The operational cost is one of the most significant parameters in the rent real estate projects results. About 80% of the cost accumulated over a fifty-year useful life, while the construction cost corresponds to less than 20%. An accurate operation cost estimating in the feasibility study phase contribute to a secure investment. In the operational phase, an efficient facility management is essential to control the buildings operating cost that, in real estate-based developments, influence the rental price, as lower is the condominium rates, higher is the rental price. The use of KPIs (Key Performance Indicator) to rate the performance of managers is a common practice. Most of them are based on resource consumption rates (staff, cleaning materials, water, etc.) by built area.

However, the resources consumption per constructed area depends on specific building characteristics and can’t be reduced by the manager effort. One example is the security per area amount of a shopping mall. The narrower and labyrinthine the mall, more employees will be required to supervise the same total area. This is because security work is done by route, considering the visual amplitude. Given such variability, it is a challenge to compare the performance of facility managers from different operating units. The adoption of unique targets, obtained by the average KPIs of the various units, is inadequate. Since it sets unattainable targets for units with greater consumption of resources, justified by their characteristics, while rewarding consumption that, although low, may be excessive for a unit that does not have characteristics that justify them.

This article proposes the use of multiple statistical treatment to identify the population parameters of explanatory variables of the operation cost, resulting in models that contribute to accurate estimates in the feasibility study phase, fair and efficient assessment of managers and the identification of opportunities to reduce operating costs in future budgets.

O custo de operação é fator significativo no desempenho financeiro de empreendimentos de base imobiliária, correspondendo a cerca de 80% do custo acumulado ao longo da vida útil de cinquenta anos, enquanto o de construção corresponde a menos de 20%. Estimar com precisão os custos de operação ainda na fase de estudo de viabilidade contribui para um investimento seguro. Na fase operacional, uma gestão de facility eficiente é essencial para o controle do custo de operação das edificações que, em empreendimentos de base imobiliária, influencia no preço de locação da ABL, tão menor quanto maiores as taxas condominiais. O uso de KPIs (Key Performance Indicator) para avaliar o desempenho dos gestores é prática comum. A maioria deles baseia-se em taxas de consumo de recursos (funcionários, material de limpeza, água, etc) por área construída.

Entretanto, o consumo de recursos por área construída de uma edificação depende de características específicas da própria edificação. Um exemplo é a quantidade de seguranças por área em um shopping. Quanto mais estreito e labiríntico o mall, mais funcionários serão necessários para supervisionar uma mesma área total. Isso se dá porque o trabalho de segurança é realizado por rota, considerando a amplitude visual. Diante de tal variabilidade, é um desafio comparar o desempenho de gestores de facility de unidades operacionais distintas. A cobrança de metas únicas, obtidas pela média dos KPIs das diversas unidades, é inadequada pois fixa metas inalcançáveis para unidades com maior consumo de recursos justificada por suas características enquanto premia consumos que, apesar de baixos, pode ser excessivo para uma unidade que não tenha características que os justifique.

Este artigo propõe a utilização do tratamento estatístico múltiplo para a identificação dos parâmetros populacionais das variáveis explicativas do custo operacional, resultando modelos que contribuam para estimativas precisas na fase de estudo de viabilidade, avaliação justa e eficiente dos gestores em exercícios findos e a identificação de oportunidades de redução do custo de operação em exercícios futuros.