Resumo Executivo

João Carlos Domingues Jr; André Ricardo do Rosário Contani

Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Em um cenário de alta competitividade, a precisão na cotação de projetos é um pilar fundamental para a sustentabilidade financeira das organizações. Erros na fase de precificação podem desencadear uma série de consequências negativas, como a redução das margens esperadas e a diminuição da previsibilidade dos resultados financeiros, introduzindo distorções entre custos, valor percebido e retorno econômico. Tais imprecisões podem, em última instância, comprometer a credibilidade junto aos clientes, conforme apontado por Nagle et al. (2016). Este estudo de caso aborda um desafio dessa natureza, vivenciado por uma divisão de negócios de uma empresa multinacional de tecnologia do setor de energia, especializada no fornecimento de painéis de monitoramento industrial.

A organização em questão utiliza dois sistemas cruciais para suas operações comerciais: o “Deal Machine”, empregado para mapear, registrar e gerenciar oportunidades de vendas, e o “Big Machine”, uma ferramenta de precificação responsável por estimar custos e prazos de projetos com base em dados operacionais provenientes das plantas de manufatura. Contudo, verificou-se que os parâmetros configurados no “Big Machine” – especificamente os tempos de produção (montagem e testes), horas de engenharia, horas de execução em serviços e os custos de homem/hora (“burden rates”) – estavam desatualizados ou incorretos em todas as seis plantas globais da empresa, gerando impactos significativos na acuracidade das cotações.

Essa inconsistência nos dados do sistema “Big Machine” resultava em desvios financeiros, atrasos na execução dos projetos, retrabalho e, consequentemente, no comprometimento da credibilidade junto aos clientes. A utilização de dados imprecisos impactava diretamente a eficiência operacional e a rentabilidade dos projetos, especialmente na etapa de elaboração das cotações. Tais distorções comprometiam a previsibilidade dos custos e aumentavam o risco de decisões comerciais desalinhadas com a realidade operacional das plantas, evidenciando a urgência de uma intervenção para corrigir e manter sob controle os dados críticos do sistema.

No período de doze meses, entre janeiro e dezembro de 2025, uma análise conjunta dos times de Comercial e Operações revelou que diversos projetos em todas as seis plantas de manufatura globais apresentaram erosão de margem. Aproximadamente 25% das causas dessa erosão foram diretamente relacionadas a cotações incorretas, elaboradas ainda na fase de propostas comerciais. Essa constatação inicial impulsionou uma conferência detalhada entre os valores estimados pelo sistema “Big Machine” e os custos reais de operação, revelando discrepâncias significativas que exigiam uma abordagem estruturada.

A análise comparativa entre os custos estimados e os custos reais, exemplificada pela planta no Brasil, demonstrou divergências notáveis em diversos itens de cotação. Por exemplo, gabinetes internos autoportantes apresentaram variações de custo real em relação ao estimado que chegavam a 10,14%, enquanto outros itens, como gabinetes de marshalling, mostravam uma divergência de 14,29%. Essas diferenças, embora variando em magnitude, indicavam um padrão de imprecisão que afetava a rentabilidade e a previsibilidade dos projetos em diferentes graus, reforçando a necessidade de uma revisão abrangente dos parâmetros.

Um ponto crítico identificado na análise foi a falha conceitual na definição do custo-hora, ou “burden rate”, na ferramenta “Big Machine”, especialmente no contexto da planta do Brasil. O valor utilizado para 2026 era derivado de uma análise financeira anual que calculava o “burden rate” por planta com base na relação entre horas apontadas e custos diretos/indiretos. Contudo, para a planta brasileira, onde 100% da montagem é terceirizada, a aplicação desse “burden rate” inflacionava artificialmente o custo do projeto, gerando uma diferença substancial entre o custo estimado e o real, conforme destacado por Santos (2017).

Para ilustrar a magnitude do problema, considerou-se um produto com tempo estimado de 188,36 horas, das quais 148,36 eram terceirizadas e 40 internas. Com o custo padrão de US$25,50 por hora, o custo estimado seria de US$4.803,18. No entanto, o custo real da hora terceirizada era de US$10,00, resultando em um custo real de US$2.503,60, uma diferença de aproximadamente US$2.300,00. Essa discrepância evidencia como a escolha do critério de custeio e a composição do custo-hora podem alterar significativamente o custo apurado, exigindo coerência entre o método e a realidade operacional.

A projeção do impacto financeiro dessa inconsistência é significativa. Se essa diferença for aplicada a um cenário em que 25% dos projetos são cotados incorretamente, e considerando uma produção anual de 80 painéis na planta do Brasil, a correção desses parâmetros representaria um impacto de US$46.000,00 no processo de cotação. Essa análise demonstrou que o processo de cotação apresentava inconsistências, subestimando custos em áreas como engenharia e serviços, e superestimando em outras, como na cadeia de suprimentos, devido à aplicação inadequada do “burden rate”.

