foi

convidado a apresentar para a área de expansão da empresa o modelo desenvolvido

nesta dissertação, visando incorporar o método desenvolvido neste importante

processo decisório.

68

Os grandes diferenciais do método TODIM-FSE são:

1) A utilização do conceito de “contribuição”, considerando quanto um

critério contribui para que uma determinada alternativa se classifique em

uma categoria;

2) Levar em consideração a Teoria dos Prospectos, que trata do

comportamento humano frente às possibilidades de ganhos e perdas em

situações de risco;

3) A possibilidade de trabalhar com números nebulosos.

4) O modelo desenvolvido para o trabalho poderá ser utilizado em futuros

estudos, utilizando a mesma planilha em Excel, sem necessidade de

grandes alterações.

69

9 RECOMENDAÇÕES PARA ESTUDOS FUTUROS

Em estudos futuros sobre este tema, outros critérios poderiam ser incorporados

na análise do modelo aplicado, tais como ROIC (Return On Invested Capital) e quadro

de pessoal necessário para a operação da loja. Estes dois critérios são muito

observados por analistas de mercado, principalmente quando se está avaliando a saúde

financeira e a perenidade da empresa. Também seria interessante fazer estudos desta

natureza considerando 3 (três) categorias de classificação (por exemplo: “Excelente”,

“Bom” e “Ruim”). É importante destacar que para o estudo de caso deste trabalho, os

tomadores de decisão solicitaram as 4 (quatro) categorias. Com três categorias, os

resultados apresentados podem ser mais assertivos.

Os valores atribuídos para a atenuação das perdas (ɵ) também poderiam ter um

estudo mais aprofundado, visando refinar ainda mais os resultados obtidos e o impacto

dos critérios, considerando os ganhos e perdas da Teoria dos Prospectos no método

TODIM-FSE.

Outra importante consideração sobre estudos futuros para este assunto é a

utilização do coeficiente de correlação de rankings de Spearman, apresentado no

artigo de Kou et al (2012), que tem como propósito alinhar os resultados de diversos

métodos de classificação MCDM, dando mais robustez ao processo decisório. Os

métodos UTADIS e ELECTRE-TRI podem ser aplicados e os resultados alinhados

com os obtidos junto ao método TODIM-FSE.

70

REFERÊNCIAS BIBLIOGRÁFICAS

ABRASCE. Associação brasileira de shopping centers. Disponível em

http://www.portaldoshopping.com.br. Acesso em 20/08/2013.

ACOLET, T. Modelo de análise de crédito fundamentado no ELECTRE TRI.

Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de

Janeiro: Ibmec, 2008.

ALMEIDA, F.R.S.L. Análise de localização no contexto de redes varejistas:

levantamento das principais técnicas e práticas. Revista de Administração, São

Paulo v.32, n.2, p.36-46, 1997.

BANA E COSTA, C. A.; VANSNICK, J. C. A critical analysis of the eigenvalue

method used to derive priorities in AHP. Department of Operational Research,

London School of Economics and Political Science. London: LSE Research Online,

2001.

BELTON, V.; STEWART, T. J. Multiple Criteria Decision Analysis: An Integrated

Approach. Massachussetts: Kluwer Academic Publishers, 2002.

BELTON, V.; STEWART, T. Problem structuring and multiple criteria decision

analysis. In: EHRGOTT, M.; FIGUEIRA, J. R.; GRECO, S. (Ed). Trend in multiple

criteria decision analysis. Berlin: Springer, 2010.

BNDES. O crescimento dos shopping centers no Brasil. Disponível em:

http://www.bndes.gov.br/SiteBNDES/export/sites/default/bndes_pt/Galerias/Arquivos/

conhecimento/bnset/shopping.pdf. Acesso em 10/08/2013.

BRANS, J.P.; VINCKE, P. A Preference Ranking Organization Method (The

PROMETHEE Method for Multiple Criteria Decision-Making). Management

Science, Vol. 31, p. 647-656, 1985.

BUCHANAN, L.; O`CONNEL, A. A brief history of decision making. Harvard

Business Review, v. 84, n. 1, p.32-41, 2006.

BURNAZ, S., TOPCU, I. A multiple-criteria decision-making approach for the

evaluation of retail location. Journal of multi-criteria decision analysis, v. 14, p.67-

76, 2006.

CHEN, F.-d.; ZHANG, X.; KANG, F.; FAN, Z.-p.; CHEN, X. A Method for Interval

Multiple Attribute Decision Making With Loss Aversion. International Conference

of Information Science and Management Engineering, IEEE Computer Society, 453-

456, 2010.

CHANG, N. B.; CHEN, H. W.; NING, S. K. Identification of river water quality

using the fuzzy synthetic evaluation approach. Journal of Environmental

Management, vol. 63, 2001.

71

CHINA ASSOCIADOS & GEOMARKETING. Estratégia de mercado. Disponível

em: http://www.chinageomarketing.com.br/estrategia/mercado.html. Acesso em

12/05/2013.

CLEMEN, R.T.; REILLY, T. Making Hard Decisions With Decision Tools. Belmont:

Duxbury, 2001.

CLÍMACO, J.; CRAVEIRINHA, J. Multicriteria analysis in telecommunication

network planning and design – Problems and issues. In: FIGUEIRA, J.; GRECO,

S.; EHRGOTT, M. Multiple criteria decision analysis: State of the art surveys. Boston:

Springer Science, 2005.

COSTA, A. P. C. S.; ALMEIDA, A.T.; GOMES, L. F. A. M. Priorities assignment for

information systems based on TODIM multicriteria method. Informing Science,

2002.

DEALE, S. 5 ways chain retailers are localizing their stores. INStore Trends, 2012.

Disponível em http://instoretrends.com/index.php/2012/01/25/localization-chain-

retail-store-trends-merchandising/. Acesso em 15/08/2013.

DELOITTE. Análise Setorial Varejo: Um setor em grande transformações. São

Paulo, 2009. Disponível em http://www.deloitte.com/assets/Dcom-

Brazil/Local%20Assets/Documents/Analise%20Setorial%20Varejo.pdf Acesso em

20/11/2013.

