Danilo Moreira Brito; Bruno Andrade Costa

DOI: 10.22167/2675-6528-202600701

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

Resumo

O setor da construção civil enfrenta crescente pressão por previsibilidade e eficiência na entrega de projetos, demandando indicadores de desempenho para monitorar resultados e apoiar decisões gerenciais. O estudo objetivou viabilizar o monitoramento e a comparação do desempenho de projetos de construção civil, calculando e analisando KPIs de prazo (SPI), custo (CPI) e qualidade (IQ), além de um indicador composto de eficiência global (EGP), para identificar padrões de eficiência/ineficiência e fatores contextuais associados. Adotou-se uma metodologia quantitativa, descritivo-exploratória, baseada em dados secundários públicos da plataforma Kaggle, que incluíram 900 registros de projetos e 28 variáveis. Os dados foram tratados e analisados em ambiente de planilha e Power BI, com a construção de dashboards para visualização. Os resultados indicaram predominância de projetos com desempenho inferior ao planejado nas dimensões de prazo e custo (SPI e CPI frequentemente abaixo de 1), com 84,56% dos projetos apresentando SPI < 1 e 79,56% CPI < 1. Observou-se variação relevante entre segmentos por tipologia, unidade federativa, contrato, sistema de entrega e complexidade. Padrões operacionais relacionados a mudanças, engajamento de stakeholders e segurança mostraram-se compatíveis com as variações nos KPIs e no EGP. Concluiu-se que a integração de KPIs e dashboards constitui um instrumento consistente para benchmarking e suporte à tomada de decisão em Gestão de Projetos, promovendo transparência e melhoria contínua.

Palavras-chave: benchmarking; dashboards; gerenciamento de projetos; gestão de projetos; indicadores de desempenho.

1. Introdução

A construção civil, setor de grande relevância econômica e urbana, enfrenta desafios persistentes de produtividade e previsibilidade, frequentemente resultando em atrasos, sobrecustos e retrabalho. Esse cenário é intrínseco à complexidade do setor, que envolve múltiplos agentes, dependências de suprimentos e mão de obra, além da variabilidade de escopo e contexto de execução (Koskela, 1992; Kerzner, 2017).

Para mitigar esses riscos e apoiar decisões estratégicas, a adoção de mecanismos formais de planejamento, monitoramento e controle é fundamental ao longo do ciclo de vida do projeto (PMI, 2021; Meredith & Mantel, 2012). Organizações da construção civil enfrentam crescente pressão por eficiência e transparência na governança, dadas as restrições orçamentárias e a complexidade operacional, exigindo métricas operacionais que comparem o planejado e o realizado de forma sistemática e auditável.

Indicadores de desempenho são cruciais para transformar dados de execução em informação gerencial, apoiando ações corretivas e fortalecendo a governança (Kerzner, 2017; PMI, 2021). O Gerenciamento do Valor Agregado (EVM/EVA) é um modelo difundido para mensurar desempenho em prazo e custo, fornecendo o Schedule Performance Index (SPI) e o Cost Performance Index (CPI) para avaliar a eficiência em relação ao plano (Fleming & Koppelman, 2010; PMI, 2019). Contudo, a avaliação apenas por prazo e custo é insuficiente para capturar o valor entregue, negligenciando a qualidade que impacta retrabalho e satisfação do cliente.

Abordagens de qualidade total enfatizam que a conformidade, a redução de defeitos e a prevenção de falhas são dimensões gerenciais estruturantes (Juran & Godfrey, 1999). Indicadores de qualidade operacional complementam a análise de eficiência, ajudando a explicar divergências entre projetos. A lógica de benchmarking amplia o uso desses indicadores, permitindo comparações sistemáticas de desempenho entre projetos para identificar padrões e oportunidades de melhoria. O benchmarking estruturado é um instrumento de aprendizado organizacional e de suporte à melhoria contínua (Camp, 1989; Watson, 1993). Comparações robustas, no entanto, exigem reconhecer que o desempenho é influenciado por variáveis de contexto, como tipo de obra, localização, complexidade, modalidade contratual e volume de mudanças (Williams, 2002; Shenhar & Dvir, 2007; PMI, 2021).