Para aprofundar a compreensão das causas-raiz do problema, aplicou-se a metodologia dos 5 Porquês, uma ferramenta amplamente utilizada para investigação estruturada de problemas, conforme Oliveira (2020). A primeira pergunta, “Por que a margem está erodindo?”, revelou que os custos reais dos projetos estavam acima dos custos cotados. Em seguida, “Por que os custos reais estão acima?” indicou que a cotação se baseava em parâmetros incorretos no sistema, o que direcionou a análise para a origem da imprecisão dos dados.

A investigação prosseguiu com a pergunta “Por que os parâmetros estão incorretos?”, cuja resposta foi que eles estavam desatualizados e não refletiam a operação atual. Isso levou à questão “Por que não foram atualizados?”, que revelou a ausência de um processo formal ou de um responsável definido para a revisão periódica desses dados. Finalmente, a pergunta “Por que não existe um processo formal?” identificou a causa-raiz: a governança sobre os dados de cotação nunca havia sido tratada como uma prioridade estratégica pela organização, o que é consistente com a literatura de governança de dados (Dama International, 2017).

Ao detalhar o fluxo atual de trabalho, ficaram evidentes fragilidades na forma como os dados do “Big Machine” eram mantidos e validados. A falta de uma instância formal de governança impedia a consolidação de decisões e a padronização de critérios, enquanto a integração entre áreas-chave, como vendas, comercial, engenharia e operações, ocorria de maneira limitada e reativa. Na prática, isso resultava em “inputs” manuais e ajustes pontuais, aumentando a chance de inconsistências e dificultando a comparação consistente entre projetos, conforme a literatura de governança de dados que enfatiza a necessidade de papéis definidos e rotinas formais (Dama International, 2017).

Além disso, a ausência de um ciclo definido de revisão periódica dos parâmetros significava que dados desatualizados permaneciam ativos por longos períodos, transferindo o erro da fase de proposta para a execução. Essa perda de qualidade na cotação resultava em menor previsibilidade do desempenho econômico dos projetos, especialmente quando se analisava a diferença entre o estimado e o realizado. A comparação entre a situação atual e a desejada demonstrava que, com parâmetros corretos, os projetos poderiam ser cotados com maior precisão, reduzindo desvios e aumentando a previsibilidade financeira.

Considerando que o problema identificado se concentrava nas seis plantas industriais, e que essas unidades, embora apresentassem sinergia, não seguiam processos uniformes de cotação, concluiu-se que uma solução única e padronizada poderia não ser suficiente para corrigir a questão de forma abrangente. As plantas se encontravam em diferentes estágios de maturidade industrial e processual, o que implicava que nem todas as ações propostas teriam um impacto homogêneo. Dessa forma, recomendou-se que cada gerente de planta avaliasse as orientações apresentadas e definisse, conforme a realidade de sua unidade, o plano de ação mais adequado.

Em um nível mais amplo, a solução recomendada consistiu na instituição de um Comitê Multidisciplinar. Este comitê seria composto por representantes das áreas diretamente envolvidas no processo de cotação, incluindo vendas, comercial, gestão de projetos, cadeia de suprimentos, engenharia e serviços. A principal função desse comitê seria validar os dados registrados no sistema “Big Machine”, garantindo sua atualização, e realizar análises post-mortem de projetos executados, comparando custos estimados versus custos reais, abrangendo não apenas a cadeia de suprimentos, mas também serviços e engenharia, com foco na acuracidade das horas apontadas.

Para assegurar a fluidez da comunicação e a consistência das análises, cada área envolvida indicaria um usuário-chave, responsável por consolidar informações e disseminar os resultados em sua respectiva equipe. A definição desses papéis visa garantir a responsabilização e a consistência no ciclo de atualização e uso dos dados, elementos centrais em modelos de governança de dados, conforme Dama International (2017). Na prática, a correção dos desvios identificados exige disciplina de governança e um aprendizado contínuo a partir dos projetos já executados, transformando a experiência em melhoria de processos.

O plano de ação proposto baseou-se na implementação de uma estrutura formal de governança de dados, iniciando pela criação do Comitê Multidisciplinar. Sua composição, com representantes de vendas, comercial, gestão de projetos, cadeia de suprimentos, engenharia e serviços, buscou assegurar uma visão integrada do processo de elaboração de cotações, contemplando de forma equilibrada os aspectos comerciais, técnicos e operacionais dos projetos, promovendo uma abordagem holística para a gestão dos parâmetros.

O comitê deverá se reunir trimestralmente, preferencialmente no primeiro mês de cada trimestre, com o objetivo de analisar de maneira estruturada ao menos cinco projetos executados no período anterior. A partir dessas análises, os preços, tempos e horas cadastrados no sistema “Big Machine” serão revisados sempre que forem identificadas divergências relevantes entre os valores estimados e os efetivamente realizados. Essa prática permitirá a correção contínua dos parâmetros do sistema, reduzindo distorções recorrentes nas cotações futuras e aprimorando a precisão das estimativas.