DEVAUD, J. M.; GROUSSAUD, G.; JACQUET-LAGRÈZE, E. UTADIS: Une

méthode de construction de fonctions d’utilité additives rendant compte de

jugements globaux. Bochum: European Working Group on Multicriteria Decision

Aid, 1980.

DOUMPOS, M.; ZOPOUNIDIS, C. Multicriteria Decision Aid Classification

Methods. New York: Kluwer Academic Publishers, 2002.

EDWARDS, W. How to use multiattribute utility measurement for social decision

making. IEEE Systems, Man and Cybernetics, vol. 7, n. 5, p.326-340, 1977.

FAN, Z.-p.; ZHANG, X.; ZHAO, Y.-r.; CHEN, F.-d. Multiple attribute decision

making with multiple formats of attribute aspirations: A method based on

Prospect Theory. International Journal of Information Technology & Decision

Making, vol. 12, n. 4, p.711-727, 2013.

FERREIRA, O.; PIVETTI, A.; ARAÚJO, L. Abra uma loja para o sucesso: os

segredos do vencedores. Rio de Janeiro: Bom Texto, 2008.

FIGUEIRA, J.; GRECO, S.; EHRGOTT, M. Introduction. In: FIGUEIRA, J. (Ed) et

al. Multiple criteria decision analysis: State of the art surveys. Boston: Springer

Science, 2005a.

FIGUEIRA, J.; MOUSSEAU, V.; ROY, B. ELECTRE Methods. In: FIGUEIRA, J.;

GRECO, S.; EHRGOTT, M. Multiple criteria decision analysis: State of the art

surveys. Boston: Springer Science, 2005b.

72

FRIEDMAN, T. L. O mundo é plano: uma breve história do século XXI. Rio de

Janeiro: Objetiva, 2007.

GHOSH, A.; CRAIG, C. S. Formulating Retail Location Strategy in a Changing

Environment. Chicago: Journal of Marketing, Vol. 47, p. 56, 1983.

GOMES, L.F.A.M.; LIMA, M.M.P.P. TODIM: Basics and Application to

Multicriteria Ranking of Projects with Environmental Impacts. Foundations of

Computing and Decision Sciences, v. 16, p. 113-127, 1991.

GOMES, L.F.A.M.; LIMA, M.M.P.P. From modelling individual preferences to

multicriteria ranking of discrete alternatives: a look at Prospect Theory and the

additive difference model. Foundations of Computing and Decision Sciences. V.17,

p171-184, 1992.

GOMES, L.F.A.M.; ARAYA, M.C.G.; CARIGNANO, C. Tomada de Decisões em

Cenários Complexos: Introdução aos Métodos Discretos do Apoio Multicritério a

Decisão. São Paulo: Pioneira, 2004.

GOMES, L.F.A.M. Teoria da Decisão. São Paulo: Thomson Learning, 2007.

GOMES, L.F.A.M.; RANGEL, L.A.D. An application of the TODIM method to the

multicriteria rental evaluation of the residential properties. European Journal of

Operational Research, 193, p.204-211, 2009.

GOMES, L. F. A. M.; GOMES, C.F.S.; RANGEL, L.A.D. A comparative decision

analysis with THOR and TODIM: rental evaluation in Volta Redonda. Revista

Tecnologia, v. 30, p. 7-11, 2009a.

GOMES, L. F. A. M.; RANGEL, L.A.D.; MARANHÃO, F. J. C. Multicriteria

Analysis of Natural Gas Destination in Brazil: An application of the TODIM

Method. Mathematical and Computer Modelling, v. 50, p. 92-100, 2009b.

GOMES, C.F.S.; GOMES, L.F.A.M.; MARANHÃO, F.J.C. Decision analysis for the

exploration of gas reserves: merging TODIM and THOR. Pesquisa Operacional, v.

30, p. 601-617, 2010.

GOMES, L.F.A.M.; GOMES, C.F.S. Tomada de Decisão Gerencial: Enfoque

Multicritério. São Paulo: Atlas, 2012.

GOMES, L. F. A. M.; GONZÁLEZ, X. I. Behavioral multi-criteria decision

analysis: Further elaborations on the TODIM method. Foundations of Computing

and Decision Sciences, vol. 37, No.1, 2012.

GOMES, L.F.A.M.; MACHADO, M. A. S.; RANGEL, L. A. D. Behavioral multi-

criteria decision analysis: The TODIM method with criteria interactions. Annals

of Operations Research, Springer, 2013a.

GOMES, L.F.A.M.; MACHADO, M. A. S.; COSTA, F. F.; RANGEL, L. A. D.

Criteria interactions in multiple criteria decision aiding: A Choquet formulation

for the TODIM method. Procedia Computer Science, p.324-331, 2013b.

73

GONÇALVES, M.E.L. Classificação multicritério dos fatores de

comprometimento organizacional: uma aplicação do método UTADIS. Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de

Janeiro: Ibmec, 2011.

GOODWIN, P.; WRIGHT, G. Decision analysis for management judgment. 2 ed.

Chchester: John Wiley & Sons, 2000.

IBGE. Instituto Brasileiro de Geografia e Estatística. Disponível em

http://www.ibge.gov.br/home/. Acesso em 02/10/2013.

INGLES, G. The increasing importance of location. Music Trades, vol. 161, n 8,

p.52-54, 2013. Disponível em: http://web.ebscohost.com/. Acesso em 05/01/2014.

KAHNEMAN, D; TVERSKY, A. Prospect Theory: an analysis of decision under

risk. Econometrica, v. 47, n. 2, p.263-292, 1979.

KAZANCOGLU, Y.; BURMAOGLU, S. ERP software selection with MCDM:

application of TODIM method. Int. J. Business Information Systems, vol. 13, n. 4,

2013.

KEENEY, R.L. Creative in MS/OR: Value_Focused Thinking – Creativity

Directed toward Decision Making. University of Southern California. Interfaces, v.

23, n. 3, p.62-67, 1993.

KEENEY, R. L. Making Better Decision Makers. Decision Analysis, v. 1, n. 4,

p.193-204, 2004.

KEENEY, R.L.; RAIFFA, H. Decisions with Multiple Objectives: Preferences and

Value Tradeoffs. New York: John Wiley and Sons, 1976.

KOTLER, P; KELLER, K.L. Administração de Marketing: A Bíblia do Marketing.

12ª ed. São Paulo: Pearson Prentice Hall, 2006.

KOTLER, P. Administração de Marketing: Análise, Planejamento,

Implementação e Controle. 5ª ed. São Paulo: Atlas, 1998.

KROHLING, R.A.; SOUZA, T.T.M. F-TODIM: An application of the fuzzy

TODIM method to rental evaluation of residential properties. Rio de Janeiro,

2012. Disponível em: http://www2.claiosbpo2012.iltc.br/pdf/100769.pdf. Acesso em

23/06/2013.

KROHLING, R.A.; SOUZA, T.T.M. Combining Prospect Theory and fuzzy

numbers to multi-criteria decision making. Expert Systems with Applications, v.39,

Issue 13, p.11487-11493, 2012.

KROHLING, R. A.; PACHECO, A. G. C.; SIVIERO, A. L. T. IF-TODIM: An

intuitionistic fuzzy TODIM to multi-criteria decision making. Knowledge-Based

Systems, 2013.

74

KROHLING, R. A.; PACHECO, A. G. C. IFG-TODIM: An intuitionistic fuzzy

TODIM for group decision making. XLVSBPO. Natal: Simpósio Brasileiro de

Pesquisa Operacional, 2013.

KOU, G.; LU, Y.; PENG, Y.; SHI, Y. Evaluation of classification algorithms using

MCDM and Rank correlation. International Journal of Information Technology &

Decision Making, V. 11, No. 1, p.197-225, 2012.

KUO, Y. F.; CHEN, P. C. Selection of mobile value added services for system

operators using Fuzzy Synthetic Evaluation. Expert Systems and Applications, vol.

30, 2006.

LIANG, G.S.; WANG, M.J.J. A fuzzy multi-criteria decision-making method for

facility site selection. International Journal of Production Research, V. 29, No. 11,

p.2313-2330, 1991.

LOURENZUTTI, R.; KROHLING, R. A study of TODIM in a intuitionistic fuzzy

and random environment. Expert Systems with Applications, 2013.

LU, R. S.; LO, S. L.; HU, J. Y. Analysis of reservoir water quality using fuzzy

synthetic evaluation. Stochastic Environmental Research and Risk Assessment, vol.

13, 1999.

McCARTHY, E. J. Marketing Básico. Rio de Janeiro: Zahar, 1976.

MINTZBERG, H. Managing on the edges. International Journal of Public Sector

Management, v. 10, n. 3, p.131-154, 1997.

MOSHKOVICH, H.; GOMES, L.F.A.M.; MECHITOV, A.I. An integrated

multicriteria decision-making approach to real estate evaluation: case of the

TODIM method. Pesquisa operacional, v.31, n. 1, 2011. Disponível em:

http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-

74382011000100002&lng=en&nrm=iso. Acesso em 05/07/2013.

NOBRE, F.F.; TROTTA, L.T.F.; GOMES, L.F.A.M. Multi-criteria decision making

– an approach to setting priorities in health care. Statistics in Medicine, v. 18, p.

3345-3354, 1999.

ONKAL-ENGIN, G.; DEMIR, I. Assessment of urban air quality in Istanbul using

Fuzzy Synthetic Evaluation. Atmospheric Environment, vol. 38, 2004.

PARENTE, J. Varejo no Brasil: Gestão Estratégica. São Paulo: Atlas, 2000.

PASSOS, A. C.; TEIXEIRA, M. G.; GARCIA, K. C.; CARDOSO, A. M.; GOMES, L.

F. A. M. Using the TODIM-FSE method as a decision-making support

methodology for oil spill response. Computers and Operations Research, v. 42, p.40-

48, 2014.

PASSOS, A. C.; GOMES, L. F. A. M. Enfoque multicritério à Teoria das

Prospectivas: Fundamentos e Aplicação. RAM. Revista de Administração

75

Mackenzie, vol. 6, n. 1, p.59-77, 2005. Disponível em

http://www.redalyc.org/articulo.oa?id=195416197004. Acesso em 07/10/2013.

PYLE, J.F. The determination of location standards for retail concerns. Harvard

Business Review, Vol. 4, n. 3, p.303-312, 1926. Disponível em:

http://web.ebscohost.com/. Acesso em 22/09/2013.

POPE, J. A.; LANE, W. R.; STEIN, J. A multiple-attribute decision model for retail

store location. Southern Business Review, Vol. 37, n. 2, p15-25. 2012. Disponível em:

http://web.ebscohost.com/. Acesso em 21/09/2013.

RANGEL, L.A.D.; GOMES, L.F.A.M.; CARDOSO, F. P. An application of the

TODIM method to the evaluation of broadband Internet plans. Pesquisa

Operacional, v. 31, p. 235-249, 2011.

ROY, B. Paradigms and Challenges. In: FIGUEIRA, J.; GRECO, S.; EHRGOTT, M.

Multiple criteria decision analysis: State of the art surveys. Boston: Springer

Science, 2005.

ROCHA, M. C. S. P. Métodos de Classificação Multicritério com classes

parcialmente ordenadas. Tese de Doutoramento em Gestão – Ciência Aplicada a

Decisão. Faculdade de Economia da Universidade de Coimbra. Coimbra: FEUC,

2011. Disponível em: http://hdl.handle.net/10316/20020. Acesso em 10/08/2013.

ROSA, F. D. Loja de rua X Loja de shopping: qual é o melhor negócio.

Fecomércio. 2011. Disponível em: http://www.fecomercio.com.br/arquivos

/arquivo/economico/lojasderuaxlojasdeshoppingf1abd670.pdf. Acesso em 27/12/2013.

SAATY, T. L. Método de análise hierárquica. São Paulo: McGraw-Hill do Brasil,

1991.

SAATY, T. L. Fundamentals of Decision Making and Priority Theory with the

Analytic Hierarchy Process. Pittsburgh: RWS Publishing, 2006.

SADIQ, R.; HUSAIN, T.; VEITCH, B.; BOSE, N. Risk-based decision-making for

driling waste discharges using a Fuzzy Synthetic Evaluation technique. Ocean

Engineering, vol. 31, 2004.

SALIBA, G. C.; Priorização de projetos em petroquímica: análise multicritério

pelo método TODIM. Dissertação de Mestrado Profissional em Administração das

Faculdades Ibmec. Rio de Janeiro: Ibmec, 2009.

SALMON, K. Top retailers reveal localization three truths. 2010. Disponível em:

http://www.kurtsalmon.com/MX/vertical-insight/Top-Retailers-Reveal-

Localization%E2%80%99s-Three-Truths?vertical=Retail&id=323&language=en-

us#.UjZYLNJ6aro. Acesso em 15/08/2013.

SANTOS, L. L. Apoio multicritério à decisão aplicado ao processo de

planejamento salarial – Uma abordagem da metodologia ELECTRE-TRI.

Dissertação de Mestrado Profissional em Administração das Faculdades Ibmec. Rio de

Janeiro: Ibmec, 2003.

76

SCHAEFER, M. Winning over the empowered consumer: why trust matters. IBM

Institute for Business Value. New York: IBM, 2012. Disponível em: http://www-

304.ibm.com/easyaccess/fileserve?contentid=233070. Acesso em 20/11/2013.

SZAJUBOK, N. K.; MOTA, C. M. M.; ALMEIDA, A. T. Uso do método

multicritério ELECTRE TRI para classificação de estoques na construção civil.

Pesquisa Operacional. vol.26, no.3, Rio de Janeiro. 2006. Disponível em:

http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-

74382006000300010&lng=pt&nrm=iso&tlng=pt. Acesso em 15/08/2013.

TSENG, M.-l.; TAN, K. H.; LIN, r.-j.; GENG, Y. Multicriteria analysis of green

supply chain management using interval-valued fuzzy TODIM. Knowledge-Based

Systems, 2012.

VINCKE, P. Multicriteria Decision-Aid. Chichester: John Wiley & Sons, 1992.

WHITE, L.A.; ELLIS, J.B. A system construct for evaluating retail market

locations. Journal of Marketing Research, Vol. 8, Iss.1, p.43, 1971.

XU, J.; WANG, Y.; TAO, Z. Rough approximation based strategy model between a

green building developer and a contractor under a fuzzy environment. Knowledge-Based Systems, 2013.

ZADEH, L.A. Fuzzy Sets. Information and Control,8, p.338-353, 1965.

ZNOTINAS, N.M.; HIPEL, K.W. Comparison of alternative engineering designs.

Water Resources Bulletin, American Water Resources Association. v. 15, no. 1, 1979.

ZOPOUNIDIS, C.; DOUMPOS, M. A multicriteria decision aid methodology for

the assessment of country risk. European Research on Management and Business

Economics, v.3, n.3, p.13-33, 1997.

ZOPOUNIDIS, C.; DOUMPOS, M. Developing a multicriteria decision support

system for financial classification problems: The FINCLAS system. Optimization

Methods and Software, v.8, n.3-4, p. 277-304, 1998.

ZOPOUNIDIS, C.; DOUMPOS, M. Multicriteria classification and sorting

methods: a literature review. European Journal of Operational Research, 138, p.229-

246, 2002.

77

APÊNDICE A – MODELO DO QUESTIONÁRIO DE PESOS

CRITÉRIOPRIORIDA

DE (1 a 13)

Venda por m2

1 = Prioridade Máxima

Tamanho do imóvel 13 = Prioridade Mínima ou Nula

Quantidade de andares do imóvel

Custo de locação (Compra ou Aluguel)

Fluxo de pedestres

População residente no entorno

Facilidade de acesso

Condições de estacionamento

Concorrência no entorno

Segurança local

Acessibilidade visual

Logística de Abastecimento

Legislação local

Fatores importantes para decidir sobre localização

de ponto de loja no Centro do Rio de Janeiro:

78

APÊNDICE B - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1)

Ponto 1

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,0 0,00 0,70 0,10 0,467 Venda por m2

Tamanho do imóvel 0,0 1,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 0,0 1,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 0,0 0,30 1,00 0,20 0,107 Acessibilidade visual

Concorrência no entorno 0,2 1,00 0,30 0,00 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 -1,224 0 1,00 Venda por m2

Bom 0 0 -1,224 0 0,42 Tamanho do imóvel

Muito bom 0,572 0,572 0,000 0,530 0,43 Custo de locação

Excelente 0,216 0,216 -1,133 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -2,260292364 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1

Muito bom 0 -2,260292364 0 0

Excelente 0 -2,260292364 0 0 Valor final para Ponto 1

Ruim 0,06

Custo de locação Bom 1,00

Ruim Bom Muito bom Excelente Muito bom 0,70

Ruim 0 -2,227768476 0 0 Excelente 0,00

Bom 0,44887968 0 0,44887968 0,44887968

Muito bom 0 -2,227768476 0 0

Excelente 0 -2,227768476 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -1,676825753 -3,06145097 -1,369122494

Bom 0,178909466 0 -2,56139365 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,9681158 -2,73824499 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -5,287749531 -1,86950178 0,075646548

Bom 0,151293096 0 0,141521733 0,169150824

Muito bom 0,053490187 -4,946236773 0 0,092647722

Excelente -2,643874766 -5,9118837 -3,23807206 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -11,453 -6,155 -1,756 -19,36328041

Bom 1,222 0,000 -2,752 0,701 -0,829539729

Muito bom 0,952 -8,589 0,000 0,914 -6,72239767

Excelente -2,282 -11,152 -7,109 0 -20,54268139

Minimo -20,54268139

Maximo -0,829539729

Peso dos Critérios

Taxas de Substituição

79

Ponto 2

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2

Tamanho do imóvel 1,000 0,000 0,000 0,000 0,20 Tamanho do imóvel

Custo de locação 0,000 0,000 0,960 0,460 0,20 Custo de locação

Acessibilidade visual 1,000 0,000 0,000 0,000 0,11 Acessibilidade visual

Concorrência no entorno 1,000 0,100 0,000 0,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 0,000 -1 1,00 Venda por m2

Bom 0 0 0,000 -1 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0,442420643 0,442420643 0,442420643

Bom -2,260292364 0 0 0 Valor TETA 1

Muito bom -2,260292364 0 0 0

Excelente -2,260292364 0 0 0 Valor final para Ponto 2

Ruim 1,00

Custo de locação Bom 0,00

Ruim Bom Muito bom Excelente Muito bom 0,19

Ruim 0 0 -2,18275841 -1,510946093 Excelente 0,29

Bom 0 0 -2,18275841 -1,510946093

Muito bom 0,439810469 0,439810469 0 0,317405866

Excelente 0,304445011 0,304445011 -1,5752702 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0,326642501 0,326642501 0,326642501

Bom -3,061450966 0 0 0

Muito bom -3,061450966 0 0 0

Excelente -3,061450966 0 0 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0,160470562 0,169150824 0,169150824

Bom -5,608505326 0 0,053490187 0,053490187

Muito bom -5,9118837 -1,869501775 0 0

Excelente -5,9118837 -1,869501775 0 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 0,930 -1,245 -2,035 -2,350344523

Bom -10,930 0,000 -2,129 -2,920 -15,97957444

Muito bom -10,794 -1,430 0,000 -1,145 -13,36870366

Excelente -10,245 -0,881 -0,892 0 -12,0183695

Minimo -15,97957444

Maximo -2,350344523

Peso dos Critérios

Taxas de Substituição

80

Ponto 3

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2

Tamanho do imóvel 0,000 1,000 0,000 0,000 0,20 Tamanho do imóvel

Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,000 0,000 0,800 1,000 0,11 Acessibilidade visual

Concorrência no entorno 0,000 0,000 0,600 1,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 0,000 -1 1,00 Venda por m2

Bom 0 0 0,000 -1 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -2,260292364 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1

Muito bom 0 -2,260292364 0 0

Excelente 0 -2,260292364 0 0 Valor final para Ponto 3

Ruim 0,00

Custo de locação Bom 0,00

Ruim Bom Muito bom Excelente Muito bom 0,48

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00

Bom -2,227768476 0 0 0

Muito bom -2,227768476 0 0 0

Excelente -2,227768476 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0 -2,73824499 -3,061450966

Bom 0 0 -2,73824499 -3,061450966

Muito bom 0,292157935 0,292157935 0 -1,369122494

Excelente 0,326642501 0,326642501 0,146078967 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0 -4,57932542 -5,9118837

Bom 0 0 -4,57932542 -5,9118837

Muito bom 0,131023665 0,131023665 0 -3,739003551

Excelente 0,169150824 0,169150824 0,106980374 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -1,811 -6,869 -9,987 -18,66716006

Bom -1,785 0,000 -6,875 -9,994 -18,65401328

Muito bom -1,805 -1,837 0,000 -6,571 -10,21242534

Excelente -1,048 -1,081 0,937 0 -1,192275371

Minimo -18,66716006

Maximo -1,192275371

Peso dos Critérios

Taxas de Substituição

81

Ponto 4

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 1,000 0,000 0,000 0,47 Venda por m2

Tamanho do imóvel 0,000 0,000 0,000 1,000 0,20 Tamanho do imóvel

Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,000 0,300 1,000 0,200 0,11 Acessibilidade visual

Concorrência no entorno 0,000 0,400 1,000 0,300 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 -1 0,000 0 1,00 Venda por m2

Bom 1 0 0,684 1 0,42 Tamanho do imóvel

Muito bom 0,000 -1,463 0,000 0,000 0,43 Custo de locação

Excelente 0,000 -1,463 0,000 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0 0 -2,260292364

Bom 0 0 0 -2,260292364 Valor TETA 1

Muito bom 0 0 0 -2,260292364

Excelente 0,442420643 0,442420643 0,442420643 0 Valor final para Ponto 4

Ruim 0,00

Custo de locação Bom 0,73

Ruim Bom Muito bom Excelente Muito bom 1,00

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 0,52

Bom -2,227768476 0 0 0

Muito bom -2,227768476 0 0 0

Excelente -2,227768476 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -1,676825753 -3,06145097 -1,369122494

Bom 0,178909466 0 -2,56139365 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,9681158 -2,73824499 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -3,739003551 -5,9118837 -3,23807206

Bom 0,106980374 0 -4,57932542 0,053490187

Muito bom 0,169150824 0,131023665 0 0,141521733

Excelente 0,092647722 -1,869501775 -4,94623677 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -6,430 -8,524 -6,419 -21,3726135

Bom -1,258 0,000 -6,457 -1,420 -9,134966976

Muito bom -1,732 -1,058 0,000 -1,827 -4,616877117

Excelente -1,547 -3,858 -7,242 0 -12,64648085

Minimo -21,3726135

Maximo -4,616877117

Peso dos Critérios

Taxas de Substituição

82

Ponto 5

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 1,000 0,000 0,47 Venda por m2

Tamanho do imóvel 0,000 0,000 1,000 0,000 0,20 Tamanho do imóvel

Custo de locação 0,500 0,700 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,300 1,000 0,600 0,000 0,11 Acessibilidade visual

Concorrência no entorno 0,200 1,000 0,300 0,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 -1,463 0 1,00 Venda por m2

Bom 0 0 -1,463 0 0,42 Tamanho do imóvel

Muito bom 0,684 0,684 0,000 0,684 0,43 Custo de locação

Excelente 0,000 0,000 -1,463 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0 -2,26029236 0

Bom 0 0 -2,26029236 0 Valor TETA 1

Muito bom 0,442420643 0,442420643 0 0,442420643

Excelente 0 0 -2,26029236 0 Valor final para Ponto 5

Ruim 0,44

Custo de locação Bom 1,00

Ruim Bom Muito bom Excelente Muito bom 0,80

Ruim 0 -0,99628835 0,317405866 0,317405866 Excelente 0,00

Bom 0,200745096 0 0,375559685 0,375559685

Muito bom -1,575270196 -1,863884832 0 0

Excelente -1,575270196 -1,863884832 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -2,561393646 -1,67682575 0,178909466

Bom 0,273288724 0 0,206586857 0,326642501

Muito bom 0,178909466 -1,936231599 0 0,253016193

Excelente -1,676825753 -3,061450966 -2,37138972 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -5,287749531 -1,86950178 0,075646548