Diante desse cenário, este trabalho adota uma abordagem orientada por dados para monitorar e comparar o desempenho de projetos de construção civil, utilizando registros estruturados de planejado versus realizado. São calculados e analisados KPIs de prazo (SPI), custo (CPI) e qualidade (IQ), além de um indicador composto de eficiência global (EGP), com suporte de painéis interativos para visualização gerencial. A base empírica, composta por dados públicos da plataforma Kaggle, inclui variáveis de caracterização e operacionais. A pesquisa busca identificar padrões de eficiência e ineficiência e discutir a influência de fatores contextuais nos resultados, contribuindo para a tomada de decisão e a melhoria contínua na gestão de projetos no setor da construção civil. Sendo assim, o objetivo geral deste estudo é viabilizar o monitoramento e a comparação (benchmarking) do desempenho de projetos de construção civil, usando dados estruturados de planejado versus realizado para calcular e analisar KPIs de prazo, custo e qualidade, principalmente SPI, CPI, IQ e o indicador composto EGP e, com isso, identificar padrões de eficiência e ineficiência e fatores contextuais (tipo de obra, UF, complexidade, contrato, mudanças, segurança e stakeholders) que influenciam os resultados e apoiam a tomada de decisão e a melhoria contínua na gestão de projetos.

2. Material e Métodos

Este estudo caracterizou-se como uma pesquisa aplicada, com abordagem quantitativa, visando gerar conhecimento prático para a gestão de projetos de construção civil (Gil, 2019; Vergara, 2016). Em relação aos objetivos, a pesquisa foi descritivo-exploratória, buscando caracterizar o desempenho dos projetos e investigar associações entre variáveis contextuais e operacionais, sem estabelecer relações causais.

A investigação enquadrou-se como pesquisa documental e bibliográfica, baseada em dados secundários públicos obtidos na plataforma Kaggle, em formato CSV. O estudo apresentou um recorte transversal, analisando um conjunto fechado de 900 registros de projetos de construção civil. A unidade de análise foi o projeto, identificado por um código único.

A base de dados continha 28 variáveis, incluindo atributos de identificação e caracterização do projeto, como tipo de obra, unidade federativa (UF), tipo de contrato, sistema de entrega e complexidade. Foram contempladas variáveis operacionais e de governança, como número de equipes, engajamento de stakeholders, volume de mudanças e incidentes de segurança, além de medidas de custo, prazo e qualidade.

Os dados foram importados para um ambiente de análise e submetidos a etapas de preparação para garantir consistência e rastreabilidade. Padronizaram-se os tipos de dados, verificaram-se inconsistências e executaram-se checagens de coerência entre campos de prazo e custo. Variáveis de contagem foram tratadas como não negativas. Ausências em campos críticos para os indicadores-chave de desempenho (KPIs) foram excluídas; em variáveis contextuais, tratadas como “não informado”.

A mensuração do desempenho dos projetos foi realizada por meio de indicadores-chave (KPIs) focados em prazo, custo e qualidade. Os KPIs centrais analisados foram o Schedule Performance Index (SPI), o Cost Performance Index (CPI), o indicador de qualidade (IQ) e o indicador composto de eficiência global (EGP). SPI e CPI representaram a eficiência relativa de prazo e custo, respectivamente, com valores maiores que um indicando desempenho superior. O IQ foi operacionalizado a partir do IQ_percent e normalizado para escala de zero a um para composições matemáticas. O EGP foi calculado como uma combinação ponderada de SPI, CPI e IQ normalizado, com maior peso para prazo e custo.

A estratégia de análise foi estruturada com base em princípios de benchmarking e análise comparativa. Realizaram-se análises descritivas dos KPIs, incluindo medidas de tendência central e dispersão. Adotou-se o benchmarking por segmentação, agrupando projetos conforme variáveis contextuais (tipo de projeto, UF, contrato, sistema de entrega, complexidade). Exploraram-se relações entre variáveis operacionais (mudanças, engajamento de stakeholders, segurança) e os indicadores de desempenho, sem pretensão de causalidade. Painéis interativos (dashboards) foram desenvolvidos no Power BI para apoiar a análise e comunicação dos achados.