Como parte integrante do processo, os resultados das análises realizadas pelo comitê deverão ser divulgados de forma estruturada às equipes envolvidas. Essa divulgação visa promover o aprendizado organizacional, o alinhamento entre as diversas áreas e uma maior transparência sobre os impactos das decisões de precificação. A comunicação eficaz dos achados e das correções é crucial para consolidar a cultura de governança de dados e garantir que as lições aprendidas sejam incorporadas em futuros projetos.

Adicionalmente, previu-se a atualização anual do “burden rate” de cada planta, a ser realizada no último mês do ano, em conformidade com a metodologia financeira vigente. Essa medida é essencial para garantir que os custos indiretos reflitam a realidade operacional mais recente de cada unidade, evitando as distorções previamente identificadas, como a inflação de custos em plantas com montagem terceirizada, e assegurando que os parâmetros de custo sejam sempre aderentes à realidade de negócio.

A efetividade do plano será acompanhada por meio de um indicador-chave de desempenho, com a meta de reduzir a erosão de margem dos projetos associada a cotações incorretas de 25% para 15%, no prazo de até 12 meses após a implementação da solução. Essa meta ambiciosa reforça o papel da governança de dados como uma alavanca estratégica para a melhoria da rentabilidade e da qualidade das decisões. A redução da erosão de margem é um resultado direto da maior acuracidade das cotações.

Outra métrica fundamental para avaliar a acuracidade das cotações é alcançar, no mínimo, 90% de aderência entre os custos estimados no sistema “Big Machine” e os custos reais apurados ao final dos projetos, considerando os custos da cadeia de suprimentos, engenharia e serviços. Além disso, espera-se reduzir o desvio médio absoluto entre as horas planejadas e as horas efetivamente executadas para um patamar inferior a mais ou menos 10%. Esses indicadores fornecem uma visão clara da melhoria na precisão das estimativas e na eficiência operacional.

Para garantir a execução e o monitoramento contínuo, a proposta prevê a cobertura de 100% das análises post-mortem dos projetos selecionados, com um mínimo de cinco projetos por trimestre sendo efetivamente avaliados conforme o processo definido pelo comitê. Adicionalmente, a meta é assegurar que 100% dos parâmetros críticos do sistema, como tempos de produção, horas de engenharia, serviços e “burden rates”, sejam revisados anualmente ou sempre que houver alterações relevantes no processo produtivo, garantindo a atualização constante dos dados.

A execução dessas ações permitirá a implementação estruturada da solução proposta e servirá como base para o acompanhamento sistemático dos resultados. O desempenho do plano de ação será avaliado por meio das métricas de sucesso definidas, com foco na redução da erosão de margem associada a erros de cotação, no aumento da acuracidade entre custos estimados e realizados, e na diminuição dos desvios entre horas planejadas e executadas. O acompanhamento sistemático dessas métricas permitirá avaliar a maturidade da governança de dados implantada, reduzindo desvios financeiros e aumentando a previsibilidade.

Do ponto de vista organizacional, os benefícios esperados vão além dos ganhos financeiros diretos. A iniciativa contribui para o fortalecimento da cultura de tomada de decisão baseada em dados, para o aumento da integração entre áreas-chave e para a melhoria da credibilidade das propostas comerciais junto aos clientes. Trata-se, portanto, de uma ação com impactos tangíveis e intangíveis, alinhada aos objetivos estratégicos da organização, promovendo um ambiente de trabalho mais colaborativo e eficiente, com decisões mais assertivas e fundamentadas.

Em resumo, o diagnóstico detalhado, a solução recomendada e os benefícios projetados convergem para a mesma conclusão: é plenamente viável formalizar e sustentar o modelo proposto de governança de dados. A implementação do Comitê Multidisciplinar e do ciclo de revisão periódica de parâmetros representa a alternativa mais consistente para mitigar riscos financeiros, elevar a qualidade do processo de cotação da empresa, melhorar a previsibilidade econômica dos projetos e aumentar a maturidade do processo ao longo do tempo, consolidando uma gestão mais robusta e transparente.

Referências Bibliográficas:

Dama International. 2017. Data Management Body of Knowledge (DAMA-DMBOK). 2ed. Technics Publications, EUA.

Nagle, T.T.; Hogan, J.; Zale, J. 2016. The Strategy and Tactics of Pricing: A Guide to Growing More Profitably. 6ed. Routledge, New York, NY, EUA.

Oliveira, R. 2020. 5 Porquês: Ferramenta de Análise e Solução de Problemas. Ferramentas de Gestão, São Paulo, SP, Brasil.

Santos, J.J. 2017. Manual de Contabilidade e Análise de Custos. 7ed. Atlas, São Paulo, SP, Brasil.

Resumo executivo oriundo de Trabalho de Conclusão de Curso da Especialização em Executivo em Liderança e Gestão do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy