Influência de configurações organizacionais no desempenho de startups

RESUMO

O objetivo deste artigo foi investigar a influência das configurações organizacionais no desempenho de startups. Como lacuna do artigo, analisar fatores simultaneamente, considerando-se a possibilidade de equifinalidade no tocante ao entendimento sobre o desempenho de startups. Realizou-se um levantamento com 112 startups sul-brasileiras. Para composição das configurações, foi utilizada a técnica de análise de cluster. Foram usados os testes de qui-quadrado e análise de covariância (ANCOVA) para identificar o efeito das configurações organizacionais no desempenho das startups. Os resultados reforçaram os pressupostos da abordagem de configurações, evidenciando a relação de interdependência de imperativos na explicação do desempenho organizacional. As principais características distintivas das três configurações de startups encontradas foram: porte; característica da informação do sistema de controle gerencial (SCG); orientação empreendedora (OE); estratégia de liderança de custos (ELC); aceleração; e fonte de investimento empreendedora (FIE). Os resultados mostraram que diferenças na característica da informação do SCG e no nível de OE representam um desvio da configuração ideal e se relacionam com a queda de desempenho. O trabalho expande o conhecimento sobre os imperativos investigados para o contexto das startups e sobre como esses interagem para compor as configurações. Os resultados se mostraram relevantes na explicação do desempenho, corroborando a ideia da equifinalidade, na qual duas configurações distintas apresentaram desempenhos semelhantes. Ao analisar as configurações que apresentaram melhor desempenho, os gestores podem avaliar em qual configuração se encontram de forma a orientar ações para melhorar a taxa de sucesso das startups.

Palavras-chave:
startups; configuração organizacional; desempenho organizacional; contabilidade gerencial

ABSTRACT

This article aimed to investigate the influence of organizational configurations on startup performance. The gap addressed by the article involved analyzing factors simultaneously, considering the possibility of equifinality with regard to the understanding about startup performance. A survey was conducted of 112 southern Brazilian startups. To compose the configurations, the cluster analysis technique was used. The chi-squared and covariance analysis (ANCOVA) tests were used to identify the effect of organizational configurations on startup performance. The results reinforced the assumptions of the configurational approach, highlighting the relationship of interdependence of imperatives in explaining organizational performance. The main distinctive characteristics of the three startup configurations found were: size; characteristics of the information from the management control system (MCS); entrepreneurial orientation (EO); cost leadership strategy (CLS); acceleration; and entrepreneurial source of investment (ESI). The results showed that differences in the characteristics of the information from the MCS and in the level of EO represent a deviation from the ideal configuration and are related with a drop in performance. The paper extends the knowledge on the imperatives investigated for the context of startups and on how these interact to compose the configurations. The results were shown to be relevant in explaining performance, corroborating the idea of equifinality, in which two distinct configurations presented similar performance. By analyzing the configurations that presented the best performance, managers can evaluate in which configuration they find themselves so as to guide actions to improve the startup success rate.

Keywords:
startups; organizational configuration; organizational performance; management accounting

1. INTRODUÇÃO

O ambiente das startups é caracterizado pelo alto grau de dinamismo, flexibilidade e incerteza e requer modelos de negócios inovadores e escaláveis que vão além do que é comumente realizado por empresas tradicionais, governos, comunidades e organizações da sociedade civil (Bhimani, 2018; Magaldi & Salibi, 2018). Apesar de muitas surgirem com boas ideias e de sua importância para o desenvolvimento econômico (Halabí & Lussier, 2014; Paoloni & Dumay, 2015), as startups apresentam altas taxas de mortalidade nos primeiros anos de existência (Arruda et al., 2015; Startup Genome, 2011).

Muitos elementos interconectados podem explicar a diferença de desempenho entre as startups (Mintzberg et al., 2000), como aspectos dos indivíduos, das organizações e do ambiente que se ajustam e se reforçam, criando conjuntos ótimos de características que geram níveis mais altos de desempenho (Flaherty et al., 2014). Esse processo de interação e interdependência entre os aspectos de uma organização caracteriza a abordagem configuracional (Miller & Friesen, 1984b; Miller, 1986b, 1987).

A abordagem configuracional promove a visão das organizações como agrupamentos de estruturas e práticas interconectadas (Fiss, 2007) em que a eficácia é atribuída à consistência interna entre os padrões relevantes de contexto, estrutura e fatores estratégicos (Ketchen et al., 1993). O cerne da competência distintiva e da vantagem competitiva não está apenas na posse de recursos ou habilidades organizacionais específicas, mas na estruturação dos mecanismos integrativos que asseguram a complementaridade entre os vários aspectos de uma empresa (Miller, 1986b).

Samagaio et al. (2018) e Crespo et al. (2019) usaram essa abordagem para analisar características das startups e sua relação com a adoção do sistema de controle gerencial. Na literatura de startups, diversos fatores foram usados para explicar o desempenho organizacional (Cacciolatti et al., 2020; Cassar, 2014; Crespo et al., 2019; Davila & Foster, 2005, 2007; Konno, 2015; Lewrick et al., 2011; Miranda et al., 2016; Plummer et al., 2016; Shirokova et al., 2016), mas esses estudos utilizam modelos que testam, de forma reducionista, a associação de algumas variáveis com o desempenho. Um dos principais pontos fracos dos estudos sobre sistemas de controle é o exame de uma ou duas variáveis isoladamente (Flaherty et al., 2014).

Somado a isso, tem-se que o conceito de equifinalidade é um fator importante para caracterizar a abordagem de configurações (Fiss, 2007). A premissa da equifinalidade é a de que duas ou mais configurações organizacionais podem ser igualmente eficazes para alcançar diferentes níveis de desempenho (Gresov & Drazin, 1994; Miller, 1987).

Pelo exposto, verifica-se que a abordagem de configurações pode ajudar a entender, de forma holística, usando vários fatores ao mesmo tempo, seu impacto no desempenho, mesmo que sejam considerados níveis distintos de desempenho. Por isso, entende-se que analisar fatores simultaneamente, considerando-se a possibilidade de equifinalidade, é uma lacuna no tocante ao entendimento sobre o desempenho de startups. Nesse contexto, o objetivo foi investigar a influência das configurações organizacionais no desempenho de startups.

Conforme estudos que examinaram o desempenho de startups e pequenos empreendimentos (Crespo et al., 2019; Damke et al., 2018; Davila & Foster, 2005, 2007; Hyytinen et al., 2015; Maciel et al., 2008; Miranda et al., 2016; Wiklund & Shepherd, 2005), os imperativos investigados foram: característica da informação do sistema de controle gerencial (SCG); estratégia de diferenciação (ED); estratégia de liderança de custos (ELC); orientação empreendedora (OE); fonte de investimento tradicional (FIT); fonte de investimento empreendedor (FIE); processo de aceleração; idade; e porte.

Os resultados da investigação oferecem três principais contribuições teóricas. Primeiro, esta pesquisa avança ao analisar elementos em conjunto no contexto das startups e na interação entre esses para constituição das configurações, evidenciando as principais características distintivas de cada configuração. Foram encontradas três configurações em que as principais características distintivas foram porte, SCG, OE, ELC, aceleração e FIE.

Segundo, os resultados reforçaram o conceito de equifinalidade ao evidenciar níveis semelhantes de desempenho entre duas configurações encontradas (Fiss, 2007). Evidenciou-se que as diferenças nas estratégias de liderança de custos e na captação de recursos, quando controladas pelo ciclo de vida da startup, não foram suficientes para impactar o desempenho.

Terceiro, mostrou-se que diferenças no SCG e no nível de OE podem ser consideradas um desvio da configuração ideal e podem explicar a queda de desempenho. As informações gerenciais (Crespo et al., 2019; Davila & Foster 2005) e a capacidade empreendedora (Lewrick et al., 2011) são fatores importantes para alcançar um bom desempenho no contexto de startups.

2. REFERENCIAL TEÓRICO

2.1 Abordagem de Configurações e Imperativos

A abordagem de configurações sustenta que cada variável (imperativo) é analisada no contexto de outras variáveis que com essa podem se relacionar (Fiss, 2007; Harms et al., 2007). A abordagem configuracional sugere a ruptura clara com o paradigma linear (contingencial) predominante (Fiss, 2007). A abordagem contingencial (cartesiana) trata o sistema de uma empresa como decomponível em elementos que podem ser examinados independentemente (Fiss, 2007; Gerdin & Greve, 2004).

Na abordagem de configurações, atributos organizacionais-chave tendem a se agrupar para formar configurações (Ketchen et al., 1993; Maciel et al. 2009). A configuração é formada pelo processo de interação recíproco e não linear desses imperativos que produzem interações entre si e se complementam (Miller & Friesen, 1984b; Miller, 1986b, 1987; Mintzberg et al., 2000). Tais configurações descrevem as organizações, revelando sua natureza complexa, gestáltica e sistêmica (Miller & Friesen, 1984b).

O alinhamento desses atributos pode ajudar a predizer/explicar o desempenho. Evidências empíricas reforçaram os pressupostos da abordagem das configurações de que as relações de interdependência das variáveis podem operar de forma multidimensional com o potencial de gerar efeitos sobre o desempenho das organizações (Bispo et al., 2016; Carraro et al., 2020; Damke et al., 2018; Fiss, 2007; Frare et al. 2021, no prelo; Maciel et al., 2008; Shirokova et al., 2016; Wiklund & Shepherd, 2005).