Para garantir a robustez metodológica, adotaram-se critérios de rastreabilidade, assegurando a relação dos KPIs com as variáveis de origem. Realizaram-se checagens de consistência para validar a coerência dos indicadores e a reprodutibilidade do fluxo analítico. As considerações éticas foram atendidas pelo uso de dados secundários públicos da plataforma Kaggle, sem coleta direta com participantes ou uso de dados pessoais sensíveis, aderindo aos princípios da Lei Geral de Proteção de Dados (LGPD).

3. Resultados e Discussão

A análise do desempenho dos projetos de construção civil revelou padrões consistentes de eficiência e ineficiência, conforme o objetivo de viabilizar o monitoramento e o benchmarking. Os resultados foram obtidos a partir do cálculo e da interpretação de indicadores-chave de desempenho (KPIs) para prazo (SPI), custo (CPI) e qualidade (IQ), além de um indicador composto de eficiência global do projeto (EGP). A abordagem permitiu identificar tendências gerais na carteira de projetos e explorar a influência de fatores contextuais e operacionais nos resultados, fornecendo uma base robusta para a tomada de decisão e a melhoria contínua na gestão de projetos, conforme preconizado por Kerzner (2017) e PMI (2021).

A pesquisa demonstrou que a integração de KPIs e dashboards interativos é um instrumento eficaz para transformar dados de execução em informações gerenciais acionáveis. Essa capacidade de visualização e comparação sistemática de desempenho entre projetos e segmentos é crucial para a maturidade em gestão, permitindo que as organizações identifiquem rapidamente desvios e oportunidades de otimização. A relevância prática do estudo reside em sua capacidade de traduzir conceitos teóricos de gerenciamento de projetos em um artefato analítico replicável, que apoia a governança e a retroalimentação de decisões, como destacado por Fleming e Koppelman (2010).

Visão executiva do desempenho dos projetos (KPIs centrais)

A avaliação agregada dos projetos indicou uma predominância de desempenho inferior ao planejado nas dimensões de prazo e custo. Verificou-se que o SPI médio foi de 0,895 e o CPI médio de 0,912, com o EGP médio em 0,905 e o IQ médio de 91,07%. As medianas desses indicadores (SPI = 0,885; CPI = 0,909; EGP = 0,902; IQ = 90,91%) foram próximas das médias, sugerindo uma tendência central consistente para a carteira analisada. Esses valores, consistentemente abaixo de 1 para SPI e CPI, sinalizam que a maioria dos projetos enfrentou atrasos e sobrecustos em relação ao planejamento inicial, um cenário comum na construção civil, conforme apontado por Flyvbjerg (2009) e Merrow (2011).

A dispersão dos resultados revelou uma variação moderada nos indicadores, com desvio-padrão de 0,100 para SPI, 0,117 para CPI e 0,077 para EGP, enquanto o IQ apresentou uma variação de 3,43 pontos percentuais. Essa variabilidade é um achado importante, pois indica que, embora a média geral seja de desempenho abaixo do planejado, existem projetos com eficiência significativamente superior e outros com desempenho substancialmente inferior. A distribuição dos resultados evidenciou que 84,56% dos projetos apresentaram SPI inferior a 1 e 79,56% apresentaram CPI inferior a 1, confirmando a prevalência de ineficiência em prazo e custo. Adicionalmente, 69,78% dos projetos mostraram SPI e CPI simultaneamente abaixo de 1, indicando uma ocorrência concomitante de desvios nessas duas dimensões.

