Introdução
Devido aos impactos negativos que, em geral, acompanham as operações nas empresas, tais como emissões de poluentes e esgotamento de recursos naturais, a definição de estratégias que visam a sustentabilidade, a redução de poluentes, o tratamento adequado dos resíduos gerados, bem como o menor consumo de insumos, pode impactar positivamente tanto as organizações, quanto o meio ambiente. Tanto as estratégias quanto as operações, eco-inovações e a sustentabilidade ambiental podem se tornar fundamentais para garantir a competitividade das organizações no contexto local e também global.
Problema de Pesquisa e Objetivo
Este estudo apresenta como questão de pesquisa: quais as relações entre as estratégias organizacionais (EO), as operações organizacionais sustentáveis (OP), a eco-inovação (EC) e a sustentabilidade ambiental (SA) nas empresas do Nordeste do Brasil? Consoante isso, este estudo tem como objetivo analisar a influência das estratégias organizacionais (EO), operações organizacionais sustentáveis (OP) e eco-inovações (EC) na sustentabilidade ambiental (SA) das organizações do Nordeste, por meio de três hipóteses de pesquisa, as quais estão apresentadas no referencial teórico.
Fundamentação Teórica
A literatura contemporânea tem evidenciado que a adoção de estratégias organizacionais voltadas à sustentabilidade ambiental constitui um fator determinante para o desempenho corporativo (Khan et al., 2021). Neste contexto, as operações sustentáveis não apenas mitigam riscos regulatórios e pressões de stakeholders, mas também se configuram como mecanismos essenciais para a sustentabilidade ambiental (Sarkis; Dhavale, 2015). Já a eco-inovação atua como um elo entre desempenho econômico e sustentabilidade, influenciando positivamente a sustentabilidade ambiental (Zhang et al., 2019).
Metodologia
Esta é uma pesquisa quantitativa, de caráter descritiva, viabilizada por meio de uma survey (Hair Jr et al., 2014), aplicada a 244 empresas de diferentes portes no Nordeste do Brasil. A coleta de dados ocorreu por meio de contato pessoal, telefônico e internet (Google Forms), com a utilização de questionários com uma escala Likert de 5 pontos, com 20 afirmativas e 8 questões de perfil (entrevistado/empresa). A amostra é classificada como não probabilística, por conveniência. Na análise de dados foram utilizados testes estatísticos, estatística descritiva e a Modelagem de Equações Estruturais.
Análise e Discussão dos Resultados
Os testes de hipóteses comprovam que na amostra pesquisada as hipóteses H1, H2 e H3 foram confirmadas. Na H1 identificou-se que a relação entre EO e SA (SE=0,491) evidencia uma relação moderada de influência da EO sobre a SA. Na H2 pode-se notar que há uma relação de influência positiva entre OP e SA (SE=0,109) e estatisticamente significativa, no entanto a intensidade é considerada baixa (SE<0,3). Nos resultados da H3 também identificou-se que há uma relação de influência positiva entre EC e SA (SE=0,232), significativa estatisticamente, mas com baixa intensidade (SE<0,3).
Considerações Finais
O principal impacto desta pesquisa para o avanço dos estudos científicos e da ciência, está na comprovação de que as EO, OP e a EC influenciam positivamente a SA. Destaca-se que a EO apresentou a maior influência sobre SA. Outro aspecto importante é indicação de que OP e EC devem ser planejadas de forma integradas ao sistema de gestão ambiental, o que potencializa resultados de inovações de produto e processos, que respeitam o meio ambiente. Neste sentido, busca-se gerar subsídios para a elaboração de políticas e diretrizes de planejamento para o desenvolvimento sustentável local e nacional.
Referências
KHAN, S. A. R. et al. Retracted: Industry 4.0 and circular economy practices: A new era business strategies for environmental sustainability. Business Strategy and the Environment, v. 30, n. 8, p. 4001-4014, 2021.
ZHANG et al. Green innovation and firm performance: Evidence from listed companies in China. Resources, Conservation & Recycling, v. 144, p. 48-55, 2019.
HAIR JR., J. F.; BLACK, W. C.; BABIN, B. J.; ANDERSON, R. E. Multivariate data analysis. Pearson new international edition. Pearson Higher Ed, 2014.