Outro ponto importante é a equifinalidade. Sua premissa é que duas ou mais configurações organizacionais podem ser igualmente eficazes para alcançar diferentes níveis de desempenho, mesmo que sejam confrontadas com as mesmas contingências (Gresov & Drazin, 1994; Miller, 1987).

Miller (1987), baseado na teoria organizacional, sugere quatro imperativos clássicos: ambiente, estrutura, liderança e estratégia. Porém, afirma que as configurações propostas e suas relações são ilustrativas, não finais ou exaustivas, concluindo que falta, na literatura configuracional, a busca pelos imperativos que formam as configurações (Miller, 1986a, 1986b).

Os imperativos selecionados precisam ser capazes de apresentar características distintas entre as startups para ter potencial de diferenciação entre eles e, ainda, relação com o desempenho. Se existir muita semelhança entre as variáveis selecionadas, dificilmente serão encontradas distinções entre os grupos. Com base em estudos anteriores (Bhimani, 2018; Crespo et al., 2019; Frare et al., (2021) no prelo; Samagaio et al., 2018), este trabalho identificou as configurações organizacionais a partir das variáveis OE, estratégia, SCG, fonte de investimento, processo de aceleração, idade e porte.

2.1.1 Orientação empreendedora (OE)

OE consiste em capturar aspectos empreendedores específicos de estilos, métodos e práticas de tomada de decisão (Lumpkin & Dess, 1996; Wiklund & Shepherd, 2005). O empreendedorismo tem sido aceito como fenômeno de nível empresarial que merece atenção acadêmica, dada a relevância para as organizações, independentemente do tamanho ou tempo de existência (Brown et al., 2001). A OE está entre os tópicos mais estudados em pesquisas da área de gestão (Covin & Wales, 2019; Martens et al., 2016; Wales, 2016; Wales et al., 2011; Wales et al., 2019) e contempla, essencialmente, os elementos de inovatividade, proatividade e tomada de risco (Brown et al., 2001; Maciel et al., 2008; Wiklund & Shepherd, 2005).

Uma alta OE é considerada importante para as empresas, a fim de buscar novas oportunidades (Rank & Strenge, 2018; Wales et al., 2013). Em um ambiente de negócios em constante mudança, as empresas tendem a ser mais empreendedoras e inovadoras e buscam uma vantagem competitiva para se diferenciar de suas rivais e criar uma posição sustentável no mercado (Shirokova et al., 2016).

As pesquisas empíricas apontam que a OE tem influência positiva no desempenho das organizações (Basco et al., 2020; Galbreath et al., 2020; Shirokova et al., 2016). Contudo, há uma lacuna na literatura sobre a importância dos recursos de OE em startups (Kee & Rahman, 2018), com evidências de que a OE pode aumentar o desempenho desses empreendimentos em determinados contextos (Frare et al., 2021, no prelo; Migliori et al., 2019; Vaznyte & Andries, 2019). As pesquisas empíricas sustentam a proposição de que o efeito da OE no desempenho varia entre diferentes tipos de ambientes externos (Covin & Slevin, 1989; Shirokova et al., 2016) e recursos internos da empresa (Brush et al., 2001). Ou seja, acredita-se que empresas que operam em condições dinâmicas se beneficiam de alta OE (Gupta & Pandit, 2013; Lumpkin & Dess, 2001).

2.1.2 Estratégia

Segundo Porter (2009), estratégia é a compatibilização mútua e a integração entre as atividades da empresa. A dimensão estratégica escolhida para este estudo foi o posicionamento estratégico, a qual reflete a maneira como a empresa compete no mercado (Porter, 1989). O posicionamento estratégico distingue três estratégias genéricas que permitem à empresa obter uma vantagem competitiva sustentável (Porter, 1989): liderança de custos, diferenciação e foco. Tomando como base o estudo de Samagaio et al. (2018), neste estudo foram selecionadas as duas primeiras.

A liderança de custos implica em obter o menor custo em comparação aos concorrentes e a fonte da vantagem competitiva pode resultar de fatores como economias de escala e escopo, acesso a matérias-primas favoráveis e tecnologia superior que garanta um baixo custo (Cinquini & Tenucci, 2010; Langfield-Smith, 2007; Porter, 1989). A diferenciação se concentra em fornecer produtos com atributos altamente valorizados por seus clientes, e a fonte dessa vantagem competitiva pode resultar de fatores como qualidade, confiabilidade, imagem da marca, design de produto, serviços de pós-venda, instalações e varejo (Cinquini & Tenucci, 2010; Langfield-Smith, 2007; Porter, 1989).

2.1.3 Características da informação do SCG

Bhide (2000) comenta que a contabilidade gerencial pode atrapalhar o desenvolvimento de negócios inovadores. Entretanto, estudos apontaram para a direção oposta, em que os resultados indicaram a importância do SCG para o crescimento e a valorização de startups (Carraro et al., 2020; Davila & Foster, 2005, 2007; Davila et al., 2014; Frare et al, 2021, no prelo; Pavlatos & Kostakis, 2021). Além disso, ocorre uma relação de cooperação mútua entre o crescimento e a adoção do SCG (Davila & Foster, 2005, 2007; Sandino, 2007).

O fato de a maioria das startups ser empresa de pequeno porte naturalmente afeta a estrutura/condição dos SCG e a necessidade de sua sofisticação. Os recursos para atividades de relatório financeiro e análise podem ser muito limitados, típico das pequenas empresas em geral. No entanto, isso não deve ser generalizado no caso das startups, no qual também existem outros fatores importantes para o desenvolvimento do sistema de controle, como os requisitos estabelecidos pelos investidores de risco e, posteriormente, pelo mercado de ações (Granlund & Taipaleenmäki, 2005).

Samagaio et al. (2018) utilizaram a abordagem de configurações para entender a associação de algumas variáveis contingentes com a adoção do SCG em startups high-tech portuguesas; a análise mostrou quatro configurações, três com soluções equifinais. Carraro et al. (2020) verificaram que, para obter alto desempenho, eram necessários controle, ferramentas ou práticas de gestão nas seguintes categorias de análise: clientes, estratégia, sistemas de informação, desempenho, riscos e orçamento.

Frare et al. (no prelo) evidenciaram que os controles culturais e de planejamento foram os únicos elementos do SCG incluídos em todos os pacotes do SCG de startups de alto desempenho. Descobriram, também, que a OE tem influência positiva no desempenho de startups por meio do pacote MCS (management control systems - sistema de controle de gestão).

As características da informação foram apresentadas inicialmente por Chenhall e Morris (1986) e se referem a quatro variáveis: escopo, tempestividade, nível de agregação e nível de integração. Esta pesquisa estudou o escopo. Devido ao contexto, porte e estrutura dessas organizações (já elucidado anteriormente), não se entendeu como necessário e viável investigar as demais variáveis, dada a maior complexidade da existência desses aspectos e até relevância no cenário das empresas pesquisadas.

O escopo tem três subdimensões: foco - eventos internos ou externos, quantificação - informações mensuradas em termos financeiros ou não financeiros, e horizonte de tempo - informações relacionadas a eventos históricos ou futuros (Bouwens & Abernethy, 2000; Chenhall & Morris, 1986). A partir dessas três variáveis o SCG pode ser identificado como tendo escopo restrito, médio ou amplo (Bouwens & Abernethy, 2000; Chenhall & Morris, 1986).

2.1.4 Fonte de investimento (tipo de investidor)

O investimento é imprescindível para impulsionar o crescimento das startups e, portanto, pode ser considerado um fator crítico para o sucesso desse modelo de negócio (Cacciolatti et al., 2020; Plummer et al., 2016). A busca por estratégias empreendedoras, por inovação e por alto desempenho acarreta grande necessidade de recursos financeiros (Wiklund & Shepherd 2005). Do mesmo modo, Konno (2015) aponta o acesso ao capital financeiro como fator que influencia o sucesso de uma startup, afirmando que aquelas que conseguem captar dinheiro são mais propensas a sobreviver.

Em linha com estudos anteriores (Davila & Foster, 2007; Samagaio et al., 2018; Sandino, 2007), as fontes de investimento se dividem entre tradicionais (FIT) e empreendedoras (FIE). As FIT são conhecidas por serem investimentos pessoais, ou fontes de capitais onerosas (exemplo: empréstimos de instituições financeiras) que se caracterizam como dívida para a empresa. As FIE são caraterizadas, em sua maioria, por darem direitos de controle sobre a empresa investida (participação acionária) e são também classificadas como investimentos de risco (capital de risco).

Davila e Foster (2007) apontam que as empresas apoiadas pelo capital de risco crescem muito mais rapidamente do que as empresas que não o são. Essa diferença pode derivar da aquisição de experiência gerencial, rede e recursos financeiros de um investidor. Ainda, em um ambiente de escassez de investimentos, apenas organizações com maior potencial de crescimento conseguem investimentos de terceiros.

2.1.5 Processo de aceleração

O processo de aceleração se apresenta como medida objetiva do mercado a respeito do desempenho de startups. Para a startup ser acelerada ou incubada ela passa por um processo de seleção e concorre em edital com outras startups.

As aceleradoras demonstram-se fundamentais para o crescimento das startups. Elas oferecem, por meio de um processo estruturado e com duração limitada, uma série de serviços orientados à evolução das startups, tais como mentorias, capacitações, infraestrutura física, serviços de apoio, oportunidades de acesso ao mercado, além do aporte de capital financeiro, próprio ou de uma rede de investidores (Cohen, 2013; Pauwels et al., 2015; Radojevich-Kelley & Hoffman, 2012).