Em contraste, apenas 5,67% dos projetos alcançaram SPI igual ou superior a 1 e CPI igual ou superior a 1 simultaneamente, caracterizando um subconjunto de projetos com desempenho combinado superior ao planejado. Essa pequena parcela de projetos bem-sucedidos oferece um ponto de referência para o benchmarking, permitindo a identificação de melhores práticas. O indicador composto EGP, que sintetiza prazo, custo e qualidade, apresentou um primeiro quartil de 0,848, mediana de 0,902 e terceiro quartil de 0,958, com valores variando de 0,678 a 1,222. Essa amplitude reforça a coexistência de projetos com eficiência global muito distinta, desde os significativamente inferiores até os de alta performance, o que valida a necessidade de uma métrica integrada para avaliação gerencial.

A dimensão de qualidade, representada pelo IQ, variou de 81,25% a 100,0%, com aproximadamente 37,89% dos projetos apresentando IQ abaixo de 90%. Essa variabilidade na conformidade das entregas é um aspecto crítico, pois, como argumenta Atkinson (1999), projetos entregues no prazo e no custo não são necessariamente “bem entregues” se a qualidade for comprometida. A inclusão do IQ no EGP, com peso complementar, alinha-se à crítica de que o “triângulo de ferro” (prazo, custo, escopo) deve ser lido em conjunto com critérios de resultado e conformidade, reforçando a importância de uma visão holística do desempenho do projeto (Juran & Godfrey, 1999).

Benchmarking por tipologia e região (UF)

A análise segmentada por tipologia de projeto revelou diferenças sistemáticas de desempenho entre as categorias de obras. Projetos de Reforma apresentaram o melhor EGP médio, com 0,923, seguidos por Edificação Pública, com 0,914. Em contrapartida, projetos de Infraestrutura e Comercial registraram os menores EGPs médios, com 0,899 e 0,901, respectivamente. Essa variação sugere que diferentes tipos de projetos podem ter características intrínsecas que influenciam sua previsibilidade e controle, demandando configurações distintas de governança e planejamento, conforme a literatura de Shenhar e Dvir (2007) e PMI (2021).

No recorte regional, o ranking por Unidade Federativa (UF) demonstrou que o desempenho global médio (EGP) variou significativamente entre os estados. Mato Grosso do Sul (MS) liderou o ranking com um EGP médio de 0,94, seguido por Bahia (BA) e Goiás (GO), ambos com 0,939. Na outra extremidade, Espírito Santo (ES) apresentou o menor EGP médio, com 0,883, seguido por Sergipe (SE) com 0,889 e Mato Grosso (MT) com 0,89. Essa distribuição não homogênea do desempenho entre UFs destaca a influência de fatores regionais, como condições de mercado, regulamentação local ou práticas construtivas predominantes, que podem impactar a eficiência dos projetos.

A comparação por UF e tipo de obra estabeleceu referências comparativas essenciais para aprofundar a análise, permitindo identificar grupos com desempenho consistentemente superior ou inferior à média da carteira. Essa abordagem de benchmarking por segmentação é fundamental para evitar diagnósticos injustos ou pouco acionáveis que resultariam de comparações estritamente agregadas, como enfatizado por Camp (1989) e Watson (1993). A capacidade de segmentar os dados por contexto de execução permite que gestores de portfólio e PMOs identifiquem projetos “fora de faixa” e direcionem esforços de melhoria de forma mais precisa.

Benchmarking por contrato, sistema de entrega e complexidade

A análise do desempenho dos projetos por modalidade contratual e sistema de entrega revelou que a escolha dessas estruturas tem impacto direto na eficiência global. As combinações de contrato e sistema de entrega que apresentaram maior eficiência relativa foram GMP com IPD (Integrated Project Delivery), com um EGP médio de 0,964, e Preço Global com Turnkey, com EGP médio de 0,936. Esses arranjos, que frequentemente promovem maior colaboração e integração entre as partes, podem contribuir para uma melhor previsibilidade de prazo e custo, além de maior conformidade com a qualidade.