Bom 0,151293096 0 0,141521733 0,169150824

Muito bom 0,053490187 -4,946236773 0 0,092647722

Excelente -2,643874766 -5,9118837 -3,23807206 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -8,845 -6,952 0,572 -15,22528533

Bom 0,625 0,000 -2,999 0,871 -1,502545822

Muito bom -0,217 -7,620 0,000 1,472 -6,365158428

Excelente -5,896 -10,837 -9,332 0 -26,06554601

Minimo -26,06554601

Maximo -1,502545822

Peso dos Critérios

Taxas de Substituição

83

APÊNDICE C - TABELAS DE DADOS DOS PONTOS EM ESTUDO COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5)

Ponto 1

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,0 0,00 0,70 0,10 0,467 Venda por m2

Tamanho do imóvel 0,0 1,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 0,0 1,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 0,0 0,30 1,00 0,20 0,107 Acessibilidade visual

Concorrência no entorno 0,2 1,00 0,30 0,00 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 -0,489 0 1,00 Venda por m2

Bom 0 0 -0,489 0 0,42 Tamanho do imóvel

Muito bom 0,572 0,572 0,000 0,530 0,43 Custo de locação

Excelente 0,216 0,216 -0,453 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -0,904116945 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5

Muito bom 0 -0,904116945 0 0

Excelente 0 -0,904116945 0 0 Valor final para Ponto 1

Ruim 0,02

Custo de locação Bom 1,00

Ruim Bom Muito bom Excelente Muito bom 0,71

Ruim 0 -0,89110739 0 0 Excelente 0,00

Bom 0,44887968 0 0,44887968 0,44887968

Muito bom 0 -0,89110739 0 0

Excelente 0 -0,89110739 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -0,670730301 -1,22458039 -0,547648997

Bom 0,178909466 0 -1,02455746 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,38724632 -1,09529799 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -2,115099812 -0,74780071 0,075646548

Bom 0,151293096 0 0,141521733 0,169150824

Muito bom 0,053490187 -1,978494709 0 0,092647722

Excelente -1,057549906 -2,36475348 -1,29522882 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -4,581 -2,462 -0,657 -7,699924234

Bom 1,222 0,000 -0,481 0,979 1,719025818

Muito bom 0,952 -2,928 0,000 0,914 -1,061819102

Excelente -0,695 -4,331 -2,844 0 -7,869974273

Minimo -7,869974273

Maximo 1,719025818

Peso dos Critérios

Taxas de Substituição

84

Ponto 2

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2

Tamanho do imóvel 1,000 0,000 0,000 0,000 0,20 Tamanho do imóvel

Custo de locação 0,000 0,000 0,960 0,460 0,20 Custo de locação

Acessibilidade visual 1,000 0,000 0,000 0,000 0,11 Acessibilidade visual

Concorrência no entorno 1,000 0,100 0,000 0,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 0,000 -1 1,00 Venda por m2

Bom 0 0 0,000 -1 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0,442420643 0,442420643 0,442420643

Bom -0,904116945 0 0 0 Valor TETA 2,5

Muito bom -0,904116945 0 0 0

Excelente -0,904116945 0 0 0 Valor final para Ponto 2

Ruim 1,00

Custo de locação Bom 0,00

Ruim Bom Muito bom Excelente Muito bom 0,24

Ruim 0 0 -0,87310336 -0,604378437 Excelente 0,44

Bom 0 0 -0,87310336 -0,604378437

Muito bom 0,439810469 0,439810469 0 0,317405866

Excelente 0,304445011 0,304445011 -0,63010808 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0,326642501 0,326642501 0,326642501

Bom -1,224580386 0 0 0

Muito bom -1,224580386 0 0 0

Excelente -1,224580386 0 0 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0,160470562 0,169150824 0,169150824

Bom -2,24340213 0 0,053490187 0,053490187

Muito bom -2,36475348 -0,74780071 0 0

Excelente -2,36475348 -0,74780071 0 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 0,930 0,065 -0,251 0,743439175

Bom -4,372 0,000 -0,820 -1,136 -6,327641553

Muito bom -4,054 -0,308 0,000 -0,268 -4,629265383

Excelente -3,505 0,240 0,054 0 -3,211330102

Minimo -6,327641553

Maximo 0,743439175

Peso dos Critérios

Taxas de Substituição

85

Ponto 3

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 0,000 1,000 0,47 Venda por m2

Tamanho do imóvel 0,000 1,000 0,000 0,000 0,20 Tamanho do imóvel

Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,000 0,000 0,800 1,000 0,11 Acessibilidade visual

Concorrência no entorno 0,000 0,000 0,600 1,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 0,000 -1 1,00 Venda por m2

Bom 0 0 0,000 -1 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -0,904116945 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5

Muito bom 0 -0,904116945 0 0

Excelente 0 -0,904116945 0 0 Valor final para Ponto 3

Ruim 0,00

Custo de locação Bom 0,00

Ruim Bom Muito bom Excelente Muito bom 0,38

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00

Bom -0,89110739 0 0 0

Muito bom -0,89110739 0 0 0

Excelente -0,89110739 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0 -1,09529799 -1,224580386

Bom 0 0 -1,09529799 -1,224580386

Muito bom 0,292157935 0,292157935 0 -0,547648997

Excelente 0,326642501 0,326642501 0,146078967 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0 -1,83173017 -2,36475348

Bom 0 0 -1,83173017 -2,36475348

Muito bom 0,131023665 0,131023665 0 -1,49560142

Excelente 0,169150824 0,169150824 0,106980374 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -0,455 -2,478 -3,725 -6,6588806

Bom -0,449 0,000 -2,485 -3,732 -6,665248156

Muito bom -0,468 -0,481 0,000 -2,628 -3,577152218

Excelente 0,288 0,275 0,937 0 1,500561132

Minimo -6,665248156

Maximo 1,500561132

Peso dos Critérios

Taxas de Substituição

86

Ponto 4

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 1,000 0,000 0,000 0,47 Venda por m2

Tamanho do imóvel 0,000 0,000 0,000 1,000 0,20 Tamanho do imóvel

Custo de locação 1,000 0,000 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,000 0,300 1,000 0,200 0,11 Acessibilidade visual

Concorrência no entorno 0,000 0,400 1,000 0,300 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 -1 0,000 0 1,00 Venda por m2

Bom 1 0 0,684 1 0,42 Tamanho do imóvel

Muito bom 0,000 -0,585 0,000 0,000 0,43 Custo de locação

Excelente 0,000 -0,585 0,000 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0 0 -0,904116945

Bom 0 0 0 -0,904116945 Valor TETA 2,5

Muito bom 0 0 0 -0,904116945

Excelente 0,442420643 0,442420643 0,442420643 0 Valor final para Ponto 4

Ruim 0,00

Custo de locação Bom 0,83

Ruim Bom Muito bom Excelente Muito bom 1,00

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 0,54

Bom -0,89110739 0 0 0

Muito bom -0,89110739 0 0 0

Excelente -0,89110739 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -0,670730301 -1,22458039 -0,547648997

Bom 0,178909466 0 -1,02455746 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,38724632 -1,09529799 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -1,49560142 -2,36475348 -1,295228824

Bom 0,106980374 0 -1,83173017 0,053490187

Muito bom 0,169150824 0,131023665 0 0,141521733

Excelente 0,092647722 -0,74780071 -1,97849471 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -2,302 -3,140 -2,298 -7,741061978

Bom 0,078 0,000 -2,173 -0,064 -2,157699031

Muito bom -0,395 -0,181 0,000 -0,470 -1,046479618

Excelente -0,210 -1,278 -2,631 0 -4,118999171

Minimo -7,741061978

Maximo -1,046479618

Peso dos Critérios

Taxas de Substituição

87

Ponto 5

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,000 0,000 1,000 0,000 0,47 Venda por m2

Tamanho do imóvel 0,000 0,000 1,000 0,000 0,20 Tamanho do imóvel

Custo de locação 0,500 0,700 0,000 0,000 0,20 Custo de locação

Acessibilidade visual 0,300 1,000 0,600 0,000 0,11 Acessibilidade visual

Concorrência no entorno 0,200 1,000 0,300 0,000 0,03 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0 -0,585 0 1,00 Venda por m2

Bom 0 0 -0,585 0 0,42 Tamanho do imóvel

Muito bom 0,684 0,684 0,000 0,684 0,43 Custo de locação

Excelente 0,000 0,000 -0,585 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0 -0,90411695 0

Bom 0 0 -0,90411695 0 Valor TETA 2,5

Muito bom 0,442420643 0,442420643 0 0,442420643

Excelente 0 0 -0,90411695 0 Valor final para Ponto 5

Ruim 0,44

Custo de locação Bom 1,00

Ruim Bom Muito bom Excelente Muito bom 0,92

Ruim 0 -0,39851534 0,317405866 0,317405866 Excelente 0,00

Bom 0,200745096 0 0,375559685 0,375559685

Muito bom -0,630108078 -0,745553933 0 0

Excelente -0,630108078 -0,745553933 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -1,024557458 -0,6707303 0,178909466

Bom 0,273288724 0 0,206586857 0,326642501

Muito bom 0,178909466 -0,77449264 0 0,253016193

Excelente -0,670730301 -1,224580386 -0,94855589 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 -2,115099812 -0,74780071 0,075646548

Bom 0,151293096 0 0,141521733 0,169150824

Muito bom 0,053490187 -1,978494709 0 0,092647722

Excelente -1,057549906 -2,36475348 -1,29522882 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -3,538 -2,590 0,572 -5,556493486

Bom 0,625 0,000 -0,765 0,871 0,731190591

Muito bom 0,728 -2,372 0,000 1,472 -0,172184388

Excelente -2,358 -4,335 -3,733 0 -10,42621841

Minimo -10,42621841

Maximo 0,731190591

Peso dos Critérios

Taxas de Substituição

88

APÊNDICE D – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=1)

Benchmark

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,00 0,00 0,00 1,00 0,467 Venda por m2

Tamanho do imóvel 0,00 1,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 1,00 0,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 0 0,3 1 0,2 0,107 Acessibilidade visual

Concorrência no entorno 0 0 0,6 1 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0,000 0,000 -1,463 1,00 Venda por m2

Bom 0,000 0,000 0,000 -1,463 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -1,463 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -2,260292364 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 1

Muito bom 0 -2,260292364 0 0

Excelente 0 -2,260292364 0 0 Valor final para Benchmark

Ruim 0,00

Custo de locação Bom 0,29

Ruim Bom Muito bom Excelente Muito bom 0,78

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00

Bom -2,227768476 0 0 0

Muito bom -2,227768476 0 0 0

Excelente -2,227768476 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -1,676825753 -3,061450966 -1,369122494

Bom 0,178909466 0 -2,561393646 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,9681158 -2,738244987 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0 -4,579325423 -5,9118837

Bom 0 0 -4,579325423 -5,9118837

Muito bom 0,131023665 0,131023665 0 -3,739003551

Excelente 0,169150824 0,169150824 0,106980374 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -3,488 -7,192 -8,295 -18,97486332

Bom -1,606 0,000 -6,698 -6,829 -15,13350808

Muito bom -1,770 -1,856 0,000 -4,909 -8,53552956

Excelente -1,229 -2,376 -1,948 0 -5,55192116

Minimo -18,97486332

Maximo -5,55192116

Peso dos Critérios

Taxas de Substituição

89

APÊNDICE E – TABELAS DE DADOS DO BENCHMARK COM APLICAÇÃO DO MÉTODO TODIM-FSE (Ɵ=2,5)

Benchmark

CRITERIOS Ruim Bom Muito bom Excelente

Venda por m2 0,00 0,00 0,00 1,00 0,467 Venda por m2

Tamanho do imóvel 0,00 1,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 1,00 0,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 0 0,3 1 0,2 0,107 Acessibilidade visual

Concorrência no entorno 0 0 0,6 1 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 0,000 0,000 -0,585 1,00 Venda por m2

Bom 0,000 0,000 0,000 -0,585 0,42 Tamanho do imóvel

Muito bom 0,000 0,000 0,000 -0,585 0,43 Custo de locação

Excelente 0,684 0,684 0,684 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 -0,904116945 0 0

Bom 0,442420643 0 0,442420643 0,442420643 Valor TETA 2,5

Muito bom 0 -0,904116945 0 0

Excelente 0 -0,904116945 0 0 Valor final para Benchmark

Ruim 0,00

Custo de locação Bom 0,28

Ruim Bom Muito bom Excelente Muito bom 0,66

Ruim 0 0,44887968 0,44887968 0,44887968 Excelente 1,00

Bom -0,89110739 0 0 0

Muito bom -0,89110739 0 0 0

Excelente -0,89110739 0 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 -0,670730301 -1,224580386 -0,547648997

Bom 0,178909466 0 -1,024557458 0,103293428

Muito bom 0,326642501 0,273288724 0 0,292157935

Excelente 0,146078967 -0,38724632 -1,095297995 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0 -1,831730169 -2,36475348

Bom0 0 -1,831730169 -2,36475348

Muito bom 0,131023665 0,131023665 0 -1,49560142

Excelente 0,169150824 0,169150824 0,106980374 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -1,126 -2,607 -3,049 -6,781961903

Bom -0,270 0,000 -2,414 -2,404 -5,087724339

Muito bom -0,433 -0,500 0,000 -1,788 -2,72172993

Excelente 0,108 -0,438 -0,305 0 -0,635268185

Minimo -6,781961903

Maximo -0,635268185

Peso dos Critérios

Taxas de Substituição

90

APÊNDICE F – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=1)

Loja com baixo desempenho Ruim Bom Muito bom Excelente

Venda por m2 0,00 1,00 0,00 0,00 0,467 Venda por m2

Tamanho do imóvel 1,00 0,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 0,00 1,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 1,00 0,00 0,00 0,00 0,107 Acessibilidade visual

Concorrência no entorno 1,00 0,10 0,00 0,00 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 -1,463 0,000 0,000 1,00 Venda por m2

Bom 0,684 0,000 0,684 0,684 0,42 Tamanho do imóvel

Muito bom 0,000 -1,463 0,000 0,000 0,43 Custo de locação

Excelente 0,000 -1,463 0,000 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0,442420643 0,442420643 0,442420643

Bom -2,260292364 0 0 0 Valor TETA 1

Muito bom -2,260292364 0 0 0

Excelente -2,260292364 0 0 0 Valor final para Loja Baixo desempenho

Ruim 1,00

Custo de locação Bom 0,59

Ruim Bom Muito bom Excelente Muito bom 0,00

Ruim 0 -2,227768476 0 0 Excelente 0,00

Bom 0,44887968 0 0,44887968 0,44887968

Muito bom 0 -2,227768476 0 0

Excelente 0 -2,227768476 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0,326642501 0,326642501 0,326642501

Bom -3,061450966 0 0 0

Muito bom -3,061450966 0 0 0

Excelente -3,061450966 0 0 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0,160470562 0,169150824 0,169150824

Bom -5,608505326 0 0,053490187 0,053490187

Muito bom -5,9118837 -1,869501775 0 0

Excelente -5,9118837 -1,869501775 0 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -2,761 0,938 0,938 -0,884408494

Bom -9,798 0,000 1,186 1,186 -7,425489765

Muito bom -11,234 -5,560 0,000 0,000 -16,79349894

Excelente -11,234 -5,560 0,000 0 -16,79349894

Minimo -16,79349894

Maximo -0,884408494

Peso dos Critérios

Taxas de Substituição

91

APÊNDICE G – TABELAS DE DADOS DA LOJA DE SHOPPING CENTER COM BAIXO DESEMPENHO APLICANDO O MÉTODO TODIM-FSE (Ɵ=2,5)

Loja com baixo desempenho Ruim Bom Muito bom Excelente

Venda por m2 0,00 1,00 0,00 0,00 0,467 Venda por m2

Tamanho do imóvel 1,00 0,00 0,00 0,00 0,196 Tamanho do imóvel

Custo de locação 0,00 1,00 0,00 0,00 0,201 Custo de locação

Acessibilidade visual 1,00 0,00 0,00 0,00 0,107 Acessibilidade visual

Concorrência no entorno 1,00 0,10 0,00 0,00 0,029 Concorrência no entorno

Venda por m2

Ruim Bom Muito bom Excelente

Ruim 0 -0,585 0,000 0,000 1,00 Venda por m2

Bom 0,684 0,000 0,684 0,684 0,42 Tamanho do imóvel

Muito bom 0,000 -0,585 0,000 0,000 0,43 Custo de locação

Excelente 0,000 -0,585 0,000 0,000 0,23 Acessibilidade visual

0,06 Concorrência no entorno

Tamanho do imóvel

Ruim Bom Muito bom Excelente

Ruim 0 0,442420643 0,442420643 0,442420643

Bom -0,904116945 0 0 0 Valor TETA 2,5

Muito bom -0,904116945 0 0 0

Excelente -0,904116945 0 0 0 Valor final para Loja Baixo desempenho

Ruim 1,00

Custo de locação Bom 0,73

Ruim Bom Muito bom Excelente Muito bom 0,00

Ruim 0 -0,89110739 0 0 Excelente 0,00

Bom 0,44887968 0 0,44887968 0,44887968

Muito bom 0 -0,89110739 0 0

Excelente 0 -0,89110739 0 0

Acessibilidade visual

Ruim Bom Muito bom Excelente

Ruim 0 0,326642501 0,326642501 0,326642501

Bom -1,224580386 0 0 0

Muito bom -1,224580386 0 0 0

Excelente -1,224580386 0 0 0

Concorrência no entorno

Ruim Bom Muito bom Excelente

Ruim 0 0,160470562 0,169150824 0,169150824

Bom-2,24340213 0 0,053490187 0,053490187

Muito bom -2,36475348 -0,74780071 0 0

Excelente -2,36475348 -0,74780071 0 0

Matriz de Dominância

Ruim Bom Muito bom Excelente Soma

Ruim 0 -0,547 0,938 0,938 1,329813587

Bom -3,240 0,000 1,186 1,186 -0,867340572

Muito bom -4,493 -2,224 0,000 0,000 -6,717399575

Excelente -4,493 -2,224 0,000 0 -6,717399575

Minimo -6,717399575

Maximo 1,329813587

Peso dos Critérios

Taxas de Substituição