Otley (2016) aponta que compreender o contexto que afeta a adoção do SCG é fundamental. No contexto das startups, aceleradoras, incubadoras e parques tecnológicos podem contribuir, significativamente, para o entendimento da adoção do SCG (Davila, 2019).

2.1.6 Idade e porte

Idade e porte representam medidas de desenvolvimento, maturidade e sobrevivência desses empreendimentos (Bhimani, 2018; Halabí & Lussier, 2014; Lewrick et al., 2011). O tempo do empreendimento e o porte foram medidos, respectivamente, pelo ano de fundação da startup e pelo número de colaboradores.

Arruda et al. (2015) mostram que 50% das startups morrem em prazo menor ou igual a quatro anos e a pesquisa realizada pela Startup Genome (2011), com 3.200 startups, apresenta que 92% desses empreendimentos falharam. O alto índice da taxa de mortalidade vivenciada nos primeiros anos desses empreendimentos reforça a ideia de que tempo e porte representam medidas de desenvolvimento, maturidade e sobrevivência desse modelo de negócio.

2.2 Desempenho nas Startups

A mensuração de desempenho é o processo pelo qual a eficiência de ações passadas e o sucesso das empresas são quantificados (Kennerley & Neely, 2002). A mensuração pode ocorrer de várias formas, incluindo aspectos financeiros e não financeiros (Miranda et al., 2016). Considerando que uma startup é uma organização temporária (Blank & Dorf, 2014) que opera em um ambiente de muitas incertezas, os principais indicadores de desempenho não devem ser primariamente financeiros, mas sim concernentes ao alcance de objetivos ou expectativas sobre o produto e mercado (Cassar, 2014; Ries, 2011).

O desempenho das startups pode ser medido por medidas objetivas e subjetivas. Neste estudo, foram usadas as duas formas. Primeiro, conforme pesquisas anteriores, avaliou-se o desempenho percebido a partir da percepção dos gestores sobre o alcance dos objetivos (Cassar, 2014; Crespo et al., 2019; Miranda et al., 2016), sendo medido em comparação com os concorrentes e em relação ao desempenho geral da própria startup.

O desempenho objetivo foi medido de acordo com o contexto das startups, utilizando-se as variáveis ciclo de vida organizacional (CVO) e o recebimento de certificação ou prêmio. A startups nascem com intuito de ser tornar empresas escaláveis, portanto, o CVO pode ser utilizado para medir o desempenho de forma objetiva, pois representa a evolução desses empreendimentos, desde o momento que a organização está apenas testando/validando sua ideia/hipótese (ideação) até aquele em que já está recebendo aportes de investimentos e buscando a internacionalização de suas operações (scaleup).

A utilização do CVO como medida de desempenho está intrinsecamente relacionada às próprias características e objetivos das startups, que as desassociam de um modelo de negócio tradicional (Blank, 2013; Blank & Dorf, 2014; Ries, 2011). Uma startup é uma organização orientada ao rápido crescimento, ou seja, escalável (Ries, 2011) e que opera por meio da busca e construção de um modelo de negócio (Blank & Dorf, 2014). Essas características a associam a um horizonte de temporalidade; uma vez que encontrado, validado e escalado o modelo de negócio, a startup torna-se uma corporação (Blank & Dorf, 2014; Ries, 2011).

O processo de recebimento de algum prêmio ou certificação por parte das startups se apresenta como validação e/ou reconhecimento da sociedade ou de organizações do ecossistema de startups. O prêmio, ou certificação, representa o reconhecimento externo desses empreendimentos e das ideias inovadoras, informando ao mercado as startups mais atrativas.

3. PROCEDIMENTOS METODOLÓGICOS

3.1 Tipos de Pesquisa, Amostra e Coleta de Dados

Para atender o objetivo do trabalho, realizou-se uma pesquisa quantitativa de corte transversal. O método de coleta de dados foi o levantamento (survey). A pesquisa é exploratória, uma vez que, com a análise de todos os fatores simultaneamente e uma possível equifinalidade esperada, não foram estabelecidas hipóteses a priori.

A população do estudo foram startups do sul do Brasil cadastradas na base de dados da Associação Brasileira de Startups (Abstartups) denominada Startupbase. A Startupbase é o maior banco de dados de startups brasileiro e compreendia, em outubro de 2019, o total de 9.850 empresas cadastradas (Abstartups, 2019). A delimitação por startups sul-brasileiras se deu pelo critério de viabilidade, já que todas as empresas da população foram contatadas e convidadas para participar da pesquisa.

Além da delimitação regional, foram também desconsideradas as startups que estavam na fase de ideação, ou seja, na fase inicial do ciclo de vida. A fase de ideação envolve as atividades de identificação e validação da oportunidade e do modelo de negócio. Empresas nessa fase ainda estão à procura de um modelo de negócio e, portanto, não faria sentido avaliar o desempenho ou questioná-las sobre as estratégias do negócio. Assim, a população da pesquisa é formada por startups sul-brasileiras nas fases de operação, tração e scaleup.

Inicialmente, foram encontradas, na base de dados, 800 startups nessa condição. Na coleta de dados, foram observadas algumas inconsistências, ocasionando a redução da população. Por exemplo, havia empresas cadastradas que não se caracterizavam como startups ou estavam desativadas e outras com cadastro errado e que estavam na fase de ideação ou não pertenciam à região Sul do Brasil. Ao final, chegou-se à população de 702 startups, sendo 238 do estado do Paraná, 232 de Santa Catarina e 232 do estado do Rio Grande do Sul. Para coleta de dados, utilizou-se um questionário estruturado online. O instrumento de pesquisa elaborado é composto por 34 questões.

Para coleta dos dados, primeiramente buscaram-se, na Startupbase, informações sobre as startups, tais como website institucional, Facebook, LinkedIn, número do telefone, e-mail e chief executive officer(CEO). Segundo, enviou-se a carta de apresentação aos contatos institucionais das startups ou dos CEOs convidando-os para participar da pesquisa. Após o aceite, enviou-se o link para preenchimento do questionário estruturado. O período de coleta dos dados ocorreu no período de novembro de 2019 a janeiro de 2020.

No total, foram obtidas 112 respostas válidas, representando taxa de resposta de aproximadamente 16%. Foram consideradas válidas as respostas provenientes dos proprietários ou funcionários que ocupavam os cargos de CEO, gestor ou administrador, ou seja, profissionais que tivessem função e/ou conhecimento suficiente da organização.

3.2 Mensuração das Variáveis

Conforme discutido, os imperativos analisados foram: SCG, ED, ELC, OE, FIT, FIE, processo de aceleração, idade e porte. SCG, ED, ELC, OE, FIT e FIE foram mensurados a partir de escalas do tipo Likert de sete pontos. O SCG se refere ao foco (interno e externo), à quantificação (financeira e não-financeira) e ao horizonte de tempo (históricas e futuras) da informação (Chenhall & Morris, 1986). Para mensurá-lo, foram usados seis itens baseados em Frezatti et al. (2012). As ELC e de ED foram mensuradas com base em Crespo et al. (2019) com dois e três itens, respectivamente. A OE foi mensurada em termos de inovatividade, proatividade e tomada de risco com cinco itens baseados em Covin e Slevin (1989).

Com relação às fontes de investimentos, em linha com estudos anteriores (Davila & Foster, 2007; Samagaio et al., 2018; Sandino, 2007), foi verificado o grau de utilização das fontes dos tipos FIT e FIE. As FITs foram reservas pessoais dos sócios e/ou familiares, financiamento bancário e subvenção econômica [investimento público como, por exemplo, Financiadora de Estudos e Projetos (Finep)]. As FIEs foram investimentos-anjo, venture capital, aceleradoras, crowdfunding (investimento coletivo) e capital semente (seed capital).

Os processos de aceleração, idade e porte foram mensurados de forma objetiva e consistiram na variável dicotômica em que o respondente assinalou se a startup já passou ou não por uma rodada de aceleração ou foi incubada. O tempo de existência foi mensurado pelo ano de fundação da startup e o porte pelo número de funcionários (Deutscher et al., 2016; Frank et al., 2010; Maciel et al., 2008; Shirokova et al., 2016; Wiklund & Shepherd, 2005).

O desempenho das startups foi mensurado de forma objetiva e subjetiva. Considerando o contexto de grande incerteza, de alta exposição aos riscos e de altas taxas de mortalidade das startups e que esses empreendimentos nascem com intuito de se tornarem empresas escaláveis (Arruda et al., 2015; Picken, 2017), optou-se por mensurar o desempenho objetivamente por meio da fase do CVO. As startups foram categorizadas nas seguintes fases: operação (busca por clientes), tração (crescimento e captação de recursos) e scaleup (consolidação do crescimento) (Abstartups, 2019). Buscou-se identificar, também, se as startups receberam algum tipo de certificação ou prêmio externo que valide a percepção de desempenho. Essa variável é dicotômica (sim = 1, não = 0) e foi considerado o recebimento de qualquer tipo de premiação ou certificação.

Para o desempenho subjetivo, os respondentes avaliaram o desempenho da startup em relação aos concorrentes a partir de uma escala tipo Likert de sete pontos (1 a 7) baseada em Crespo et al. (2019). A percepção de desempenho é relevante em comparação ao próprio desempenho real, pois direciona mais fortemente as decisões gerenciais (Spyropoulou et al., 2018). O teste de correlação revelou grau de associação significativo e positivo com o processo de aceleração (r= 0,27; p < 0,01) e com a fase do CVO scaleup (r= 0,23; p < 0,05), suportando o uso dessas medidas para medir o desempenho (Vij & Bedi, 2016).

3.3 Propriedades de Mensuração das Variáveis da Pesquisa

Uma preocupação com os estudos de natureza cross-section é a presença do viés do método comum, um erro de medição que pode invalidar as conclusões da pesquisa sobre as relações entre as variáveis (Podsakoff et al., 2012).

Para controlar seus efeitos, adotaram-se alguns procedimentos anteriores e posteriores à coleta de dados, conforme proposto por Podsakoff et al. (2012). Primeiro, o questionário foi submetido a um pré-teste, como forma de aprimorar as escalas, eliminar ambiguidades e ajustar o conteúdo à amostra. Segundo, apesar de as escalas serem todas de sete pontos, houve alteração na forma de ancorá-las. Por exemplo, os itens de OE foram ancorados em 1 (baixa intensidade) e 7 (alta intensidade), enquanto os itens de estratégia foram ancorados em 1 (sem efeito) e 7 (grande efeito). Terceiro, o questionário foi estruturado com a separação física e psicológica entre as escalas, sendo cada uma apresentada em um quadro de itens separado e precedido de uma frase ou parágrafo explicando a natureza do respectivo construto. Quarto, as escalas foram submetidas ao teste de fator único de Harman, conforme estudos anteriores (Demartini & Otley, 2019; Müller-Stewens et al., 2020). A análise fatorial exploratória considerando um único fator revelou o percentual de apenas 32,7% de variância explicada, permitindo concluir que um único fator tem baixo poder de explicação dos dados.

Para auferir a normalidade dos dados, foram feitos testes de assimetria e curtose. Os valores máximos encontrados foram 1,19 e 2,22, respectivamente, permitindo pressupor a normalidade dos dados (Marôco, 2010). Em seguida, foram feitos testes de validade e confiabilidade. Primeiro, o teste de análise fatorial exploratória revelou que todos os itens apresentaram cargas fatoriais significativas nas suas respectivas dimensões (λ > 0,50). As medidas Kaiser-Meyer-Olkin (KMO = 0,760) e do teste de esfericidade de Bartlett (χ ² _Barlett= 606,5, p < 0,001) revelaram a adequação da análise fatorial (Fávero & Belfiore, 2017).

Segundo, com base nas cargas fatoriais, calculou-se o valor da variância extraída média (average variance extracted - AVE). Os valores foram superiores a 0,5, indicando a validade convergente das escalas (Fornell & Larcker, 1981). Terceiro, a validade discriminante foi testada comparando o valor da raiz quadrada do AVE com os coeficientes de correlação (Fornell & Larcker, 1981). Como esperado, nenhum coeficiente de correlação foi superior, indicando o alto poder de explicação dos itens. Quarto, as medidas de alfa de Cronbach foram calculadas e todos os valores foram superiores a 0,7, permitindo atestar a confiabilidade das escalas. Após atestar as medidas de validade e confiabilidade, as variáveis latentes foram criadas por meio da média aritmética dos itens de cada escala (Müller-Stewens et al., 2020). A Tabela 1 apresenta essas medidas descritivas além dos coeficientes de correlação.

Tabela 1
Estatísticas descritivas e coeficientes de correlação

		1	2	3	4	5	6	7	8	9	10	11	12
1	Tempo	-
2	Porte	0,10	-
3	Aceleraçãoa	-0,07	-0,09	-
4	OE	-0,03	0,12	0,13	0,72
5	ELC	-0,02	-0,06	0,04	0,09	0,87
6	ED	0,05	0,02	0,01	0,22*	0,15	0,81
7	SCG	-0,07	0,17	0,02	0,48**	0,04	0,14	0,72
8	FIT	0,06	-0,01	-0,02	0,06	0,00	-0,08	0,11	-
9	FIE	0,08	0,03	0,36**	0,28**	-0,13	0,00	0,08	-0,20*	-
10	Desempenho	0,00	0,18	0,09	0,65**	-0,02	0,17	0,50**	-0,01	0,18	0,80
11	Prêmioa	0,21*	0,16	0,27**	0,22*	-0,05	-0,04	0,03	0,09	0,33**	0,17	-
12	Scaleup a	0,06	0,06	0,08	0,11	-0,06	-0,11	0,07	0,01	0,10	0,27**	0,23*	-
	Média	3,12	12,60	0,53	5,27	3,92	4,79	5,07	2,70	1,76	5,27	0,50	0,08
	Desvio-padrão	2,13	29,08	0,50	1,19	1,45	1,57	1,16	0,89	1,01	1,14	0,50	0,27
	AVE	-	-	-	0,52	0,75	0,66	0,52	-	-	0,63	-	-
	Alfa de Cronbach	-	-	-	0,75	0,73	0,76	0,84	-	-	0,88	-	-

• Nota: Valores em itálico correspondem à raiz quadrada da variância extraída média (average variance extracted - AVE).
• ED = estratégia de diferenciação; ELC = estratégia de liderança de custos; FIE = fonte de investimento empreendedor; FIT = fonte de investimento tradicional; OE = orientação empreendedora; SCG = característica da informação do sistema de controle gerencial.
• a = variável dicotômica (1 = sim; 2 = não).
• ^***
• Fonte: Elaborada pelos autores.

3.4 Análise dos Dados

Após avaliação das propriedades das variáveis da pesquisa, o primeiro passo foi constituir as configurações a partir do agrupamento das startups em relação aos imperativos. O objetivo foi encontrar configurações de startups internamente homogêneas, porém heterogêneas entre si (Distefano, 2012; Lopes & Gosling, 2020).

Conforme trabalhos anteriores sobre a abordagem configuracional (Bispo et al., 2016; Cadez & Guilding, 2012; Feizabadi et al., 2021; Maciel et al., 2008), foi adotada a análise de clusters. A análise de clusters é uma técnica de interdependência que propõe o agrupamento entre observações a partir de uma medida de similaridade (Hair et al., 2009). A técnica de cluster utilizada foi a hierárquica pelo método de encadeamento completo, e o método de distância foi a quadrática euclidiana (Fávero & Belfiore, 2017).

Antes de iniciar o processo de análise dos clusters, examinou-se a presença de outliers univariados pelo método boxplot, e as escalas das variáveis quantitativas foram padronizadas conforme sugerido por Lopes e Gasling (2020). Como os grupos são calculados a partir de medidas de distância entre as variáveis, tanto a presença de valores extremos quanto as diferenças na forma de mensurar as escalas podem distorcer a estrutura de grupos e enviesar os resultados. As variáveis tempo e porte foram transformadas em logaritmo natural para reduzir variâncias desnecessárias dos dados e atingir a distribuição normal (Aitchison & Ho, 1989). O exame de outliers apontou distorções especialmente quanto ao tempo de existência. Oito startups tinham menos de um ano completo de operação e foram excluídas da análise, pois, além de distorcer a variável tempo, considerou-se um tempo insuficiente de operação para avaliação do desempenho. As variáveis foram padronizadas com transformação em escore Z (Field, 2013). Na sequência, são apresentadas as análises dos resultados.

4. APRESENTAÇÃO E DISCUSSÃO DOS RESULTADOS

4.1 Análise das Configurações Organizacionais

Com relação às características das 112 startups da amostra, 45 (40,18%) estão localizadas no Paraná, 34 (30,36%) no Rio Grande do Sul e 33 (29,46%) em Santa Catarina. Aproximadamente 86% das startups têm, no máximo, cinco anos de fundação, com tempo médio de atuação no mercado de três anos. A maioria tem equipe pequena, 101 (90,18%) têm até 20 funcionários. Os setores com maior concentração foram serviços profissionais, científicos ou técnicos (11%), varejo/atacado (10%) TIC e Telecom (7%), Edutech (7%) e Agrotech (6%).

Para análise de clusters, foram excluídas oito startups por terem menos de um ano de atuação. As demais 104 startups foram agrupadas em três configurações. O número de configurações foi determinado conforme os saltos de distância dos agrupamentos apresentados no dendrograma da Figura 1. Quando há um salto considerável de distância, o número de agrupamentos formados no estágio de agrupamento anterior ao salto pode ser a indicação adequada de grupos heterogêneos (Fávero & Belfiore, 2017). O primeiro grande salto de distância (ver elipse tracejada na Figura 1) sugere a divisão de três agrupamentos (ver linha vertical tracejada). Optou-se pelo primeiro grande salto, por oferecer uma estrutura de agrupamento simples e parcimoniosa de três grupos homogêneos (Hair et al., 2009).

Figura 1
Agrupamento das configurações

Posteriormente, procedeu-se à interpretação das configurações a partir das variáveis adotadas. As configurações foram submetidas à análise de variância (analysis of variance - ANOVA) para identificar diferenças em relação aos níveis médios de tempo de atuação, porte, FIT, FIE, SCG e OE. Para testar diferenças em relação ao processo de aceleração, realizou-se o teste de qui-quadrado por se tratar de variável categórica (Fávero & Belfiore, 2017; Field, 2013). Conforme a Tabela 2, não houve diferença significativa de médias entre as configurações considerando tempo, FIT e ED. Assim, cada configuração consistiu em uma configuração diferente entre as variáveis porte, aceleração, FIE, SCG, ELC e OE.

Tabela 2
Imperativos das configurações organizacionais

	Configuração 1 (C1)	Configuração 2 (C2)	Configuração 3 (C3)	F	χ²
Tempo	3,4	3,8	2,7	1,77
Porte	8,5C2,C3	36,1C1,C3	3,6C1,C2	41,91**
FIT	2,8	2,6	2,6	0,38
FIE	1,7C2	2,7C1,C3	1,2C2	15,63**
SCG	5,2C3	5,5C3	4,1C1,C2	9,99**
ELC	4,1C2	2,9C1,C3	3,9C2	5,93**
ED	4,9	4,4	4,9	0,79
OE	5,4C3	6,0C3	3,7C1,C2	32,97**
Aceleração (sim)	60,0%	55,0%	35,7%		6,74*
n	65	20	19

• Notas: As variáveis com estatística F foram submetidas ao teste de comparação de médias análise de variância (analysis of variance - ANOVA). As indicações ao lado das médias informam as configurações com médias estatisticamente diferentes a 95%, segundo teste post-hoc de Tukey. A variável aceleração foi submetida ao teste qui-quadrado para amostras independentes.
• ED = estratégia de diferenciação; ELC = estratégia de liderança de custos; FIE = fonte de investimento empreendedor; FIT = fonte de investimento tradicional; OE = orientação empreendedora; SCG = característica da informação do sistema de controle gerencial.
• ^***
• Fonte: Elaborada pelos autores.

A configuração 1 (C1) compreendeu o maior número de startups (65) e suas principais características foram o baixo uso de FIE, alto nível de SCG, alto nível de ELC e alto grau de OE. A configuração 2 (C2) compreendeu 20 startups e se assemelha a C1 quanto ao nível do SCG e OE, ambos altos. No entanto, as principais características distintivas da C2 foi o porte, o nível maior de captação de FIE e baixa ênfase na ELC. As maiores diferenças estão na configuração 3 (C3), que compreendeu 19 startups. O porte dessas startups é menor, assim como o grau de OE, o nível de SCG e o uso de FIE. A C3 tem o menor percentual de empresas que passaram por processos de aceleração ou incubação.

Os resultados das configurações revelam que o tempo e a ED não foram características distintivas na amostra. O tempo médio variou entre 2,7 e 3,8 anos e os níveis da ED entre 4,4 e 4,9 (escala de sete pontos). O pouco tempo e o alto nível de ED reforçam a noção das startups como organizações temporárias e jovens com forte tendência para inovar nos modelos de negócios (Blank & Dorf, 2014; Smith & Smith, 2007; Spender et al., 2017).

Do mesmo modo, as FIT também não foram características distintivas. Contudo, analisando-as em comparação com as FIE, destaca-se que as configurações C1 e C3 utilizaram mais FIT (ex.: reservas pessoais) do que FIE, mais compatíveis com a ideia de capital de risco e de grande incerteza das startups que podem sugerir uma capacidade maior de sucesso (Konno, 2015). Esses resultados evidenciam a predominância na opção por mecanismos de financiamento próprio, sem comprometimento de investimentos de terceiros, corroborando as informações que a literatura atrela ao contexto das startups, cenário que, pela falta de garantias (Brown et al., 2012; Hyytinen et al., 2015; Minetti, 2011) e pelos investimentos em inovação serem frequentemente associados com tempos de recuperação longos e incertos (Brown et al., 2012; Minetti, 2011), restringe o acesso aos financiamentos externos (Berger & Udell, 2006; Hyytinen et al., 2015).

Porte, aceleração, FIE, SCG, ELC e OE foram imperativos para as configurações encontradas, já que apresentaram significância estatística para a diferença de médias, e as diferenças entre as configurações podem ser possíveis explicadores para as diferenças no desempenho (Maciel et al., 2008). Apesar de a ED ser uma estratégia preponderante entre as startups, o que requer inovação, criação de oportunidades e tomada de riscos, as configurações apresentaram diferentes intensidades de OE e de FIE (Maciel et al., 2009).

Sobre o porte, destaca-se que as startups maiores apresentam escopo mais amplo de SCG e percentuais maiores de empresas que passaram por um processo de aceleração ou incubação, ou seja, por um processo mais rápido de crescimento e de aquisição de competência gerenciais (Davila & Foster, 2005, 2007; Sandino, 2007). Quanto à ELC, ressalta-se que foi maior na C1, que contempla o maior número de startups. No entanto, nessa configuração, há altos níveis de ED e ELC, o que pode ser caracterizado como empresas ambidestras (Gibson & Birkinshaw, 2004).

Para testar a associação entre as configurações e o desempenho, inicialmente avaliou-se a associação entre as três configurações e o recebimento ou não de alguma certificação/prêmio. Por serem variáveis categóricas, foram submetidas ao teste qui-quadrado para amostras independentes (Fávero & Belfiore, 2017). Os resultados estão na Tabela 3.

Tabela 3
Associação entre as configurações organizacionais e prêmio

	Prêmio (n)			Prêmio (%)			χ²
	Não	Sim	Total	Não	Sim	Total
Configuração 1 (C1)	31	34	65	48	52	100	7,57*
Configuração 2 (C2)	6	14	20	30	70	100
Configuração 3 (C3)	14	5	19	74	26	100
Total	51	53	104	49	51	100

• ^*
• Fonte: Elaborada pelos autores.

Aproximadamente 51% da amostra recebeu algum tipo de premiação ou certificação externa. Essa proporção assume valores distintos entre as diferentes configurações. Enquanto nas startups da C2 a proporção de empresas premiadas é de 70%, nas C1 e C3 é de 52 e 26%, respectivamente. Considerando a probabilidade associada à estatística χ² = 7,57 (p < 0,05), pode-se concluir que há associação entre as configurações e o recebimento de prêmio. Portanto, startups maiores, com alto nível de OE, amplo escopo de SCG, financiadas com capital de risco e, na sua maioria, aceleradas (C2) apresentaram maior proporção de empresas premiadas certificadas. Contrariamente, as startups menores, com baixo grau de OE, limitado escopo de SCG, focadas simultaneamente na ELC e na ED e maior FIT (C3) apresentaram menor proporção de empresas premiadas.

Além da premiação, o CVO foi adotado para mensurar o desempenho objetivo. Visto que startups são empresas submetidas a muita experimentação, riscos excessivos e fontes de investimentos escassos, é comum que elas tenham alta taxa de mortalidade ou resultados insatisfatórios (Arruda, et al., 2015; Picken, 2017). Portanto, a evolução das fases iniciais do CVO para a fase de scaleup é uma medida de desempenho. A amostra contém empresas nas fases de operação (busca por clientes), tração (crescimento e captação de recursos) e scaleup (consolidação do crescimento). A fase de scaleup representa o maior nível de desempenho e concentra startups que já amadureceram seu modelo de negócio o suficiente e apresentam altas taxas de crescimento (Abstartups, 2017). O teste qui-quadrado foi utilizado para avaliar a associação entre as configurações e o CVO. Os resultados estão na Tabela 4.

Tabela 4
Associação entre as configurações organizacionais e o ciclo de vida

	Ciclo de vida (n)				Ciclo de vida (%)				χ²
	Operação	Tração	Scaleup	Total	Operação	Tração	Scaleup	Total
Configuração 1 (C1)	28	31	6	65	43	48	9	100	23,64*
Configuração 2 (C2)	4	13	3	20	20	65	15	100
Configuração 3 (C3)	18	1	0	19	95	5	0	100
Total	50	45	9	104	48	43	9	100

• ^*
• Fonte: Elaborada pelos autores.

A probabilidade associada à estatística χ² = 23,64 (p < 0,01) revela a associação significativa entre as configurações e os estágios do CVO. A predominância é de startups que estão na fase de operação (48%) e tração (43%), enquanto apenas 9% estão na fase de scaleup. No entanto, quando analisadas individualmente, 15% startups da C1 estão na fase de scaleup, estágio mais avançado do CVO. Esse percentual é 9% para a C2 e 0% para a C3. Contrariamente, o percentual de empresas que estão na fase de operação, estágio mais inicial neste estudo, é maior entre as empresas da C3 (95%) e menor nas da C2 (20%).

Esses resultados evidenciam que, embora o tempo de existência entre as configurações sejam semelhantes, há diferenças entre as configurações quanto às proporções de empresas em cada estágio do CVO, as quais podem ser explicadas a partir dos imperativos. Novamente, a C2 apresentou melhor desempenho, seguido da C1. As configurações C2 e C1 se distinguem apenas pelo porte e pelo acesso às FIE. A C3 apresentou o pior desempenho.

O desempenho organizacional também foi mensurado de forma subjetiva. Medidas subjetivas são importantes, pois se baseiam naquilo que é mais importante para os respondentes e, consequentemente, são mais prováveis de influenciar as decisões e os comportamentos gerenciais (Van der Stede et al., 2006). Para testar o efeito das configurações sobre o desempenho, foi usada a ANCOVA, que permite testar as diferenças de médias de desempenho entre as startups, inserindo covariáveis (Hair et al., 2009). Considerando que as configurações se associaram de forma significativa aos estágios do CVO e com recebimento de premiações, testou-se a diferença entre as médias da percepção de desempenho das três configurações ajustadas por essas duas variáveis. Desse modo, é possível avaliar o efeito das configurações no desempenho controlado pelo CVO e pela premiação. A ideia foi eliminar qualquer diferença de desempenho que esteja atrelada à essas covariáveis e não às configurações (Hair et al., 2009). Adicionalmente, o porte e o tempo foram inseridos no modelo como variáveis de controle. Os resultados estão na Tabela 5.