Em contraste, as combinações de Cost Plus com Turnkey (EGP médio de 0,861) e Cost Plus com EPC (Engineering, Procurement, and Construction), com EGP médio de 0,874, apresentaram os menores níveis de eficiência global. A variação por arranjos contratuais e sistemas de entrega é compatível com a literatura que discute como diferentes formas de contratação e entrega redistribuem riscos, incentivos e flexibilidade para lidar com mudanças, afetando diretamente a estabilidade do baseline (PMI, 2021; Kerzner, 2017). A análise conjunta desses fatores permite uma compreensão mais aprofundada de como as estruturas de governança e execução influenciam o desempenho dos projetos.

Na dimensão de complexidade, observou-se uma clara tendência de deterioração do desempenho à medida que o nível de complexidade dos projetos aumentava. Projetos classificados como de Baixa complexidade registraram o melhor EGP médio, com 0,979, enquanto os de Média complexidade tiveram um EGP médio de 0,92. Para projetos de Alta complexidade, o EGP médio caiu para 0,866, e para os de Muito Alta complexidade, o desempenho foi ainda menor, com um EGP médio de 0,816. Essa tendência é consistente com a literatura que caracteriza a complexidade como um determinante de incerteza e aumento da necessidade de coordenação, governança e monitoramento (Geraldi, Maylor & Williams, 2011; Hwang & Ng, 2013).

A análise por níveis de complexidade permitiu verificar que projetos em ambientes mais complexos tendem a concentrar maior dispersão dos resultados e uma maior prevalência de EGP em faixas inferiores. Isso reforça a necessidade de mecanismos de controle mais rigorosos e uma governança mais robusta para projetos de maior complexidade, a fim de mitigar riscos de amplificação de desvios e decisões tardias (Williams, 2002; Shenhar & Dvir, 2007). A segmentação por complexidade, portanto, oferece insights valiosos para a alocação de recursos e o desenho de estratégias de gerenciamento adaptadas ao perfil de risco de cada projeto.

Eficiência operacional e fatores associados ao desempenho

A investigação dos fatores operacionais revelou associações consistentes entre o volume de mudanças (change orders), o engajamento de stakeholders e a ocorrência de incidentes de segurança com os indicadores de desempenho. Para o volume de mudanças, observou-se uma associação negativa com todos os KPIs, sendo mais pronunciada para o EGP (correlação de -0,486) e IQ (correlação de -0,478), seguida por SPI (-0,409) e CPI (-0,374). Projetos com baixo volume de mudanças (até o primeiro quartil) apresentaram um EGP médio de 0,941, enquanto aqueles com alto volume de mudanças (a partir do terceiro quartil) registraram um EGP médio de 0,867. Essa evidência corrobora o entendimento de que mudanças não controladas elevam custos indiretos, reduzem produtividade e pressionam cronogramas, resultando em retrabalho e replanejamento (PMI, 2021; Love, Irani e Edwards, 2004).

O engajamento de stakeholders (stakeholder_engagement_index_1to5) demonstrou uma associação positiva com os KPIs, indicando que níveis mais altos de engajamento se relacionaram a um melhor desempenho. A correlação foi de 0,29 para SPI, 0,113 para CPI, 0,364 para IQ e 0,254 para EGP. Projetos com alto engajamento (índice 4-5) apresentaram um EGP médio de 0,946, significativamente superior aos projetos com baixo engajamento (índice 1-2), que registraram um EGP médio de 0,876. Essa relação é consistente com a teoria da gestão de partes interessadas, que enfatiza a importância de alinhar expectativas e estruturar a comunicação para reduzir conflitos e instabilidade de escopo (Freeman, 1984).

A ocorrência de incidentes de segurança (safety_incidents_count) também se associou negativamente ao desempenho, com correlações de -0,225 para SPI, -0,024 para CPI, -0,245 para IQ e -0,155 para EGP. Projetos sem incidentes de segurança (0) tiveram um EGP médio de 0,915, enquanto aqueles com um ou mais incidentes (≥1) registraram um EGP médio de 0,892. Embora a correlação com CPI tenha sido a mais fraca, a associação geral sugere que a segurança não é uma variável “externa” ao desempenho do projeto, mas um componente que afeta a execução e a conformidade do resultado, gerando interrupções, investigações e reorganização de frentes de trabalho (PMI, 2021; Hinze, 2006).

