Türkiye’de Kümelenme Çalışmaları ve Örnekler

Segundo Nesta, Patel e Arundel (2003) o propósito de mapeamento de clusters é identificar concentrações industriais que segundo os autores possuem duas orientações, uma de caráter regional e outra de caráter industrial. Essas duas dimensões acabam gerando uma dificuldade de operacionalização dos conceitos devido a certas dificuldades como a falta de uma clara definição do que constitui as delimitações de fronteira regional de um cluster.

Suas fronteiras raramente coincidem com os sistemas padronizados de classificação setorial, que não captam muitos participantes importantes do processo competitivo e tampouco entre os elos entre os setores.

Como suas partes quase sempre se enquadram em diferentes setores ou categorias de serviços tradicionais, alguns aglomerados importantes talvez permaneçam na obscuridade ou nem mesmo sejam reconhecidos. Em Massachusetts, por exemplo, mais de quatrocentas empresas, representando pelo menos 39.000 cargos de alta remuneração, estão envolvidas de alguma forma, com dispositivos médicos. No entanto durante algum tempo, o aglomerado quase não era percebido, enterrado entre grandes categorias setoriais sobrepostas, como equipamentos eletrônicos e produtos de plástico.

Segue-se uma apresentação dos principais métodos utilizados para a identificação de clusters. Uma variedade de métodos ou variações de abordagens do mesmo método pode ser facilmente encontrada na literatura. De acordo com Nesta, Patel e Arundel (2003) tal variedade de métodos e definições é explicada pela diversidade de diferentes conceituações do que vem a ser um cluster e pelos tipos de classificações geográficas e industriais e suas estatísticas.

Em relação aos métodos de identificação de clusters quantitativos identificamos três tipos de metodologias. A primeira abordagem é baseada no uso detalhado de informações das empresas como taxas de emprego. A segunda abordagem é baseada no uso de dados sobre entrada-saída de dados para identificar relações entre diferentes setores industriais. A terceira abordagem quantitativa se baseia em dados estatísticos a respeito de informações sobre inovações (NESTA; PATEL; ARUNDEL, op. cit.).

O primeiro método tem como fonte de localização das aglomerações as informações que apontam as especializações industriais ligadas a regiões específicas. Tal abordagem é comumente usada na literatura associada aos sistemas locais de produção e aos distritos industriais (KRUGMAN, 1991; SFORZI, 2002; BECCATINI, 2004). Entre as principais variáveis dessas abordagens, Nesta, Patel e Arundel (2003) apontam:

• Numero de firmas;

• Número de empregados;

• Densidade de firmas na região;

De acordo com Haddad (1989) e Suzigan et al. (2003), o Quociente Locacional (QL) compara a participação percentual de uma região em um setor particular com a participação percentual da mesma região no total do emprego da economia nacional, da maneira que segue:

= jEij i jEij iEij Eij LQ ...(1)

• Aonde Eij é o emprego da indústria i na região j;

• Aonde iEijé o total de emprego da região j;

• Aonde jEijé o total nacional de empregos da indústria i;

• Aonde i jEij é o total de emprego nacional.

Resultados maiores que 1 do coeficiente locacional indicam que é relativamente mais especializada em uma dada indústria. Em muitos dos estudos sobre identificação de clusters é dado como prática comum o reconhecimento da especialização quando o mesmo é superior a 1.25 (NESTA; PATEL; ARUNDEL, 2003).

Todavia, Suzigan et al. (2001, 2003) alertam para que o uso do índice de especialização deva ser utilizado com cautela. Situações em que uma região pouco desenvolvida industrialmente poderá apresentar um elevado índice de especialização simplesmente pela presença de uma unidade produtiva, mesmo que de dimensões modestas. Nesse sentido uma outra deficiência do índice é a dificuldade para identificar algum tipo de especialização em regiões (ou municípios) que apresentam estruturas industriais mais diversificadas, como ocorre em municípios muito desenvolvidos, com estrutura industrial diversificada e emprego total elevado.

Há algumas limitações de tais técnicas de identificação, uma vez que tal método não consegue identificar, além da concentração industrial em certa região, as ligações entre as indústrias.

Estas ligações, se ausentes, não configuram uma das principais características dos conceitos de clusters (NESTA; PATEL; ARUNDEL, 2003).

O segundo método foca nas ligações produtivas entre diferentes empresas pertencentes a uma cadeia de valor econômica. A principal entrada de dados é a fonte de informações de entrada e saída de bens intermediários e finais em termos financeiros. Basicamente esse método busca identificar indústrias que fornecem produtos ou serviços que representam um percentual do total fornecido como bens intermediários e classificam as ligações como fracas ou fortes. Eliminadas as ligações fracas, a maioria das alternativas se vale de um algoritmo de clusterização para identificação dos clusters. Após essa fase outros métodos quantitativos ou qualitativos são usados para identificação de outras características tais como inovações, fluxo de conhecimento, nível de cooperação, etc. Dois pontos críticos sobre essa metodologia podem ser levantados, o primeiro diz respeito á falta de uma dimensão regional em sua essência, e o segundo ponto se refere à construção de conceitos dos clusters que não é baseado em setores industriais como a metodologia propõe (NESTA; PATEL; ARUNDEL, 2003).

O terceiro método se baseia no uso de grandes bases de dados para localizar similaridades entre regiões, através do emprego de técnicas estatísticas como análise de clusters, análise fatorial ou análise de correspondência. Uma das dimensões de grande uso em relação ao emprego dessas técnicas se refere ao uso de variáveis relacionadas à inovação. Em relação às críticas mais comuns sobre tal metodologia estão a falta de uma orientação da dimensão industrial e a falta de atenção das ligações entre empresas (BRENNER, 2004; HELD, 2004).

Um outro caminho metodológico para a identificação de clusters é o embasamento no conhecimento econômico e político de especialistas. Destacando com vantagens desse método o aumento do conhecimento de uma realidade econômica específica, destaque para o papel de outras instituições além das empresas, e melhor visão da realidade do cluster para a promoção de políticas de apoio. Entretanto há limitações como a não replicação dos métodos de identificação e os resultados não podem ser comparados entre diferentes clusters.

Há evidentemente outros estudos que mesclam o uso de técnicas quantitativas e qualitativas. Geralmente trabalham com coeficientes locacionais num primeiro estágio e num segundo

estágio fazem uso de técnicas qualitativas (MARKUSEN, 1994). Geralmente abordam características dos clusters tais como:

• Estágio de desenvolvimento do cluster ou ciclo de vida;

• Nível de profundidade de sua especialização;

• Dinâmica dos níveis de emprego;

• Dinâmica competitiva (se competitivo em termos internacionais, nacionais ou regionais).

Mayer (2005) propõe um modelo de classificação de clusters através do cruzamento de dados relacionados ao coeficiente locacional de mão-de-obra e as taxas de crescimento de emprego, gerando a seguinte classificação:

• Clusters com alto coeficiente locacional e baixas taxas de crescimento – representa um setor em fortalecimento, mas sem nenhum crescimento significativo;

• Clusters com alto coeficiente locacional e altas taxas de crescimento – representa um cluster saudável que exporta seus produtos e que tem alguma vantagem competitiva;

• Clusters com baixo coeficiente locacional e altas taxas de crescimento – pode representar um cluster emergente, pois crescimento das taxas de emprego representa demanda maior por produtos que deve ser atendida por maior emprego de mão-de- obra;

• Clusters com baixo coeficiente locacional e baixas taxas de crescimento de emprego – não representam a existência ou emergência de clusters.