Tabela 5
Análise de covariância entre as configurações e o desempenho percebido

	Soma dos quadrados do tipo III	GL	Média quadrada	F	Sig.
Modelo corrigido	42,59	5	8,52	8,72	0,00
Intercepto	1.345,15	1	1.345,15	1.377,73	0,00
Configurações	15,19	2	7,59	7,78**	0,00
Prêmio	0,11	1	0,11	0,11	0,74
CVO	9,09	2	4,54	4,65**	0,01
Erro	95,68	98	0,98	0,00	0,00
Total	3.015,28	104	0,00	0,00	0,00
Total corrigido	138,27	103	0,00	0,00	0,00

• Notas: R² = 0,308; R² ajustado = 0,273.
• CVO = ciclo de vida organizacional; GL = grau de liberdade.
• ^**
• Fonte: Elaborada pelos autores.

Entre as covariáveis adicionadas ao modelo, o CVO foi significativamente relacionado à percepção de desempenho (F_2,98= 4,65; p < 0,01). Mesmo controladas pelo efeito do CVO, as configurações também se relacionaram significativamente ao desempenho (F_2,98= 7,78; p < 0,01), indicando que há diferenças nas médias de percepção de desempenho entre as startups das três configurações. A C1 apresentou média de desempenho corrigida de 5,57, a C2 de 6,07 e a C3 de 4,66. O teste post-hoc de comparação das médias ajustadas pelos valores corrigidos de Bonferroni (Field, 2013) revelou que a diferença entre C1 e C2 não foi significativa ao nível de confiança de 95%. Contudo, as diferenças entre a C3 e as demais foram significativas.

Assim, quando a percepção de desempenho foi ajustada pelas expectativas das startups em de cada estágio do CVO, C1 e C2 não apresentaram diferenças significativas, reforçando o conceito de equifinalidade. As principais diferenças entre essas duas configurações são o porte, o FIE e a ELC. O porte e a captação de investimentos são variáveis associadas aos diferentes estágios do CVO. Em cada estágio, as startups apresentarão expectativas distintas. Por exemplo, na C1 a predominância é de startups nos estágios de operação e tração, as quais ainda anseiam por um crescimento da base de clientes e da operação. Na C2, o percentual de empresas na fase de operação é menor e há uma parcela significativa na fase de scaleup, as quais já passaram por um crescimento significativo nos últimos anos e por rodadas de investimentos. Portanto, quando ajustado pelo CVO, a principal diferença entre as startups C1 e C2 está na ELC, reforçando a ideia de que configurações distintas podem ser igualmente eficazes e que a satisfação com o desempenho pode ser alcançada por diferentes caminhos (Harms et al., 2007).

Com relação à C3, ainda que controlado pelo CVO, o nível de percepção de desempenho foi menor em relação à C1 e à C2. A principal distinção das startups da C3 são os níveis menores de escopo de SCG e de OE. A OE é fundamental para empresas que operam em ambientes de grandes mudanças e dependem da inovação e da exploração de oportunidades para obter um desempenho satisfatório como as startups (Rank & Strenge, 2018; Shirokova et al., 2016). Estudos evidenciam que em ambientes hostis a OE é importante driver do desempenho da empresa (Covin & Slevin, 1989; Martins & Rialp, 2013).

Do mesmo modo, a informação gerencial é importante para ambientes de grande mudança e inovação porque auxilia na coordenação das rotinas e do uso de recursos, direciona os indivíduos para as medidas que são críticas para o sucesso e detecta e informa mudanças (Müller-Stewens et al., 2020). O resultado desta pesquisa, que encontrou alto nível de escopo do SCG nas configurações C1 e C2, contraria a crença de Bhide (2000) de que a contabilidade gerencial atrapalharia o desenvolvimento de negócios inovadores. Alguns estudos sustentam a afirmação de que existe associação entre o crescimento de startups e a utilização do SCG (Davila & Foster, 2005, 2007; Sandino, 2007). Talvez uma explicação para esse achado seja um modelo de sistema de controle não rígido (loose coupling) que permite controlar e inovar ao mesmo tempo, nos moldes da ambidestria.

De forma resumida, foi observado que a C2 apresentou maturidade maior em relação às demais em relação ao porte maior, maior uso de FIE (que leva a um maior risco) e mais empresas na fase de scaleup. As diferentes configurações apresentaram desempenhos percebidos condizentes com o desempenho objetivo e com as características distintivas de cada uma. Reforçaram, ainda, a proposição da equifinalidade, evidenciando que configurações diferentes podem resultar em desempenho semelhante. Ou seja, reforça a noção de que diferentes características ou escolhas podem ser igualmente válidas ou igualmente eficazes (Cadez & Guilding, 2012; Samagaio et al., 2018).

5. CONCLUSÕES E RECOMENDAÇÕES

Com base na abordagem das configurações, o estudo analisou a influência das configurações organizacionais no desempenho de startups. Os resultados reforçaram o pressuposto da abordagem de configurações: relação de interdependência de imperativos na explicação holística do desempenho organizacional. Os resultados indicam que, ao contrário de alguns estudos que buscavam explicar o desempenho em startups por meio de relações unidirecionais ou bidimensionais, um conjunto de dimensões baseadas em SCG, ED, ELC, OE, FIT, FIE, processo de aceleração, idade e porte, fizeram-se relevantes e indissociáveis na explicação do desempenho das startups.

As contribuições advindas desta pesquisa são: a busca por explicações mais completas sobre como esses empreendimentos funcionam e os contextos nos quais são mais efetivos; a análise das configurações organizacionais que apresentaram melhor desempenho, para, assim, aprimorar o conhecimento acerca de startups, ajudando na compreensão do processo empreendedor e na orientação de políticas públicas para melhorar a taxa de sucesso das startups. Fried e Tauer (2015) constataram que a identificação de empreendimentos de sucesso atuais e futuros ajuda a promover a compreensão do processo empreendedor e a orientar as políticas públicas para melhorar a taxa de sucesso das startups.

A pesquisa contribui, também, ao reforçar a ideia da equifinalidade, a qual propõe que existe mais de um caminho (configuração) para se atingir um bom resultado (Harms et al., 2007). Os resultados evidenciaram níveis semelhantes de desempenho entre duas configurações encontradas (C1 e C2).

Como o estudo se propôs a formar configurações elaboradas a partir do relacionamento de imperativos organizacionais que tenham capacidade de influenciar o desempenho, ao analisar as configurações que apresentaram melhor desempenho, os gestores podem avaliar em qual configuração se encontram de forma a orientar ações para melhorar a taxa de sucesso das startups. A identificação das configurações pode servir de parâmetro para que as próprias startups façam uma apreciação acerca de sua composição, e essa autoanálise basicamente envolveria uma tentativa de enquadramento entre as configurações (Bispo et al., 2016).

Os resultados do presente estudo mostraram que diferenças na característica da informação do SCG e no nível de OE podem ser consideradas desvio da configuração ideal e podem explicar a queda de desempenho. O resultado desse esforço de enquadramento pode direcionar as ações das startups, seja para manter ou reforçar suas características, seja para provocar alterações importantes para passar a se beneficiar do alinhamento entre os elementos apresentados (Bispo et al., 2016).

Para pesquisas futuras, sugere-se utilizar outros imperativos organizacionais na tentativa de gerar novas configurações. Sugere-se, também, a realização de estudos longitudinais, os quais permitiriam observar como ocorrem os arranjos configuracionais ao longo do tempo, pois, à medida que essas organizações amadurecem, podem mudar esse arranjo. Por fim, percebe-se, na literatura da abordagem configuracional, a adoção de outras técnicas multivariadas para agrupamento das observações mais robustas que a análise de clusters adotada nesta pesquisa, tais como fuzzy-set qualitative comparative analysis (Fs/QCA) (Cepiku et al., 2021) ou análise das classes latentes (latent class analysis - LCA) (Lepori, 2021). A adoção dessas técnicas pode oferecer novos agrupamentos baseados em medidas probabilísticas, e essas técnicas podem ser adotadas em novos estudos para comparação dos resultados.