Essas análises operacionais, embora de caráter exploratório e sem pretensão de estabelecer causalidade, fornecem padrões compatíveis com a literatura de gerenciamento de projetos. A triangulação entre as associações e as comparações por faixas de “baixa vs. alta pressão” fortaleceu a utilidade gerencial dos achados, indicando onde a gestão pode intervir com maior probabilidade de reduzir a variabilidade e melhorar a previsibilidade dos projetos. A visualização dessas relações por meio de dashboards permitiu identificar rapidamente situações em que o desempenho se concentrou em faixas inferiores ou superiores dos KPIs quando determinados fatores operacionais estiveram presentes.

Identificação de projetos fora de faixa e síntese de desempenho

A identificação de projetos fora de faixa, com base nos extremos de desempenho do EGP, reforçou o valor do benchmarking como instrumento de aprendizado organizacional. Ao comparar os dez projetos com maior EGP com os dez projetos com menor EGP, observou-se que os projetos de melhor desempenho frequentemente apresentavam baixa complexidade, menor volume de mudanças e alto engajamento de stakeholders. Por exemplo, um dos projetos com maior EGP, localizado em Mato Grosso (MA), com baixa complexidade, registrou três mudanças e um engajamento de stakeholders de 3,9, resultando em SPI de 1,365, CPI de 1,207 e IQ de 96,43%, culminando em um EGP de 1,222.

Em contrapartida, os projetos com menor EGP geralmente exibiam alta ou muito alta complexidade, maior volume de mudanças e menor engajamento de stakeholders. Um projeto em Maranhão (MA), classificado como de alta complexidade, com treze mudanças e engajamento de stakeholders de 2,9, apresentou SPI de 0,61, CPI de 0,65 e IQ de 86,96%, resultando em um EGP de 0,678. Essa comparação dos extremos da distribuição permitiu reconhecer padrões recorrentes e combinações de contexto e pressão operacional que tendem a aparecer nos melhores e piores resultados, criando uma base sólida para ações de melhoria direcionadas, como políticas de controle de mudanças e reforço da governança de stakeholders.

A análise de projetos fora de faixa é particularmente relevante para PMOs e alta gestão, pois permite ir além das médias agregadas e identificar as causas subjacentes de desempenho excepcional ou deficiente. Essa abordagem orientada por evidências, que compara o desempenho em diferentes contextos e sob diferentes pressões operacionais, é fundamental para a padronização, monitoramento e melhoria contínua do portfólio de projetos (PMI, 2021; Kerzner, 2017). Os resultados demonstram, de forma aplicada, como dados estruturados e indicadores consolidados podem sustentar decisões de governança, priorização e aprendizado, reduzindo a subjetividade e elevando a transparência no controle do desempenho em projetos de construção civil, um setor historicamente marcado por variabilidade e desvios custosos.

Em síntese, os achados da pesquisa indicaram que a maioria dos projetos de construção civil analisados operou com desempenho inferior ao planejado em prazo e custo, mas com variações significativas entre segmentos e contextos. A aplicação do benchmarking por tipologia, região, modalidade contratual, sistema de entrega e complexidade foi crucial para compreender que o desempenho não é homogêneo, mas condicionado por fatores contextuais e organizacionais. Adicionalmente, padrões operacionais relacionados a mudanças, engajamento de stakeholders e segurança mostraram-se consistentemente associados a variações nos KPIs, reforçando a importância de práticas estruturadas de gestão para a eficiência global do projeto. A integração de KPIs e dashboards interativos constitui um instrumento consistente para o monitoramento, benchmarking e suporte à tomada de decisão, promovendo transparência e melhoria contínua na gestão de projetos.