REFERENCES

• Aitchison, J., & Ho, C. H. (1989). The multivariate Poisson-log normal distribution.Biometrika,76(4), 643-653.
• Arruda, C., Nogueira, V., Cozzi, A., & Costa, V. (2015). Causas da mortalidade de startups brasileiras: como aumentar as chances de sobrevivência no mercado Fundação Dom Cabral. https://www.fdc.org.br/conhecimento/publicacoes/artigo-29767
  » https://www.fdc.org.br/conhecimento/publicacoes/artigo-29767
• Associação Brasileira de Startups. (2017). O momento da startup brasileira e o futuro do ecossistema de inovação. https://abstartups.com.br/PDF/radiografia-startups-brasileiras.pdf
  » https://abstartups.com.br/PDF/radiografia-startups-brasileiras.pdf
• Associação Brasileira de Startups. (2019). Fase do ciclo de vida organizacional https://abstartups.com.br/por-dentro-do-startupbase
  » https://abstartups.com.br/por-dentro-do-startupbase
• Basco, R., Hernandez-Perlines, F., & Rodríguez-García, M. (2020). The effect of entrepreneurial orientation on firm performance: A multigroup analysis comparing China, Mexico, and Spain. Journal of Business Research, 113, 409-421.
• Berger, A. N., & Udell, G. F. (2006). A more complete conceptual framework for SME finance. Journal of Banking & Finance, 30(11), 2945-2966.
• Bhide, A. V. (2000). The origin and evolution of new business Oxford University Press.
• Bhimani, A. (2018). As empresas de tecnologia exigem que a contabilidade seja diferente? Revista Contabilidade & Finanças, 29(77), 189-193.
• Bispo, C. M., Gimenez, F. A. P., & Kato, H. T. (2016). Estratégia e capacidades dinâmicas perante o exercício da competição: uma abordagem configuracional. Gestão & Planejamento, 17(1), 19-40.
• Blank, S. (2013). Why the lean start-up changes everything Harvard Business Review. https://hbr.org/2013/05/why-the-lean-start-up-changes-everything
  » https://hbr.org/2013/05/why-the-lean-start-up-changes-everything
• Blank, S., & Dorf, B. (2014). Startup: manual do empreendedor o guia passo a passo para construir uma grande companhia Alta Books.
• Bouwens, J., & Abernethy, M. A. (2000). The consequences of customization on management accounting system design. Accounting, Organizations and Society, 25(3), 221-241.
• Brown, J. R., Martinsson, G., & Petersen, B. C. (2012). Do financing constraints matter for R&D? European Economic Review, 56(8), 1512-1529.
• Brown,. E., Davidsson, P., & Wiklund, J. (2001). An operationalization of Stevenson’s conceptualization of entrepreneurship as opportunity-based firm behavior. Strategic Management Journal, 22(10) 953-968.
• Brush, C. G., Greene, P. G., & Hart, M. M. (2001). From initial idea to unique advantage: The entrepreneurial challenge of constructing a resource base. Academy of Management Perspectives, 15(1), 64-78.
• Cacciolatti, L., Rosli, A., Ruiz-Alba, J. L., & Chang, J. (2020). Strategic alliances and firm performance in startups with a social mission. Journal of Business Research, 106, 106-117.
• Cadez, S., & Guilding, C. (2012). Strategy, strategic management accounting and performance: A configurational analysis. Industrial Management & Data Systems, 112(3), 484-501.
• Carraro, W. B. W. H., Meneses, R., & Brito, C. (2020). Combinação de categorias de práticas de controle de gestão para o alto desempenho de start-ups. Revista Brasileira de Gestão de Negócios, 21(4), 861-878.
• Cassar, G. (2014). Industry and startup experience on entrepreneur forecast performance in new firms. Journal of Business Venturing, 29(1), 137-151.
• Cepiku, D., Giordano, F., Mastrodascio, M., & Wang, W. (2021). What drives network effectiveness? A configurational approach.Public management review,23(10), 1479-1503.
• Chenhall, R. H., & Morris, D. (1986). The impact of structure, environment, and interdependence on the perceived usefulness of management accounting systems.Accounting Review, 61(1), 16-35.
• Cinquini, L., & Tenucci, A. (2010). Strategic management accounting and business strategy: A loose coupling? Journal of Accounting & Organizational Change, 6(2), 228-259.
• Cohen, S. (2013). What do accelerators do? Insights from incubators and angels. Innovations: Technology, Governance, Globalization, 8(3-4), 19-25.
• Covin, J. G., & Slevin, D. P. (1989). Strategic management of small firms in hostile and benign environments.Strategic Management Journal,10(1), 75-87.
• Covin, J. G., & Wales, W. J. (2019). Crafting high-impact entrepreneurial orientation research: Some suggested guidelines. Entrepreneurship Theory and Practice, 43(1), 3-18.
• Crespo, N. F., Rodrigues, R., Samagaio, A., & Silva, G. M. (2019). The adoption of management control systems by start-ups: Internal factors and context as determinants.Journal of Business Research,101, 875-884.
• Damke, E., Jr., Gimenez, F. A. P., & Damke, J. F. W. (2018). Strategic configurations and performance: A study in micro and small business retailers. RAUSP Management Journal, 53(1), 11-22.
• Davila, A. (2019). Emerging themes in management accounting and control research. Spanish Accounting Review, 22(1), 1-5. https://doi.org/10.6018/rc-sar.22.1.354371
  » https://doi.org/10.6018/rc-sar.22.1.354371
• Davila, A., & Foster, G. (2005). Management accounting systems adoption decisions: Evidence and performance implications from early-stage/startup companies. The Accounting Review, 80(4), 1039-1068.
• Davila, A., & Foster, G. (2007). Management control systems in early-stage startup companies. The Accounting Review, 82(4), 907-937.
• Davila, A., Foster, G., & Jia, N. (2014). The valuation of management control systems in start-up companies: International field-based evidence. European Accounting Review, 24(2), 207-239.
• Demartini, M. C., & Otley, D. (2019). Beyond the system vs. package dualism in Performance Management Systems design: A loose coupling approach.Accounting, Organizations and Society, 86, Article 101072.
• Deutscher, F., Zapkau, F. B., Schwens, C., Baum, M., & Kabst, R. (2016). Strategic orientations and performance: A configurational perspective. Journal of Business Research, 69(2), 849-861.
• DiStefano, C. (2012). Cluster analysis and latent class clustering techniques. In B. P. Laursen et al. (Eds.),Handbook of developmental research methods (pp. 645-666). Guilford Press.
• Fávero, L. P, & Belfiore, P. (2017). Manual de análise de dados Elsevier.
• Feizabadi, J., Gligor, D., & Alibakhshi, S. (2021). Strategic supply chains: A configurational perspective.The International Journal of Logistics Management, 32(4), 1093-1123.
• Field, A. (2013). Discovering statistics using IBM SPSS statistics (4^th ed.). Sage.
• Fiss, P. C. (2007). A set-theoretic approach to organizational configurations. Academy of Management Review, 32(4), 1180-1198.
• Flaherty, K. E., Pappas, J. M., & Allison, L. (2014). The influence of an optimal control system on salesperson performance and championing.Industrial Marketing Management,43(2), 304-311.
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error.Journal of Marketing Research,18(1), 39-50.
• Frank, H., Kessler, A., & Fink, M. (2010). Entrepreneurial orientation and business performance - A replication study. Schmalenbach Business Review, 62(2), 175-198.
• Frare, A. B., da Cruz, A. P. C., Lavarda, C. E. F., & Akroyd, C. (2021). (forthcoming). Packages of management control systems, entrepreneurial orientation, and performance in Brazilian startups.Journal of Accounting & Organizational Change https://doi.org/10.1108/JAOC-04-2021-0052
  » https://doi.org/10.1108/JAOC-04-2021-0052
• Frezatti, F., Junqueira, E., de Souza Bido, D., do Nascimento, A. R., & Relvas, T. R. S. (2012). Antecedentes da definição do design do sistema de controle gerencial: evidências empíricas nas empresas brasileiras.BBR-Brazilian Business Review, 9(1), 134-155.
• Fried, H. O., & Tauer, L. W. (2015). An entrepreneur performance index. Journal of Productivity Analysis, 44(1), 69-77.
• Galbreath, J., Lucianetti, L., Thomas, B., & Tisch, D. (2020).Entrepreneurial orientation and firm performance in Italian firms. International Journal of Entrepreneurial Behavior and Research, 26(4), 629-646. https://doi.org/10.1108/IJEBR-07-2019-0457
  » https://doi.org/10.1108/IJEBR-07-2019-0457
• Gerdin, J., & Greve, J. (2004). Forms of contingency fit in management accounting research - A critical review. Accounting, Organizations and Society, 29(3-4), 303-326.
• Gibson, C. B., & Birkinshaw, J. (2004). The antecedents, consequences, and mediating role of organizational ambidexterity.Academy of Management Journal,47(2), 209-226.
• Granlund, M., & Taipaleenmäki, J. (2005). Management control and controllership in new economy firms - A life-cycle perspective. Management Accounting Research, 16(1), 21-57.
• Gresov, C., & Drazin, R. (1994). Equifinality: Functional equivalence in organization design. Academy of Management Review, 22(2): 403-428.
• Gupta, R., & Pandit, A. (2013). Innovation and growth of small and medium enterprises: role of environmental dynamism and firm resources as moderating variables. International Journal of Entrepreneurship & Innovation Management, 17(4), 284-295.
• Hair, J. F., Jr., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham,R. L. (2009). Análise multivariada de dados (6^th ed.). Bookman.
• Halabí, C., & N. Lussier, R. (2014). A model for predicting small firm performance: Increasing the probability of entrepreneurial success in Chile. Journal of Small Business and Enterprise Development, 21(1), 4-25.
• Harms, R., Kraus, S., & Reschke, C. H. (2007). Configurations of new ventures in entrepreneurship research: Contributions and research gaps. Management Research News, 30(9), 661-673.
• Hyytinen, A., Pajarinen, M., & Rouvinen, P. (2015). Does innovativeness reduce startup survival rates? Journal of Business Venturing, 30(4), 564-581.
• Kee, D. M. H., & Rahman, N. A. (2018). Effects of entrepreneurial orientation on start-up success: A gender perspective. Management Science Letters, 8(6), 699-706.
• Kennerley, M., & Neely, A. (2002). A framework of the factors affecting the evolution of performance measurement systems. International Journal of Operations & Production Management, 22(11), 1222-1245.
• Ketchen, D. J., Jr., Thomas, J. B., & Snow, C. C. (1993). Organizational configurations and performance: A comparison of theoretical approaches. Academy of Management Journal, 36(6), 1278-1313.
• Konno, Y. (2015). An empirical analysis of the discontinuance of business for startup contractors and property companies in Japan. Journal of Financial Management of Property and Construction, 20(1), 50-64.
• Langfield-Smith, K. (2007). A review of quantitative research in management control systems and strategy. In C. S.Chapman et al. (Eds.), Handbook of management accounting research (pp. 753-783). Elsevier.
• Lepori, B. (2021). The heterogeneity of European Higher Education Institutions: A configurational approach.Studies in Higher Education https://doi.org/10.1080/03075079.2021.1968368
  » https://doi.org/10.1080/03075079.2021.1968368
• Lewrick, M., Omar, M., Raeside, R., & Sailer, K. (2011). Education for entrepreneurship and innovation: Management capabilities for sustainable growth and success. World Journal of Entrepreneurship, Management and Sustainable Development, 6(1/2), 1-18.
• Lopes, H. E. G., & Gosling, M. S (2020). Cluster analysis in practice: Dealing with outliers in managerial research.Revista de Administração Contemporânea,25(1), 1-19.
• Lumpkin, G. T., & Dess, G. G. (1996). Clarifying the entrepreneurial orientation construct and linking it to performance. Academy of Management Review, 21(1), 135-172.
• Lumpkin, G. T., & Dess, G. G. (2001). Linking two dimensions of entrepreneurial orientation to firm performance: The moderating role of environment and industry life cycle. Journal of Business Venturing, 16(5), 429-451.
• Maciel, C. O, Reinert, M., & Camargo, C. (2008). Configurações estratégicas e desempenho organizacional: em busca de novos imperativos.REBRAE, 1(2), 199-212.
• Maciel, C. O., Damke, E. J., & Camargo, C. (2009). Abordagem das configurações nos estudos em empreendedorismo: críticas, oportunidades e desafios metodológicos. Perspectivas Contemporâneas, 4(2), 38-57.
• Magaldi, S., & Salibi, J., Neto. (2018). Gestão do amanhã: tudo o que você precisa saber sobre gestão, inovação e liderança para vencer na 4ª Revolução Industrial Editora Gente.
• Marôco, J. (2010). Análise de equações estruturais: fundamentos teóricos, software & aplicações Report Number.
• Martens, C. D. P., Lacerda, F. M., Belfort, A. C., & Freitas, H. M. R. D. (2016). Research on entrepreneurial orientation: Current status and future agenda. International Journal of Entrepreneurial Behavior and Research, 22(4), 556-583.
• Martins, I., & Rialp, A. (2013). Entrepreneurial orientation, environmental hostility and SME profitability: A contingency approach. Cuadernos de Gestión, 13(2), 67-88.
• Migliori, S., Pittino, D., Consorti, A., & Lucianetti, L. (2019). The relationship between entrepreneurial orientation, market orientation and performance in university spin-offs.International Entrepreneurship and Management Journal,15(3), 793-814.
• Miller, D. (1986a). The correlates of entrepreneurship in three types of firms. Management Science Review, 32(11), 1389-1409.
• Miller, D. (1986b). Configurations revisited. Strategic Management Journal, 17(7), 505-512.
• Miller, D. (1987). The genesis of configuration. Academy of Management Review, 12(4), 686-701.
• Miller, D., & Friesen, P. (1984a). A longitudinal study of corporate life cycle. Management Science, 30(10), 1161-1183.
• Miller, D., & Friesen, P. (1984b). Organizations: A quantum view Prentice-Hall.
• Minetti, R. (2011). Informed finance and technological conservatism. Review of Finance, 15(3), 633-692.
• Mintzberg, H., Ahlstrand, B., & Lampel, J. (2000). Safári de estratégia Bookman.
• Miranda, J. Q., Santos, C. D. S., Jr., & Dias, A. T. (2016). A influência das variáveis ambientais e organizacionais no desempenho de startups. Revista de Empreendedorismo e Gestão de Pequenas Empresas, 5(1), 28-65.
• Müller-Stewens, B., Widener, S. K., Möller, K., & Steinmann, J. C. (2020). The role of diagnostic and interactive control uses in innovation.Accounting, Organizations and Society,80, Article 101078.
• Otley, D. (2016). The contingency theory of management accounting and control: 1980-2014. Management Accounting Research, 31(1), 45-62.
• Paoloni, P., & Dumay, J. (2015). The relational capital of micro-enterprises run by women: The startup phase. Vine, 45(2), 172-197.
• Pauwels, C., Clarysse, B., Wright, M., & Van Hove, J. (2015). Understanding a new generation incubation model: The accelerator. Technovation, 50(1), 13-24.
• Pavlatos, O., & Kostakis, H. (2021). Budgeting in start-up companies: European survey-based evidence. Advances in Management Accounting, 33(1), 97-126.
• Picken, J. C. (2017). From startup to scalable enterprise: Laying the foundation. Business Horizons, 60(5), 587-595.
• Plummer, L. A., Allison, T. H., & Connelly, B. L. (2016). Better together? Signaling interactions in new venture pursuit of initial external capital. Academy of Management Journal, 59(5), 1585-1604.
• Podsakoff, P. M., MacKenzie, S. B., & Podsakoff, N. P. (2012). Sources of method bias in social science research and recommendations on how to control it.Annual Review of Psychology,63, 539-569.
• Porter, M. E. (1989). Vantagem competitiva: criando e sustentando um desempenho superior Elsevier.
• Porter, M. E. (2009). Competição Elsevier.
• Radojevich-Kelley, N., & Hoffman, D. L. (2012). Analysis of accelerator companies: An exploratory case study of their programs, processes, and early results. Small Business Institute Journal, 8(2), 54-70.
• Rank, O. N., & Strenge, M. (2018). Entrepreneurial orientation as a driver of brokerage in external networks: Exploring the effects of risk taking, proactivity, and innovativeness.Strategic Entrepreneurship Journal,12(4), 482-503.
• Ries, E. (2011). The Lean startup: How Today's Entrepreneurs use continuous innovation to create radically successful businesses Random House.
• Samagaio, A., Crespo, N. F., & Rodrigues, R. (2018). Management control systems in high-tech start-ups: An empirical investigation. Journal of Business Research, 89(C), 351-360.
• Sandino, T. (2007). Introducing the first management control systems: Evidence from the retail sector. The Accounting Review, 82(1), 265-293.
• Shirokova, G., Bogatyreva, K., Beliaeva, T., & Puffer, S. (2016). Entrepreneurial orientation and firm performance in different environmental settings: Contingency and configurational approaches. Journal of Small Business and Enterprise Development, 23(3), 703-727.
• Smith, M. H., & Smith, D. (2007). Implementing strategically aligned performance measurement in small firms. International Journal of Production Economics, 106(2), 393-408.
• Spender, J., Corvello, V., Grimaldi, M., & Rippa, P. (2017). Startups and open innovation: A review of the literature. European Journal of Innovation Management, 20(1), 4-30.
• Spyropoulou, S., Katsikeas, C. S., Skarmeas, D., & Morgan, N. A. (2018). Strategic goal accomplishment in export ventures: The role of capabilities, knowledge, and environment.Journal of the Academy of Marketing Science,46(1), 109-129.
• Startup Genome. (2011). Startup Genome Report Extra on premature scaling. A deep dive into why most high growth startups fail https://integral-entrepreneurship.org/wp-content/uploads/2016/07/Startup-Genome-Premature-Scaling.pdf
  » https://integral-entrepreneurship.org/wp-content/uploads/2016/07/Startup-Genome-Premature-Scaling.pdf
• Van der Stede, W. A., Young, S. M., & Chen, C. X. (2006). Doing management accounting survey research.Handbooks of Management Accounting Research, 1, 445-478.
• Vaznyte, E., & Andries, P. (2019). Entrepreneurial orientation and start-ups' external financing.Journal of business venturing,34(3), 439-458.
• Vij, S., & Bedi, H. S. (2016). Are subjective business performance measures justified?International Journal of Productivity and Performance Management, 65(5), 603-621.
• Wales, W. J. (2016). Entrepreneurial orientation: A review and synthesis of promising research direction. International Small Business Journal: Researching Entrepreneurship, 34(1), 3-15. https://doi.org/10.1177/0266242615613840
  » https://doi.org/10.1177/0266242615613840
• Wales, W. J., Gupta, V. K., & Mousa, F. T. (2011). Empirical research on entrepreneurial orientation: An assessment and suggestions for future research. International Small Business Journal, 31(4), 357-383.
• Wales, W. J., Gupta, V. K., Marino, L., & Shirokova, G. (2019). Entrepreneurial orientation: International, global and cross-cultural research. International Small Business Journal, 37(2), 95-104.
• Wiklund, J., & Shepherd, D. (2005). Entrepreneurial orientation and small business performance: A configurational approach. Journal of Business Venturing, 20(1), 71-91

Editado por

Editor-Chefe:

Fábio Frezatti

Editor Associado:

Cláudio de Araújo Wanderley

Datas de Publicação

• Publicação nesta coleção
  26 Ago 2022
• Data do Fascículo
  2022

Histórico

• Recebido
  03 Maio 2021
• Revisado
  19 Maio 2021
• Aceito
  13 Dez 2021