4. Conclusão

Este estudo objetivou viabilizar o monitoramento e a comparação do desempenho de projetos de construção civil por meio da análise de dados estruturados de planejado versus realizado. Verificou-se uma predominância de projetos com desempenho inferior ao planejado nas dimensões de prazo e custo, com a maioria apresentando SPI e CPI abaixo de 1, indicando atrasos e sobrecustos recorrentes. A análise segmentada revelou variações significativas no desempenho entre diferentes tipologias de obra, unidades federativas, modalidades contratuais, sistemas de entrega e níveis de complexidade, o que reforçou a natureza não homogênea da eficiência em projetos de construção. Adicionalmente, identificaram-se padrões consistentes de associação entre o volume de mudanças, o engajamento de stakeholders e a ocorrência de incidentes de segurança com as variações nos KPIs de prazo, custo, qualidade (IQ) e no indicador composto de eficiência global (EGP). A principal contribuição prática do trabalho reside na demonstração de que a integração de KPIs e dashboards interativos constitui um instrumento consistente para o benchmarking e o suporte à tomada de decisão em Gestão de Projetos, promovendo maior transparência e aprimoramento contínuo.

Contudo, o estudo apresentou limitações inerentes ao uso de uma base de dados secundária pública, que restringiu o controle sobre os critérios originais de coleta e impediu a incorporação de variáveis organizacionais mais profundas, como a maturidade em gestão de projetos ou a cultura organizacional. O delineamento descritivo-exploratório adotado não permitiu inferências causais, mas sim a identificação de associações compatíveis com a lógica de benchmarking e diagnóstico comparativo. Para estudos futuros, recomenda-se a aplicação do modelo proposto em bases organizacionais reais, o que possibilitaria análises longitudinais e a validação dos pesos do EGP conforme prioridades estratégicas. Sugere-se também o aprofundamento de análises explicativas, com a incorporação de métodos inferenciais e variáveis de maturidade em gestão e governança, visando aprimorar a previsibilidade e o aprendizado organizacional. Em síntese, a pesquisa demonstrou a relevância da abordagem de indicadores de desempenho, segmentações e visualização analítica para fortalecer a prática da Gestão de Projetos na construção civil.

Referências Bibliográficas

Atkinson, R. (1999). Project management: Cost, time and quality, two best guesses and a phenomenon, it’s time to accept other success criteria. International Journal of Project Management, 17(6), 337–342.

Fleming, Q. W., & Koppelman, J. M. (2010). Earned value project management (4th ed.). Project Management Institute.

Flyvbjerg, B. (2009). Survival of the unfittest: Why the worst infrastructure gets built—and what we can do about it. Oxford Review of Economic Policy, 25(3), 344–367. https://doi.org/10.1093/oxrep/grp024

Freeman, R. E. (1984). Strategic management: A stakeholder approach. Pitman.

Geraldi, J., Maylor, H., & Williams, T. (2011). Now, let’s make it really complex (complicated): A systematic review of the complexities of projects. International Journal of Operations & Production Management, 31(9), 966–990. https://doi.org/10.1108/01443571111165848

Gil, A. C. (2019). Métodos e técnicas de pesquisa social (7ª ed.). Atlas.

Hinze, J. W. (2006). Construction safety (2nd ed.). Pearson/Prentice Hall.

Hwang, B.-G., & Ng, W. J. (2013). Project management knowledge and skills for green construction: Overcoming challenges. International Journal of Project Management, 31(2), 272-284. https://doi.org/10.1016/j.ijproman.2012.05.004

Kerzner, H. (2017). Project management: A systems approach to planning, scheduling, and controlling (12th ed.). Wiley.

Love, P. E. D., Irani, Z., & Edwards, D. J. (2004). A rework reduction model for construction projects. IEEE Transactions on Engineering Management, 51(4), 426–440.

Meredith & Mantel, 2012 [Referência completa não encontrada no documento original]

Merrow, E. W. (2011). Industrial megaprojects: Concepts, strategies, and practices for success. John Wiley & Sons.

Project Management Institute. (2021). A guide to the project management body of knowledge (PMBOK® Guide) (7th ed.). Project Management Institute.

Shenhar, A. J., & Dvir, D. (2007). Reinventing project management: The diamond approach to successful growth and innovation. Harvard Business School Press.

Vergara, S. C. (2016). Projetos e relatórios de pesquisa em administração (16ª ed.). Atlas.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

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